logo móvil
Contáctanos

Metodología Basada en TOPSIS para la Selección de Máquinas de Fabricación por Filamento Fundido

Autores: Raman, Vignesh Venkat; Badarinath, Rakshith; Prabhu, Vittaldas V.

Idioma: Inglés

Editor: MDPI

Año: 2025

Descargar PDF

Acceso abierto

Artículo científico
2025

Metodología Basada en TOPSIS para la Selección de Máquinas de Fabricación por Filamento Fundido


Categoría

Tecnología de Equipos y Accesorios

Subcategoría

Diseño de equipos y herramientas

Palabras clave

Fabricación aditiva
Máquinas AM
Fabricación por deposición de filamento fundido
Metodología
Análisis de sensibilidad
Procesos de fabricación convencionales

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 25

Citaciones: Sin citaciones


Descripción
La fabricación aditiva (AM) ha estado ganando cada vez más impulso en la industria manufacturera debido a su capacidad para fabricar prototipos y piezas de uso final en bajos volúmenes a un costo mucho menor en comparación con los procesos de fabricación convencionales. Ha habido investigaciones para seleccionar un proceso de AM apropiado para fabricar partes particulares. Sin embargo, hay poca investigación existente para seleccionar máquinas de AM apropiadas a pesar de que hay un número creciente de máquinas de AM con topologías, estructuras y sistemas interesantes. Este documento propone una metodología que tiene como objetivo ayudar a los Expertos Técnicos en la selección de una máquina para la Fabricación de Filamento Fundido (FFF). La metodología se basa en una Técnica de Orden de Preferencia por Similitud a la Solución Ideal (TOPSIS) ponderada, que utiliza el concepto de cercanía relativa y pesos de atributos para clasificar las máquinas. El documento utiliza simulaciones de Monte Carlo para el análisis de sensibilidad para evaluar el impacto de la aleatorización de la puntuación de atributos, la perturbación de los pesos asignados y las distribuciones de probabilidad utilizadas para modelar la variabilidad en la decisión humana. La metodología y el análisis de sensibilidad se aplicaron a tres estudios de caso, con cinco máquinas FFF y siete atributos, y se encontró que las máquinas mejor clasificadas para una pieza específica eran en gran medida robustas.

Otros recursos que podrían interesarte

Temas Virtualpro