A review on voids of 3D printed parts by fused filament fabrication
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Fused filament fabrication (FFF), also known as fused deposition modeling (FDM™), is considered one of the most promising additive manufacturing (AM) methods for its versatility, reliability and affordability. First adopted by industries for professional uses such as rapid prototyping, then by the general public in recent years, FFF has gathered itself considerable attention. Nevertheless, despite key advancements in printer technologies and filament materials, the fabrication of robust, performing and functional parts for high-demanding practical applications remains a significant challenge. Due to intrinsic deficiencies, such as the presence of voids and weak layer-to-layer adhesion, FFF-printed parts are plagued by weak and anisotropic mechanical properties in contrast to their conventionally manufactured counterparts. With the increasing demand for designable porous structures in the fields of biomedicine, 4D printing and lightweight cellular composites, understanding the challenges presented by void presence has become more relevant than ever. As existing literature has reviewed the significance of interlayer bonding, this review focuses on documenting recent insights on the formation of voids by its categorization, research method and mechanism. The primary objective is to provide a comprehensive understanding of the two current primary methods of void research—quantitative analysis and imaging. Detailed discussions on the effects of feedstock and printing parameters on void formation are also presented. Lastly, this review discusses gaps in the current research and outlines unaddressed challenges regarding void formation and its relation with the mechanical performance of FFF parts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle