基于CAD特征增强的机器学习在钣金弯曲零件制造工时估算中的应用
TLDR
混合方法用制造特征增强B-rep图，用于钣金弯曲工时估算，经合成和真实数据验证。
评分理由
The paper's strength lies in its hybrid method combining rule-based feature recognition with graph ML, and its real-world validation on industrial bending time data. Weakness is the narrow focus on sheet metal bending, limiting generalizability to other manufacturing domains.
Read-first 评分解释
综合优先阅读分 58.9，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 54。
研究版图角色
前沿论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：41。
关键词评分
深度分析
创新点
- 混合方法：通过规则模块识别的制造特征丰富B-rep属性邻接图
- 将过程特定特征（弯曲特性、法兰长度、表面角色）作为节点属性集成，使学习聚焦于相关几何模式
- 在包含实测弯曲时间的真实工业数据集上验证，是首批此类真实生产数据验证之一
方法
该方法通过规则模块识别的制造特征（弯曲特性、法兰长度、表面角色）丰富B-rep属性邻接图，然后应用基于图的机器学习进行制造性预测和工时估算。在大型合成基准和真实工业钣金弯曲数据集上进行了评估。
关键结果
将领域知识与基于图的学习相结合，在合成制造性基准和包含实测弯曲时间的真实工业数据集上均提高了预测准确性。