Pellet-Based Extrusion Additive Manufacturing of Lightweight Parts Using Inflatable Hollow Extrudates
Notice bibliographique
Résumé
Additive manufacturing (AM) has become a key element of Industry 4.0, particularly the extrusion AM (EAM) of thermoplastic materials, which is recognized as the most widely used technology. Fused Filament Fabrication (FFF), however, depends on expensive commercially available filaments, making pellet extruder-based EAM techniques more desirable. Large-format EAM systems could benefit from printing lightweight objects with reduced material use and lower power consumption by utilizing hollow rather than solid extrudates. In this study, a custom extruder head was designed and an EAM system capable of extruding inflatable hollow extrudates from a variety of materials was developed. By integrating a co-axial nozzle-needle system, a thermoplastic shell was extruded while creating a hollow core using pressurized nitrogen gas. This method allows for the production of objects with gradient part density and varied mechanical properties by controlling the inflation of the hollow extrudates. The effects of process parameters— such as extrusion temperature, extrusion speed, and gas pressure were investigated—using poly-lactic acid (PLA) and styrene-ethylene-butylene-styrene (SEBS) pellets. The preliminary tests identified the optimal range of these parameters for consistent hollow extrudates. We then varied the parameters to determine their impact on the dimensions of the extrudates, supported by analyses of microscopic images taken with an optical microscope. Our findings reveal that pressure is the most influential factor affecting extrudate dimensions. In contrast, variations in temperature and extrusion speed had a relatively minor impact, whereas changes in pressure led to significant alterations in the extrudate’s size and shape.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».