Resumen-Inicialmente destinadas a la creación rápida de prototipos, las tecnologías de fabricación aditiva se adaptan cada vez más a la producción de componentes funcionales. Su aplicación en arquitectura ha crecido rápidamente desde el lanzamiento público de patentes, la técnica más popular es la técnica AM, Fused Deposition Modeling (FDM), y desde el desarrollo de varias técnicas de producción automatizadas a gran escala. La optimización de las geometrías para FDM es fundamental para aprovechar el potencial de la producción arquitectónica de AM. Esta investigación evalúa los flujos de trabajo computacionales basados en los datos de estructuración en nubes isostáticas que incorporan bucles de retroalimentación de simulación en el diseño de componentes funcionales diferenciando internamente la geometría y la composición del material específicamente adaptando una pieza para una aplicación dada. Esto conduce a un rendimiento mejorado mientras reduce potencialmente, el tiempo de fabricación, el uso del material y, por lo tanto, el impacto ambiental. El método propuesto utiliza los resultados obtenidos del análisis de elementos finitos (FEA) para diseñar componentes de construcción anisotrópicos determinando discretamente las geometrías de relleno. La contribución de esta investigación radica en la creación y corroboración de un flujo de trabajo computacional probado en componentes FDM termoplásticos para evaluar la generalización del método de diseño de estructuras de relleno de ingeniería, la identificación de varias restricciones geométricas debido a limitaciones en las técnicas de deposición y presentar los resultados de pruebas de rendimiento mecánico de diferentes diseños de casos basados en AM para avanzar en la automatización de la producción.Palabras Clave-Opimización de topología; fabricación aditiva a gran escala, modelado de deposición fundida; análisis de elementos finitos.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.