Bei CloudNC haben wir gerade einen wichtigen Meilenstein erreicht: Unsere CAM -Lösung, die die Erstellung von CNC-Strategien mit AI beschleunigt und automatisiert, kann nun Maschinenbedienern bei der Herstellung von Bauteilen 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.  

Die Lösung dieses Problems hat echte Auswirkungen. Dieser Fortschritt bedeutet, dass unsere Technologie nun erstmals auf den Großteil der weltweiten Bearbeitungsarbeiten angewendet werden kann – wir schätzen, dass CAM nun etwa zwei Drittel der weltweiten Bearbeitungsaktivitäten abdeckt.

Darüber hinaus berichten uns unsere Nutzer, dass CAM aufgrund der deutlich komplexeren 3+2-Achsen-Programmierung noch effektiver Möglichkeiten zur Effizienzsteigerung innerhalb dieser Programmierung aufzeigen kann. Infolgedessen verzeichnen wir bereits ein starkes Interesse seitens der Maschinenbediener, die gespannt sind, ob das System die Erwartungen erfüllt, wenn wir dieses neue Gebiet erschließen.

Mit diesem zusätzlichen Interesse und dem gestiegenen Anwendungspotenzial stellt sich für uns jedoch eine neue Frage: Wie können wir Maschinenbediener davon überzeugen, dass CAM ihnen helfen kann?

Bearbeitung von Differential

In der Praxis funktioniert CAM wie folgt: Unsere AI (fast) alle Möglichkeiten, wie eine CNC-Maschine alle Aspekte eines Bauteils herstellen kann, sowie die Regeln für deren Bearbeitung und die damit verbundenen physikalischen Gesetzmäßigkeiten.

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 ergeben und auf ihrem Wissen über den CNC-Bearbeitungsprozess basieren – aber dem Computer ist es egal, wie der Werkzeugweg aussieht, solange er glaubt, dass die Aufgabe damit erledigt wird.

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 eine mögliche Strategie vorschlägt, sind die Werkzeugwege nicht nur vollständig sichtbar – d. h., der Maschinenbediener kann jeden Aspekt des Vorschlags einsehen –, sondern auch vollständig editierbar. Wenn also etwas dabei ist, das ihnen nicht gefällt oder das sie nicht verstehen, können sie es ändern.

Das ist ein großartiger erster Schritt, um das Vertrauen aufzubauen, das für die Umsetzung der Strategie erforderlich ist... aber für den Menschen im Prozess ist das nicht unbedingt ausreichend. Er möchte nicht jeden Aspekt des Werkzeugwegs überprüfen müssen, um sicherzustellen, dass er damit einverstanden ist – denn damit würde er das Ziel von CAM zunichte machen, nämlich Zeit zu sparen und seine Arbeitsabläufe effizienter zu gestalten.

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, Vertrauen aufzubauen, dass unsere Lösungen wirklich realisierbare, genaue und präzise Werkzeugwege generieren können, mit denen 3+2-Achsen-Komponenten nach den strengen Spezifikationen der Hersteller und Kunden gefertigt werden können. Und in unserem nächsten Update werden wir damit beginnen, die ausgefalleneren, nicht intuitiven Ansätze automatisch herauszufiltern, sodass die Benutzer noch seltener sagen müssen: „So würde ich das nicht machen.“

Der nächste Schritt, um Vertrauen zu gewinnen: Berücksichtigung dieser Benutzereinstellungen und Spezifikationen in der nächsten Generation von CAM , wo unsere Lösung nicht nur eine effektive Werkzeugwegstrategie vorschlägt, sondern auch effiziente Vorschübe und Geschwindigkeiten bereitstellen kann, die mit der vorhandenen Werkzeugbibliothek, den Einstellungen und den Werksbedingungen des Maschinenbedieners kompatibel sind.  

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!