人工智能和機器學(xué)習(xí)正在全面顛覆制造業(yè)，從可以自動優(yōu)化設(shè)計零件的生成設(shè)計軟件，到可以在故障發(fā)生前預(yù)測問題的預(yù)測性維護系統(tǒng)。這些新技術(shù)可以為制造企業(yè)大幅度降低成本，提高質(zhì)量和生產(chǎn)力。

近日，SME Org 的一篇文章中，Ed Sinkora 深入調(diào)研了全球頂尖的先進制造提供商商對機械加工中的機器學(xué)習(xí)技術(shù)推進突破思路。

理論上，有了足夠的數(shù)據(jù)和正確的算法，人工智能和機器學(xué)習(xí)可以評估機器狀況，調(diào)整程序以提高吞吐量或質(zhì)量，甚至更多。但制造商必須謹(jǐn)慎選擇人工智能之戰(zhàn)，部分基于機床和控制制造商提供的信息。

1

零件設(shè)計新魔法

創(chuàng)成式設(shè)計是智能設(shè)計典型案例。

創(chuàng)成式設(shè)計是一種通過算法自動生成滿足設(shè)計目標(biāo)和約束條件的零件幾何形狀的技術(shù)。Oqton企業(yè)首席技術(shù)官Kirill Volchek補充道：“工程意圖確定了零件需要承受的特定載荷情況，還可以定義擬容納零件的空間。然后算法根據(jù)載荷情況設(shè)計出功能最優(yōu)的零件。”

據(jù)Volchek介紹，與此同時，算法還可以快速探索可選方案，例如最小化材料用量或優(yōu)化某些區(qū)域的載荷。這超越了簡單復(fù)制人工設(shè)計工作，因為AI可以考慮像3D打印金屬零件那樣的材料微結(jié)構(gòu)。這種更廣泛的“智能”帶來了更令人激動的可能性。Volchek將其描述為一個迭代的、尋求目標(biāo)的過程，但仍然是基于物理學(xué)的。

另一方面，Volchek提出，隨著計算機做出超越物理的設(shè)計決策，機器學(xué)習(xí)技術(shù)正在逐步脫穎而出。

例如，通過訓(xùn)練，計算機在創(chuàng)成式“設(shè)計”中，將能夠考慮更多特定制造領(lǐng)域的條件。“使用增材制造工藝的零件設(shè)計生成結(jié)果應(yīng)該與那些計劃使用鑄造或數(shù)控加工的零件不同?！?Volchek補充道。

筆者大膽猜想，增材制造的創(chuàng)成式設(shè)計機器學(xué)習(xí)，當(dāng)能考慮：

增材制造與傳統(tǒng)方法具有不同的能力。例如，增材制造可以產(chǎn)生傳統(tǒng)鑄造或CNC加工無法實現(xiàn)的高度復(fù)雜的幾何結(jié)構(gòu)。算法可以利用這一點設(shè)計新的形狀。

增材制造有不同的設(shè)計規(guī)則和約束。某些方向需要支持結(jié)構(gòu)，懸空部分需要限制等。算法需要考慮這些增材制造的獨特因素。

與傳統(tǒng)方法相比，增材制造可以得到不同的材料性能和微觀結(jié)構(gòu)。生成設(shè)計軟件應(yīng)該針對所使用的增材工藝優(yōu)化幾何形狀。

增材制造提供更大的設(shè)計自由度和定制化。算法可以探索更廣闊的設(shè)計空間，生成針對特定應(yīng)用需求的設(shè)計。

為了提高增材制造的效率，幾何形狀應(yīng)該優(yōu)化以減少成形時間、材料用量等。算法可以將所有這些都考慮在內(nèi)。

充分利用增材制造的能力和細(xì)微差別，生成設(shè)計方法需要針對特定的增材工藝進行定制，而不是簡單拷貝傳統(tǒng)設(shè)計方法。 ? 更廣泛的“智能”提升空間無疑為制造業(yè)帶來了更多嶄新可能性。

AI 可以自動識別和分類獨特的牙科植入物，然后創(chuàng)建 3D 打印程序，包括支撐結(jié)構(gòu)，同時將數(shù)十個零件嵌套在構(gòu)建托盤上，以最大限度地提高吞吐量。Oqton 的創(chuàng)成式設(shè)計軟件采用增材制造技術(shù)和 FEA 模擬的先進設(shè)計，創(chuàng)造了這款碳捕獲制冷機。

2

無人值守的黑燈工廠

AI也正在實現(xiàn)制造過程的“無人值守”自動化，幫助制造業(yè)克服人力資源緊缺的挑戰(zhàn)，就像自動駕駛汽車使個人出行自動化一樣。 ? “假設(shè)您有一個制造部門，每天需要生產(chǎn)數(shù)千個獨特的零件，” Volchek指出：“數(shù)量太多了，不可能請工程師參與每個零件的制造工藝?！彼赋觯@是一些客戶每天都會遇到的挑戰(zhàn)。 ? Volchek介紹，Oqton 企業(yè)成立于五年前，通過使用大量數(shù)據(jù)訓(xùn)練他們的機器學(xué)習(xí)算法，這些算法可以將某些制造領(lǐng)域轉(zhuǎn)變?yōu)橥耆詣印榜{駛”的生產(chǎn)產(chǎn)線。例如數(shù)字化齒科種植體、義齒的 3D 打印生產(chǎn)， Volchek 介紹，每位患者的種植體雖然大致相似，但都是獨一無二的，因此無法使用傳統(tǒng)的批量生產(chǎn)方式進行管理，而需要使用小量多批、定制化生產(chǎn)的柔性生產(chǎn)管理思路。

? Oqton 的人工智能技術(shù)能夠分析生產(chǎn)訂單需求中的的三維幾何形狀，對零件進行智能分類、并根據(jù)形狀特征計算得出最優(yōu)的打印工藝方案，如3D打印工藝中的支撐結(jié)構(gòu)添加（支撐越少、物料和后處理成本越低）、零件排版打印（產(chǎn)量越多、時間物料和人力成本越低）等等。 ? “棒極了。我們的設(shè)計師將零件設(shè)計模型拖到一個文件夾里，Oqton 軟件就自動為我們完成了所有的工藝編程，”密歇根州伯明翰Motor City Lab Works的所有者兼正畸醫(yī)生約翰·杜馬斯 (John Dumas) 說道：“然后我們就可以直接到3D打印機上進行生產(chǎn)了?！彼a充道。 ? 正如Volchek介紹，Oqton 的Manufacturing OS不僅能使工藝編程的成功率接近 100%，而且還可以與企業(yè) ERP 系統(tǒng)連接、智能排程排產(chǎn)、將加工程序發(fā)送到指定設(shè)備準(zhǔn)備加工。 ?

義齒和正畸3D打印是自動化生產(chǎn)的最佳示例之一，另外還有其他巨頭看到其中的可能行。 ? 2022年，Oqton 與總部位于休斯敦的 貝克休斯（Baker Hughes Co. ）簽訂了合作協(xié)議，以實現(xiàn)石油和天然氣零件 3D 打印的自動化。 ? 但是，正如 Volchek 指出的那樣，3D 打印僅占所有制造業(yè)的 0.1% 左右。機器學(xué)習(xí)對剩下的99.9%傳統(tǒng)加工技術(shù)，有什么影響呢？

海德漢（Heidenhain）的集成過程監(jiān)控可了解生產(chǎn)優(yōu)質(zhì)零件的整個切割過程中每個軸所經(jīng)歷的速度、進給和扭矩，然后跟蹤并顯示任何偏差，以便隨后進行分析和調(diào)整。（海德漢提供）

3

減材加工的工藝優(yōu)化

增材制造工藝使用三維模型進行生產(chǎn)，能夠為機器學(xué)習(xí)算法提供足量學(xué)習(xí)樣本。傳統(tǒng)減材加工很大部分是使用繪制的2D工程圖，在學(xué)習(xí)樣本收集上面臨更大的挑戰(zhàn)。另一方面，海德漢（Heidenhain）等一些傳統(tǒng)機加工企業(yè)傾向于將數(shù)據(jù)儲存在企業(yè)內(nèi)部的服務(wù)器，發(fā)那科也采用類似的內(nèi)部監(jiān)控軟件方法。機器學(xué)習(xí)很難收集到足量的減材加工學(xué)習(xí)樣本。 ? 雖然要實現(xiàn)AI完全實現(xiàn)無人監(jiān)管生產(chǎn)，可能還需要更多的數(shù)據(jù)共享，但仍可以在減材加工數(shù)據(jù)上做很多工作。 ? 海德漢在IMTS2022 上和TNC7控制器一同發(fā)布了集成過程監(jiān)控軟件（Integrated Process Monitoring，IPC），能夠采集每個軸在整個切割過程中所經(jīng)歷的速度、進給和扭矩，然后跟蹤并顯示任何偏差以進行分析和調(diào)整。

? 首先需要進行“標(biāo)定”試驗，使用CMM檢測通過后，即可為加工運動建立公差接受體系，例如，X、Y 和 Z 運動的速度和進給可能保持在理想值的 ±5% 范圍內(nèi)，而主軸扭矩的變化不能超過 20%。 ? IPC 跟蹤所有后續(xù)零件上的每個加工運動，并以 3D 方式以圖形方式顯示生成的零件，對每個表面著色以突出顯示任何變化。如果每個表面都是綠色的，則可以確定零件生產(chǎn)符合公差標(biāo)準(zhǔn)，而無需再次使用探頭或相機進行測量（假設(shè)設(shè)置了合理的公差）。任何顯示為黃色的表面都表示某些內(nèi)容已發(fā)生變化，應(yīng)進行調(diào)查。紅色表示存在重大偏差，表明該部件可能不可接受。 ? 整個過程被實時繪制并記錄，因此用戶可以看到每個機器運動在公差帶內(nèi)的保持情況。如果每個頻段太緊或太松，操作員可以進行調(diào)整。而且，如果顏色編碼表明需要進行質(zhì)量檢查，Ledvon 說，操作員可以專注于紅色和黃色區(qū)域。這可以減少 80% 的檢查時間。

4預(yù)測性維護提升OEE

預(yù)測性維護是一個被機器學(xué)習(xí)徹底改變的領(lǐng)域。通過分析大量難以覺察的相關(guān)數(shù)據(jù)，AI可以提前數(shù)月發(fā)現(xiàn)樹脂質(zhì)量問題或故障熱交換器等隱藏的問題。這使得制造商可以主動防患于未然，減少停機。 ? 內(nèi)飾件制造商CpK使用AI找到其最大的停機原因后，將換型時間縮短了50%，全面設(shè)備效率提升了10%。 ? “我們提供了 20 種不同的數(shù)據(jù)，例如電機安培數(shù)、電機速度、水溫和水流量，”生產(chǎn)經(jīng)理 Chris Murray 解釋道：“通過使用這些數(shù)據(jù)，我們可以集中精力進行持續(xù)改進項目，我們的停機時間很大一部分是設(shè)置、轉(zhuǎn)換和停機。我們能夠?qū)⑥D(zhuǎn)換時間縮短約 50%?！?/strong> ? 發(fā)那科（Fanuc）的AI伺服監(jiān)控則僅使用電機轉(zhuǎn)速和扭矩數(shù)據(jù)，就可以通過快速傅立葉變換算法預(yù)測機械故障?！霸讷@得足夠的數(shù)據(jù)來確定正常情況后，它會為每個軸建立我們所說的‘異常分?jǐn)?shù)’，”機床數(shù)據(jù)收集和連接項目經(jīng)理 Robert Taylor 解釋道?！懊刻焖紩占鄶?shù)據(jù)并提供另一組數(shù)字分?jǐn)?shù)，并將它們與第一組模型進行比較?！??