MétaCan
Menu
Retour à la cohorte
Enregistrement W4387581368 · doi:10.3390/machines11100950

Correlation between Infill Percentages, Layer Width, and Mechanical Properties in Fused Deposition Modelling of Poly-Lactic Acid 3D Printing

2023· article· en· W4387581368 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMachines · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésFused deposition modelingPolylactic acidMaterials science3D printingUltimate tensile strengthComposite materialInfillDeposition (geology)Surface roughnessSurface finishModulusPolymerStructural engineeringEngineeringGeology

Résumé

récupéré en direct d'OpenAlex

The field of additive manufacturing (AM) has seen a transformation in the production of intricate and complex parts for various applications. Fused Deposition Modelling (FDM), among AM techniques, has garnered significant attention, particularly in fields like fibre-reinforced composites (FRC). In this study, the world of FDM-printed Polylactic Acid (PLA) components is explored, with a focus on how mechanical properties are influenced by infill percentages and layer widths. Through the utilisation of Response Surface Methodology (RSM), the optimisation of FDM-PLA 3D printing for a wide range of biomaterial applications is achieved, along with the unveiling of the potential for remarkable improvements in mechanical performance. Notably, a remarkable 91% reduction in surface roughness for PLA composites was achieved, accompanied by an impressive 25.6% and 34.1% enhancement in the tensile strength and Young’s modulus of fibre-reinforced PLA composites, respectively. This work, positioned at the crossroads of FDM, lays the groundwork for substantial advancements in the realm of 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.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,588
Score d'incertitude au seuil0,444

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 Opus0,037
Tête enseignante GPT0,231
Écart entre enseignants0,193 · 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