JP2019207477A - 三次元モデル作成操作自動化方法 - Google Patents
三次元モデル作成操作自動化方法 Download PDFInfo
- Publication number
- JP2019207477A JP2019207477A JP2018101576A JP2018101576A JP2019207477A JP 2019207477 A JP2019207477 A JP 2019207477A JP 2018101576 A JP2018101576 A JP 2018101576A JP 2018101576 A JP2018101576 A JP 2018101576A JP 2019207477 A JP2019207477 A JP 2019207477A
- Authority
- JP
- Japan
- Prior art keywords
- work
- dimensional model
- geometric information
- operation automation
- task
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
【課題】三次元モデル作成に係る複数の作業を自動化する技術を提供する。【解決手段】三次元モデルにおいて行う作業の目的の入力を受け付け、三次元モデルにおいて、入力された作業の目的の対象となる部位が有する幾何情報のうち、入力された作業の目的と関連付けられた特定の幾何情報を取得し、過去の三次元モデルデータにおいて実行された作業の目的と、実行された作業の目的の対象となった部位が有する幾何情報のうち実行された作業の目的と関連付けられた特定の幾何情報と、の組み合わせに対して、実行された作業の目的を達成するための作業プロセスを複数の階層に分けて機械学習した学習結果に基づき、入力された作業の目的と、取得した特定の幾何情報をキーとして、入力された作業の目的を達成するための作業プロセスを決定し、決定した作業プロセスに従って、三次元モデルを作成する。【選択図】図11
Description
本発明は、三次元モデル作成操作自動化方法に関する。
CAD(computer-aided design)による三次元モデル作成作業では、三次元モデルの寸法や、周辺形状から、必要な作業プロセスが総合的に判断されている。しかし、作業プロセスが多岐にわたるため、作業者の経験や勘に頼るところが多く、作業者の経験に応じて品質や作成工数が左右される。
特許文献1では、三次元モデルに対し、自動的にフィレットを作成する方法が開示されている。
しかしながら、従来技術は、三次元モデル作成に係る多様な作業のうちの「フィレットの自動作成」という一作業の自動化にとどまっている。
そこで、本明細書開示の三次元モデル作成操作自動化方法は、三次元モデル作成に係る複数の作業を自動化することを課題とする。
かかる課題を解決するために、本明細書に開示された三次元モデル作成操作自動化方法は、機械学習を行う人工知能を有する情報処理装置によって、三次元モデルの作成に係る操作を自動化する三次元モデル作成操作自動化方法であって、前記三次元モデルにおいて行う作業の目的の入力を受け付け、前記三次元モデルにおいて、入力された前記作業の目的の対象となる部位が有する幾何情報のうち、入力された前記作業の目的と関連付けられた特定の幾何情報を取得し、過去の三次元モデルデータにおいて実行された作業の目的と、実行された前記作業の目的の対象となった部位が有する幾何情報のうち実行された前記作業の目的と関連付けられた特定の幾何情報と、の組み合わせに対して、実行された前記作業の目的を達成するための作業プロセスを複数の階層に分けて機械学習した学習結果に基づき、入力された前記作業の目的と、取得した前記特定の幾何情報をキーとして、入力された前記作業の目的を達成するための作業プロセスを決定し、決定した作業プロセスに従って、前記三次元モデルを作成する。
本明細書開示の三次元モデル作成操作自動化方法によれば、三次元モデル作成に係る複数の作業を自動化できる。
以下、本発明の実施形態について、添付図面を参照しつつ説明する。ただし、図面中、各部の寸法、比率等は、実際のものと完全に一致するようには図示されていない場合がある。また、図面によっては細部が省略されて描かれている場合もある。
まず、一実施形態に係るCAD操作自動化方法を適用するCADシステムについて説明する。図1に示すように、CADシステム10は、ディスプレイ等の表示装置20、キーボード及びマウス等の入力装置30、メモリ及びハードディスクドライブ等の記憶装置40、及び演算処理装置50を備える。演算処理装置50は、例えば、CPU(Central Processing Unit)又はMPU(Micro Processing Unit)である。演算処理装置50は、記憶装置40に記憶された所定のプログラムを読み込んで実行することにより、操作自動化部501として機能する。
操作自動化部501は、過去の三次元モデルデータに基づいて機械学習を行う人工知能機能を有する。操作自動化部501は、作業目的と特定の幾何情報との組み合わせに対して、作業プロセスを階層化して機械学習し、学習結果に基づいて、CAD操作を自動化する。
図2は、本実施形態の操作自動化部501が人工知能機能により行う学習処理の一例を示すフローチャートである。人工知能機能が行う機械学習の手法としては、ランダムフォレスト法を採用することができる。
(学習処理)
図2に示す処理では、まず、操作自動化部501は、学習処理の対象となる過去の三次元モデルデータを読み込む(ステップS11)。なお、三次元モデルデータは、作業履歴が保存される、いわゆるヒストリーCADにより作成されている。
図2に示す処理では、まず、操作自動化部501は、学習処理の対象となる過去の三次元モデルデータを読み込む(ステップS11)。なお、三次元モデルデータは、作業履歴が保存される、いわゆるヒストリーCADにより作成されている。
次に、操作自動化部501は、三次元モデルデータに含まれる作業履歴を階層化し学習する階層化学習処理を行う(ステップS12)。
(階層化学習処理)
ここで、ステップS12の階層化学習処理の詳細を、図3のフローチャートと、その他図面に基づいて説明する。
ここで、ステップS12の階層化学習処理の詳細を、図3のフローチャートと、その他図面に基づいて説明する。
図3において、操作自動化部501は、入力装置30を介した作業者からの入力に基づいて、作業履歴内のコマンドをグループ化し、作業目的と紐付ける(ステップS121)。例えば、図4(A)に示す三次元モデルにおいて、点線で囲んだA,B,Cの部位に対して作業が行われており、図4(B)に示す作業履歴が三次元モデルデータに保存されているとする。この場合、操作自動化部501は、入力装置30を介した作業者からの入力に基づいて、図5に示すように、作業履歴内のコマンドをグループ化し、グループ化された一連のコマンドと、作業目的とを紐付ける。図5において、作業目的Aは、例えば「肉厚凸部へのR付与」であり、作業目的Bは、例えば「ボスの移動」である。
次に、操作自動化部501は、作業目的ごとに、作業ブロックを特定する(ステップS122)。作業ブロックは、例えば、作業目的に対する作業履歴を再生し、再生前後の形状を比較することによって特定することができる。したがって、作業ブロックは、作業目的を達成するための作業によって影響を受けた稜線であると定義できる。例えば、図6に示すように、操作自動化部501は、作業目的Aに対する作業履歴を再生することにより作業ブロック1を特定し、作業目的Bに対する作業履歴を再生することにより作業ブロック2を特定する。
次に、操作自動化部501は、入力装置30を介した作業者からの入力に基づいて、作業目的毎に、作業目的に対する一連のコマンドを更にグループ化し、コマンド群として定義する(ステップS123)。例えば、操作自動化部501は、図7(A)に示すように作業目的Aに含まれるコマンドA及びBの組み合わせをコマンド群Aとして定義する。なお、作業目的が複数のコマンドを含まない場合、コマンドそのものをコマンド群として登録してもよい(例えば、図7(B)のコマンドE)。
次に、操作自動化部501は、入力装置30を介した作業者からの入力に基づいて、各作業目的において、コマンド群とサブ作業目的とを紐付ける(ステップS124)。例えば、作業目的Aにおいて、入力装置30からの入力に基づいて、操作自動化部501は、図8(A)に示すように、最初のコマンド群Aを、サブ作業目的SA1(例えば、稜線へのR付与)と紐付ける。また、例えば図8(E)に示すように、作業目的Bにおいて、コマンド群BとコマンドEとを、サブ作業目的SA4(例えば、円筒移動)と紐付ける。
次に、操作自動化部501は、各サブ作業目的の作業範囲を特定する(ステップS125)。作業範囲は、例えば、サブ作業目的に対する作業履歴を再生し、再生前後の形状を比較することによって特定することができる。したがって、作業範囲は、サブ作業目的を達成するための作業によって影響を受けた稜線と定義することができる。例えば、図8(A)に定義したサブ作業目的SA1から特定される作業範囲1は、図8(B)の太線で示す部分(稜線)であり、サブ作業目的SA2から特定される作業範囲2は、図8(C)の太線で示す部分(稜線)であり、サブ作業目的SA3から特定される作業範囲3は、図8(D)の太線で示す部分(稜線)となる。また、図8(E)に定義したサブ作業目的SA4から特定される作業範囲4は、図8(F)の太線で示す部分(稜線)であり、サブ作業目的SA5から特定される作業範囲5は、図8(G)の太線で示す部分(稜線)であり、サブ作業目的SA6から特定される作業範囲6は、図8(H)の太線で示す部分(稜線)である。
次に、操作自動化部501は、作業目的の対象となった作業ブロック(部位)の幾何情報のうち、作業目的と関連付けられた特定の幾何情報を抽出する(ステップS127)。より具体的には、作業目的により特定した作業ブロックに含まれる全ての稜線が有する幾何情報のうち、特定の幾何情報を抽出する。ここで、幾何情報とは、稜線を定義するパラメータ(例えば、長さ、角度、曲率、周辺面との距離、面積・・・・)の情報と、各パラメータに対して登録されている値の情報とを含む。したがって、特定の幾何情報とは、稜線を定義するパラメータのうち作業目的と関連付けられた特定のパラメータの情報と、当該特定のパラメータそれぞれに対して登録されている値の情報とを含む。例えば、作業目的が「肉厚凸部へのR付与」であった場合の特定の幾何情報は、機能情報、形状の凹凸、面の曲率、及び線の長さとすることができる。なお、機能情報は、稜線が属する部位の機能や特徴等を示す情報である。機能情報は、例えば、「肉厚凸部」、「締結ボス」、「リブ」、「加工部」等である。
次に、操作自動化部501は、作業目的と特定の幾何情報との組み合わせに対する正解として、作業範囲、コマンド群、及びコマンドを階層化して学習する(ステップS128)。このとき、操作自動化部501は、各階層における要素の順序(作業範囲の処理順序、コマンド群の実行順序、コマンドの実行順序)も学習する。
操作自動化部501は、学習結果を記憶装置40の学習結果格納部401(図1参照)に格納する(ステップS129)。これにより、例えば、図9及び図10に示すように、作業目的と、作業ブロックが有する作業前後の幾何情報のうち、作業目的に関連づけられた特定の幾何情報との組み合わせに対して、作業範囲、コマンド群、及びコマンドが階層化された学習結果が格納される。また、各階層における要素の順序も学習結果として格納される。
(CAD操作自動化処理)
次に、CADシステム10において実行されるCAD操作自動化処理について、図11のフローチャートを参照して説明する。図11の処理では、三次元モデルにRを付与する場合を具体例に説明する。
次に、CADシステム10において実行されるCAD操作自動化処理について、図11のフローチャートを参照して説明する。図11の処理では、三次元モデルにRを付与する場合を具体例に説明する。
まず、操作自動化部501は、入力装置30を介して作業者から作業目的の入力を受け付ける(ステップS21)。例えば、操作自動化部501は、図12(A)に示すような画面を表示装置20に表示することによって、作業者から作業目的の入力を受け付ける。図12(A)の画面例では、作業者が「自動R付けシステム」を起動し、「部位」の項目において、Rを付与する対象となる部位を選択(又は、直接入力)することによって、作業目的を入力することができる。例えば、図12(A)の例では、「肉厚の凸部にRを付与する」が作業目的となる。
次に、操作自動化部501は、作業目的を実行するために必要な情報(本例では、R値)の入力を受け付ける(ステップS23)。例えば、操作自動化部501は、図12(A)に示す画面において、R値の入力を受け付ける。なお、R値の入力を別画面で入力するようにしてもよい。
次に、操作自動化部501は、作業目的の対象となる作業ブロックを抽出する(ステップS24)。本例では、操作自動化部501は、「肉厚の凸部にRを付与する」という作業目的の対象となる作業ブロックを特定する。例えば、操作自動化部501は、機能情報に「肉厚凸部」が設定されている稜線それぞれの幾何情報(凸の稜線か否か、どの稜線と接しているか等)に基づき、作業ブロックを特定する。操作自動化部501は、作業目的の対象となる作業ブロックの数を表示装置20に表示してもよい。例えば、操作自動化部501は、図12(A)に示すように、作業ブロックの数(図12(A)の例では、35)を表示してもよい。
次に、操作自動化部501は、処理対象の作業ブロックの全稜線が持つ幾何情報のうち、作業目的に関連付けられている特定の幾何情報を取得する(ステップS25)。
次に、操作自動化部501は、取得した特定の幾何情報と、作業目的(ここでは、「肉厚凸部へのR付与」)とをキーにして、学習結果格納部401に格納された学習結果を参照し、作業ブロックにおいてRを付与する作業範囲を特定し、処理順序を決定する(ステップS26)。例えば、図12(B)に示す作業ブロックが抽出された場合に、操作自動化部501は、学習結果に基づき、図12(C)に示すように作業範囲1〜3を特定し、例えば、作業範囲1→作業範囲2→作業範囲3の順で処理を行うと決定する。
次に、操作自動化部501は、各作業範囲に対して作業目的を実現するコマンドの組み合わせを学習結果に基づいて決定し、実行する(ステップS27)。
次に、操作自動化部501は、作業ブロック内の全ての作業範囲に対する処理が完了したか否かを判断する(ステップS28)。
全ての作業範囲に対する処理が完了していない場合(ステップS28/NO)、ステップS26に戻り、次の作業範囲に対してコマンドの組み合わせを決定し実行する。
一方、作業ブロック内の全ての作業範囲に対する処理が完了している場合(ステップS28/YES)、操作自動化部501は、作業目的に適合した三次元モデルが作成されているか否かを判断する(ステップS29)。例えば、操作自動化部501は、指示通りのR値でモデルが作成されているか否かを、モデルの形状を測定して作業目的に適合した三次元モデルが作成されているか否かを判断する。
作業目的に適合した三次元モデルが作成されていない場合(ステップS29/NO)、操作自動化部501は、ステップS27に戻り、再度作業ブロック内の作業範囲に対してコマンドの組み合わせを決定し実行する。このとき、操作自動化部501は、人工知能の機能により、選択肢を統計的に重み付けして判断するため、最初に決定したコマンドの組み合わせとは別のコマンドの組み合わせを決定し実行する。
一方、作業目的に適合した三次元モデルが作成されている場合(ステップS29/YES)、操作自動化部501は、全ての作業ブロックを処理したか否かを判断する(ステップS30)。例えば、操作自動化部501は、図12(A)に示す画面において、「完了」のチェックボックスがチェックされた場合に、全ての作業ブロックを処理したと判断することができる。
未だ処理していない作業ブロックが存在する場合(ステップS30/NO)、操作自動化部501は、ステップS25に戻り、次の作業ブロックに含まれる特定の幾何情報を取得する。一方、全ての作業ブロックに対する処理が終了した場合(ステップS30/YES)、図11の処理を終了する。
以上、詳細に説明したように、本実施形態に係るCADシステム10によれば、機械学習を行う人工知能を有する演算処理装置50が、三次元モデルにおいて行う作業目的の入力を受け付け(図11、ステップS21)、三次元モデルにおいて、入力された作業目的の対象となる作業ブロック(部位)が有する幾何情報のうち、入力された作業目的と関連付けられた特定の幾何情報を取得し(図11、ステップS25)、過去の三次元モデルデータにおいて実行された作業の目的と、実行された作業の目的の対象となった作業ブロックが有する幾何情報のうち実行された作業の目的と関連付けられた特定の幾何情報と、の組み合わせに対して、実行された作業の目的を達成するための作業プロセスを複数の階層に分けて機械学習した学習結果に基づき、入力された作業目的と、取得した特定の幾何情報とをキーとして、入力された作業目的を達成するための作業プロセスを決定し(図11、ステップS26、S27)、決定した作業プロセスに従って、三次元モデルを作成する。これにより、三次元モデルの作成に係る様々な作業(移動、R付与、厚み変更等)に必要な作業プロセスが、作業目的と、当該作業目的に関連付けられた特定の幾何情報との組み合わせで階層化して学習されるため、当該学習結果に基づいて、三次元モデルの作成に係る複数の作業を自動化することができる。
また、本実施形態に係るCADシステム10において、学習処理では、過去の三次元モデルデータから、作業者(人)の感覚的な判断基準をルール化している。本実施形態では、過去の三次元モデルデータを機械学習する場合に、作業目的と組み合わせて記憶する幾何情報を、作業ブロックに含まれる全ての稜線の幾何情報のうち、作業目的と関連付けられた特定の幾何情報に絞り込んでいるため、全ての幾何情報を使用する場合と比較して、作業範囲及びコマンドの組み合わせ等を判断する基準及び閾値をルール化する際の精度が向上する。すなわち、自動化したいモデリング作業に関連する幾何情報を絞り込むことによって、作業プロセスのルール化のノイズとなる余分な情報を削除することができ、ルール化の精度が向上する。さらに、作業プロセスを階層化することにより、作業履歴を明確に切り分けることができ、ルール化の精度が向上する。また、機械学習の手法としてランダムフォレスト法を採用することにより、学習結果の可読性が向上し、ルール化が可能となる。また、学習させる過去の三次元モデルデータを増やすことによって、ルールの精度が向上し、ルールを適用できる部品の種類も拡大する(汎用性が向上する)。また、これにより、CAD操作を自動化できる範囲が拡大する。
さらに、CAD操作自動化処理においては、過去の作業履歴に基づいた学習結果を利用することにより、過去の事例と同様の作業プロセスを実行させることができ、技術トレンドなどが反映される部品形状の変化に柔軟に対応することができる。
さらに、操作自動化部501による自動化によって作成された作業履歴は、作業範囲の処理順序及びコマンドの実行順序が整理されており、解読しやすくなっているため、手作業でR値を変更する場合に、作業を効率化できる。
上記実施形態は本発明を実施するための例にすぎず、本発明はこれらに限定されるものではなく、これらの実施例を種々変形することは本発明の範囲内であり、更に本発明の範囲内において、他の様々な実施例が可能であることは上記記載から自明である。
10 CADシステム
30 入力装置
40 記憶装置
50 演算処理装置
401 学習結果格納部
501 操作自動化部
30 入力装置
40 記憶装置
50 演算処理装置
401 学習結果格納部
501 操作自動化部
Claims (1)
- 機械学習を行う人工知能を有する情報処理装置によって、三次元モデルの作成に係る操作を自動化する三次元モデル作成操作自動化方法であって、
前記三次元モデルにおいて行う作業の目的の入力を受け付け、
前記三次元モデルにおいて、入力された前記作業の目的の対象となる部位が有する幾何情報のうち、入力された前記作業の目的と関連付けられた特定の幾何情報を取得し、
過去の三次元モデルデータにおいて実行された作業の目的と、実行された前記作業の目的の対象となった部位が有する幾何情報のうち実行された前記作業の目的と関連付けられた特定の幾何情報と、の組み合わせに対して、実行された前記作業の目的を達成するための作業プロセスを複数の階層に分けて機械学習した学習結果に基づき、入力された前記作業の目的と、取得した前記特定の幾何情報をキーとして、入力された前記作業の目的を達成するための作業プロセスを決定し、
決定した作業プロセスに従って、前記三次元モデルを作成する、
ことを特徴とする三次元モデル作成操作自動化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018101576A JP2019207477A (ja) | 2018-05-28 | 2018-05-28 | 三次元モデル作成操作自動化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018101576A JP2019207477A (ja) | 2018-05-28 | 2018-05-28 | 三次元モデル作成操作自動化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019207477A true JP2019207477A (ja) | 2019-12-05 |
Family
ID=68767963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018101576A Pending JP2019207477A (ja) | 2018-05-28 | 2018-05-28 | 三次元モデル作成操作自動化方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2019207477A (ja) |
-
2018
- 2018-05-28 JP JP2018101576A patent/JP2019207477A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7113749B2 (ja) | 金属加工プロセスを最適化するための最適動作性能基準を選択するためのコンピュータ制御される方法、産業用機械システム、コンピュータプログラム製品及び非一時的コンピュータ可読媒体 | |
CN109564416B (zh) | 一种用于基于金属加工过程的最佳操作性能标准来修改过程参数的方法、系统和可读介质 | |
US7248992B2 (en) | Combined feature dimensional parameter analysis | |
US20150026107A1 (en) | System and apparatus that identifies, captures, classifies and deploys tribal knowledge unique to each operator in a semi-automated manufacturing set-up to execute automatic technical superintending operations to improve manufacturing system performance and the methods therefor | |
CN104460525B (zh) | 用于构建零件加工方法的方法和系统 | |
EP3232351B1 (en) | System and process for evaluating and validating additive manufacturing operations | |
WO2017142470A1 (en) | Method and machine system for controlling an industrial operation | |
Adjoul et al. | Algorithmic strategy for optimizing product design considering the production costs | |
Mahmood et al. | Development of cyber-physical production systems based on modelling technologies. | |
Chryssolouris et al. | A novel virtual experimentation approach to planning and training for manufacturing processes--the virtual machine shop | |
KR101405039B1 (ko) | 사용자 맞춤형 가공공정 자동화 시스템 및 방법 | |
Rodríguez-Padial et al. | Strategic framework to maintenance decision support systems | |
CN115298621A (zh) | 用于创建控制数据集的计算机实现的方法、cad/cam系统及制造设施 | |
JP2019207477A (ja) | 三次元モデル作成操作自動化方法 | |
JP7383999B2 (ja) | 協調作業システム、解析装置および解析プログラム | |
JP7384000B2 (ja) | 協調作業システム、解析収集装置および解析プログラム | |
Khan et al. | Role of CAD/CAM in designing challenges facing in manufacturing industry and developing manufacturing in modern manufacturing technology | |
JP4378644B2 (ja) | 工具の加工パスデータ生成方法及び加工パス生成プログラム | |
JP2018101347A (ja) | 加工プログラム解析装置、加工プログラム解析プログラムおよび加工プログラム解析方法 | |
WO2024070014A1 (ja) | 計画ロジック評価支援システムおよび方法 | |
WO2021240974A1 (ja) | 生産工程改善支援装置、及び生産工程改善支援方法 | |
WO2015011207A1 (en) | A method and system for controlling the production process of a product | |
Fountas et al. | Intelligent CNC tool path optimization for sculptured surface machining through a virus-evolutionary genetic algorithm | |
Rame et al. | Transforming The Furniture Industry in The Digital Age | |
Fountas et al. | Comparison of non-conventional intelligent algorithms for optimizing sculptured surface CNC tool paths |