AI를 제조 애플리케이션에 도입하는 데 있어 CAD 데이터가 가장 어려운 이유

인공지능은 모든 분야에 흔적을 남긴 후 마침내 엔지니어링 워크플로우에도 영향을 미치고 있으며, 팀이 제품을 설계, 시뮬레이션, 최적화하는 방식을 향상시키고 있습니다. 제조 애플리케이션 개발자들에게 AI 혁신의 다음 단계는 커다란 장애물을 극복하는 것입니다: CAD 데이터를 AI 워크플로우에 어떻게 통합할 수 있을까요? 

CAD 데이터는 현대 제조 워크플로우의 중심에 위치합니다. 이는 설계부터 분석, 생산, 검사, 유지보수에 이르기까지 기하학, 구조, 제품 지식 및 엔지니어링 의도를 전달합니다. 또한 이는 대단히 고유하며 대부분의 AI 도구가 구축된 텍스트 및 이미지 데이터보다 훨씬 더 복잡합니다. 

다음 세대 제조 애플리케이션을 만들기 위해 개발자는 IP를 손상시키지 않으면서, 데이터의 가치를 제공하는 엔지니어링 컨텍스트를 잃지 않으면서 기계 학습 워크플로우를 실제 CAD 데이터에 연결해야 하며, 유용하지 않은 출력물을 만들지 않아야 합니다. 요약하자면, 제조 애플리케이션에는 CAD 데이터를 중심으로 하고 명시적으로 설계된 AI 기능이 필요합니다. 

이 글에서는 CAD 데이터와 AI가 개발자들에게 문제를 일으키는 이유와 이러한 문제를 실질적으로 해결하기 위해 필요한 사항을 설명합니다.  

마지막으로, HOOPS AI, 기계 학습과 엔지니어링 데이터를 연결하기 위해 특별히 설계된 CAD 기반 프레임워크가 제조 애플리케이션 개발자들이 이러한 문제를 극복하는 데 어떻게 도움을 줄 수 있는지 설명합니다.  

Digital Engineering 24/7의 수석 편집자 Kenneth Wong 과의 대화를 다룬 블로그 게시물에서 AI가 이미 엔지니어링, 디자인 및 시뮬레이션 워크플로우를 어떻게 변화시키고 있는지에 대해 더 알아보세요. 

도전 과제 1: 가장 유용한 CAD 데이터는 주로 회사 외부로 나갈 수 없습니다 

대부분의 제조 CAD 데이터는 매우 기밀입니다. 제품 기하학, 디자인 의도, 고객 요구 사항, 생산 지식, 공급자 제약 조건 및 기타 세부 정보가 포함될 수 있으며 이는 조직 외부에 노출되어서는 안 됩니다. 

이것은 AI 도구와의 통합에 있어 첫 번째 주요 문제입니다. AI 시스템은 그들이 지원해야 하는 실제 워크플로우를 반영하는 데이터를 학습하거나 작업할 수 있을 때 가장 유용하며, 모델을 훈련하는 데 사용하기를 원하는 데이터는 일반적으로 제조업체들이 공유하기 가장 꺼리거나 불가능한 데이터입니다. 제조 데이터의 특성상 공용으로 제공되는 데이터는 충분하지 않을 가능성이 높습니다. 

범용 AI 도구는 막대한 공개 데이터셋으로부터 학습할 수 있다는 점에서 강력합니다. 그러나 이러한 기반은 고유한 CAD 데이터에 대해 존재하지 않습니다.  

개발자들에게 이것은 애플리케이션에 대한 분명한 요구사항을 생성합니다: 제조 AI는 CAD 데이터가 이미 존재하는 시스템과 환경 내에서 작동해야 합니다.회사의 자체 엔지니어링 데이터를 사용한 기계 학습 워크플로우를 지원해야 하며 민감한 IP를 불필요하게 노출하지 않아야 합니다. 

이것이 HOOPS AI의 핵심 아이디어 중 하나입니다. HOOPS AI는 개발자들이 조작된 엔지니어링 환경에서 CAD 데이터에 기계 학습을 적용할 수 있는 프레임워크를 제공합니다. CAD를 전송할 파일로 취급하는 대신, 고유한 엔지니어링 데이터 현실을 중심으로 워크플로우를 지원합니다. 

도전 과제 2: CAD 데이터는 텍스트나 이미지처럼 읽을 수 없습니다 

보안 문제를 극복하더라도, 제조 애플리케이션 개발자들은 다음 문제에 직면하게 됩니다: CAD 데이터는 AI가 자연스럽게 읽을 수 없습니다. 

분명히, CAD 파일은 단순한 파트의 이미지가 아닙니다. 이 파일에는 B-Rep 기하학, 위상, 치수, 수치 값, 구조화된 텍스트, 어셈블리 정보, 기능 트리, 메타데이터 및 기타 엔지니어링 정보가 포함되어 있습니다. 이 구조와 데이터의 풍부함은 CAD를 유용하게 만들지만, 범용 AI 시스템이 직접 해석하기 어렵게 만듭니다. 

엔지니어들은 그들이 선택한 소프트웨어가 파일을 읽고 기하학을 해석하고 형상을 렌더링하며 이를 검사할 수 있는 도구를 제공한 후에만 CAD 모델과 상호 작용합니다. 기계 학습 시스템은 번역 레이어의 자체 버전이 필요합니다. 모델의 기하학 및 구조는 모델 훈련, 추론 및 평가에 사용할 수 있는 표현으로 변환되어야 합니다. 

개발자들은 이에 대해, 실용적인 AI 인프라스트럭처는 CAD 접근, CAD 해석, 기계 학습 준비가 된 형식으로의 변환, 인간이 원래 기하학에 대해 결과를 검토할 수 있는 방법을 필요로 한다는 것을 의미합니다. 

HOOPS AI는 그러한 워크플로우를 지원하도록 구축되었습니다. 이 도구 모음은 CAD 데이터를 읽고 기계 학습을 위한 텐서 준비 표현으로 변환할 수 있습니다. 또한 사용자가 CAD 데이터를 검사하고 기계 학습 결과를 문맥에서 평가할 수 있도록 시각화 기능을 포함합니다. 

검토 단계는 중요합니다. AI는 실수를 할 것이며, 엔지니어링 팀은 설계, 제조 또는 검사 결정에 영향을 미치기 전에 출력물을 검증할 방법이 필요합니다. 

HOOPS AI는 UV-Net과 같은 CAD 특정 기계 학습 접근법을 지원하여 개발자들에게 BRep 기하학과 위상 작업을 위한 실용적인 시작점을 제공합니다. 

HOOPS AI는 UV-Net을 지원하여 개발자들이 BRep 기반 기계 학습을 실험할 수 있는 실용적인 시작점을 제공하며, 이를 통해 기초를 새로 구축하지 않고도 가능합니다. 

도전 과제 3: AI 결과는 실제 엔지니어링 워크플로우에 맞아야 합니다 

세 번째 도전 과제는 개발자들이 만든 AI 도구가 결과를 생성한 후에 도래합니다. 

제조업체에게 유용한 출력물은 복잡하고 고객 중심의 워크플로우의 다음 단계에 적합해야 합니다. 그것은 디자인 검토, 시뮬레이션, CAM, 검사, 문서화, 데이터 교환 또는 엔지니어의 추가 편집일 수 있습니다. 

이것이 많은 AI 데모가 오해를 불러일으킬 수 있는 곳입니다. 시각적으로 그럴듯한 3D 결과는 인상적일 수 있지만, 제조팀은 화면 상의 형상 그 이상의 것이 필요합니다. 그들은 이미 엔지니어링 및 생산을 주도하는 시스템에서 검사되고, 신뢰할 수 있으며 사용할 수 있는 결과가 필요합니다.  

특히 제조에서 일반적인 CAD 기반 워크플로우에서는 중요합니다. AI가 유사한 부품을 식별하거나, 모델을 분류하거나, 디자인 변경을 제안하거나, 제조 결정을 지원하는 경우, 엔지니어들은 AI 출력물과 그 뒤의 기하학, 메타데이터, 엔지니어링 의미 간의 연결을 유지해야 합니다. 

개발자들에게 요구사항은 현실적입니다: AI 워크플로우는 CAD, 시각화 및 데이터 교환 인프라와 다시 연결되어야 합니다. 그 연결 없이는 AI는 엔지니어링 프로세스의 유용한 부분이 아니라 단절된 레이어로 전락할 위험이 있습니다. 

이것이 Tech Soft 3D의 더 폭넓은 도구 세트 포트폴리오가 중요해지는 이유입니다. HOOPS Exchange는 주요 엔지니어링 형식 전반에 걸쳐 CAD 데이터 접근 및 번역을 지원하며, HOOPS AI는 CAD 워크플로우의 기계 학습 측면을 지원합니다. 이들 기능을 결합하면 개발자는 독립적인 AI 데모가 아닌 실제 CAD 데이터에 기반한 AI 지원 애플리케이션을 구축할 수 있습니다. 

CAD 기반 기계 학습을 넘어 AI 지원 CAD 생성으로 확장하고자 하는 팀을 위해, Tech Soft 3D는 또한 Parasolid를 재판매합니다. 세계 최고의 3D 기하학적 모델링 커널인 Parasolid는 편집 가능하고 후속 준비가 된 기하학을 생성해야 하는 애플리케이션을 위해 강력한 절차적 CAD 생성을 지원할 수 있습니다.  

제조업에서의 실용적인 AI는 올바른 데이터 인프라에서 시작합니다 

제조업 분야의 AI는 모델 품질만으로 정의되지 않을 것이며, AI 시스템이 실제로 제조업에서 사용하는 데이터를 의미 있게 활용할 수 있는지에 따라 결정될 것입니다. 

여기에는 B-Rep, 엔지니어링 구조, 인간 검토, 하위 호환성 및 각 제조업체의 제품과 공정을 독특하게 만드는 누적 지식 등 CAD 데이터의 모든 부분이 포함됩니다. 

소프트웨어 개발자에게 이러한 요구 사항을 처음부터 구축하는 것은 어려운 일입니다. CAD 접근, 기하학 처리, 시각화, 기계 학습 준비, 상호 운용성은 모두 복잡한 기술 영역입니다. 이를 신뢰할 수 있는 AI 워크플로로 결합하는 것은 빠르게 주요 개발 병목 현상으로 변할 수 있습니다. 

HOOPS AI는 개발자가 그 도전에 대응할 수 있도록 설계되었습니다. CAD 데이터를 위한 기계 학습 워크플로를 지원하는 이 툴킷은 팀이 엔지니어링 및 제조 응용 프로그램에 실용적인 AI 기능을 구축할 수 있는 기반을 제공합니다. 

HOOPS AI에 대해 더 알아볼 준비가 되셨습니까? 

귀하의 조직이 CAD 데이터에 기계 학습을 적용하면서 민감한 엔지니어링 정보를 보호하는 데 HOOPS AI가 어떻게 도움을 줄 수 있는지 탐색하는 가장 좋은 방법은 저희와의 대화입니다. 

저희 팀에 문의하여 알아보세요 HOOPS AI, HOOPS Exchange, 그리고 Parasolid 가 더 광범위한 엔지니어링 AI 전략에 어떻게 맞추어질 수 있는지. 

빠르게 변화하는 업계 추세에 맞추도록 Tech Soft 3D의 툴킷이 어떻게 도울 수 있는지 알아보고 싶다면, 더 알아보려면 저희에게 문의하십시오.

AI, CAD 데이터 및 제조 응용 프로그램에 대한 FAQ