‘ออกแบบชิ้นงาน 3D’ เรื่องง่าย..เมื่อได้ AI เป็นตัวช่วย

ปัจจุบันความทันสมัยของเทคโนโลยีการออกแบบเกือบจะทุกๆ ด้าน มีการนำภาพ 3D มาใช้ เพื่อให้เห็นถึงรูปทรงต่างๆ ได้อย่างชัดเจน ไม่ว่าจะเป็นอุตสาหกรรมการผลิต การก่อสร้าง การเขียนแบบออกแบบชิ้นงาน Model ต่างๆ เป็นสื่อที่มีความสำคัญต่อการตัดสินใจ และความถูกต้องแม่นยำของการออกแบบ ด้วยเหตุนี้ Astraea Software จึงใช้เทคโนโลยี Deep Learning เพื่อช่วยในการออกแบบ CAD (Computer Aided Design) ตอบสนองต่อความต้องการได้อย่างมีประสิทธิภาพ

ไม่พลาดทุกข้อมูล ข่าวสารที่น่าสนใจ อย่าลืมกดไลก์ Facebook bangkokbanksme 

ประโยชน์ของ CAD Software

- ใช้สร้างแบบจำลองหรือ Model ขึ้นตามแบบที่ต้องการ

- วิเคราะห์ ประเมินและแก้ไขข้อมูล CAD ของ Part ที่ได้ออกแบบไว้ เพื่อให้สามารถผลิตได้จริงในการผลิตและมี function การทำงานตามจุดประสงค์ของ Part นั้นๆ

- ใช้เป็นข้อมูลในการผลิต Jig, Fixture และเครื่องมือผลิตอื่นๆ สำหรับใช้ในขั้นตอนการผลิต

การใช้ CAD ของรูปร่าง Part ต่างๆ สามารถทำได้ 3 แบบ คือ ปริมาณตัน (Solid modeling) พื้นผิว (Surface modeling) และโครงลวด (Wire frame modeling) ซึ่งแต่ละแบบนั้นก็เหมาะสมกับงานที่แตกต่างกันไป

Surface modeling

การแสดงผลในรูปแบบนี้ เหมือนกับการนำผืนผ้าสี่เหลี่ยมซึ่งถือว่าเป็น 1 ผิวหน้า (Face) มาเย็บต่อกัน จะได้ออกมาเป็นพื้นผิว (Surface) บาง คล้ายกับเปลือกนอก การเก็บข้อมูลในลักษณะนี้จะเก็บข้อมูล เส้นขอบ พิกัดของจุด และข้อมูลขอบผิวที่ติดกัน

Solid modeling

เป็นการจำลองข้อมูล 3 มิติ โดยจะถูกเก็บข้อมูลในลักษณะของลำดับการนำรูปทรงตันพื้นฐาน (Solid Primitives) เช่น ก้อนลูกบาศก์, ลูกลม, ทรงกระบอก, ลิ่ม และพีระมิด มาสร้างสัมพันธ์กันด้วย Boolean Operator เช่น Union (รวมกัน), Subtract (ลบออก), Intersection (เฉพาะส่วนที่ซ้อนทับกัน) และ Difference (เฉพาะส่วนที่ไม่ทับซ้อนกัน) ทั้งนี้เพื่อให้ได้รูปทรงตามแบบที่ต้องการ ซึ่งรูปทรงที่ใช้การสร้างโดยวิธีนี้จะมีความถูกต้องสูง เพราะการใช้วิธีทำ Boolean Operation เท่านั้น เป็นวิธีที่ธรรมดาและมีโครงสร้างของข้อมูลที่ไม่ซับซ้อน

Wire flame modeling

การแสดงผลของข้อมูลแบบนี้มักจะพบในซอฟแวร์รุ่นเก่า ซึ่งจะมีการเก็บข้อมูลของแบบจำลองเฉพาะเส้นขอบ (ทั้งเส้นตรงและเส้นโค้ง) และพิกัดของจุด การแสดงผลแบบนี้มีข้อดีคือ แสดงผลได้อย่างรวดเร็ว แต่ภาพที่ได้จะดูค่อนข้างยาก ว่าแสดงผลอยู่ในมุมมองใด

สำหรับการออกแบบชิ้นงานโดย CAD นั้นจะเป็นต้องพิจารณารายละเอียดอย่างพิถีพิถัน ความผิดพลาดที่เกิดขึ้น อาจหมายถึงความสูญเสียในหลายมิติที่อาจเป็นไปได้ ดังนั้นการเข้ามามีส่วนของ Deep Learning ซึ่งเป็นส่วนหนึ่งของ AI สามารถสร้างความเปลี่ยนแปลงขนานใหญ่ให้กับการออกแบบ 3 มิติ ซึ่งการมาของเทคโนโลยีนี้ได้สร้างความเปลี่ยนแปลงให้กับหลายวงการ เช่น การจดจำภาพ, การแปลภาษา และการวิเคราะห์ทางการแพทย์ ทำให้หน่วยงานเอกชน ภาครัฐ และภาคการศึกษา ต่างผลักดันในเทคโนโลยีนี้อย่างกว้างขวาง

Image Recognition หรือการจดจำภาพถือเป็นเทคโนโลยีสำคัญที่มีส่วนอย่างมากสำหรับ Deep Learning ภาพที่ได้นั้นถูกตีความเป็น Pixel Mapping 2 มิติ โดยปริมาณข้อมูลจะเท่ากับจำนวนของ Pixel คูณกับความละเอียดแนวตั้งและแนวนอน

Convolutional Neural Networks (CNN) หรือโครงข่ายประสาทแบบคอนโวลูชัน เป็นโครงข่ายประสาทเทียมหนึ่งในกลุ่ม Bio-inspired ได้ใช้งานโมเดล AI สำหรับการจดจำภาพด้วย Deep Learning และการประมวลผลด้วย Neural Network ทำให้ CNN สามารถจัดการกระบวนการและบีบอัดข้อมูลได้สำเร็จ ข้อมูลจึงเกิดความแม่นยำ ความท้าทายจึงตกไปอยู่ที่การแปลงข้อมูลเป็น 3 มิติ ซึ่งมีความแตกต่างกับโครงสร้าง 2 มิติ

Astraea Software ได้ต่อยอดความสำเร็จจาก CNN ในการแปลงข้อมูล 3 มิติ โดยไฟล์ 3 มิติที่ใช้แปลงนั้นเป็นสกุล STL และ OBJ ซึ่ง มีรายละเอียดเล็กๆ ที่เป็นทรง 3 เหลี่ยมซึ่งมักใช้ใน CAD เมื่อ AI สามารถจดจำรูปทรง 3 มิติได้แล้วจะสามารถระบุรูปทรงได้ โดยใช้ความคล้ายคลึงจากสิ่งที่เรียนรู้มา โดยรูปร่างใหม่จะถูกสังเคราะห์ขึ้นในกระบวนการออกแบบตามแต่ละอุตสาหกรรมต่อไป

แหล่งอ้างอิง : https://astraea-soft.com/

สมัครสินเชื่อ >>สินเชื่อธุรกิจบัวหลวง SMEs ดีแน่นอน<<