Главная / Технологические фронты / ИИ в технологической подготовке производства
ИИ в технологической подготовке производства
Проектирование технологического процесса, траекторий инструмента и режимов резания с применением ИИ.
В 2025 году направлению посвящено 207 работ, в 2020 году — 79 работ; доля работ направления в корпусе с 2020 по 2025 год выросла в 2,3 раза.
Публикации по годам
Таблица данных по годам
| Год | Работ | На 100 тыс. работ корпуса |
|---|---|---|
| 2010 | 36 | 9,3 |
| 2011 | 35 | 8,4 |
| 2012 | 33 | 8,0 |
| 2013 | 43 | 10,1 |
| 2014 | 44 | 10,4 |
| 2015 | 37 | 9,2 |
| 2016 | 29 | 7,5 |
| 2017 | 37 | 9,2 |
| 2018 | 60 | 12,8 |
| 2019 | 76 | 14,9 |
| 2020 | 79 | 15,0 |
| 2021 | 96 | 19,7 |
| 2022 | 102 | 22,7 |
| 2023 | 118 | 23,4 |
| 2024 | 142 | 26,0 |
| 2025 | 207 | 34,6 |
Кто лидирует, 2021–2025
Страны по вкладу в работы направления за 2021–2025 годы (665 работ). Счет дробный: каждая работа делится между авторами и их странами. Для 22 % авторского вклада страна в данных не указана; доли считаются от всех работ.
| Страна | Работ (дробно) | Доля |
|---|---|---|
| Китай | 118 | 17,7 % |
| Индия | 91 | 13,7 % |
| США | 35 | 5,3 % |
| Германия | 29 | 4,3 % |
| Турция | 24 | 3,6 % |
| Великобритания | 16 | 2,5 % |
| Тайвань | 16 | 2,3 % |
| Япония | 12 | 1,8 % |
| Канада | 10 | 1,5 % |
| Италия | 8 | 1,3 % |
Организации
| Организация | Страна | Работ (дробно) |
|---|---|---|
| Huazhong University of Science and Technology | Китай | 10 |
| Xi'an Jiaotong University | Китай | 5 |
| Georgia Institute of Technology | США | 5 |
| King Saud University | Саудовская Аравия | 5 |
| Tokyo University of Agriculture and Technology | Япония | 4 |
| University of North Carolina at Charlotte | США | 4 |
| Spiru Haret University | Румыния | 4 |
| Nanjing University of Aeronautics and Astronautics | Китай | 4 |
| University of Johannesburg | ЮАР | 4 |
| South China University of Technology | Китай | 3 |
Россия
За 2021–2025 годы — 8 работ с участием российских организаций; по дробному вкладу 16-е место среди 72 стран. Больше всего работ у организаций: ITMO University (2), Institute of Continuous Media Mechanics (1), Izhevsk State Technical University (1), Lomonosov Moscow State University (2), Moscow State Technological University (2).
Ключевые работы
Наиболее цитируемые работы 2015–2025 годов, среди них до двух обзоров. Заглавия — на языке оригинала; аннотации не приводятся, ссылки ведут к публикациям.
- Knowledge-driven digital twin manufacturing cell towards intelligent manufacturing. International Journal of Production Research, 2019. Цитирований: 410. DOI
- A comprehensive literature review of the applications of AI techniques through the lifecycle of industrial equipment. Discover Artificial Intelligence, 2023. Цитирований: 278. DOI
- FeatureNet: Machining feature recognition based on 3D Convolution Neural Network. Computer-Aided Design, 2018. Цитирований: 264. DOI
- Systematic review on machine learning (ML) methods for manufacturing processes – Identifying artificial intelligence (AI) methods for field application. Procedia CIRP, 2020. Цитирований: 243. Обзор. DOI
- Artificial Intelligence-Based Decision-Making Algorithms, Internet of Things Sensing Networks, and Deep Learning-Assisted Smart Process Management in Cyber-Physical Production Systems. Electronics, 2021. Цитирований: 209. DOI
- Combining translation-invariant wavelet frames and convolutional neural network for intelligent tool wear state identification. Computers in Industry, 2019. Цитирований: 205. DOI
- Data-driven prediction of the high-dimensional thermal history in directed energy deposition processes via recurrent neural networks. Manufacturing Letters, 2018. Цитирований: 191. DOI
- Machine learning and artificial intelligence in CNC machine tools, A review. Sustainable Manufacturing and Service Economics, 2023. Цитирований: 180. DOI
- Sustainable Cyber-Physical Production Systems in Big Data-Driven Smart Urban Economy: A Systematic Literature Review. Sustainability, 2021. Цитирований: 150. Обзор. DOI
- Optimization of Machining Parameters to Minimize Surface Roughness using Integrated ANN-GA Approach. Procedia CIRP, 2015. Цитирований: 167. DOI
Как считали
Корпус — научные работы с 2010 года по 185 темам OpenAlex, отнесенным к машиностроению (перечень тем по 11 слоям); выгрузка OpenAlex — август 2026 года, метаданные распространяются по лицензии CC0. Учтены работы с аннотацией, в заглавии или аннотации которых встречаются термины направления. Доля — число работ направления на 100 тыс. работ корпуса с аннотацией за тот же год: так рост корпуса в целом не завышает рост направления. 2026 год неполный и в ряды не входит.
Искомые термины (в работе должен встретиться хотя бы один термин из каждой группы):
process planning · computer aided process planning · capp · toolpath · tool path · cutting parameter optimization · machining parameter
machine learning · deep learning · neural network · artificial intelligence · reinforcement learning · large language model · generative ai · convolutional · random forest · support vector · gradient boosting · xgboost · lstm
Ограничения. Термины ищутся только на английском языке, поэтому работы на русском и других языках без английской аннотации недоучтены. Работы без аннотации в подсчет не входят. Классификация тем OpenAlex автоматическая и содержит ошибки. Число работ отражает интерес исследователей и не измеряет внедрение в производство.
Обновлено 04.11.2026