Cómo BMW Group está impulsando grandes eficiencias con IA y derribos virtuales
Panorama general
Virtual Teardown Assistant combina datos 3D en tiempo real con LLM para automatizar el proceso de evaluación comparativa.
Caso de uso
Análisis de componentes del vehículo basado en IA mediante renders de imagen 3D precisos.
Soluciones
Unity Asset Manager, Unity Pipeline Automation, Unity Asset Transformer SDK
Cliente
BMW Group
En el panorama cambiante de la ingeniería automotriz, entender los detalles complejos de los productos y optimizar cada componente es más crucial que nunca. Tradicionalmente, esto implicaba inspecciones físicas, un enfoque que consume muchos recursos, consume mucho tiempo y es difícil de escalar
Pero, ¿y si pudieras derribar las piezas componentes de un automóvil sin tocar una llave inglesa?
Esta es la pregunta que llevó a la Dra. Savo Asanin, líder de proyecto técnico para actividades impulsadas por la IA dentro del departamento de Estrategia de Desarrollo del Grupo BMW, busca una mejor manera. La misión es clara: comparar conceptos de diseño a través de un riguroso análisis técnico de las piezas componentes.
Al colaborar con Unity, Savo y su equipo han ido más allá de las restricciones físicas. Crearon el Virtual Teardown Assistant, un nuevo instrumento que combina datos 3D en tiempo real con modelos de lenguaje grande (LLM) para automatizar el proceso de comparación y evaluación comparativa de conceptos de diseño. En este caso de estudio escuchamos a Savo, y al Consultor Senior de Desarrollo de Software Unity, Daniel Bierwith cómo se creó.
De las limitaciones físicas a la escalabilidad digital
Como explicó Savo, durante años el análisis de componentes en BMW Group se basó en gran medida en la inspección manual. Los ingenieros examinaron las piezas físicamente o buscaron en bases de datos la información que necesitaban. El enfoque funcionaba, pero requería muchos recursos, mucho tiempo y era difícil de escalar.
El desafío no era la falta de datos; BMW tiene repositorios masivos de datos CAD. El desafío es la accesibilidad y la interpretación. Comparar la geometría de los diferentes componentes a través de las generaciones de vehículos requirió recursos laborales significativos.
Aquí es donde entra en juego la fundación de la mina 3D de BMW Group. Como detallamos en nuestra historia anterior sobre la solución de gestión de activos de BMW, 3D Mine sirve como una solución centralizada que ayuda a democratizar el acceso a datos 3D en toda la organización.
En un nivel básico, el Asistente de derribo virtual se basa en esa base y agrega una capa de automatización inteligente.
El objetivo era crear una herramienta que pudiera comparar geometrías de componentes de automóviles para encontrar mejoras potenciales automáticamente, y lograr esto con alta escalabilidad, permitiendo que la máquina haga el trabajo pesado de analizar componentes.
La sala de máquinas: Unity Asset Manager y Pipeline Automation
Para construir el Asistente de Desmontaje Virtual, necesita algo más que un modelo 3D; necesita un sistema que pueda entender lo que está mirando.
El flujo de trabajo comienza con datos CAD complejos, a menudo un modelo de vehículo completo. Utilizando Unity Asset Manager y Pipeline Automation, el sistema descompone el vehículo en sus sistemas constitutivos, como un asiento o un sistema de frenado.
Como explicó Savo, el flujo de trabajo es tomar un modelo CAD, explotarlo en sus partes, codificarlos por colores y esencialmente 'fotografiarlos' sobre un fondo blanco en el Editor. Todo esto tiene lugar automáticamente.
Aquí es donde brillan las soluciones empresariales Unity:
- 3D Mine, impulsado por Unity Asset Manager: Actúa como la única fuente de verdad, recuperando modelos 3D seleccionados y archivos de metadatos asociados.
- Automatización de tuberías: Se encarga del trabajo pesado. Aísla las piezas en función de los datos, explota la vista para que cada tornillo y soporte sea visible y ofrece imágenes de alta calidad para su análisis.
Las imágenes generadas, junto con una lista de materiales (BOM) que contiene metadatos cruciales como números de pieza y dimensiones, se alimentan a un LLM. La IA "observa" la vista en despiece, lee los datos y proporciona un análisis de ingeniería, identificando oportunidades para la reducción de peso, ahorro de costos o mejoras funcionales a escala.
Sorprendentes ideas y ahorros significativos de costos hasta la fecha
Cuando el equipo lanzó por primera vez la Prueba de concepto (POC), no estaban seguros de cómo manejaría la IA los datos visuales.
El equipo de Savo no estaba seguro de qué esperar, pero se sorprendió gratamente de lo bien que funcionaba el modelo con información geométrica limitada. Produjo información valiosa y entendió la geometría. El equipo ya está viendo resultados positivos en los sistemas priorizados.
Las implicaciones de esta eficiencia son significativas. Al automatizar la canalización de todo el vehículo a través de diferentes sistemas, BMW aumenta la eficiencia y permite un análisis de ingeniería más rápido.
La implementación del Asistente de Desmontaje Virtual en toda la organización permite a los equipos comparar conceptos, diseños y soluciones de proveedores más rápidamente y con mayor consistencia. Esto apoya una evaluación comparativa más rápida y ayuda a los ingenieros a identificar las opciones más prometedoras en una fase temprana del desarrollo.
Colaboración para innovar
El éxito del Asistente de Desmontaje Virtual pone de relieve la relación empresarial cada vez más profunda entre BMW Group y Unity. No se trata solo de comprar software; se trata de co-desarrollar soluciones.
El equipo de Savo colaboró estrechamente con Unity para construir esta solución, con acceso a experiencia técnica directamente de los equipos de Unity orientados al cliente. Esto resultó en una plataforma que es fácil de incorporar, y el rendimiento en la visualización de piezas en alta calidad es exactamente lo que el equipo esperaba.
Para el usuario final de BMW, el ingeniero que toma decisiones críticas de diseño, la complejidad del backend es invisible. No ven las soluciones Unity como los archivos de conversión de Asset Transformer SDK o los scripts de Pipeline Automation ejecutándose en segundo plano. Los comentarios del POC han sido abrumadoramente positivos, con equipos deseosos de usar la herramienta en una amplia gama de componentes del vehículo.
Ejemplo que muestra sistemas etiquetados en el contexto de un modelo de automóvil. Cortesía de BMW Group.
Inmersión técnica profunda: Cómo se construyó el Asistente Virtual de Desmontaje
¿Tienes curiosidad sobre cómo se creó esta herramienta transformadora? En la siguiente sección, Daniel Bierwith, Consultor Senior de Desarrollo de Software de Unity, desglosa la arquitectura, las tecnologías y el enfoque de ingeniería que dieron vida al Asistente de Desmontaje Virtual.
Componentes esenciales
El Asistente Virtual de Desactivación funciona con Unity Asset Manager, una plataforma escalable que simplifica la creación de renders detallados de explosiones. Al conectarse directamente a la tubería LLM a través de API automatizadas, el sistema transfiere los datos de salida sin esfuerzo.
En el centro de esta solución está Unity Pipeline Automation, una interfaz de bajo código que conecta sistemas, transforma datos y actualiza contenido 3D a escala. Las tuberías se ejecutan en máquinas virtuales en un clúster flexible y pueden ser activadas por eventos, programaciones o bajo demanda. Para más información, consulte el Apéndice a continuación.
El proceso es acelerado por Unity Asset Transformer SDK, que soporta más de 70 formatos de archivo 3D y CAD. Maneja la ingestión, optimización y estandarización, lo que facilita la integración de activos en cualquier flujo de trabajo 3D en tiempo real.
Un centro centralizado de gestión de activos digitales (en este caso, BMW Group 3D Mine) mantiene todo organizado y accesible. Los equipos pueden recuperar, administrar y colaborar en complejos activos 3D en tiempo real en un solo lugar, lo que acelera la producción y permite la creación de experiencias digitales escalables y de alta calidad.
Los datos de entrada se cargan en Unity Asset Manager para crear un repositorio compartido central para la colaboración en la tubería de desconexión virtual. Cortesía de BMW Group.
Etapas de tuberías del Asistente Virtual de Desmontaje
La tubería Virtual Teardown Assistant optimiza el proceso de análisis de complejos modelos de ingeniería 3D al combinar el procesamiento automatizado de datos, la visualización y la información impulsada por la IA.
Síntesis de tubería
El flujo de trabajo comienza cuando la Acción de carga de modelo recupera el modelo de ingeniería 3D seleccionado en formato JT desde Unity Asset Manager / 3D Mine. Simultáneamente, se carga un archivo de filtro del sistema para aislar el subsistema específico dentro del modelo de producto completo. Ambas acciones se configuran a través de la interfaz gráfica de canalización.
En un caso de uso típico, la tubería procesa archivos JT que exceden varios GB y que contienen modelos de ingeniería completos con miles de componentes y millones de polígonos.
Pasos de canalización con recuperación de activos y ejecución de Asset Transformer para aislar y representar las vistas en despiece.
Tratamiento y transformación de datos
Una vez cargado el modelo desde Asset Manager, la canalización ejecuta las tareas de procesamiento principales a través de un script Python personalizado que se ejecuta en una máquina virtual equipada con el SDK de Asset Transformer. El script carga el modelo JT completo. Asset Transformer SDK se utiliza para aplicar un mecanismo de filtrado a las ocurrencias del conjunto de datos para aislar las partes relevantes del sistema utilizando la tabla de filtros importada del archivo CSV en el paso de canalización anterior.
A continuación, el algoritmo SDK se utiliza para extraer y ajustar las propiedades del material para asignar colores únicos a cada componente para una clara diferenciación visual. Esta es la representación de ocurrencia etiquetada que usará el LLM junto con la BOM y las propiedades geométricas.
Ejemplo que muestra el sistema de eje delantero etiquetado en el contexto de un modelo de automóvil. Cortesía de BMW Group.
Los componentes aislados se despiezan utilizando un algoritmo personalizado que tiene en cuenta las relaciones jerárquicas y geométricas. Para el análisis visual por el LLM, es importante mantener una separación adecuada de las piezas y asegurarse de que son claramente visibles para la cámara de captura.
La interfaz Pipeline permite a la aplicación aplicar configuraciones personalizadas como explosiones y renderizar recetas para modificar dinámicamente la configuración de la tubería en función de las características del producto y del sistema.
El SDK de Asset Transformer proporciona capacidades de renderizado en la nube que se utilizan para renderizar las vistas en despiece ordenado etiquetadas del sistema como parte de la tubería de procesamiento. Los datos visuales resultantes sirven de base tanto para la revisión humana como para el análisis de la IA.
Ejemplo de explosión del sistema de eje delantero. La imagen izquierda muestra el sistema aislado, la imagen derecha muestra la vista despiezada generada. Cortesía de BMW Group.
Exportación de datos y análisis de IA
Además, una función de scripting personalizada exporta la BOM como un archivo CSV que contiene metadatos para todos los componentes del sistema y calcula las características geométricas de cada aparición mediante las funciones SDK de Asset Transformer. La BOM se almacena junto con las vistas despiezadas renderizadas en la mina 3D.
Ejemplo de renders de explosión para el sistema de parachoques delantero. La imagen izquierda muestra el sistema aislado, la imagen derecha muestra la vista despiezada generada. Cortesía de BMW Group.
El componente de IA toma el relevo. La interfaz de automatización de tuberías envía solicitudes HTTP a un modelo de lenguaje grande (LLM), proporcionando las vistas en despiece ordenado, la BOM y la descripción del sistema:
- En primer lugar, un paso de canalización crea la carga útil para la solicitud LLM codificando las imágenes renderizadas y la BOM en el cuerpo de solicitud, junto con la descripción del sistema, las instrucciones LLM y la solicitud.
- El LLM realiza un análisis exhaustivo de los datos de entrada y devuelve archivos de texto que contienen conocimientos arquitectónicos clave, materiales y estrategias de unión, evaluaciones de manufacturabilidad, estimaciones de KPI de rendimiento de primer orden, suposiciones con calificaciones de confianza y sugerencias de mejora de diseño.
Pasos de canalización de Virtual Teardown Assistant para establecer conexiones vía API a la canalización LLM, facilitando la transferencia de datos de salida de canalización sin intervención manual.
Resultados e impacto
El paso final de la tubería carga el informe de referencia generado por IA y las vistas despiezadas etiquetadas de nuevo en el Administrador de activos, proporcionando una referencia centralizada para los equipos. Esto permite una evaluación comparativa temprana antes de que ocurra cualquier derribo físico.
La tubería Virtual Teardown Assistant automatiza tareas complejas de procesamiento y visualización de CAD al tiempo que integra información impulsada por la IA, creando una poderosa herramienta para el análisis de productos en la etapa inicial. Su combinación de automatización escalable de tuberías, renderizado en tiempo real y evaluación avanzada de LLM reduce significativamente el tiempo y el costo requeridos para obtener puntos de referencia de ingeniería procesables.
El camino por recorrer
Actualmente se está desplegando el Auxiliar de Desmontaje Virtual, que proporciona renders coherentes para sistemas de alta prioridad. Pero Savo y su equipo están empezando.
En los próximos dos años, el plan es optimizar el sistema para la escala y conectar la herramienta directamente a los sistemas internos de BMW, como su repositorio CAD. Esto permitirá un análisis aún más detallado tomando fotografías desde diferentes ángulos y centrándose en componentes individuales para mejorar la calidad. El equipo de Savo aprendió que combinar algoritmos Vision con modelos de lenguaje grandes es la clave para la escalabilidad.
Para otras empresas interesadas en adoptar soluciones similares, el consejo es claro. Elige un problema real, construye un POC rápido y deja que los resultados hablen. La estrategia importa, pero nada convence a una organización como verla funcionar. Una vez que el impacto es visible, el escalado se convierte en un tirón del negocio, no en un empuje de TI.
Al aprovechar el ecosistema Unity, BMW Group no solo visualiza automóviles, sino que enseña a las máquinas a entenderlos, impulsando un futuro más inteligente, rápido y centrado en los datos para la ingeniería automotriz.
