Noi di CloudNC abbiamo appena raggiunto un traguardo importante: la nostra soluzione CAM , che accelera e automatizza la creazione di strategie CNC con AI, ora può aiutare i macchinisti a realizzare componenti per macchine CNC a 3+2 assi.

Se la creazione di strategie per la lavorazione di componenti a 3 assi era già abbastanza impegnativa, fare lo stesso per i componenti a 3+2 assi è di molti ordini di grandezza più difficile, dato che ci sono effettivamente più direzioni di approccio nuove e diverse con cui realizzare ogni caratteristica di questi componenti. È una situazione combinatoriamente esplosiva (cioè la quantità potenziale di soluzioni è esponenziale!), che rende ancora più difficile l'accuratezza dei nostri algoritmi e la precisione dei risultati.  

Risolvere questo enigma ha un impatto reale. Questo progresso significa che la nostra tecnologia può ora essere applicata per la prima volta alla maggior parte dei lavori di lavorazione meccanica nel mondo: stimiamo che CAM copra attualmente circa due terzi dell'attività di lavorazione meccanica globale.

Inoltre, i nostri utenti ci dicono che, poiché la programmazione a 3+2 assi è molto più complessa, CAM sarà ancora più efficace nel trovare opportunità di efficienza al suo interno. Di conseguenza, stiamo già assistendo a un forte aumento dell'interesse da parte dei macchinisti desiderosi di vedere se sarà all'altezza delle aspettative mentre ci avviciniamo a questa nuova frontiera.

Ma con questo interesse aggiuntivo e il potenziale di applicazione aumentato, c'è una nuova domanda a cui dobbiamo rispondere: come possiamo assicurarci che i macchinisti siano convinti che CAM possa aiutarli?

Differenziale di lavorazione

In pratica, CAM funziona così: AI nostra AI (quasi) tutti i modi in cui una macchina CNC potrebbe realizzare tutti gli aspetti di un componente, nonché le regole di lavorazione e i principi fisici coinvolti.

Per generare il programma per la produzione di un nuovo componente, elabora i potenziali metodi appropriati e decide quale combinazione creerebbe una strategia di lavorazione efficiente. Ciò potrebbe richiedere miliardi di calcoli, che richiedono un codice proprietario estremamente complesso da elaborare in tempi efficaci.

Tuttavia, non è così che un essere umano creerebbe un programma per realizzare lo stesso componente. Un macchinista esperto prenderebbe in considerazione un numero molto più limitato di metodi, basati su anni di esperienza, formazione e intuizione, e deciderebbe il migliore tra questi. La sua scelta potrebbe essere influenzata da fattori che l'AI non prenderebbe in considerazione, come ad esempio gli strumenti dell'officina più affidabili o addirittura più piacevoli da usare.

Questa divergenza significa che l'AI può proporre soluzioni di lavoro efficaci che non sono naturalmente intuitive per un macchinista esperto. Ad esempio, il programma potrebbe proporre di inviare l'utensile in aree strette intorno alla morsa in un modo che va oltre il livello di comfort abituale del macchinista, o generare un modo per creare una caratteristica con un utensile specifico che l'utente non avrebbe nemmeno pensato come opzione.

Questo crea un problema: se si presenta a un macchinista qualcosa di troppo poco ortodosso, non si affiderà all'AI la sua costosissima attrezzatura, che si rompe se usata male. Inoltre, tutta questa tecnologia è estremamente nuova, quindi non c'è fiducia intrinseca creata in molti mesi che un algoritmo possa aiutare a svolgere questo lavoro.

Alla fine, CAM desiderano programmi che abbiano senso per loro, basati su ciò che conoscono del processo di lavorazione CNC, ma al computer non interessa l'aspetto del percorso utensile, purché ritenga che il lavoro venga svolto correttamente.

Come facciamo a quadrare il cerchio? Creiamo fiducia, aprendo la scatola nera al controllo.

Spiegare l'AI

Quando CAM presenta una strategia potenziale, i percorsi utensile non solo sono completamente visibili (ovvero, l'operatore può vedere ogni aspetto di ciò che viene proposto), ma anche totalmente modificabili. Quindi, se c'è qualcosa che non gli piace o che non capisce, può cambiarlo.

Questo è un ottimo primo passo per costruire la fiducia necessaria per mettere in atto la strategia... ma per gli esseri umani coinvolti nel processo, non è necessariamente sufficiente. Non vogliono dover verificare ogni aspetto del percorso utensile per controllare che sia corretto: farlo, infatti, vanificherebbe lo scopo di CAM , che è quello di far loro risparmiare tempo e rendere più efficienti le loro operazioni.

Per questo motivo, dobbiamo assicurarci che le strategie che creiamo abbiano un senso per i programmatori, in modo che non debbano ricontrollare il lavoro, e per garantirlo abbiamo introdotto la possibilità di specificare gli approcci geometrici da evitare. Ciò significa che se l'utente preferisce evitare certi tipi di percorsi utensile e strategie, anche se sono perfettamente validi dal punto di vista creativo, l'AI li eviterà.

Ciò significa che otterremo meno risultati non intuitivi per un CAM , contribuendo a rafforzare la fiducia nel fatto che le nostre soluzioni sono realmente in grado di generare percorsi utensile fattibili, accurati e precisi, in grado di costruire componenti a 3+2 assi secondo le rigorose specifiche richieste dai produttori e dai clienti. Nel nostro prossimo aggiornamento, inizieremo a filtrare automaticamente gli approcci più stravaganti e non intuitivi, riducendo ulteriormente la necessità per gli utenti di dire "Io non lo farei in questo modo".

Il prossimo passo per guadagnare fiducia: tenere conto anche delle preferenze e delle specifiche degli utenti nella prossima generazione di CAM , dove la nostra soluzione non solo propone una strategia efficace per i percorsi utensile, ma è anche in grado di fornire avanzamenti e velocità efficienti che funzionano con la libreria di utensili esistente, le preferenze e le condizioni di fabbrica dell'operatore.  

In definitiva, l'obiettivo di CloudNC è di arrivare a un punto in cui la nostra tecnologia sia ritenuta la soluzione per la produzione senza luce. Tuttavia, per raggiungere questo traguardo, la nostra tecnologia deve guadagnarsi la fiducia degli esseri umani che oggi lavorano in quel processo, ed è questo l'obiettivo che stiamo cercando di raggiungere.

Attualmente siamo alla ricerca di beta tester per provare e dare un feedback sul nostro lavoro sui parametri di taglio e sulle velocità e avanzamenti AI: se vuoi partecipare, invia un'e-mail a camassist@cloudnc.com e il team si metterà in contatto con te!