Geometry-aware interpretable learning for predicting print time and filament consumption in fused deposition modeling
Questo studio presenta un framework di apprendimento automatico interpretabile e consapevole della geometria che predice accuratamente il tempo di stampa e il consumo di filamento della modellazione a deposizione fusa, sfruttando un dataset di 1.500 istanze simulate, raggiungendo un'elevata fedeltà predittiva () e rivelando che la geometria della mesh e le specifiche impostazioni di processo sono i principali determinanti di tali esiti operativi.