Optimization and prediction of additively manufactured PLA-PHA biodegradable polymer blend using TOPSIS and GA-ANN
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
Recent years have seen the proliferation of fused deposition modeling (FDM) as a means of manufacturing biodegradable products, for different applications such as rigid packaging, agricultural and biomedical. Blends of Polyhydroxyalkanoates (PHA) and polylactic acid (PLA) have been investigated to ascertain their prospective applications through FDM. This paper includes three parameters that affect the build process: layer height, nozzle temperature, and flow rate. 3D printed PLA/PHA can be characterized mechanically, and process parameters can be optimized to maximize design functionality. The experimental setup utilized a Taguchi L9 design, and TOSPIS was employed to optimize the output results. Using TOPSIS analysis, 0.2 mm layer thickness, 195 °C nozzle temperature, and 100 % flow rate were found to be the most optimal initiation parameters. The Taguchi analysis was used to analyze the output responses, and it was found that layer height had the greatest influence on mechanical properties, followed by flow rate and nozzle temperature. The percentage elongation at break has been improved significantly by adding PHA i.e., 170 % compared to PLA (5–10 %). This paper presents a framework for in-depth mechanical characterization of PLA-PHA 3D-printed parts, along with methods for optimizing process parameters to achieve optimal performance, as well as tools for modeling output responses using GA-ANN with an accuracy of 95 %.
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 | 0,000 | 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