Points Clés du Secteur

HOOPS Envision Ajoute une Visualisation des Particules

Les ingénieurs savent exactement combien d'informations sont contenues dans un fichier CAO. Bien au-delà de la géométrie elle-même, les formats d'ingénierie modernes peuvent supporter tout, des matériaux et instructions de fabrication aux informations vitales pour l'inspection, la vente et la maintenance. À mesure que les données d'ingénierie deviennent un atout stratégique dans toute l'organisation, les développeurs d'applications 3D devraient chercher à créer des produits qui donnent la priorité à l'accès aux données et à leur intégrité.

Malheureusement, trop d'applications sont conçues pour ne charger que la géométrie CAO, perdant ainsi toutes les autres informations dans le processus. Sans accès significatif au fichier CAO complet tout au long du cycle de vie du produit, les entreprises manquent le véritable potentiel de leurs données CAO.

Lors de notre récent webinaire avec VNTANA sur Tirer le Meilleur Parti de Vos Données CAO, nous avons discuté de trois domaines où combler cet écart crée une véritable valeur : meilleure utilisation du fichier CAO complet, tirer parti des données d'ingénierie pour former l'IA, et utiliser les données CAO après la fabrication d'une pièce.

Votre Fichier CAO Contient Bien Plus de Données Que Beaucoup d'Applications n'Extraitent

La plupart des fichiers CAO modernes prennent en charge la structure d'assemblage, les configurations et tableaux de familles, le PMI au niveau de l'assemblage, le GD&T sous ses diverses formes, les informations sur les matériaux, les informations sur les caractéristiques et les identifiants persistants qui suivent une pièce à travers les changements d'ingénierie. Bien que certaines de ces données existent, de nombreuses solutions d'importation de données intègrent la forme 3D et peu d'autres choses, indépendamment du fait que l'application parent ait capturé plus d'informations.

Pour que les applications d'ingénierie tirent le meilleur parti des données CAO, les développeurs et leurs utilisateurs finaux doivent pouvoir accéder à la totalité du contenu riche en données de leurs formats industriels.

"C'est vraiment important lorsque vous parlez d'un SDK commercial. Vous voulez avoir confiance que, peu importe ce que vos utilisateurs envoient à votre application, vous pouvez supporter toute l'étendue de ces données entrantes, ainsi que leur profondeur. C'est ce qui vous permet de prendre des décisions d'ingénierie sur des données riches et de les utiliser de manière significative."


— Jonathan Girroir, Directeur Senior, Marketing des Kits d'outils, Tech Soft 3D

HOOPS Exchange, la principale bibliothèque d'accès aux données CAO, continue de supporter des données d'ingénierie riches.  Les ajouts récents notables incluent :

  • Support pour STEP AP242 v3, un format conçu spécifiquement pour porter des PMI intelligents et GD&T plutôt que seulement la géométrie.

  • Support GD&T ISO pour CATIA V5

  • IFC 4.3 pour les flux de travail AEC

  • Bentley MicroStation DGN

  • glTF Compression Draco

Le support accru dans ces domaines vise à aider à répondre aux demandes croissantes d'interopérabilité entre CAO mécanique et AEC tout en préservant l'ampleur complète des données CAO essentielles aux flux de travail d'ingénierie modernes.

De nouveaux formats voient une adoption croissante, et de nouvelles exigences pour l'intégrité des données avec eux. Universal Scene Description (USD), avec son architecture composite, a commencé chez Pixar comme un format pour l'interopérabilité des scènes et a depuis attiré Adobe, Apple, Autodesk et NVIDIA. BREP est devenu une partie du schéma officiel de l'USD plus tôt cette année, et NVIDIA pousse le format comme voie principale vers Omniverse, ce qui importe directement pour la simulation robotique et les données d'entraînement synthétiques. USD en tant que format s'adapte aux demandes de l'industrie pour offrir plus qu'une simple interface visuelle.

Malgré ces améliorations, il est important d'être conscient des limitations actuelles du transfert de données CAO. Par exemple, les données cinématiques, qu'il s'agisse de savoir si deux pièces sont verrouillées rigidement ou peuvent pivoter autour d'un point, ne sont extractibles que si le système CAO source les a initialement créées, et la prise en charge varie selon le format. Les lacunes en capacité comme celle-ci mettent en évidence que la profondeur dans l'accès aux données CAO nécessite une ingénierie format par format au lieu d'un analyseur générique unique.

Le CAO Moderne Peut Former des Modèles, Pas Seulement les Rendre

Peut-être l'une des opportunités les plus excitantes pour les applications d'ingénierie modernes est la valeur que leurs modèles peuvent fournir au-delà de la visualisation.

Une fois que la structure d'assemblage, la topologie et la géométrie sont disponibles sous une forme structurée, ces mêmes données peuvent être encodées en tenseurs et utilisées pour former des modèles d'apprentissage machine directement sur la forme 3D, en évaluant la taille des faces, leur adjacence et comment les surfaces sont liées entre elles, plutôt qu'en apprenant à partir d'une image 2D d'une pièce.

Cette technologie peut permettre des fonctionnalités comme la recherche de similarité de pièce par IA, permettant à un fabricant de trouver des pièces avec des tolérances connues, des coûts vérifiés ou des paramètres de maillage existants et d'appliquer cet historique à une nouvelle pièce au lieu de repartir de zéro. La classification des pièces peut aider à organiser de grandes bibliothèques CAO qui dépendraient autrement de l'étiquetage manuel. La détection de caractéristiques peut accélérer les flux de travail de devis, de fabrication et d'inspection. Un des partenaires de fabrication de Tech Soft 3D applique la même approche à la planification des processus CNC, utilisant la géométrie pour déduire comment une pièce devrait être produite.

Les équipes étendent la recherche de similarité vers l'attribution automatique de matériel, utilisant l'inférence IA ou une base de données de matériaux existante.

Le tout dernier kit d'outils de Tech Soft 3D, HOOPS AI, vous permet de rationaliser l'utilisation de vos propres données CAO pour former des modèles. Le kit d'outils vous permet de préparer et transformer des données CAO à grande échelle, aidant à naviguer dans la complexité inhérente des données d'ingénierie pour exécuter des expériences et déployer des modèles IA sans construire votre propre pipeline de traitement CAO à partir de zéro.

HOOPS AI est utilisé pour créer des modèles entraînés qui comprennent les formes 3D afin que le savoir-faire en ingénierie puisse être réutilisé. Grâce à ses algorithmes de recherche de similarité de pièces, des informations sur le coût, la source, la fabrication et d'autres informations commerciales peuvent être attachées aux modèles CAO et utilisées pour déduire des informations similaires sur de nouvelles conceptions, réduisant le temps de conception et le coût global des projets.

Vos Données CAO Ne Cessent Pas de Compter Une Fois la Pièce Fabriquée

Bien que le CAO soit intrinsèquement utile dans la conception et la production d'un produit, il y a un intérêt croissant pour le rôle que ces données peuvent jouer après l'assemblage physique d'un composant. Un exemple de cela est d'aider à vérifier que ce qui a été construit correspond au design prévu.

Lorsque des pièces sont fabriquées, il y a généralement un processus d'inspection pour s'assurer qu'elles ont été fabriquées selon les spécifications originales.  Ce processus a historiquement été géré de manière incohérente, sans standard partagé pour décrire comment une pièce devrait réellement être mesurée.

Prenez une pièce avec une moitié gauche et droite miroir. Alors que le plan de réflexion est un élément de conception réel et un point de référence naturel pour une tolérance comme le parallélisme, ce plan n'existe pas physiquement sur la pièce finale fabriquée. Il n'y a rien pour toucher ou mesurer. Les processus traditionnels de définition des exigences d'inspection peuvent ne pas saisir cette distinction, créant une tolérance définie par quelque chose qui ne peut pas être mesuré sur une MMT (Machine à Mesurer les Coordonnées).

C'est là que le format de fichier QIF, le Cadre d'Information Qualité, offre son utilité. QIF fournit une seule façon structurée de définir les chemins d'inspection, y compris non seulement ce qui doit être vérifié, mais comment le mesurer et une manière d'enregistrer le résultat. Le format nécessite que les instructions d'inspection soient définies uniquement en termes de ce qui est physiquement mesurable, pas seulement ce qui est commodément géométrique à référencer dans le design.

En prenant en charge le QIF comme un format, les développeurs peuvent s'assurer que leurs applications répondent à une demande croissante de données qui servent les flux de travail d'ingénierie à la fin du cycle de vie du produit.

HOOPS Exchange commence à boucler la boucle du côté de l'accès aux données CAO. À compter de la version 2026.6.0, il inclut un lecteur bêta QIF 3.0, un premier pas vers le maintien de la même fidélité PMI et GD&T jusqu'à l'étape d'inspection, pas seulement de conception et de fabrication. En tant que bêta, il est toujours limité en portée, avec plus de fonctionnalités supportées dans la prochaine version à disponibilité générale.

Un Accès Fiable Déverrouille les Données CAO

Ces trois idées partagent un trait commun : un accès fiable à toute la profondeur des informations dans les données CAO ouvre des portes pour que les utilisateurs prennent une longueur d'avance. En tant que développeurs, fournir cet accès dans vos applications est essentiel pour maintenir un avantage concurrentiel dans votre domaine.

Au fil des décennies, Tech Soft 3D a vu plus de données CAO que tout autre fournisseur de kits d'outils, HOOPS Exchange étant une partie clé de la raison pour laquelle il est sous-jacent à des outils comme Unity, Unreal, et les importateurs Omniverse, ainsi que bien d'autres.

Pour en savoir plus sur HOOPS Exchange, HOOPS AI, ou pour poser toutes autres questions que vous pourriez avoir, contactez-nous.

Si vous souhaitez explorer comment les kits d'outils CAE de Tech Soft 3D peuvent vous aider à suivre une industrie en évolution rapide, contactez-nous pour en savoir plus.

FAQ sur la Visualisation des Particules de HOOPS Envision

Bureau : Rendu de Millions de Particules en Un Appel de Dessin

Les particules sont rendues comme des sprites de points GPU. L'ensemble du nuage de particules est rendu en un seul appel de dessin, donc l'ajout de plus de particules ajoute des sommets, pas plus d'appels de dessin. C'est ce qui permet au moteur de rendu de bureau de gérer des millions de particules alors qu'une approche naïve, une sphère maillée par particule, arrêterait à des centaines de milliers.

Les nuages denses deviennent aussi difficiles à lire lorsqu'ils sont complètement opaques; on finit par ne voir que la coque extérieure. La transparence corrige cela, mais signifie généralement trier chaque particule du fond vers l'avant à chaque image, ce qui est souvent ce qui limite la performance. Envision contourne cela avec un tri en temps linéaire qui ne se relance que lorsque l'angle de la caméra change, et évite complètement le tri pour les nuages opaques. Parce que les données de particules se comportent comme n'importe quel autre modèle dans la scène, elles s'intègrent également directement dans une vue aux côtés des données maillées existantes, aucun visionneur séparé requis.

Python : Rendu Sans Interface pour les Pipelines Automatisés

L'API Python rend hors écran, donc elle fonctionne partout, y compris sur un agent de build ou un conteneur sans GPU et sans affichage. Cela ouvre la porte à la génération d'images, d'animations et de rapports de particules automatiquement en tant que partie d'un pipeline de simulation, plutôt que de rendre à la main et de capturer des captures d'écran. Des exemples de travail couvrent les cas courants : colorer un nuage par un champ scalaire, exporter une animation, comparer les niveaux de décimation et convertir entre formats.

Web : Pourquoi le Transfert de Données, et non le Rendu, Est le Vrai Goulot d'Étranglement

Une grande exécution DEM ou SPH peut produire des centaines de gigaoctets sur toute sa plage de pas de temps, bien plus que ce qu'un navigateur devrait essayer de charger. Envision aborde cela du côté du transfert plutôt que du côté du rendu : les positions des particules et les valeurs scalaires sont quantifiées à une fraction de leur taille originale, et le serveur décime chaque image avant de l'envoyer, de sorte que les données dont le client n'a pas besoin ne sont jamais diffusées vers celui-ci. La décimation est cohérente d'une image à l'autre aussi, les mêmes particules sont abandonnées tout au long, de sorte que la lecture semble plus clairsemée plutôt que scintillante, et c'est cohérent que vous la regardiez dans le navigateur, sur le bureau ou via Python.

Web : Pourquoi le Transfert de Données, et non le Rendu, Est le Vrai Goulot d'Étranglement

Une grande exécution DEM ou SPH peut produire des centaines de gigaoctets sur toute sa plage de pas de temps, bien plus que ce qu'un navigateur devrait essayer de charger. Envision aborde cela du côté du transfert plutôt que du côté du rendu : les positions des particules et les valeurs scalaires sont quantifiées à une fraction de leur taille originale, et le serveur décime chaque image avant de l'envoyer, de sorte que les données dont le client n'a pas besoin ne sont jamais diffusées vers celui-ci. La décimation est cohérente d'une image à l'autre aussi, les mêmes particules sont abandonnées tout au long, de sorte que la lecture semble plus clairsemée plutôt que scintillante, et c'est cohérent que vous la regardiez dans le navigateur, sur le bureau ou via Python.