Optimizing additive manufacturing parameters for graphene-reinforced PETG impeller production: A fuzzy AHP-TOPSIS approach
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
Additive manufacturing, particularly 3D printing, has transformed production by enabling precise, layer-by-layer construction with minimal material waste. This study aims to optimize the mechanical properties and production efficiency of impellers manufactured using Graphene-Reinforced Polyethylene Terephthalate Glycol (G-PETG) filament. By employing the Fuzzy Analytic Hierarchy Process (FAHP) and the Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS), we identified optimal 3D printing parameters. The results showed that a 65 % infill density, 0.20 mm layer height, 50 mm/s printing speed, 90 °C platform temperature, 240 °C extruder temperature, and 90 mm/s traverse speed led to a 15 % improvement in tensile strength and a 12 % reduction in production time compared to baseline settings. Additionally, the impellers produced demonstrated superior surface finish and structural integrity, making them suitable for high-performance applications. These findings underscore the importance of parameter optimization in enhancing the performance of 3D-printed components, particularly for applications requiring high mechanical strength and precision. • Revolutionizing Production with 3D Printing : Additive manufacturing, particularly 3D printing, minimizes waste with layer-by-layer construction. • Optimal Parameter Selection : The study identifies ideal process parameters for G-PETG impeller production, enhancing mechanical properties. • Methodology : Fuzzy AHP and TOPSIS are used to systematically determine optimal parameters in 3D printing extrusion processes. • Optimized Parameters : Key settings include 65% infill, 0.20 mm layer height, 50 mm/s print speed, 240°C extruder, and 90°C platform. • Impact on Performance: Optimized settings improve the strength and precision of 3D printed components, crucial for 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 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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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