人工智能和機器學習正在全面顛覆制造業，從可以自動優化設計零件的生成設計軟件，到可以在故障發生前預測問題的預測性維護系統。這些新技術可以為制造企業大幅度降低成本，提高質量和生產力。

近日，SME Org 的一篇文章中，Ed Sinkora 深入調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習技術推進突破思路。

理論上，有了足夠的數據和正確的算法，人工智能和機器學習可以評估機器狀況，調整程序以提高吞吐量或質量，甚至更多。但制造商必須謹慎選擇人工智能之戰，部分基于機床和控制制造商提供的信息。

1

零件設計新魔法

創成式設計是智能設計典型案例。

創成式設計是一種通過算法自動生成滿足設計目標和約束條件的零件幾何形狀的技術。Oqton企業首席技術官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。然后算法根據載荷情況設計出功能最優的零件。”

據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化某些區域的載荷。這超越了簡單復制人工設計工作，因為AI可以考慮像3D打印金屬零件那樣的材料微結構。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、尋求目標的過程，但仍然是基于物理學的。

另一方面，Volchek提出，隨著計算機做出超越物理的設計決策，機器學習技術正在逐步脫穎而出。

例如，通過訓練，計算機在創成式“設計”中，將能夠考慮更多特定制造領域的條件。“使用增材制造工藝的零件設計生成結果應該與那些計劃使用鑄造或數控加工的零件不同。” Volchek補充道。

筆者大膽猜想，增材制造的創成式設計機器學習，當能考慮：

增材制造與傳統方法具有不同的能力。例如，增材制造可以產生傳統鑄造或CNC加工無法實現的高度復雜的幾何結構。算法可以利用這一點設計新的形狀。

增材制造有不同的設計規則和約束。某些方向需要支持結構，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。

與傳統方法相比，增材制造可以得到不同的材料性能和微觀結構。生成設計軟件應該針對所使用的增材工藝優化幾何形狀。

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

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

充分利用增材制造的能力和細微差別，生成設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設計方法。 ? 更廣泛的“智能”提升空間無疑為制造業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，然后創建 3D 打印程序，包括支撐結構，同時將數十個零件嵌套在構建托盤上，以最大限度地提高吞吐量。Oqton 的創成式設計軟件采用增材制造技術和 FEA 模擬的先進設計，創造了這款碳捕獲制冷機。

2

無人值守的黑燈工廠

AI也正在實現制造過程的“無人值守”自動化，幫助制造業克服人力資源緊缺的挑戰，就像自動駕駛汽車使個人出行自動化一樣。 ? “假設您有一個制造部門，每天需要生產數千個獨特的零件，” Volchek指出：“數量太多了，不可能請工程師參與每個零件的制造工藝。”他指出，這是一些客戶每天都會遇到的挑戰。 ? Volchek介紹，Oqton 企業成立于五年前，通過使用大量數據訓練他們的機器學習算法，這些算法可以將某些制造領域轉變為完全自動“駕駛”的生產產線。例如數字化齒科種植體、義齒的 3D 打印生產， 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，因此無法使用傳統的批量生產方式進行管理，而需要使用小量多批、定制化生產的柔性生產管理思路。

? Oqton 的人工智能技術能夠分析生產訂單需求中的的三維幾何形狀，對零件進行智能分類、并根據形狀特征計算得出最優的打印工藝方案，如3D打印工藝中的支撐結構添加（支撐越少、物料和后處理成本越低）、零件排版打印（產量越多、時間物料和人力成本越低）等等。 ? “棒極了。我們的設計師將零件設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打印機上進行生產了。”他補充道。 ? 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 ERP 系統連接、智能排程排產、將加工程序發送到指定設備準備加工。 ?

義齒和正畸3D打印是自動化生產的最佳示例之一，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. ）簽訂了合作協議，以實現石油和天然氣零件 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的 0.1% 左右。機器學習對剩下的99.9%傳統加工技術，有什么影響呢？

海德漢（Heidenhain）的集成過程監控可了解生產優質零件的整個切割過程中每個軸所經歷的速度、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整。（海德漢提供）

3

減材加工的工藝優化

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

? 首先需要進行“標定”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，而主軸扭矩的變化不能超過 20%。 ? IPC 跟蹤所有后續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符合公差標準，而無需再次使用探頭或相機進行測量（假設設置了合理的公差）。任何顯示為黃色的表面都表示某些內容已發生變化，應進行調查。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的保持情況。如果每個頻段太緊或太松，操作員可以進行調整。而且，如果顏色編碼表明需要進行質量檢查，Ledvon 說，操作員可以專注于紅色和黃色區域。這可以減少 80% 的檢查時間。

4預測性維護提升OEE

預測性維護是一個被機器學習徹底改變的領域。通過分析大量難以覺察的相關數據，AI可以提前數月發現樹脂質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%，全面設備效率提升了10%。 ? “我們提供了 20 種不同的數據，例如電機安培數、電機速度、水溫和水流量，”生產經理 Chris Murray 解釋道：“通過使用這些數據，我們可以集中精力進行持續改進項目，我們的停機時間很大一部分是設置、轉換和停機。我們能夠將轉換時間縮短約 50%。” ? 發那科（Fanuc）的AI伺服監控則僅使用電機轉速和扭矩數據，就可以通過快速傅立葉變換算法預測機械故障。“在獲得足夠的數據來確定正常情況后，它會為每個軸建立我們所說的‘異常分數’，”機床數據收集和連接項目經理 Robert Taylor 解釋道。“每天它都會收集更多數據并提供另一組數字分數，并將它們與第一組模型進行比較。” ?

5重點不在AI

而在明智的投資選擇

相比投資尖端AI或機器學習技術，明智的制造商充分利用現有控制系統中的監控功能。 ? 海德漢的狀態監控可以連接傳感器數據，如冷卻液位和扭矩。發那科的MT-LINKi可以在全工廠顯示機器狀態，更好地管理生產力。從有針對性的應用入手可以發揮最大效益。 ? 總之，AI和機器學習正在從設計到維護、質量控制等方面改變制造業。但是企業必須仔細評估這些技術哪些地方可以帶來最大效益，而不是直接追求尖端的AI技術。利用擴展的智能獲得有針對性的收益，才是使用AI的正確打開方式。

編輯：黃飛