3Dモデルを読み、加工戦略まで設計するAI

01各ステップの処理

1. 1

   形状解析

   • STEPの面、エッジ、曲面の種類を抽出
   • 隣接する面の凸・凹関係をグラフ化
   • 面と三角形面をまとめた階層グラフを入力
2. 2

   AIによる加工フィーチャ認識

   • 学習データを作成するためのラベリングプログラム
   • 形状系列に基づくデータ分割
   • ポケット、フィレット、面取りが混在する複雑な形状
   • 入力、拡張、ラベル変更による影響の比較
3. 3

   加工戦略の設計

   • 面予測を加工フィーチャグループとして整理
   • 加工方向、セットアップ、工程順序、工具、切削条件の決定
   • 粗さ目標に合わせた経路公差と送り
   • Fusion APIによるセットアップとプロセスの作成
   • 工具の変更や適用に失敗した場合でも、既存の作業内容を保持
4. 4

   デジタルツイン結果の可視化

   • 工程・NC区間ごとの切削力とチップ厚みのグラフ
   • 最大値・平均値・P95値、およびその時点の工具・送り速度・回転数を表示
   • 加工結果の設計に対する偏差、加工面のうねり、形状誤差の可視化

   シミュレーションは協力機関韓国機械研究院が、結果の可視化は私が担当しました。

02問題と解決策

1. 問題面がいくつか間違っているだけでも、加工フィーチャのまとまりが変わってしまいます。

   解決面単位のスコアに加え、すべての面を正しく分類できた部品の数も集計しました。

2. 問題スコアが変更された理由が、ラベルの修正なのか学習なのかが混在していました。

   解決ラベルの修正によって変化したスコアと、学習によって変化したスコアを分けて計算しました。

3. 問題認識結果をFusionのセットアップ、工具、および操作（オペレーション）と組み合わせることで、加工工程となります。

   解決工具のみの変更で済む場合と、作業内容を再作成する必要がある場合を区別しました。

4. 問題面ひとつだけでは閉じたポケットと開いたポケットを見分けにくく、閉じたポケット10個のうち4個を見逃していました。

   解決面の入力を5列から43列に増やし、周囲の境界や断面が開いているかまで見るようにした結果、閉じたポケットをすべて見つけられるようになりました。

5. 問題MDTの結果で、工具が上昇する瞬間に工具負荷が跳ね上がっていました（切りくず厚さ1.67 mm）。

   解決工具を安全高さまで送りで上げてから早送りするように変え、段差荒削りの工具負荷を8,191 Nから251 Nに下げました。

03検証

技術文書とコード変更履歴に基づいてまとめました。