人工智能（AI）可以说是当今科技领域最热门的话题，计算机击败了国际象棋特级大师和世界级围棋选手，ChatGPT还能撰写从大学学期论文到情诗的所有内容。

但在制造业呢？从理论上讲，只要有足够的数据和正确的算法，人工智能和机器学习就能评估机器状况，调整程序以提高产量或质量，甚至更多。那么，现实情况如何呢？

设计魔法

让我们从生成设计开始。计算机算法可以自动设计零件，以满足各种约束和要求。

“您的工程意图定义了零件需要承受的特定负载情况。它可能是力、压力、温度，”3D Systems旗下软件公司Oqton首席技术官Kirill Volchek解释说，“零件可能在振动下工作，你甚至还可以定义一个假想的体积。然后，我们的算法会推荐在负载情况下功能最佳的设计。

Volchek说，该工具的另一个优势是能够快速探索可选方法，例如“最大限度地减少所需的材料量，或研究零件上可以增加或减少负载的潜在区域”。

Volchek将其描述为一个迭代的、寻求目标的过程，但这个过程仍然以物理学为基础。他解释说，与此相反，机器学习现在正崭露头角，因为计算机可以做出超越物理学的设计决策。

例如，Volchek说，可以训练计算机考虑特定制造领域的要求。他补充说：“增材制造的批量生成应该不同于铸造或机加工。这种更广泛的‘智能’带来了更多令人兴奋的可能性。”

人工智能可以自动识别和分类独特的牙科植入物，然后创建3D打印程序，包括支撑结构，同时在构建托盘上嵌套数十个零件（左），以最大限度地提高产量。Oqton的生成设计软件通过先进的增材制造技术设计和有限元分析模拟，创建了这款碳捕获冷却器（右）

图片来源：Oqton

减材加工中的工艺优化

Volchek表示，Oqton之所以能够开创全新的人工智能工具，是因为他们已经“成为MES（制造执行系统）领域的一部分”，可以通过匿名方式从大量几何数据中学习。考虑到3D打印的数字化特性，这些数据就显得弥足珍贵。

Volchek说：“增材制造不仅仅是制造零件的外部形状。它制造的是内部的微观结构。如果你说的是金属零件，它还能制造出材料的冶金特性。”

大多数制造过程并非如此。Volchek估计，目前生产的零件中约有90%没有相应的3D图纸。此外，大多数二维图纸仍然是光栅格式，本质上是无法缩放的数字蓝图，而且没有可搜索的工艺信息。Volchek说，为了让人工智能在减材加工和其他传统学科中“打破界限”，开发人员需要大量带注释的3D模型。他认为，大多数制造商都没有这些模型，而且一般也不愿意分享他们所拥有的信息。

海德汉美国公司营销副总裁Gisbert Ledvon也有同感。与其他使用基于云的机器监控和数据共享服务的数控机床制造商相比，Ledvon说：“我们仍然认为，对我们的最终用户来说，在自己的网络内维护数据更好。”

海德汉的架构有利于工厂内部和工厂之间的安全通信。但公司并不想托管数据，因为数据很容易被盗或丢失。

利用公司自己的数据仍有很多事情可以做。但是，如果没有更大范围的数据共享，全面的人工智能控制生产可能并不可行。

不过，海德汉公司提供了一种令人感兴趣的流程优化工具，它在逐项工作的基础上使用人工智能。在2022年的IMTS展会上，海德汉推出了名为“集成过程监控（IPC）”的选件，适用于配备TNC7控制装置的机床。IPC在整个切削过程中了解每个轴的速度、进给和扭矩，然后跟踪并显示任何偏差，以便进行分析和调整。

首先，操作员激活选项并切削模型零件。假设他对结果满意（当然，可以在坐标测量机上进行全面检查以确定），然后他为每个机床运动建立公差。例如，X、Y和Z运动的速度和进给可能保持在理想值的±5%范围内，而主轴扭矩的变化不能超过20%。

IPC跟踪所有后续零件上的每个机床运动，并以图形方式显示公差。

IPC跟踪所有后续零件上的每一次机器运动，并以三维图形显示生成的零件，为每个表面着色，以突出显示任何变化。如果每个表面都显示为绿色，则可以确定又有一个良好的零件，而无需使用探针或摄像头进行测量（假设公差设置合理）。任何显示为黄色的表面都表示发生了变化，应进行调查。红色表示有重大偏差，说明零件很可能不合格。

Ledvon总结说：“我们利用构成机器运动的所有海德汉设备的智能，来确定出错的原因以及最终工件的问题所在。”

整个过程以图表形式实时显示并记录下来，因此用户可以看到每个机器动作在公差带内的保持情况。如果公差带过紧或过松，操作员可以进行调整。Ledvon说，如果颜色编码显示需要进行质量检查，操作员可以将注意力集中在红色和黄色区域。这样可以减少80%的检查时间。

还可以设置机床运动的阈值。例如，刀具磨损通常只能通过激光或其他测量设备来检测。但有了 IPC，“如果主轴负载归零，而程序预期刀具会深入切削，机床就会知道你的加工过程100%超出公差范围，并自动停机，”Ledvon说，“操作员就会知道发生了什么，然后换上另一把刀具继续加工。”

海德汉的集成过程监控可了解在生产优质零件的整个切削过程中每个轴所经历的速度、进给和扭矩，然后跟踪并显示任何偏差，以便进行分析和调整。

图片来源：海德汉

通过预测问题提高OEE

在整个制造业中，机器学习无可争议地为一个领域带来了革命性的变化，那就是预测性维护。这一领域的改进通常会直接提高生产率。

发那科美国公司采用了一种有趣的方法，仅利用机床电机的两个数据点来识别与电机本身无关的机械故障。该系统被称为AI伺服监控器，它以一毫秒的速度跟踪每个电机的速度和扭矩指令。

机床数据收集和连接项目经理Robert Taylor解释说：“在获得足够多的数据以确定哪些是正常的之后，它会为每个轴建立一个我们称之为'异常分数'的值。每天，它都会收集更多的数据，并提供另一组数字分数，然后将它们与第一组分数即模型进行比较并绘制成图。”

通过图表，可以很容易地看到任何表明机床正在发生变化的趋势。但Al伺服监控器不仅仅记录电机数据并绘制图表。Taylor说，在于应用快速傅立叶变换算法分析数据，并预测可能出现的机械故障。它无法准确预测问题所在，但可以指出可能由导轨或滚珠丝杠磨损、切屑堆积、润滑不良等引起的特定轴的问题，从而有针对性地提醒操作员及时进行调查，防止故障发生。

AI伺服监控器只需几天时间即可建立基线，在生产环境中效果最佳。在不断更换零件和加工参数的加工车间中，定义“正常”需要更长的时间。同样，如果机床状况良好，也会有所帮助。该系统仅限于配备发那科控制器、驱动器和电机的机床。但据Taylor称，只需支付合理的一次性费用即可使用该系统，而大多数人工智能解决方案都需要高昂的包月费用。

不是人工智能，而是智能投资

制造商必须根据机床和软件供应商所提供的信息，谨慎选择人工智能技术。

图片来源：海德汉

AI伺服监控器利用电机数据和人工智能来预测机械故障。发那科、海德汉以及其他控制制造商也提供一流的工具来监控电机本身以及其他运动控制元件的健康状况，即使这些工具没有使用人工智能。发那科通过其MT-LINKi数据采集软件，通过温度和对地绝缘电阻监测电机健康状况，Taylor说。

他解释说：“这是一款驻留在内部服务器上的PC软件，通过网络与设备连接，并从设备上收集数据。与它的必要连接是所有发那科控制器的标准配置。”

该软件还可以采集和显示非发那科设备的数据。虽然不能对数据进行分析，但它可以显示整个工厂的机器状态，使管理变得更加容易。

“MT-LINKi能为我们做的是，如果它显示（操作员）在某个班次收到了几次警报，它就能让我们下去看看有什么机会进行额外的培训。”位于肯塔基州梅斯维尔的Stober Drives公司制造工程师 Landon Garrison说。

工业工程师Nathan Landreth补充说，该系统帮助Stober公司提高了利用率和生产率，他认为MT-LINKi是“游戏规则的改变者”。

同样，海德汉的状态监控软件可脱机运行，并使用 UPC UA、MT Connect或海德汉自己的DNC协议在整个车间联网。除了电机、直线光栅尺和编码器中固有的反馈机制外，“机床制造商还可以设置多达7个不同的传感器，”Ledvon说，“例如，你可以设置1个冷却液或扭矩传感器。”

不过，Taylor也提醒说：“当你开始收集大量数据时，就很难对其进行检查和分析了。有些客户可能不知道到底要找什么。所以他们会说，'我什么都想要'。这只会把水搅浑。你真的需要专注于你正在寻找的东西。”

作者：Ed Sinkora