APPLICAZIONE DELLE RETI NEURALI NELL'ADDITIVE MANUFACTURING: PREDIZIONE DELLA FORZA DI ESTRUSIONE NEL PROCESSO DI STAMPA 3D FDM

In this thesis work, the application of artificial neural networks as a predictive tool for extrusion force in the 3D printing process by Fused Deposition Modeling (FDM) is investigated. They were implemented using the Matlab programming language (v. 2021b). Both single- and double-layer neural networks were analysed. They were optimised with the relative mean percent error and Root Mean Squared Error (RMSE) as target parameters. The target is the indivudualisation of a neural network such that the values of relative mean percent error and RMSE, as well as their respective standard deviations, are minimal. It was found that a single-layer network with 64 neurons and a two-layer network with 16+16 neurons guarantee optimal results.

Nel lavoro di tesi viene approfondita l'applicazione delle reti neurali artificiali quale strumento predittivo della forza di estrusione nel processo di stampa 3D per Fused Deposition Modeling (FDM). Esse sono state implementate usando il linguaggio di programmazione Matlab (v. 2021b). SI sono analizzate reti neurali sia a singolo che a doppio layer. Esse sono state ottimizzate avendo come parametri obiettivo l'errore relativo medio percentuale e la Root Mean Squared Error (RMSE). Il target è l'indivudazione di una rete neurale tale per cui sono minimi i valori di errore relativo medio percentuale ed RMSE, nonché le rispettive deviazioni standard. Si è trovato che una rete a singolo layer con 64 neuroni ed una a due layer con 16+16 neuroni garantiscono risultati ottimali.