为什么 CAD 数据是将 AI 引入制造应用程序最困难的部分

在对几乎所有其他领域都留下印记后，人工智能终于触及了工程工作流程，提高了团队设计、模拟和优化产品的方式。对于制造应用程序的开发者来说，AI 创新的下一步需要克服一个巨大的障碍： 如何将 CAD 数据集成到 AI 工作流程中？ 

CAD 数据位于现代制造工作流程的中心。它从设计到分析、生产、检验和维护承载几何、结构、产品知识和工程意图。它也是高度专有的，远比大多数 AI 工具围绕的文本和图像数据复杂得多。 

要创建下一代制造应用程序，开发者需要将机器学习工作流程与真实的 CAD 数据连接，而不会损害知识产权、丢失使数据有价值的工程背景或产生对下游无用的输出。总之， 制造应用程序需要围绕 CAD 数据并明确为其构建的 AI 功能。 

在本文中，我们概述了 CAD 数据和 AI 为开发者带来的问题，以及实际解决这些问题所需采取的措施。  

最后，我们分享 HOOPS AI，这是专为将工程数据与机器学习连接而设计的 CAD 基础框架，可以帮助制造应用程序的开发者克服这些问题。  

查看我们的博客文章，涵盖我们与 Digital Engineering 24/7 高级编辑 Kenneth Wong 的对话，了解更多关于 AI 如何已经在改变工程、设计和模拟工作流程。 

挑战 1：最有用的 CAD 数据通常无法离开公司 

大多数制造 CAD 数据高度保密。它可能包含产品几何、设计意图、客户要求、生产知识、供应商约束和其他不应暴露在组织之外的细节。 

这是与 AI 工具集成的第一个主要问题。当 AI 系统能够从或作用于其旨在支持的真实工作流程的数据中学习时，它们最有用，而希望用来训练模型的专用数据是制造商最不愿意或无法共享的信息。制造数据的独特性质也意味着公开可用的数据可能不足够。 

通用 AI 工具之所以强大，部分原因在于它们可以从巨大的公共数据集学习。这种基础不存在于专有的 CAD 数据中。  

对于开发者来说，这为他们的应用程序创建了明确的要求： 制造 AI 需要在 CAD 数据已经存在的系统和环境中工作。它需要在控制环境中支持机器学习工作流程，使用公司的工程数据而不额外暴露敏感知识产权。 

这就是 HOOPS AI 背后的核心理念之一。HOOPS AI 为开发者提供了一个框架，用于在受控的工程环境中将机器学习应用于 CAD 数据。它支持围绕专有工程数据的现实构建的工作流程，而不是将 CAD 视为需发送到其他地方的通用文件。 

挑战 2：CAD 数据无法像文本或图像一样被读取 

即使安全问题得到解决，制造应用程序的开发者仍会遇到下一个问题： CAD 数据不是自然可读的 AI 数据。 

显然，CAD 文件不仅仅是一个零件的图像。该文件包含 B-Rep 几何、拓扑、尺寸、数值值、结构化文本、装配信息、特征树、元数据和其他工程信息。虽然这种结构和数据丰富性使 CAD 有用，但也使得 CAD 对通用 AI 系统来说难以直接解释。 

工程师仅在其选择的软件读取文件、解释几何、渲染形状并提供检查工具之后，才与 CAD 模型交互。机器学习系统需要自己的翻译层。模型的几何和结构需要转换为可用于模型训练、推断和评估的表示形式。 

对于开发者来说，这 意味着工程应用程序的实际 AI 基础设施需要 CAD 访问、CAD 解释、转换为机器学习准备格式以及人类对照原始几何进行结果审查的方法。 

HOOPS AI 专为支持该工作流程而构建。该工具包可以读取 CAD 数据并将其转换为机器学习所需的张量准备表示。它还包括可视化功能，以便用户可以在上下文中检查 CAD 数据并评估机器学习结果。 

该审核步骤很重要。AI 会犯错，工程团队需要一种方法在设计、制造或检测决策之前验证输出结果。 

HOOPS AI 还支持 CAD 特定的机器学习方法，如 UV-Net，为开发人员提供处理 BRep 几何和拓扑的实际起点。 

HOOPS AI 支持 UV-Net，为开发者提供了一个无需从头开始构建基础的实际起点，可以用于基于 BRep 的机器学习实验。 

挑战 3：AI 结果需要适应真实的工程工作流程 

对于开发者来说，第三个挑战在于他们创建的 AI 工具产生结果之后。 

在制造中，有用的输出需要适应复杂的、由客户信息指导的工作流程的下一步。这可能意味着设计审查、模拟、CAM、检查、文档、数据交换或工程师的进一步编辑。 

这是许多 AI 演示可能误导的地方。一个视觉上合理的 3D 结果可能令人印象深刻，但制造团队需要的不仅仅是屏幕上的形状。他们需要可以在已经驱动工程和生产的系统中检查、信任和使用的结果。  

这在制造中常见的 CAD 驱动工作流程中尤为重要。如果 AI 识别到相似的零件、对模型进行分类、建议设计更改或支持制造决策，工程师需要访问底层的 CAD 数据，并有一种方法在上下文中评估结果。系统需要保持 AI 输出与其背后的几何、元数据和工程含义之间的连接。 

对于开发者来说，要求是实际的：AI 工作流程需要连接回 CAD、可视化和数据交换基础设施。没有该连接，AI 很可能成为一个独立的层，而不是工程过程的有用部分。 

这就是 Tech Soft 3D 更广泛的工具包组合重要的地方。HOOPS Exchange 支持跨主要工程格式的 CAD 数据访问和翻译，而 HOOPS AI 支持 CAD 工作流的机器学习方面。结合这些功能，帮助开发者构建以真实 CAD 数据为基础的 AI 启用应用程序，而不是孤立的 AI 演示。 

对于那些不仅考虑基于 CAD 的机器学习，还考虑 AI 辅助 CAD 生成的团队， Tech Soft 3D 也转销 Parasolid， 全球领先的 3D 几何建模内核。Parasolid 可以为需要创建可编辑的、下游准备好的几何的应用程序提供强大的程序化 CAD 生成支持。  

实用的制造业 AI 始于正确的数据基础设施 

制造业中的 AI 不仅将由模型质量定义，还将由 AI 系统能否与制造业实际使用的数据有意义地协作定义。 

这包括 CAD 数据的每个部分，包括 B-Rep、工程结构、人机审查、下游兼容性以及使每个制造商的产品和过程独一无二的积累知识。 

对于软件开发人员来说，从头构建这些要求是困难的。CAD 访问、几何处理、可视化、机器学习准备和互操作性都是复杂的技术领域。将它们结合到一个可靠的 AI 工作流程中很快会成为主要的开发瓶颈。 

创建 HOOPS AI 是为了帮助开发者解决这个挑战。支持 CAD 数据的机器学习工作流程，这个工具包为团队提供了一个基础，让他们能够在工程和制造应用中构建实用的 AI 能力。 

准备好了解更多有关 HOOPS AI 的信息吗？ 

探索如何在保护敏感工程信息的同时，将 HOOPS AI 应用到 CAD 数据的最佳方式是与我们聊天。 

联系我们的团队 了解 HOOPS AI、 HOOPS Exchange和 Parasolid 如何融入更广泛的工程 AI 战略。 

如果您想探索 Tech Soft 3D 的工具包如何帮助您跟上快速发展的行业， 请联系我们了解更多信息。

关于 AI、CAD 数据和制造应用的常见问题