Как концерн BMW двигает основные направления эффективности с помощью ИИ и виртуальных сносов

В развивающемся ландшафте автомобилестроения понимание замысловатых деталей продукта и оптимизация каждого компонента как никогда важны. Традиционно это было связано с физическими инспекциями — подходом, требующим больших ресурсов, больших затрат времени и больших усилий

Но что, если бы вы могли снести составные части автомобиля, никогда не касаясь гаечного ключа?

Этот вопрос толкнул доктора Саво Асанин, ведущий технического проекта для деятельности, управляемой ИИ, в отделе стратегии развития BMW Group, чтобы найти лучший способ. Миссия ясна: сравнивать концепции проектирования посредством тщательного технического анализа составных частей.

Сотрудничая с Unity, Саво и его команда вышли за пределы физических ограничений. Они создали Виртуального помощника по сворачиванию, новый инструмент, который объединяет 3D-данные в реальном масштабе времени с широкоязыковыми моделями (ШММ) для автоматизации процесса сопоставления концепций проектирования и бенчмаркинга. В этом тематическом исследовании мы слышим от Саво, и старшего консультанта по разработке программного обеспечения Unity, Даниэля Бирвита, как оно создавалось.

От физических ограничений к цифровой масштабируемости

Как пояснил Саво, долгие годы компонентный анализ в BMW Group во многом полагался на ручную проверку. Инженеры изучали детали физически или искали необходимую информацию в базах данных. Этот подход работает, но он требует больших ресурсов, времени и масштабирования.

Проблема была не в отсутствии данных, у BMW массивные хранилища данных САПР. Проблема заключается в доступности и толковании. Сравнение геометрии различных компонентов в разных поколениях транспортных средств потребовало значительных трудовых ресурсов.

Именно здесь зарождается основа 3D Mine концерна BMW. Как подробно говорилось в нашей предыдущей статье о решении BMW по управлению активами, 3D Mine служит централизованным решением, которое помогает демократизировать доступ к 3D данным в рамках всей организации.

На базовом уровне виртуальный ассистент сноса опирается на этот фундамент и добавляет уровень интеллектуальной автоматизации.

Цель состояла в создании инструмента, который мог бы сравнивать геометрию компонентов автомобиля для автоматического поиска потенциальных улучшений - и для достижения этой цели при высокой масштабируемости, позволяя машине производить тяжелый подъем анализирующих компонентов.

Машинное отделение: Unity Asset Manager and Pipeline Automation

Чтобы построить виртуального помощника сноса, нужна не просто 3D-модель; нужна система, которая сможет понять, на что она смотрит.

Рабочий процесс начинается со сложных САПР-данных, зачастую целой модели транспортного средства. С помощью Unity Asset Manager и Pipeline Automation система разбивает транспортное средство на составные части, такие как сиденье или тормозная система.

Как пояснил Саво, рабочий процесс заключается в том, чтобы взять модель САПР, взорвать ее на части, раскрасить их и, по сути, "сфотографировать" на белом фоне в Редакторе. Все это происходит автоматически.

Именно здесь блистательные корпоративные решения Unity:

• 3D шахта, питание от Unity Asset Manager: Выступает в качестве единого источника истины, извлекая выбранные 3D модели и связанные с ними файлы метаданных.
• Автоматизация конвейера: Справляется с тяжелым подъемом. Он изолирует детали на основе данных, взрывает вид, чтобы был виден каждый винт и кронштейн, и рендерит высококачественные изображения для анализа.

Сгенерированные изображения вместе с перечнем материалов, содержащим важнейшие метаданные, такие, как номера и размеры деталей, вводятся в LLM. ИИ "смотрит" на взорванный вид, считывает данные и предоставляет инженерный анализ, выявляя возможности для снижения веса, экономии средств или функциональных улучшений в масштабе.

Удивительные выводы и значительная экономия средств на сегодняшний день

Когда команда только запустила Proof of Concept (POC), они не были уверены, как ИИ будет обращаться с визуальными данными.

Команда Саво не знала, чего ожидать, но была приятно удивлена тем, насколько хорошо модель работает с ограниченной геометрической информацией. Она позволила получить ценную информацию и понять геометрию. Группа уже наблюдает положительные результаты по системам очередности.

Эта эффективность имеет значительные последствия. Автоматизируя конвейер для всего автомобиля по различным системам, BMW повышает эффективность и позволяет ускорить инженерный анализ.

Внедрение виртуального ассистента свертывания по всей организации позволяет командам более оперативно и последовательно сравнивать концепции, дизайн и решения поставщиков. Это поддерживает ускорение бенчмаркинга и помогает инженерам выявить наиболее перспективные варианты на ранних этапах разработки.

Сотрудничество в области инноваций

Успех Virtual Teardown Assistant подчеркивает углубление корпоративных отношений между BMW Group и Unity. Речь идет не только о покупке программного обеспечения, но и о совместной разработке решений.

Команда Саво тесно сотрудничала с Unity в создании этого решения, имея доступ к техническим экспертным знаниям непосредственно от команд Unity, ориентированных на клиентов. Получилась платформа, на которую легко попасть на борт, а производительность в визуализации деталей в высоком качестве - именно то, на что рассчитывала команда.

Для конечного пользователя в BMW, инженера, принимающего важнейшие дизайнерские решения, сложность бэкэнда незаметна. Они не видят в фоновом режиме решения Unity, такие как конвертация файлов Asset Transformer SDK или сценарии автоматизации конвейеров. Отзывы ОНК были в основном положительными, и команды охотно использовали этот инструмент на широком спектре компонентов автомобиля.

Техническое глубокое погружение: Как создавался виртуальный помощник по сносу

Любопытно, как создавался этот инструмент-трансформер? В следующем разделе Дэниел Бирвит, старший консультант по разработке программного обеспечения Unity, ломает архитектуру, технологии и инженерный подход, который оживил виртуального помощника по сносу.

Необходимые компоненты

Виртуальный помощник свертывания питается от Unity Asset Manager, масштабируемой платформы, которая упорядочивает создание подробных взрывопотоков. Подключаясь напрямую к конвейеру LLM через автоматизированные API, система передает выходные данные без особых усилий.

В основе этого решения лежит Unity Pipeline Automation, интерфейс с низким кодом, который связывает системы, преобразует данные и масштабно обновляет 3D контент. Конвейеры работают в виртуальных машинах на гибком кластере и могут запускаться событиями, расписанием или по требованию. Дополнительную информацию см. в добавлении ниже.

Процесс ускоряется Unity Asset Transformer SDK, поддерживающим форматы файлов 70+ 3D и CAD. Он занимается заглатыванием, оптимизацией и стандартизацией, что позволяет легко интегрировать активы в любой 3D-рабочий процесс в реальном времени.

Централизованный центр управления цифровыми активами (в данном случае " 3D Mine " BMW Group) обеспечивает организованность и доступность всего оборудования. Команды могут извлекать сложные 3D активы в реальном времени, управлять ими и сотрудничать с ними в одном месте, ускоряя производство и создавая возможности для создания масштабируемого, высококачественного цифрового опыта.

Шаги конвейера Virtual Teardown Assistant

Конвейер Virtual Teardown Assistant оптимизирует процесс анализа сложных 3D-моделей инженерии, объединяя автоматизированную обработку данных, визуализацию и инсайты, основанные на ИИ.

Обзор трубопроводов

Рабочий процесс начинается, когда Model Load Action получает выбранную 3D-модель инженерии в формате JT из Unity Asset Manager/3D Mine. Одновременно загружается файл системного фильтра для изоляции конкретной подсистемы в рамках полной модели продукта. Оба действия настраиваются через графический интерфейс конвейера.

В типичном случае конвейер обрабатывает файлы JT, превышающие несколько ГБ, которые содержат полные инженерные модели с тысячами компонентов и миллионами полигонов.

Обработка и преобразование данных

После загрузки модели из диспетчера активов конвейер выполняет основные задачи обработки через пользовательский сценарий Python, работающий на виртуальной машине, оснащенной SDK Asset Transformer. Скрипт загружает полную модель JT. Asset Transformer SDK используется для применения механизма фильтрации к вхождениям набора данных для выделения соответствующих частей системы с помощью таблицы фильтров, импортированной из файла CSV на предыдущем этапе конвейера.

Далее алгоритм SDK используется для извлечения и корректировки свойств материала, чтобы присвоить уникальные цвета каждому компоненту для четкой визуальной дифференциации. Это обозначенное представление вхождений, которое будет использоваться LLM наряду с БВУ и геометрическими свойствами.

Выделенные компоненты взрываются по специальному алгоритму, который учитывает как иерархические, так и геометрические взаимосвязи. Для визуального анализа LLM важно поддерживать правильное разделение частей и обеспечивать, чтобы они были хорошо видны камере видеофиксации.

Интерфейс Pipeline позволяет приложению применять пользовательские настройки в качестве взрыва и рендерить рецепты для динамического изменения настроек конвейера в зависимости от характеристик продукта и системы.

Asset Transformer SDK предоставляет возможности облачного рендеринга, которые используются для отображения маркированных взорванных видов системы как части конвейера обработки. Полученные визуальные данные служат основой как для обзора человека, так и для анализа ИИ.

Экспорт данных и анализ ИИ

Кроме того, пользовательская функция сценариев экспортирует BOM в виде CSV-файла, содержащего метаданные для всех компонентов системы, и вычисляет геометрические характеристики каждого вхождения с помощью функций SDK Asset Transformer. БВУ хранится вместе с отрисованными видами взрыва в 3D Mine.

Компонент ИИ берет верх. Интерфейс Pipeline Automation посылает запросы HTTP на большую языковую модель (LLM), предоставляя взорванные представления, BOM и описание системы:

• Во-первых, этап конвейера создает полезную нагрузку для запроса LLM, кодируя отрисованные изображения и БВУ в теле запроса вместе с описанием системы, инструкциями LLM и подсказкой.
• LLM проводит всеобъемлющий анализ исходных данных и возвращает текстовые файлы, содержащие ключевые архитектурные идеи, материалы и стратегии соединения, оценки производственной пригодности, оценки эффективности ИПЦ первого порядка, предположения с рейтингом достоверности и предложения по совершенствованию конструкции.

Результаты и влияние

На заключительном этапе конвейера в систему управления активами загружается базисный отчет, созданный ИИ, и маркированные взорванные виды, что обеспечивает централизованную справочную информацию для групп. Это позволяет проводить ранний бенчмаркинг до наступления любого физического сноса.

Конвейер Virtual Teardown Assistant автоматизирует сложные задачи обработки и визуализации САПР, интегрируя в них информацию, полученную с помощью ИИ, создавая мощный инструмент для анализа продуктов на ранних стадиях. Сочетание масштабируемой автоматизации конвейеров, рендеринга в реальном времени и расширенной оценки LLM значительно сокращает время и затраты, необходимые для получения реальных инженерных ориентиров.

Путь впереди

Виртуальный помощник по сворачиванию операций в настоящее время работает и обеспечивает последовательное функционирование высокоприоритетных систем. Но Саво и его команда только начинают.

В ближайшие два года планируется оптимизировать систему для масштаба и подключить инструмент напрямую к внутренним системам BMW, таким как их хранилище САПР. Это позволит проводить еще более гранулированный анализ, делая снимки с разных сторон и уделяя особое внимание отдельным компонентам для улучшения качества. Команда Саво узнала, что комбинация алгоритмов Vision с моделями большого языка является ключом к масштабируемости.

Для других компаний, заинтересованных в принятии аналогичных решений, совет однозначен. Выберите реальную проблему, постройте быстрый ОНК, и пусть говорят результаты. Стратегия имеет значение, но ничто так не убеждает организацию, как ее работа. После того, как эффект заметен, масштабирование становится тягой от бизнеса, а не толчком от IT.

Задействовав экосистему Unity, BMW Group не просто визуализирует автомобили; они учат машины понимать их, двигая более умным, быстрым и ориентированным на данные будущим для автомобилестроения.