Na CloudNC, acabámos de atingir um marco significativo: a nossa solução CAM , que acelera e automatiza a criação de estratégias CNC com AI, agora pode ajudar os operadores de máquinas a fabricar componentes para máquinas CNC de 3+2 eixos.

Se a criação de estratégias para maquinar componentes de 3 eixos já era suficientemente difícil, fazer o mesmo para peças de 3+2 eixos é muitas ordens de grandeza mais difícil, uma vez que existem efetivamente várias direcções de abordagem novas e diferentes para fazer cada caraterística dessas peças. É combinatoriamente explosivo (ou seja, a quantidade potencial de soluções é exponencial!), o que torna ainda mais difícil conseguir que os nossos algoritmos sejam exactos e os resultados precisos.  

Resolver esse quebra-cabeças tem um impacto real. Esse avanço significa que a nossa tecnologia agora pode ser aplicada à maior parte do trabalho de usinagem do mundo pela primeira vez — estimamos que CAM agora cubra cerca de dois terços da atividade global de usinagem.

Além disso, os nossos utilizadores dizem-nos que, como a programação de 3+2 eixos é muito mais complexa, CAM será ainda mais eficaz na identificação de oportunidades de eficiência dentro dela. Como resultado, já estamos a observar um aumento no interesse dos operadores de máquinas, ansiosos por ver se ele atende às expectativas à medida que entramos nesta nova fronteira.

Mas com esse interesse adicional e o aumento do potencial de aplicação, surge uma nova questão a ser respondida: como garantir que os operadores de máquinas se convençam de que CAM pode ajudá-los?

Diferencial de maquinagem

Na prática, CAM funciona assim: a nossa AI (quase) todas as formas como uma máquina CNC pode fabricar todos os aspetos de um componente, bem como as regras de usinagem e a física envolvida.

Para gerar o programa de fabrico de um novo componente, processa os potenciais métodos adequados e decide qual a combinação que criaria uma estratégia de maquinação eficiente. Isto pode exigir milhares de milhões de cálculos, o que requer um código proprietário extremamente complexo para ser processado num período de tempo eficaz.

No entanto, não é assim que um ser humano criaria um programa para fazer o mesmo componente. Um maquinista experiente consideraria um número muito mais limitado de métodos, com base nos seus anos de experiência, formação e intuição, e decidiria qual o melhor de entre eles. A sua escolha pode muito bem ser influenciada por factores que a AI não teria em conta: por exemplo, quais as ferramentas na oficina que são mais fiáveis, ou mesmo mais satisfatórias de utilizar.

Essa divergência significa que a AI pode apresentar soluções de trabalho eficazes que não são naturalmente intuitivas para um maquinista experiente. Por exemplo, talvez o programa tenha proposto enviar a ferramenta para áreas apertadas à volta do torno de uma forma que ultrapassa o nível de conforto normal do maquinista, ou gerar uma forma de criar uma caraterística com uma ferramenta específica que o utilizador nem sequer teria pensado como opção.

Isto cria um problema: se apresentarmos a um maquinista algo demasiado pouco ortodoxo, ele não confiará à AI o seu equipamento muito dispendioso que se avaria se for mal utilizado. E, como é óbvio, toda esta tecnologia é extremamente nova, pelo que não existe uma confiança intrínseca, criada ao longo de muitos meses, de que um algoritmo pode ajudar a fazer este trabalho.

No final das contas, CAM querem programas que façam sentido para eles, com base no que sabem sobre o processo de usinagem CNC — mas o computador não se importa com a aparência do percurso da ferramenta, desde que acredite que ele realiza o trabalho.

Então, como é que se fecha este círculo? Criamos confiança - abrindo a caixa negra ao escrutínio.

Explicar a AI

Quando CAM apresenta uma estratégia potencial, os percursos de ferramenta não só são completamente visíveis — ou seja, o operador pode ver todos os aspetos do que está a ser proposto —, como também são totalmente editáveis. Assim, se houver algo que não lhe agrade ou que não compreenda, pode alterá-lo.

Esse é um ótimo primeiro passo para construir a confiança necessária para colocar a estratégia em ação... mas, para o ser humano envolvido no processo, isso não é necessariamente suficiente. Ele não quer ter que verificar todos os aspetos do percurso da ferramenta para confirmar se concorda com ele — na verdade, fazer isso vai contra o objetivo do CAM , que é economizar tempo e tornar as operações mais eficientes.

Por isso, temos de nos certificar de que as estratégias que criamos fazem sentido suficiente para os programadores para que não precisem de verificar o trabalho e, para garantir isso, também introduzimos a capacidade de especificar abordagens geométricas a evitar. Isto significa que, se o utilizador preferir evitar determinados tipos de percursos de ferramentas e estratégias, mesmo que sejam perfeitamente válidos do ponto de vista criativo, a AI irá evitá-los.

Isso significa que obteremos menos resultados que não são intuitivos para um CAM , ajudando a construir a confiança de que as nossas soluções realmente podem gerar percursos de ferramentas viáveis, precisos e exatos, capazes de construir componentes de 3+2 eixos de acordo com as especificações rigorosas exigidas pelos fabricantes e clientes. E na nossa próxima atualização, começaremos a filtrar automaticamente as abordagens mais excêntricas e não intuitivas, reduzindo ainda mais a necessidade dos utilizadores dizerem «Eu não faria assim».

O próximo passo para ganhar confiança: levar em consideração essas preferências e especificações do utilizador na próxima geração do CAM , onde a nossa solução não apenas propõe uma estratégia eficaz de trajetória da ferramenta, mas também é capaz de fornecer avanços e velocidades eficientes que funcionam com a biblioteca de ferramentas existente do operador, suas preferências e as condições da fábrica.  

Em última análise, o nosso objetivo na CloudNC é chegar a um ponto em que se confie na nossa tecnologia para fornecer a solução para um fabrico sem luzes. No entanto, para alcançar esse objetivo, a nossa tecnologia precisa de ganhar a confiança dos humanos que fazem parte desse processo atualmente - e é isso que estamos a tentar alcançar.

Estamos atualmente à procura de testadores beta para experimentar e dar feedback sobre o nosso trabalho em parâmetros de corte e avanços e velocidades AI- se quiser participar, envie um e-mail para camassist@cloudnc.com e a equipa entrará em contacto!