기계 조립은 제조에서 가장 시간이 많이 걸리는 프로세스 중 하나이며 엔지니어가 만든 올바른 조립 도면에 크게 의존합니다. 따라서 인적 요소, 즉 가능한 오류가 있습니다. 따라서 제조 산업에서 인공 지능의 사용은 두 팔을 벌려 환영하는 경우가 가장 많았습니다.
기계 조립을 계획하려면 여전히 몇 가지 스케치를 스케치하는 것 이상이 필요합니다. 이는 실제 조립에 필요한 임의의 D 모양과 엄격하게 제한된 동작으로 작업하는 것을 의미하는 복잡한 퍼즐입니다.
엔지니어의 작업을 보다 쉽게 만들고 잠재적인 오류를 방지하기 위한 노력의 일환으로 MIT의 CSAIL(Computer Science and Artificial Intelligence Laboratory), Autodesk Research 및 Texas A&M University의 연구원들은 정확하고 효율적이며 자동화된 제품 조립 방법을 개발했습니다. 광범위한 복잡한 어셈블리에 일반화할 수 있습니다.
개발된 알고리즘은 여러 단계로 구성된 조립 순서를 고려한 후 각 단계를 구현할 수 있는 가능한 방법을 찾습니다.
이를 위해 연구팀은 경험적으로 테스트된 산업용 어셈블리의 대규모 데이터베이스를 준비했습니다. 새로운 방법은 과학자들이 수집한 거의 모든 작업을 해결할 수 있으며 로터리 및 도킹 장치 조립 시 큰 이점을 제공합니다. 예를 들어, 알고리즘은 몇 분 안에 50개의 부품으로 구성된 엔진에 대한 조립 계획을 생성할 수 있습니다.
MIT CSAIL 대학원생이자 이 논문의 수석 저자인 Yunsheng Tian은 "하나의 특정 제품 전용 단일 조립 라인 대신 부품의 순서와 이동 방법을 자동으로 결정할 수 있어 완전히 적응 가능한 설정이 가능할 것"이라고 말했습니다. 종이.
“하나의 조립 라인을 여러 제품에 사용할 수 있습니다.
우리는 이를 매우 제품에 특정한 전통적인 대량 배치 혼합 어셈블리와 달리 소규모 배치 혼합 어셈블리라고 생각합니다.”
이 프로젝트의 가능한 개발 방향 중 하나는 물체 수집을 위한 물리적 로봇 설치를 만드는 것입니다.
즉, 최종 결과는 인간의 개입 없이 모든 것을 적응적으로 조립할 수 있는 조립 라인입니다.
당신은 우크라이나가 러시아 침략자에 맞서 싸울 수 있도록 도울 수 있습니다. 이를 수행하는 가장 좋은 방법은 다음을 통해 우크라이나 군대에 기금을 기부하는 것입니다. 세이브라이프 또는 공식 페이지를 통해 NBU.
또한 읽기: