Analysis of Metal Fused Filament Fabrication process chain for 316L stainless steel
Notice bibliographique
Résumé
Metal Fused Filament Fabrication (MFFF) has emerged as a prominent technology in Additive Manufacturing (AM), characterized by its cost-effectiveness, versatility in creating intricate geometries using diverse materials, and widespread availability of AM machines. However, the intricate processes of making filament, printing, debinding, and sintering in MFFF pose unique challenges, with a vast number of parameters influencing each stage. Specialized companies handle these stages for research purposes, yet detailed information on the processes remains limited. The objective of this research is to conduct a meticulous examination of the parameters governing the printing, debinding, and sintering of 316L stainless steel—a material widely employed in various industries. The goal is to provide researchers and manufacturers with a comprehensive understanding, enabling them to achieve high-density metal parts that rival those produced through Selective Laser Melting (SLM). This research employs a systematic approach in producing flawless metal parts through fine-tuning parameters such as printing speed, nozzle diameter, extruder and construction table temperatures, heating rate, nitric acid injection during debinding, and sintering atmosphere and temperature. Despite advancements in MFFF parameters in this study, a comparative analysis with SLM reveals superior mechanical properties and density in SLM-produced parts. Because, the robust bonding facilitated by a powerful energy source (laser) in SLM minimizes porosities, whereas MFFF relies solely on molten filament adherence, potentially leading to small gaps between layers. This research contributes valuable insights for achieving dense, defect-free metal parts through Metal Fused Filament Fabrication (MFFF). It sheds light on the persistent advantages of Selective Laser Melting (SLM) in terms of mechanical performance and density. The comprehensive understanding of parameters provided in this study empowers researchers and manufacturers to optimize MFFF processes for 316L stainless steel, narrowing the gap between the two technologies (MFFF and SLM) and enhancing the competitiveness of MFFF in producing high-quality metal parts.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».