W CloudNC osiągnęliśmy właśnie znaczący kamień milowy: nasze rozwiązanie CAM , które przyspiesza i automatyzuje tworzenie strategii CNC za pomocą AI, może teraz pomagać operatorom maszyn w produkcji komponentów dla maszyn CNC 3+2-osiowych.

Podczas gdy tworzenie strategii do obróbki komponentów 3-osiowych było już wystarczająco trudne, zrobienie tego samego dla części 3+2-osiowych jest o wiele rzędów wielkości trudniejsze, biorąc pod uwagę, że istnieje wiele nowych, różnych kierunków podejścia do wykonania każdej cechy tych części. Jest to kombinatorycznie wybuchowe (tj. potencjalna liczba rozwiązań jest wykładnicza!), co jeszcze bardziej utrudnia uzyskanie dokładności naszych algorytmów i precyzyjnych wyników.  

Rozwiązanie tej zagadki ma realny wpływ. Postęp ten oznacza, że nasza technologia może być teraz po raz pierwszy zastosowana w większości światowych prac obróbczych – szacujemy, że CAM obejmuje obecnie około dwóch trzecich globalnej działalności obróbczej.

Ponadto nasi użytkownicy informują nas, że ponieważ programowanie 3+2 osi jest znacznie bardziej złożone, CAM będzie jeszcze skuteczniejszy w wyszukiwaniu możliwości zwiększenia wydajności w tym zakresie. W rezultacie obserwujemy już wzrost zainteresowania ze strony operatorów maszyn, którzy chcą sprawdzić, czy spełnia on oczekiwania w momencie wkraczania na ten nowy obszar.

Jednak wraz z rosnącym zainteresowaniem i zwiększonymi możliwościami zastosowania pojawia się nowe pytanie, na które musimy odpowiedzieć: jak przekonać operatorów maszyn, że CAM może im pomóc?

Obróbka mechanizmu różnicowego

W praktyce CAM działa w następujący sposób: nasza AI (prawie) wszystkie sposoby, w jakie maszyna CNC może wykonać wszystkie elementy komponentu, a także zasady ich obróbki i związane z tym zjawiska fizyczne.

Aby wygenerować program do wykonania nowego komponentu, przetwarza on potencjalne odpowiednie metody i decyduje, która kombinacja stworzy efektywną strategię obróbki. Może to wymagać miliardów obliczeń, co wymaga niezwykle złożonego, zastrzeżonego kodu do przetworzenia w efektywnych ramach czasowych.

Nie jest to jednak sposób, w jaki człowiek stworzyłby program do wykonania tego samego komponentu. Wykwalifikowany mechanik rozważyłby znacznie bardziej ograniczoną liczbę metod opartych na jego wieloletnim doświadczeniu, szkoleniu i intuicji, a następnie zdecydowałby się na najlepszą z nich. Na jego wybór mogą mieć wpływ czynniki, których AI nie wzięłaby pod uwagę, takie jak to, które narzędzia w warsztacie są bardziej niezawodne lub nawet bardziej satysfakcjonujące w użyciu.

Ta rozbieżność oznacza, że AI może zaproponować skuteczne rozwiązania robocze, które nie są naturalnie intuicyjne dla wykwalifikowanego operatora. Na przykład, być może program zaproponował wysłanie narzędzia do ciasnych obszarów wokół imadła w sposób wykraczający poza zwykły poziom komfortu operatora lub wygenerował sposób tworzenia funkcji za pomocą określonego narzędzia, o którym użytkownik nawet by nie pomyślał.

Stwarza to problem: przedstaw mechanikowi cokolwiek zbyt niekonwencjonalnego, a nie powierzy on AI encji swojego bardzo drogiego sprzętu, który zepsuje się, jeśli zostanie niewłaściwie użyty. Oczywiście cała ta technologia jest niezwykle nowa - więc nie ma wbudowanego zaufania, które powstało przez wiele miesięcy, że algorytm może pomóc w wykonaniu tej pracy.

Ostatecznie CAM chcą programów, które mają dla nich sens, opartych na ich wiedzy na temat procesu obróbki CNC – ale komputer nie dba o to, jak wygląda ścieżka narzędzia, o ile uważa, że zadanie zostanie wykonane.

Jak więc zamknąć ten krąg? Tworzymy zaufanie - otwierając czarną skrzynkę na kontrolę.

Wyjaśnienie AI

Kiedy CAM przedstawia potencjalną strategię, ścieżki narzędzi są nie tylko całkowicie widoczne – tzn. operator maszyny może zobaczyć każdy aspekt proponowanego rozwiązania – ale także w pełni edytowalne. Jeśli więc coś im się nie podoba lub nie rozumieją, mogą to zmienić.

To świetny pierwszy krok do zbudowania zaufania niezbędnego do wdrożenia strategii... ale dla człowieka uczestniczącego w procesie niekoniecznie jest to wystarczające. Nie chcą oni weryfikować każdego aspektu ścieżki narzędzia, aby sprawdzić, czy się z nią zgadzają — w rzeczywistości takie postępowanie jest sprzeczne z celem CAM , którym jest oszczędność czasu i zwiększenie wydajności operacji.

Musimy więc upewnić się, że strategie, które tworzymy, mają wystarczający sens dla programistów, aby nie musieli dwukrotnie sprawdzać pracy, i aby to zapewnić, wprowadziliśmy również możliwość określania podejść geometrycznych, których należy unikać. Oznacza to, że jeśli użytkownik woli unikać pewnych rodzajów ścieżek narzędzi i strategii, nawet jeśli są one całkowicie poprawne z kreatywnego punktu widzenia, AI encja będzie ich teraz unikać.

Oznacza to, że otrzymamy mniej wyników, które nie są intuicyjne dla CAM — pomagając budować zaufanie, że nasze rozwiązania naprawdę mogą generować wykonalne, dokładne i precyzyjne ścieżki narzędzi, które mogą budować komponenty 3+2-osiowe zgodnie z rygorystycznymi specyfikacjami wymaganymi przez producentów i klientów. W naszej następnej aktualizacji zaczniemy automatycznie odfiltrowywać bardziej dziwaczne, nieintuicyjne podejścia, zmniejszając potrzebę użytkowników do mówienia „nie zrobiłbym tego w ten sposób”.

Kolejny krok w zdobywaniu zaufania: uwzględnienie preferencji i specyfikacji użytkowników w kolejnej generacji CAM , gdzie nasze rozwiązanie nie tylko proponuje skuteczną strategię ścieżki narzędzia, ale jest również w stanie zapewnić wydajne posuwy i prędkości, które współpracują z istniejącą biblioteką narzędzi, preferencjami i warunkami fabrycznymi operatora maszyny.  

Ostatecznie naszym celem w CloudNC jest dotarcie do punktu, w którym nasza technologia jest zaufana, aby zapewnić rozwiązanie do produkcji bez świateł. Jednak aby osiągnąć ten cel, nasza technologia musi zdobyć zaufanie ludzi w tym procesie - i właśnie to staramy się osiągnąć.

Obecnie poszukujemy beta testerów do wypróbowania i wyrażenia opinii na temat naszej pracy nad parametrami cięcia oraz posuwami i prędkościami AIencją - jeśli chcesz wziąć udział, napisz na adres camassist@cloudnc.com, a zespół skontaktuje się z Tobą!