在 CloudNC，我们刚刚取得了一个实质性的里程碑：我们的CAM Assist 解决方案利用AI加速并自动创建数控策略，现在可以帮助机械师为 3+2 轴数控机床制造部件。
为 3 轴零件制定加工策略已经足够具有挑战性，而为 3+2 轴零件制定同样的策略则要困难得多，因为实际上有多个新的、不同的加工方向可以用来加工这些零件的每个特征。这是一个组合爆炸性的问题（即潜在的解决方案数量是指数级的！），这使得我们更难保证算法的准确性和结果的精确性。
解决这一难题会产生真正的影响。这一进步意味着我们的技术现在可以首次应用于全球大部分的加工工作 - 我们估计CAM Assist 现在覆盖了全球约三分之二的加工活动。
此外，我们的用户还告诉我们，由于 3+2 轴编程更加复杂，CAM Assist 将更加有效地在其中寻找提高效率的机会。因此，我们已经看到机械师们对 CAM Assist 的兴趣大增，他们非常想知道，在我们进入这个新领域时， CAM Assist 是否会不负众望。
但是，随着兴趣的增加和潜在应用的增多，我们需要回答一个新问题：如何确保机械师相信CAM Assist 可以帮助他们？
加工差速器
实际上，CAM Assist 的工作原理是这样的：我们的AI 了解（几乎）数控机床可以制造部件各个方面的每一种方式，以及加工规则和相关的物理知识。
为了生成制造一个新部件的程序，它需要处理潜在的适当方法，并决定哪种组合会产生高效的加工策略。这可能需要数十亿次计算，需要一些极其复杂的专有代码才能在有效时间内完成。
然而，人类并不是这样创建程序来制造同样的零件。熟练的机械师会根据自己多年的经验、训练和直觉，考虑数量有限得多的方法，然后决定其中最好的方法。他们的选择很可能会受到AI 不会考虑的因素的影响：比如车间里哪些工具更可靠，甚至使用起来更令人满意。
这种差异意味着AI 可能会提出一些有效的工作方案，而这些方案对于熟练的机械师来说并不自然直观。例如，程序可能会建议将刀具送入副手周围的狭小区域，而这种方式超出了机械师的常规舒适水平，或者生成一种使用特定刀具创建特征的方法，而这种方法是用户根本不会想到的。
这就产生了一个问题：向机械师提出任何太离经叛道的问题，他们都不会信任AI ，因为他们的设备非常昂贵，一旦使用不当就会损坏。当然，所有这些技术都是非常新的--因此，经过几个月的时间，人们并没有建立起内在的信任，认为算法可以帮助完成这项工作。
归根结底，CAM 程序员希望程序对他们来说是有意义的，基于他们对数控加工过程的了解，但计算机并不关心刀具路径是什么样子，只要它认为能完成工作就可以了。
那么，我们该如何摆平这个怪圈呢？我们要创造信任--打开黑箱，接受监督。
解释AI
当CAM Assist 提出一个潜在策略时，刀具路径不仅是完全可见的，即机械师可以看到所建议的各个方面，而且是完全可编辑的。因此，如果有不喜欢或不理解的地方，他们可以修改。
这是建立信任、将策略付诸实施的第一步......但对于环路中的人来说，这并不一定足够。事实上，这样做违背了CAM Assist的初衷，即节省时间并提高操作效率。
因此，我们需要确保我们创建的策略对程序员来说足够合理，以至于他们不需要反复检查工作，为了确保这一点，我们还引入了指定要避免的几何方法的功能。这意味着，如果用户倾向于避免使用某些类型的工具路径和策略，即使从创意角度来看它们是完全正确的，AI 现在也会避免使用这些工具路径和策略。
这意味着我们将获得更少的对CAM 编程人员来说不直观的结果--有助于建立信任，相信我们的解决方案确实能够生成可行、准确、精确的刀具路径，按照制造商和客户要求的严格规格制造 3+2 轴组件。在下一次更新中，我们将开始自动过滤掉更古怪、不直观的方法，进一步减少用户说 "我不会这样做 "的需求。
赢得信任的下一步是：将用户的偏好和规格纳入下一代CAM Assist系统，我们的解决方案不仅能提出有效的刀具路径策略，还能提供高效的进给和速度，与机械师现有的刀具库、偏好和工厂条件配合使用。
CloudNC 的最终目标是，让我们的技术为熄灯制造提供可靠的解决方案。然而，要实现这一最终目标，我们的技术需要赢得当前流程中人类的信任，而这正是我们正在努力实现的目标。
我们目前正在寻找测试人员，以试用我们在切割参数和AI的进料和速度方面的工作并提供反馈--如果您愿意参与，请发送电子邮件至camassist@cloudnc.com，我们的团队将与您联系！
