JP7319141B2 - 人工知能ベースの製造部品設計 - Google Patents
人工知能ベースの製造部品設計 Download PDFInfo
- Publication number
- JP7319141B2 JP7319141B2 JP2019154770A JP2019154770A JP7319141B2 JP 7319141 B2 JP7319141 B2 JP 7319141B2 JP 2019154770 A JP2019154770 A JP 2019154770A JP 2019154770 A JP2019154770 A JP 2019154770A JP 7319141 B2 JP7319141 B2 JP 7319141B2
- Authority
- JP
- Japan
- Prior art keywords
- design
- encoded
- part design
- imaginary
- space
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Computer Graphics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Processing Or Creating Images (AREA)
Description
本開示は、ユーザの初期の所望部品設計および所望部品設計のユーザの目標、目標の重み付け、および類似性境界に基づいてユーザに最適部品設計を提供するニューラルネットワークアーキテクチャ(たとえば、オートエンコーダ)を採用する、知的な人工知能ベースのシステムを教示する。ユーザがシステムを操作する前に、システムによって利用される部品の空間(実現部品設計および想像部品設計の両方を含む)が構築される必要がある。
符号化部品設計の空間が構築された後、開示されたシステムは、ユーザの初期の所望部品設計および所望部品設計のユーザの目標、目標の重み付け、および類似性境界に基づいてユーザに最適部品設計を提供するために、ユーザによって操作され得る。図6Aおよび図6Bは共に、本開示の少なくとも1つの実施形態による、開示された人工知能ベースの製造部品設計システムを操作するための開示された方法を示すフローチャートである。方法600の610での開始で、ユーザは、ユーザインターフェースを介して、620で所望部品設計、所望部品設計の目標、目標の重み付け、および類似性境界を入力する。
図13は、様々な例が実施される、または例を実行するために利用され得る、計算装置またはシステムのコンポーネントのブロック図1300である。図13は、一般に、例を実行するために利用でき、メモリ1310(たとえば、空間を格納するため)、プログラム(たとえば、機械学習アルゴリズム、ニューラルネットワーク、オートエンコーダ、回帰および分類モデル、および/または非統計アルゴリズム)1312、プログラム1312を実行するためのプロセッサまたはコントローラ(たとえば、コンピュータプロセッサ)1320、データ(たとえば、空間および/またはプログラム)を格納するためのデータベース1350、たとえば(たとえばコンピュータ720と接続するための)このようなコンポーネント間のネットワークまたは相互接続1340と通信するための、通信(たとえば、ネットワーク)インターフェース1330を含み得る、計算機器1300のコンポーネントを示す。メモリ1310は、キャッシュ、RAM、ROM、SRAM、DRAM、RDRAM、EEPROM、およびデータを格納することが可能なその他のタイプの揮発性または不揮発性メモリのうちの1つ以上であるか、またはこれらを含んでもよい。プロセッサユニット1320は、複数のプロセッサ、シングルスレッドプロセッサ、マルチスレッドプロセッサ、マルチコアプロセッサ、またはデータ処理が可能な他のタイプのプロセッサであるか、またはこれらを含んでもよい。特定のシステムコンポーネント(たとえば、コンポーネントがコンピュータであるかまたはハンドヘルド移動通信機器であるか)に応じて、相互接続1340は、システムバス、LDT、PCI、ISA、またはその他のタイプのバスを含んでもよく、通信またはネットワークインターフェースは、たとえば、イーサネット(登録商標)インターフェース、フレームリレーインターフェース、またはその他のインターフェースであってもよい。通信インターフェース1330は、無線または様々な他のネットワークであり得るネットワークを通じてシステムコンポーネントが他のシステムコンポーネントと通信することを可能にするように、構成され得る。なお、計算機器1300の1つ以上のコンポーネントは、遠くに配置されてネットワークを介してアクセスされてもよいことに留意すべきである。したがって、図13において提供
されるシステム構成は、例がどのようにして構成および実施され得るかを一般的に示すために提供されている。
710 ディスプレイ
720 コンピュータ
730 所望部品設計
740 目標オプション
750 重み付けオプション
760 キーボード
770 マウス
780 類似性境界オプション
800 最適部品設計
1200 部品
1210 ユニット
1300 計算機器
1310 メモリ
1312 プログラム、プログラム命令
1320 プロセッサユニット、プロセッサ
1330 通信インターフェース
1340 相互接続
1350 データベース
Claims (13)
- 部品(1200)を設計する方法であって、前記方法は、
ユーザによってユーザインターフェース(700)に、所望部品設計(730)、前記所望部品設計の目標(740)、前記目標の重み付け(750)、および類似性境界(780)を入力するステップと、
少なくとも1つのプロセッサ(1320)によって、符号化所望部品設計を生成するために、前記所望部品設計(730)を符号化するステップと、
前記少なくとも1つのプロセッサ(1320)によって、前記符号化所望部品設計を空間内の符号化実現部品設計、符号化想像部品設計、実メタデータ、および想像メタデータと比較することで、前記類似性境界(780)に基づいて、前記所望部品設計と類似の前記空間内の部品設計のグループ(900)を識別するステップと、
前記少なくとも1つのプロセッサ(1320)によって、前記目標(740)および前記重み付け(750)に従って部品設計の前記グループを分析することで、符号化最適部品設計を生成するステップと、
前記少なくとも1つのプロセッサ(1320)によって、最適部品設計(800)を生成するために前記符号化最適部品設計を復号化するステップと、
ディスプレイ(710)上に、前記最適部品設計(800)を表示するステップと、
を含む方法。 - 前記方法は、前記ユーザによって、最終部品設計を生成するために前記最適部品設計(800)に従って前記所望部品設計(730)を修正するステップをさらに含む、請求項1に記載の方法。
- 前記方法は、機械によって、前記最終部品設計を使用することで前記部品(1200)を製造するステップをさらに含む、請求項2に記載の方法。
- 前記方法は、前記部品(1200)をユニット(1210)に取り付けるステップをさらに含む、請求項3に記載の方法。
- 前記ユニット(1210)は、ビークル、構造、または機器のうちの1つである、請求項4に記載の方法。
- 前記方法は、
部品設計を有する部品のための実現部品設計を入力するステップと、
前記少なくとも1つのプロセッサ(1320)によって、前記符号化実現部品設計を生成するために前記実現部品設計を符号化するステップと、
前記空間内に、前記符号化実現部品設計を入力するステップと、
前記少なくとも1つのプロセッサ(1320)によって、前記空間内の前記符号化実現部品設計を使用することで、前記空間のための前記符号化想像部品設計を生成するステップと、
前記空間内に、前記符号化実現部品設計の少なくともいくつかについて前記実メタデータを入力するステップと、
前記少なくとも1つのプロセッサ(1320)によって、前記空間内の前記実メタデータを使用することで、実メタデータを有していない前記符号化想像部品設計または前記符号化実現部品設計のうちの少なくとも1つについて前記想像メタデータを生成するステップと、
をさらに含む、請求項1に記載の方法。 - 前記少なくとも1つのプロセッサ(1320)は、前記符号化想像部品設計を生成するために機械学習アルゴリズムを使用し、前記機械学習アルゴリズムはオートエンコーダであり、
前記少なくとも1つのプロセッサ(1320)は、前記想像メタデータを生成するために、回帰および分類モデルまたは非統計的方法を使用する、
のうちの少なくとも1つである、請求項6に記載の方法。 - 前記所望部品設計(730)の前記目標(740)は、コスト、構造的完全性、製造性、または重量のうちの少なくとも1つであり、
前記所望部品設計(730)は、コンピュータ支援設計(CAD)モデル設計であり、
前記最適部品設計(800)はCADモデル設計である、
のうちの少なくとも1つである、請求項1に記載の方法。 - 部品(1200)を設計するシステムであって、前記システムは、
ユーザから、所望部品設計(730)、前記所望部品設計の目標(740)、前記目標の重み付け(750)、および類似性境界(780)を受信するためのユーザインターフェース(700)と、
符号化所望部品設計、符号化実現部品設計、符号化想像部品設計、実メタデータ、および想像メタデータを含む空間を格納するためのメモリ(1310)と、
前記符号化所望部品設計を生成するために前記所望部品設計(730)を符号化し、前記類似性境界(780)に基づいて、前記符号化所望部品設計を前記空間内の前記符号化実現部品設計、前記符号化想像部品設計、前記実メタデータ、および前記想像メタデータと比較することで前記所望部品設計と類似の前記空間内の部品設計のグループ(900)を識別し、前記目標および前記重み付けに従って部品設計の前記グループを分析することで符号化最適部品設計を生成し、最適部品設計(800)を生成するために前記符号化最適部品設計を復号化する、少なくとも1つのプロセッサ(1320)と、
前記ユーザに対して前記最適部品設計(800)を表示するディスプレイ(710)と、
を含むシステム。 - 前記ユーザインターフェースはさらに、前記ユーザが最終部品設計を生成するために前記最適部品設計(800)に従って前記所望部品設計(730)を修正することを可能にするように構成されており、前記システムは、前記最終部品設計を使用することで前記部品(1200)を製造するための機械をさらに含み、前記部品(1200)はユニット(1210)上に取り付けられるように構成されており、前記ユニット(1210)はビークル、構造、または機器のうちの1つである、請求項9に記載のシステム。
- 前記少なくとも1つのプロセッサ(1320)は、前記空間のための前記符号化実現部品設計を生成するために実現部品設計を符号化し、前記空間内の前記符号化実現部品設計を使用することで前記空間のための前記符号化想像部品設計を生成し、前記空間内の前記符号化実現部品設計の少なくともいくつかのための前記実メタデータを使用することで、前記実メタデータを有していない前記符号化想像部品設計または前記符号化実現部品設計のうちの少なくとも1つのための前記想像メタデータを生成するように、さらに構成されている、請求項9に記載のシステム。
- 前記少なくとも1つのプロセッサ(1320)は、前記符号化想像部品設計を生成するために機械学習アルゴリズムを使用する、請求項9に記載のシステム。
- 前記機械学習アルゴリズムはオートエンコーダである、請求項12に記載のシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/197,149 | 2018-11-20 | ||
US16/197,149 US11288414B2 (en) | 2018-11-20 | 2018-11-20 | Artificial intelligence-based manufacturing part design |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020087432A JP2020087432A (ja) | 2020-06-04 |
JP7319141B2 true JP7319141B2 (ja) | 2023-08-01 |
Family
ID=67734571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019154770A Active JP7319141B2 (ja) | 2018-11-20 | 2019-08-27 | 人工知能ベースの製造部品設計 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11288414B2 (ja) |
EP (1) | EP3657446A1 (ja) |
JP (1) | JP7319141B2 (ja) |
KR (1) | KR20200060238A (ja) |
CN (1) | CN111209634B (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3906508B1 (en) * | 2018-12-31 | 2024-03-13 | Intel Corporation | Securing systems employing artificial intelligence |
DE102020208151A1 (de) | 2020-06-30 | 2021-12-30 | Trumpf Werkzeugmaschinen Gmbh + Co. Kg | Verfahren zur Steuerung der Herstellung eines Blechbauteils und Verfahren zum Herstellen eines Blechbauteils bzw. mehrerer unterschiedlicher Blechbauteile |
CN114626291B (zh) * | 2022-02-18 | 2023-03-24 | 杭州杰牌传动科技有限公司 | 一种传动系统需求适配评估的模型设计方法和系统 |
WO2023219396A1 (ko) * | 2022-05-11 | 2023-11-16 | 주식회사 나니아랩스 | 인공지능 기반 생성적 디자인 방법, 장치 및 컴퓨터프로그램 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005070849A (ja) | 2003-08-26 | 2005-03-17 | Toshiba Corp | 設計支援方法と装置及び設計支援のためのプログラム |
JP2014006813A (ja) | 2012-06-26 | 2014-01-16 | Honda Motor Co Ltd | 性能予測装置、性能予測方法、及びプログラム |
JP2019003615A (ja) | 2017-04-27 | 2019-01-10 | ダッソー システムズDassault Systemes | オートエンコーダの学習 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09179892A (ja) * | 1995-12-21 | 1997-07-11 | Hitachi Ltd | 設計方法及び設計支援装置 |
BE1013052A3 (fr) * | 1999-06-16 | 2001-08-07 | Petruzzi Francesco | Machine automatique perfectionnee pour la reparation generale des palettes de manutention defectueuses. |
GB0309662D0 (en) * | 2003-04-28 | 2003-06-04 | Crampton Stephen | Robot CMM arm |
EP2442279B1 (en) * | 2010-10-13 | 2019-01-09 | Honda Research Institute Europe GmbH | Design optimization of physical bodies |
CN102622478A (zh) * | 2012-03-02 | 2012-08-01 | 浙江大学 | 一种基于语义信息的复杂零件逆向工程cad建模方法 |
CN102867083B (zh) * | 2012-08-30 | 2014-11-05 | 浙江大学 | 考虑不确定性的压力机滑块机构高刚度轻量化设计方法 |
US20150382123A1 (en) * | 2014-01-16 | 2015-12-31 | Itamar Jobani | System and method for producing a personalized earphone |
CN106777744A (zh) * | 2016-12-28 | 2017-05-31 | 滁州品之达电器科技有限公司 | 一种机械设备的计算机自动设计方法 |
CN108595763A (zh) * | 2018-03-26 | 2018-09-28 | 武汉理工大学 | 基于模型检索技术的模具组件设计方法 |
-
2018
- 2018-11-20 US US16/197,149 patent/US11288414B2/en active Active
-
2019
- 2019-08-22 EP EP19193136.9A patent/EP3657446A1/en active Pending
- 2019-08-27 JP JP2019154770A patent/JP7319141B2/ja active Active
- 2019-10-10 CN CN201910958833.1A patent/CN111209634B/zh active Active
- 2019-10-21 KR KR1020190130663A patent/KR20200060238A/ko active Search and Examination
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005070849A (ja) | 2003-08-26 | 2005-03-17 | Toshiba Corp | 設計支援方法と装置及び設計支援のためのプログラム |
JP2014006813A (ja) | 2012-06-26 | 2014-01-16 | Honda Motor Co Ltd | 性能予測装置、性能予測方法、及びプログラム |
JP2019003615A (ja) | 2017-04-27 | 2019-01-10 | ダッソー システムズDassault Systemes | オートエンコーダの学習 |
Non-Patent Citations (2)
Title |
---|
NASH, C. et al.,The shape variational autoencoder: A deep generative model of part-segmented 3D objects,Eurographics Symposium on Geometry Processing 2017 [online],2017年,Pages 1-11,[検索日 2023.06.19], インターネット,URL:https://core.ac.uk/download/pdf/195266913.pdf |
UMETANI, N.,Exploring Generative 3D Shapes Using Autoencoder Networks,SIGGRAPH Asia 2017 Technical Brief [online],2017年11月,[検索日 2023.06.19], インターネット,URL:http://www.nobuyuki-umetani.com/publication/2017_siggatb_explore/2017_siggatb_ExploringGenerative3DShapes.pdf |
Also Published As
Publication number | Publication date |
---|---|
US20200159886A1 (en) | 2020-05-21 |
US11288414B2 (en) | 2022-03-29 |
KR20200060238A (ko) | 2020-05-29 |
CN111209634B (zh) | 2024-04-16 |
EP3657446A1 (en) | 2020-05-27 |
JP2020087432A (ja) | 2020-06-04 |
CN111209634A (zh) | 2020-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7319141B2 (ja) | 人工知能ベースの製造部品設計 | |
Wang et al. | Multi-objective optimization of turbomachinery using improved NSGA-II and approximation model | |
CN113361680B (zh) | 一种神经网络架构搜索方法、装置、设备及介质 | |
Huang et al. | Shape decomposition using modal analysis | |
CN111612252B (zh) | 大规模应急设施的自动选址方法、装置及可读存储介质 | |
CN106204522A (zh) | 对单个图像的联合深度估计和语义标注 | |
Aliniya et al. | CB-ICA: A crossover-based imperialist competitive algorithm for large-scale problems and engineering design optimization | |
CN114692488A (zh) | 一种超临界翼型的生成方法、装置、电子设备及存储介质 | |
CN115481727A (zh) | 一种基于进化计算的意图识别神经网络生成与优化方法 | |
WO2020023811A1 (en) | 3d object design synthesis and optimization using existing designs | |
CN114723037A (zh) | 一种聚合高阶邻居节点的异构图神经网络计算方法 | |
CN115587922A (zh) | 张量分块方法、装置和存储介质 | |
CN114494284B (zh) | 一种基于显式监督区域关系的场景解析模型及方法 | |
CN116432053A (zh) | 基于模态交互深层超图神经网络的多模态数据表示方法 | |
CN115578574A (zh) | 一种基于深度学习和拓扑感知的三维点云补全方法 | |
Chen et al. | Wavelet transform-based 3d landscape design and optimization for digital cities | |
Zhang et al. | An intelligent decision-making system for assembly process planning based on machine learning considering the variety of assembly unit and assembly process | |
US20220343146A1 (en) | Method and system for temporal graph neural network acceleration | |
Le et al. | Application of a real-coded genetic algorithm for the fitting of a ship hull surface through a single non-uniform B-spline surface | |
KR102474170B1 (ko) | 모델 학습을 위한 합성 데이터 생성 장치 및 방법 | |
Almasri et al. | Shape related constraints aware generation of Mechanical Designs through Deep Convolutional GAN | |
CN116050809B (zh) | 一种用于虚拟维修的故障作业规划方法及设备 | |
JP7388574B2 (ja) | モデル推定装置、モデル推定方法及びモデル推定プログラム | |
CN112632291B (zh) | 本体概念增强的归纳式图谱表征方法 | |
CN115350482B (zh) | 一种基于数据驱动的水密三维玩具模型开版方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220801 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230616 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230626 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230720 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7319141 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |