AI bude programovat CNC stroje. Ale pustíte její program do stroje za 20 milionů?
O tom, že umělá inteligence bude stále více zasahovat do programování CNC strojů, už dnes asi není potřeba nikoho přesvědčovat. AI dokáže psát kód, analyzovat technickou dokumentaci, pracovat s 3D daty, hledat podobné případy a navrhovat postupy. Vývoj míří k tomu, že stále větší část práce technologa nebo CNC programátora bude možné automatizovat.
Možná jednou nebude neobvyklé zadat systému model součásti, materiál, požadovanou kvalitu, informace o stroji, upnutí a dostupných nástrojích — a dostat zpět téměř hotovou technologii i NC program. Nejde ani tak o otázku jestli, ale spíš kdy a v jakém rozsahu.
Pak ale přijde mnohem zajímavější otázka: budete mít odvahu takový program rovnou pustit do CNC stroje za několik nebo několik desítek milionů korun?
Skutečný problém nebude vytvořit program. Skutečný problém bude důvěra.
U kancelářské práce nám dnes drobná variabilita AI většinou nevadí. Položíte stejnou otázku třikrát a dostanete třikrát trochu jinou odpověď. Všechny mohou být správné. Jednou je vysvětlení kratší, podruhé jde jinou cestou a potřetí použije jiný příklad.
To je jedna ze silných stránek generativní AI. Není svázaná jedinou předem naprogramovanou odpovědí. Jenže přesně tato vlastnost začne být problematická ve chvíli, kdy výstup přestane být textem na obrazovce a začne řídit fyzický proces.
U CNC není „skoro správně“ příliš užitečná kategorie. Nájezd může být geometricky rozumný, ale příliš blízko upínky. Transformace může být matematicky správná, ale nevhodná pro konkrétní konfiguraci stroje. Sekvence může fungovat v jednom stavu řízení a selhat po jiné předchozí operaci. A chybu nemusí způsobit jen samotná dráha — může vzniknout v postprocesoru, cyklu řídicího systému, makru, korekci nebo v kombinaci několika věcí.
Ve výrobě proto není největší problém, že automatický systém může někdy udělat chybu. Problém je, pokud předem nevíme, kdy ji udělá.
CAM a generativní AI nejsou totéž
Je důležité nezaměňovat dvě různé věci. Klasický CAM je z velké části deterministický systém. Zadáme geometrii, strategii, nástroj a parametry a algoritmus vypočítá dráhu podle definovaných pravidel. Pokud se vstup nezmění, očekáváme opakovatelný výsledek.
Generativní AI pracuje jinak. Umí pracovat s neúplným zadáním, kontextem, zkušeností z minulých případů a volit mezi více možnými řešeními. Právě proto je tak zajímavá pro technologii. Stejný díl totiž často nemá jediný správný výrobní postup. Zkušený technolog také volí mezi více cestami.
Budoucí systém proto pravděpodobně nebude muset nechat AI počítat každý jednotlivý interpolovaný bod dráhy. Mnohem smysluplnější je, když AI navrhne technologii, strategie, nástroje, pořadí operací a parametry a deterministické algoritmy CAMu následně vytvoří dráhy.
To ale problém důvěry neodstraňuje. Jen ho posouvá o úroveň výš. AI může zvolit nevhodnou strategii, špatně pochopit záměr, přehlédnout omezení stroje nebo vytvořit kombinaci voleb, kterou člověk běžně nepoužívá. Čím více rozhodnutí systému předáme, tím méně bude technolog průběžně sledovat, jak k výsledku došel.
Dnes je skrytou bezpečnostní vrstvou člověk
Současný CNC programátor nevytváří program jedním kliknutím a až na konci se nepodívá, co vzniklo. Během práce vidí model, volí upnutí, vybírá nástroje, sleduje dráhy, přemýšlí o nájezdech, kontroluje zbytkový materiál a průběžně porovnává výsledek se svou zkušeností.
Tato průběžná pozornost je dnes obrovská bezpečnostní vrstva, i když ji nikdo nenazývá bezpečnostním systémem. Zkušený člověk často odhalí nesmysl jen proto, že mu „něco nesedí“. Ví, že se určitá osa na konkrétním stroji takto běžně nechová. Ví, že nástroj s tímto vyložením nemá projíždět daným místem. Ví, že operace vypadá podezřele dlouhá.
Pokud velkou část této práce převezme automatizace, část lidské kontroly přirozeně zmizí. To není argument proti automatizaci. Je to jen důvod, proč musí spolu s automatizací tvorby růst také automatizace kontroly.
Nestačí automatizovat vytvoření CNC programu. Musíme automatizovat i důkaz, že program může bezpečně běžet.
A právě tady začne dramaticky růst význam digitálního dvojčete
Digitální dvojče se dnes někdy používá jako široký marketingový pojem. Pro tento problém je ale důležitá jeho velmi konkrétní podoba: virtuální reprezentace skutečného CNC stroje, která zná jeho kinematiku, limity os, rozměry, nástroje, držáky, upnutí, obrobek a ideálně i chování řídicího systému.
Takový systém není zajímavý proto, že na obrazovce hezky vypadá. Je zajímavý proto, že může odpovědět na otázku, kterou bude s rostoucím využitím AI potřeba pokládat stále častěji: co se skutečně stane, když tento konkrétní program pustíme na tomto konkrétním stroji?
A čím větší část programu vznikne automaticky, tím méně bude stačit jen vizuální kontrola drah. Budeme potřebovat kontrolu, která proběhne automaticky, opakovatelně a pokud možno nezávisle na systému, který program vytvořil.
Tři úrovně kontroly, které není dobré házet do jednoho pytle
Při debatě o simulaci se často směšují různé úrovně ověřování. Každá přitom kontroluje něco jiného.
- Simulace obrábění a materiálu. Kontroluje, jak nástroj odebírá materiál, zda nezůstává neobrobená oblast nebo zda nevzniká geometrická kolize nástroje s dílem.
- Kinematická simulace stroje. Přidává skutečné osy, jejich rozsahy, hlavy, revolvery, vřetena, přípravky a další části stroje. U víceosých a vícekanálových strojů je právě tato vrstva zásadní.
- Verifikace finálního NC programu. Kontroluje až to, co skutečně vzniklo po postprocessingu a co má dostat CNC řízení. Tady už vstupují do hry cykly, makra, transformace, korekce a logika konkrétního řídicího systému.
Pro člověka, který program vytváří ručně a zná každý krok, může někdy první nebo druhá úroveň stačit. V budoucím automatizovaném workflow ale bude stále důležitější právě poslední kontrolní vrstva. Program totiž může být technologicky dobře navržený a přesto se po postprocessingu chovat jinak, než systém očekával.
AI by neměla sama sobě vystavovat potvrzení o bezpečnosti
Tady se dostáváme k principu, který známe i z jiných technických oborů: systém, který něco vytvořil, by neměl být jediným systémem, který následně rozhodne, že je výsledek správný.
Pokud AI navrhne technologii a stejný model pak dostane otázku „je můj program bezpečný?“, může být taková kontrola užitečná, ale není nezávislá. Model může zopakovat stejnou chybnou interpretaci, ze které vycházel při tvorbě. Skutečnou hodnotu přináší až ověření založené na jiném principu — například fyzikálním modelu, kinematice stroje a skutečné interpretaci NC kódu.
Budoucí bezpečný řetězec proto podle nás nebude vypadat jako AI → CNC. Mnohem pravděpodobnější je několik vzájemně oddělených vrstev.
- CAD model a výrobní zadání
- AI nebo znalostní systém navrhne technologii
- CAM deterministicky vypočítá dráhy
- postprocesor vytvoří finální NC program
- digitální dvojče nezávisle ověří stroj, kinematiku a výsledný kód
- teprve potom program dostane skutečný CNC stroj
Takový řetězec není překážkou automatizace. Naopak je předpokladem, aby bylo možné automatizaci pustit dál, než si dnes většina výrobních firem troufne.
Čím méně bude člověk program sledovat, tím lepší musí být automatická kontrola
Paradoxně může být největší přínos AI právě v tom, že technolog přestane řešit jednotlivé kliky a začne řídit větší množství práce. Jeden zkušený člověk bude schopen připravovat více zakázek, kontrolovat návrhy automatizace a zasahovat jen tam, kde systém narazí na nestandardní situaci.
Jenže tím zároveň klesne množství času, které člověk věnuje jednomu konkrétnímu programu. Nebude dvacet minut sledovat každou sekvenci, kterou předtím sám vytvořil. Pokud má automatizace opravdu škálovat, nemůže být její poslední krok ruční sledování celé simulace od začátku do konce.
Simulace budoucnosti proto nebude jen video pro technologa. Bude to automatický test. Systém program zpracuje a vrátí výsledek: bezpečný, nalezen problém, nebo vyžaduje lidskou kontrolu. Člověk se bude soustředit především na výjimky.
To je podle nás klíčový posun: z digitálního dvojčete jako vizualizačního nástroje se stane kontrolní infrastruktura.
A co když bude AI jednou téměř bezchybná?
Častá námitka zní logicky: dnešní modely nejsou stejné jako modely za pět nebo deset let. Budoucí AI bude přesnější, lépe propojená s výrobními daty a může pracovat s mnohem přísnějšími omezeními. To je velmi pravděpodobné.
Jenže vyšší spolehlivost nesnižuje význam verifikace. V technice často platí pravý opak. Čím větší pravomoc automatickému systému dáme, tím více potřebujeme jistotu, že jeho chybu dokážeme zachytit dřív, než se projeví ve fyzickém světě.
Automobil také nepotřebuje brzdy proto, že očekáváme, že řidič bude dělat chybu každých deset kilometrů. Potřebuje je proto, že důsledky jediné nezachycené chyby mohou být vysoké. U drahého CNC stroje je princip podobný: kontrolní vrstva dává smysl i tehdy, když většina programů vznikne správně.
ESPRIT EDGE už ukazuje, jak se jednotlivé vrstvy začínají spojovat
Část této budoucnosti je vidět už dnes. V ESPRIT EDGE například ProPlan AI pracuje s předchozími znalostmi a pomáhá navrhovat technologii. Není to chatbot píšící náhodný G-kód. AI pomáhá s rozhodováním, zatímco samotné dráhy vznikají v CAM prostředí, které zná geometrii, nástroje a stroj.
Další vrstvu představuje digitální model stroje a simulace. A ještě dál je možné jít verifikací finálního NC kódu, tedy až výsledku po postprocessingu. Právě oddělení těchto vrstev považujeme za důležitější než debatu, zda něco marketingově nazveme AI nebo digitálním dvojčetem.
CHECKitB4 dává v éře AI ještě větší smysl než dnes
Jedním z konkrétních příkladů poslední kontrolní vrstvy je CHECKitB4. Jeho princip je jednoduchý: neověřovat jen záměr uvnitř CAMu, ale až finální NC program, který má jít na skutečný CNC stroj.
U podporovaných platforem pracuje s digitálním modelem stroje a originálním softwarovým jádrem řídicího systému. Tím se kontrola posouvá za postprocesor — do vrstvy, která je pro budoucí automatizované programování mimořádně zajímavá.
Dnes takovou verifikaci můžeme vnímat hlavně jako ochranu před kolizí, chybou postprocesoru nebo drahým zkoušením programu na stroji. Pokud ale začne stále větší část technologie vznikat automaticky, její role se změní. Z ochranného nástroje se může stát jeden z předpokladů důvěry v celý automatizovaný řetězec.
Nejde o nedůvěru k AI. Jde o to pustit ji dál.
Nejhorší závěr by byl, že generativní AI je příliš proměnlivá, a proto ji do CNC programování raději nepouštět. Přesně naopak. Její schopnost pracovat s kontextem, zkušeností a více možnými řešeními může být pro technologii obrovským přínosem.
Abychom jí ale mohli předat větší odpovědnost, potřebujeme prostředí, ve kterém chybu odhalíme dříve, než se dotkne skutečného stroje. Čím lepší bude kontrolní vrstva, tím odvážněji můžeme automatizovat.
Proto si myslíme, že čím více bude do CNC programování vstupovat umělá inteligence, tím větší význam budou mít přesná digitální dvojčata a nezávislá verifikace finálního NC programu.
Skutečná revoluce totiž možná nenastane ve chvíli, kdy AI poprvé vytvoří celý CNC program. To už je technicky představitelné. Revoluce nastane ve chvíli, kdy firma dokáže automaticky říct: tento program vytvořil strojový systém, jiný systém ho nezávisle ověřil a my ho můžeme bez obav poslat do výroby.
AI může tvořit. Digitální dvojče bude muset dokazovat, že výsledek může bezpečně do skutečného světa.
Další čtení
Digitální dvojče CNC přestává být experiment · AI ve výrobě: co je reálné dnes · CHECKitB4 — digitální dvojče CNC stroje