AI a gyártásban: Találgatunk vagy számolunk?

🧠 AI a gyártásban: miért számít, hogy mit és milyen formában mondunk el neki?

Bevezetés

A mesterséges intelligencia ma már ott ül a gyártástervezők és kalkulátorok mellett — rajzot értelmez, anyagot azonosít, gyártási folyamatot választ.
De van egy lényeges különbség: az AI nem lát, hanem következtet.
És az, hogy milyen következtetéseket von le, teljes mértékben attól függ, milyen minőségű és formátumú adatot kapunk tőle.

1️⃣ Felszínes adatok: "ez csak egy PDF, de látszik rajta, hogy kör alakú"

Amikor az AI egy raszteres PDF-et vagy képet kap, valójában csak annyit tud róla, mint egy ember, aki egy elmosódott fénymásolatot néz:

• látja, hogy kör alakú valami,

• sejti, hogy furatok vannak rajta,

• de nem tudja megmondani, hány darab, mekkora, és hol pontosan.

Egy tipikus példa:

"Kb. 10 ezer furat lehet rajta"
helyett
"7893 db Ø3,0 mm furat, Ø587,55 mm körlemez" 

Ez a különbség nem vélemény, hanem adatminőség kérdése.

Az AI ilyenkor vizuálisan becsül – mint mi is, ha csak egy képünk van egy alkatrészről –, de nem tud gyártásra alkalmas döntést hozni.

2️⃣ Pontos adatok: DXF, STEP, 3D, BOM

Amint a rendszer megkapja a vektoros vagy 3D-s adatot, a világ megváltozik:

• a furatok objektumokként azonosíthatók (CIRCLE, HOLE, FEATURE),

• a méretek, sugarak, vastagságok mérhetők,

• az anyag és tűrés pedig hozzárendelhető az adatlapból.

Ekkor az AI már nem "gondol", hanem tud:

• hány furat van,

• mekkora a vágási hossz,

• melyik gép képes legyártani (milling, laser, sheet),

• és hány percig fog tartani a folyamat.

Ez az a pillanat, amikor az AI-agent nem kérdez, hanem dönt.

3️⃣ A fájlformátum mint döntési kulcs

Fájl típusa AI értelmezés lehetősége Tipikus korlát
PNG / JPG csak kép, nincs geometria csak becslés, nincs méret
PDF (raszteres) vizuális minták nincs réteg / entitás
PDF (vektoros, CAD-export) kontúrok, furatok olvashatók korlátozott 3D infó
DXF / DWG teljes 2D geometria nincs vastagság vagy anyag
STEP / STL 3D forma, furatok, vastagság, térfogat nehezebb előfeldolgozás
BOM / metaadat anyag, mennyiség, tűrés, felület geometria nélkül nem elég

Az AI csak annyira "okos", amennyire a forrásfájl informatív.
Egy 3D STEP egy egész világ, egy PNG csak egy benyomás.

4️⃣ Konkrét példánk: perforált lemez

Amikor a B.70350561 alkatrész PDF-jét először vizuálisan értékelte az AI, csak annyit tudott:

"rengeteg kis furat, valószínű perforált lemez"

Miután megkapta a DXF-et, már konkrétan tudta:

"7894 db Ø3,0 mm furat, külső Ø587,55 mm, 1.0 mm 1.4404, sheet routing"

Ez a különbség:

• az egyik feltételezés,

• a másik műszaki döntés.

Az előbbi alapján nincs kalkuláció, az utóbbi alapján már gyártásidő és költség is számolható.

5️⃣ Az AI, mint partner – nem varázsló

A modern gyártási AI nem helyettesíti a technológust, hanem felszabadítja.
De ehhez meg kell tanítanunk neki, mit jelent egy "jó input":

• pontos rajz (DXF/STEP)

• anyag + vastagság

• tűrés, érdesítés, felület

• darabszám

A jó adat nemcsak a gépi tanulást segíti, hanem az emberi bizalmat is építi:
amikor az AI ugyanazt a választ adja, amit a technológus is mondana — csak 3 másodperc alatt.

📘 Összegzés

Az AI a gyártásban nem találgat, hanem értelmez — ha hagyjuk neki.
Ha csak képet adunk, becsül.
Ha adatot adunk, számol.
És ha mindkettőt adjuk, akkor tanul.

"Az AI nem a jövőt látja – csak pontosabban a jelent."