Optimierung der mechanischen Festigkeit und Formgenauigkeit von Polyamid-FFF-Teilen mittels Gray-Relational-Analyse

Wissenschaftliche Berichte Band 12, Artikelnummer: 13142 (2022) Diesen Artikel zitieren

1421 Zugriffe

3 Zitate

Details zu den Metriken

In diesem Artikel wird die Auswirkung verschiedener Parameter des additiven Fertigungsprozesses wie Kammertemperatur, Drucktemperatur, Schichtdicke und Druckgeschwindigkeit auf fünf wesentliche Parameter untersucht, die die hergestellten Komponenten charakterisieren: Zylindrizität, Zirkularität, Festigkeit und Elastizitätsmodul sowie Verformung durch Gray Relational Analysemethode gleichzeitig. Zur Gestaltung der Experimente wurde die Taguchi-Methode verwendet und die zylindrischen PA6-Teile wurden mit einem German RepRap X500® 3D-Drucker hergestellt. Anschließend wurden die GRG-Werte (Gray Relational Grade) für alle Experimente berechnet. Im 8. Versuch wurde der höchste GRG-Wert beobachtet. Um die optimalen Parameter zu ermitteln, wurden die GRG-Daten dann mittels ANOVA und S/N-Analyse analysiert und es wurde festgestellt, dass die besten Bedingungen zur Verbesserung von GRG 60 °C bei der Kammertemperatur, 270 °C bei der Drucktemperatur und 0,1 sind mm Schichtdicke und 600 mm/min Druckgeschwindigkeit. Abschließend wurde unter Verwendung optimaler Parameter ein Verifizierungstest durchgeführt und neue Komponenten untersucht. Schließlich zeigte der Vergleich des anfänglichen GRG mit dem GRG der Experimente eine Verbesserung des grauen Relationsgrads (14 %), was mit einer Verbesserung des GRG-Werts einhergeht.

Eine der am weitesten verbreiteten Methoden der additiven Fertigung (AM) ist die Fused Filament Fabrication (FFF), mit der Teile mit komplexer Geometrie hergestellt werden können. Bei diesem Verfahren wird ein Endlosfilament aus thermoplastischem Material Schicht für Schicht aufgetragen, um das endgültige Stück herzustellen. Eines der wesentlichen Ziele bei der Herstellung von Teilen mit diesem Verfahren ist die Herstellung von Teilen mit hohen mechanischen Eigenschaften und gleichzeitig hervorragender geometrischer Genauigkeit. Zu den verschiedenen Methoden zur Verbesserung der gewünschten Eigenschaften produzierter Teile gehört die Bestimmung der optimalen Prozessparameter in diesem Prozess1,2,3.

ME, auch bekannt als Fused Filament Fabrication (FFF), wie in ISO/ASTM 52900 beschrieben, ist eine beliebte AM-Methode, die aufgrund geringerer Materialverschwendung, kostengünstigerer Materialien und Werkzeuge eine selektive Abscheidung thermoplastischer Polymere durch eine beheizte Düse beinhaltet. Als 3D-Drucktechnik in Prototypen- und Endproduktanwendungen unter den additiven Fertigungsmethoden4,5.

Beim FFF-Verfahren wird ein Polymer in einen Verflüssiger geleitet, der ein Filament extrudiert und sich dabei in aufeinanderfolgenden X-Y-Ebenen entlang der Z-Achse bewegt, um Schicht für Schicht ein 3D-Objekt aufzubauen6,7. Polylactid (PLA), Polyamid (PA), Polycarbonat (PC), Acrylnitril-Styrol-Acrylat (ASA), Nylon, Acrylnitril-Butadien-Styrol (ABS) und Polyetheretherketon (PEEK) scheinen die am häufigsten verwendeten thermoplastischen Polymere zu sein FFF-Technik zur Herstellung von 3D-Teilen8. Zu den größten Nachteilen dieses Ansatzes gehören eine schlechte Oberflächenqualität, eine langsame Aufbaugeschwindigkeit und anisotrope mechanische Eigenschaften, die sich aus der Schicht-für-Schicht-Strategie ergeben9,10. Aufgrund der Verwendung von 3D-gedruckten Teilen müssen das mechanische Verhalten und die geometrische Genauigkeit sorgfältig geprüft werden, um Material- und Zeitverschwendung zu vermeiden11.

Da sich viele Parameter wie z. B. auf den Druckprozess auswirken können, kann die Standardkonfiguration der Druckprozessparameter der Hersteller nicht die Qualität der gedruckten Produkte garantieren12. Verschiedene Prozessparameter wie Düsentemperatur, Schichtdicke, Schalendicke, Druckgeschwindigkeit, Fülldichte und andere Parameter mit mehreren Reaktionen steuern den FFF-Prozess und sollten optimiert werden, um die erforderliche Qualität zu verbessern. Aus analytischer Sicht handelt es sich hierbei um ein recht kniffliges Verfahren. Daher werden umfangreiche Untersuchungen durchgeführt, um die Auswirkungen verschiedener FFF-Prozessparameter auf die verschiedenen Reaktionen zu bestimmen13.

Ju-Long14 hat die Gray Relational Analysis (GRA) entwickelt, eine der Multi-Response-Optimierungstechniken, die auf der Taguchi-Technik basiert. Viele neuere Studien, die auf der Gray-Relational-Analyse (GRA) basieren, wurden durchgeführt, um verschiedene Reaktionen durch Optimierung der Verarbeitungsparameter zu verbessern. Beispielsweise verwendeten Venkatasubbareddy et al.15 die Taguchi-Methode mit Gray-Relational-Analyse (GRA), um die beste Kombination von FDM-Prozesseigenschaften für ABS-Teile zu bestimmen, was zu einer verbesserten Oberflächenbeschaffenheit und Maßgenauigkeit in Bezug auf Länge, Dicke und Durchmesser führte . Für dieses Experiment wurde L27 Orthogonal Array unter Verwendung von Taguchis DOE mit fünf Parametern ausgewählt: Luftspalte, Schichtdicke, Rasterbreite, Rasterwinkel und Teilausrichtung auf drei Ebenen jedes Parameters. Es wurde angegeben, dass die Schichtdicke von 0,254 mm, die Teileausrichtung und der Rasterwinkel von 0°, die Rasterbreite von 0,4564 mm und keine Luftspalte die Oberflächenqualität und Maßhaltigkeit der Bauteile verbessern sollten. Aslani et al.16 untersuchten den Einfluss der Anzahl der Schalen, der Drucktemperatur, der Füllrate und des Druckmusters auf die Maßgenauigkeit des PLA. Die Grey-Taguchi-Technik mit ANOM- und ANOVA-Techniken wurde verwendet, um die optimalen Druckparameterwerte für PLA-FFF-Komponenten zu bestimmen, was zu der besten Maßgenauigkeit führte. Hinsichtlich der Maßabweichungen in zwei Dimensionen wurde eine Multi-Response-Optimierung durchgeführt und die erhaltenen Ergebnisse zeigten, dass das wesentliche Merkmal den Daten zufolge die Düsentemperatur ist. Darüber hinaus zeigt die Analyse, dass die Stufen, die Maßabweichungen minimieren, drei Schalen, eine Drucktemperatur von 230 °C, eine der empfohlenen Drucktemperaturen von PLA, eine Füllrate von 10 % und ein sechseckiges Druckmuster sind.

Deng et al.17 analysierten die Wirkung von 4 Parametern, darunter Druckgeschwindigkeit (20, 40 und 60 mm/s), Schichtdicke (0,2, 0,25 und 0,3 mm), Drucktemperatur (350, 360 und 370 °C), und Füllverhältnis (20, 40 und 60 %) auf Dehnung, Festigkeit und Steifigkeit. Der in dieser Studie untersuchte Stoff ist Polyether-Ether-Keton (PEEK), das von FFF hergestellt wird. Es wurde beobachtet, dass die mechanischen Eigenschaften bei einer Druckgeschwindigkeit von 60 mm/s, einer Schichtdicke von 0,2 mm, einer Temperatur von 370 °C und einem Füllgrad von 40 % zunahmen. Außerdem beobachteten sie die Mikrostruktur von PEEK-Teilen. Sie erkannten, dass das Teil mit geringerer Festigkeit mehr Luftspalte und Schmelzlinien aufweist, und kamen daher zu dem Schluss, dass niedrigere Drucktemperaturen und Druckgeschwindigkeiten zu mehr Fehlern im Teil führten. Darüber hinaus könnte die Konnektivität durch eine unterkühlte Temperatur zwischen den geschmolzenen Filament-, Kammer- und Betttemperaturen beeinflusst werden. Xiaoyong et al.18 untersuchten den Einfluss der Betttemperatur (130, 110 und 25 °C), der Kammertemperatur (60 und 25 °C) und des Füllgrades (50 % und 100 %) auf die mechanischen Eigenschaften und die Formgenauigkeit der Folie Formen von PEEK-Thermoplastteilen, die im FFF-Verfahren hergestellt wurden. Sie verstanden, dass die Temperatur die mechanischen Eigenschaften erheblich beeinflusst und dass eine Erhöhung der Temperatur die mechanischen Eigenschaften verbessern kann. Bei höherer Bett- und Kammertemperatur werden die Zugfestigkeit und die Druckpräzision aufgrund der erhöhten Bindungskraft zwischen den Schichten verbessert. Auch die mechanischen Eigenschaften werden bei niedrigen Füllverhältnissen verbessert. Durch den Vergleich der PEEK- und PLA-Festigkeitsergebnisse wurde festgestellt, dass die Zugfestigkeit von PEEK-Teilen höher ist als bisher angenommen. Aamir et al.19 verwendeten die Taguchi- und GRA-Technik, um die Auswirkungen von fünf Parametern zu bestimmen: Rasterbreite, Schichtdicke, Druckgeschwindigkeit und Extrusionstemperatur auf Bauzeit, Oberflächenrauheit und Ebenheitsfehler von PC/ABS-Mischteilen. L27 Orthogonal Array of Taguchis Versuchsplanung Ausgewählte und GRA-Techniken wurden verwendet, um die optimalen FDM-Variablen für Antworten mithilfe der Mehrzieloptimierung auszuwählen. Den Untersuchungsergebnissen zufolge haben Rasterbreite, Schichtdicke und Druckgeschwindigkeit einen erheblichen Einfluss auf mehrere Steuerungsfaktoren. Die Schichtdicke von 0,2 mm, die Rasterbreite von 0,55 mm, die Extrusionstemperatur 270 °C, die Betttemperatur 100 °C und die Druckgeschwindigkeit 40 mm/s sind optimale Bedingungen. Kechagias et al.20 untersuchten mithilfe der vollfaktoriellen Entwurfsmethode die Auswirkung von Rasterablagerungswinkel, Schnittgeschwindigkeit, Laserleistung und Abstand auf die Maßhaltigkeit und Oberflächenrauheit mithilfe eines CO2-Lasers mit geringer Leistung, der dünnes Acrylnitril-Butadien-Styrol schneidet (ABS)-Platten, hergestellt im FFF-Verfahren. Schließlich wurden ANOVA-Analyse, Interaktionsstudien und quadratische Regressionsmodelle verwendet, um Eingabe- und Ausgabeparameter abzugleichen, den Schnittfugenwinkel des Prozesses nahe 0° zu optimieren und die Oberflächenrauheit nahe 0 m zu verringern. Die besten Verfahrensparameter waren ein Abstand von 7,5 mm, ein Null-Raster-Auftragswinkel, eine Lasergeschwindigkeit von 14,4 mm/s und eine Laserleistung von 105 W. Anusree et al.21 analysierten die Auswirkungen von vier Variablen, darunter Druckgeschwindigkeit, Schichtdicke, Trägermaterialdichte und Rasterbreite, auf Maßhaltigkeit, Zugfestigkeit und Oberflächenbeschaffenheit von FDM-verarbeiteten helikalen Oberflächen mithilfe von Taguchi- und GRA-Methoden. Es wurde festgestellt, dass die bessere Maßhaltigkeit, Zugfestigkeit und Oberflächenbeschaffenheit durch eine minimale Schichtdicke, eine Druckgeschwindigkeit von 58 mm/s und ein maximales Maß an Rasterbreite und rauem Trägermaterial erzielt werden. In N. Vidakis et al.22 wurde der Einfluss der Schichthöhe (0,15, 0,2 und 0,25 mm), der Düsentemperatur (250, 260 und 270 °C) und des Rasterwinkels (0, 45 und 90°) untersucht. zur mechanischen Festigkeit und Zähigkeit des FFF-Polyamid-12-Polymers unter Verwendung einer vollfaktoriellen Methodik. Die experimentellen Ergebnisse wurden mithilfe der ANOVA-Analyse, interaktiven Diagrammen und Boxdiagrammen analysiert, und es wurde festgestellt, dass die experimentellen Ergebnisse mithilfe der ANOVA-Analyse, Interaktion und Boxdiagrammen analysiert wurden. Es wurde festgestellt, dass bei 270 °C die statische mechanische Festigkeit und der Elastizitätsmodul optimiert werden und bei 260 °C die Werte für Zähigkeit und Null-Grad-Rasterwinkel, statische mechanische Festigkeit und Zähigkeit bei 45 Grad-Rasterwinkel-Elastizitätsmodulwerten optimiert werden sind optimiert. Darüber hinaus sind alle Reaktionen mit einer Schichthöhe von 0,25 mm optimiert. Kechagias et al.23 verwendeten das orthogonale Array Taguchi L18, um den Einfluss der Düsentemperatur (180, 200 und 220 °C), der Schichtdicke (0,1 und 0,3 mm) und der Filamentdruckgeschwindigkeit (30, 40 und 50 mm) zu analysieren /s) und Ablagerungswinkel (0, 45 und 90°) auf mechanische Eigenschaften wie Zugfestigkeit (UTS) und Elastizitätsmodul (E) von PLA/Kokosholzteilen. Die Ergebnisse wurden mit ANOM- und ANOVA-Methoden analysiert. Der Rasterablagerungswinkel hat den größten Einfluss auf die Reaktionen, und das nullorientierte Filament weist größere UTS- und E-Werte auf (80,1 % bei UTS und 92,6 % bei E). Die Schichtdicke ist ein wesentlicher Parameter; Obwohl er stark vom interlaminaren Bindungszustand abhängt, war der Einfluss dieses Parameters in dieser Untersuchung unbedeutend. Außerdem erkannten sie, dass das mechanische Verhalten bei unterschiedlichen Schichtdicken durch die Änderung der Druckgeschwindigkeit unterschiedlich ist. In unserer früheren Forschung24 wurde die Auswirkung von vier Parametern untersucht, darunter Dicke (5, 10 und 15 mm), Füllmuster (sechseckig, rechteckig, dreieckig), Anzahl der Wände (2, 3 und 4) und Schichthöhe (1). , 1,125 und 2 mm) wurden anhand der Taguchi-Methode auf die geometrische Genauigkeit zylindrischer PA6-Teile analysiert. Es wurde verstanden, dass der Einfluss von Dicke und Schichthöhe bedeutender ist. Die besten Prozessparameter für minimale geometrische Fehler waren das sechseckige Füllmuster, eine Dicke von 5 mm, eine Wandschicht von 2 und eine Schichthöhe von 1,125 mm. Laut N. Vidakis et al.25 beeinflussen Düsentemperatur- und Schichthöhenwerte die Zugfestigkeit, den Elastizitätsmodul, den Durchschnitt und die Max-Min-Differenzen der Zugfestigkeit und des Elastizitätsmoduls (Δσb und ΔE) mithilfe der allgemeinen vollfaktoriellen Methode . Nachdem sich herausstellte, dass bei einer Düsentemperatur von 270 °C und einer Schichthöhe von 0,2 mm alle Reaktionen optimiert waren (maximierte die ultimative Zugfestigkeit und den Elastizitätsmodul und minimierte Δσb und ΔE).

In den in der Literatur genannten Studien wurden die Auswirkungen verschiedener Parameter in FFF auf mechanische Eigenschaften und Formgenauigkeit verschiedener Materialien untersucht. Allerdings wurde in der Literatur keine Untersuchung durchgeführt, in der der Einfluss von vier Parametern, wie der Kammertemperatur, der Drucktemperatur, der Schichtdicke und der Druckgeschwindigkeit, gleichzeitig auf die mechanische Festigkeit und Formgenauigkeit des PA6 untersucht wurde. Daher ist diese Arbeit eine experimentelle Untersuchung darüber, wie diese vier FFF-Parameter, einschließlich Kammertemperatur (30, 45 und 60 °C), Drucktemperatur (260, 270 und 280 °C), Schichtdicke (0,1, 0,2 und 0,3 mm) und Druckgeschwindigkeit (600, 1800 und 3000 mm/min) auf die mechanischen Eigenschaften und die geometrische Genauigkeit von zylindrischen Teilen aus PA6, hergestellt im FFF-Verfahren. Die Ergebnisse wurden mit der GRA-Methode analysiert und mithilfe von S/N-Analyse, ANOVA-Analyse, Interaktionsdiagrammen, Zähler- und Oberflächendiagrammen sowie einem Regressionsmodell dargestellt. Abschließend wurde ein Bestätigungstest durchgeführt, um die Ergebnisse zu validieren. Im letzten Teil dieser Arbeit wurden die erzielten Ergebnisse diskutiert.

In dieser Studie wurden die PA6-Proben mit einem German RepRap X500® 3D-Drucker hergestellt, der die Fused Filament Fabrication (FFF)-Technologie nutzt. Diese Maschine verfügt über ein hohes Maß an Designfreiheit und ermöglicht Designern das Experimentieren mit völlig neuen Design- und Funktionalitätskonzepten. Einige der technischen Spezifikationen des German RepRap X500® 3D-Druckers sind in Tabelle 1 aufgeführt. Nylonweiß oder PA6 ist eines der am häufigsten verwendeten Polyamide. Da es sich außerdem um ein kommerzielles Material mit hoher Oberflächenqualität und hervorragenden mechanischen Eigenschaften handelt, haben wir uns in dieser Untersuchung für dieses Material entschieden26,27,28. Ein hohlzylindrisches Teil mit den Abmessungen Innendurchmesser 16 mm und Außendurchmesser 20 mm bei einer Höhe von 40 mm wurde mit der Software CATIA-V5™ entworfen (Abb. 1) und als STL-Datei exportiert. Nach dem Schneiden der Teile mit der Simplify 3D-Software, die zum Festlegen der FFF-Parameter verwendet wird, werden sie mit einem German RepRap X500® 3D-Drucker hergestellt. Abbildung 2 zeigt eine schematische Darstellung dieser Schritte.

Hohlzylindrische Abmessungen.

Schematische Darstellung der 3D-Druckschritte. (a) Erstellen eines digitalen Modells, (b) Konvertieren des digitalen Modells in STL, (c) Schneiden und Auswählen der Pressenparameter, (d) Drucken der Teile mit einem 3D-Drucker von German Rep Rap, (e) 3D-gedruckte zylindrische Teile.

Design of Experiments (DOE) ist ein systematischer Ansatz zur Bestimmung der Auswirkung von Eingabeprozessparametern auf eine einzelne oder eine Reihe von Ausgabereaktionen im Rahmen der Prozessparameteroptimierung. Zur Optimierung der Prozessparameter des FFF-Systems wurden mehrere DOE-Ansätze verwendet, darunter die Taguchi-Methode, die Varianzanalyse (ANOVA), vollständige faktorielle Designs und die Technik der bakteriellen Nahrungssuche, die kürzlich entwickelt wurde und aufgrund ihrer Funktion große Aufmerksamkeit erhalten hat Effizienz bei der Lösung realer Optimierungsprobleme ist ein von der Natur inspirierter Optimierungsalgorithmus, der auf dem Nahrungssuchverhalten von Escherichia coli-Bakterien und Fuzzy-Logik basiert. Da viele Parameter den Druckprozess beeinflussen können, kann die von den Herstellern bereitgestellte Standardkonfiguration der Druckprozessparameter die Qualität nicht garantieren von Druckerzeugnissen29,30. Es werden umfangreiche Untersuchungen durchgeführt, um die Auswirkungen verschiedener FFF-Prozessparameter auf die verschiedenen Reaktionen zu bestimmen31,32,33,34. Die Taguchi-Entwurfsmethode bietet einen praktischen Ansatz für geringere Kosten, höhere Qualität und Leistungsoptimierung. Bei der Taguchi-Entwurfstechnik können viele Parameter gleichzeitig analysiert werden und die beste optimale Konfiguration kann mit weniger Ressourcen als beim traditionellen DOE-Ansatz gefunden werden.

Das in dieser Studie verwendete L9 Orthogonal Array und die Auswirkung von vier kritischen Parametern des FFF-Prozesses, einschließlich Schichtdicke (mm), Druckgeschwindigkeit (mm/min), Kammertemperatur (°C) und Drucktemperatur (°C) in Drei verschiedene Ebenen untersuchten Zylindrizität und Zirkularität als geometrische Genauigkeit. Außerdem wurden an diesen Proben Elastizitätsmodul, Festigkeit und Verformung als mechanische Eigenschaften analysiert.

Prozessparameter in drei verschiedenen Ebenen sind in Tabelle 2 aufgeführt. Die Kammer kontrollierte die Umgebungstemperatur und die Kammertemperatur wurde auf 30, 40 und 60 °C eingestellt. Die Schichtdicke bezieht sich auf die Dicke jeder abgeschiedenen Schicht und basiert auf den Abmessungen der Zylinder und wurde im Bereich von 0,1, 0,2 und 0,3 mm gewählt. Die Druckgeschwindigkeit wurde von niedrig bis hoch auf 600, 1800 und 3000 mm/min eingestellt. Da die Drucktemperatur von Nylon normalerweise 270 °C beträgt35, wurde zur Untersuchung der Reaktionen (250, 260 und 270 °C) eine Temperatur gewählt, die etwas höher und niedriger als 270 °C war. Tabelle 3 zeigt das orthogonale Taguchi-Array, das die Parameterkombinationen für jedes Experiment steuert. Um die Wiederholbarkeit zu erhöhen, wurde außerdem jedes Teil fünfmal gedruckt und 45 Teile hergestellt.

Zunächst wurden alle 3D-gedruckten Teile mit einem 3D-Laserscanner (Solutionix D500) gescannt, um geometrische Fehlerwerte zu messen. Mit einer Genauigkeit von 0,01 mm und einer Auflösung von 0,055 mm. Der Vorteil dieses Scanners ist die hohe Geschwindigkeit der Scanverarbeitung. Der Prozess bestand darin, das von der Objektoberfläche reflektierte blaue Licht von einer blauen Lichtquelle, die auf die Oberfläche der Teile projiziert wurde, zum Kameraobjektiv zu nutzen. Anschließend wird es von der Objektoberfläche zum Kameraobjektiv reflektiert. Punkt-für-Punkt-Koordinaten werden in der Solutionix ezScan-Software angezeigt, die Solutionix D500 steuert, und die Geometrie des Teils wird ermittelt. Diese Daten wurden dann im STL-Format aus Solutionix ezScan extrahiert. Im nächsten Schritt wurde das ursprüngliche CAD-Modell mit den aus der Solutionix ezScan by Geomagic® Control X-Software extrahierten STL-Dateien verglichen und durch Komponentenausrichtung ausgerichtet. Schließlich wurden die Rundheits- und Zylindrizitätsfehler basierend auf dem ASME Y14.5M-Standard ermittelt. Die gemessenen Werte der Zylindrizität und Zirkularität sind in Tabelle 4 aufgeführt, und das Schema der Schritte ist in Abb. 3 dargestellt.

Schematische Darstellung des Scanvorgangs zur Ermittlung des Zylindrizitäts- und Zirkularitätsfehlers. (a) Scannen der Teile mit Solutionx D500, (b) Solutionx Ezscan-Software, (c) Geomagic Control X, (d) Messen der geometrischen Genauigkeit.

Die mechanischen Eigenschaften der Teile wurden durch einen Kompressionstest (Druck- und Zugprüfmaschine INSTRON 5881) gemessen. Alle Proben wurden mit einer Belastungszelle von 50 KN und einer Belastungsgeschwindigkeit von 5 mm/min komprimiert. Die speziellen Backen wurden für die Durchführung der Drucktests entwickelt und die Rohre wurden wie in Abb. 4 skizziert zwischen zwei Backen positioniert. Anschließend wurde eine Spannungs-Dehnungs-Kurve erstellt (Abb. 5). Festigkeit, Elastizitätsmodul und Dehnung sind in Tabelle 4 aufgeführt. Die Schritte sind in Abb. 5 dargestellt. Ein Flussdiagramm zeigt die Schritte des Optimierungsprozesses (Abb. 6).

Schritte zum Ermitteln der Festigkeit, des Elastizitätsmoduls und der Dehnung.

Spannungs-Dehnungs-Kurven aller Versuche.

Flussdiagramm zur Umsetzung der Schritte.

Die Daten der Experimente wurden einzeln durch Varianzanalyse (ANOVA) und Signal-Rausch-Verhältnis (S/N) untersucht. Zur Analyse aller Daten wurde MINITAB® 19.0 verwendet. Die Taguchi-Methode wird verwendet, um die Auswirkung einer großen Anzahl von Parametern auf eine bestimmte Reaktion mit einer geringeren Anzahl von Experimenten zu untersuchen.

Zur Optimierung der Multi-Response-Parameter wurde gleichzeitig die GRA-Methode eingesetzt, eine statistische Methode. Diese Methode reduziert gleichzeitig die Zylindrizität und Zirkularität und erhöht die Festigkeit, Dehnung und den Elastizitätsmodul durch Berechnung der optimalen Prozessparameter. GRA wird in den folgenden Schritten angewendet.

Der erste Schritt besteht darin, die experimentellen Daten zu normalisieren. Gemäß den erwarteten Qualitätsmerkmalen verschiedener Antworten kann dieser Wert in drei Optimierungskriterien in GRA unterteilt werden: „Größer ist besser“, „Kleiner ist besser“ und „Normal ist besser“. Gl. (1, 2 und 3) 36.

Größer ist besser:

Kleiner ist besser:

Normal ist besser:

wobei X* (p) der GRG-Wert ist, i die Anzahl der Versuche zeigt, Xi(p) den Antwortwert des Zielexperiments darstellt, Max(Xi(p)) der Maximalwert von Xi(p), Min( Xi(p)) zeigt den Mindestwert von Xi(p) und OB ist der Zielwert. In dieser Studie wird „kleiner ist besser“ gewählt, um die Zylindrizität und Zirkularität zu normalisieren, und „größer ist besser“ wird für Festigkeit, Elastizitätsmodul und Verformung gewählt. Die normalisierten Werte sind in Tabelle 5 aufgeführt.

Der nächste Schritt besteht darin, die Abweichungssequenz aus Gl. zu berechnen. (4).

wobei ∆oi (p) die Abweichungsfolge darstellt und X0(p) die Referenzfolge ist, die gleich eins ist. Die Werte der Abweichungssequenz für jede Antwort sind in Tabelle 636 angegeben.

Die Beziehung zwischen idealen und realen normalen experimentellen Ergebnissen wird durch den Gray-Relational-Koeffizienten (GRC) ausgedrückt. Der Gray-Beziehungskoeffizient wird mit Gleichung berechnet. (5)36 für jeden der normalisierten Werte.

wobei ζi (p) der Gray-Relationskoeffizient ist, ∆oi (p) die Abweichungssequenz darstellt, ζ der Identifikationskoeffizient ist und einen Wert zwischen 0 und 1 hat; Dieser Koeffizient wird normalerweise mit 0,5 angenommen. Außerdem sind ∆min und ∆max minimale bzw. maximale Werte von ∆oi (p). Die Werte sind in Tabelle 7 angegeben.

Im Allgemeinen wird der Gray Relational Grade (GRG) zur Bewertung der Multi-Response-Eigenschaften verwendet. Andererseits ist GRG die durchschnittliche Summe von GRC und Gl. Zur Ermittlung wird (6) herangezogen36.

wobei n die Anzahl der Prozessparameter ist. Ein größerer GRG impliziert daher, dass die Prozessparameterkombination näher am Ideal liegt. Danach wurden alle experimentellen Experimente anhand der GRG-Werte von 1 bis 9 eingestuft, wobei der höchste GRG-Wert den optimalen Lauf darstellt und als 1. Rang gilt. Also der 8. Test, der den höchsten GRG-Wert aufweist, also weist das 8. Experiment unter den anderen Versuchen die besten Eigenschaften auf.

Das Signal-Rausch-Verhältnis (S/N) wird verwendet, um Prozessparameter zu optimieren und die Auswirkung jedes Parameters auf die Reaktion zu untersuchen. Im S/N-Verhältnis gibt das „Signal“ den gewünschten Effekt an, während das „Rauschen“ den unerwünschten Effekt für die Reaktionen angibt. Wenn also das S/N-Verhältnis höher ist, weist dies auf optimale Bedingungen hin. Entsprechend den erwarteten Qualitätsmerkmalen verschiedener Antworten gibt es verschiedene Arten von S/N-Verhältnissen, darunter „größer ist besser“, „kleiner ist besser“ und „normal ist besser“. Dabei stellt η das S/N-Verhältnis dar, yi stellt den Antwortwert des Zielexperiments im orthogonalen Array dar, yn zeigt die Varianz und n ist die Anzahl der Experimente

Größer ist besser:

Kleiner ist besser:

Normal ist besser:

Die Varianzanalyse (ANOVA) und das Signal-Rausch-Verhältnis (S/N) wurden verwendet, um die von GRG mit MINITAB®19.0 erhaltenen Daten zu analysieren. Um die Auswirkung jedes Parameters auf GRG zu untersuchen, wurde die Taguchi-Technik verwendet. Da der GRG-Wert höher ist, verbessern sich die gewünschten Reaktionen. Daher wurde „größer ist besser“ verwendet, um den GRG zu maximieren und die Prozessparameter zu optimieren. Die S/N-Verhältnisse und die Antworttabelle der Mittelwerte für GRG sind in den Tabellen 8 bzw. 9 aufgeführt. Diese Tabellen zeigen die Bedeutung von Parametern anhand der Rangfolge, und Delta stellt die Differenz zwischen dem höchsten und dem niedrigsten Durchschnitt dar. Den Ergebnissen zufolge lässt sich sagen, dass die Druckgeschwindigkeit und die Drucktemperatur im Vergleich zur Kammertemperatur und Schichtdicke den größten Einfluss auf GRG haben.

Das S/N-Diagramm wurde verwendet, um die Daten zu analysieren und optimale Parameter anhand der durchschnittlichen S/N-Verhältnisse für Antworten zu bestimmen. Zur Minimierung der Ausgabe sind Parameter für die geometrische Genauigkeit (Zylindrizität und Zirkularität) erforderlich, das „kleiner ist besser“, und zur Maximierung der Ausgabe sind Parameter für die mechanischen Eigenschaften (E-Modul, Verformung und Festigkeit) erforderlich „Größer ist besser“ wurde ausgewählt, um den mathematischen Ausdruck für das S/N-Verhältnis zu maximieren. Der beste Zustand wird durch den höchsten Punkt in der S/N-Verhältnis-Grafik angezeigt. AB, C und D stellen die Kammertemperatur, die 3D-Drucktemperatur, die Schichtdicke und die Druckgeschwindigkeit in den Abbildungen dar. 9 bzw. 10. Die verschiedenen Ebenen für jeden Parameter werden auf der horizontalen Achse dargestellt und die vertikale Achse ist das mittlere S/N-Verhältnis. Aus dem Haupteffektdiagramm für das S/N-Verhältnis (Abb. 7) und dem Haupteffektdiagramm für Mittelwertdiagramme (Abb. 8) ist ersichtlich, dass die Kammertemperatur 60 °C, die Drucktemperatur 270 °C und die Schichtdicke 0,1 beträgt mm und einer Druckgeschwindigkeit von 600 mm/min ist die optimale Kombination von Prozessparametern zur Erzielung des maximalen GRG.

Haupteffektdiagramm für S/N-Verhältnisse GRG.

Haupteffektdiagramm für Mittelwerte GRG.

Der Einfluss jedes Prozessparameters auf die Antwortvariablen wurde mithilfe des ANOVA-Ansatzes bestimmt. Die Ergebnisse der ANOVA sind in Tabelle 10 aufgeführt. Die angepasste Quadratsumme (Adj SS) wurde unter Verwendung von Gl. berechnet. (10).

Dabei stellt ηi das mittlere S/N-Verhältnis dar, ηj ist das gesamte mittlere S/N-Verhältnis und n zeigt die Gesamtzahl der Experimente. DF steht für den Freiheitsgrad und Beitrag ist der Prozentsatz des Beitrags von Prozessparametern, die angepasste mittlere Quadratsumme ist Adj MS, während die Varianz des Gruppenmittelwerts und der Wahrscheinlichkeitswert F-Wert bzw. P-Wert sind. Durch die Untersuchung des in Tabelle 10 genannten F-Werts und unter Berücksichtigung der Tatsache, dass je höher der Wert, desto größer die Auswirkung des zugehörigen Parameters ist, wurde festgestellt, dass Druckgeschwindigkeit, Schichtdicke, Kammertemperatur und Drucktemperatur den größten Einfluss auf die haben Menge an GRG bzw. Contribution Percentages bestätigt diese Ergebnisse ebenfalls.

Abbildung 9 zeigt die Interaktion zwischen Prozessparametern und GRG-Werten. In einem Interaktionsdiagramm bedeuten parallele Linien keine Interaktion. Der Abbildung zufolge gibt es also in allen anderen Diagrammen außer der Geschwindigkeit keine parallelen Trendlinien und die Richtungen sind gemischt. Aufgrund dieser starken Beweise dafür, dass das lineare Regressionsmodell für GRG-Vorhersagen unbrauchbar ist, wird das lineare Interaktionsmodell der Antwortoberflächenmethode verwendet. Unter Verwendung eines linearen Interaktionsmodells von RSM wurde eine Mehrzielfunktion für GRG konstruiert und Nominalterme wurden aus der Gleichung entfernt37,38.

Interaktionsdiagramme für GRG.

Die Antwortoberflächenregression untersucht die Korrelation zwischen Variablen, die die Beziehung zwischen GRG und Prozessparametern bestimmt. Außerdem können die besten Antworten erzielt werden, indem die beste Korrelation zwischen Faktoren und die besten Parameterebenen ermittelt werden. Es wird ein lineares Interaktionsmodell der Antwortoberflächenmethode verwendet. Das Regressionsmodell ist in Gl. dargestellt. (11).

Die Kammertemperatur, die Drucktemperatur, die Schichtdicke und die Druckgeschwindigkeit werden jeweils durch A, B, C und D dargestellt. Der Korrelationskoeffizient, oft auch R-Quadrat genannt, ist ein statistisches Hilfsmittel, das den Variationsanteil einer abhängigen Variablen darstellt und zwischen 0 und 100 Prozent liegt. Die Software MINITAB 19.0® berechnet den R-Quadrat-Wert und der Wert dieses Koeffizienten beträgt 99,20 Prozent, was auf eine hohe Korrelation hinweist.

Die Abbildungen 10 und 11 beziehen sich auf Oberflächendiagramme bzw. Konturdiagramme, bei denen es sich um grafische Darstellungen der Regressionsgleichung handelt. Sie zeigen die Wechselwirkungen zwischen zwei verschiedenen Prozessparametern auf GRG und werden mit der Software MINITAB 19.0 erstellt. Wie aus diesen Diagrammen ersichtlich ist, wird der höchste GRG-Wert bei den niedrigsten Werten der Schichtdicke und Druckgeschwindigkeit sowie den höchsten Werten der Kammertemperatur erreicht. Wie in Abb. 12 zu sehen ist, wird durch Vergleich der durch die Experimente erhaltenen GRG-Werte und der durch die Regressionsgleichung berechneten GRGs außerdem festgestellt, dass die maximale Fehlerrate 3 % beträgt, was darauf hinweist, dass das Modell validiert ist.

GRG-Oberflächendiagramme. (a) Kammertemperatur und Drucktemperatur, (b) Kammertemperatur und Schichtdicke, (c) Kammertemperatur und Druckgeschwindigkeit, (d) Drucktemperatur und Schichtdicke, (e) Drucktemperatur und Druckgeschwindigkeit, (f) Schichtdicke und Druckgeschwindigkeit, auf GRG.

GRG-Konturdiagramme. Der Effekt von; (a) Kammertemperatur und Drucktemperatur, (b) Kammertemperatur und Schichtdicke, (c) Kammertemperatur und Druckgeschwindigkeit, (d) Drucktemperatur und Schichtdicke, (e) Drucktemperatur und Druckgeschwindigkeit, (f) Schichtdicke und Druckgeschwindigkeit, auf GRG.

Vergleich der GRG-Werte aus dem Regressionsmodell und aus Experimenten.

Im letzten Schritt wurde ein Bestätigungsexperiment unter Verwendung optimaler Prozessparameter (Kammertemperatur 60 °C, Drucktemperatur 270 °C, Schichtdicke 0,1 mm und Druckgeschwindigkeit 600 mm/min) durchgeführt, um diesen aus dem GRA erhaltenen Parameter zu verifizieren und auch um die Verbesserung der Antworten zu bewerten. Um die Wiederholbarkeit der Ergebnisse sicherzustellen, wurden fünf hohlzylindrische Teile mit optimalen Parametern mit dem FFF-3D-Drucker hergestellt. Und der vorhergesagte Gray-Relational-Grade-Wert oder Ypredicted wird mit dem Mittelwert des Gray-Relational-Grades verglichen, der aus dem Bestätigungstest erhalten wurde. Gleichung (12) wird verwendet, um den vorhergesagten GRG-Wert für optimale Parameter zu berechnen.

Dabei stellt ym den Gesamtmittelwert des GRG dar, yi bezieht sich auf den durchschnittlichen GRG auf dem optimalen Niveau und n ist die Anzahl der gewählten Prozessparameter. Anschließend wurde ein Drucktest an den Teilen durchgeführt, um die Festigkeit, den Elastizitätsmodul und die Dehnung der PA6-Teile zu bewerten. Außerdem wurden 3D-gedruckte Teile mit Solutionix D500 gescannt, um geometrische Fehlerwerte wie Zylindrizität und Zirkularität zu messen. Der gemessene Wert ist in Tabelle 11 aufgeführt. Außerdem sind die Spannungs-Dehnungs-Kurve der optimalen Parameter und der 8. Versuch enthalten Die meisten GRG werden in Abb. 13e verglichen. Es stellte sich heraus, dass die mechanischen Eigenschaften wie Elastizitätsmodul und Festigkeit des gedruckten Teils unter optimalen Bedingungen verbessert wurden. Anschließend wurde unter Verwendung der Werte der erhaltenen Antworten der GRG-Wert für das 3D-gedruckte Stück mit optimalen Parametern unter Verwendung der Gleichungen gemessen. (1), (2), (4), (5) und (6). Nach der Berechnung des experimentellen GRG besteht der nächste Schritt darin, den prozentualen Fehler zwischen dem vorhergesagten GRG und dem experimentellen GRG zu berechnen. Anschließend wird die Verbesserung des GRG bewertet. Alle gemessenen GRG-Werte sind in Tabelle 12 aufgeführt. Durch Vergleich des anfänglichen GRG und des aus dem Experiment erhaltenen GRG unter Verwendung von Gl. (13) wurde festgestellt, dass sich der optimale GRG-Wert um 14 % verbessert hat. Die Ergebnisse zeigen also, dass die Werte der optimalen Parameter, die mit der GRA-Methode ermittelt wurden, alle beabsichtigten Reaktionen verbessert haben. Durch den Vergleich des vorhergesagten GRG und des GRG des Experiments (Gleichung 14) wurde außerdem festgestellt, dass die Fehlerrate 5 % beträgt. Angesichts dieser Fehlermenge kann daher gesagt werden, dass eine gute Korrelation zwischen diesen Werten besteht.

Rasterelektronenmikroskopische (REM) Bilder der von FFF hergestellten Proben in (a,b) 8., (c,d) bzw. optimalem Zustand. (e) Spannungs-Dehnungs-Kurve des anfänglichen GRG (8.) und des aus dem Experiment erhaltenen GRG.

Abbildung 13a–d zeigt die REM-Untersuchung der unter 8. und optimalen Bedingungen hergestellten Proben. Im 8. Muster (Ausgangszustand) sind im Vergleich zum 3D-gedruckten Teil im optimalen Zustand mehr Hohlräume und Delaminationen zu erkennen. Angesichts der unterschiedlichen Druckgeschwindigkeit bei der Herstellung dieser Teile kann der Unterschied in der Druckqualität auf diesen Parameter zurückgeführt werden. Einer der kritischen Parameter, die von der Änderung der Druckgeschwindigkeit beeinflusst werden, ist der Wärmegradient39. Daher wurde die Auswirkung des Wärmegradienten auf die Delaminierung zwischen den Schichten hervorgehoben. Durch die Erhöhung der Düsengeschwindigkeit wird die Kühlrate erhöht40. Der optimale Teil, der mit einer niedrigeren Geschwindigkeit gedruckt wurde, weist also einen geringeren Temperaturgradienten auf als der 8. Teil. Eine stärkere Delaminierung im 8. ist also gerechtfertigt. Darüber hinaus spielt die Schweißschnittstelle zwischen Filamenten eine entscheidende Rolle für die endgültigen mechanischen Eigenschaften41. Wie in der Schweißschnittstelle in Abb. 13 dieser Abbildung zu sehen ist, wurde dies angesichts des Vorhandenseins einer gewissen Delaminierung nicht gut gemacht. Durch die Reduzierung der Schweißschnittstelle zwischen den beiden Filamenten wurden nur wenige mechanische Eigenschaften erwartet. Die Ergebnisse des Drucktests zeigen eine Abnahme der Druckfestigkeit des 8. gedruckten Teils im Vergleich zum optimalen Teil. Darüber hinaus ist die geometrische Genauigkeit aufgrund der stärkeren Delaminierung im 8. gedruckten Teil im Vergleich zum Zustand des 3D-gedruckten Teils42 geringer.

Die Ergebnisse dieser Forschung ermöglichen es dem Designer, hochwertige Teile herzustellen. Im Folgenden werden die Ergebnisse dieser Forschung und die optimalen Auswahlparameter sowie deren Vergleich mit anderen Artikeln im Literaturteil diskutiert. Es wurde festgestellt, dass die GRG-Menge bei 270 °C optimal war. Die optimale 3D-Drucktemperatur hängt von der Art des verwendeten Materials usw. ab, bei niedrigen Temperaturen ist die gedruckte Schicht jedoch nahezu fest. Die verringerte Bindungskraft zwischen den Schichten wird verringert, wenn die neue Schicht aufgetragen wird. Die Haftung ist sehr schlecht, was zu einer Verschlechterung der mechanischen Eigenschaften und der Maßhaltigkeit führt. Ist die Temperatur hingegen hoch, ist die Fließfähigkeit zu hoch und aufgrund der Schwerkraft nimmt die Stabilität der Geometrie ab. Es wurde festgestellt, dass die Kammertemperatur von 60 °C, der höchste in dieser Studie berücksichtigte Wert, der optimale GRG-Wert ist. Dies liegt daran, dass die hohe Kammertemperatur nicht zu hoch ist, um die geometrische Stabilität zu beeinträchtigen. In der genannten Literaturrecherche wurde beobachtet, dass die höchste Temperatur mit zunehmender Temperatur des 3D-Drucks die beste Maßhaltigkeit bei PLA-Teilen mit sich brachte. Eine weitere Studie zu PEEK-Komponenten kam zu ähnlichen Ergebnissen wie die aktuelle Arbeit. Dies kann auf unterschiedliche verwendete Materialien und unterschiedliche Temperaturbereiche zurückzuführen sein16,17. Außerdem wurde in einer Studie der Einfluss der Kammertemperatur auf die Festigkeit von PEAK-Komponenten untersucht. Ähnliche Ergebnisse wurden beobachtet19. Den Optimierungsergebnissen zufolge wurde festgestellt, dass der GRG-Anteil bei niedrigen Geschwindigkeiten höher ist. Denn bei hohen Geschwindigkeiten haben die gedruckten Schichten nicht genügend Zeit, sich zu verfestigen. Die folgenden Schichten werden auf die vorherigen Schichten aufgetragen und das Stück verformt sich innerhalb kurzer Zeit. Andere Untersuchungen zu PEEK- und PC/ABS-Mischteilen ergaben, dass höhere Druckgeschwindigkeitswerte die Dehnung, Festigkeit und Steifigkeit verbesserten und optimierten. Der Unterschied in den Ergebnissen könnte auf Einschränkungen im Zylinderdesign, der Art des verwendeten Materials und den ausgewählten Reaktionen zurückzuführen sein17,19. Der Einfluss der Schichtdicke als einer der kritischsten Parameter zur Verbesserung der mechanischen Eigenschaften und Genauigkeit von Teilen wurde untersucht. Es wurde festgestellt, dass der GRG-Anteil bei geringerer Schichtdicke höher ist. Eine größere Schichtdicke führt zu höheren Temperaturgradienten zwischen den Schichten, was zu einer stärkeren Verformung führt. Außerdem treten mit zunehmender Anzahl abgeschiedener Schichten mehr Grenzflächen auf und die Haftung nimmt ab. Allerdings wurden, wie in der Literatur angegeben, bei Artikeln mit unterschiedlichen Materialien unterschiedliche und ähnliche Ergebnisse beobachtet. Und der Grund kann der Unterschied in den gewünschten Antworten und der Unterschied im ausgewählten Material sein. Ein weiterer Grund könnten andere ausgewählte Parameter sein, da sich alle Parameter gegenseitig beeinflussen15,16,19,21.

Der vorliegende Artikel verwendet eine Multi-Response-Optimierung unter Verwendung der GRA-Methode, um die Variation von vier Eingabeparametern zu analysieren, einschließlich Kammertemperatur, Drucktemperatur, Schichtdicke und Druckgeschwindigkeit, um die besten mechanischen Eigenschaften und geometrischen Genauigkeit bei zylindrischen Teilen des FFF-Prozesses zu erreichen aus PA6. Die mechanischen Eigenschaften und die geometrische Genauigkeit werden durch Zylindrizität, Zirkularität, Festigkeit, Elastizitätsmodul und Verformung charakterisiert. Diese fünf Ausgabeparameter stellen die erwarteten Antworten dar. Zu diesem Zweck galt es, die optimalen Werte der Verarbeitungsparameter zu finden, um alle Reaktionen gleichzeitig zu verbessern. Es wurde festgestellt, dass der höchste GRG zum 8. Experiment gehört. Um die optimalen Parameter zu finden, wurden die GRG-Daten dann mittels ANOVA und S/N-Analyse analysiert und es wurde festgestellt, dass die optimalen Bedingungen zur Verbesserung des GRG bei einer Kammertemperatur von 60 °C und einer Drucktemperatur von 270 °C erreicht würden Schichtdicke von 0,1 mm und Druckgeschwindigkeit von 600 mm/min. Abschließend wurde ein Verifizierungstest gemäß den optimalen Parametern durchgeführt und neue Komponenten untersucht. Schließlich wurde beim Vergleich des anfänglichen GRG und des aus den Experimenten erhaltenen GRG festgestellt, dass sich der GRG-Wert um 14 % verbessert hatte. Durch den Vergleich des vorhergesagten GRG und des GRG des Experiments wurde außerdem festgestellt, dass die Fehlerquote 5 % beträgt. Unter Berücksichtigung dieser Fehlermenge ist daher bewiesen, dass eine gute Korrelation zwischen diesen Werten besteht.

Abschließend wurden die Ergebnisse besprochen und es ist klar, dass:

Der optimale GRG-Wert wurde bei einer Kammertemperatur von 60 °C ermittelt, was möglicherweise daran liegt, dass die Temperatur in der Kammer nicht zu hoch ist, um die geometrische Stabilität zu beeinträchtigen.

Die GRG-Menge ist bei einer Drucktemperatur von 270 °C optimal. Allerdings variiert die optimale 3D-Drucktemperatur je nach verwendetem Material usw. Bei niedrigen Temperaturen ist die gedruckte Schicht nahezu fest und wenn eine neue Schicht aufgetragen wird, verringert sich die Bindungskraft zwischen den Schichten. Die Haftung ist schlecht, was zu schlechteren mechanischen Eigenschaften und Maßgenauigkeit führt. Ist die Temperatur hingegen zu hoch, ist die Fließfähigkeit zu groß und die Stabilität der Geometrie nimmt aufgrund der Schwerkraft ab.

Den Optimierungsergebnissen zufolge wurde festgestellt, dass die GRG-Menge bei niedrigen Geschwindigkeiten größer ist. Dies lässt sich dadurch erklären, dass die gedruckten Schichten bei hohen Geschwindigkeiten nicht genügend Zeit haben, sich zu verfestigen. Die folgenden Schichten werden auf die vorherigen Schichten aufgetragen, wodurch sich das Stück verformt.

Der Einfluss der Schichtdicke wurde untersucht und es wurde festgestellt, dass die Menge an GRG bei geringeren Schichtdicken signifikanter ist. Mit zunehmender Anzahl der abgeschiedenen Schichten entstehen mehr Oberflächen und die Haftung nimmt ab. Eine größere Schichtdicke führt zu höheren Temperaturgradienten zwischen den Schichten, was zu einer stärkeren Verformung führt.

Standard, A. F2792–12a „Terminologie für additive Fertigungstechnologien“ (ASTM International, 2012). https://doi.org/10.1520/F2792-12A.

Buchen Sie Google Scholar

Shakeri, Z., Benfriha, K., Shirinbayan, M., Ghodsian, N. & Tcharkhtchi, A. Modellierung und Optimierung der Parameter des Fused Deposition Modeling-Prozesses für die Zylindrizitätskontrolle unter Verwendung der Taguchi-Methode. im Jahr 2021 Internationale Konferenz für Elektrotechnik, Computer, Kommunikation und Mechatronik (ICECCME) 1–5 (IEEE, 2021).

Ahmadifar, M., Benfriha, K., Shirinbayan, M. & Tcharkhtchi, A. Additive Fertigung von Verbundwerkstoffen auf Polymerbasis mittels Fused Filament Fabrication (FFF): Ein Überblick. Appl. Kompositionen. Mater. 28, 1335–1380 (2021).

Artikel ADS CAS Google Scholar

Popescu, D., Zapciu, A., Amza, C., Baciu, F. & Marinescu, R. FDM-Prozessparameter beeinflussen die mechanischen Eigenschaften von Polymerproben: Eine Übersicht. Polym. Prüfen. 69, 157–166 (2018).

Artikel CAS Google Scholar

Wu, H. et al. Aktuelle Entwicklungen bei Polymeren/Polymer-Nanokompositen für die additive Fertigung. Prog. Mater. Wissenschaft. 111, 100638 (2020).

Artikel CAS Google Scholar

Chennakesava, P. & Narayan, YS Fused Deposition Modeling – Einblicke. in Proceedings of the International Conference on Advances in Design and Manufacturing ICAD&M vol. 14, 1345 (2014).

Benfriha, K., Ahmadifar, M., Shirinbayan, M. & Tcharkhtchi, A. Einfluss von Prozessparametern auf thermische und mechanische Eigenschaften von Verbundwerkstoffen auf Polymerbasis unter Verwendung der Schmelzfilamentherstellung. Polym. Kompositionen. 42, 6025–6037 (2021).

Artikel CAS Google Scholar

Butt, J. & Bhaskar, R. Untersuchung der Auswirkungen des Temperns auf die mechanischen Eigenschaften von FFF-gedruckten Thermoplasten. J. Manufaktur Mater. Verfahren. 4, 38 (2020).

CAS Google Scholar

Zirak, N., Shirinbayan, M., Benfriha, K., Deligant, M. & Tcharkhtchi, A. Stereolithographie von fotohärtbarem Harz auf (Meth)acrylatbasis: Thermische und mechanische Eigenschaften. J. Appl. Polym. Wissenschaft. 139, 52248 (2022).

Artikel CAS Google Scholar

N. Turner, B., Strong, R. & A. Gold, S. Ein Überblick über additive Fertigungsverfahren durch Schmelzextrusion: I. Prozessdesign und -modellierung. Schneller Prototyp. J. 20, 192–204 (2014).

Ahn, S., Montero, M., Odell, D., Roundy, S. & Wright, PK Anisotrope Materialeigenschaften von Fused Deposition Modeling ABS. Schneller Prototyp. J. 8, 248–257 (2002).

Rupal, BS, Mostafa, KG, Wang, Y. & Qureshi, AJ Ein Reverse-CAD-Ansatz zur Schätzung des geometrischen und mechanischen Verhaltens von FDM-gedruckten Teilen. Procedia Manuf. 34, 535–544 (2019).

Artikel Google Scholar

Kechagias, J., Chaidas, D., Vidakis, N., Salonitis, K. & Vaxevanidis, NM Schlüsselparameter zur Steuerung der Oberflächenqualität und Maßgenauigkeit: eine kritische Überprüfung des FFF-Prozesses. Mater. Hersteller Verfahren. 37, 963–984 (2022).

Ju-Long, D. Kontrollprobleme grauer Systeme. Syst. Kontrollbrief. 1, 288–294 (1982).

Artikel MathSciNet Google Scholar

Venkatasubbareddy, OY, Siddikali, P. & Saleem, SM Verbesserung der Maßgenauigkeit und Oberflächenrauheit von FDM-Teilen mithilfe von Optimierungstechniken. IOSR J. Mech. Zivil. Ing. 16, 18–22 (2016).

Artikel Google Scholar

Aslani, K.-E., Kitsakis, K., Kechagias, JD, Vaxevanidis, NM & Manolakos, DE Zur Anwendung der grauen Taguchi-Methode zum Benchmarking der Maßgenauigkeit des PLA-Fused-Filament-Herstellungsprozesses. SN Appl. Wissenschaft. 2, 1–11 (2020).

Artikel Google Scholar

Deng, Materialien 11, 216 (2018).

Artikel ADS Google Scholar

Xiaoyong, S. et al. 2017 9. Internationale Konferenz für Messtechnik und mechatronische Automatisierung (ICMTMA) (2017).

Abeykoon, C., Sri-Amphorn, P. & Fernando, A. Optimierung der Parameter der Schmelzabscheidungsmodellierung für verbesserte PLA- und ABS-3D-gedruckte Strukturen. Int. J. Leichte Materie. Hersteller 3, 284–297 (2020).

Google Scholar

Kechagias, JD, Ninikas, K., Petousis, M. & Vidakis, N. Laserschneiden von 3D-gedruckten Acrylnitril-Butadien-Styrol-Platten zur Dimensions- und Oberflächenrauheitsoptimierung. Int. J. Adv. Hersteller Technol. 119, 2301–2315 (2022).

Artikel Google Scholar

Anusree, TG, Anjan, RN, Sivadasan, M. & John, TD Prozessparameteroptimierung der Fused-Deposition-Modellierung für helikale Oberflächen mithilfe der Gray-Relational-Analyse. im Materials Science Forum vol. 879, 861–866 (Trans Tech Publ, 2017).

Vidakis, N., Petousis, M. & Kechagias, JD Parametereffekte und Prozessmodellierung der Festigkeit und Zähigkeit von 3D-gedruckten Teilen aus Polyamid 12. Mater. Hersteller Verfahren. 1–12. https://doi.org/10.1080/10426914.2022.2030871 (2022).

Kechagias, JD, Zaoutsos, SP, Chaidas, D. & Vidakis, N. Multiparameter-Optimierung der PLA/Kokosholz-Verbindung für die Herstellung von Schmelzfilamenten unter Verwendung von Robust Design. Int. J. Adv. HerstellerTechn. 119, 4317–4328 (2022).

Shakeri, Z., Benfriha, K., Shirinbayan, M., Ahmadifar, M. & Tcharkhtchi, A. Mathematische Modellierung und Optimierung der Prozessparameter der Schmelzfilamentherstellung (FFF) zur Formabweichungskontrolle von Polyamid 6 mithilfe der Taguchi-Methode. Polymere 13, 3697 (2021).

Artikel CAS Google Scholar

Vidakis, N., Petousis, M. & Kechagias, JD Eine umfassende Untersuchung der Auswirkungen der 3D-Druckparameter auf die mechanische Reaktion von Polycarbonat bei der Herstellung von Schmelzfilamenten. Prog. Zusatz. Hersteller 1–10 (2022).

Wang, Y., Shi, J. & Liu, Z. Verbesserung der Biegeleistung durch Nanopartikel für FFF 3D-gedruckte Nylon- und Nylon/Kevlar-Verbundwerkstoffe. J. Compos. Mater. 55, 1017–1026 (2021).

Artikel ADS CAS Google Scholar

Vidakis, N. et al. Nachhaltige additive Fertigung: Mechanische Reaktion von Polyamid 12 über mehrere Recyclingprozesse hinweg. Materialien 14, 466 (2021).

Artikel ADS CAS Google Scholar

Terekhina, S., Skornyakov, I., Tarasova, T. & Egorov, S. Auswirkungen der Fülldichte auf die mechanischen Eigenschaften von Nylonproben, die durch Filamentschmelzherstellung hergestellt wurden. Technologien 7, 57 (2019).

Artikel Google Scholar

1.Heidari-Rarani, M., Ezati, N., Sadeghi, P. & Badrossamay, M. Optimierung der FDM-Prozessparameter für Zugeigenschaften von Polymilchsäureproben unter Verwendung der Taguchi-Versuchsplanungsmethode. J. Thermoplast. Kompositionen. Mater. 089270572096456. https://doi.org/10.1177/0892705720964560 (2020).

Hernandez-Ocana, B., Hernandez-Torruco, J., Chavez-Bosquez, O., Calva-Yañez, MB & Portilla-Flores, EA Auf Bakteriennahrung basierender Algorithmus zur Optimierung der Stromerzeugung eines isolierten Mikronetzes. Appl. Wissenschaft. Rev. 9, 1261 (2019).

Artikel Google Scholar

Afonso, JA et al. Einfluss von 3D-Druckprozessparametern auf die mechanischen Eigenschaften und die Masse von PLA-Teilen und Vorhersagemodellen. Schneller Prototyp. J. (2021).

El Magri, A., El Mabrouk, K., Vaudreuil, S. & Ebn Touhami, M. Experimentelle Untersuchung und Optimierung der Druckparameter von 3D-gedrucktem Polyphenylensulfid durch Reaktionsoberflächenmethodik. J. Appl. Polym. Wissenschaft. 138, 49625 (2021).

Artikel Google Scholar

Noriega, A., Blanco, D., Alvarez, BJ & Garcia, A. Verbesserung der Maßgenauigkeit von FDM-Teilen mit quadratischem Querschnitt mithilfe künstlicher neuronaler Netze und eines Optimierungsalgorithmus. Int. J. Adv. Hersteller Technol. 69, 2301–2313 (2013).

Artikel Google Scholar

Bardiya, S., Jerald, J. & Satheeshkumar, V. Der Einfluss von Prozessparametern auf die Zugfestigkeit, Biegefestigkeit und die Herstellungszeit von FFF-Teilen (Fused Filament Fabricated). Mater. Heute Proc. 39, 1362–1366 (2021).

Artikel CAS Google Scholar

Morales, U., Esnaola, A., Iragi, M., Aretxabaleta, L. & Aurrekoetxea, J. Over-3D-Druck von Endlos-Carbonfaser-Verbundwerkstoffen auf Organoblech-Substraten. in AIP Conference Proceedings vol. 2113 020015 (AIP Publishing LLC, 2019).

Achuthamenon Sylajakumari, P., Ramakrishnasamy, R. & Palaniappan, G. Taguchi-Grau-Relationsanalyse zur Multi-Response-Optimierung des Verschleißes in kokontinuierlichen Verbundwerkstoffen. Materialien 11, 1743 (2018).

Artikel ADS Google Scholar

Younas, M. et al. Mehrobjektive Optimierung für nachhaltiges Drehen von Ti6Al4V-Legierungen mithilfe der Gray-Relational-Analyse (GRA) basierend auf dem analytischen Hierarchieprozess (AHP). Int. J. Adv. Hersteller Technol. 105, 1175–1188 (2019).

Artikel Google Scholar

Fountas, NA, Kechagias, JD, Tsiolikas, AC, Vaxevanidis, NM & Education, T. Multiobjektive Optimierung der Druckzeit und Formgenauigkeit für FDM-gefertigte ABS-Teile. Metaheuristisch. Berechnen. Appl 1, 115–129 (2020).

Google Scholar

Basgul, C., MacDonald, DW, Siskey, R. & Kurtz, SM Die thermische Lokalisierung verbessert die Zwischenschichthaftung und die strukturelle Integrität von 3D-gedruckten PEEK-Lendenwirbelsäulenkäfigen. Materialia 10, 100650 (2020).

Artikel CAS Google Scholar

Abbott, AC, Tandon, GP, Bradford, RL, Koerner, H. & Baur, JW Auswirkungen von Prozess, Struktur und Eigenschaften auf die ABS-Bindungsfestigkeit bei der Herstellung von Schmelzfilamenten. Zusatz. Hersteller 19, 29–38 (2018).

CAS Google Scholar

Gao, X. et al. Schmelzfilamentherstellung aus Polymermaterialien: Ein Überblick über die Zwischenschichtbindung. Zusatz. Hersteller 37, 101658 (2021).

CAS Google Scholar

Solomon, IJ, Sevvel, P. & Gunasekaran, J. Ein Überblick über die verschiedenen Verarbeitungsparameter in FDM. Mater. Heute Proc. 37, 509–514 (2021).

Artikel CAS Google Scholar

Referenzen herunterladen

Produktdesign- und Innovationslabor (LCPI), HESAM-Universität, 75013, Paris, Frankreich

Zohreh Shakeri & Khaled Benfriha

Prozesse und Technik in Mechanik und Materialien (PIMM), HESAM-Universität, 75013, Paris, Frankreich

Nader Zirak & Mohammadali Shirinbayan

Sie können diesen Autor auch in PubMed Google Scholar suchen

Alle Autoren haben zur Konzeption und Gestaltung der Studie beigetragen. Die Materialvorbereitung, Datenerfassung und Analyse wurden von ZS und NZ durchgeführt. Der erste Entwurf des Manuskripts wurde von ZS verfasst und alle Autoren kommentierten frühere Versionen des Manuskripts. Alle Autoren haben das endgültige Manuskript gelesen und genehmigt.

Korrespondenz mit Zohreh Shakeri.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Shakeri, Z., Benfriha, K., Zirak, N. et al. Optimierung der mechanischen Festigkeit und Formgenauigkeit von Polyamid-FFF-Teilen mittels Gray-Relational-Analyse. Sci Rep 12, 13142 (2022). https://doi.org/10.1038/s41598-022-17302-z

Zitat herunterladen

Eingegangen: 17. Februar 2022

Angenommen: 22. Juli 2022

Veröffentlicht: 30. Juli 2022

DOI: https://doi.org/10.1038/s41598-022-17302-z

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Fortschritte in der additiven Fertigung (2023)

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.