MétaCan
Menu
Retour à la cohorte
Enregistrement W4312472623 · doi:10.3934/ctr.2022010

Design of a hybrid high-throughput fused deposition modeling system for circular economy applications

2022· article· en· W4312472623 sur OpenAlexaff
Tanay Kuclourya, Roberto Monroy, Miguel Castillo, D. Bača, Rafiq Ahmad

Notice bibliographique

RevueClean Technologies and Recycling · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFused deposition modeling3D printingNozzleExtrusionScope (computer science)ThroughputWork (physics)Deposition (geology)Mechanical engineeringManufacturing engineeringDoorsProcess engineeringComputer scienceEngineeringMaterials scienceTelecommunicationsComposite material

Résumé

récupéré en direct d'OpenAlex

<abstract> <p>In recent years, recycling of plastics has opened several doors of advancements in the field of additive manufacturing (AM). The process of fused deposition modelling (FDM) has already been utilized for reprocessing waste plastics into filaments and finally printing them into useful products. Yet another concept of extrusion additive manufacturing (EAM) is gaining lots of attention. In this work, a screw assisted system based on EAM is designed and installed alongside a pre-existing FDM system. This system is referred to as the direct FDM (DFDM) system throughout this work. The DFDM system used operates with a 1.75 mm nozzle and has the ability of giving a high throughput. The focus of this work is to use this hybrid system (combination of FDM and DFDM systems) to print both virgin as well as recycled plastics. The scope of this work is to use one technology (either FDM or DFDM) at a time and to use both simultaneously for multi-material printing in future. After several trials of printing and setting up some printing parameters, the proposed system has been able to print with virgin as well as recycled PLA.</p> </abstract>

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,806
Score d'incertitude au seuil0,605

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 Opus0,019
Tête enseignante GPT0,206
Écart entre enseignants0,186 · 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'étudeSimulation ou modélisation
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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClean Technologies and RecyclingMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207