banner
Centre d'Information
Service après-vente supérieur

Optimisation de la résistance mécanique et de la précision de forme des pièces en polyamide FFF à l'aide de l'analyse relationnelle des gris

Mar 08, 2023

Rapports scientifiques volume 12, Numéro d'article : 13142 (2022) Citer cet article

1421 accès

3 Citations

Détails des métriques

Cet article étudie l'effet de différents paramètres du processus de fabrication additive tels que la température de la chambre, la température d'impression, l'épaisseur de la couche et la vitesse d'impression sur cinq paramètres essentiels qui caractérisent les composants fabriqués : la cylindricité, la circularité, la résistance et le module de Young, et la déformation par la méthode d'analyse relationnelle de Gray simultanément. La méthode Taguchi a été utilisée pour concevoir les expériences et les pièces cylindriques en PA6 ont été fabriquées à l'aide d'une imprimante 3D allemande RepRap X500®. Ensuite, les valeurs de Gray Relational Grade (GRG) ont été calculées pour toutes les expériences. Dans le 8ème essai, la valeur la plus élevée de GRG a été observée. Ensuite, pour découvrir les paramètres optimaux, les données GRG ont été analysées à l'aide de l'analyse ANOVA et S/N, et il a été déterminé que les meilleures conditions pour améliorer le GRG sont 60 °C à la température de la chambre, 270 °C à la température d'impression, 0,1 mm d'épaisseur de couche et 600 mm/min de vitesse d'impression. Enfin, en utilisant des paramètres optimaux, un test de vérification a été effectué et de nouveaux composants ont été étudiés. Enfin, la comparaison du GRG initial avec le GRG des expériences a montré une amélioration du grade relationnel gris (14%) qui s'accompagne d'une amélioration de la valeur du GRG.

L'une des méthodes de fabrication additive (AM) les plus largement utilisées est la fabrication de filaments fondus (FFF), qui peut produire des pièces à géométrie complexe. Dans ce procédé, un filament continu de matière thermoplastique est déposé couche par couche pour réaliser la pièce finale. L'un des objectifs essentiels dans la production de pièces avec cette méthode est de produire des pièces avec des propriétés mécaniques élevées et une excellente précision géométrique en même temps. Parmi les différentes méthodes utilisées pour améliorer les propriétés souhaitées des pièces produites, il y a la détermination des paramètres de processus optimaux dans ce processus1,2,3.

La ME, également connue sous le nom de Fused Filament Fabrication (FFF) comme décrit dans la norme ISO/ASTM 52900, est une méthode de FA populaire qui implique un dépôt sélectif en raison d'un moindre gaspillage de matériau, de matériaux moins coûteux et d'outils de polymères thermoplastiques à travers une buse chauffée. En tant que technique d'impression 3D dans les applications de prototypes et de produits finis parmi les méthodes de fabrication additive4,5.

Dans le procédé FFF, un polymère est fourni dans un liquéfacteur, qui extrude un filament tout en se déplaçant dans des plans X–Y successifs le long de l'axe Z pour construire couche par couche un objet 3D6,7. Le polylactide (PLA), le polyamide (PA), le polycarbonate (PC), l'acrylonitrile styrène acrylate (ASA), le nylon, l'acrylonitrile butadiène styrène (ABS) et le polyéther éther cétone (PEEK) semblent être les polymères thermoplastiques les plus souvent utilisés dans la technique FFF pour fabriquer des pièces 3D8. Les inconvénients les plus importants de cette approche comprennent une mauvaise qualité de surface, une vitesse de construction lente et des propriétés mécaniques anisotropes résultant de la stratégie couche par couche9,10. En raison de l'utilisation de pièces imprimées en 3D, le comportement mécanique et la précision géométrique doivent être soigneusement examinés pour éviter le gaspillage de matériaux et de temps11.

Étant donné que de nombreux paramètres tels que ceux qui pourraient avoir un impact sur le processus d'impression, la configuration par défaut des paramètres du processus d'impression des fabricants ne peut pas garantir la qualité des produits imprimés12. Divers paramètres de processus tels que la température de la buse, l'épaisseur de la couche, l'épaisseur de la coque, la vitesse d'impression, la densité de remplissage et d'autres paramètres à réponses multiples contrôlent le processus FFF et doivent être optimisés pour améliorer la qualité requise. Du point de vue de l'analyse, cela en fait une procédure assez délicate. Par conséquent, des recherches approfondies sont menées pour déterminer l'impact de divers paramètres du processus FFF sur les différentes réponses13.

Ju-Long14 a développé l'analyse relationnelle grise (GRA), qui est l'une des techniques d'optimisation multi-réponses, et elle est basée sur la technique de Taguchi. De nombreuses études récentes basées sur l'analyse relationnelle grise (GRA) ont été réalisées pour améliorer différentes réponses grâce à l'optimisation des paramètres de traitement. Par exemple, Venkatasubbareddy et al.15 ont utilisé la méthode Taguchi avec l'analyse relationnelle grise (GRA) pour déterminer la meilleure combinaison de caractéristiques de processus FDM pour les pièces ABS, ce qui a permis d'améliorer la finition de surface et la précision dimensionnelle en termes de longueur, d'épaisseur et de diamètre. L27 Orthogonal Array a été choisi pour cette expérience en utilisant le DOE de Taguchi avec cinq paramètres : entrefers, épaisseur de couche, largeur de trame, angle de trame et orientation de la pièce à trois niveaux de chaque paramètre. Il a été indiqué que l'épaisseur de couche de 0,254 mm, l'orientation de la pièce et l'angle de trame de 0°, la largeur de trame de 0,4564 mm et l'absence d'entrefer devraient améliorer la qualité de surface et la précision dimensionnelle des composants. Aslani et al.16 ont étudié l'impact du nombre de coques, de la température d'impression, du taux de remplissage et du motif d'impression sur la précision dimensionnelle du PLA. La technique Grey-Taguchi avec les techniques ANOM et ANOVA a été utilisée pour déterminer les niveaux de paramètres d'impression optimaux pour les composants PLA FFF, résultant en la meilleure précision dimensionnelle. Concernant les écarts dimensionnels en deux dimensions, une optimisation multi-réponse a été réalisée et les résultats obtenus ont montré que la caractéristique essentielle, selon les données, est la température de la buse. De plus, l'analyse montre que les niveaux qui minimisent l'écart dimensionnel sont trois coques, une température d'impression de 230 °C, l'une des températures d'impression recommandées du PLA, un taux de remplissage de 10 % et un motif d'impression hexagonal.

Deng et al.17 ont analysé l'effet de 4 paramètres, dont la vitesse d'impression (20, 40 et 60 mm/s), l'épaisseur de la couche (0,2, 0,25 et 0,3 mm), la température d'impression (350, 360 et 370 °C) et le taux de remplissage (20, 40 et 60 %) sur la déformation, la résistance et la rigidité. La substance étudiée dans cette étude est le polyéther-éther-cétone (PEEK) qui est fabriqué par FFF. Il a été observé que les propriétés mécaniques augmenteraient avec une vitesse d'impression de 60 mm/s, une épaisseur de couche de 0,2 mm, une température de 370 °C et un taux de remplissage de 40 %. Ils ont également observé la microstructure des pièces en PEEK. Ils ont compris qu'il y avait plus d'espace d'air et de lignes de fusion dans la pièce avec une résistance inférieure, il a donc été conclu qu'une température et une vitesse d'impression plus basses provoquaient plus de défauts dans la pièce. De plus, la connectivité pourrait être influencée par une température sous-refroidie entre les températures du filament fondu, de la chambre et du lit. Xiaoyong et al.18 ont étudié l'effet de la température du lit (130, 110 et 25 °C), de la température de la chambre (60 et 25 °C) et du taux de remplissage (50 % et 100 %) sur les propriétés mécaniques et la précision de formage, le formage de feuilles de pièces thermoplastiques PEEK fabriquées à l'aide de la méthode FFF. Ils ont compris que la température a un impact significatif sur les propriétés mécaniques et que l'augmentation de la température peut améliorer les qualités mécaniques. Dans la température plus élevée du lit et de la chambre, la résistance à la traction et la précision d'impression seront améliorées en raison de l'augmentation de la force de liaison entre les couches. De plus, les propriétés mécaniques sont améliorées à de faibles taux de remplissage. En comparant les résultats de résistance PEEK et PLA, il a été découvert que la résistance à la traction des pièces PEEK est plus élevée qu'on ne le pensait auparavant. Aamir et al.19 ont appliqué la technique Taguchi et GRA pour déterminer les effets de cinq paramètres : largeur de trame, épaisseur de couche, vitesse d'impression et température d'extrusion sur le temps de construction, la rugosité de surface et l'erreur de planéité des pièces en mélange PC/ABS. Tableau orthogonal L27 du plan d'expériences de Taguchi Des techniques sélectionnées et GRA ont été utilisées pour sélectionner les variables FDM optimales pour les réponses à l'aide d'une optimisation multi-objectifs. Selon les résultats de l'enquête, la largeur de trame, l'épaisseur de la couche et la vitesse d'impression ont un impact significatif sur plusieurs facteurs de contrôle. L'épaisseur de couche de 0,2 mm, la largeur de trame de 0,55 mm, la température d'extrusion de 270 °C, la température du lit de 100 °C et la vitesse d'impression de 40 mm/s sont des conditions optimales. En utilisant la méthodologie de conception factorielle complète, Kechagias et al.20 ont étudié l'effet de l'angle de dépôt Raster, de la vitesse de coupe, de la puissance laser et de la distance de distance sur la précision dimensionnelle et la rugosité de surface à l'aide d'une découpe laser CO2 à faible puissance de fines plaques d'acrylonitrile butadiène styrène (ABS) fabriquées avec le procédé FFF. Enfin, une analyse ANOVA, des études d'interaction et des modèles de régression quadratique ont été utilisés pour faire correspondre les paramètres d'entrée et de sortie, optimiser l'angle de saignée du processus près de 0° et réduire la rugosité de surface près de 0 m. Les meilleurs paramètres de prosses étaient une distance de sécurité de 7,5 mm, un angle de dépôt de trame nul, une vitesse laser de 14,4 mm/s et une puissance laser de 105 W. Anusree et al.21 ont analysé les effets de quatre variables, notamment la vitesse d'impression, l'épaisseur de la couche, la densité du matériau de support et la largeur de trame, sur la précision dimensionnelle, la résistance à la traction et la finition de surface des surfaces hélicoïdales traitées par FDM à l'aide des méthodes Taguchi et GRA. Il a été indiqué que la meilleure précision dimensionnelle, résistance à la traction et finition de surface étaient obtenues par un niveau minimum d'épaisseur de couche, à une vitesse d'impression de 58 mm/s, et un niveau maximum de largeur de trame et de matériau de support rugueux. Dans N. Vidakis et al.22, les recherches ont examiné l'influence de la hauteur de couche (0,15, 0,2 et 0,25 mm), de la température de la buse (250, 260 et 270 °C) et de l'angle de trame (0, 45 et 90°) sur la résistance mécanique et la ténacité du polymère FFF Polyamide 12 en utilisant une méthodologie factorielle complète. Les résultats expérimentaux ont été analysés à l'aide d'une analyse ANOVA, de diagrammes interactifs et de diagrammes en boîte, et il a été déterminé que les résultats expérimentaux ont été analysés à l'aide d'une analyse ANOVA, d'interactions et de diagrammes en boîte. Il a été constaté qu'alors que 270 ° C optimisent la résistance mécanique statique et le module d'élasticité et qu'à 260 ° C, la ténacité et l'angle de trame de zéro degré, la résistance mécanique statique et les valeurs de ténacité sont optimisées à 45 degrés d'angle de trame, les valeurs de module élastique sont optimisées. De plus, toutes les réponses sont optimisées avec une hauteur de couche de 0,25 mm. Kechagias et al.23 ont utilisé le réseau orthogonal Taguchi L18 pour analyser l'effet de la température de la buse (180, 200 et 220 °C), de l'épaisseur de la couche (0,1 et 0,3 mm), de la vitesse d'impression du filament (30, 40 et 50 mm/s) et de l'angle de dépôt (0, 45 et 90°) sur les propriétés mécaniques telles que la résistance à la traction (UTS) et le module d'élasticité (E) du PLA. /Pièces en bois de cocotier. Les résultats ont été analysés à l'aide des méthodes ANOM et ANOVA. L'angle de dépôt de trame a l'effet le plus significatif sur les réponses, et le filament orienté zéro a des valeurs UTS et E plus élevées (80,1 % sur UTS et 92,6 % sur E). L'épaisseur de la couche est un paramètre important ; bien qu'il soit fortement dépendant de l'état de liaison interlaminaire, l'effet de ce paramètre était insignifiant dans cette recherche. De plus, ils ont compris que le comportement mécanique dans différentes épaisseurs de couche est différent en modifiant la vitesse d'impression. Dans nos recherches précédentes24, l'effet de quatre paramètres, notamment l'épaisseur (5, 10 et 15 mm), le motif de remplissage (hexagonal, rectangulaire, triangulaire), le nombre de parois (2, 3 et 4) et la hauteur de couche (1, 1,125 et 2 mm) ont été analysés sur la précision géométrique des pièces cylindriques en PA6 à l'aide de la méthode Taguchi. Il a été entendu que l'effet de l'épaisseur et de la hauteur de la couche est plus important. Les meilleurs paramètres de processus pour une erreur géométrique minimale étaient le motif de remplissage hexagonal, une épaisseur de 5 mm, une couche de paroi de 2 et une hauteur de couche de 1,125 mm. Selon N. Vidakis et al.25, les valeurs de température de la buse et de hauteur de couche affectent la résistance à la traction ultime, le module d'élasticité, la moyenne et les différences max-min de résistance à la traction ultime et de module d'élasticité (Δσb et ΔE) ont été observées à l'aide de la méthode factorielle complète générale. Après avoir révélé qu'à une température de buse de 270 ° C et une hauteur de couche de 0, 2 mm, toutes les réponses ont été optimisées (maximise la résistance à la traction et le module d'élasticité ultimes et minimise les Δσb et ΔE).

Dans les études mentionnées dans la littérature, les effets de différents paramètres de FFF sur les propriétés mécaniques et la précision de forme sur différents matériaux ont été étudiés. Cependant, aucune recherche dans la littérature n'a été rapportée où l'influence de quatre paramètres, tels que la température de la chambre, la température d'impression, l'épaisseur de la couche et la vitesse d'impression, sur la résistance mécanique et la précision de forme du PA6 simultanément. Par conséquent, ce travail est une étude expérimentale de la façon dont ces quatre paramètres FFF, y compris la température de la chambre (30, 45 et 60 °C), la température d'impression (260, 270 et 280 °C), l'épaisseur de la couche (0,1, 0,2 et 0,3 mm) et la vitesse d'impression (600, 1800 et 3000 mm/min), sur les propriétés mécaniques et la précision géométrique des pièces cylindriques en PA6, produites par le procédé FFF. Les résultats ont été analysés à l'aide de la méthode GRA et présentés à l'aide d'une analyse S/N, d'une analyse ANOVA, de diagrammes d'interaction, de diagrammes de compteur et de surface et d'un modèle de régression. Enfin, un test de confirmation a été réalisé pour valider les résultats. Dans la dernière partie de ce travail, les résultats obtenus ont été discutés.

Dans cette étude, les échantillons de PA6 ont été fabriqués par une imprimante 3D allemande RepRap X500®, qui utilise la technologie de fabrication de filaments fusionnés (FFF). Cette machine offre une grande liberté de conception et permet aux concepteurs d'expérimenter des concepts de conception et de fonctionnalité entièrement nouveaux. Certaines des spécifications techniques de l'imprimante 3D allemande RepRap X500® sont présentées dans le tableau 1. Le nylon blanc ou PA6 est l'un des polyamides les plus utilisés. De plus, c'est un matériau commercial avec une qualité de surface élevée et d'excellentes propriétés mécaniques, nous avons donc choisi ce matériau dans cette recherche26,27,28. Une pièce cylindrique creuse aux dimensions de diamètre intérieur 16 mm et de diamètre extérieur 20 mm avec une hauteur de 40 mm a été conçue (Fig. 1) à l'aide du logiciel CATIA-V5™ et exportée sous forme de fichier STL. Après avoir tranché les pièces avec le logiciel Simplify 3D utilisé pour définir les paramètres FFF, elles seront fabriquées à l'aide d'une imprimante 3D allemande RepRap X500®. La figure 2 montre un schéma de ces étapes.

Dimensions cylindriques creuses.

Schéma des étapes d'impression 3D. (a) Création d'un modèle numérique, (b) conversion du modèle numérique en STL, (c) découpage et choix des paramètres de la presse, (d) impression des pièces par l'imprimante 3d Rep Rap allemande, (e) pièces cylindriques imprimées en 3d.

La conception d'expériences (DOE) est une approche systématique pour déterminer l'effet des paramètres de processus d'entrée sur une réponse unique ou un ensemble de réponses de sortie dans le cadre de l'optimisation des paramètres de processus. Plusieurs approches DOE ont été utilisées pour optimiser les paramètres de processus du système FFF, y compris la méthode Taguchi, l'analyse de variance (ANOVA), les conceptions factorielles complètes, la technique de recherche de nourriture bactérienne, qui a été récemment créée et a reçu beaucoup d'attention en raison de son efficacité à résoudre les problèmes d'optimisation du monde réel, est un algorithme d'optimisation inspiré de la nature basé sur le comportement de recherche de nourriture de la bactérie Escherichia coli et la logique floue car de nombreux paramètres peuvent avoir un impact sur le processus d'impression, la configuration par défaut des paramètres de processus d'impression fournis par les fabricants ne peut garantir la qualité des produits imprimés29, 30. Des recherches approfondies sont menées pour déterminer l'impact de divers paramètres du processus FFF sur les différentes réponses31,32,33,34. La méthode de conception Taguchi fournit une approche pratique pour réduire les coûts, améliorer la qualité et optimiser les performances. Dans la technique de conception Taguchi, de nombreux paramètres peuvent être analysés à la fois, et la meilleure configuration optimale peut être trouvée avec moins de ressources que dans l'approche DOE traditionnelle.

Le réseau orthogonal L9 utilisé dans cette étude et l'effet de quatre paramètres critiques du processus FFF, y compris l'épaisseur de couche (mm), la vitesse d'impression (mm/min), la température de la chambre (°C) et la température d'impression (°C) à trois niveaux différents étudiés sur la cylindricité et la circularité comme précision géométrique. En outre, le module de Young, la résistance et la déformation en tant que propriétés mécaniques ont été analysés sur ces échantillons.

Les paramètres de processus à trois niveaux différents sont présentés dans le tableau 2. La chambre contrôlait la température ambiante et la température de la chambre était fixée à 30, 40 et 60 ° C. L'épaisseur de la couche fait référence à l'épaisseur de chaque couche déposée et est basée sur les dimensions des cylindres, et elle a été sélectionnée dans la plage de 0,1, 0,2 et 0,3 mm. La vitesse d'impression a été réglée de faible à élevée à 600, 1800 et 3000 mm/min. Étant donné que la température d'impression du nylon est généralement de 270 °C35, la température sélectionnée était légèrement supérieure et inférieure à 270 °C pour étudier les réponses (250, 260 et 270 °C). Le tableau 3 montre le tableau orthogonal de Taguchi qui contrôle les combinaisons de paramètres pour chaque expérience. De plus, pour augmenter la répétabilité, chaque pièce a été imprimée cinq fois et 45 pièces ont été fabriquées.

Tout d'abord, toutes les pièces imprimées en 3D ont été numérisées à l'aide d'un scanner laser 3D (Solutionix D500) pour mesurer les valeurs d'erreur géométrique. Avec une précision de 0,01 mm et une résolution de 0,055 mm. L'avantage de ce scanner est la grande vitesse de traitement de la numérisation. Le processus consistait à utiliser la lumière bleue réfléchie de la surface de l'objet vers l'objectif de la caméra à partir d'une source de lumière bleue projetée sur la surface des pièces. Ensuite, il est réfléchi de la surface de l'objet vers l'objectif de la caméra. Les coordonnées point par point sont affichées dans le logiciel Solutionix ezScan, qui contrôle le Solutionix D500, et la géométrie de la pièce obtenue. Ces données ont ensuite été extraites au format STL de Solutionix ezScan. Dans l'étape suivante, le modèle CAO initial a été comparé aux fichiers STL extraits de Solutionix ezScan par le logiciel Geomagic® Control X et alignés par alignement des composants. Enfin, les erreurs de circularité et de cylindricité ont été obtenues sur la base de la norme ASME Y14.5M. Les valeurs mesurées de cylindricité et de circularité sont présentées dans le tableau 4, et le schéma des étapes est présenté à la figure 3.

Schéma du processus de numérisation pour trouver l'erreur de cylindricité et de circularité. (a) Numérisation des pièces par Solutionx D500, (b) Logiciel Solutionx Ezscan, (c) Geomagic Control X, (d) Mesure de la précision géométrique.

Les propriétés mécaniques des pièces ont été mesurées par essai de compression (machine d'essai de compression et de traction INSTRON 5881), tous les échantillons ont été comprimés à l'aide d'une cellule de charge de 50 KN et d'une vitesse de chargement de 5 mm/min. Les mâchoires spéciales ont été conçues pour effectuer les tests de compression, et les tubes ont été positionnés entre deux mâchoires comme illustré, comme illustré à la Fig. 4. Ensuite, une courbe contrainte-déformation a été obtenue (Fig. 5). La résistance, le module de Young et l'allongement sont présentés dans le tableau 4, et les étapes sont présentées sur la figure 5, un organigramme montre les étapes du processus d'optimisation (figure 6).

Étapes pour trouver la force, le module de Young et l'allongement.

Courbes de contrainte-déformation de tous les essais.

Organigramme de mise en œuvre des étapes.

Les données des expériences ont été étudiées une par une par analyse de variance (ANOVA) et rapport signal sur bruit (S/N). MINITAB® 19.0 a été utilisé pour analyser toutes les données. La méthode Taguchi est utilisée pour étudier l'effet d'un grand nombre de paramètres sur une certaine réponse avec un nombre réduit d'expériences.

La méthode GRA a été utilisée simultanément pour optimiser les paramètres multi-réponses, une méthode statistique. Cette méthode réduit simultanément la cylindricité et la circularité et augmente la résistance, l'allongement et le module de young en calculant les paramètres de processus optimaux. GRA est appliqué dans les étapes suivantes.

La première étape consiste à normaliser les données expérimentales. Selon les caractéristiques de qualité attendues des différentes réponses, cette valeur peut être divisée en trois critères d'optimisation dans GRA : "plus grand est meilleur", "plus petit est meilleur" et "normal est meilleur" sont indiqués dans les équations. (1, 2 et 3) 36.

Plus c'est grand, mieux c'est :

Plus petit c'est mieux :

Normal, c'est mieux :

où X* (p) est la valeur GRG, i montre le nombre d'essais, Xi(p) représente la valeur de réponse de l'expérience cible, Max(Xi(p)) est la valeur maximale de Xi(p), Min(Xi(p)) démontre la valeur minimale de Xi(p) et OB est la valeur cible. Dans cette étude, le "plus petit est le meilleur" est choisi pour normaliser la cylindricité et la circularité, et "le plus grand est le meilleur" est choisi pour la résistance, le module de Young et la déformation. Les valeurs normalisées sont présentées dans le tableau 5.

L'étape suivante consiste à calculer la séquence de déviation à partir de l'équation. (4).

où ∆oi (p) représente la séquence de déviation et X0(p) est la séquence de référence qui est égale à un. Les valeurs de la séquence de déviation pour chaque réponse sont données dans le Tableau 636.

La relation entre les résultats expérimentaux normaux idéaux et réels est exprimée par le coefficient relationnel de Gray (GRC). Le coefficient de relation de Gray est calculé à l'aide de l'équation. (5)36 pour chacune des valeurs normalisées.

où ζi (p) est le coefficient de relation de Gray, ∆oi (p) représente la séquence de déviation, ζ est le coefficient d'identification et a une valeur comprise entre 0 et 1 ; ce coefficient est généralement considéré comme 0,5. De plus, ∆min et ∆max sont respectivement les valeurs minimale et maximale de ∆oi (p). Les valeurs sont données dans le tableau 7.

En général, le Gray Relational Grade (GRG) est utilisé pour évaluer les propriétés multi-réponses. D'autre part, GRG est la somme moyenne du GRC et de l'Eq. (6) sert à le déterminer36.

où n est le nombre de paramètres de processus. En conséquence, un GRG plus grand implique que la combinaison de paramètres de processus est plus proche de l'idéal. Après cela, toutes les expériences expérimentales ont été classées en fonction des valeurs GRG de 1 à 9, la valeur GRG la plus élevée représentant la course optimale, et elle est considérée comme le 1er rang. Ainsi, le 8ème test, qui a la valeur GRG la plus élevée, donc la 8ème expérience a les meilleures caractéristiques parmi les autres essais.

Le rapport signal sur bruit (S/N) est utilisé pour optimiser les paramètres du processus et examiner l'impact de chaque paramètre sur la réponse. Dans le rapport S/N, le "signal" indique l'effet recherché, tandis que le "bruit" indique l'effet indésirable pour les réponses. Par conséquent, si le rapport S/N est plus élevé, il indique les conditions optimales. Selon les caractéristiques de qualité attendues des différentes réponses, il existe différents types de rapports S/B, y compris plus grand est meilleur, plus petit est meilleur et normal est meilleur. Où η représente le rapport S/N, yi représente la valeur de réponse de l'expérience cible dans le tableau orthogonal, yn montre la variance et n est le nombre d'expériences

Plus c'est grand, mieux c'est :

Plus petit c'est mieux :

Normal, c'est mieux :

L'analyse de la variance (ANOVA) et le rapport signal sur bruit (S/N) ont été utilisés pour analyser les données obtenues à partir de GRG à l'aide de MINITAB®19.0. Pour examiner l'effet de chaque paramètre sur GRG, la technique de Taguchi a été utilisée. En raison de la valeur GRG élevée, les réponses souhaitées s'améliorent, donc "plus grand est meilleur" a été utilisé pour maximiser le GRG afin d'optimiser les paramètres du processus. Les rapports S/N et le tableau de réponse des moyennes pour GRG sont présentés dans les tableaux 8 et 9, respectivement. Ces tableaux montrent l'importance des paramètres en utilisant le rang, et delta représente la différence entre la moyenne la plus élevée et la plus basse. Selon les résultats, on peut dire que la vitesse d'impression et la température d'impression ont l'impact le plus significatif par rapport à la température de la chambre et à l'épaisseur de la couche sur GRG.

Le diagramme S/N a été utilisé pour analyser les données et déterminer les paramètres optimaux en utilisant des rapports S/N moyens pour les réponses. Comme la minimisation de la sortie, des paramètres sont nécessaires pour la précision géométrique (cylindricité et circularité), le "plus petit est le meilleur" et la maximisation des paramètres de sortie sont nécessaires pour les propriétés mécaniques (module de Young, déformation et résistance), le "plus grand est le meilleur" a été sélectionné pour maximiser l'expression mathématique du rapport S/N. La meilleure condition est indiquée par le point le plus élevé dans le graphique du rapport S/N. AB, C et D représentent la température de la chambre, la température d'impression 3D, l'épaisseur de la couche et la vitesse d'impression sur les Fig. 9 et 10, respectivement. Les différents niveaux pour chaque paramètre sont représentés sur l'axe horizontal, et l'axe vertical est le rapport S/N moyen. Selon le tracé des effets principaux pour le rapport S/N (Fig. 7) et le tracé des effets principaux pour les diagrammes moyens (Fig. 8), on peut voir que la température de la chambre est de 60 °C, la température d'impression de 270 °C, l'épaisseur de couche de 0,1 mm et la vitesse d'impression de 600 mm/min est la combinaison optimale des paramètres de processus pour atteindre le GRG maximal.

Diagramme des effets principaux pour les rapports S/N GRG.

Diagramme des effets principaux pour les moyens GRG.

L'impact de chaque paramètre de processus sur les variables de réponse a été déterminé à l'aide de l'approche ANOVA. Les résultats de l'ANOVA sont présentés dans le tableau 10. La somme des carrés ajustée (Adj SS) a été calculée en utilisant l'Eq. (dix).

où ηi représente le rapport S/N moyen, ηj est le rapport S/N moyen global et n indique le nombre total d'expériences. DF représente le degré de liberté et Contribution est le pourcentage de contribution des paramètres de processus, la somme moyenne ajustée des carrés est Adj MS, tandis que la variance des moyennes de groupe et la valeur de probabilité sont respectivement F-Value et P-Value. En étudiant la valeur F mentionnée dans le tableau 10 et en considérant que plus la valeur est élevée, plus l'effet du paramètre associé est important, il a été déterminé que la vitesse d'impression, l'épaisseur de la couche, la température de la chambre et la température d'impression ont respectivement l'effet le plus significatif sur la quantité de GRG. Les pourcentages de contribution confirment également ces résultats.

La figure 9 montre l'interaction entre les paramètres de processus et les valeurs GRG. Dans un diagramme d'interaction, les lignes parallèles n'impliquent aucune interaction. Ainsi, selon la figure, dans tous les autres diagrammes à l'exception de la vitesse, il n'y a pas de lignes de tendance parallèles et les directions sont mélangées. En raison de cette preuve solide que le modèle de régression linéaire est inutile pour les prédictions GRG, le modèle d'interaction linéaire de la méthode de surface de réponse est utilisé. En utilisant un modèle d'interaction linéaire de RSM, une fonction multi-objectif pour GRG a été construite et les termes nominaux ont été supprimés de l'équation37,38.

Graphiques d'interaction pour GRG.

La régression de surface de réponse examine la corrélation entre les variables, qui détermine la relation entre GRG et les paramètres de processus. En outre, les meilleures réponses peuvent être obtenues en trouvant la meilleure corrélation entre les facteurs et les meilleurs niveaux de paramètres. Le modèle d'interaction linéaire de la méthode de surface de réponse est utilisé. Le modèle de régression est présenté dans l'équation. (11).

La température de la chambre, la température d'impression, l'épaisseur de la couche et la vitesse d'impression sont représentées par A, B, C et D, respectivement. Le coefficient de corrélation, souvent appelé R-carré, est un outil statistique qui représente la proportion de variation d'une variable dépendante et varie de 0 à 100 %. Le logiciel MINITAB 19.0® calcule la valeur R au carré et la valeur de ce coefficient est de 99,20 %, ce qui indique une corrélation élevée.

Les figures 10 et 11 font référence à des diagrammes de surface et à des diagrammes de contour, respectivement, qui sont des images graphiques de l'équation de régression. Ils montrent les interactions entre deux paramètres de processus différents sur GRG et sont réalisés par le logiciel MINITAB 19.0. Comme on peut le voir sur ces graphiques, la valeur la plus élevée de GRG est obtenue aux valeurs les plus basses d'épaisseur de couche et de vitesse d'impression et aux valeurs les plus élevées de température de la chambre. De plus, comme on l'observe sur la figure 12, en comparant les valeurs GRG obtenues par les expériences et les GRG calculés par l'équation de régression, il est déterminé que le taux d'erreur maximal est de 3 %, indiquant que le modèle est validé.

GRG Parcelles de surface. (a) température de la chambre et température d'impression, (b) température de la chambre et épaisseur de la couche, (c) température de la chambre et vitesse d'impression, (d) température d'impression et épaisseur de la couche, (e) température d'impression et vitesse d'impression, (f) épaisseur de la couche et vitesse d'impression, sur GRG.

Courbes de contour GRG. L'effet de; (a) température de la chambre et température d'impression, (b) température de la chambre et épaisseur de la couche, (c) température de la chambre et vitesse d'impression, (d) température d'impression et épaisseur de la couche, (e) température d'impression et vitesse d'impression, (f) épaisseur de la couche et vitesse d'impression, sur GRG.

Comparaison des valeurs GRG obtenues à partir du modèle de régression et obtenues à partir de l'expérience.

Dans la dernière étape, une expérience de confirmation a été réalisée en utilisant des niveaux optimaux de paramètres de processus (température de la chambre 60 ° C, température d'impression 270 ° C, épaisseur de couche 0, 1 mm et vitesse d'impression 600 mm / min) pour vérifier ce paramètre obtenu à partir du GRA et également pour évaluer l'amélioration des réponses. Pour assurer la répétabilité des résultats, cinq pièces cylindriques creuses avec des paramètres optimaux ont été fabriquées par l'imprimante 3D FFF. Et la valeur prédite de la note relationnelle Gray ou Ypredicted est comparée à la valeur moyenne de la note relationnelle Gray obtenue à partir du test de confirmation. L'équation (12) est utilisée pour calculer la valeur GRG prédite pour les paramètres optimaux.

où ym représente la moyenne totale du GRG, yi fait référence au GRG moyen au niveau optimal et n est le nombre de paramètres de processus choisis. Ensuite, un test de compression a été appliqué aux pièces pour évaluer la résistance, le module d'Young et l'allongement des pièces en PA6. De plus, pour mesurer les valeurs d'erreur géométrique telles que la cylindricité et la circularité, les pièces imprimées en 3D ont été numérisées à l'aide de Solutionix D500, et la valeur mesurée est indiquée dans le tableau 11. En outre, la courbe contrainte-déformation des paramètres optimaux et le 8ème essai, qui a le plus de GRG, sont comparés à la Fig. 13e. Il s'avère que les propriétés mécaniques telles que le module d'Young et la résistance de la pièce imprimée ont été améliorées dans des conditions optimales. Ensuite, en utilisant les valeurs des réponses obtenues, la valeur GRG pour la pièce imprimée en 3D avec des paramètres optimaux a été mesurée à l'aide des équations. (1), (2), (4), (5) et (6). Après avoir calculé le GRG expérimental, l'étape suivante consiste à calculer le pourcentage d'erreur entre le GRG prédit et le GRG expérimental. Ensuite, l'amélioration de GRG est évaluée. Toutes les valeurs mesurées de GRG sont présentées dans le tableau 12, et en comparant le GRG initial et le GRG obtenu à partir de l'expérience et en utilisant l'Eq. (13), il a été constaté que la valeur GRG optimale s'était améliorée de 14 %. Ainsi, les résultats montrent que les valeurs des paramètres optimaux obtenus à partir de la méthode GRA ont amélioré toutes les réponses prévues. Aussi, en comparant le GRG prédit et le GRG de l'expérience (Eq. 14), il a été trouvé que le taux d'erreur est égal à 5%. Par conséquent, compte tenu de cette quantité d'erreur, on peut dire qu'il existe une bonne corrélation entre ces valeurs.

Images de microscopie électronique à balayage (SEM) des échantillons fabriqués par FFF en (a, b) 8ème, (c, d) et condition optimale, respectivement. ( e ) Courbe de contrainte-déformation du GRG initial (8e) et du GRG obtenu à partir de l'expérience.

La figure 13a–d montre l'observation SEM des échantillons fabriqués dans des conditions 8 et optimales. Plus de vides et de délaminage peuvent être observés dans le 8ème échantillon (état initial) par rapport à la pièce imprimée en 3D en état optimal. Compte tenu de la différence de vitesse d'impression pour la fabrication de ces pièces, la différence de qualité d'impression peut être attribuée à ce paramètre. L'un des paramètres critiques affectés par la modification de la vitesse d'impression est le gradient thermique39. Ainsi, l'effet du gradient thermique sur le délaminage entre les couches a été souligné. En augmentant la vitesse de la buse, le taux de refroidissement sera augmenté40. Donc une pièce optimale qui s'imprime à une vitesse plus faible sera sous un gradient thermique plus faible que la 8ème. Donc, plus de délaminage en 8ème est justifié. De plus, l'interface de soudure entre les filaments joue un rôle essentiel dans les propriétés mécaniques finales41. Comme le montre l'interface de soudure de la Fig. 13 sur cette figure, cela n'a pas été bien fait compte tenu de la présence d'un certain délaminage. Peu de propriétés mécaniques étaient attendues en réduisant l'interface de soudure entre les deux filaments. Les résultats des tests de compression montrent une diminution de la résistance à la compression de la 8e pièce imprimée par rapport à la pièce optimale. De plus, la précision géométrique est moindre en raison d'un plus grand délaminage dans la 8e pièce imprimée par rapport à la condition de la pièce imprimée en 3D42.

Les résultats de ces recherches permettent au concepteur de produire des pièces de haute qualité. Dans ce qui suit, les résultats de cette recherche et les paramètres de sélection optimaux, et sa comparaison avec d'autres articles exprimés dans la section de la littérature sont discutés. Il a été constaté qu'à 270 °C, la quantité de GRG était optimale. La température optimale d'impression 3D dépend du type de matériau utilisé, etc., mais à basse température, la couche imprimée est presque solide. La force de liaison réduite entre les couches sera réduite si la nouvelle couche est déposée. L'adhérence sera très mauvaise, ce qui entraîne une baisse des propriétés mécaniques et de la précision dimensionnelle. D'autre part, si la température est élevée, la fluidité est trop élevée, et en raison de la force de gravité, la stabilité de la géométrie diminue. Il a été constaté que la température de chambre de 60 ° C, qui était la valeur la plus élevée prise en compte dans cette étude, est le niveau optimal de GRG. C'est parce que la température élevée de la chambre n'est pas trop élevée pour affecter la stabilité géométrique. Dans les recherches mentionnées dans la littérature, il a été observé que la température la plus élevée suivait la meilleure précision dimensionnelle dans les pièces en PLA avec l'augmentation de la température de l'impression 3D. Une autre étude sur les composants PEEK a eu des résultats similaires aux travaux actuels. Cela peut être dû aux différents matériaux utilisés et aux différentes plages de température16,17. De plus, dans une étude, l'effet de la température de la chambre sur la résistance des composants PEAK a été étudié. Des résultats similaires ont été observés19. Selon les résultats de l'optimisation, il a été constaté que la quantité de GRG à basse vitesse est plus élevée. Car à haute vitesse, les couches imprimées n'ont pas assez de temps pour se solidifier. Les couches suivantes se déposent sur les couches précédentes, et la pièce se déforme dans un court intervalle de temps. D'autres recherches sur les pièces en mélange PEEK et PC/ABS ont indiqué que des valeurs de vitesse d'impression plus élevées amélioraient et optimisaient la déformation, la résistance et la rigidité. La différence dans les résultats peut être due à des limitations dans la conception du cylindre, au type de matériau utilisé et aux réponses sélectionnées17,19. L'effet de l'épaisseur de la couche comme l'un des paramètres les plus critiques dans l'amélioration des propriétés mécaniques et de la précision des pièces a été étudié. Il a été constaté que la quantité de GRG est plus élevée à une épaisseur de couche inférieure. Une épaisseur de couche plus épaisse entraîne des gradients de température plus élevés entre les couches, ce qui entraîne plus de déformation. De plus, à mesure que le nombre de couches déposées augmente, davantage d'interfaces apparaissent et l'adhérence diminue. Cependant, comme indiqué dans la littérature, des résultats différents et des résultats similaires ont été observés dans des articles avec des matériaux différents. Et la raison peut être la différence entre les réponses souhaitées et la différence entre le matériel sélectionné. Une autre raison pourrait être d'autres paramètres sélectionnés car tous les paramètres s'influencent les uns les autres15,16,19,21.

Le présent article utilise une optimisation multi-réponse utilisant la méthode GRA pour analyser la variation de quatre paramètres d'entrée, notamment la température de la chambre, la température d'impression, l'épaisseur de la couche et la vitesse d'impression, afin d'obtenir les meilleures propriétés mécaniques et la meilleure précision géométrique dans les pièces cylindriques du procédé FFF en PA6. Les propriétés mécaniques et la précision géométrique sont caractérisées par la cylindricité, la circularité, la résistance, le module de Young et la déformation. Ces cinq paramètres de sortie représentent les réponses attendues. Pour cela, il s'agissait de trouver les valeurs optimales des paramètres de traitement pour améliorer toutes les réponses simultanément. Il a été déterminé que le GRG le plus élevé appartient à la 8ème expérience. Ensuite, pour trouver les paramètres optimaux, les données GRG ont été analysées par ANOVA et analyse S/N, et il a été déterminé que les conditions optimales pour améliorer GRG seraient obtenues à une température de chambre de 60 °C, une température d'impression de 270 °C, une épaisseur de couche de 0,1 mm et une vitesse d'impression de 600 mm/min. Enfin, un test de vérification a été effectué selon les paramètres optimaux, et de nouveaux composants ont été examinés. Enfin, en comparant le GRG initial et le GRG obtenu à partir des expériences, il a été observé que la valeur GRG s'était améliorée de 14 %. Aussi, en comparant le GRG prédit et le GRG de l'expérience, il a été constaté que le taux d'erreur est égal à 5%. Par conséquent, compte tenu de cette quantité d'erreur, il est prouvé qu'il existe une bonne corrélation entre ces valeurs.

Enfin, les résultats ont été discutés, et il est clair que :

Le niveau optimal de GRG a été découvert à une température de chambre de 60 ° C, ce qui peut être dû au fait que la température dans la chambre n'est pas trop élevée pour avoir un impact sur la stabilité géométrique.

La quantité de GRG sera optimale à une température d'impression de 270 °C. Cependant, la température d'impression 3D optimale varie en fonction du matériau utilisé, etc. À basse température, la couche imprimée est presque solide, et si une nouvelle couche est déposée, la force de liaison entre les couches sera réduite. L'adhérence sera médiocre, ce qui entraînera une baisse des propriétés mécaniques et de la précision dimensionnelle. Par contre, si la température est trop élevée, la fluidité est trop grande, et la stabilité de la géométrie est réduite à cause de la gravité.

Selon les résultats de l'optimisation, la quantité de GRG a été déterminée comme étant plus importante à basse vitesse. Cela peut s'expliquer par le fait que les couches imprimées n'ont pas assez de temps pour se solidifier à grande vitesse. Les couches suivantes se déposent sur les couches précédentes, provoquant la déformation de la pièce.

L'influence de l'épaisseur de la couche a été examinée et il a été découvert que la quantité de GRG est plus importante à une épaisseur de couche inférieure. Au fur et à mesure que le nombre de couches déposées augmente, davantage de surfaces apparaissent et l'adhérence diminue, une épaisseur de couche plus large entraînant des gradients de température plus élevés entre les couches, ce qui entraîne une déformation accrue.

Norme, A. F2792–12a "Terminologie pour les technologies de fabrication additive" (ASTM International, 2012). https://doi.org/10.1520/F2792-12A.

Réserver Google Scholar

Shakeri, Z., Benfriha, K., Shirinbayan, M., Ghodsian, N. & Tcharkhtchi, A. Modélisation et optimisation des paramètres du processus de modélisation des dépôts fusionnés pour le contrôle de la cylindricité à l'aide de la méthode Taguchi. en 2021 Conférence internationale sur l'ingénierie électrique, informatique, des communications et mécatronique (ICECCME) 1–5 (IEEE, 2021).

Ahmadifar, M., Benfriha, K., Shirinbayan, M. & Tcharkhtchi, A. Fabrication additive de composites à base de polymères à l'aide de la fabrication de filaments fondus (FFF) : une revue. Appl. Compos. Mater. 28, 1335-1380 (2021).

Article ADS CAS Google Scholar

Popescu, D., Zapciu, A., Amza, C., Baciu, F. & Marinescu, R. Influence des paramètres du procédé FDM sur les propriétés mécaniques des échantillons de polymères : une revue. Polym. Test. 69, 157-166 (2018).

Article CAS Google Scholar

Wu, H. et al. Développements récents des polymères/nanocomposites polymères pour la fabrication additive. Programme. Mater. Sci. 111, 100638 (2020).

Article CAS Google Scholar

Chennakesava, P. & Narayan, YS Aperçu de la modélisation des dépôts de fusion. dans Actes de la conférence internationale sur les avancées en conception et fabrication ICAD&M vol. 14, 1345 (2014).

Benfriha, K., Ahmadifar, M., Shirinbayan, M. & Tcharkhtchi, A. Effet des paramètres de procédé sur les propriétés thermiques et mécaniques des composites à base de polymères utilisant la fabrication de filaments fondus. Polym. Compos. 42, 6025–6037 (2021).

Article CAS Google Scholar

Butt, J. & Bhaskar, R. Etude des effets du recuit sur les propriétés mécaniques des thermoplastiques imprimés FFF. J. Manuf. Mater. Processus. 4, 38 (2020).

CAS Google Scholar

Zirak, N., Shirinbayan, M., Benfriha, K., Deligant, M. & Tcharkhtchi, A. Stéréolithographie de résine photodurcissable à base de (méth)acrylate : propriétés thermiques et mécaniques. J. Appl. Polym. Sci. 139, 52248 (2022).

Article CAS Google Scholar

N. Turner, B., Strong, R. & A. Gold, S. Un examen des procédés de fabrication additive par extrusion par fusion : I. Conception et modélisation des procédés. Prototype rapide. J. 20, 192–204 (2014).

Ahn, S., Montero, M., Odell, D., Roundy, S. et Wright, PK Propriétés des matériaux anisotropes de la modélisation par dépôt fusionné ABS. Prototype rapide. J. 8, 248–257 (2002).

Rupal, BS, Mostafa, KG, Wang, Y. & Qureshi, AJ Une approche CAO inversée pour estimer le comportement géométrique et mécanique des pièces imprimées fdm. Procedia Manuf. 34, 535–544 (2019).

Article Google Scholar

Kechagias, J., Chaidas, D., Vidakis, N., Salonitis, K. & Vaxevanidis, NM Paramètres clés contrôlant la qualité de surface et la précision dimensionnelle : un examen critique du processus FFF. Mater. Fab. Processus. 37, 963–984 (2022).

Ju-Long, D. Problèmes de contrôle des systèmes gris. Syst. Lettre de contrôle. 1, 288–294 (1982).

Article MathSciNet Google Scholar

Venkatasubbareddy, OY, Siddikali, P. & Saleem, SM Amélioration de la précision dimensionnelle et de la rugosité de surface des pièces FDM à l'aide de techniques d'optimisation. IOSR J. Mech. Civ. Ing. 16, 18–22 (2016).

Article Google Scholar

Aslani, K.-E., Kitsakis, K., Kechagias, JD, Vaxevanidis, NM & Manolakos, DE Sur l'application de la méthode Taguchi grise pour évaluer la précision dimensionnelle du processus de fabrication de filaments fondus PLA. SN Appl. Sci. 2, 1–11 (2020).

Article Google Scholar

Deng, X., Zeng, Z., Peng, B., Yan, S. & Ke, W. Optimisation des propriétés mécaniques du poly-éther-éther-cétone via la modélisation des dépôts fusionnés. Matériaux 11, 216 (2018).

Annonces d'article Google Scholar

Xiaoyong, S. et al. 2017 9e Conférence internationale sur les technologies de mesure et l'automatisation mécatronique (ICMTMA) (2017).

Abeykoon, C., Sri-Amphhorn, P. & Fernando, A. Optimisation des paramètres de modélisation de dépôt de fusion pour des structures imprimées 3D PLA et ABS améliorées. Int. J. Mater léger. Fab. 3, 284-297 (2020).

Google Scholar

Kechagias, JD, Ninikas, K., Petousis, M. & Vidakis, N. Découpe au laser de plaques d'acrylonitrile butadiène styrène imprimées en 3D pour l'optimisation dimensionnelle et de la rugosité de surface. Int. J. Adv. Fab. Technol. 119, 2301–2315 (2022).

Article Google Scholar

Anusree, TG, Anjan, RN, Sivadasan, M. & John, TD Optimisation des paramètres de processus de la modélisation des dépôts fusionnés pour les surfaces hélicoïdales à l'aide de l'analyse relationnelle des gris. dans le Forum sur la science des matériaux vol. 879, 861–866 (Trans Tech Publ, 2017).

Vidakis, N., Petousis, M. & Kechagias, JD Effets des paramètres et modélisation des processus de résistance et de ténacité des pièces imprimées en 3D en polyamide 12. Mater. Fab. Processus. 1–12. https://doi.org/10.1080/10426914.2022.2030871 (2022).

Kechagias, JD, Zaoutsos, SP, Chaidas, D. & Vidakis, N. Optimisation multi-paramètres du composé de bois PLA/noix de coco pour la fabrication de filaments fondus à l'aide d'une conception robuste. Int. J. Adv. Manuf.Technol. 119, 4317–4328 (2022).

Shakeri, Z., Benfriha, K., Shirinbayan, M., Ahmadifar, M. & Tcharkhtchi, A. Modélisation mathématique et optimisation des paramètres du processus de fabrication de filaments fondus (FFF) pour le contrôle de l'écart de forme du polyamide 6 à l'aide de la méthode Taguchi. Polymères 13, 3697 (2021).

Article CAS Google Scholar

Vidakis, N., Petousis, M. & Kechagias, JD Une étude approfondie des effets des paramètres d'impression 3D sur la réponse mécanique du polycarbonate dans la fabrication de filaments fondus. Programme. Ajouter. Fab. 1–10 (2022).

Wang, Y., Shi, J. & Liu, Z. Amélioration des performances de flexion par des nanoparticules pour les composites nylon et nylon/Kevlar imprimés en 3D FFF. J. Compos. Mater. 55, 1017-1026 (2021).

Article ADS CAS Google Scholar

Vidakis, N. et al. Fabrication additive durable : réponse mécanique du polyamide 12 sur plusieurs processus de recyclage. Matériaux 14, 466 (2021).

Article ADS CAS Google Scholar

Terekhina, S., Skornyakov, I., Tarasova, T. & Egorov, S. Effets de la densité de remplissage sur les propriétés mécaniques des spécimens de nylon fabriqués par fusion de filaments. Technologies 7, 57 (2019).

Article Google Scholar

1.Heidari-Rarani, M., Ezati, N., Sadeghi, P. & Badrossamay, M. Optimisation des paramètres de processus FDM pour les propriétés de traction des échantillons d'acide polylactique à l'aide de la conception de Taguchi de la méthode expérimentale. J. Thermoplastique. Compos. Mater. 089270572096456. https://doi.org/10.1177/0892705720964560 (2020).

Hernandez-Ocana, B., Hernandez-Torruco, J., Chavez-Bosquez, O., Calva-Yañez, MB & Portilla-Flores, EA Algorithme basé sur la recherche bactérienne pour optimiser la production d'énergie d'un micro-réseau isolé. Appl. Sci. Rev.9, 1261 (2019).

Article Google Scholar

Afonso, JA et al. Influence des paramètres du procédé d'impression 3D sur les propriétés mécaniques et la masse des pièces en PLA et modèles prédictifs. Prototype rapide. J. (2021).

El Magri, A., El Mabrouk, K., Vaudreuil, S. & Ebn Touhami, M. Enquête expérimentale et optimisation des paramètres d'impression du sulfure de polyphénylène imprimé en 3D grâce à la méthodologie de surface de réponse. J. Appl. Polym. Sci. 138, 49625 (2021).

Article Google Scholar

Noriega, A., Blanco, D., Alvarez, BJ et Garcia, A. Amélioration de la précision dimensionnelle des pièces de section carrée FDM à l'aide de réseaux de neurones artificiels et d'un algorithme d'optimisation. Int. J. Adv. Fab. Technol. 69, 2301-2313 (2013).

Article Google Scholar

Bardiya, S., Jerald, J. & Satheeshkumar, V. L'impact des paramètres de processus sur la résistance à la traction, la résistance à la flexion et le temps de fabrication des pièces fabriquées en filament fondu (FFF). Mater. Aujourd'hui Proc. 39, 1362-1366 (2021).

Article CAS Google Scholar

Morales, U., Esnaola, A., Iragi, M., Aretxabaleta, L. & Aurrekoetxea, J. Impression en 3D de composites en fibre de carbone continue sur des substrats en feuille organique. dans Actes de conférence AIP vol. 2113 020015 (AIP Publishing LLC, 2019).

Achuthamenon Sylajakumari, P., Ramakrishnasamy, R. & Palaniappan, G. Taguchi analyse relationnelle grise pour l'optimisation multi-réponse de l'usure dans un composite co-continu. Matériaux 11, 1743 (2018).

Annonces d'article Google Scholar

Younas, M. et al. Optimisation multi-objectifs pour le tournage durable de l'alliage Ti6Al4V à l'aide de l'analyse relationnelle des gris (GRA) basée sur le processus de hiérarchie analytique (AHP). Int. J. Adv. Fab. Technol. 105, 1175-1188 (2019).

Article Google Scholar

Fountas, NA, Kechagias, JD, Tsiolikas, AC, Vaxevanidis, NM & Education, T. Optimisation multi-objectifs du temps d'impression et de la précision de forme pour les pièces ABS fabriquées par FDM. Métaheuristique. Calcul. Appl 1, 115–129 (2020).

Google Scholar

Basgul, C., MacDonald, DW, Siskey, R. & Kurtz, SM La localisation thermique améliore l'adhérence intercouche et l'intégrité structurelle des cages vertébrales lombaires PEEK imprimées en 3D. Materialia 10, 100650 (2020).

Article CAS Google Scholar

Abbott, AC, Tandon, GP, Bradford, RL, Koerner, H. & Baur, JW Effets processus-structure-propriété sur la force de liaison ABS dans la fabrication de filaments fondus. Ajouter. Fab. 19, 29-38 (2018).

CAS Google Scholar

Gao, X. et al. Fabrication de filaments fondus de matériaux polymères : un examen de la liaison intercouche. Ajouter. Fab. 37, 101658 (2021).

CAS Google Scholar

Solomon, IJ, Sevvel, P. & Gunasekaran, J. Un examen des différents paramètres de traitement dans FDM. Mater. Aujourd'hui Proc. 37, 509-514 (2021).

Article CAS Google Scholar

Télécharger les références

Laboratoire Conception de Produits et Innovation (LCPI), HESAM University, 75013, Paris, France

Zohreh Shakeri et Khaled Benfriha

Procédés Et Ingénierie en Mécanique et Matériaux (PIMM), HESAM University, 75013, Paris, France

Nader Zirak et Mohammadali Shirinbayan

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Tous les auteurs ont contribué à la conception et à la conception de l'étude. La préparation du matériel, la collecte et l'analyse des données ont été réalisées par ZS et NZ La première ébauche du manuscrit a été rédigée par ZS et tous les auteurs ont commenté les versions précédentes du manuscrit. Tous les auteurs ont lu et approuvé le manuscrit final.

Correspondance avec Zohreh Shakeri.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Shakeri, Z., Benfriha, K., Zirak, N. et al. Optimisation de la résistance mécanique et de la précision de forme des pièces en polyamide FFF à l'aide de l'analyse relationnelle des gris. Sci Rep 12, 13142 (2022). https://doi.org/10.1038/s41598-022-17302-z

Télécharger la citation

Reçu : 17 février 2022

Accepté : 22 juillet 2022

Publié: 30 juillet 2022

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

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

Progrès dans la fabrication additive (2023)

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.