Szerző dc.contributor.author | Meiabadi Mohammad Saleh | |
Szerző dc.contributor.author | Moradi Mahmoud | |
Szerző dc.contributor.author | Karamimoghadam Mojtaba | |
Szerző dc.contributor.author | Ardabili Sina | |
Szerző dc.contributor.author | Bodaghi Mahdi | |
Szerző dc.contributor.author | Shokri Manouchehr | |
Szerző dc.contributor.author | Mosavi Amir H. | |
Elérhetőség dátuma dc.date.accessioned | 2023-04-05T09:27:18Z | |
Rendelkezésre állás dátuma dc.date.available | 2023-04-05T09:27:18Z | |
Kiadás dc.date.issued | 2021 | |
Issn dc.identifier.issn | 2073-4360 | |
Uri dc.identifier.uri | http://hdl.handle.net/20.500.12944/20332 | |
Kivonat dc.description.abstract | Polylactic acid (PLA) is a highly applicable material that is used in 3D printers due to some significant features such as its deformation property and affordable cost. For improvement of the end-use quality, it is of significant importance to enhance the quality of fused filament fabrication (FFF)-printed objects in PLA. The purpose of this investigation was to boost toughness and to reduce the production cost of the FFF-printed tensile test samples with the desired part thickness. To remove the need for numerous and idle printing samples, the response surface method (RSM) was used. Statistical analysis was performed to deal with this concern by considering extruder temperature (ET), infill percentage (IP), and layer thickness (LT) as controlled factors. The artificial intelligence method of artificial neural network (ANN) and ANN-genetic algorithm (ANN-GA) were further developed to estimate the toughness, part thickness, and production-cost-dependent variables. Results were evaluated by correlation coefficient and RMSE values. According to the modeling results, ANN-GA as a hybrid machine learning (ML) technique could enhance the accuracy of modeling by about 7.5, 11.5, and 4.5% for toughness, part thickness, and production cost, respectively, in comparison with those for the single ANN method. On the other hand, the optimization results confirm that the optimized specimen is cost-effective and able to comparatively undergo deformation, which enables the usability of printed PLA objects. | |
Nyelv dc.language | en | |
Kulcsszó dc.subject | fused filament fabrication | |
Kulcsszó dc.subject | toughness | |
Kulcsszó dc.subject | 3D printing | |
Kulcsszó dc.subject | machine learning | |
Kulcsszó dc.subject | deep learning | |
Kulcsszó dc.subject | artificial intelligence | |
Kulcsszó dc.subject | computational mechanics | |
Kulcsszó dc.subject | materials design | |
Kulcsszó dc.subject | big data | |
Kulcsszó dc.subject | data science | |
Cím dc.title | Modeling the Producibility of 3D Printing in Polylactic Acid Using Artificial Neural Networks and Fused Filament Fabrication | |
Típus dc.type | folyóiratcikk | |
Változtatás dátuma dc.date.updated | 2023-04-04T12:13:40Z | |
Változat dc.description.version | kiadói | |
Hozzáférés dc.rights.accessRights | nyílt hozzáférésű | |
dc.description.notes | „A publikáció a Nemzeti Közszolgálati Egyetem 2020. évi Tématerületi Kiválóság Program keretében, a Fenntartható biztonság és társadalmi környezet elnevezésű projekt támogatásával valósult meg, az Innovációs és Technológiai Minisztérium Nemzeti Kutatási, Fejlesztési és Innovációs Alapból nyújtott támogatásával, a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal által kibocsátott támogatói okirat alapján.” Pályázat sorszáma: NKFIH-1273-6/2020 Támogató: NKFIH | |
Doi azonosító dc.identifier.doi | 10.3390/polym13193219 | |
Tudományág dc.subject.discipline | Műszaki tudományok | |
Tudományterület dc.subject.sciencebranch | Informatikai tudományok | |
Mtmt azonosító dc.identifier.mtmt | 32242203 | |
Folyóirat dc.identifier.journalTitle | Polymers | |
Évfolyam dc.identifier.journalVolume | 13 | |
Füzetszám dc.identifier.journalIssueNumber | 19 | |
Terjedelem dc.format.page | 1-21 | |
Wos azonosító dc.identifier.wos | 000709950000001 | |
Scopus azonosító dc.identifier.scopus | 85115790459 | |
Folyóiratcím rövidítve dc.identifier.journalAbbreviatedTitle | POLYMERS-BASEL | |
Kiadás éve dc.description.issuedate | 2021 | |
Szerző intézménye dc.contributor.department | Szoftvertervezés- és Fejlesztés Intézet | |
Szerző intézménye dc.contributor.department | Információs Társadalom Kutatóintézet | |
Szerző intézménye dc.contributor.department | Információs Társadalom Kutatóintézet | |
Szerző intézménye dc.contributor.department | Informatikai Tudományok Doktori Iskola | |
Szerző intézménye dc.contributor.department | Óbudai Egyetem | |
Szerző intézménye dc.contributor.department | Szoftvertervezés- és Fejlesztés Intézet | |
Szerző intézménye dc.contributor.department | Biztonságtudományi Doktori Iskola | |
Szerző intézménye dc.contributor.department | Felsőbbfokú Tanulmányok Intézete |