Entwicklungshinweise für Fertigungssoftware · Sean Kim

Autodesk Fusion: CAM-Automatisierung mit KI-Feature-Erkennung

Selbst bei einer Verbesserung der durchschnittlichen Bewertung der KI zur Bearbeitungsmerkmalerkennung kann die korrekte Erstellung des CAM-Prozesses nicht garantiert werden. Basierend auf bestehenden F&E-Projekten fassen wir zusammen, was zwischen Formerkennung, Prozessgenerierung und Ergebnisverifizierung verifiziert wurde.

Studienrendering mit den vier Flächen eines Verbundbauteils, farblich dargestellt entsprechend den Bearbeitungsmerkmalen wie Tasche, Bohrung, Verrundung und Fase. — Studien-Rendering: Ein Beispiel, das die Bearbeitungseigenschaften eines Verbundbauteils pro Fläche zeigt. Kein Kundenfoto.

CAD-Flächen und ihre Verbindungen als KI-Eingabe aufbereiten

STEP Die Arten von Oberflächen, Kanten und Kurven wurden aus dem Modell abgelesen und die konvexen/konkaven Beziehungen der angrenzenden Oberflächen wurden in einem Diagramm ausgedrückt. Der Umgang mit Merkmalen, die durch mehrere Flächen zusammen entstehen, wie z. B. Taschen oder Löcher, erfordert nicht nur die Formen der einzelnen Flächen, sondern auch deren Verbindungsbeziehungen.

Mein direkter Aufgabenbereich umfasst Formanalyse, ein Trainingsprogramm zur Datenkennzeichnung, KI zur Erkennung von Bearbeitungsmerkmalen, die Entwicklung von Bearbeitungsstrategien und die Anwendung von Fusion. Im Digitalen Zwilling (MDT) war ich ausschließlich für die Visualisierung der Simulationsergebnisse der zuständig.

Durchschnittliche Punktzahl und Gesamtfehler der Teile zusammen anzeigen

Bereits die Fehlklassifizierung weniger Flächen verändert die Gruppierung der Bearbeitungsmerkmale. Neben den Flächenindikatoren wurden die Anzahl der Teile mit korrekt identifizierten Flächen, Fehler nach Klasse und Ergebnisse nach Teileserie geprüft. Kandidaten wurden auch bei verbesserten Durchschnittswerten nicht ausgewählt, da die Fehler in einer bestimmten Reihe zunahmen.

Ich habe die Ergebnisse, die durch die Änderung der Labels verbessert wurden, von den Ergebnissen getrennt, die durch Änderungen im Lernprozess verbessert wurden. Es ist nämlich schwierig zu erklären, welche Änderungen wirksam waren, wenn Eingabe, Augmentation und Labels gleichzeitig geändert werden.

Überprüfung der Datenaufteilung und des Auswertungsbereichs basierend auf Geometriereihen.
Überprüft, ob die während des Trainings erzeugten Eingaben und die Eingaben für die Inferenz dieselben Kriterien erfüllen.
Überprüfen Sie, ob die Beschriftung erhalten bleibt, auch wenn Sie den STEP speichern und erneut lesen.

Erkennungsergebnisse in CAM-Operationen umwandeln, die in Fusion laufen

Der Bearbeitungsprozess ist mit dem Erkennungsergebnis allein nicht abgeschlossen. Nach der Definition der Bearbeitungsrichtung, der Spannvorrichtung, der Prozessreihenfolge, des Werkzeugs und der Schnittbedingungen wurde die Verbindung zu den Einstellungen, dem Werkzeug und dem Auftrag in Fusion 3ds hergestellt.

Wir haben Fälle, in denen nur ein Werkzeugwechsel erforderlich ist, von Fällen getrennt, in denen ein neuer Auftrag erstellt werden muss. Anwendung, Werkzeugwechsel und Fehlerbehebung wurden mithilfe automatischer Regressionstests überprüft. Dieser Prozess prüft, ob die Ergebnisse sowohl nach erfolgreicher Auftragserstellung als auch nach Änderungen konsistent sind.

Visualisierung der Simulationsergebnisse der Partnerorganisation

Die grundlegende Oberflächenklassifizierung und Formkombinationsanalyse von AI identifiziert 9 Arten von Rohteilen: Sackloch, Durchgangsloch, offene Tasche, geschlossene Tasche, Fase, Verrundung, Senkung und Senkung. Das vollständige Beispiel stellt sechs Beschriftungen von STEP-Modellen für das eigentliche Lernen und den Fusion-Bearbeitungspfad für jedes Feature vor.

Im Ergebnis-Viewer lassen sich Schnittkraft und Spandicke nach Prozess und NC-Abschnitt betrachten und das Konstruktionsmodell in 3D mit dem Bearbeitungsergebnis vergleichen. Die Toleranz des öffentlichen Beispiels beträgt ±0,15 mm gegenüber der Konstruktion. Karten zu Oberflächenwelligkeit und Formfehlern erscheinen nur in Analysen, die diese Ausgabe enthalten.

Geprüft wurden die Flächengenauigkeit auf einem unabhängigen Testdatensatz mit 25 Teilen und 1.346 Flächen (99,33 %), die Materialsimulation und der Vergleich mit dem Referenz-STEP. Ein Praxistest mit echten Auftragsteilen, gemessene Oberflächenrauheit, das Lesen von Zeichnungstoleranzen und die Freigabe der tatsächlichen CNC-Bearbeitungsqualität waren nicht Teil der Prüfung.