завод станок производство

В вузе научили нейросеть переводить 3D-модели в инструкции для станков

Система CAD2TechSpec анализирует трехмерную модель детали с 28 ракурсов и автоматически формирует технологическую карту для ЧПУ-станка, сокращая рутинную работу инженеров-технологов.
Автор Наука Mail
станок на заводе
Обычный путь от 3D-проекта до запуска в производство раньше требовал кропотливой ручной работыИсточник: Unsplash

Исследователи Института искусственного интеллекта и цифровых наук факультета компьютерных наук Высшей школы экономики разработали систему CAD2TechSpec, которая преобразует трехмерную модель детали в готовую технологическую карту — пошаговый план работы для станка с числовым программным управлением, сообщили в пресс-службе вуза.

Обычный путь от 3D-проекта до запуска в производство требует от инженера-технолога вручную прописывать алгоритм обработки с учетом геометрии детали, доступного оборудования и производственных стандартов — сложные детали вроде лопастей турбин отнимают много времени и требуют высокой квалификации.

CAD2TechSpec берет модель, «фотографирует» ее с 28 ракурсов, отбирает наиболее информативные снимки и собирает из них коллаж. Коллаж вместе с текстовым запросом поступает в мультимодальную языковую модель, которая одновременно «видит» изображения и «понимает» текст, — и та формирует структурированное описание процесса изготовления, понятное ЧПУ-станку.

Чтобы снизить число ошибок, система использует технологию RAG (Retrieval-Augmented Generation): перед генерацией ответа нейросеть обращается к двум источникам — справочнику оборудования, инструментов и стандартов ISO и библиотеке проверенных решений. Если деталь похожа на уже обработанную ранее, система берет за основу готовый план изготовления.

металлическая деталь
CAD2TechSpec берет модель, «фотографирует» ее с 28 ракурсов, отбирает наиболее информативные снимки и собирает из них коллажИсточник: metall.world

Систему протестировали на 1236 трехмерных моделях из открытой базы данных; оценку вели как автоматические системы, так и эксперты-механики — по трем параметрам: корректность структуры выходного файла, соответствие описанного процесса геометрии детали и правильность ссылок на стандарты ISO. Лучший результат показала модель Mistral Large 3 в связке с базой знаний ISO — сгенерированные планы набрали 86–89 баллов из 100. Результаты опубликованы в журнале PeerJ Computer Science.

Эксперименты показали, что качество технологических маршрутов зависит не только от самой модели, но и от контекста, который ей предоставляют. База знаний со сведениями о стандартах ISO и эталонные примеры деталей существенно повышают качество генерируемых технологических спецификаций
Максим Минец
стажер-исследователь Научно-учебной лаборатории методов анализа больших данных LAMBDA ФКН НИУ ВШЭ

По словам заведующего лабораторией LAMBDA ФКН НИУ ВШЭ Дениса Деркача, CAD2TechSpec — «инструмент для ускорения черновой работы, а не для полной автоматизации принятия решений»: окончательная проверка и утверждение плана остаются за специалистом. Разработка ориентирована на точное машиностроение, авиастроение и другие отрасли, где подготовка технической документации занимает значительную часть рабочего времени инженеров.

Ранее Наука Mail рассказывала о мультиагентной ИИ-системе, ускоряющей создание промышленного программного обеспечения.