Machine Learning Model for Detection of Extraneous Vibrations in 3D Printing Process
Fragment książki (Rozdział monografii pokonferencyjnej)
MNiSW
20
Poziom I
| Status: | |
| Autorzy: | Tomiło Paweł, Majerek Dariusz, Mazurkiewicz Dariusz, Pytka Jarosław |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Strony: | 747 - 756 |
| Web of Science® Times Cited: | 0 |
| Scopus® Cytowania: | 0 |
| Bazy: | Web of Science | Scopus |
| Efekt badań statutowych | NIE |
| Finansowanie: | This work was prepared within the project “Innovative measurement technologies supported by digital data processing algorithms for improved processes and products”, contract number PM/SP/0063/2021/1, financed by the Ministry of Education and Science (Poland) as part of the Polish Metrology Programme. |
| Materiał konferencyjny: | TAK |
| Nazwa konferencji: | International Conference on Machine and Industrial Design in Mechanical Engineering 2024 |
| Skrócona nazwa konferencji: | KOD 2024 |
| URL serii konferencji: | LINK |
| Termin konferencji: | 23 maja 2024 do 26 maja 2024 |
| Miasto konferencji: | Balatonfured |
| Państwo konferencji: | WĘGRY |
| Publikacja OA: | NIE |
| Abstrakty: | angielski |
| This document discusses a study focused on developing a machine learning model to detect extraneous vibrations during the 3D printing process. It highlights the impact of these vibrations on print quality and introduces a system using an Inertial Measurement Unit (IMU) to measure vibrations. Various machine learning models were evaluated for their ability to distinguish between normal printing vibrations and extraneous vibrations, with the Light Gradient Boosting Machine model showing the best performance. The study emphasizes the importance of early detection of defects to save time and cost, contributing to advances in additive manufacturing technologies. |
