L'IA entre dans l'atelier : comment la recherche de similarité géométrique révolutionne le devisage mécanique

Introduction

Dans le secteur de la mécanique de précision, le temps est une ressource aussi critique que la précision du micron. Pourtant, le processus d'établissement des devis devient souvent un goulot d'étranglement : des heures sont consacrées à chercher dans les bases de données historiques un composant similaire à celui demandé, en s'appuyant sur la mémoire des concepteurs ou sur des recherches manuelles fastidieuses.

Chez Envision Data, nous avons récemment développé une solution innovante pour une entreprise européenne de premier plan dans le domaine de la mécanique de haute précision, transformant son archive historique d’une « mémoire statique » en un véritable outil actif au service du business.

Service de dessin technique et de conception mécanique

Le défi : Le coût caché de la recherche manuelle

Pour une entreprise opérant dans le secteur de la mécanique, chaque nouvelle demande d'offre (RfQ) accompagnée d'un dessin CAO (STEP, DXF ou PDF) nécessite une analyse approfondie.

Le processus traditionnel comprend :

• Recherche mnémonique : Les concepteurs tentent de se rappeler si une pièce similaire a déjà été produite par le passé.

• Comparaison manuelle : Analyser des milliers de dessins passés pour récupérer les coûts réels de fabrication.

• Risque d'imprécision : Les devis basés sur des estimations approximatives peuvent entraîner une érosion des marges ou la perte de la commande.

  
  

La solution : L'"empreinte digitale" des composants

Nous avons conçu un système d'IA qui ne se contente pas de rechercher des fichiers, mais qui "comprend" la forme des pièces.

La technologie repose sur un moteur de recherche de similarité géométrique qui opère en trois étapes :

1. Analyse géométrique : Le système extrait de chaque fichier (STEP, DXF, PDF) un descripteur numérique unique, une véritable "empreinte digitale" de la géométrie solide.

2. Indexation vectorielle : Ces empreintes sont stockées dans une base de données vectorielle capable de gérer des dizaines de milliers de modèles.

3. Recherche instantanée : À l'arrivée d'un nouveau dessin, le système le compare à l'ensemble des archives historiques en quelques secondes et renvoie les 5 à 10 composants les plus similaires, avec leurs coûts réels et temps de production historiques.

   
   

Tangible Business Benefits

Integrating this AI platform into the R&D process brings immediate advantages:

• Extreme Speed: Search time is reduced from hours to just seconds.

• Data-Driven Precision: Quotes are no longer based on "gut feeling" but on certain historical data and actual production costs.

• Leveraging Know-how: Decades of company experience become immediately accessible to the entire team.

  
  

Une étape technique majeure : des fichiers 3D aux dessins 2D

Un aspect clé du projet réside dans la capacité à gérer plusieurs formats. Si le format STEP garantit une précision quasi parfaite grâce à la richesse de ses données 3D, nous avons mis en œuvre des algorithmes de vision par ordinateur afin d’extraire des informations pertinentes également à partir de fichiers PDF et DXF (2D), garantissant des résultats exploitables même en l’absence d’un modèle tridimensionnel.

Conclusion

L'IA n'est plus une technologie futuriste, mais un outil pratique pour rendre les entreprises manufacturières plus compétitives et agiles. Avec le projet « Recherche de similarité pour les dessins techniques », Envision Data confirme son engagement à soutenir l'excellence industrielle suisse par l'innovation numérique.