MétaCan
Menu
Retour à la cohorte
Enregistrement W4231637136 · doi:10.1504/ijmpt.2019.102938

Mechanical capabilities of semi-rigid thermoplastics ABS and PLA from 3D printing

2019· article· en· W4231637136 sur OpenAlexaff
Jaime Vinicio Molina Osejos, César Ayabaca, Diana Peralta-Zurita, Santiago Gómez Rosero, Gustavo Adolfo Moreno Jiménez

Notice bibliographique

RevueInternational Journal of Materials and Product Technology · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceUltimate tensile strengthAcrylonitrile butadiene styreneComposite materialBendingShore durometerPolylactic acid3D printingYoung's modulusTensile testingPolymer

Résumé

récupéré en direct d'OpenAlex

The use of 3D printing is more common in industries, such as textiles, food, aeronautics, automotive, medicine and others, because of its great versatility during the manufacturing process generation of elements or components with high geometric complexity in relatively short time at low cost. This study presents the characterisation of semi-rigid acrylonitrile-butadiene-styrene (ABS) and polylactic acid (PLA), which was obtained using both of additive manufacturing and specifically the molten material deposition method. The semi-rigid samples were made with five different infill patterns in their interiors: triangle, square, pentagon, and circles. The samples were subjected to tensile and bending tests, which allowed the evaluation of the yield strength, ultimate tensile strength, deformation and modulus of elasticity. Also, ASTM D638-14 and ASTM D790-10 norms were used for methodology validation. The results determined that the distribution of concentric circles with 7,964 MPa/g and 12,234 MPa/g was the best for PLA and the square with 8.82 MPa/g and 8,994 MPa/g was the best for ABS respectively.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,344

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,208
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Materials and Product TechnologyMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207