Multicriteria Classification-Based Selection of Natural Fibre–Polypropylene Composite Parameters for Door Panel Thermoforming

Łukasz Lemieszewski; Anna Konstanciak; Dorota Bujak

doi:10.1016/j.procs.2026.10.335

System Informacji Naukowej

Akademia im. Jakuba z Paradyża

Strona główna / Publikacje / Multicriteria Classification-Based Selection of Natural Fibre–Polypropylene Composite Parameters for Door Panel Thermoforming

Zgłoś uwagę

Artykuł

Pobierz BibTeX

Tytuł

Multicriteria Classification-Based Selection of Natural Fibre–Polypropylene Composite Parameters for Door Panel Thermoforming

Autorzy

Łukasz Lemieszewski (AJP) ^{[ 1 ][ 2.3 ][ P ]}
Anna Konstanciak (AJP) ^{[ 1 ][ 2.9 ][ P ]}
Dorota Bujak ^{[ 2 ][ 2.9 ][ SzD ]}

^{[ 1 ]} Wydział Techniczny, Akademia im. Jakuba z Paradyża | ^{[ 2 ]} Szkoła Doktorska, Akademia im. Jakuba z Paradyża | ^{[ P ]} pracownik | ^{[ SzD ]} doktorant ze Szkoły Doktorskiej

Dyscyplina naukowa (Ustawa 2.0)

[2.3] Informatyka techniczna i telekomunikacja
[2.9] Inżynieria mechaniczna

Rok publikacji

2026

Opublikowano w

Procedia Computer Science

Rocznik: 2026 | Tom: 292

Typ artykułu

artykuł naukowy / referat

Język publikacji

angielski

Słowa kluczowe

EN

thermoforming
automotive
composite materials
natural fibres
multi-criteria decision support (MCDM)
ELECTRE TRI

Streszczenie

EN The paper presents a classification-based approach to selecting composite parameters for thermoformed door panels. The study covered polypropylene composites reinforced with natural fibres, for which material properties may vary between profiles. The selection was treated as a multi-criteria problem involving thickness, strength, mass and uncertainty in the input data. Using ELECTRE TRI, 244 material profiles were assigned to three quality classes in pessimistic, optimistic and virtual variants. The pessimistic variant assigned most profiles to Class 2, and only about 23% to Class 3. In the optimistic variant, more than 60% of profiles reached Class 3. The virtual classification revealed a large number of borderline cases, mainly between Classes 2 and 3, while 52% of profiles kept the same class in all variants. The results show that mechanical properties and areal weight were the main factors affecting the classification. This approach can support the selection of composite materials when the data are uncertain.

Strony (od-do)

7642 - 7651

DOI

10.1016/j.procs.2026.10.335

URL

https://www.sciencedirect.com/science/article/pii/S1877050926039967?via%3Dihub

Zaprezentowany na

30th International Conference on Knowledge-Based and Intelligent Information & Engineering Systems (KES 2026), 9-11.09.2026, DUBLIN, Irlandia

Typ licencji

CC BY-NC-ND (uznanie autorstwa - użycie niekomercyjne - bez utworów zależnych)

Tryb otwartego dostępu

otwarte repozytorium

Wersja tekstu w otwartym dostępie

ostateczna wersja opublikowana

Data udostępnienia

11.2026

Czas udostępnienia publikacji w sposób otwarty

w momencie opublikowania

Punktacja Ministerstwa / czasopismo

5

Punktacja Ministerstwa / konferencja (CORE)

70

Finansowanie

Projekt

Projekt „Otwarte Zasoby w Repozytorium Cyfrowe Instytutów Naukowych” [OZwRCIN] współfinansowany z Europejskiego Funduszu Rozwoju Regionalnego w ramach Programu Operacyjnego Polska Cyfrowa, lata 2014-2020, Działanie 2.3 : Cyfrowa dostępność i użyteczność sektora publicznego oraz środki Partnerów

Środki partnerów

Prace związane z udostępnianiem nowych obiektów w serwisie RCIN, dofinansowywane są również ze środków Partnerów.

Ten serwis działa dzięki oprogramowaniu SINUS opracowanemu przez Poznańskie Centrum Superkomputerowo-Sieciowe

Zaloguj się, aby dodać do SIN: