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 | University of Naples Federico II | - |
Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
Autor(es): dc.contributor | São Paulo State Technological College | - |
Autor(es): dc.creator | Lopes, Thiago Glissoi | - |
Autor(es): dc.creator | Aguiar, Paulo Roberto | - |
Autor(es): dc.creator | Monson, Paulo Monteiro de Carvalho | - |
Autor(es): dc.creator | D’Addona, Doriana Marilena | - |
Autor(es): dc.creator | Conceição Júnior, Pedro de Oliveira | - |
Autor(es): dc.creator | de Oliveira Junior, Reinaldo Götz | - |
Data de aceite: dc.date.accessioned | 2025-08-21T21:30:07Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T21:30:07Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2023-10-31 | - |
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/11449/308332 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/308332 | - |
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 | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Department of Electrical Engineering Faculty of Engineering Sao Paulo State University-UNESP, Sao Paulo | - |
Descrição: dc.description | Department of Chemical Materials and Industrial Production Engineering University of Naples Federico II | - |
Descrição: dc.description | Department of Electrical and Computer Engineering São Carlos School of Engineering University of São Paulo (USP), São Paulo | - |
Descrição: dc.description | Biomedical Systems São Paulo State Technological College, São Paulo | - |
Descrição: dc.description | Department of Electrical Engineering Faculty of Engineering Sao Paulo State University-UNESP, Sao Paulo | - |
Descrição: dc.description | CNPq: 306774/2021-6 | - |
Formato: dc.format | 1769-1786 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | International Journal of Advanced Manufacturing Technology | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | 3D printing | - |
Palavras-chave: dc.subject | Electret microphone | - |
Palavras-chave: dc.subject | Monitoring | - |
Palavras-chave: dc.subject | Neural networks | - |
Palavras-chave: dc.subject | Signal processing | - |
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: