Nicola Daino
Ottimizzazione topologica e design generativo nell’ambito del design for additive manufacturing.
Rel. Flaviana Calignano, Manuela Galati. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Meccanica, 2021
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (9MB) | Preview |
|
|
Archive (ZIP) (Documenti_allegati)
- Altro
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (76MB) |
Abstract
Il mondo del design si sta evolvendo, attraverso l’uso di algoritmi studiati e progettati ad hoc per individuare la migliore topologia strutturale possibile per un dato componente. Questo topologie sono spesso realizzabili solo con tecniche di produzione, come l’additive manufacturing (AM), capaci di ridurre al minimo i vincoli progettuali dovuti al metodo di produzione. Tuttavia, tecniche convenzionali di ottimizzazione applicate al design, come quella topologica (OT), limitano fortemente la libertà progettuale concessa dall’AM. L’OT richiede l’intervento continuo e sapiente del progettista che individua prima un volume di lavoro e successivamente provvede alla ricostruzione del design. Il generative design è in grado di superare questi ostacoli e permettere di sfruttare pienamente il potenziale dell’AM nel design.
Il lavoro presentato mostra un confronto tra l’applicazione dell’OT e il design generativo per la riprogettazione per AM, evidenziando vantaggi e limiti di ciascuna delle metodologie rispetto ai vincoli di produzione dell’AM, quali la necessità di uso di strutture di supporto
Relatori
Tipo di pubblicazione
URI
![]() |
Modifica (riservato agli operatori) |
