論文の概要: Process Optimization Under Uncertainty for Improving the Bond Quality of Polymer Filaments in Fused Filament Fabrication
- arxiv url: http://arxiv.org/abs/2608.18431v1
- Date: Wed, 19 Aug 2026 01:44:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.246415
- Title: Process Optimization Under Uncertainty for Improving the Bond Quality of Polymer Filaments in Fused Filament Fabrication
- Title（参考訳）: 溶融フィラメント製造における高分子フィラメントの接着品質向上のための不確実性条件下でのプロセス最適化
- Abstract要約: 本稿では, 溶融フィラメント製造(FFF)において, 押出高分子フィラメント間の結合品質を最大化するプロセスパラメータを最適化するための計算枠組みを開発する。
FFFプロセスの変動を予測するために使用されるモデルは、仮定と近似によって影響を受ける。
- 参考スコア（独自算出の注目度）: 1.5749416770494706
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper develops a computational framework to optimize the process parameters such that the bond quality between extruded polymer filaments is maximized in fused filament fabrication (FFF). A transient heat transfer analysis providing an estimate of the temperature profile of the filaments is coupled with a sintering neck growth model to assess the bond quality that occurs at the interfaces between adjacent filaments. Predicting the variability in the FFF process is essential for achieving proactive quality control of the manufactured part; however, the models used to predict the variability are affected by assumptions and approximations. This paper systematically quantifies the uncertainty in the bond quality model prediction due to various sources of uncertainty, both aleatory and epistemic, and includes the uncertainty and the model discrepancy in the process parameter optimization. Variance-based sensitivity analysis based on Sobol indices is used to quantify the relative contributions of the different uncertainty sources to the uncertainty in the bond quality. A Gaussian process (GP) surrogate model is constructed to compute and include the model discrepancy within the optimization. Physical experiments are conducted for calibration and validation of the physics model and also for validation of the optimum solution. The results show that the proposed formulation for process parameter optimization under uncertainty results in high bond quality between adjoining filaments of the FFF product.
- Abstract（参考訳）: 本稿では, 溶融フィラメント製造(FFF)において, 押出高分子フィラメント間の結合品質を最大化するプロセスパラメータを最適化するための計算枠組みを開発する。
フィラメントの温度分布を推定する過渡熱伝達解析を焼結ネック成長モデルと組み合わせて、隣接するフィラメント間の界面で発生する結合品質を評価する。
FFFプロセスにおける変動の予測は、製造部品のプロアクティブな品質制御を達成するために不可欠であるが、その変動を予測するために使用されるモデルは、仮定や近似の影響を受けている。
本稿では, 種々の不確実性源による結合品質モデル予測の不確かさを体系的に定量し, プロセスパラメータ最適化における不確かさとモデルの相違点を含む。
ソボの指標に基づく変動に基づく感度分析は、異なる不確実性源の結合品質の不確実性に対する相対的な寄与を定量化するために用いられる。
ガウス過程(GP)サロゲートモデルを計算し、最適化にモデルの相違を含むように構成する。
物理モデルの校正と検証および最適解の検証のために物理実験を行った。
その結果, 不確実性条件下でのプロセスパラメータ最適化の定式化は, FFF生成物の隣接フィラメント間の高結合性をもたらすことがわかった。
関連論文リスト
- Multi-Objective Optimization Under Uncertainty of Part Quality in Fused Filament Fabrication [1.4680035572775534]
本研究では, 融合フィラメント加工(FFF)プロセスにおける不確実性プロセスパラメータの下での多目的最適化のためのデータ駆動手法を提案する。
提案手法は, 形状不正確性を最小化し, 加工部品のフィラメント結合品質を最大化する目的で, プロセスパラメータを最適化する。
論文 参考訳（メタデータ） (2026-08-19T01:44:21Z) - PEFT-Arena: Understanding Parameter-Efficient Finetuning from a Stability-Plasticity Perspective [52.693471818837395]
PEFTは安定性・塑性ジレンマにより評価されるべきである。
本稿では,下流性能と一般能力の維持を計測するベンチマークPEFT-Arenaを紹介する。
そこで本研究では,パスワイド巻き戻しによるポストホック改善の事例研究を行った。
論文 参考訳（メタデータ） (2026-05-27T17:59:51Z) - Fractional-order Modeling for Nonlinear Soft Actuators via Particle Swarm Optimization [49.34452620841728]
本稿では, ソフト材料の動的挙動を捉えるために, 分数次微分方程式(FODE)に基づく革新的なモデリング手法を提案する。
提案手法は,ソフトアクチュエータに固有の複雑な変形現象を効果的に表現する。
論文 参考訳（メタデータ） (2025-12-20T04:46:25Z) - Contrastive Normalizing Flows for Uncertainty-Aware Parameter Estimation [0.0]
データから物理パラメータを推定することは、物理科学における機械学習(ML)の重要な応用である。
本稿では,HigsML Uncertainty Challengeデータセット上で最高のパフォーマンスを実現するContrastive Normalizing Flows(CNFs)に基づく新しいアプローチを提案する。
論文 参考訳（メタデータ） (2025-05-13T16:14:34Z) - Adaptive Conformal Inference by Betting [51.272991377903274]
データ生成プロセスについて仮定することなく適応型共形推論の問題を考察する。
適応型共形推論のための既存のアプローチは、オンライン勾配勾配の変種を用いたピンボール損失の最適化に基づいている。
本稿では,パラメータフリーなオンライン凸最適化手法を利用した適応型共形推論手法を提案する。
論文 参考訳（メタデータ） (2024-12-26T18:42:08Z) - Elucidating microstructural influences on fatigue behavior for additively manufactured Hastelloy X using Bayesian-calibrated crystal plasticity model [0.0]
結晶塑性モデリング(CPモデリング)は材料の機械的挙動を予測する重要なツールである。
本稿では,疲労負荷条件下での最適CPモデルパラメータの同定に最適化(BO)を用いる頑健な手法を提案する。
論文 参考訳（メタデータ） (2024-12-06T15:46:37Z) - Regulating Model Reliance on Non-Robust Features by Smoothing Input Marginal Density [93.32594873253534]
信頼できる機械学習は、非ロバストな特徴に依存するモデルの厳密な規制を必要とする。
本稿では,モデル予測を入力に関連付けることによって,そのような特徴を記述・規制するフレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-05T09:16:56Z) - Variational Bayesian surrogate modelling with application to robust design optimisation [0.9626666671366836]
サロゲートモデルは複雑な計算モデルに対して素早く評価できる近似を提供する。
入力の不確かさと次元減少を伴う統計的代理を構築するためのベイズ推定について考察する。
コスト関数がモデル出力の平均および標準偏差の重み付け和に依存するような本質的で頑健な構造最適化問題を示す。
論文 参考訳（メタデータ） (2024-04-23T09:22:35Z) - End-to-End Learning for Fair Multiobjective Optimization Under
Uncertainty [55.04219793298687]
機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。
本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。
この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
論文 参考訳（メタデータ） (2024-02-12T16:33:35Z) - Extending a Physics-Based Constitutive Model using Genetic Programming [0.0]
本稿では,遺伝的プログラミングに基づく処理条件からキャリブレーションパラメータの機能的依存性を同定する手法を提案する。
本稿では,これらの依存関係を識別し,短い解釈式を生成するための2つの(明示的かつ暗黙的な)手法を提案する。
その結果,暗黙的手法は明示的手法よりも高価であると同時に,極めて優れた結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-08-03T16:03:44Z) - Evaluating Sensitivity to the Stick-Breaking Prior in Bayesian
Nonparametrics [85.31247588089686]
変分ベイズ法はベイズモデルのパラメトリック的および非パラメトリック的側面に対して感性が得られることを示す。
ベイズ感度分析に対する変動的アプローチの理論的および経験的支援を提供する。
論文 参考訳（メタデータ） (2021-07-08T03:40:18Z)
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。