MétaCan
Menu
Retour à la cohorte
Enregistrement W4381193973 · doi:10.11159/cdsr23.216

Development of a Robotic Additive Manufacturing Framework for Fused Deposition Modeling: Technical Considerations

2023· article· en· W4381193973 sur OpenAlexaff
Pooyan Nayyeri, Habiba Bougherara, Kourosh Zareinia

Notice bibliographique

RevueProceedings of the International Conference of Control, Dynamic systems, and Robotics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésFused deposition modelingManufacturing engineeringDeposition (geology)Computer scienceSystems engineeringEngineeringProcess engineering3D printingMechanical engineeringGeology

Résumé

récupéré en direct d'OpenAlex

Additive manufacturing, commonly referred to as 3D printing, is a rapidly growing technology that allows for the creation of three-dimensional parts in a fraction of the time required by traditional methods.Conventional 3D printers use either cartesian or delta mechanisms, which are reliable but limited in movement due to the fixed orientation of the tool head.Researchers have been working on using robotic manipulators to create new 3D printing techniques.To accomplish this, they first need to establish a robotic framework for basic 3D printing.This technical brief explains the steps for the implementation of a robotic manipulator for fused deposition modelling (FDM).The proposed approach can help other researchers develop their own robotic 3D printing framework.While many other alternatives can be utilized, the proposed methodology is not intended to be unique or optimized.However, it provides important technical details that can help to expedite the process of establishing new research projects in this field.Additionally, this brief introduces the concept of the "printability index", which can be used to create a map for positioning the build platform in the robot's workspace.

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)0,001
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,036
Tête enseignante GPT0,257
Écart entre enseignants0,221 · 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
GenreMéthodes

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

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the International Conference of Control, Dynamic systems, and RoboticsMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207