Geometry-aware interpretable learning for predicting print time and filament consumption in fused deposition modeling
本研究は、1,500件のシミュレーション事例のデータセットを活用することで、熱溶解積層法(FDM)における造形時間とフィラメント消費量を高精度に予測し()、メッシュ形状および特定のプロセス設定がこれらの運用結果の主要な決定要因であることを明らかにする、幾何学的特徴を考慮した解釈可能な機械学習フレームワークを提示するものである。