Calibrationcube-OS3DPmaterials.jpg
Calibrationcube-OS3DPmaterials.jpg
FA 信息 icon.svg向下的角度 icon.svg源数据
类型
2023年
网址https://doi.org/10.1108/JMTM-01-2023-0010
引用为 Citation reference for the source document.迪拉吉·乔帕拉、阿莉西亚·加穆勒维奇、约书亚·皮尔斯。开源 3D 打印材料数据库生成器。制造技术管理杂志,卷。 34 第 6 期,第 1051-1069 页,2023 年。https: //doi.org/10.1108/JMTM-01-2023-0010 学术开放获取

摘要目的:本研究旨在应用开源方法来保护 3D 打印行业免受因明显材料的广泛专利申请而导致的创新停滞。

设计/方法/途径:为此,首先用 Python 实现了用于识别所有明显 3D 打印材料的开源算法的前五个条件的开源​​实现,以及两个和三个的复合组合对十种天然和合成化合物的成分进行了测试。由两个成分和三个成分组成的组合的时间复杂度分别确定为 O(n2) 和 O(n3)。

结果:在市场上最快的处理器上生成化学文摘服务 (CAS) 注册上可用的所有材料组合至少需要 73.9 小时,但随着成分数量的增加,所需的时间变得令人望而却步(例如 3 个成分)是165万年)。为了展示机器学习 (ML) 如何帮助优先考虑理论和实验工作,我们使用由水、琼脂和甘油组成的三部分生物材料作为案例研究。使用实验数据训练决策树模型,并用于填充缺失的物理特性,包括杨氏模量和屈服强度,准确度分别为 84.9% 和 85.1%。

原创性/价值:对于开源系统来说,结果是有希望的,该系统理论上可以生成用于 3D 打印的所有可能的材料组合,然后可用于根据所需的材料属性为特定业务案例识别合适的打印材料。

来源

关键词

也可以看看

Cookies help us deliver our services. By using our services, you agree to our use of cookies.