L’AI entra in officina: come la ricerca di similarità geometrica rivoluziona la preventivazione meccanica

Introduzione

Nel settore della meccanica di precisione, il tempo è una risorsa critica quanto la precisione del micron. Spesso, però, il processo di preventivazione diventa un collo di bottiglia: ore passate a cercare nei database storici un componente simile a quello richiesto, affidandosi alla memoria dei progettisti o a ricerche manuali estenuanti.

In Envision Data, abbiamo recentemente sviluppato una soluzione innovativa per una realtà europea, leader nella meccanica di alta precisione, trasformando il loro archivio storico da "memoria statica" a "strumento attivo" di business.

Il reparto disegno e progettazione

Il problema: il costo nascosto della ricerca manuale

Per un'azienda che opera nel settore meccanico, ogni nuova richiesta di offerta (RfQ) accompagnata da un disegno CAD (STEP, DXF o PDF) richiede un'analisi approfondita.

Il processo tradizionale prevede:

• ricerca mnemonica: i progettisti cercano di ricordare se un pezzo simile è già stato prodotto;

• confronto manuale: si analizzano migliaia di disegni passati per recuperare i costi reali di lavorazione;

• rischio di errore: preventivi basati su stime approssimative possono portare a perdite marginali o alla perdita dell'ordine.

  
  

La soluzione: L' "impronta digitale" dei componenti

Abbiamo progettato un sistema di AI che non si limita a cercare file, ma "capisce" la forma dei pezzi.

La tecnologia si basa su un motore di ricerca di similarità geometrica che opera in tre step:

1. analisi geometrica: il sistema estrae da ogni file (STEP, DXF, PDF) un descrittore numerico invariante, una vera e propria "impronta digitale" della geometria solida;

2. indicizzazione vettoriale: queste impronte vengono memorizzate in un database vettoriale (la "super-rubrica"), capace di gestire decine di migliaia di modelli;

3. ricerca istantanea: all'arrivo di un nuovo disegno, il sistema lo confronta con l'intero archivio storico in pochi secondi, restituendo i 5-10 componenti più simili già prodotti in passato, completi dei loro costi reali e tempi di lavorazione.

   
   

I vantaggi concreti per l’azienda

L'integrazione di questa piattaforma AI nel processo di R&D porta benefici immediati:

• rapidità estrema: il tempo di ricerca passa da ore a pochi secondi;

• precisione "Data-Driven": i preventivi non si basano più su sensazioni, ma su dati storici certi e consuntivi di produzione reali;

• valorizzazione del Know-how: la lunga esperienza dell’azienda diventa accessibile a tutto il team in modo immediato.

  
  

Una sfida tecnica: dai file 3D ai disegni 2D

Un aspetto cruciale del progetto è la capacità di gestire diversi formati. Mentre il formato STEP garantisce una precisione quasi perfetta grazie alla ricchezza di dati 3D, abbiamo implementato algoritmi di computer vision per estrarre informazioni anche dai file PDF e DXF (2D), garantendo risultati utili anche quando il modello tridimensionale non è disponibile.

Conclusione

L'AI non è più una tecnologia futuristica, ma uno strumento pratico per rendere le aziende manifatturiere più competitive e agili. Con il progetto “Ricerca di similarità per i disegni tecnici”, Envision Data conferma il suo impegno nel supportare l'eccellenza industriale europea attraverso l'innovazione digitale.