Что такое обработка на станках с ЧПУ с использованием искусственного интеллекта?
БЫСТРЫЙ ОТВЕТ
Обработка на станках с ЧПУ с использованием искусственного интеллекта и машинного обучения позволяет станку с ЧПУ самооптимизироваться. Датчики передают данные в режиме реального времени о вибрации, нагрузке на шпиндель, температуре и износе инструмента в алгоритмы, которые корректируют подачу, скорость и траекторию движения инструмента в реальном времени, прогнозируют отказы до их возникновения и проверяют детали с помощью компьютерного зрения.
Традиционном CNC-обработка Это детерминированный процесс. G-код диктует каждое движение, и станок следует ему. Обработка на станках с ЧПУ с использованием искусственного интеллекта добавляет слой обратной связи. Датчики непрерывно измеряют происходящее на режущей кромке, модели машинного обучения сравнивают показания с историческими данными, а система управления вносит микрокоррекции для поддержания оптимального режима резки. Это объединяет три категории технологий, которые раньше были разделены: управление процессом в реальном времени, автоматизированное производство и контроль качества. В результате получается станок, который ведет себя не столько как робот, сколько как опытный токарь, который никогда не устает, никогда не теряет концентрацию и учится на каждом этапе работы.
Технология достаточно зрелая, чтобы перестать быть чем-то новым для промышленных цехов с ЧПУ. Искусственный интеллект используется в CAM-программах, таких как Autodesk Fusion 360 и Mastercam, в контроллерах от Siemens, Fanuc и крупных азиатских производителей, а также в автономных платформах автоматизации, предназначенных для составления смет и программирования рабочих процессов. Для большинства цехов вопрос заключается не в том, стоит ли рассматривать ИИ, а в том, где его применить в первую очередь.
Как работает ИИ в станках с ЧПУ: 5-шаговый цикл обработки данных
Обработка на станках с ЧПУ с использованием искусственного интеллекта осуществляется по замкнутому циклу, который повторяется тысячи раз в секунду во время резки:
1. Сбор данных с датчиков. Датчики вибрации, мониторы тока шпинделя, зонды акустической эмиссии, тепловизоры и оптические камеры высокого разрешения передают необработанные данные с оборудования на периферийный процессор.
2. Распознавание образов. Модели машинного обучения сравнивают сигналы в реальном времени с образцом из предыдущих циклов. Увеличение тока шпинделя и всплески вибрации могут указывать на затупление концевой фрезы; специфические частотные характеристики указывают на вибрацию.
3. Принятие решений. Слой искусственного интеллекта преобразует распознавание образов в действия. Он может замедлить скорость подачи на 18 процентов, чтобы уменьшить усилие, увеличить скорость вращения шпинделя, чтобы измельчить стружку, или приостановить программу для проверки инструмента.
4. Выполнение. Контроллер ЧПУ применяет новые параметры в течение миллисекунд, часто через стандартные каналы управления станком, которые уже существуют в промышленных контроллерах.
5. Обучение. Каждый разрез, каждая корректировка и каждый результат обработки детали возвращаются в модель. За тысячи выполненных заданий система улучшает свои навыки прогнозирования дальнейших действий.
Именно этот цикл отличает обработку с использованием ИИ от традиционной автоматизации. Стандарт Станок с ЧПУ Система, использующая искусственный интеллект, выполняет заданную программу. Система, работающая на основе ИИ, выполняет программу, наблюдает за ней, корректирует её и обучается. Разница наиболее заметна на сложных материалах, таких как титан, закалённая инструментальная сталь и экзотические сплавы, где небольшие изменения твёрдости заготовки или потока охлаждающей жидкости могут испортить деталь или сломать инструмент при статических значениях подачи и скорости.
Традиционные станки с ЧПУ против станков с ЧПУ с искусственным интеллектом: сравнительное исследование.
Переход от традиционной обработки на станках с ЧПУ с использованием ИИ редко бывает принципом «всё или ничего». Большинство предприятий внедряют ИИ поэтапно. В таблице ниже показано, в чём заключаются различия между двумя подходами на разных этапах процесса обработки.
| фактор | Традиционная обработка с ЧПУ | Обработка на станках с ЧПУ с использованием искусственного интеллекта |
|---|---|---|
| Генерация траектории | Ручная CAM-система, требующая значительных затрат времени на программирование. | Автоматизированная оптимизация с помощью машинного обучения на основе геометрии и материала заготовки. |
| Регулирование скорости подачи | Исправлено программой с самого начала и до конца. | Адаптивный, подстраивается под нагрузку на шпиндель в режиме реального времени. |
| Обнаружение износа инструмента | Проверка оператором между циклами | Непрерывный мониторинг с помощью измерения тока и вибрации шпинделя. |
| Контроль качества | Постпроцессный контроль с помощью КИМ или визуальный контроль | В процессе производства используются компьютерное зрение и статистический контроль технологических процессов. |
| Подход к техническому обслуживанию | Запланированные интервалы или реактивные после отказа | Прогнозирование на основе распознавания образов датчиками. |
| Время программирования | Часы на одну сложную деталь | Сокращение в среднем на 30-40 процентов по всему рабочему процессу. |
| Требования к квалификации оператора | Обширные знания в области ручного программирования. | Сдвиг в сторону контроля, настройки и обработки исключений. |
| Наиболее подходящий | Ручной рабочий процесс с большим разнообразием и малым объемом продукции. | Серийное производство, сложная геометрия, автоматизированные производственные ячейки. |
Большинство цехов начинают с адаптивного управления скоростью подачи на существующих станках и добавляют Программное обеспечение CAD / CAM Такие функции, как автоматическое распознавание характеристик, важны до того, как будут внедрены полностью замкнутые системы контроля качества. Поэтапный подход имеет значение, поскольку чем старше машина, тем сложнее модернизировать ее с помощью датчиков. Средний и новый промышленный сегмент. CNC-маршрутизаторы и лазерные резаки Часто они поставляются с пакетами датчиков, сетевым подключением и запасом мощности процессора, необходимыми для поддержки программного обеспечения искусственного интеллекта, поэтому вопрос возраста парка техники стал стратегическим для владельцев мастерских, планирующих следующие 5 лет.
Оптимизация траектории инструмента с помощью ИИ: адаптивная подача, скорость и G-код
Оптимизация траектории инструмента — наиболее зрелый пример использования ИИ в станках с ЧПУ, и именно с ним чаще всего сталкиваются операторы. Технология началась с адаптивной очистки и трохоидальных траекторий фрезерования в CAM-пакетах, где алгоритмы поддерживают постоянный угол зацепления инструмента, а не заставляют фрезу заходить в углы. ИИ добавляет второй уровень обучения: вместо применения фиксированного целевого угла зацепления, программное обеспечение обучается на исторических данных обработки того же материала и комбинации станка и рекомендует наборы параметров, которые ранее обеспечивали получение чистых деталей.
На практике современные платформы автоматизированного проектирования и производства (CAM) на основе искусственного интеллекта могут:
✓ Сократите время цикла в среднем на 10–30 процентов за счет исключения ненужных операций отвода инструмента и пневматической резки.
✓ Увеличьте срок службы инструмента до 40 процентов за счет постоянной нагрузки на стружку и снижения пиковых сил резания.
✓ Создание полных последовательностей траекторий движения инструмента из CAD-модели с минимальным участием программиста.
✓ Динамическая регулировка скорости подачи в зависимости от нагрузки на шпиндель в режиме реального времени во время резки.
✓ Выбирайте стратегии резки, соответствующие геометрии детали, включая адаптивную очистку и обработку остатков.
В обсуждении на форуме Practical Machinist, посвященном программному обеспечению AI CAM, работающие токари отметили, что наиболее полезными функциями ИИ на данный момент являются автоматическое распознавание элементов, изучение пользовательских привычек для предложения дальнейших шагов и прогнозирование параметров инструментов и материалов, которые уже использовались в цехе. В том же обсуждении прозвучало справедливое предостережение: ИИ не заменяет глубокий практический опыт, и операторы, слепо доверяющие адаптивным системам, могут упустить момент, когда программное обеспечение компенсирует реальную проблему настройки.
Именно поэтому большинство рабочих процессов CAM с использованием ИИ по-прежнему проходят через программиста, который проверяет траекторию движения инструмента, утверждает её и отправляет G-код на станок. Роль смещается от ручного создания к проверке, что быстрее, но всё ещё требует высокой квалификации. В обсуждениях на CNCZone, посвящённых оптимизации траекторий движения инструмента для таких станков, как Biesse Rovers, постоянно сообщается, что автоматическое создание траектории даёт хорошие результаты для большинства задач, но выигрывает от ручного анализа при сложных вложенных схемах, где алгоритм может излишне зигзагообразно перемещаться между кластерами сверления.
Прогнозируемое техническое обслуживание и контроль качества с помощью компьютерного зрения.
Второе важное применение ИИ — это все, что происходит вокруг процесса резки: поддержание работоспособности станка и проверка получаемых деталей.
Прогнозируемое техническое обслуживание использует тот же набор датчиков, что и адаптивное управление. Спектры вибрации шпинделя, кривые тока двигателя и температурные тренды сравниваются с закономерностями, предшествовавшими прошлым отказам. Когда модель обнаруживает формирование аналогичной закономерности, она указывает на проблему за несколько дней или недель до фактического отказа оборудования. Для предприятий, сталкивающихся с повторяющимися отказами Проблемы и простои в работе фрезерных станков с ЧПУИменно здесь часто проявляется наиболее ощутимая экономия, поскольку незапланированный отказ шпинделя на промышленном станке может обойтись в 5,000–25,000 долларов США на ремонт плюс потерянное время производства. Подшипники, шариковые винты, линейные направляющие и шпиндели демонстрируют признаки, позволяющие прогнозировать катастрофические отказы.
Система контроля качества на основе компьютерного зрения направляет камеры высокого разрешения на деталь или зону резки и обрабатывает поток изображений с помощью обученных нейронных сетей. Система может обнаруживать дефекты поверхности, смещение размеров, пропущенные элементы и следы инструмента, пока деталь еще находится на станке. При обнаружении дефекта контроллер может приостановить программу, повторно обработать элемент или забраковать деталь и начать заново, прежде чем будет потрачено больше материала. Компания MoldMaking Technology разработала замкнутые рабочие процессы, в которых данные контроля с координатно-измерительных машин автоматически передаются в следующий цикл обработки, поддерживая то, что в отрасли называется контролем качества сдвига влево.
Для линий по производству корпусной мебели и автоматизированных систем обработки деталей, где детали раскладываются и обрабатываются в больших объемах, внутрипроизводственный визуальный контроль хорошо масштабируется, поскольку камеры можно стационарно установить и направить на конкретные изделия цеха. Предельные издержки на проверку одной детали приближаются к нулю после первоначальной настройки, и именно здесь проявляется экономическая эффективность ИИ.
Программное обеспечение CAM с поддержкой ИИ: современное состояние дел
Рынок программного обеспечения CAM переориентировался на искусственный интеллект быстрее, чем ожидало большинство пользователей станков с ЧПУ. Сейчас существует 3 категории.
Универсальные CAM-платформы с функциями искусственного интеллекта. Включает Autodesk Fusion 360, Mastercam, HyperMill. MAXX, Siemens NX CAM и ESPRIT. Эти инструменты интегрируют машинное обучение в конкретные операции, такие как адаптивная черновая обработка, предотвращение столкновений и распознавание элементов, сохраняя при этом традиционный рабочий процесс CAM, знакомый программистам.
Платформы автоматизации, созданные на основе искусственного интеллекта Такие платформы, как Toolpath и CloudNC, сосредоточены на автоматизации процесса от запроса коммерческого предложения до создания G-кода. Эти платформы стремятся объединить составление коммерческого предложения, проверку проекта с учетом технологичности производства и программирование CAM в единый рабочий процесс, управляемый предложениями искусственного интеллекта. Предприятия, занимающиеся изготовлением пресс-форм и штампов, лидируют в этом направлении, поскольку сложные конструкции пресс-форм наиболее выгодно выигрывают от автоматического распознавания элементов.
Встроенный ИИ в контроллеры Это новейшая категория. Siemens Sinumerik One, Fanuc iHMI и появляющиеся обновления прошивки от производителей настольных ЧПУ-систем внедряют машинное обучение непосредственно в контроллер, поэтому адаптивное управление работает даже тогда, когда программное обеспечение CAM его не поддерживает. Для предприятий, которые все еще используют Программное обеспечение контроллера ЧПУ Mach3 В случае более старых установок Weihong Ncstudio, обычно целесообразнее сначала обновить CAM-систему, а затем контроллер.
Полезной отправной точкой для оценки является Список программного обеспечения для программирования ЧПУВ нем представлен обзор инструментов CAM по возможностям и сценариям использования. Далее вопросы, касающиеся покупки, становятся более конкретными: какие материалы уже знает модель ИИ, сколько постпроцессоров предварительно протестировано, сколько стоит подписка на 5 лет и сколько переобучения потребуется программистам предприятия.
Что касается стоимости, то реальные цифры, указанные в обсуждениях цен на программное обеспечение CAM для журналов Practical Machinist и Hobby-Machinist, варьируются от 600 долларов США в год за базовые пакеты до 3,000–12,000 долларов США за рабочее место в год для основных платформ CAM с поддержкой ИИ, при этом предоставляются скидки для любителей и образовательных учреждений. Расчет рентабельности инвестиций обычно основывается на экономии времени программирования. Мастерская, выставляющая счета программисту за часы работы в размере 75 долларов США, которая компенсирует 6 часов в неделю за счет помощи ИИ, покрывает подписку стоимостью 3,000 долларов США примерно за 7 недель.
Экономическое обоснование: рентабельность инвестиций, стоимость и внедрение в цехах с ЧПУ.
Наиболее распространенный вопрос, который задают владельцы магазинов, — стоит ли внедрять искусственный интеллект именно в их магазине. Ответ зависит от объема продаж, ассортимента и возраста оборудования.
Обработка на станках с ЧПУ с использованием искусственного интеллекта обеспечивает наивысшую рентабельность инвестиций в 3 сценариях:
✓ Высокообъемное производство, где выигрыш в малом цикле производства суммируется при изготовлении тысяч деталей.
✓ Обработка сложных геометрических форм на дорогостоящих материалах, где поломка инструмента или брак обходятся дорого.
✓ Работа в режиме полного или почти полного отключения света, когда машина работает без присмотра и должна самостоятельно принимать решения.
В мелкосерийном производстве, где каждый заказ уникален, преимущества ИИ уменьшаются. Модели необходимы данные для обучения, а единичный прототип предоставляет ей мало возможностей для работы. Отчасти поэтому многие предприятия, работающие по индивидуальным заказам, сначала внедряют ИИ в свое программное обеспечение CAM, где он помогает сократить время программирования, и только позже в контроллеры, где он помогает в выполнении заказов.
Примерные сроки окупаемости, по данным поставщиков CAM-систем и предприятий по производству пресс-форм, составляют от 9 до 14 месяцев. Инвестиции включают в себя лицензии на программное обеспечение, модернизацию датчиков при необходимости, время на обучение программистов и операторов, а также текущие расходы на подписку. При этом предприятия обычно учитывают экономию времени на программировании, снижение брака, увеличение срока службы инструмента и уменьшение количества незапланированных остановок оборудования.
Часто упускаемая из виду стоимость — это адаптация рабочей силы. Программисты, которые двадцать лет вручную писали траектории обработки, иногда сопротивляются предложениям ИИ из-за профессиональной гордости или потому, что ИИ допустил ошибку в первой же задаче. Компании, которые успешно внедряют ИИ, как правило, привлекают своих лучших программистов к настройке системы, а не навязывают её им, что превращает опыт в обучающие данные, а не отбрасывает их.
STYLECNC Аппаратное обеспечение: Маршрутизаторы ATC и линии панельной мебели как платформы, готовые к внедрению искусственного интеллекта.
Аппаратная часть обработки на станках с ЧПУ, использующих искусственный интеллект, имеет большее значение, чем обычно признают разработчики программного обеспечения. Программное обеспечение ИИ не может регулировать скорость подачи, которую станок не может выполнить, не может считывать данные о вибрации без датчиков и не может работать в автоматическом режиме без автоматической смены инструмента. Станок должен быть способен реагировать на действия, которые требует ИИ.
STYLECNC Компания разрабатывает свои линейки промышленной продукции, учитывая эту многоуровневую структуру. Категория фрезерных станков с ЧПУ ATC Рассматриваются линейные и карусельные автоматические устройства смены инструмента для деревообработки, обработки алюминия и других отраслей. 3D Конфигурации фрезерования. Автоматическая смена инструмента является основой для любой логики планирования ИИ, которая должна планировать последовательность инструментов в нескольких операциях без вмешательства оператора. Без нее оптимизация ИИ ограничивается тем, что может сделать один инструмент.
интеллектуальная линия по производству панельной мебели На рисунке показано, как на практике выглядит полностью интегрированная производственная ячейка, готовая к внедрению ИИ. Линия включает в себя автоматическую загрузку, систему компоновки CAM, маршрутизацию ATC, кромкообработку и маркировку, а датчики и штрихкоды отслеживают каждую панель на протяжении всего рабочего процесса. После того, как налажены каналы передачи данных, внедрение планирования на основе ИИ или предиктивного обслуживания становится обновлением программного обеспечения, а не модернизацией оборудования.
Для предприятий, планирующих многолетнюю стратегию внедрения ИИ, практическая последовательность обычно такова: сначала оборудование, затем программное обеспечение. Приобретение станка с разъемами для датчиков, сетевым подключением и возможностью автоматической смены часовых поясов для поддержки ИИ в будущем значительно дешевле, чем модернизация старого станка уже после его приобретения. Распространенные неисправности шпинделя станков с ЧПУ Проверка охвата сенсорами потенциального оборудования перед покупкой — это тот вид тщательной проверки, который окупается, когда через 3 года прогнозируемое техническое обслуживание с использованием ИИ становится статьей бюджета.
Глоссарий: Ключевые понятия в обработке на станках с ЧПУ с использованием искусственного интеллекта
Используйте этот глоссарий в качестве краткого справочника при оценке платформ AI CAM или готового к использованию с ИИ оборудования для ЧПУ.
| Срок | Определение |
|---|---|
| Адаптивное управление | Регулировка скорости подачи, скорости вращения шпинделя и глубины резания в режиме реального времени на основе данных с датчиков во время обработки. |
| Оптимизация траектории инструмента | Алгоритмическая оптимизация движения режущего инструмента для минимизации времени цикла, износа инструмента и дефектов поверхности. |
| Предиктивное обслуживание | Прогнозирование отказов компонентов оборудования на основе распознавания образов датчиков до наступления отказа. |
| Контроль качества компьютерного зрения | Контроль качества деталей с помощью камер и нейронных сетей для обнаружения дефектов, определения размеров и качества обработки поверхности. |
| Модель машинного обучения | Алгоритм, обученный на исторических данных о механической обработке, улучшает свои прогнозы с течением времени. |
| Цифровой двойник | Виртуальная копия физической машины, используемая для моделирования, тестирования и оптимизации циклов перед их запуском на металле. |
| Граничные вычисления | Встроенный в систему процессор, который выполняет локальные вычисления с использованием ИИ, не полагаясь на облачное подключение. |
| Обработка с замкнутым контуром | Рабочий процесс, в котором результаты контроля автоматически передаются в параметры обработки. |
| Распознавание функций | Программное обеспечение CAM позволяет идентифицировать геометрические элементы в модели CAD и назначать соответствующие операции. |
| Адаптивная очистка | Стратегия черновой обработки, обеспечивающая постоянное зацепление фрезы, часто с использованием искусственного интеллекта. |
Часто задаваемые вопросы
Заменит ли ИИ операторов станков с ЧПУ и программистов CAM-систем?
Нет. Обсуждения в ветке «AI CAM: что есть на рынке» на сайте Practical Machinist и более широкое мнение в отрасли указывают на то, что ИИ скорее дополняет, чем заменяет квалифицированных операторов. Программисты CAM переходят к проверке траекторий движения инструмента, сгенерированных ИИ, и настройке системы. Токари по-прежнему занимаются оснасткой, настройкой оборудования, обработкой исключений и принятием решений, которые ИИ не может принять, основываясь только на данных датчиков. Сдвиг происходит в составе персонала, а не в численности, и предприятия, которые привлекают опытных программистов к внедрению ИИ, наблюдают наиболее плавный переход.
Какова типичная окупаемость инвестиций в программное обеспечение CAM на основе искусственного интеллекта для небольшой мастерской?
В обсуждениях на форумах Hobby-Machinist и Practical Machinist, посвященных ценам на программное обеспечение CAM, указано, что реальная стоимость подписки составляет от 600 долларов США в год за базовые пакеты и от 3,000 до 12,000 долларов США за рабочее место в год для платформ с поддержкой ИИ. Как правило, предприятия окупают затраты в течение 8-14 месяцев за счет сокращения времени программирования, снижения брака и увеличения срока службы инструмента. Наиболее выгодные расчеты для предприятий, работающих с большими объемами производства или сложной геометрией, где даже небольшие выгоды от каждой детали суммируются.
Может ли адаптивная скорость подачи, управляемая искусственным интеллектом, повредить мой станок с ЧПУ?
В ветке обсуждения адаптивной скорости подачи на сайте Practical Machinist эта проблема рассматривается напрямую. Адаптивное управление считывает нагрузку на шпиндель, вибрацию и ток и регулирует подачу в пределах заданных ограничений. При правильной настройке оно защищает станок, снижая усилие при жестких условиях эксплуатации. Риск заключается в использовании ИИ для маскировки реальной проблемы, такой как затупившийся инструмент или неисправная оснастка. Опытные операторы подчеркивают важность проверки работоспособности системы, а не слепого доверия к ней.
Каким образом искусственный интеллект улучшает оптимизацию траектории движения инструмента по сравнению с традиционными системами CAM?
В темах, посвященных оптимизации траектории инструмента в CNCZone, и в документации поставщиков CAM-систем описываются несколько улучшений: устранение ненужных втягиваний инструмента и зигзагообразных движений, выбор стратегий резки, соответствующих геометрии детали, поддержание постоянного зацепления во время черновой обработки и выбор порядка инструментов для минимизации их смены. Сообщается о таких улучшениях, как сокращение времени цикла на 10–30% и увеличение срока службы инструмента на 40% в среднем, при этом наибольший прирост достигается при обработке сложных деталей. 3D детали и вложенные производственные циклы.
Какие датчики мне понадобятся для интеграции искусственного интеллекта в существующий станок с ЧПУ?
Авторы статей в журнале Practical Machinist и поставщики CAM-систем сходятся во мнении, что минимальный набор датчиков включает в себя мониторинг тока шпинделя, вибрационные акселерометры на корпусе шпинделя и температурные датчики на главном двигателе и подшипниках. Для контроля качества с помощью компьютерного зрения можно добавить камеру высокого разрешения, установленную в рабочей зоне. Многие новые станки поставляются с уже установленными такими датчиками. Более старые станки обычно допускают модернизацию, хотя калибровка занимает время, и данные должны передаваться на контроллер или периферийный процессор, способный выполнять вычисления с использованием ИИ.
Полезен ли искусственный интеллект для обработки пресс-форм и штампов?
Журнал MoldMaking Technology неоднократно сообщал о внедрении ИИ в цехах по изготовлению пресс-форм, включая интеграцию цифрового двойника Siemens Sinumerik One и платформы, подобные Atomic Industries, которые автоматизируют проектирование пресс-форм и CAM-программирование. Особенно это выгодно для цехов по изготовлению пресс-форм, поскольку сложные полости, дорогостоящая инструментальная сталь и жесткие допуски вознаграждают каждое сокращение времени цикла и каждый предотвращенный поломку инструмента. В настоящее время в цехах по изготовлению пресс-форм по всему миру внедряются замкнутые циклы контроля, в которых данные с КИМ передаются обратно в технологический процесс.
STYLECNC Промышленные станки с ЧПУ, линии по производству панельной мебели и обрабатывающие центры с автоматической сменой инструмента разработаны как аппаратные платформы, готовые к использованию искусственного интеллекта. Свяжитесь с нами STYLECNC Команда экспертов оценит, какая конфигурация лучше всего соответствует вашим объемам производства, составу материалов и планам развития ИИ, или же вы можете ознакомиться с информацией на сайте. Каталог программного обеспечения CAD/CAM и Список программного обеспечения для программирования ЧПУ сопоставить ваш программный стек с оборудованием, готовым к использованию ИИ, до того, как вы сделаете следующие инвестиции в оборудование.
