Otwarty dostęp

Predicting Mechanical Strength and Optimized Parameters in FDM-Printed Polylactic Acid Parts Via Artificial Neural Networks and Desirability Analysis

Hind H. Abdulridha

Hind H. Abdulridha

University of Technology
Profil Orcid
Wyszukaj tego autora
Sciendo|Google Scholar
Abdulridha, Hind H.
, 
Tahseen F. Abbas

Tahseen F. Abbas

University of Technology
Wyszukaj tego autora
Sciendo|Google Scholar
Abbas, Tahseen F.
 oraz 
Aqeel S. Bedan

Aqeel S. Bedan

University of Technology
Wyszukaj tego autora
Sciendo|Google Scholar
Bedan, Aqeel S.
  
05 wrz 2024
Predicting Mechanical Strength and Optimized Parameters in FDM-Printed Polylactic Acid Parts Via Artificial Neural Networks and Desirability Analysis's Cover Image
O artykule
Poprzedni artykuł
Następny artykuł
Zacytuj
Pobierz okładkę
Data publikacji: 05 wrz 2024
Zakres stron: 428 - 437
Otrzymano: 01 sty 2024
Przyjęty: 01 lip 2024
DOI: https://doi.org/10.2478/mspe-2024-0040
Słowa kluczowe
© 2024 Hind H. Abdulridha et al., published by Sciendo
This work is licensed under the Creative Commons Attribution 4.0 International License.
Język:
Angielski
Częstotliwość wydawania:
4 razy w roku
Dziedziny czasopisma:
Inżynieria, Inżynieria mechaniczna, Narzędzia i metody, Technologia produkcji, Inżynieria procesowa i inżynieria przemysłowa, Biznes i ekonomia, Zarządzanie biznesem, Rachunkowość zarządcza, controlling finansowy, kalkulacja kosztów, inwestycje
Kanał RSS czasopisma