Adaptive benchmarking design for additive manufacturing processes
Notice bibliographique
Résumé
Abstract Standards enabling the objective tolerancing and evaluation of dimensional and geometrical performances of additive manufacturing (AM) printers are still missing. The design, printing and measurements of geometrical benchmark test artefacts (GBTA) is the current solution proposed in literature. However, the current GBTA with fixed dimensions cannot cover most of the available printing area of printers with large building platform dimensions. This article proposes to solve this problem by developing an adaptive GBTA design whose main dimensions can be adapted to any common 3D printer. Moreover, an innovative design is implemented to decrease the risk of warping. The adaptive GBTA will then be used to characterise the performances of two different architecture material extrusion printers (Ultimaker 2+ and Pollen AM Series MC). Dimensional and geometrical accuracy, as well as top surface topography, were evaluated. The Ultimaker printer could reproduce features with maximum deviations below the tolerance interval (IT) 13 of the ISO 286-1, while the Pollen machine achieved a higher IT of 15 or 16. The highest geometrical deviations were observed for the coaxiality of cylinders oriented along the build direction (Ultimaker: 0.250 mm and Pollen: 0.497 mm). Top surface topography exhibited higher Ra values for Pollen (13.7 µm) than for Ultimaker 2+ (4.9 µm). The performances of the Pollen printer were lower than the Ultimaker machine in terms of surface topography, dimensional and geometrical accuracy. The proposed adaptive GBTA design covers most of the printing areas exhibited by Pollen and Ultimaker printers and offers flexibility to test other printers even with larger or smaller dimensions.
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.
Comment cette classification a été obtenuedéplier
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».