HOOPS Envision Añade Visualización de Partículas
Los ingenieros saben exactamente cuánto se incluye en un archivo CAD. Más allá de la geometría en sí, los formatos modernos de ingeniería pueden soportar desde materiales e instrucciones de fabricación hasta información vital para inspección, ventas y mantenimiento. A medida que los datos de ingeniería se convierten en un activo estratégico en toda la organización, los desarrolladores de aplicaciones en 3D deberían buscar crear productos que prioricen el acceso y la integridad de los datos.
Desafortunadamente, demasiadas aplicaciones están diseñadas para cargar solo la geometría CAD, perdiendo toda la otra información en el proceso. Sin un acceso significativo al archivo CAD completo durante todo el ciclo de vida del producto, las empresas están perdiendo el verdadero potencial de sus datos CAD.
Durante nuestro reciente seminario web con VNTANA sobre Aprovechar al Máximo Sus Datos CAD, discutimos tres áreas donde cerrar esa brecha crea un valor real: mejor utilización del archivo CAD completo, aprovechamiento de los datos de ingeniería para entrenar AI y uso de datos CAD después de que una pieza ha sido fabricada.
Tu Archivo CAD Contiene Mucho Más Datos Que los que Muchas Aplicaciones Extraen
La mayoría de los archivos CAD modernos soportan la estructura de ensamblaje, configuraciones y tablas de familias, PMI a nivel de ensamblaje, GD&T en sus varias formas, información de materiales, información de características e IDs persistentes que rastrean una parte a través de cambios de ingeniería. Aunque algunos de estos datos existen, muchas soluciones de importación de datos solo traen la forma 3D y poco más, sin importar si la aplicación principal capturó más información.
Para que las aplicaciones de ingeniería obtengan lo máximo de los datos CAD, los desarrolladores y sus eventuales usuarios finales necesitan poder acceder al contenido completo y rico en datos de sus formatos industriales.
"Eso es realmente importante cuando hablas de un SDK comercial. Quieres sentirte seguro de que, sin importar lo que tus usuarios presenten a tu aplicación, puedes soportar el alcance de esos datos que ingresan, así como la profundidad. Eso es lo que te permite tomar decisiones de ingeniería sobre datos enriquecidos y usarlos de una manera significativa."
— Jonathan Girroir, Director Senior de Marketing de Herramientas, Tech Soft 3D
HOOPS Exchange, la biblioteca de acceso a datos CAD líder, continúa apoyando datos de ingeniería ricos. Las recientes adiciones notables incluyen:
Soporte para STEP AP242 v3, un formato construido específicamente para transportar PMI y GD&T inteligentes en lugar de solo geometría.
Soporte GD&T ISO para CATIA V5
IFC 4.3 para flujos de trabajo AEC
Bentley MicroStation DGN
El aumento del soporte en estas áreas está destinado a satisfacer las crecientes demandas de interoperabilidad entre CAD mecánico y AEC mientras se preserva el alcance completo de los datos CAD que son esenciales para los flujos de trabajo de ingeniería modernos.
Nuevos formatos están viendo un aumento en la adopción, y con ello, nuevas demandas por la integridad de los datos. La Descripción Universal de Escena (USD), con su arquitectura componible, comenzó en Pixar como un formato para la interoperabilidad de escena y desde entonces ha atraído a Adobe, Apple, Autodesk y NVIDIA. BREP se convirtió en parte del esquema oficial de USD a principios de este año, y NVIDIA está promoviendo el formato como un camino principal hacia Omniverse, lo cual es directamente relevante para la simulación robótica y los datos de entrenamiento sintético. USD como formato se está adaptando a las demandas de la industria para ofrecer más que solo una carcasa visual.
A pesar de estas mejoras, es importante ser consciente de las limitaciones actuales de la transferencia de datos CAD. Por ejemplo, los datos cinemáticos, ya sea que dos partes estén rígidamente bloqueadas o puedan pivotar alrededor de un punto, solo se pueden extraer donde el sistema CAD original lo creó en primer lugar, y el soporte varía según el formato. Las brechas en la capacidad como esta resaltan que el acceso a datos CAD en profundidad requiere ingeniería formato por formato en lugar de un analizador genérico único.
El CAD Moderno Puede Entrenar Modelos, No Solo Representarlos
Quizás una de las oportunidades más emocionantes para las aplicaciones de ingeniería modernas es el valor que sus modelos pueden proporcionar fuera de la visualización.
Una vez que la estructura de ensamblaje, la topología y la geometría están disponibles en una forma estructurada, esos mismos datos pueden codificarse en tensores y usarse para entrenar modelos de aprendizaje automático directamente en la forma 3D, evaluando el tamaño de las caras, la adyacencia de las caras y cómo se relacionan las superficies entre sí, en lugar de aprender de una imagen 2D de una pieza.
Esta tecnología puede habilitar funciones como la búsqueda de similitud de piezas con AI, permitiendo a un fabricante encontrar partes con tolerancias conocidas, costos verificados o parámetros de mallado existentes y aplicar esa historia a una nueva pieza en lugar de comenzar desde cero. La clasificación de partes puede ayudar a organizar grandes bibliotecas CAD que de otro modo dependerían de etiquetado manual. La detección de características puede acelerar los flujos de trabajo de cotización, fabricación e inspección. Uno de los socios de fabricación de Tech Soft 3D está aplicando el mismo enfoque a la planificación de procesos CNC, utilizando la geometría para inferir cómo se debe producir una parte.
Los equipos están extendiendo la búsqueda de similitud hacia la asignación automática de materiales, usando inferencia de AI o una base de datos de materiales existente.
El kit de herramientas más nuevo de Tech Soft 3D, HOOPS AI, le permite optimizar el uso de sus propios datos CAD para entrenar modelos. El kit de herramientas le permite preparar y transformar datos CAD a escala, ayudando a navegar la complejidad inherente de los datos de ingeniería para ejecutar experimentos y desplegar modelos de AI sin construir su propio pipeline de procesamiento CAD desde cero.
HOOPS AI se está utilizando para crear modelos entrenados que entienden formas 3D para que el conocimiento de ingeniería pueda reutilizarse. A través de sus algoritmos de búsqueda de similitud de partes, los costos, fuentes, fabricación e información comercial adicional pueden adjuntarse a los modelos CAD y usarse para inferir información similar sobre nuevos diseños, reduciendo el tiempo de diseño y el costo total del proyecto.
Sus Datos CAD No Dejan de Ser Importantes Una Vez que la Parte es Fabricada
Mientras que el CAD es inherentemente útil en el diseño y producción de un producto, hay una creciente atención sobre el papel que estos datos pueden desempeñar después del ensamblaje físico de un componente. Un ejemplo de esto es ayudar a verificar que lo que se construyó coincide con el diseño previsto.
Cuando se fabrican piezas, generalmente hay un proceso de inspección para asegurarse de que fue fabricado según las especificaciones originales. Este proceso históricamente ha sido manejado de manera inconsistente, sin un estándar compartido para describir cómo realmente debe medirse una parte.
Considere una parte con una mitad izquierda y derecha espejo. Mientras que el plano de reflexión es un elemento de diseño real y un punto de referencia natural para una tolerancia como el paralelismo, ese plano no existe físicamente en la parte final fabricada. No hay nada que una sonda pueda tocar o medir. Los procesos tradicionales de delineación de requisitos de inspección pueden no captar esta distinción, creando una tolerancia definida por algo que no se puede medir en una CMM (Máquina de Medición por Coordenadas).
Aquí es donde el formato de archivo QIF, el Marco de Información de Calidad, ofrece su utilidad. QIF proporciona una forma estructurada única para definir caminos de inspección, incluyendo no solo lo que necesita ser revisado, sino cómo medirlo y una manera de registrar el resultado. El formato requiere que las instrucciones de inspección se definan solo en términos de lo que es físicamente medible, no solo lo que es geométricamente conveniente de referenciar en el diseño.
Al apoyar a QIF como un formato, los desarrolladores pueden asegurarse de que sus aplicaciones estén satisfaciendo una demanda creciente de datos que sirvan a los flujos de trabajo de ingeniería al final del ciclo de vida del producto.
HOOPS Exchange está comenzando a cerrar ese mismo ciclo desde el lado del acceso a datos CAD. A partir de la versión 2026.6.0, incluye un lector beta de QIF 3.0, un primer paso para llevar esa misma fidelidad de PMI y GD&T hasta la etapa de inspección, no solo diseño y fabricación. Como beta, todavía está limitado en alcance, con más características soportadas en la próxima versión de disponibilidad general.
Acceso Confiable Desbloquea los Datos CAD
Estas tres perspectivas comparten un rasgo común: el acceso confiable a la profundidad completa de la información en los datos CAD abre puertas para que los usuarios se adelanten. Como desarrolladores, proporcionar ese acceso en sus aplicaciones es esencial para mantener una ventaja competitiva en su campo.
Durante décadas, Tech Soft 3D ha visto más datos CAD que cualquier otro proveedor de kits de herramientas, con HOOPS Exchange siendo una parte clave de por qué se encuentra debajo de herramientas como Unity, Unreal, y los importadores de Omniverse, junto con muchos más.
Para conocer más sobre HOOPS Exchange, HOOPS AI, o para hacer cualquier otra pregunta que pueda tener, contáctenos.
Si desea explorar cómo los kits de herramientas CAE de Tech Soft 3D pueden ayudarle a mantener el ritmo de una industria de rápido movimiento, contáctenos para obtener más información.
Preguntas Frecuentes sobre la Visualización de Partículas de HOOPS Envision
Escritorio: Renderizado de Millones de Partículas en Una Única Llamada de Dibujo
Las partículas se renderizan como sprites de punto de GPU. Toda la nube de partículas se renderiza en una sola llamada de dibujo, por lo que agregar más partículas agrega vértices, no más llamadas de dibujo. Eso es lo que permite al renderizador de escritorio manejar millones de partículas, donde un enfoque ingenuo, una malla de esfera por partícula, se detendría en cientos de miles.
Las nubes densas también se vuelven difíciles de leer cuando son completamente opacas; terminas viendo solo la capa externa. La transparencia lo soluciona, pero usualmente significa ordenar cada partícula de atrás hacia adelante en cada cuadro, lo cual es frecuentemente lo que limita el rendimiento. Envision esquiva esto con un ordenamiento en tiempo lineal que solo se repite cuando el ángulo de la cámara cambia, y omite completamente ordenar para nubes opacas. Dado que los datos de partículas se comportan como cualquier otro modelo en la escena, también se integran directamente en una vista junto con los datos de malla existentes, sin necesidad de un visor separado.
Python: Renderizado Sin Interfaz para Pipelines Automatizados
La API de Python renderiza fuera de pantalla, por lo que se ejecuta en cualquier parte, incluido un agente de compilación o un contenedor sin GPU y sin pantalla. Eso abre la puerta a generar imágenes de partículas, animaciones e informes automáticamente como parte de un pipeline de simulación, en lugar de renderizar a mano y capturar capturas de pantalla. Los ejemplos de trabajo cubren los casos comunes: colorear una nube por un campo escalar, exportar una animación, comparar niveles de decimación y convertir entre formatos.
Web: Por Qué la Transferencia de Datos, No el Renderizado, Es el Verdadero Cuello de Botella
Una corrida grande de DEM o SPH puede producir cientos de gigabytes a lo largo de su rango completo de intervalos de tiempo, mucho más de lo que cualquier navegador debería intentar cargar. Envision aborda esto en el lado de la transferencia en lugar del lado del renderizado: las posiciones de partículas y los valores escalares se cuantifican a una fracción de su tamaño original, y el servidor decima cada cuadro antes de enviarlo, por lo que los datos que el cliente no necesita nunca se transmiten al cliente. La decimación es consistente cuadro a cuadro también, las mismas partículas se eliminan a lo largo, por lo que la reproducción se ve más dispersa en lugar de titilar, y es consistente tanto si lo ves en el navegador, en el escritorio o a través de Python.
Web: Por Qué la Transferencia de Datos, No el Renderizado, Es el Verdadero Cuello de Botella
Una corrida grande de DEM o SPH puede producir cientos de gigabytes a lo largo de su rango completo de intervalos de tiempo, mucho más de lo que cualquier navegador debería intentar cargar. Envision aborda esto en el lado de la transferencia en lugar del lado del renderizado: las posiciones de partículas y los valores escalares se cuantifican a una fracción de su tamaño original, y el servidor decima cada cuadro antes de enviarlo, por lo que los datos que el cliente no necesita nunca se transmiten al cliente. La decimación es consistente cuadro a cuadro también, las mismas partículas se eliminan a lo largo, por lo que la reproducción se ve más dispersa en lugar de titilar, y es consistente tanto si lo ves en el navegador, en el escritorio o a través de Python.
