使用机器学习模型的物体设计制造技术

使用机器学习模型的物体设计。一种在用于制造物体的设计方面进行辅助的系统，所述系统包括处理器和被配置成存储指令的存储器。所述处理器被配置成，接收表示要制造的物体的设计的第一数据和表示机器学习模型的第二数据。所述处理器被配置成，执行所述指令以使用所述第一数据和所述第二数据生成第三数据。所述第三数据指示对所述物体的所述设计的修改和生产所述物体的工艺条件中的至少一者。所述处理器被配置成，将所述物体的所述设计、所述工艺条件或者这两者发送至制造工具以使能够生产所述物体。所述机器学习模型表示生产数据并且至少部分地基于以下项中的一项或更多项：物体特征、工艺参数、环境因素以及质量数据。

【技术实现步骤摘要】
使用机器学习模型的物体设计
本公开的领域总体上涉及物体设计和制造。
技术介绍
要制造的物体的设计人员可以使用专注于性能而不专注于生产和成本的指标和工具。常规上，设计人员可以采用诸如每单位重量成本的指标，但无法针对生产系统的质量或成本结果来量化设计特征。现有解决方案向设计人员提供有关设计选择的结果的静态且有限的反馈。往往不强制设计人员使用纸质设计手册和指南(如果这种手册和指南存在的话)。尽管在一些情况下，设计人员可以寻求制造反馈，但这种反馈通常是通过设计后签名循环进行的，或者更经常是经由与无法切实了解与生产系统的每个方面有关的所有设计决策的结果的制造工程师的非正式沟通。因此，许多设计对于生产上的可生产性和成本而言都不是理想的。通常仅在设计过程已进展到某个阶段之后才形成生产系统。如果项目进度允许，有时可以递增地调整设计。经常地，结局是在质量和成本方面都不理想的生产结果。另外，由于规格和质量文档的更新和发布在更新进度方面相对较慢，因此这样的文档通常不表示最新技术。
技术实现思路
在示例中，提供了一种在用于制造物体的设计方面进行辅助的系统，所述系统包括处理器和被配置成存储指令的存储器。所述处理器被配置成，接收表示要制造的物体的设计的第一数据和表示机器学习模型的第二数据。所述处理器被配置成，执行所述指令以使用所述第一数据和所述第二数据生成第三数据。所述第三数据指示对所述物体的所述设计的修改和生产所述物体的工艺条件中的至少一者。所述处理器被配置成，将所述物体的所述设计、所述工艺条件或者这两者发送至制造工具以使能够生产所述物体。所述机器学习模型表示生产数据并且至少部分地基于以下项中的一项或更多项：物体特征、工艺参数、环境因素以及质量数据。在另一示例中，提供了一种用于制造物体的方法，所述方法包括以下步骤：使用处理器执行以下步骤：接收表示要制造的物体的设计的第一数据并且获取表示机器学习模型的第二数据。所述机器学习模型表示生产数据并且至少部分地基于以下项中的一项或更多项：物体特征、工艺参数、环境因素以及质量数据。所述方法还包括：使用所述处理器执行以下步骤：使用所述第一数据和所述第二数据生成第三数据，其中，所述第三数据指示对所述物体的所述设计的修改和生产所述物体的工艺条件中的至少一者，并且将所述物体的所述设计、所述工艺条件或者这两者发送至制造工具以使能够生产所述物体。在另一示例中，提供了一种存储指令的计算机可读介质，所述指令可通过处理器执行，以使能够通过执行包括以下项的步骤来生产物体：接收表示要制造的物体的设计的第一数据并且获取表示机器学习模型的第二数据。所述机器学习模型表示生产数据并且至少部分地基于以下项中的一项或更多项：物体特征、工艺参数、环境因素以及质量数据。这些步骤还包括：使用所述第一数据和所述第二数据生成第三数据，其中，所述第三数据指示对所述物体的所述设计的修改和生产所述物体的工艺条件中的至少一者，并且将所述物体的所述设计、所述工艺条件或者这两者发送至制造工具以使能够生产所述物体。本文所述的特征、功能以及优点可以在各种示例中独立实现或者可以在其它示例中加以组合，参照下面的描述和附图可以找到其进一步的细节。附图说明图1是例示被配置成基于机器学习模型在物体的设计方面进行辅助的系统的示例的图。图2是根据示例的图1的设计的特定的实现的图。图3是根据示例的由图1的系统所生产的物体的特定的实现的图。图4是根据示例的基于图1的机器学习模型的生产工艺的特定的实现的图。图5是例示可以由图1的系统执行的在物体的设计方面进行辅助的方法的示例的流程图的图。图6是根据示例的包括被配置成支持计算机实现的方法和计算机可执行程序指令(或代码)的各方面的计算装置的计算环境的框图。具体实施方式本文所公开的各方面提出了用于使用机器学习模型进行物体设计的系统和方法。可以基于机器学习模型来分析要制造的物体的设计数据，并且可以建议修改或将修改自动应用于设计以降低生产成本、降低预期的缺陷率、改善与制造所述物体相关联的一个或更多个其它因素或者这几方面的任何组合。可以基于最近的生产事件(例如在全局分布的生产环境中)基于实时或近实时的生产数据来更新机器学习模型。所公开的系统和方法的技术效果和示例可以实时提供有关零件成本和生产系统成本的设计决策的直接和间接结果，包括对制造工艺(例如，几何形状、存货等)和装配(例如，形状、配合和公差等)的设计特征标准进行分析。可以使用实时数据，例如来自操作和拆解实验室的数据，并且可以应用机器学习技术来向设计人员提供与质量、成本以及生产整合决策的工艺的最新性能有关的反馈。并行地，可以使用机器学习经常地更新规格和质量系统，以表示设计人员和质量分析所使用的最新技术。根据一些示例，所述系统使用在设计人员用来创建设计的设计工具内实现的这种更新的数据和规格，来提供对设计的直接分析。按这种方式，允许并鼓励设计人员在设计制造用零件时，除了产品性能(例如重量和功能)之外还考虑成本和制造结果。因此，通过使用所公开的系统和方法，可以减少或消除由于缺乏来自实际生产运行的反馈以及与在常规设计过程中更新规格和质量文档相关联的延迟而产生的影响可生产性和成本的结果。另外，本公开的示例使能够在设计阶段、生产阶段或者这两个阶段考虑制造设施的环境因素。例如，生产质量可能因诸如工厂车间的周围温度和湿度的因素的变化而受到影响。根据一些示例，所述系统基于制造设施的实际或预测的环境条件来调整要制造的物体的设计分析，并且可以生成设计修改、调整在制造物体时要使用的加工参数或这两方面的组合，以提高生产质量并减少生产运行中的缺陷发生。附图和下面的描述例示了示例。应当清楚，尽管本文未进行明确描述或示出，但本领域技术人员将能够设计出具体实施本文所述的原理并且被包括在跟随本描述的权利要求的范围内的各种排布结构。而且，本文所述的任何示例都旨在帮助理解本公开的原理，并且应被解释为没有限制。结果，本公开不限于下面描述的具体实施方式或示例，而是通过权利要求及其等同物来进行限制。在此参照附图，对特定的示例进行描述。在本描述中，贯穿附图，用共同的标号指定共同的特征。在一些附图中，使用特定类型的特征的多个实例。尽管这些实例在物理和/或逻辑上是截然不同的，但每个实例都使用相同的标号，并且不同的实例通过向标号添加字母来加以区分。当在本文中将特征作为组或类型进行引用时(例如，当没有引用这些特征中的任何特定的特征时)，标号不带区分字母。然而，当在本文中对同一类型的多个特征中的一个特定的特征进行引用时，将标号与区分字母一起使用。例如，参照图1，例示了多个设计并与标号120A和120B相关联。当引用这些设计中的一个特定的设计(例如设计120A)时，使用区分字母“A”。然而，当将这些设计中的任意一个设计或者将这些设计作为一组进行引用时，标号120未与区分字母一起使用。如本文所使用的，各种术语仅出于描述特定的示例的目的来使用，而不是旨在进行限制。例如，除非上下文另外明确指示，否则单数形式的描述本文档来自技高网...

【技术保护点】
1.一种用于制造物体(100)的方法(500)，所述方法包括：/n使用处理器(112)执行以下步骤：/n接收(502)表示要制造的物体的设计(120)的第一数据(122)；/n获取(504)表示机器学习模型(126)的第二数据(124)，所述机器学习模型表示生产数据(168)并且至少部分地基于以下项中的一项或更多项：物体特征(176)、工艺参数(178)、环境因素(180)和质量数据(182)；/n使用所述第一数据和所述第二数据生成(506)第三数据(128)，其中，所述第三数据指示对所述物体的设计的修改(130)和生产所述物体的工艺条件(132)中的至少一者；以及/n将所述物体的所述设计、所述工艺条件或者这两者发送(510)至制造工具(104)以使能够生产所述物体。/n

【技术特征摘要】
20190227 US 16/287,5991.一种用于制造物体(100)的方法(500)，所述方法包括：
使用处理器(112)执行以下步骤：
接收(502)表示要制造的物体的设计(120)的第一数据(122)；
获取(504)表示机器学习模型(126)的第二数据(124)，所述机器学习模型表示生产数据(168)并且至少部分地基于以下项中的一项或更多项：物体特征(176)、工艺参数(178)、环境因素(180)和质量数据(182)；
使用所述第一数据和所述第二数据生成(506)第三数据(128)，其中，所述第三数据指示对所述物体的设计的修改(130)和生产所述物体的工艺条件(132)中的至少一者；以及
将所述物体的所述设计、所述工艺条件或者这两者发送(510)至制造工具(104)以使能够生产所述物体。


2.根据权利要求1所述的方法，其中，使用全局分布的生产数据更新所述机器学习模型。


3.根据权利要求1或2所述的方法，所述方法还包括：使用所述处理器执行以下步骤：基于所述设计和所述第二数据来生成(508)指示供应链分布估计(194)、占地面积估计(196)或成本估计(198)的数据。


4.根据权利要求1至3中的任一项所述的方法，其中，生产所述物体包括自动化纤维放置AFP工艺(142)。


5.根据权利要求1至4中的任一项所述的方法，其中，所述修改包括调整物体几何形状(202)和层片角度(210)中的至少一者。


6.根据权利要求1至5中的任一项所述的方法，其中，所述工艺参数包括温度(146)、压力(148)、张力(150)和辊类型(152)中的至少一者。


7.根据权利要求1所述的方法，其中，所述环境因素包括周围温度(162)和湿度(164)中的至少一者。


8.根据权利要求1至7中的任一项所述的方法，其中，所述质量数据包括指示观察到的所生产的物体中的缺陷的数据(166)。
...

【专利技术属性】
技术研发人员：P·J·克罗瑟斯，C·E·雷诺兹，A·鲁宾，S·J·塔克，G·R·博古茨基，J·D·卡林，
申请(专利权)人：波音公司，
类型：发明
国别省市：美国;US