AI 통해 CNC 전략 생성을 가속화하고 자동화하는 CAM Assist 솔루션이 이제 기계공이 3+2축 CNC 기계용 부품을 만드는 데 도움을 줄 수 있게 된 것입니다.
3축 부품을 가공하기 위한 전략을 만드는 것도 충분히 어려웠지만, 3+2축 부품의 경우 부품의 모든 특징을 만들기 위해 사실상 새롭고 다양한 접근 방식이 여러 개 존재한다는 점에서 훨씬 더 어렵습니다. 이는 조합적으로 폭발적으로 증가하기 때문에(즉, 솔루션의 잠재적 양이 기하급수적으로 증가합니다!) 알고리즘의 정확성과 결과의 정확성을 확보하기가 훨씬 더 어렵습니다.
이 퍼즐을 풀면 실질적인 영향력이 있습니다. 이러한 발전은 이제 처음으로 전 세계 가공 작업의 대부분에 당사의 기술을 적용할 수 있게 되었음을 의미하며, 현재 전 세계 가공 활동의 약 3분의 2에 CAM Assist 적용될 것으로 추정합니다.
또한 3+2축 프로그래밍은 훨씬 더 복잡하기 때문에 CAM Assist 그 안에서 효율성을 높일 수 있는 기회를 찾는 데 훨씬 더 효과적일 것이라는 사용자들의 의견도 있습니다. 그 결과, 이 새로운 영역에 진입하면서 기대에 부응할 수 있을지 궁금해하는 기계 기술자들의 관심이 벌써부터 급증하고 있습니다.
하지만 이렇게 관심이 높아지고 적용 가능성이 높아짐에 따라 기계 기술자들이 CAM Assist 도움이 될 수 있다는 확신을 가질 수 있도록 하는 새로운 질문이 생겼습니다.
가공 차동
실제로 CAM Assist 작동하는 방식은 다음과 같습니다. AI CNC 기계가 부품의 모든 측면을 만들 수 있는 모든 방법과 가공 규칙 및 관련 물리학을 거의 모두 이해합니다.
새로운 부품을 만들기 위한 프로그램을 생성하기 위해 잠재적으로 적절한 방법을 처리하고 어떤 조합이 효율적인 가공 전략을 만들지 결정합니다. 이를 위해서는 수십억 개의 계산이 필요할 수 있으며, 효과적인 시간 내에 처리하려면 매우 복잡하고 독점적인 코드가 필요합니다.
하지만 사람이 동일한 부품을 만들기 위한 프로그램을 만드는 방식은 이와는 다릅니다. 숙련된 기계공은 수년간의 경험과 훈련, 직관을 바탕으로 훨씬 더 제한된 수의 방법을 고려하고 그중에서 가장 좋은 방법을 결정합니다. 숙련공의 선택은 작업장에서 어떤 도구가 더 안정적이고 사용하기에 더 만족스러운지 등 AI 고려하지 않는 요소에 의해 영향을 받을 수 있습니다.
이러한 차이는 AI 숙련된 기공사에게는 직관적이지 않은 효과적인 작업 솔루션을 제시할 수 있음을 의미합니다. 예를 들어, 프로그램이 기계공의 일반적인 작업 수준을 넘어서는 방식으로 바이스 주변의 좁은 영역으로 공구를 보내거나 사용자가 옵션으로 생각하지도 못했던 특정 공구를 사용하여 기능을 생성하는 방법을 제안할 수도 있습니다.
기계공에게 너무 비정상적인 방법을 제시하면 잘못 사용하면 고장이 날 수 있는 고가의 장비를 AI 맡길 수 없다는 문제가 생깁니다. 물론 이 모든 기술은 매우 새로운 기술이기 때문에 알고리즘이 이 작업을 수행하는 데 도움이 될 수 있다는 신뢰가 수개월에 걸쳐 형성되지 않았습니다.
결국 CAM 프로그래머는 CNC 가공 프로세스에 대해 알고 있는 내용을 바탕으로 자신에게 맞는 프로그램을 원하지만, 컴퓨터는 작업을 완료할 수 있다고 믿는 한 공구 경로가 어떻게 생겼는지는 신경 쓰지 않습니다.
그렇다면 이 문제를 어떻게 해결할 수 있을까요? 바로 블랙박스를 열어 면밀히 조사함으로써 신뢰를 구축하는 것입니다.
AI 설명하기
CAM Assist 잠재적인 전략을 제시하면 공구 경로가 완전히 표시되므로 기공사는 제안된 전략의 모든 측면을 볼 수 있을 뿐만 아니라 완전히 편집할 수도 있습니다. 따라서 모양이 마음에 들지 않거나 이해가 되지 않는 부분이 있으면 변경할 수 있습니다.
이는 전략을 실행에 옮기기 위한 신뢰를 구축하기 위한 훌륭한 첫 단계이지만, 작업자 입장에서는 그것만으로는 충분하지 않습니다. 그들은 도구 경로의 모든 측면을 확인하여 자신이 동의하는지 확인하고 싶어하지 않으며, 실제로 그렇게 하는 것은 시간을 절약하고 작업을 더 효율적으로 만드는 CAM Assist 목적에 어긋납니다.
따라서 우리가 만든 전략이 프로그래머가 작업을 다시 확인할 필요가 없을 정도로 충분히 의미가 있는지 확인해야 하며, 이를 위해 피해야 할 기하학적 접근 방식을 지정하는 기능도 도입했습니다. 즉, 사용자가 특정 종류의 도구 경로와 전략이 창의적인 관점에서 완벽하게 유효하더라도 이를 피하고 싶다면 이제 AI 이를 피할 수 있습니다.
즉, CAM 프로그래머에게 직관적이지 않은 결과가 줄어들어 제조업체와 고객이 요구하는 엄격한 사양에 따라 3+2축 구성 요소를 제작할 수 있는 실현 가능하고 정확하며 정밀한 공구 경로를 생성할 수 있다는 신뢰를 구축할 수 있습니다. 다음 업데이트에서는 더 엉뚱하고 직관적이지 않은 접근 방식을 자동으로 필터링하여 사용자가 "저라면 그렇게 하지 않을 것"이라고 말할 필요성을 더 줄일 것입니다.
신뢰를 얻기 위한 다음 단계는 이러한 사용자 선호도와 사양을 고려하여 효과적인 공구 경로 전략을 제안할 뿐만 아니라 기공사의 기존 공구 라이브러리, 선호도 및 공장 조건에 맞는 효율적인 피드와 속도를 제공할 수 있는 차세대 CAM Assist 개발하는 것입니다.
궁극적으로 CloudNC의 목표는 우리 기술이 무정전 제조를 위한 솔루션을 제공할 수 있다는 신뢰를 받는 지점에 도달하는 것입니다. 하지만 최종 목표에 도달하기 위해서는 현재 그 공정에 종사하는 사람들의 신뢰를 얻어야 하며, 이를 위해 노력하고 있습니다.
현재 베타 테스터를 모집하고 있으며, 베타 테스터를 통해 커팅 파라미터와 AI 피드 및 속도에 대한 작업을 체험하고 피드백을 보내주시기 바랍니다. 참여를 원하시면 camassist@cloudnc.com 으로 이메일을 보내주시면 팀에서 연락드리겠습니다!
