MétaCan
Menu
Retour à la cohorte
Enregistrement W4409530888 · doi:10.1002/pen.27224

Investigating the impact of <scp>3D</scp> printing process parameters on the mechanical and morphological properties of fiber‐reinforced thermoplastic polyurethane composites

2025· article· en· W4409530888 sur OpenAlexaff
Sabrina Islam, Z. Shaghayegh Bagheri

Notice bibliographique

RevuePolymer Engineering and Science · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensToronto Rehabilitation InstituteUniversity Health Network
Organismes subventionnairesVirginia Innovation Partnership Corporation
Mots-clésMaterials scienceComposite materialThermoplastic polyurethaneFiberPolyurethaneThermoplastic compositesThermoplastic

Résumé

récupéré en direct d'OpenAlex

Abstract Additive manufacturing (AM) is groundbreaking technology that has gained attention for minimizing material waste and enabling tool‐free production of multi‐material structures. This study examines the effect of process parameters on the mechanical properties of patent‐pending composites comprising thermoplastic polyurethane, hexagonal‐boron‐nitride, carbon, and zylon fiber, designed for durable ice friction in footwear outsoles, produced using Fused Filament Fabrication (FFF), a widely adopted AM technology. Experiments are designed using the Taguchi method, followed by analysis of variance (ANOVA) to identify parameters with the most significant influence. Parameters include filament extrusion temperature, platform temperature, layer height, printing speed, and printing orientation. Extrusion temperature, layer height, and orientation significantly influenced elastic modulus and modulus of resilience (extrusion temperature: p = 0.012, contribution = 12.12% &amp; p = 0.019, contribution = 23.49%; layer height: p &lt; 0.001, contribution = 34.33% &amp; p = 0.008, contribution = 34.63%; orientation: p = 0.001, contribution = 46.11% &amp; p = 0.018, contribution = 27.28%). For tensile and yield strength, extrusion temperature ( p = 0.009 for both, contribution = 9.60% &amp; 11.83%), layer height ( p = 0.004 for both, contribution = 11.86% &amp; 14.55%), speed (p = 0.004, contribution = 11.60% &amp; p = 0.007, contribution = 12.84%), and orientation ( p &lt; 0.001 for both, contribution = 63.49% &amp; 59.28%) are most significant. Five samples, chosen for superior elastic modulus and yield strength, undergo bending tests, exhibiting significant flexural strength without fracture. Findings indicate that precise control of FFF parameters enhances the mechanical properties of polymer‐based composites through AM technology. Highlights Surface‐textured composite via additive manufacturing Explores the effects of process parameters on the mechanical properties Precise control of FFF parameters enhances the mechanical properties. Highlights the importance of controlled fiber orientation

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,223
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymer Engineering and ScienceMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207