FDM Yönteminde Karbon Fiber Takviyesinin ve Üretim Parametrelerinin Boyutsal Doğruluğa Etkisi

Öz

Kolay ulaşılabilir ve düşük maliyetli bir üretim yöntemi olan eriyik yığma modelleme (FDM/fused deposition modeling) yöntemi eklemeli imalat (Eİ) yöntemleri arasında popüler yöntemlerden biridir. Filament formunda termoplastikler sıcak nozul yardımıyla baskı platformunda katmanlar halinde üretilmektedir ve yöntemin doğası gereği yeterli boyutsal doğruluk elde edilememektedir. Filamentlere takviye elemanları eklemek ve üretim parametrelerini optimize etmek boyutsal doğruluğun artmasına olanak tanımaktadır. Çalışmada takviyesiz ve %15 karbon fiber (CF/carbon fiber) takviyeli (PLA-CF 15) polilaktik asit (PLA) filamentlerle, 0° ve 90° baskı yönelimlerinde, 50 °C ve 70 °C tabla sıcaklıklarında tam fonksiyonel deney tasarımı kullanılarak üretilen numunelerin (ASTM D638 tip 4) X, Y ve Z uzunluklarının boyutsal doğrulukları incelenmiştir. Deney tasarımı (DOE/Design of Experiments) analizleri sonucunda sinyal/gürültü (S/N) oranları incelendiğinde X uzunluğunda CF takviyesi boyutsal doğruluğu düşürürken, Y ve Z uzunluğunda boyutsal doğruluğu artırmıştır. 90° baskı yönelimi tüm uzunluklarda boyutsal doğruluğu artırmıştır. 50 °C tabla sıcaklığı Z uzunluğunda boyutsal doğruluğu artırmış, 70 °C tabla sıcaklığı ise X ve Y uzunluğunda boyutsal doğruluğu artırmıştır. Varyans analizi (ANOVA/Analysis of Variance) ile tüm uzunluklar için katkı oranı sıralamasının CF takviyesi, tabla sıcaklığı ve baskı yönelimi şeklinde olduğu sonucuna varılmıştır. CF takviyesi tüm uzunluklar için anlamlı P-değerlerine sahip olmuştur. Ayrıca Z uzunluğu için CF takviyesine ek olarak tabla sıcaklığı ve baskı yönelimi de anlamlı P-değerlerine sahip olmuşlardır. Filamentlere takviye elemanı ilavesi ve üretim parametrelerinin optimizasyonu ile boyutsal doğruluğun iyileştirilebileceği sonucuna varılmıştır.

Anahtar Kelimeler

• FDM
• Boyutsal doğruluk
• Karbon fiber PLA
• Üretim parametreleri

Destekleyen Kurum

Bu çalışma, herhangi bir finansman ya da destek almamıştır.

Etik Beyan

Etik Kurul İzni gerekmemektedir.

The Effect of Carbon Fiber Reinforcement and Production Parameters on Dimensional Accuracy in the FDM Method

Öz

Fused Deposition Modeling (FDM), a readily accessible and cost-effective manufacturing method, is one of the most widely used techniques among additive manufacturing (AM) processes. In this method, thermoplastics in filament form are deposited layer by layer onto the build platform using a heated nozzle; however, due to the inherent nature of the process, achieving sufficient dimensional accuracy remains challenging. The incorporation of reinforcement elements into filaments and the optimization of process parameters enable improvements in dimensional accuracy. In this study, the dimensional accuracy of the X, Y, and Z lengths of specimens (ASTM D638 Type IV), produced using unreinforced and 15% carbon fiber (CF)-reinforced polylactic acid (PLA-CF 15) filaments at 0° and 90° build orientations and at bed temperatures of 50 °C and 70 °C, was investigated using a full factorial design of experiments. According to the results of the Design of Experiments (DOE) analysis, evaluation of the signal-to-noise (S/N) ratios indicated that CF reinforcement decreased dimensional accuracy in the X direction, while it improved dimensional accuracy in the Y and Z directions. A 90° build orientation improved dimensional accuracy in all directions. A bed temperature of 50 °C improved dimensional accuracy in the Z direction, whereas a bed temperature of 70 °C improved dimensional accuracy in the X and Y directions. Based on the Analysis of Variance (ANOVA), the ranking of contribution ratios for all dimensions was determined to be CF reinforcement, bed temperature, and build orientation, respectively. CF reinforcement exhibited statistically significant p-values for all dimensions. In addition, for the Z dimension, both bed temperature and build orientation also exhibited statistically significant p-values alongside CF reinforcement. It was concluded that dimensional accuracy can be improved through the incorporation of reinforcement elements into filaments and the optimization of process parameters.

Anahtar Kelimeler

• FDM
• Dimensional accuracy
• Carbon fiber PLA
• Production parameters

Destekleyen Kurum

This work has not received any funding or support.

Etik Beyan

Not applicable.

Kaynakça

1. Aktepe, E., & Aktepe, Ş. (2024). PLA ve geri dönüştürülmüş PET filamentlerinin 3D FDM baskıda boyutsal doğruluk ve geriçekilme performansının karşılaştırılması. International Journal of 3D Printing Technologies and Digital Industry, 8(1), 114–123. Alafaghani, A., Qattawi, A., Alrawi, B., & Guzman, A. (2017). Experimental optimization of fused deposition modelling processing parameters: A design-for-manufacturing approach. Procedia Manufacturing, 10, 791–803.
2. Aydın, E. (2023). Taguchi optimizasyon metodunun imalat mühendisliği alanında kullanımı: Minitab örneği. Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, 28(3), 1049–1068.
3. Başcı, Ü. G., & Yamanoğlu, R. (2021). Yeni nesil üretim teknolojisi: FDM ile eklemeli imalat. International Journal of 3D Printing Technologies and Digital Industry, 5(2), 339–352.
4. Bindhu, B., Renisha, R., Roberts, L., & Varghese, T. O. (2018). Boron nitride reinforced polylactic acid composites film for packaging: Preparation and properties. Polymer Testing, 66, 172–177.
5. Birosz, M. T., Safranyik, F., & Andó, M. (2023). Concurrent shape and build orientation optimization for FDM additive manufacturing using the principal stress lines (PSL). Heliyon, 9(4), e15022.
6. Camposeco-Negrete, C. (2020). Optimization of FDM parameters for improving part quality, productivity and sustainability of the process using Taguchi methodology and desirability approach. Progress in Additive Manufacturing, 5(1), 59–65.
7. Deswal, S., Narang, R., & Chhabra, D. (2019). Modeling and parametric optimization of FDM 3D printing process using hybrid techniques for enhancing dimensional preciseness. International Journal on Interactive Design and Manufacturing, 13(3), 1197–1214.
8. Filameon PLA. (n.d.). Retrieved November 13, 2025, from https://www.filameon.com/urun/filameon-pl afilament

9. Filameon PLA-CF 15. (n.d.). Retrieved November 13, 2025, from https://www.filameon.com/urun/pla -cffilament
10. Gorana, F., Kumar Sahu, K., & Kumar Modi, Y. (2023). Parameter optimization for dimensional accuracy of fused deposition modelling parts. Materials Today: Proceedings, 78, 640–646.
11. Hikmat, M., Rostam, S., & Ahmed, Y. M. (2021). Investigation of tensile property -based Taguchi method of PLA parts fabricated by FDM 3D printing technology. Results in Engineering, 11, 100264.
12. Jaisingh Sheoran, A., & Kumar, H. (2020). Fused deposition modeling process parameters optimization and effect on mechanical properties and part quality: Review and reflection on present research. Materials Today: Proceedings, 21, 1659–1672.
13. Karagöz, İ., Danış Bekdemir, A., & Tuna, Ö. (2021). 3B yazıcı teknolojilerindeki kullanılan yöntemler ve gelişmeler üzerine bir derleme. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 9(4), 1186–1213.
14. Love, L. J., Kunc, V., Rios, O., Duty, C. E., Elliott, A. M., Post, B. K., Smith, R. J., & Blue, C. A. (2014). The importance of carbon fiber to polymer additive manufacturing. Journal of Materials Research, 29(17), 1893–1898.
15. Noriega, A., Blanco, D., Alvarez, B. J., & Garcia, A. (2013). Dimensional accuracy improvement of FDM square cross-section parts using artificial neural networks and an optimization algorithm. International Journal of Advanced Manufacturing Technology, 69(9–12), 2301–2313.
16. Şeker, S., & Erdinler, E. S. (2025). 3B baskı sürecinde tarama açısı ve doluluk oranının boyutsal uygunluğa etkisi: ABS malzeme üzerine bir çalışma. Journal of Bartin Faculty of Forestry, 27(2), 303–311.
17. Sharma, K., Kumar, K., Singh, K. R., & Rawat, M. S. (2021). Optimization of FDM 3D printing process parameters using Taguchi technique. IOP Conference Series: Materials Science and Engineering, 1168(1), 012022.
18. Sharma, P., Vaid, H., Vajpeyi, R., Shubham, P., Agarwal, K. M., & Bhatia, D. (2022). Predicting the dimensional variation of geometries produced through FDM 3D printing employing supervised machine learning. Sensors International, 3, 100194.
19. Solomon, I. J., Sevvel, P., & Gunasekaran, J. (2021). A review on the various processing parameters in FDM. Materials Today: Proceedings, 37(Part 2), 509–514.
20. Sudin, M. N., Shamsudin, S. A., & Abdullah, M. A. (2016). Effect of part features on dimensional accuracy of FDM model. ARPN Journal of Engineering and Applied Sciences, 11, 8067–8072.
21. Tezel, T. (2019). FDM ile üretilen PET-G malzemenin üretim sıcaklığı ve hızının boyutsal doğruluğa etkisi. International Journal of Multidisciplinary Studies and Innovative Technologies, 3(2), 82–85.
22. Toprak, İ. B. (2024). Polilaktik asit malzeme ile eriyik yığma modellemede boyutsal doğruluk ve üretim süresi için parametre optimizasyonu. Recep Tayyip Erdogan University Journal of Science and Engineering, 5(2), 39–48.
23. Tunçel, O., Tüfekci, K., & Kahya, Ç. (2024). Multi-objective optimization of 3D printing process parameters using gray-based Taguchi for composite PLA parts. Polymer Composites, 45(14), 12870–12884.
24. Wang, C., Tan, X. P., Tor, S. B., & Lim, C. S. (2020). Machine learning in additive manufacturing: State-of-theart and perspectives. Additive Manufacturing, 36, 101538.