Salvatore Tondi
Algoritmi machine learning per stima risposta meccanica di provini stampati in additive.
Rel. Davide Salvatore Paolino, Andrea Tridello, Carlo Boursier Niutta, Alberto Ciampaglia. Politecnico di Torino, Master of science program in Mechanical Engineering, 2025
|
Preview |
PDF (Tesi_di_laurea)
- Thesis
Licence: Creative Commons Attribution Non-commercial No Derivatives. Download (44MB) | Preview |
Abstract
Lo scopo dell’attività di tesi è quello di allenare algoritmi di Machine Learning, al fine di stimare le proprietà meccaniche di componenti prodotti tramite additive manufacturing. In particolare il processo produttivo considerato per l’attività è il processo FFF, che sta per Fused Filament Fabrication, ovvero Fabbricazione per Filamento Fuso. Le proprietà meccaniche di un componente prodotto con tale processo sono molto sensibili ai parametri di stampa. In base alla scelta dei parametri, come ad esempio temperatura di stampa, velocità di stampa, velocità delle ventole di raffreddamento ed altri, le proprietà meccaniche variano sensibilmente. Nasce quindi l’esigenza di prevedere tali proprietà al variare dei valori scelti per i parametri di processo.
Queste previsioni risultano essere molto onerose in termini di tempo se si ricorre a simulazioni FEM, da cui l’esigenza e l'idea di utilizzare tecniche di Machine Learning
Relators
Academic year
Publication type
Number of Pages
Course of studies
Classe di laurea
URI
![]() |
Modify record (reserved for operators) |
