MétaCan
Menu
Retour à la cohorte
Enregistrement W4415927253 · doi:10.15353/hi-am.v1i1.6778

Assessing the impact of binder saturation on print quality of binder jetted green samples of regular morphologies

2025· article· W4415927253 sur OpenAlexafffund
Alexandra Darroch, E.S. Yang, Mihaela Vlasea

Notice bibliographique

RevueProceedings of the Holistic Innovation in Additive Manufacturing (HI-AM) Conference · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFedDev Ontario
Mots-clésSaturation (graph theory)CalipersAlloyProfilometerInkwellManufacturing process

Résumé

récupéré en direct d'OpenAlex

A pivotal process parameter in binder jetting additive manufacturing (BJAM) is binder saturation, defined as the volumetric ratio of binder deposited to voids within the powder bed. Improperly tailored binder saturation may lead to printing issues such as binder overspread, increased surface roughness, and layer delamination. These existing issues may be further exacerbated with the use of irregular morphological powders, which have a higher degree of interparticle friction and therefore tend to form powder beds with larger pores. This then slows down binder imbibition into the bed. This research will examine the effect of varying binder saturation on a regular (sphericity of 0.95) powder morphology and the resulting green part qualities using C18150 copper alloy powder. A metric used to assess quality is dimensional fidelity, evaluated using image processing techniques to compare designed vs. actual feature size of key geometric structures such as fine through holes and horizontal slots. Additionally, the green density of prints was evaluated with a precision balance and calipers on cubic samples. It was found that, for regular morphology powders, dimensional error did not scale with decreasing feature size. Thus, uniform compensation factors may be implemented into future CAD designs to improve dimensional accuracy.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,408
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
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 Opus0,091
Tête enseignante GPT0,349
Écart entre enseignants0,258 · 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.

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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Holistic Innovation in Additive Manufacturing (HI-AM) ConferenceMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207