MétaCan
Menu
Retour à la cohorte
Enregistrement W4283211392 · doi:10.1108/rpj-10-2021-0274

The influence of fused filament fabrication printing parameters on the mechanical properties of a thermoplastic elastomer

2022· article· en· W4283211392 sur OpenAlexaff
Ryan R. Ford, Akhilesh Kumar Pal, Scott C.E. Brandon, Manjusri Misra, Amar K. Mohanty

Notice bibliographique

RevueRapid Prototyping Journal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceUltimate tensile strengthFused filament fabricationComposite materialPlastics extrusionElastomerThermoplastic elastomerThermoplasticFactorial experimentFabricationDesign of experiments3D printingPolymerComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Purpose The fused filament fabrication (FFF) process is an additive manufacturing technique used in engineering design. The mechanical properties of parts manufactured by FFF are influenced by the printing parameters. The mechanical properties of rigid thermoplastics for FFF are well defined, while thermoplastic elastomers (TPE) are uncommonly investigated. The purpose of this paper is to investigate the influence of extruder temperature, bed temperature and printing speed on the mechanical properties of a thermoplastic elastomer. Design/methodology/approach Regression models predicting mechanical properties as a function of extruder temperature, bed temperature and printing speed were developed. Tensile specimens were tested according to ASTM D638. A 3×3 full factorial analysis, consisting of 81 experiments and 27 printing conditions was performed, and models were developed in Minitab. Tensile tests verifying the models were conducted at two selected printing conditions to assess predictive capability. Findings Each mechanical property was significantly affected by at least two of the investigated FFF parameters, where printing speed and extruder temperature terms influenced all mechanical properties (p < 0.05). Notably, tensile modulus could be increased by 21%, from 200 to 244 MPa. Verification prints exhibited properties within 10% of the predictions. Not all properties could be maximized together, emphasizing the importance of understanding FFF parameter effects on mechanical properties when making design decisions. Originality/value This work developed a model to assess FFF parameter influence on mechanical properties of a previously unstudied thermoplastic elastomer and made property predictions within 10% accuracy.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,021
Tête enseignante GPT0,203
Écart entre enseignants0,182 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRapid Prototyping JournalMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207