論文の概要: Automatic Feature Recognition and Dimensional Attributes Extraction From CAD Models for Hybrid Additive-Subtractive Manufacturing
- arxiv url: http://arxiv.org/abs/2408.06891v2
- Date: Wed, 14 Aug 2024 05:16:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-15 12:12:37.703152
- Title: Automatic Feature Recognition and Dimensional Attributes Extraction From CAD Models for Hybrid Additive-Subtractive Manufacturing
- Title（参考訳）: ハイブリッド添加物製造のためのCADモデルからの特徴認識と次元属性の自動抽出
- Authors: Muhammad Tayyab Khan, Wenhe Feng, Lequn Chen, Ye Han Ng, Nicholas Yew Jin Tan, Seung Ki Moon,
- Abstract要約: 本稿では,加法および減算加工の両方に関連する特徴を含む合成CADデータセットを作成するための新しいアプローチを提案する。
階層型グラフ畳み込みニューラルネットワーク (HGCNN) モデルは, 合成加法-減算的特徴を正確に識別するために実装されている。
提案モデルでは,特徴認識精度が97%を超え,特徴抽出精度が100%以上であることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The integration of Computer-Aided Design (CAD), Computer-Aided Process Planning (CAPP), and Computer-Aided Manufacturing (CAM) plays a crucial role in modern manufacturing, facilitating seamless transitions from digital designs to physical products. However, a significant challenge within this integration is the Automatic Feature Recognition (AFR) of CAD models, especially in the context of hybrid manufacturing that combines subtractive and additive manufacturing processes. Traditional AFR methods, focused mainly on the identification of subtractive (machined) features including holes, fillets, chamfers, pockets, and slots, fail to recognize features pertinent to additive manufacturing. Furthermore, the traditional methods fall short in accurately extracting geometric dimensions and orientations, which are also key factors for effective manufacturing process planning. This paper presents a novel approach for creating a synthetic CAD dataset that encompasses features relevant to both additive and subtractive machining through Python Open Cascade. The Hierarchical Graph Convolutional Neural Network (HGCNN) model is implemented to accurately identify the composite additive-subtractive features within the synthetic CAD dataset. The key novelty and contribution of the proposed methodology lie in its ability to recognize a wide range of manufacturing features, and precisely extracting their dimensions, orientations, and stock sizes. The proposed model demonstrates remarkable feature recognition accuracy exceeding 97% and a dimension extraction accuracy of 100% for identified features. Therefore, the proposed methodology enhances the integration of CAD, CAPP, and CAM within hybrid manufacturing by providing precise feature recognition and dimension extraction. It facilitates improved manufacturing process planning, by enabling more informed decision-making.
- Abstract（参考訳）: CAD(Computer-Aided Design)、CAPP(Computer-Aided Process Planning)、CAM(Computer-Aided Manufacturing)の統合は、デジタルデザインから物理製品へのシームレスな移行を促進するため、現代の製造業において重要な役割を果たす。
しかし、この統合における重要な課題はCADモデルの自動特徴認識(AFR)であり、特に減算的および加法的製造プロセスを組み合わせたハイブリッド製造の文脈においてである。
伝統的なAFR法は、主に穴、フィレット、シャンファー、ポケット、スロットを含む減算的(機械化された)特徴の識別に重点を置いていたが、添加物の製造に関係する特徴を認識できなかった。
さらに, 従来の手法は, 形状や方向を正確に抽出するに足りず, 効率的な製造工程計画の鍵となる要素でもある。
本稿では,Python Open Cascadeによる付加的および減算的加工に関連する特徴を含む合成CADデータセットを作成するための新しいアプローチを提案する。
The Hierarchical Graph Convolutional Neural Network (HGCNN) model is implemented to correct identified the Composite additive-subtractive features in the synthetic CAD dataset。
提案手法の重要な新規性と貢献は、幅広い製造特徴を認識し、その寸法、配向、ストックサイズを正確に抽出する能力にある。
提案モデルでは,特徴認識精度が97%を超え,特徴抽出精度が100%以上であることを示す。
そこで本提案手法は, CAD, CAPP, CAMのハイブリッド製造における統合性を高め, 正確な特徴認識と次元抽出を実現する。
より情報のある意思決定を可能にすることにより、製造プロセスの計画の改善を促進する。
関連論文リスト
- Leveraging Vision-Language Models for Manufacturing Feature Recognition in CAD Designs [0.0]
本研究では、CAD設計における幅広い製造特徴の認識を自動化する視覚言語モデル(VLM)について検討する。
認識を可能にするために、マルチビュークエリイメージ、少数ショット学習、シーケンシャル推論、チェーン・オブ・プリートといったプロンプトエンジニアリング技術が適用される。
論文 参考訳（メタデータ） (2024-11-05T04:57:55Z) - Automatic Input Feature Relevance via Spectral Neural Networks [0.9236074230806581]
本稿では,ディープニューラルネットワークにおける入力成分の相対的重要性を推定する新しい手法を提案する。
これは最適化プロセスのスペクトル再パラメータ化を活用することで達成される。
この手法は、合成データと実データの両方に対してうまく挑戦されている。
論文 参考訳（メタデータ） (2024-06-03T10:39:12Z) - Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。
我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。
本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
論文 参考訳（メタデータ） (2024-05-20T09:28:23Z) - Control and Automation for Industrial Production Storage Zone: Generation of Optimal Route Using Image Processing [49.1574468325115]
本稿では,DIPを用いた生産ラインモデルのゾーンに対する産業自動化手法の開発に焦点をあてる。
新カスケード法は、それぞれの段階を適切な方法で定義し、関連する手法を開発に含めることを可能にした。
システムはOpenCVライブラリをベースとしており、Java言語に基づいたオブジェクト指向プログラミング(OOP)プラットフォーム上に実装された人工視覚に焦点を当てたツールである。
論文 参考訳（メタデータ） (2024-03-15T06:50:19Z) - An adaptive human-in-the-loop approach to emission detection of Additive
Manufacturing processes and active learning with computer vision [76.72662577101988]
In-situ monitoring and process control in Additive Manufacturing (AM) は大量の排出データを収集することを可能にする。
このデータは、3Dプリントされた部品の3Dおよび2D表現への入力として使用できる。
本研究の目的は,機械学習技術を用いた適応型ヒューマン・イン・ザ・ループ手法を提案することである。
論文 参考訳（メタデータ） (2022-12-12T15:11:18Z) - Deep Learning based pipeline for anomaly detection and quality
enhancement in industrial binder jetting processes [68.8204255655161]
異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。
本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
論文 参考訳（メタデータ） (2022-09-21T08:14:34Z) - Hierarchical Perceiver [99.34638383071193]
Perceiversのような一般的な知覚システムは任意の組み合わせで任意のモダリティを処理できる。
これらのモデルにある程度の局所性を導入することができ、その効率を大幅に改善できることを示す。
論文 参考訳（メタデータ） (2022-02-22T13:39:14Z) - Towards automated Capability Assessment leveraging Deep Learning [0.0]
本稿では,ボキセル化技術を用いて評価を自動化するソフトウェアであるNeuroCADを提案する。
この手法によりCADファイルに基づくディープラーニングにより,抽象的ジオメトリと生産関連機能の評価が可能となる。
論文 参考訳（メタデータ） (2022-01-28T13:49:35Z) - Feature Visualization within an Automated Design Assessment leveraging
Explainable Artificial Intelligence Methods [0.0]
3次元CADデータから駆動されるディープラーニングシステムによって主に活用される自動能力評価について紹介した。
現在の評価システムは、抽象的な特徴に関してCADデータを評価することができるが、システム決定の理由に関する幾何学的な指標は持っていない。
NeuroCADプロジェクト内では、ある抽象的特徴に関連する幾何学的特徴を特定するためにxAIメソッドが使用される。
論文 参考訳（メタデータ） (2022-01-28T13:31:42Z) - Geometry Based Machining Feature Retrieval with Inductive Transfer
Learning [1.1759564521969381]
インダクティブトランスファー学習を用いたCADモデルから高レベルのセマンティックな特徴を抽出し,学習することができる。
その結果, モデルが機械的特徴から幾何学的要素を効果的に捕捉できることが判明した。
論文 参考訳（メタデータ） (2021-08-26T15:08:42Z) - AI-based Modeling and Data-driven Evaluation for Smart Manufacturing
Processes [56.65379135797867]
本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。
本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-08-29T14:57:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。