私たちはあなたの経験を高めるためにクッキーを使用します。このWebサイトを引き続き閲覧することにより、Cookieの使用に同意したことになります。詳しくは。
Polymer Testing誌の記事では、形態や表面の質感、機械的特性、熱的特性など、3D印刷技術を使用して製造されたいくつかのポリマー複合材料の品質を調査および比較しています。
研究：機械学習によって導かれる3Dプリンターによって作られたナノ粒子を注入したプラスチック製品。画像ソース：Pixel B / Shutterstock.com
製造されるポリマー部品は、その目的に応じてさまざまな品質を必要としますが、その一部は、さまざまな量の複数の材料で構成されるポリマーフィラメントを使用して提供できます。
3Dプリンティングと呼ばれる積層造形（AM）の分野は、材料を混合して3Dモデルデータに基づいて製品を作成する最先端のテクノロジーです。
したがって、このプロセスで発生する廃棄物は比較的少ないです。3Dプリンティング技術は、現在、さまざまなアイテムの大規模製造を含むさまざまなアプリケーションで使用されており、使用量は今後も増えるでしょう。
このテクノロジーを使用して、複雑な構造、軽量の素材、カスタマイズ可能なデザインのオブジェクトを製造できるようになりました。さらに、3D印刷には、効率、持続可能性、汎用性、およびリスクの最小化という利点があります。
このテクノロジーの最も重要な側面の1つは、形状、サイズ、冷却速度、温度勾配など、製品に大きな影響を与えるため、適切なパラメーターを選択することです。これらの品質は、微細構造の進化、その特性および欠陥に影響を与えます。
機械学習を使用して、特定の印刷製品のプロセス条件、微細構造、コンポーネントの形状、組成、欠陥、および機械的品質の間の関係を確立できます。これらの接続は、高品質の出力を生成するために必要な試行回数を減らすのに役立つ場合があります。
高密度ポリエチレン（HDPE）とポリ乳酸（PLA）は、AMで最も一般的に使用される2つのポリマーです。PLAは、持続可能で、経済的で、生分解性であり、優れた特性を備えているため、多くの用途の主な材料として使用されています。
プラスチックのリサイクルは世界が直面している大きな問題です。したがって、リサイクル可能なプラスチックを3D印刷プロセスに組み込むことは非常に有益です。
印刷材料は液化装置に継続的に供給されるため、溶融フィラメント製造（FFF）堆積（3D印刷の一種）の間、温度は一定のレベルに維持されます。
そのため、減圧により溶融ポリマーがノズルから排出されます。表面形態、歩留まり、幾何学的精度、機械的特性、およびコストはすべてFFF変数の影響を受けます。
引張、圧縮衝撃または曲げ強度と印刷方向は、FFFサンプルに影響を与える最も重要なプロセス変数であると考えられています。この研究では、FFF法を使用して標本を準備しました。6つの異なるフィラメントを使用してサンプル層を構築しました。
a：サンプル1および2の3DプリンターのML予測パラメーター最適化モデルb：サンプル3の3DプリンターのML予測パラメーター最適化モデルc：サンプル4および5の3DプリンターのML予測パラメーター最適化モデル画像ソース：Hossain 、MIなど。
3D印刷技術は、従来の製造方法では達成できない優れた品質の印刷プロジェクトを組み合わせることができます。3D印刷の独自の製造方法により、製造される部品の品質は、設計およびプロセス変数に大きく影響されます。
機械学習（ML）は、開発および製造プロセス全体を強化するために、積層造形でさまざまな方法で使用されてきました。FFFのデータベースの高度な設計手法とFFFコンポーネント設計を最適化するためのフレームワークが開発されました。
研究者は、機械学習の提案を利用してノズル温度を推定しました。MLテクノロジーは、印刷ベッドの温度と印刷速度の計算にも使用されます。すべてのサンプルに同じサイズが設定されています。
結果は、材料の流動性が3Dプリント出力の品質に直接影響することを示しています。適切なノズル温度のみが、材料の必要な流動性を確保できます。
この作業では、PLA、HDPE、およびリサイクルフィラメント材料をTiO2ナノ粒子と混合し、市販の溶融フィラメント製造3Dプリンターおよびフィラメント押出機によって低コストの3D印刷物を製造するために使用します。
特徴的なフィラメントは斬新で、グラフェンを使用して防水コーティングを生成します。これにより、完成品の基本的な機械的特性の変化を減らすことができます。3Dプリントされたコンポーネントの外側も処理できます。
この作業の主な目標は、通常製造される従来の3D印刷アイテムと比較して、3D印刷アイテムでより信頼性が高く豊かな機械的および物理的品質を実現する方法を見つけることです。この研究の結果と応用は、多くの産業関連プログラムの開発への道を開くことができます。
読み続けてください：どのナノ粒子が積層造形や3D印刷アプリケーションに最適ですか？
Hossain、MI、Chowdhury、MA、Zahid、MS、Sakib-Uz-Zaman、C.、Rahaman、ML、およびKowser、MA（2022）機械学習によって導かれる3Dプリンターによって製造されたナノ粒子注入プラスチック製品の開発と分析。ポリマーテスト、106。次のURLから入手可能：https：//www.sciencedirect.com/science/article/pii/S014294182100372X？via％3Dihub
免責事項：ここに記載されている見解は、著者が個人的な立場で表明した見解であり、必ずしもこのWebサイトAZoM.com Limited T /AAZoNetworkの所有者および運営者の見解を表すものではありません。この免責事項は、このウェブサイトの利用規約の一部を構成します。
熱い汗、シャヒル。（2021年12月5日）。機械学習は、プラスチックをリサイクルする3Dプリント製品を最適化します。AZoNano。2021年12月6日にhttps://www.azonano.com/news.aspx?newsID=38306から取得。
熱い汗、シャヒル。「機械学習は、再生プラスチックから3Dプリント製品を最適化します。」AZoNano。2021年12月6日。。
熱い汗、シャヒル。「機械学習は、再生プラスチックから3Dプリント製品を最適化します。」AZoNano。https://www.azonano.com/news.aspx?newsID=38306。（2021年12月6日にアクセス）。
熱い汗、シャヒル。2021.機械学習は、再生プラスチックから3Dプリント製品を最適化します。AZoNano、2021年12月6日に表示、https：//www.azonano.com/news.aspx？newsID=38306。
AZoNanoは、エポキシ樹脂の性能に対する花のようなナノ粒子の利点に関する研究への彼の参加について、JinianYang博士に話しました。
ジョン・ミャオ博士と、この研究によってアモルファス材料の理解が変わり、それが私たちの周りの物理世界にとって何を意味するのかについて話し合いました。
NANO-LLPOについて、治癒を促進し感染を防ぐナノ材料をベースにした創傷被覆材であるDominikRejman博士と話し合いました。
P-17スタイラスプロファイラー表面測定システムは、2Dおよび3Dトポグラフィーの一貫した測定のための優れた測定再現性を提供します。
Profilm3Dシリーズは、高品質の表面プロファイルと無制限の被写界深度でトゥルーカラー画像を生成できる手頃な価格の光学表面プロファイラーを提供します。
RaithのEBPGPlusは、高解像度電子ビームリソグラフィーの究極の製品です。EBPG Plusは高速で信頼性が高く、高スループットであり、すべてのリソグラフィのニーズに理想的です。
投稿時間：2021年12月7日