論文の概要: BenDFM: A taxonomy and synthetic CAD dataset for manufacturability assessment in sheet metal bending

• arxiv url: http://arxiv.org/abs/2603.13102v1
• Date: Fri, 13 Mar 2026 15:57:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-16 17:38:12.17081
• Title: BenDFM: A taxonomy and synthetic CAD dataset for manufacturability assessment in sheet metal bending
• Title（参考訳）: BenDFM:鋼板の曲げ加工性評価のための分類とCADデータセット
• Authors: Matteo Ballegeer, Dries F. Benoit,
• Abstract要約: 本稿では,構成依存と測定型の軸に沿った製造可能性指標の分類法を提案する。 鋼板の曲げ加工における製造性評価のための最初の合成データセットであるBenDFMを紹介する。 BenDFMは、製造可能と製造不可能の両方の20,000の部品を含み、プロセス対応の曲げシミュレーションによって生成される。
• 参考スコア（独自算出の注目度）: 0.5156484100374058
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predicting the manufacturability of CAD designs early, in terms of both feasibility and required effort, is a key goal of Design for Manufacturing (DFM). Despite advances in deep learning for CAD and its widespread use in manufacturing process selection, learning-based approaches for predicting manufacturability within a specific process remain limited. Two key challenges limit progress: inconsistency across prior work in how manufacturability is defined and consequently in the associated learning targets, and a scarcity of suitable datasets. Existing labels vary significantly: they may reflect intrinsic design constraints or depend on specific manufacturing capabilities (such as available tools), and they range from discrete feasibility checks to continuous complexity measures. Furthermore, industrial datasets typically contain only manufacturable parts, offering little signal for infeasible cases, while existing synthetic datasets focus on simple geometries and subtractive processes. To address these gaps, we propose a taxonomy of manufacturability metrics along the axes of configuration dependence and measurement type, allowing clearer scoping of generalizability and learning objectives. Next, we introduce BenDFM, the first synthetic dataset for manufacturability assessment in sheet metal bending. BenDFM contains 20,000 parts, both manufacturable and unmanufacturable, generated with process-aware bending simulations, providing both folded and unfolded geometries and multiple manufacturability labels across the taxonomy, enabling systematic study of previously unexplored learning-based DFM challenges. We benchmark two state-of-the-art 3D learning architectures on BenDFM, showing that graph-based representations that capture relationships between part surfaces achieve better accuracy, and that predicting metrics that depend on specific manufacturing setups remains more challenging.
• Abstract（参考訳）: CAD設計の初期の製造可能性を予測することは、製造のための設計(DFM)の重要な目標である。 CADの深層学習の進歩と製造プロセスの選択に広く利用されているにもかかわらず、特定のプロセスにおける製造可能性を予測するための学習ベースのアプローチは限定的である。 2つの重要な課題は、製造可能性の定義方法における先行作業間の不整合と、それに伴う学習目標、適切なデータセットの不足である。 既存のラベルは、固有の設計上の制約を反映するか、特定の製造能力(利用可能なツールなど)に依存する可能性がある。 さらに、工業用データセットは一般的に製造可能な部分のみを含み、既存の合成データセットは単純なジオメトリと減算プロセスに重点を置いているが、実現不可能なケースに対する信号はほとんど提供されない。 これらのギャップに対処するために、構成依存と測定型の軸に沿った製造可能性指標の分類を提案し、一般化可能性と学習目標のより明確なスコーピングを可能にした。 次に, 鋼板の曲げ加工性評価のための最初の合成データセットであるBenDFMを紹介する。 BenDFMには、製造可能と製造不可能の両方の20,000の部品が含まれており、プロセス対応の曲げシミュレーションによって生成され、折り畳まれたジオメトリーと折り畳まれたジオメトリーの両方と、分類学全体にわたる複数の製造可能性ラベルを提供し、これまで探索されていなかった学習ベースのDFM課題の体系的な研究を可能にしている。 我々はBenDFM上で2つの最先端の3D学習アーキテクチャをベンチマークし、部品表面間の関係をキャプチャするグラフベースの表現の方が精度が良く、特定の製造設備に依存するメトリクスを予測することはより困難であることを示した。

関連論文リスト

• Kolmogorov-Arnold Networks-Based Tolerance-Aware Manufacturability Assessment Integrating Design-for-Manufacturing Principles [0.0]
  本研究では,パラメトリック設計の特徴から製造可能性を直接評価する手法を提案する。 このアプローチでは、KAN(Kolmogorov-Arnold Networks)を使用して、設計パラメータ、耐性、製造可能性の結果の間の機能的関係を学習する。
  論文  参考訳（メタデータ） (2026-01-09T22:12:47Z)
• LLMs for Analog Circuit Design Continuum (ACDC) [10.15990970510281]
  大きな言語モデル(LLM)とトランスフォーマーアーキテクチャは印象的な推論と生成能力を示している。 この研究は、人間がループに留まるAI支援設計に焦点を当てている。 この結果から,データフォーマットに対する感度,生成した設計の不安定性,未確認回路構成への一般化の制限など,重要な信頼性上の課題が浮き彫りになった。
  論文  参考訳（メタデータ） (2025-12-09T23:57:28Z)
• Mitra: Mixed Synthetic Priors for Enhancing Tabular Foundation Models [85.64873567417396]
  実世界のデータに対して,その多様性,特異性,および性能のために選択された合成前駆体の硬化した混合物をトレーニングしたTFMであるMitraを紹介する。 Mitraは、TabPFNv2やTabICLのような最先端のTFMを、分類と回帰のベンチマークで一貫して上回っている。
  論文  参考訳（メタデータ） (2025-10-24T07:15:06Z)
• PB-IAD: Utilizing multimodal foundation models for semantic industrial anomaly detection in dynamic manufacturing environments [0.0]
  本稿では, PB-IAD (Prompt-based Industrial Anomaly Detection) を提案する。 データ分散性、アジャイル適応性、ドメインユーザ中心性という、動的運用環境の3つの重要な要件に対処する。 PatchCoreのような異常検出のための最先端のメソッドにベンチマークされる。
  論文  参考訳（メタデータ） (2025-08-20T07:53:13Z)
• GUST: Quantifying Free-Form Geometric Uncertainty of Metamaterials Using Small Data [0.0]
  GUST (Generative Uncertainty Learning via Self-supervised pretraining and Transfer Learning) は、メタマテリアルの製造に固有の自由形式の幾何学的不確実性を定量化するフレームワークである。
  論文  参考訳（メタデータ） (2025-05-28T18:40:15Z)
• Meta-Statistical Learning: Supervised Learning of Statistical Inference [59.463430294611626]
  この研究は、大きな言語モデル(LLM)の成功を駆動するツールと原則が、分散レベルのタスクに取り組むために再利用可能であることを実証している。 本稿では,統計的推論タスクを教師付き学習問題として再構成するマルチインスタンス学習に触発されたメタ統計学習を提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:04:39Z)
• Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
  構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。 近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
  論文  参考訳（メタデータ） (2023-06-20T14:21:58Z)
• DA-VEGAN: Differentiably Augmenting VAE-GAN for microstructure reconstruction from extremely small data sets [110.60233593474796]
  DA-VEGANは2つの中心的なイノベーションを持つモデルである。 $beta$-variational autoencoderはハイブリッドGANアーキテクチャに組み込まれている。 このアーキテクチャに特化して、独自の差別化可能なデータ拡張スキームが開発されている。
  論文  参考訳（メタデータ） (2023-02-17T08:49:09Z)

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。