Como o BMW Group está impulsionando grandes eficiências com AI e teardowns virtuais

Na evolução da engenharia automotiva, compreender os detalhes complexos do produto e otimizar cada componente é mais crucial do que nunca. Tradicionalmente, isso envolvia inspeções físicas, uma abordagem que é rica em recursos, demorada e difícil de escalar

Mas e se você pudesse arrancar os componentes de um carro sem nunca tocar numa chave?

Esta é a questão que levou o Dr. Savo Asanin, chefe de projeto técnico para atividades impulsionadas por IA dentro do departamento de Estratégia de Desenvolvimento do BMW Group, para procurar uma maneira melhor. A missão é clara: comparar conceitos de design através de análise técnica rigorosa de componentes.

Ao colaborar com Unity, Savo e sua equipe ultrapassaram as limitações físicas. Eles criaram o Virtual Teardown Assistant, uma nova ferramenta que combina dados 3D em tempo real com grandes modelos de linguagem (LLMs) para automatizar o processo de comparação de conceitos de design e benchmarking. Neste estudo de caso, ouvimos de Savo e Daniel Bierwith, consultor sênior de desenvolvimento de software da Unity, como foi criado.

De limitações físicas à escalabilidade digital

Como Savo explicou, durante anos, a análise de componentes do BMW Group dependia fortemente da inspeção manual. Os engenheiros examinaram as peças fisicamente ou procuraram nos bancos de dados as informações de que precisavam. A abordagem funcionou, mas era intensiva em recursos, demorava muito tempo e era difícil de escalar.

O desafio não foi a falta de dados; a BMW tem enormes repositórios de dados CAD. O desafio era a acessibilidade e a interpretação. Comparar a geometria de diferentes componentes de diferentes gerações de veículos exigia recursos de mão-de-obra consideráveis.

É aqui que se fundam as minas 3D do BMW Group. Como detalhado em nossa história anterior sobre a solução de gerenciamento de ativos da BMW, 3D Mine serve como uma solução centralizada que ajuda a democratizar o acesso a dados 3D em toda a organização.

Em um nível básico, o Virtual Teardown Assistant constrói essa base e adiciona uma camada de automação inteligente.

O objetivo era criar uma ferramenta que pudesse comparar geometrias de componentes de automóveis para encontrar melhorias potenciais automaticamente - e para alcançar isso com alta escalabilidade, permitindo que a máquina faça o levantamento pesado de componentes de análise.

A sala de máquinas: Unity Asset Manager e Pipeline Automation

Para construir o Virtual Teardown Assistant, você precisa de mais do que apenas um modelo 3D; você precisa de um sistema que possa entender o que está olhando.

O fluxo de trabalho começa com dados CAD complexos, muitas vezes um modelo de veículo inteiro. Usando Unity Asset Manager e Pipeline Automation, o sistema desintegra o veículo em sistemas constituintes, como um assento ou um sistema de travagem.

Como Savo explicou, o fluxo de trabalho é tomar um modelo CAD, explodir-lo em suas partes, codificá-los de cor, e essencialmente 'fotografá-los' contra um fundo branco no Editor. Tudo o que acontece automaticamente.

É aqui que brilham as soluções empresariais da Unity:

• Minha 3D, alimentada pelo Unity Asset Manager: Funciona como a única fonte de verdade, recuperando modelos 3D selecionados e arquivos de metadados associados.
• Automação de tubulação: Lida com o levantamento pesado. Ele isola peças com base em dados, explode a vista para que cada parafuso e suporte seja visível e reproduza imagens de alta qualidade para análise.

As imagens geradas, juntamente com um Bill of Materials (BOM) contendo metadados cruciais, como números de peças e dimensões, são alimentadas em um LLM. A IA "olha" para a vista explosiva, lê os dados e fornece uma análise de engenharia, identificando oportunidades para redução de peso, economia de custos ou melhorias funcionais em escala.

Insights surpreendentes e economias significativas de custos até agora

Quando a equipe lançou pela primeira vez a Prova de Conceito (POC), eles não estavam certos de como a IA lidaria com dados visuais.

A equipe de Savo não tinha certeza do que esperar, mas ficou agradavelmente surpreendida com o bom funcionamento do modelo com informações geométricas limitadas. Ele produziu insights valiosos e entendeu a geometria. A equipe já está vendo resultados positivos em sistemas prioritários.

As implicações dessa eficiência são significativas. Ao automatizar a tubulação de todo o veículo em diferentes sistemas, a BMW está aumentando a eficiência e permitindo análises de engenharia mais rápidas.

Com o Virtual Teardown Assistant em toda a organização, as equipes podem comparar conceitos, projetos e soluções de fornecedores de forma mais rápida e consistente. Isso suporta benchmarking mais rápido e ajuda os engenheiros a identificar as opções mais promissoras mais cedo no desenvolvimento.

Colaborando para inovar

O sucesso do Virtual Teardown Assistant destaca o aprofundamento da relação empresarial entre o BMW Group e Unity. Não se trata apenas de comprar software; trata-se de co-desenvolvimento de soluções.

A equipe da Savo trabalhou em estreita colaboração com a Unity para construir esta solução, com acesso a conhecimentos técnicos diretamente das equipes de atendimento ao cliente da Unity. Isso resultou em uma plataforma que é fácil de embarcar, e o desempenho na visualização de peças em alta qualidade é exatamente o que a equipe esperava.

Para o usuário final da BMW, o engenheiro que toma decisões de design críticas, a complexidade do backend é invisível. Eles não veem as soluções Unity, como os arquivos de conversão do Asset Transformer SDK ou os scripts de Pipeline Automation executados em segundo plano. O feedback do POC tem sido extremamente positivo, com equipes ansiosas para usar a ferramenta em uma ampla gama de componentes do veículo.

Profundidade técnica: Como o assistente virtual Teardown foi construído

Curioso sobre como essa ferramenta transformadora foi criada? Na seção seguinte, Daniel Bierwith, consultor sênior de desenvolvimento de software da Unity, descreve a arquitetura, as tecnologias e a abordagem de engenharia que levaram o assistente virtual à vida.

Os componentes essenciais

O Virtual Teardown Assistant é alimentado pelo Unity Asset Manager, uma plataforma escalável que simplifica a criação de renderizações explosivas detalhadas. Ao conectar diretamente ao pipeline LLM através de APIs automatizadas, o sistema transfere dados de saída sem esforço.

No centro desta solução está a Unity Pipeline Automation, uma interface de baixo código que liga sistemas, transforma dados e atualiza conteúdo 3D em escala. Os pipelines são executados em máquinas virtuais em um cluster flexível e podem ser desencadeados por eventos, horários ou sob demanda. Para mais informações, consulte o Apêndice abaixo.

O processo é acelerado pelo Unity Asset Transformer SDK, que suporta mais de 70 formatos de arquivo 3D e CAD. Ele lida com ingestão, otimização e padronização, tornando fácil integrar ativos em qualquer fluxo de trabalho 3D em tempo real.

Um hub centralizado de gerenciamento de ativos digitais (neste caso, BMW Group’s 3D Mine) mantém tudo organizado e acessível. As equipes podem recuperar, gerenciar e colaborar em recursos 3D complexos em tempo real em um só lugar, acelerando a produção e permitindo a criação de experiências digitais escaláveis e de alta qualidade.

Steps de pipeline do assistente de remoção virtual

O pipeline Virtual Teardown Assistant simplifica o processo de análise de modelos de engenharia 3D complexos, combinando processamento de dados automatizado, visualização e insights orientados por IA.

Sobre a pipeline

O fluxo de trabalho começa quando a Ação de Carga de Modelo recupera o modelo de engenharia 3D selecionado no formato JT do Unity Asset Manager / 3D Mine. Simultaneamente, um arquivo de filtro do sistema é carregado para isolar o subsistema específico dentro do modelo de produto completo. Ambas as ações são configuradas através da interface pipeline gráfica.

Em um caso de uso típico, o pipeline processa arquivos JT com mais de vários GB que contêm modelos de engenharia completos com milhares de componentes e milhões de polígonos.

Processamento e transformação de dados

Uma vez que o modelo é carregado do Asset Manager, o pipeline executa as principais tarefas de processamento através de um script de Python personalizado que é executado em uma máquina virtual equipada com o Asset Transformer SDK. O script carrega o modelo JT completo. O Asset Transformer SDK é usado para aplicar um mecanismo de filtragem às ocorrências do conjunto de dados para isolar as partes do sistema relevantes usando a tabela de filtros importada do arquivo CSV no passo do pipeline anterior.

Em seguida, o algoritmo SDK é usado para extrair e ajustar propriedades de material para atribuir cores únicas a cada componente para distinção visual clara. Esta é a representação de ocorrência marcada que será usada pelo LLM junto com a BOM e as propriedades geométricas.

Os componentes isolados são explodidos usando um algoritmo personalizado que conta para relações hierárquicas e geométricas. Para a análise visual pelo LLM, é importante manter a separação adequada de peças e garantir que elas sejam claramente visíveis para a câmera de captura.

A interface Pipeline permite que a aplicação aplique configurações personalizadas como explosão e reproduza receitas para modificar dinamicamente as configurações de pipeline com base nas características do produto e do sistema.

O Asset Transformer SDK fornece recursos de renderização em nuvem que são usados para renderizar as vistas explodidas rotuladas do sistema como parte da tubulação de processamento. Os dados visuais resultantes servem de base para análise humana e análise de IA.

Exportação de dados e análise de IA

Além disso, uma função de scripting personalizada exporta o BOM como um arquivo CSV que contém metadados para todos os componentes do sistema e calcula as características geométricas de cada ocorrência usando as funções Asset Transformer SDK. O BOM é armazenado ao lado das vistas explodidas renderizadas na Mina 3D.

O componente AI assume. A interface Pipeline Automation envia solicitações HTTP para um modelo de idioma grande (LLM), fornecendo as vistas explodidas, BOM e descrição do sistema:

• Primeiro, um passo de pipeline cria a carga útil para a solicitação LLM codificando as imagens renderizadas e o BOM no corpo da solicitação, juntamente com a descrição do sistema, instruções LLM e o prompt.
• O LLM realiza uma análise abrangente dos dados de entrada e retorna arquivos de texto contendo insights arquitetônicos principais, materiais e estratégias de junção, avaliações de fabricação, estimativas de KPI de desempenho de primeira ordem, suposições com classificações de confiança e sugestões de melhoria de design.

Resultados e impacto

A etapa final do pipeline carrega o relatório de referência gerado pela IA e as vistas explodidas rotuladas de volta para o Asset Manager, fornecendo uma referência centralizada para as equipes. Isso permite o benchmarking precoce antes de qualquer derrame físico ocorrer.

A pipeline Virtual Teardown Assistant automatiza tarefas complexas de processamento e visualização de CAD, enquanto integra insights impulsionados por IA, criando uma poderosa ferramenta para análise de produto em fase inicial. Sua combinação de automação de tubulação escalável, renderização em tempo real e avaliação avançada LLM reduz significativamente o tempo e o custo necessários para obter benchmarks de engenharia acionáveis.

O caminho pela frente

O Virtual Teardown Assistant está sendo implementado e fornece renderizações consistentes para sistemas de alta prioridade. Mas Savo e sua equipe estão apenas começando.

Nos próximos dois anos, o plano é otimizar o sistema para escala e conectar a ferramenta diretamente aos sistemas internos da BMW, como seu repositório CAD. Isso permitirá uma análise ainda mais granular tomando imagens de diferentes ângulos e focando em componentes individuais para melhorar a qualidade. A equipe de Savo descobriu que combinar algoritmos Vision com modelos de idiomas grandes é a chave para a escalabilidade.

Para outras empresas interessadas em adotar soluções semelhantes, o conselho é claro. Escolha um problema real, construa um POC rápido, e deixe os resultados falarem. Estratégia importa, mas nada convence uma organização como vê-la funcionar. Uma vez que o impacto é visível, a escalabilidade se torna uma atração do negócio, não um empurrão da TI.

Ao aproveitar o ecossistema Unity, o BMW Group não está apenas visualizando carros; eles estão ensinando máquinas a entendê-los, impulsionando um futuro mais inteligente, mais rápido e focado em dados para a engenharia automóvel.