論文の概要: Interactive 3D visualization of surface roughness predictions in additive manufacturing: A data-driven framework

• arxiv url: http://arxiv.org/abs/2603.09353v1
• Date: Tue, 10 Mar 2026 08:34:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.152868
• Title: Interactive 3D visualization of surface roughness predictions in additive manufacturing: A data-driven framework
• Title（参考訳）: 添加物製造における表面粗さ予測のインタラクティブな3次元可視化:データ駆動型フレームワーク
• Authors: Engin Deniz Erkan, Elif Surer, Ulas Yaman,
• Abstract要約: データ駆動型フレームワークは、プロセスパラメータと表面角を用いて製造前に算術平均粗さ(Ra)を予測する。 システムはモデル幾何学から顔の傾きを計算し、予測されたRaを表面上のインタラクティブなカラーマップとして視覚化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Surface roughness in Material Extrusion Additive Manufacturing varies across a part and is difficult to anticipate during process planning because it depends on both printing parameters and local surface inclination, which governs the staircase effect. A data-driven framework is presented to predict the arithmetic mean roughness (Ra) prior to fabrication using process parameters and surface angle. A structured experimental dataset was created using a three-level Box-Behnken design: 87 specimens were printed, each with multiple planar faces spanning different inclination angles, yielding 1566 Ra measurements acquired with a contact profilometer. A multilayer perceptron regressor was trained to capture nonlinear relationships between manufacturing conditions, inclination, and Ra. To mitigate limited experimental data, a conditional generative adversarial network was used to generate additional condition-specific tabular samples, thereby improving predictive performance. Model performance was assessed on a hold-out test set. A web-based decision-support interface was also developed to enable interactive process planning by loading a 3D model, specifying printing parameters, and adjusting the part's orientation. The system computes face-wise inclination from the model geometry and visualizes predicted Ra as an interactive colormap over the surface, enabling rapid identification of regions prone to high roughness and immediate comparison of parameter and orientation choices.
• Abstract（参考訳）: 材料押出成形における表面粗さは, 階段効果を左右する印刷パラメータと局所表面傾斜に依存するため, プロセス計画中の予測は困難である。 データ駆動型フレームワークは、プロセスパラメータと表面角を用いて製造前に算術平均粗さ(Ra)を予測する。 87個の標本が印刷され、それぞれ異なる傾斜角にまたがる複数の平面面があり、接触プロファイロメータで得られた1566 Raの測定値が得られた。 多層パーセプトロン回帰器は, 製造条件, 傾斜, およびRaの非線形関係を捉えるために訓練された。 限られた実験データを緩和するために、条件付き生成逆数ネットワークを使用して、追加の条件固有の表型サンプルを生成し、予測性能を向上した。 モデル性能はホールドアウトテストセットで評価された。 Webベースの意思決定支援インタフェースも開発され、3次元モデルのロード、印刷パラメータの指定、部品の向きの調整によるインタラクティブなプロセス計画が可能になった。 このシステムは、モデル幾何学から顔の傾きを計算し、予測されたRaを表面上のインタラクティブなカラーマップとして視覚化し、高い粗さに起因する領域の迅速な同定とパラメータと向きの選択の即時比較を可能にする。

関連論文リスト

• ShapeGen3DCP: A Deep Learning Framework for Layer Shape Prediction in 3D Concrete Printing [0.4666493857924357]
  本研究は3次元コンクリート印刷におけるフィラメント断面形状予測のための深層学習フレームワークであるShapeGen3DCPを紹介する(3DCP)。 このフレームワークは、流体状態(密度、降伏応力、塑性粘度)の材料特性とプロセスパラメータ(ノズル径、ノズル高さ、印刷速度、流れ速度)の両方を入力として、押出層形状を直接予測するニューラルネットワークアーキテクチャに基づいている。 トレーニングデータセットは、3DCPの確立されたパーティクル有限要素(PFEM)モデルを用いて合成され、実験データの不足を克服した。
  論文  参考訳（メタデータ） (2025-10-02T13:30:20Z)
• Hybrid Machine Learning Framework for Predicting Geometric Deviations from 3D Surface Metrology [0.46085106405479537]
  本稿では,高分解能な3Dスキャナーを用いて,異なるバッチで生成された237個のコンポーネントから多角面データを取得する手法を提案する。 データは正確なアライメント、ノイズ低減、マージによって処理され、正確な3D表現を生成する。 提案手法は,従来の統計的プロセス制御法よりも73%向上し,95%信頼度で0.012mmの予測精度を達成した。
  論文  参考訳（メタデータ） (2025-08-09T05:59:35Z)
• FlexPara: Flexible Neural Surface Parameterization [71.65203972602673]
  本稿では,大域的および多角的表面パラメータ化を実現するために,教師なしニューラルネットワーク最適化フレームワークFlexParaを紹介する。 我々は,グローバルパラメータ化のための双方向のサイクルマッピングフレームワークを構築するために,幾何学的に解釈可能な一連のサブネットワークを,特定の機能と巧妙に設計・結合する。 実験は、我々の神経表面パラメータ化パラダイムの普遍性、優越性、およびインスピレーションのポテンシャルを実証する。
  論文  参考訳（メタデータ） (2025-04-27T12:30:08Z)
• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• Elastic shape analysis of surfaces with second-order Sobolev metrics: a comprehensive numerical framework [11.523323270411959]
  本稿では3次元表面形状解析のための数値的手法を提案する。 本研究では、3次元メッシュとして表されるパラメータ化面と非パラメータ化面の間の測地線と測地線距離の計算に対処する。
  論文  参考訳（メタデータ） (2022-04-08T18:19:05Z)
• Scene Synthesis via Uncertainty-Driven Attribute Synchronization [52.31834816911887]
  本稿では,3次元シーンの多様な特徴パターンを捉えるニューラルシーン合成手法を提案する。 提案手法は,ニューラルネットワークと従来のシーン合成手法の双方の長所を結合する。
  論文  参考訳（メタデータ） (2021-08-30T19:45:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。