
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Univ Naples Federico II | - |
| Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
| Autor(es): dc.contributor | Sao Paulo State Technol Coll | - |
| Autor(es): dc.creator | Lopes, Thiago Glissoi | - |
| Autor(es): dc.creator | Aguiar, Paulo Roberto | - |
| Autor(es): dc.creator | Carvalho Monson, Paulo Monteiro de | - |
| Autor(es): dc.creator | D'Addona, Doriana Marilena | - |
| Autor(es): dc.creator | Conceicao Junior, Pedro de Oliveira | - |
| Autor(es): dc.creator | Oliveira Junior, Reinaldo Gotz de | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T21:20:38Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T21:20:38Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2023-10-06 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/s00170-023-12375-0 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/298141 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/298141 | - |
| Descrição: dc.description | The fused deposition modeling (FDM) process, also known as 3D printing, deals with the manufacture of parts by adding layers of fused filament. Research on manufacturing process monitoring is on the rise, with an emphasis on investigating low-cost transducers as substitutes for the traditional, pricier options. The present study addresses a critical gap in the literature concerning the monitoring of the FDM process using acoustic signals from an electret microphone attached to the extruder. By employing an extensive signal processing and feature extraction analysis, including RMS values, ratio of power (ROP), and count statistics, this research uncovers distinguishable patterns in raw signals that relate to different machine conditions such as normal operation, extruder clogging, and filament shortages. Additionally, machine learning algorithms, specifically neural networks and support vector machine (SVM), are utilized to classify these machine conditions. Notably, signal filtering is found to significantly improve the classification models. The spectral analysis further contributes to characterizing the printing process, especially in identifying frequency values associated with defects. In conclusion, the methodology developed in this study holds promise for real-time monitoring systems, as it showcases high accuracy in classifying machine conditions and offers the potential to ensure quality and detect anomalies early in the printing process. Future research is encouraged to refine the methodology and explore its scalability across different FDM systems and materials. | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | Sao Paulo State Univ UNESP, Dept Elect Engn, Fac Engn, Bauru, SP, Brazil | - |
| Descrição: dc.description | Univ Naples Federico II, Dept Chem Mat & Ind Prod Engn, Naples, Italy | - |
| Descrição: dc.description | Univ Sao Paulo, Sao Carlos Sch Engn, Dept Elect & Comp Engn, Sao Carlos, SP, Brazil | - |
| Descrição: dc.description | Sao Paulo State Technol Coll, Biomed Syst, Bauru, SP, Brazil | - |
| Descrição: dc.description | Sao Paulo State Univ UNESP, Dept Elect Engn, Fac Engn, Bauru, SP, Brazil | - |
| Descrição: dc.description | CNPq: 306774/2021-6 | - |
| Descrição: dc.description | CAPES: 001 | - |
| Formato: dc.format | 1769-1786 | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Springer | - |
| Relação: dc.relation | International Journal Of Advanced Manufacturing Technology | - |
| ???dc.source???: dc.source | Web of Science | - |
| Palavras-chave: dc.subject | 3D printing | - |
| Palavras-chave: dc.subject | Monitoring | - |
| Palavras-chave: dc.subject | Electret microphone | - |
| Palavras-chave: dc.subject | Signal processing | - |
| Palavras-chave: dc.subject | Neural networks | - |
| Título: dc.title | Machine condition monitoring in FDM based on electret microphone, SVM, and neural networks | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: