2B Teknik Resimden 3B Modele Otomasyon: Nereye Kadar?

Bir teknik resimden çıkarabileceğiniz şey, parçanın o anki hâlidir: şu uzunluk, şu delik çapı, şu büküm açısı. Çıkaramayacağınız şey, o değerlerin neden öyle olduğu.

Somut örnek: resimde 120 mm'lik bir mesafe var. Bu mesafe;

• sabit bir montaj ölçüsü mü,
• yoksa toplam genişliğin yarısı mı,
• yoksa yandaki delikten 40 mm uzakta olması gerektiği için mi 120?

Üçü de aynı çizgiyi üretir. Ama parçayı parametrik yapmak istediğinizde üçü tamamen farklı davranır. Genişliği değiştirdiğinizde birincisi yerinde kalır, ikincisi ortalanır, üçüncüsü deliği takip eder.

Otomatik dönüşümün ürettiği model, çoğu zaman birinci varsayımı seçer — yani ölü bir katı. Görüntü doğrudur, ama parametre değiştirdiğinizde model dağılır.

"Ölü katı" ne zaman yeterlidir

Her dönüşümün parametrik olması gerekmiyor. Ölü katı üç durumda tamamen yeterli:

• Görselleştirme ve montaj yerleşimi. Parçanın yer kaplamasını görmek için niyet gerekmez.
• Çakışma ve gabari kontrolü. Geometri doğruysa kontrol doğrudur.
• Arşiv taşıma. Eski parçaların 3B ortamda saklanması, yeniden çizim gerektirmeden.

Parametrik model gereken tek durum, o parçanın varyantlarının üretilecek olmasıdır. Bu ayrımı baştan yapmak, projenin en pahalı kararı: arşivin tamamını parametrikleştirmeye çalışmak, çoğu firmada gereksiz bir maliyet.

Bu, dönüşümün otomatikleştirilemeyeceği anlamına gelmiyor. Zincirin bir kısmı fazlasıyla otomatikleştirilebilir:

• Temizlik. Kopuk çizgiler, üst üste binmiş elemanlar, kullanılmayan katmanlar, ölçek tutarsızlıkları. Sıkıcı ve kurallı — otomasyona en uygun kısım.
• Tanıma. Kapalı profillerin, delik gruplarının ve büküm çizgilerinin ayırt edilmesi.
• Sınıflandırma. Resmin hangi ürün ailesine ait olduğunun belirlenmesi. Kural katmanı buna göre seçilir.
• Taslak katı. Doğru profil ve kalınlıkla ilk katının üretilmesi.

Dördü birlikte, işin mekanik yükünün büyük kısmını alıyor. Kalan kısım — parametrelerin neye bağlanacağı — tasarım kararıdır.

Temizlik adımının gizli değeri

Sahada gördüğüm en sık sürpriz: temizlik adımı tek başına, projenin beklenen kazancının önemli bir bölümünü üretiyor. Sebebi, eski arşivlerin sanıldığından çok daha kirli olması.

Tipik bir DWG arşivinde karşılaşılanlar:

Son iki satır, dönüşümün sınırını gösteriyor: bilginin kaybolduğu yerde otomasyon onu geri getiremez.

Niyet resimde yoksa, başka bir yerden gelmek zorunda. Pratikte üç kaynak var:

1. Ürün ailesi kuralı. Aynı ailenin tüm parçaları aynı mantıkla boyutlanır. Bir kez tanımlarsınız, tüm aileye uygularsınız. En verimli yol budur — ve arşivin sınıflandırılmış olmasını gerektirir.

2. Varyant karşılaştırması. Aynı parçanın iki farklı boyuttaki resmi elinizdeyse, hangi ölçünün değiştiği hangisinin sabit kaldığı doğrudan görülür. Bu, niyeti veriden çıkarmanın en güvenilir yolu.

3. Üreten kişinin bilgisi. En pahalı ama en kesin kaynak. Bir ürün ailesi için yarım günlük bir görüşme, yüzlerce parçanın niyetini belirleyebilir.

Üçünü birlikte kullanmak, tek tek kullanmaktan belirgin biçimde hızlı. Kural taslağını aile bazında yazarsınız, varyant karşılaştırmasıyla doğrularsınız, kalan belirsizliği görüşmeyle kapatırsınız.

Yapay zekanın burada iki gerçek katkısı var, bir de abartılan tarafı.

Gerçek katkı 1 — tanıma. Görüntü işleme tarafı, elle kural yazmaktan çok daha iyi. "Bu bir sac metal büküm çizgisi mi" sorusunda örüntü tanıma güçlü.

Gerçek katkı 2 — sınıflandırma. Binlerce resmi ürün ailesine göre gruplamak, elle yapıldığında haftalar süren bir iş. Model bunu saatlerde yapar ve hatalarını insan gözüyle ayıklamak kolaydır.

Abartılan taraf — niyet çıkarımı. "Yapay zeka tasarım niyetini anlar" iddiası bugün için fazla iyimser. Model, hangi ölçünün sürücü olduğunu tahmin edebilir; tahminin doğruluğunu doğrulamadan kabul ederseniz, hatayı parametrik modele gömmüş olursunuz. Ve bu hata, sessizce yanlış çıktı üreten türden — aylar sonra, başka bir varyant üretilirken ortaya çıkar.

1. Dar başla. Tek bir ürün ailesi, tek bir varyant. Uçtan uca çalıştır.
2. Arşivi sınıflandır. Hangi resim hangi aileye ait — bu adım olmadan kural katmanı seçilemez.
3. Niyeti elle tanımla. O aile için hangi ölçünün sürücü olduğu bir kez belirlenir; sonra tüm aileye uygulanır.
4. Doğrulamayı otomatikleştir. Üretilen modeli birkaç parametre değeriyle yeniden oluştur; dağılıyorsa niyet yanlıştır.
5. Sonra genişlet. Bir aile sağlam çalıştıktan sonra sıradakine geç.

Bu sıra, serinin ilk yazısındaki dört adımlı yöntemin bu probleme uygulanmış hâli.

Beklenti kurmak için kullandığım kaba oranlar — bin resimlik bir arşiv, tek ürün ailesi varsayımıyla:

Buradaki asıl mesaj sondaki satır değil, dördüncü satır: parametrik bağlama otomasyonun en az yardım ettiği aşama, ama projenin değerinin çoğu orada. Bu yüzden dönüşüm projelerini "arşivi çevirelim" diye değil, "şu ürün ailesini parametrik hâle getirelim" diye tanımlamak daha sağlıklı sonuç veriyor.

Ölçümü nasıl kurduğumu otomasyon kazancını ölçmek yazısında anlattım.

2B teknik resimden 3B modele otomatik dönüşüm mümkün mü? Geometrinin dönüşümü büyük ölçüde mümkündür: temizlik, profil tanıma, sınıflandırma ve taslak katı üretimi otomatikleştirilebilir. Parametrik, yani ölçüleri birbirine bağlı bir model üretmek ise tasarım niyeti gerektirir ve bu bilgi teknik resimde bulunmaz.

Tasarım niyeti ne demek ve neden teknik resimde yok? Tasarım niyeti, bir ölçünün neden o değerde olduğudur — sabit mi, başka bir ölçüye bağlı mı, bir kısıtın sonucu mu. Teknik resim geometrinin sonucunu gösterir, bu bağımlılıkları göstermez. Aynı çizgi üç farklı niyetten doğmuş olabilir.

DWG arşivinin tamamını 3B'ye çevirmeye değer mi? Genellikle hayır. Parametrik model yalnızca varyantları üretilecek parçalar için gereklidir. Görselleştirme, çakışma kontrolü ve arşivleme için parametrik olmayan "ölü katı" yeterlidir ve çok daha ucuza üretilir.

Yapay zeka teknik resimden tasarım niyetini çıkarabilir mi? Tahmin edebilir, ama tahmini doğrulanmadan kullanılmamalıdır. Güvenilir doğrulama yöntemi, üretilen modeli birkaç farklı parametre değeriyle yeniden oluşturmaktır; model dağılıyorsa niyet tahmini yanlıştır.

Dönüşüm projesine nereden başlanmalı? Tek bir ürün ailesinden ve tek bir varyanttan. Önce arşiv sınıflandırılır, sonra o aile için sürücü ölçüler tanımlanır, ardından doğrulama otomatikleştirilir. Kapsam ancak bu zincir uçtan uca çalıştıktan sonra genişletilir.

Otomatik dönüşümde en sık karşılaşılan sorun nedir? Kaynak resimlerin kirli olması: kopuk çizgiler, patlatılmış kotalar, tutarsız ölçek ve kullanılmayan katmanlar. Patlatılmış kotalarda ölçü bilgisi tamamen kaybolduğu için otomatik kurtarma mümkün değildir.

2B'den 3B'ye geçişte otomatikleştirilebilen şey temizlik, tanıma, sınıflandırma ve taslak üretimidir. Otomatikleştirilemeyen şey, ölçülerin birbirine nasıl bağlanacağıdır — çünkü o bilgi resimde hiç yoktur.

Doğru proje tanımı "arşivi çevirelim" değil, "şu ürün ailesini parametrik hâle getirelim" olmalı. Bu yaklaşımın ürün hâline gelmiş sürümünü ParametriX vaka çalışmasında anlatıyorum.