機器學習(xi) 和人工智能（AI）通常是最新的流行詞。但是，通常對於(yu) 這些概念到底能提供什麽(me) 感到困惑，尤其是在製造環境中。人工智能和機器學習(xi) 不隻是簡單的編程智能和規則遵循，還需要大量數據來學習(xi) 和預測未來的發展。在CAD中，真正的機器學習(xi) 和AI可以幫助設計師創建更快，更輕鬆和更好的設計。

但是，這不是一個(ge) 即時過程。就像亞(ya) 馬遜的Alexa或Google助手一樣，命令會(hui) 隨著時間的推移而學習(xi) ，並且每個(ge) 係統在收集用戶數據時都會(hui) 有所改進。

DassaultSystèmes的SolidWorks高級產(chan) 品組合經理Mark Rushton說：“現在，這確實是個(ge) 雞和雞蛋的場景。” “如果機器學習(xi) 支持的幫助不是立即有用的，則用戶可能不會(hui) 使用它，但是這樣做，程序可能永遠無法改善預測以變得有用。我們(men) 將機器學習(xi) 算法引入了我們(men) 基於(yu) 雲(yun) 的軟件中，旨在幫助用戶完成非常重複的日常任務的目標。我們(men) 每天都在努力使人們(men) 盡可能容易地使用它，但這是正確執行並增加重大價(jia) 值的過程。”

CAD中的AI

盡管CAD中的AI仍處於(yu) 開發的早期階段，但重點是使軟件能夠通過智能設計來優(you) 化流程，從(cong) 而使工程師更容易創建既高效又經濟的設計。

Rushton說：“我們(men) 通過“設計助手”來幫助用戶，這有助於(yu) 預測用戶下一步可能會(hui) 做什麽(me) 。“當用戶必須進行選擇時，如果他或她將半徑或倒角應用於(yu) 尖銳的邊緣，則一旦選擇了第一條邊緣，就會(hui) 彈出一個(ge) 窗口，提示設計助手接管半徑或倒角並將其合並到其他邊緣上它可以預測設計師的下一步行動，然後相應地進行設計。”

如今，CAD中的AI超越了通常基於(yu) 幾何的選擇，並且可以查看3D幾何中的長度，方向和類似特征，並提出明智的建議。設計助手可以讓用戶應用所有智能設計功能，從(cong) 而使設計過程自動化，而不是讓設計者添加所有元素。

設計師與(yu) 助手的合作越多，它將變得更加精致和直觀。基於(yu) 從(cong) 設計師的選擇中收集的數據，預測將變得更加智能。

Rushton說：“例如，如果用戶創建了一個(ge) 倒角的邊緣，並且助手預測要合並的50個(ge) 不同的邊緣，然後再進行選擇，則助手可能隻預測20個(ge) 選項。” “它會(hui) 根據用戶命令不斷完善選擇。它可以預測用戶可能會(hui) 做些什麽(me) 。目前，我們(men) 確實看到了生產(chan) 率的提高，但是我們(men) 也期望在裝配環境中看到這種收益。”

Rushton指出，一個(ge) 特別耗時的領域是設計人員需要將兩(liang) 個(ge) 零件用CAD放在一起，因為(wei) 用戶必須將所有零件排成一排並消除所有自由度。AI實際上可以查看幾何形狀以及過去事物之間的連接方式，以及過去各個(ge) 部分如何與(yu) 其他部分連接並從(cong) 中學習(xi) 。助手可以提示用戶以特定方式添加功能或設計。

Rushton說：“這實際上是關(guan) 於(yu) 自動化設計過程的信息。” “我們(men) 希望以這種水平的生產(chan) 力為(wei) 基礎，並從(cong) 簡單的項目開始並以此為(wei) 基礎。”

對於(yu) 新手或初級工程師來說，這可能會(hui) 很有幫助，他們(men) 可能沒有在該領域工作多年的工程師所擁有的豐(feng) 富設計經驗。CAD中的AI可以檢查設計並提示進行更改以提高可製造性。除此之外，未來還有許多領域可以應用機器學習(xi) 。

“在模擬和製造中，機器學習(xi) 有巨大的機會(hui) ，” Rushton說。“仿真與(yu) 設計緊密相關(guan) 。但是，仿真目前麵臨(lin) 許多挑戰，尤其是在確定最佳設置方麵。機器學習(xi) 可以解釋結果並為(wei) 用戶提供有關(guan) 如何為(wei) 未來項目創建令人滿意的設置的建議。 ”

使用AI在後台運行模擬類型的測試可以幫助用戶在材質，幾何形狀和過程方麵做出更好的決(jue) 策。如果設計助手確定可以使用更便宜的材料替代具有相同期望結果的其他材料，則用戶可以選擇它。這將有助於(yu) 創建更加經濟實用的設計。

如今，CAD中的AI超越了通常基於(yu) 幾何的選擇，並且可以查看3D幾何中的長度，方向和類似特征，並提出明智的建議。

“ CAD是如此靈活，但是挑戰之一是在設計時，實際上沒有正確或錯誤的方法來完成某件事，” Rushton說。“因此，預測用戶下一步將麵臨(lin) 挑戰。每個(ge) 設計師在設計時都可以做出不同的選擇，因此預測是主觀的。這就是為(wei) 什麽(me) 係統收集的數據越多，預測越好的原因。 “這也不意味著要取代設計師，因為(wei) 我們(men) 離取代人類創造能力還有很長的路要走。機器學習(xi) 並不一定會(hui) 在很多事情之外跳出思維。”

CAM中的AI

生產(chan) 環境不斷變化以滿足客戶的需求。公司需要更快，更便宜地建設項目。想法也很快進入市場。AI可用於(yu) 減少CAM用戶的重複功能和任務。

達索係統公司高級SolidWorks產(chan) 品和產(chan) 品組合經理Michael Buchli說：“人工智能的智慧可以開始理解那些重複的過程，並簡化需要完成的任務。” “這並不一定是要取代人員，而是要騰出時間來處理下一個(ge) 大創意，或者微調那些使自己的公司在競爭(zheng) 中脫穎而出的自動化技術。”

在傳(chuan) 統的CAM中，有人參與(yu) 其中並將工具路徑放在上麵。程序員對它做了很多的工具路徑。程序員在頭腦中進行了大量的計算和決(jue) 策，以向CAM係統傳(chuan) 達需要發生的特定情況。

“當您開始研究更複雜的高端CAM係統時，它們(men) 已開始將AI和機器學習(xi) 結合在一起，程序員可以簡單地將其放入機器單元中並捕捉我們(men) 想要去的零件，並將創建一個(ge) 虛擬的雙胞胎實際上代表了車間中將會(hui) 發生的事情。”

通過在CAM中使用AI，如果該軟件知道連續使用的特定機器，設置和功能，它可以提供真實世界製造過程的更好，更全麵的圖景。從(cong) 那裏可以通過深刻地提出更好，更有效的刀具路徑和夾具選項來簡化CAM過程。

CAM中AI的目標是簡化和簡化重複性任務，使其更快。在輸出方麵，公司將在車間開始更多地使用具有機器人技術和自動化的AI。

CAM中的AI麵臨(lin) 的一大挑戰是真正利用該技術所需的思維方式轉變。工人通常習(xi) 慣於(yu) 工作流程和過程，不一定習(xi) 慣進行重大更改。

Buchli說：“但是，由於(yu) 當今事情發展如此之快，因此整合能夠創造知識的知識流程可以使流程更成功，這可以幫助商店騰出更多精力去發展下一件大事。” “要使公司充分利用人工智能，經理和員工就必須熟悉並熟悉流程。人工智能使商店可以製定標準做法，並將重點轉移到不總是維護這些流程，而是要放眼未來。”

與(yu) CAD中的AI相似，如果正確完成，CAM中的AI將成為(wei) 本機工作方式。如果作為(wei) 用戶程序，AI能夠接管工作流程和流程，則隨著時間的流逝，它將預測所需的機器，夾具，工具和刀具路徑。它可以了解用戶正在做的事情，以減少將來類似過程的步驟。