Chez CloudNC, nous venons de franchir une étape importante : notre solution CAM , qui accélère et automatise la création de stratégies CNC grâce à AI, peut désormais aider les machinistes à fabriquer des composants pour les machines CNC 3+2 axes.

Si créer des stratégies pour usiner des composants à 3 axes était déjà un défi, faire de même pour des pièces à 3+2 axes est beaucoup plus difficile, étant donné qu'il y a en fait de multiples directions d'approche nouvelles et différentes pour réaliser chaque caractéristique de ces pièces. La combinatoire est explosive (c'est-à-dire que le nombre potentiel de solutions est exponentiel !), ce qui rend encore plus difficile l'exactitude de nos algorithmes et la précision de nos résultats.  

La résolution de ce casse-tête a un impact réel. Cette avancée signifie que notre technologie peut désormais être appliquée pour la première fois à la majeure partie des travaux d'usinage dans le monde. Nous estimons que CAM couvre désormais environ deux tiers de l'activité mondiale d'usinage.

De plus, nos utilisateurs nous indiquent que, la programmation 3+2 axes étant beaucoup plus complexe, CAM sera encore plus efficace pour identifier les possibilités d'optimisation de l'efficacité. En conséquence, nous constatons déjà un regain d'intérêt de la part des machinistes, impatients de voir si ce nouveau produit sera à la hauteur de leurs attentes alors que nous entrons dans cette nouvelle ère.

Mais avec cet intérêt accru et ce potentiel d'application élargi, une nouvelle question se pose à nous : comment convaincre les machinistes que CAM peut leur être utile ?

Différentiel d'usinage

En pratique, CAM fonctionne ainsi : notre AI (presque) toutes les façons dont une machine CNC peut fabriquer tous les aspects d'un composant, ainsi que les règles d'usinage et les principes physiques impliqués.

Pour générer le programme de fabrication d'un nouveau composant, il traite les méthodes appropriées potentielles et décide de la combinaison qui créera une stratégie d'usinage efficace. Cela peut nécessiter des milliards de calculs, ce qui requiert un code propriétaire extrêmement complexe à traiter dans un délai efficace.

Cependant, ce n'est pas du tout ainsi qu'un être humain créerait un programme pour fabriquer le même composant. Un machiniste qualifié envisagerait un nombre beaucoup plus limité de méthodes basées sur ses années d'expérience, sa formation et son intuition, et déciderait de la meilleure d'entre elles. Son choix pourrait bien être influencé par des facteurs que l'AI ne prendrait pas en compte, comme les outils de l'atelier qui sont les plus fiables, voire les plus satisfaisants à utiliser.

Cette divergence signifie que l'AI peut proposer des solutions de travail efficaces qui ne sont pas naturellement intuitives pour un machiniste expérimenté. Par exemple, le programme peut proposer d'envoyer l'outil dans des zones étroites autour de l'étau d'une manière qui dépasse le niveau de confort habituel du machiniste, ou générer un moyen de créer une caractéristique avec un outil spécifique auquel l'utilisateur n'aurait même pas pensé comme option.

Cela pose un problème : si l'on présente à un machiniste quelque chose de trop peu orthodoxe, il ne fera pas confiance à l'AI pour son équipement très coûteux qui se casse s'il est mal utilisé. Et bien sûr, toute cette technologie est extrêmement nouvelle - il n'y a donc pas de confiance intrinsèque créée au fil des mois qu'un algorithme peut aider à faire ce travail.

Au final, CAM veulent des programmes qui ont du sens pour eux, basés sur ce qu'ils savent du processus d'usinage CNC, mais l'ordinateur ne se soucie pas de l'aspect du parcours d'outil, tant qu'il estime que le travail est fait.

Comment résoudre ce problème ? Nous créons la confiance en ouvrant la boîte noire à l'examen.

Expliquer l'AI

Lorsque CAM présente une stratégie potentielle, les parcours d'outils sont non seulement entièrement visibles (c'est-à-dire que l'opérateur peut voir tous les aspects de ce qui est proposé), mais également entièrement modifiables. Ainsi, s'il y a quelque chose qui ne leur plaît pas ou qu'ils ne comprennent pas, ils peuvent le modifier.

C'est une excellente première étape pour instaurer la confiance nécessaire à la mise en œuvre de la stratégie... mais pour les personnes impliquées dans le processus, cela n'est pas forcément suffisant. Elles ne veulent pas avoir à vérifier chaque aspect du parcours d'outil pour s'assurer qu'elles sont d'accord avec celui-ci. En effet, cela irait à l'encontre de l'objectif de CAM , qui est de leur faire gagner du temps et de rendre leurs opérations plus efficaces.

Nous devons donc nous assurer que les stratégies que nous créons sont suffisamment logiques pour que les programmeurs n'aient pas besoin de revérifier le travail, et pour cela, nous avons également introduit la possibilité de spécifier des approches géométriques à éviter. Cela signifie que si l'utilisateur préfère éviter certains types de parcours d'outils et de stratégies, même s'ils sont parfaitement valables d'un point de vue créatif, l'AI les évitera désormais.

Cela signifie que nous obtiendrons moins de résultats qui ne sont pas intuitifs pour un CAM , ce qui contribuera à renforcer la confiance dans le fait que nos solutions peuvent réellement générer des parcours d'outils réalisables, précis et exacts, capables de construire des composants 3+2 axes répondant aux spécifications strictes exigées par les fabricants et les clients. Et dans notre prochaine mise à jour, nous commencerons à filtrer automatiquement les approches les plus farfelues et non intuitives, réduisant ainsi davantage le besoin pour les utilisateurs de dire « Je ne ferais pas ça comme ça ».

La prochaine étape pour gagner la confiance : intégrer également ces préférences et spécifications utilisateur dans la prochaine génération de CAM , où notre solution propose non seulement une stratégie de parcours d'outil efficace, mais est également capable de fournir des avances et des vitesses efficaces qui fonctionnent avec la bibliothèque d'outils existante, les préférences et les conditions d'usine du machiniste.  

En fin de compte, l'objectif de CloudNC est de parvenir à ce que notre technologie soit considérée comme la solution pour une fabrication sans lumière. Cependant, pour atteindre ce but, notre technologie doit gagner la confiance des personnes qui participent aujourd'hui à ce processus - et c'est ce que nous nous efforçons de faire.

Nous recherchons actuellement des bêta-testeurs pour tester et commenter notre travail sur les paramètres de coupe et les avances et vitesses AI. Si vous souhaitez participer, envoyez un courriel à camassist@cloudnc.com et l'équipe vous contactera !