Detectarea entităților pentru aplicațiile software de proiectare asistată de calculator (CAD) și de fabricație asistată de calculator (CAM) este o capacitate automată utilizată pentru a identifica caracteristicile de fabricație - cum ar fi găuri, buzunare, fante și filete - în cadrul modelelor CAD.
Detectarea entităților bazată pe inteligența artificială (AI) valorifică puterea inteligenței artificiale (AI) și a învățării automate (ML –„machine learning”) pentru a identifica și sorta automat diferitele forme și caracteristici din proiectele CAD.
Această capacitate automată simplifică procesul de partajare a datelor CAD vitale cu software-ul CAM necesar pentru a genera rapid tehnologii de fabricație și fișiere nc optime.
În timp ce Cimatron oferă deja o compatibilitate perfectă între sistemele CAD și CAM, utilizarea detectării entităților pe bază de inteligență artificială, disponibilă cu Cimatron CAD-AI, facilitează mai mult ca oricând automatizarea de către programatori a generării programelor NC optimizate la un click distanță.
Cimatron E25-E26 oferă primul instrument de detectare a entităților pe bază de inteligență artificială pentru plăcile de matriță (figura 1). În versiunile următoare utilizatorul va fi capabil să învețe modulul de AI să lucreze cu piese specifice și modul său de lucru, utilizând programele deja făcute și validate.
- FIGURA 1. Tipuri piese utilizate în CAD-AI – primul nivel.
Cum funcţionează Cimatron CAD-AI?
Pentru a ne asigura că CIMATRON CAD-AI va genera în mod fiabil rezultate dorite, l-am expus la o mare varietate de forme, dimensiuni și orientări. Folosind ML, datele despre caracteristici extrase din aceste piese au fost utilizate pentru a învăța software-ul să identifice caracteristicile cele mai importante pentru producătorii din domeniul matrițeriei și nu numai. Un set de date cuprinzător trebuie să includă această varietate pentru a se asigura că inteligența artificială poate gestiona scenariile din lumea reală. Pentru a detecta cu acuratețe caracte-risticile geometrice, CAD-AI a fost antrenat și testat pe mai mult de 100.000 de piese.
Utilizarea atât a pieselor create artificial, cât și a celor create manual este esențială pentru dezvoltarea și instruirea sistemelor AI de detectare a entităților geometrice. Datele generate artificial sunt utilizate pentru a genera milioane de variații de cilindri, sfere și alte forme de bază, cu variații controlate în ceea ce privește dimensiunea, orientarea și proprietățile suprafeței. Modelele de date create manual surprind nuanțele și imperfecțiunile geome-triei din lumea reală.
Abordarea optimă este de a combina atât datele artificiale, cât și cele create manual. Datele artificiale pot furniza cea mai mare parte a datelor de formare, în timp ce datele create manual pot oferi realismul și precizia necesare. Această abordare combinată ajută la crearea unor modele AI robuste care pot detecta cu precizie caracteristicile geometrice într-o gamă largă de aplicații.
Încrederea în detectarea entităţilor bazate pe inteligenţa artificială
Termenul „nivel de încredere” în contextul detectării entităților bazate pe inteligența artificială pentru sistemele CAD se referă la evaluarea de către inteligența artificială a probabilității ca identificarea unei anumite entități geometrice să fie precisă, ceea ce este esențial pentru automatizarea și îmbunătățirea fluxurilor de lucru de proiectare și producție.
Detectarea fiabilă a entităților geometrice bazată pe inteligența artificială utilizată pentru a analiza modele 3D și pentru a identifica automat caracte-ristici precum găuri, filete, canale, buzunare și alte forme geometrice poate crește semnificativ eficiența sarcinilor zilnice, cum ar fi validarea proiectării, programarea CNC și controlul calității.
Cu toate acestea, algoritmii AI - în special cei care utilizează tehnologia ML - nu oferă o certitudine absolută. În schimb, ei generează un scor de probabilitate care indică gradul de încredere al AI că o caracteristică detectată este identificată corect.
Factori care influenţează încrederea
Complexitatea modelului: Modelele 3D complexe cu geometrii complicate, trăsături care se suprapun sau forme ambigue pot reduce gradul de încredere, deoarece reprezintă o provocare pentru acuratețea predicției.
Calitatea datelor: În timp ce variațiile în ceea ce privește formatele fișierelor CAD și stilurile de mode-lare pot afecta performanța și, prin urmare, nivelul de încredere, acuratețea și exhaustivitatea datelor de formare utilizate pentru dezvoltarea modelului AI reprezintă, de asemenea, un factor de influență.
Deoarece mai mulți factori pot influența încrederea, este important să se valideze sistemele de detectare a geometriei bazate pe AI pentru a se asigura acuratețea și fiabilitatea acestora, ceea ce presupune compararea rezultatelor AI cu evaluările experților umani și cu măsurătorile fizice.
Beneficiile AI/ML în fiecare etapă a producţiei
Validarea proiectării
Tehnologia AI poate fi utilizată pentru a analiza caracteristicile geometrice și pentru a identifica potențialele defecte de proiectare sau provocări de fabricație înainte de prototipare sau producție - când efectuarea de modificări este mult mai puțin costisitoare.
Utilizarea nivelurilor de încredere ale tehnologiei AI pentru orientare ajută inginerii să rezolve problemele de proiectare potențial costisitoare și să prioritizeze zonele care necesită o revizuire suplimentară.
Generarea automată a tehnologiei de fabricație
Încrederea ridicată în detectarea caracteristicilor ajută la generarea automată a procedurilor de lucru pentru diferite faze de prelucrare a entităților identificate. Astfel sunt generate rapid programe optime NC de fabricație.
Puteți utiliza combinația CAD-AI cu Smart NC Templates de la Cimatron pentru o eficiență și mai mare. Modificați șabloanele NC existente pentru a lucra cu culorile atribuite de CAD-AI pentru a automatiza generarea traseului sculei pe baza proceselor dumneavoastră.
Această utilizare combinată a automatizării și a tehnologiei AI reduce și mai mult timpul necesar pentru programarea manuală, reduce erorile și îmbunătățește eficiența pentru prelucrarea de la 2 ½ axe la 5 axe.
Într-o versiune viitoare, utilizatorii CAD-AI vor dobândi capacitatea de a utiliza ML pentru a învăța sistemul cum să recunoască anumite caracteristici ale pieselor. Această capacitate de a personaliza capacitățile de detectare a caracteristicilor CAD-AI va garanta că un atelier poate utiliza automat datele din lucrările anterioare și poate aplica automat cele mai bune practici.
Controlul calităţii
Sistemele automatizate de inspecție pot utiliza inteligența artificială pentru a compara piesele fabricate cu modelele CAD și pentru a genera niveluri de încredere care indică fiabilitatea abaterilor detectate.
- FIGURA 2. Detectarea entităților cu CAD-AI.
Detectarea entitaţilor în Cimatron utilizând inteligenţa artificială
1.Deschideți piesa pe care doriți să executați detectarea caracteristicilor.
2.Deschideți instrumentul de detectare a caracteristicilor.
3.Reglați Confidence Level (Nivel de încredere) după preferințele dvs. De exemplu, setarea acestuia la 75% înseamnă că elementele detectate cu un nivel de încredere de 75% sau mai mare vor fi categorizate, în timp ce cele cu un nivel de încredere mai scăzut vor rămâne necategorizate.
4.Faceți clic pe butonul Run Feature Detection pentru a începe analiza. (figura 2)
O privire mai atentă asupra rezultatelor
Dacă doriți să vedeți rezultatele analizei statistice a unei anumite fețe, selectați fața respectivă și faceți clic pe butonul Date privind atribuirea feței. Acest lucru vă permite să vizualizați rezultatele analitice complete ale diferitelor tipuri de fețe luate în considerare și nivelul de încredere pentru fiecare tip.(figura 3)
- FIGURA 3. Analiza entităților identificate.
Utilizarea entităţilor detectate în operaţiile NC
Entitățile detectate pot fi introduse în șabloanele NC pentru a automatiza generarea traseelor de scule.
De exemplu, puteți executa o operație generală de degroșare pe o piesă și apoi să utilizați operații de semifinisare și finisare pe buzunare de diferite tipuri care au fost detectate în timpul analizei.
Rețineți că va trebui să utilizați culorile fețelor drept criteriu (mai degrabă decât seturile), deoarece fiecare tip are multe seturi și toate au aceeași culoare.
