Towards optimization of polymer filament tensile test for material extrusion additive manufacturing process
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Material extrusion (MEX) is a popular additive manufacturing (AM) method that can process a wide range of feedstock materials, most commonly in filament form. Currently, there is no standardized testing method for filament tensile properties, and researchers resort to 3D-printed dog-bone specimens, which necessarily include the effects of the printing process. In this study, the impact of the strain measurement device, knife-edge type, gage length, testing speed, and oven treatment on filament tensile properties was explored using an off-the-shelf fixture. It was observed that an extensometer with blunt knife edges, a filament gage length of 165 mm, and a 6.35 mm/min (0.25 in./min) testing speed could accurately evaluate the tensile properties of acrylonitrile butadiene styrene (ABS) filaments. In addition, an optimized raster path, 3D printing design, and process parameters were used to manufacture dog bone tensile specimens according to ASTM D638-22 from the same ABS filament spool. The tensile properties of the filaments were validated using the results of 3D-printed dog-bone specimens. Young's modulus, stress at yield, and stress at break for the optimum filament test set (2.20 GPa, 43.9 MPa, and 39.1 MPa) were very similar to those of the 3D-printed specimens (2.26 GPa, 44.9 MPa, and 37.3 MPa). The optimum filament tensile testing parameters determined in this study for ABS can be used for the initial test setup for other filament materials to provide baseline values that can serve as the foundation for AM process development.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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