High-Performance Polymer Blends: Manufacturing of Polyetherimide (PEI)–Polycarbonate (PC)-Based Filaments for 3D Printing
Notice bibliographique
Résumé
The demand for high-performance polymers in 3D printing continues to grow due to their ability to produce intricate and complex structures. However, commercially available high-temperature 3D printing materials often exhibit limitations such as brittleness, warping, thermal sensitivity, and high costs, highlighting the need for advanced filament development. This study investigates the fabrication of polyetherimide (PEI) and polycarbonate (PC) blends via melt extrusion to enhance material properties for stable additive manufacturing. The addition of PC improved the processability of the blends, enabling successful extrusion at temperatures ranging from 290 to 310 °C. Differential scanning calorimetry (DSC) confirmed a shift in the softening temperature (T) of PEI, indicating effective blending. To further improve the properties of the PEI:PC blends, 1 wt% of a compatibilizer was incorporated, resulting in homogeneous microstructures as observed through scanning electron microscopy (SEM). The optimized PEI:PC (70:30) blend with compatibilizer (1 wt%) demonstrated a 49% higher storage modulus than neat PEI and a 40% greater storage modulus than ULTEM9085. Moreover, reduced melt viscosity facilitated consistent and stable printing, making these materials highly suitable for applications in aerospace and transportation, where performance and reliability are critical.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».