A Framework for Waste Minimization in Laboratory-Scale Additive Manufacturing
Notice bibliographique
Résumé
Although additive manufacturing (AM) offers a reduction in waste compared to conventional manufacturing processes, AM still generates non-negligible material losses and inefficiencies, from print failures to removable support structures. This research aims to propose a systematic Material Flow Analysis (MFA) framework tailored for AM laboratories. As a comprehensive approach, the framework maps the complete operational process from the filament to the final printed product, rather than focusing on specific printing activities. The case study is the Fused Filament Fabrication division of the Laboratory for Multiscale Mechanics (LM2 ) at Polytechnique Montreal. LM2 is dedicated to 3D printing polymers and composites using commercial printers and filaments. The MFA will be classified into two flow categories: fixed and variable waste. Printed products are highly customizable, which distinguishes their waste management strategies from traditional manufacturing operations. Fixed waste, such as disposable gloves and cleaning wipes, is quantifiable and repeatable in each production cycle. Therefore, the framework proposes direct alternatives (reuse/replace), depending on the CO2 eq. emission tradeoff. Variable waste, such as support structures, is design-dependent and varies based on the product. In laboratory-scale production, eco-design principles are non-systematic, and different user experience levels complexify their implementation. Therefore, as an alternative systematic approach, the framework proposes mechanical recycling as a key strategy that is assessable based on CO2 eq. emission and adaptable to different design outputs. Overall, the MFA aims to offer a guideline for waste management flow for a customizable manufacturing method at laboratory scale, identifying potential pathways towards a sustainable AM industry.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».