Bei CloudNC haben wir gerade einen wichtigen Meilenstein erreicht: UnsereAssist , die die Erstellung von CNC-Strategien mit Hilfe von AI beschleunigt und automatisiert, kann nun Maschinenbedienern bei der Herstellung von Komponenten für 3+2-Achsen-CNC-Maschinen helfen.
Die Entwicklung von Strategien für die Bearbeitung von 3-Achsen-Komponenten war schon schwierig genug, aber das Gleiche für 3+2-Achsen-Teile zu tun, ist noch um Größenordnungen schwieriger, da es effektiv mehrere neue, unterschiedliche Vorgehensweisen gibt, mit denen jedes Merkmal dieser Teile hergestellt werden kann. Die Kombinatorik ist explosiv (d. h. die Anzahl der möglichen Lösungen ist exponentiell!), was es noch schwieriger macht, unsere Algorithmen genau zu machen und die Ergebnisse zu präzisieren.
Das Lösen dieses Rätsels hat echte Auswirkungen. Dieser Fortschritt bedeutet, dass unsere Technologie nun zum ersten Mal auf den Großteil der weltweiten Zerspanungsarbeiten angewendet werden kann - wir schätzen, dass CAM Assist nun etwa zwei Drittel der weltweiten Zerspanungsaktivitäten abdeckt.
Darüber hinaus sagen uns unsere Anwender, dass CAM Assist aufgrund der höheren Komplexität der 3+2-Achsen-Programmierung noch effizienter ist, wenn es darum geht, Möglichkeiten zur Effizienzsteigerung zu finden. Infolgedessen verzeichnen wir bereits ein starkes Interesse von Maschinenbauern, die sehen wollen, ob CAM Assist die Erwartungen erfüllt, wenn wir diese neue Grenze überschreiten.
Aber mit dem zusätzlichen Interesse und dem erhöhten Anwendungspotenzial stellt sich für uns eine neue Frage: Wie können wir sicherstellen, dass die Maschinenbediener davon überzeugt sind, dass CAM Assist ihnen helfen kann?
Bearbeitung von Differential
In der Praxis funktioniert CAM Assist folgendermaßen: Unsere AI versteht (fast) jede Art und Weise, wie eine CNC-Maschine alle Aspekte eines Bauteils herstellen könnte, sowie die Regeln der Bearbeitung und die damit verbundene Physik.
Um das Programm für die Herstellung eines neuen Bauteils zu erstellen, verarbeitet es die potenziell geeigneten Methoden und entscheidet, welche Kombination eine effiziente Bearbeitungsstrategie ergeben würde. Dies könnte Milliarden von Berechnungen erfordern, die einen extrem komplexen, proprietären Code erfordern, um sie in einem effektiven Zeitrahmen zu verarbeiten.
Ein Mensch würde jedoch ein Programm zur Herstellung desselben Bauteils nicht auf diese Weise erstellen. Ein erfahrener Maschinenbauer würde aufgrund seiner jahrelangen Erfahrung, seiner Ausbildung und seiner Intuition eine viel begrenztere Anzahl von Methoden in Betracht ziehen und sich für die beste davon entscheiden. Seine Wahl könnte durchaus von Faktoren beeinflusst werden, die die AI nicht berücksichtigen würde: z. B. welche Werkzeuge in der Werkstatt zuverlässiger oder sogar angenehmer zu benutzen sind.
Diese Divergenz bedeutet, dass die AI möglicherweise effektive Arbeitslösungen vorschlägt, die für einen erfahrenen Maschinenbediener nicht intuitiv sind. Vielleicht schlägt das Programm zum Beispiel vor, das Werkzeug auf eine Art und Weise in enge Bereiche um den Schraubstock herum zu führen, die dem Facharbeiter nicht vertraut ist, oder es generiert eine Möglichkeit, ein Feature mit einem bestimmten Werkzeug zu erzeugen, an die der Benutzer nicht einmal gedacht hätte.
Daraus ergibt sich ein Problem: Wenn man einem Maschinenbauer etwas zu Unorthodoxes vorsetzt, wird er der AI seine sehr teuren Geräte nicht anvertrauen, die bei falscher Anwendung kaputt gehen. Und natürlich ist diese ganze Technologie extrem neu - es gibt also kein über viele Monate hinweg aufgebautes Vertrauen, dass ein Algorithmus bei dieser Aufgabe helfen kann.
Letztendlich wollen CAM Programme, die für sie Sinn machen, basierend auf dem, was sie über den CNC-Bearbeitungsprozess wissen - aber dem Computer ist es egal, wie der Werkzeugweg aussieht, solange er glaubt, dass er die Aufgabe erfüllt.
Wie schaffen wir also die Quadratur des Kreises? Wir schaffen Vertrauen, indem wir die Blackbox für eine genaue Prüfung öffnen.
Erläuterung der AI
Wenn CAM Assist eine potenzielle Strategie vorschlägt, sind die Werkzeugwege nicht nur vollständig sichtbar - d. h. der Bearbeiter kann jeden Aspekt des Vorschlags sehen -, sondern auch vollständig editierbar. Wenn ihm also etwas nicht gefällt oder er es nicht versteht, kann er es ändern.
Das ist ein großartiger erster Schritt, um das Vertrauen zu schaffen, die Strategie in die Tat umzusetzen... aber für den Menschen in der Schleife ist das nicht unbedingt genug. Er möchte nicht jeden Aspekt des Werkzeugwegs überprüfen müssen, um sich zu vergewissern, dass er damit einverstanden ist - denn damit wird das Ziel von CAM Assist, nämlich Zeit zu sparen und die Arbeitsabläufe effizienter zu gestalten, in gewisser Weise verfehlt.
Wir müssen also sicherstellen, dass die von uns erstellten Strategien für die Programmierer so sinnvoll sind, dass sie die Arbeit nicht noch einmal überprüfen müssen, und um das zu gewährleisten, haben wir auch die Möglichkeit eingeführt, zu vermeidende geometrische Ansätze anzugeben. Das heißt, wenn der Benutzer bestimmte Arten von Werkzeugwegen und Strategien vermeiden möchte, auch wenn sie aus kreativer Sicht durchaus sinnvoll sind, wird die AI diese nun vermeiden.
Das bedeutet, dass wir weniger Ergebnisse erhalten, die für einen CAM nicht intuitiv sind. Dies trägt dazu bei, das Vertrauen zu stärken, dass unsere Lösungen wirklich praktikable, genaue und präzise Werkzeugwege erzeugen können, mit denen 3+2-Achsen-Komponenten gemäß den engen Spezifikationen, die Hersteller und Kunden benötigen, hergestellt werden können. Und in unserem nächsten Update werden wir damit beginnen, die verrückteren, nicht intuitiven Ansätze automatisch herauszufiltern, damit die Benutzer nicht mehr sagen müssen: "So würde ich das nicht machen."
Der nächste Schritt, um Vertrauen zu gewinnen, besteht darin, diese Benutzerpräferenzen und -spezifikationen in die nächste Generation von CAM Assist einzubeziehen, wobei unsere Lösung nicht nur eine effektive Werkzeugwegstrategie vorschlägt, sondern auch in der Lage ist, effiziente Vorschübe und Geschwindigkeiten zu liefern, die mit der vorhandenen Werkzeugbibliothek, den Präferenzen und den Werksbedingungen des Bearbeiters zusammenarbeiten.
Letztendlich ist es unser Ziel bei CloudNC, einen Punkt zu erreichen, an dem man unserer Technologie vertraut, um eine Lösung für die Lights-Out-Fertigung bereitzustellen. Um dieses Ziel zu erreichen, muss unsere Technologie jedoch das Vertrauen der Menschen in diesem Prozess gewinnen - und das ist es, was wir anstreben.
Wir suchen derzeit nach Betatestern, die unsere Arbeit an Schnittparametern und AI Vorschüben und Geschwindigkeiten ausprobieren und uns Feedback geben können - wenn Sie daran interessiert sind, senden Sie bitte eine E-Mail an camassist@cloudnc.com. Das Team wird sich dann mit Ihnen in Verbindung setzen!
