I know. Iedereen heeft zijn mond vol over AI, dus skippen we even de panoramische route van de pure toekomstvoorspelling en speculaties. De productiegerichte ingenieurs en productieverantwoordelijken onder jullie hebben hier geen boodschap aan, tenzij het geld oplevert natuurlijk. Zeg maar, een boost geeft aan de productiviteit per machine en per werkuur.
In ieder geval is de nieuwste generatie CAM-programmers, laten we ze CAM-ers noemen, sowieso al een zeldzaam goedje geworden, laat staan dat je ze kan overtuigen om in jouw bedrijf aan de slag te gaan. Ondertussen is het vertrek van massa’s ongedocumenteerde expertise van onze boomers een feit. (In uw taal… wie letterlijk niet mee is in den draai, die wordt stilletjes aan gefreesd voor zijn of haar moeite). Stelselmatig weigeren om je CAM niet verder te digitaliseren en te poweren met AI is een no-go voor die zeldzame schare jonge techies.
Jonge CAM-ers willen performante en mobile friendly interfaces om nog sneller te kunnen schakelen en liefst ook snelle digitale toegang tot die relevante historische data en expertise, gebaseerd op kennis van de voorgangers. Enkel met AI-onderbouwde interfaces kan dit mogelijk gemaakt worden. Bewaren is immers één ding, het snel en zonder omwegen terugvinden in een kluwen van vorige jobs en geometrieën en daaruit de beste alternatieven distilleren, dat is nog iets anders.
In het geval van Delmia (Dassault Systems Partner) wordt deze AI-technologie voor CNC-verspanen vooral gebruikt als een soort GPS, een automatische gids zeg maar naar de best beschikbare data, die kan hergebruikt worden voor een nieuwe machinejob. Maar zie het dan als een slimme GPS, die op basis van de machinebezetting en alle andere criteria, ook alternatieve oplossingen gaat aanbieden. Het is minder de bedoeling om zoals in vele gevallen een soort black box te gaan maken, noch een verplichte actie voor te schrijven.
Voor een nieuwe, minder ervaren programmeur wordt bij het zoeken naar het juiste toolpad voor bijvoorbeeld een type boorgat binnen een bepaalde geometrie en materiaal, de meest logische keuze voorgesteld. Dat alternatief gaat ook rekening houden met de levensduur van alle tools en de machinetijd. Meestal berekent het AI-model meerdere alternatieven, in functie van de paramaters en criteria die voor de programmeur of het type bestelling belangrijk zijn. Stel bijvoorbeeld dat er een spoedbestelling binnenkomt tussen andere jobs in, dan is snelheid misschien belangrijker dan de kostprijs en de optimale machine- en toolbesparing.
Een uitdaging voor CAM-ers was altijd het snel vinden van historische spaanjobs in functie van een vergelijkbare geometrie. AI moet in die uitgebreide 3-basedmodellen dus heel snel de juiste alternatieven vinden, vergelijken en afwegen. Een nieuwe CAM kan dus puur bij het ingeven van bepaalde geometrieën automatisch de beste alternatieven voorgesteld krijgen in functie van vorige jobs en ineens ook het beste toolpad laten berekenen en simuleren.
De markt is heel dynamisch en niet alleen op verspaningsgebied, maar alle mogelijke vormen van CNC-gestuurde bewerkingen. Leveranciers van dergelijke AI-assited CAM-software, zoals Dassault Systems, Siemens PLM, Autodesk, Bricsys en Mastercam, bieden steeds meer en op meerder terreinen, zoals laser- en waterjetcutting en Wire EDM, dezelfde oplossingen aan. De AI-modellen slaan een brug tussen kostenefficiënt en effectief gebruik van werktuigen, machinetijd en klemsystemen enerzijds en anderzijds een goed gestructureerde kennisdatabase, die tevens de competitieve expertise waarborgt. Een brede waaier relevante spelers/integratoren vind je ongetwijfeld eind maart op Machineering2025 in Brussels Expo.
