MétaCan
Menu
Retour à la cohorte
Enregistrement W4298120862 · doi:10.1088/2053-1591/ac96d4

Comparative property analysis of fused filament fabrication PLA using fresh and recycled feedstocks

2022· article· en· W4298120862 sur OpenAlexaff
Aparna Dash, Shruti Kabra, Sidhant Misra, G Hrishikeshan, Raghvendra Pratap Singh, Albert E. Patterson, Utkarsh Chadha, A. John Rajan, Bulcha Bekele Hirpha

Notice bibliographique

RevueMaterials Research Express · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRaw materialExtrusionFused filament fabricationMaterials scienceThermoplasticPolylactic acidFactorial experimentComposite materialWaste managementProcess engineering3D printingPolymerComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Manufacturing industries generate much waste, which can be converted into raw materials for other allied industries. Thermoplastic wastes can be recycled in many cases. Recently these recycled plastics have been used to manufacture the input filament necessary for material extrusion additive manufacturing (MEAM). Polylactic acid (PLA) is one of the most common and potentially useful engineering plastics that can be additively manufactured, but the effect of recycling on the effective properties is still not well known. In this study, the mechanical properties of MEAM-processed PLA were compared for virgin and recycled feedstock. The collected data were analyzed using a full-factorial design of experiments method, providing insight into the effects of layer thickness and infill density on the performance of the material before and after recycling. The results showed a notable degradation in properties after recycling, but this effect was moderated by modifying the studied parameters. This work and its conclusions will serve as a screening study to guide future efforts in this area and promote the wider use of recycled materials in additive manufacturing.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,109
Tête enseignante GPT0,339
Écart entre enseignants0,229 · 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

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials Research ExpressMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207