Utilisation de Janus-Pro-7B pour l'analyse de dessins CAO : Identification de pièces, séquence d'assemblage et nomenclature

Ce modèle, déployé via Ollama, a démontré une capacité remarquable à interpréter des dessins CAO complexes. Il peut identifier de manière autonome les pièces, déduire une séquence d'assemblage logique et générer une nomenclature (BOM) complète. Cet article explore en détail les capacités de Janus-Pro-7B, démontre ses performances avec des exemples concrets et fournit des conseils pratiques pour son utilisation.

Janus-Pro-7B : une IA capable de "lire" les dessins

Qu'est-ce que Janus-Pro-7B ?

Janus-Pro-7B n'est pas un modèle exclusivement conçu pour les CAO, mais sa force réside dans ses capacités de compréhension multimodale. Cela signifie qu'il peut traiter et comprendre simultanément différents types d'informations, tels que le texte et les images. L'architecture unique de Janus-Pro-7B sépare le traitement des informations visuelles de la génération de texte, tout en utilisant un transformeur unifié pour coordonner ces tâches. Cette approche lui permet d'agir comme un système intelligent avec des "yeux" pour observer les détails d'un dessin et une "bouche" pour les décrire en langage naturel, le tout orchestré par un "cerveau" centralisé.

Pourquoi est-il adapté à l'analyse de CAO ?

Les dessins CAO, bien que complexes, adhèrent à des normes et spécifications de dessin rigoureuses. Les dimensions, les numéros de pièces et la disposition des vues suivent des conventions établies. Janus-Pro-7B, entraîné sur une vaste quantité de données textuelles et visuelles, excelle dans la reconnaissance de ces motifs et règles. Lors de l'analyse d'un dessin CAO, le modèle effectue les opérations suivantes :

  • Identification des éléments visuels : détection des lignes, formes, annotations, cotes et symboles.
  • Compréhension des relations spatiales : analyse de la correspondance entre les différentes vues (principale, dessus, latérale) pour comprendre la structure tridimensionnelle.
  • Interprétation sémantique d'ingénierie : reconnaissance et compréhension des symboles spécifiques tels que les symboles de soudage, les tolérances et la rugosité de surface.
  • Organisation de la sortie d'information : structuration des informations extraites en un format textuel logique, tel qu'une liste de pièces ou des étapes d'assemblage.

Cette capacité de transformation visuelle vers textuelle est précisément ce qui rend Janus-Pro-7B pertinent pour l'analyse de CAO.

Démonstration pratique : de la CAO à la documentation d'ingénierie complète

Environnement de test et préparation des dessins

Le modèle Janus-Pro-7B a été déployé à l'aide d'Ollama. Pour tester ses capacités de manière exhaustive, trois jeux de dessins CAO de complexité variable ont été utilisés :

  1. Un assemblage simple de 5 pièces (un gabarit) pour évaluer l'identification de base.
  2. Un ensemble de pièces de complexité moyenne de 15 pièces (un boîtier de boîte de vitesses) avec des vues en coupe et des agrandissements.
  3. Un dessin d'ingénierie complexe d'un dispositif mécanique, comprenant plus de 30 pièces et plusieurs feuilles (dessin d'assemblage général, dessins de sous-assemblages et dessins de pièces).

Les instructions (prompts) fournies au modèle étaient spécifiques et exigeantes :

Vous êtes un ingénieur mécanicien expérimenté. Analysez attentivement ce dessin CAO d'ingénierie et accomplissez les tâches suivantes :
1. Identifiez et listez toutes les pièces dans le dessin, y compris les pièces standard (comme les boulons, les rondelles) et les pièces non standard.
2. Pour chaque pièce, fournissez : le nom, la quantité estimée, les dimensions clés ou les spécifications (si elles sont indiquées sur le dessin).
3. Déduisez une séquence d'assemblage recommandée basée sur la logique d'ingénierie.
4. Générez une nomenclature structurée (BOM) contenant le numéro de série, le nom de la pièce, la quantité, le matériau (si déductible) et les remarques.
Veuillez répondre en langage d'ingénierie clair et professionnel, en garantissant l'exactitude et l'exhaustivité des informations.

Résultat 1 : Précision de l'identification des pièces

Sur le dessin du gabarit simple, le modèle a fourni une liste de pièces précise :

Liste des pièces identifiées :
1. Plaque de base
   - Quantité : 1
   - Dimensions clés : 200 mm × 150 mm × 15 mm (déduit des cotes de la vue principale)
   - Caractéristiques : 4 trous de montage de 10 mm de diamètre aux coins.

2. Colonne verticale
   - Quantité : 2
   - Dimensions clés : hauteur 120 mm, section 30 mm × 30 mm
   - Caractéristiques : trou fileté M8 en haut.

3. Plaque de serrage
   - Quantité : 1
   - Dimensions clés : 180 mm × 40 mm × 10 mm
   - Caractéristiques : trou oblong central pour ajustement.

4. Boulon à tête hexagonale
   - Quantité : 4
   - Spécifications : M8 × 25 mm (déduit de l'agrandissement)
   - Pièce standard, conforme à GB/T 5782.

5. Rondelle plate
   - Quantité : 4
   - Spécifications : 8 mm (correspondant aux boulons)
   - Pièce standard, conforme à GB/T 97.1.

Évaluation : Toutes les pièces ont été correctement identifiées, avec des noms et quantités précis. Le modèle a réussi à extraire des dimensions clés et à identifier des pièces standard avec leurs normes correspondantes, démontrant une compréhension des détails d'ingénierie.

Résultat 2 : Déduction de la séquence d'assemblage

Pour le boîtier de boîte de vitesses, le modèle a proposé la séquence d'assemblage suivante :

Séquence d'assemblage recommandée :
Étape 1 : Préparer le carter. Nettoyer l'intérieur et vérifier les dimensions des alésages de roulement.
Étape 2 : Installer le groupe arbre d'entrée. Monter le roulement (6205) sur l'arbre d'entrée, puis l'insérer dans le carter. Fixer le roulement avec une bague d'arrêt.
Étape 3 : Installer le groupe arbre intermédiaire. Assembler le pignon et le roulement sur l'arbre intermédiaire. Ajuster l'entre-jeu d'engrènement via l'épaisseur des cales.
Étape 4 : Installer le groupe arbre de sortie. Assembler le grand pignon et le roulement sur l'arbre de sortie. Insérer dans le carter, assurant la parallélité des arbres.
Étape 5 : Installer les couvercles d'extrémité et les joints. Monter séquentiellement les couvercles et les joints. Serrer les boulons de couvercle en croix.
Étape 6 : Inspection finale. Vérifier la flexibilité de rotation, l'absence de frottements anormaux. Ajouter de l'huile de lubrification.

Analyse : La séquence est logiquement cohérente, débutant par la base, procedant de l'intérieur vers l'extérieur, et incluant des étapes de vérification. Cela montre une compréhension des contraintes physiques et des procédures d'assemblage.

Résultat 3 : Qualité de la génération de la nomenclature (BOM)

La nomenclature générée pour le dispositif mécanique complexe comprenait les éléments suivants (version simplifiée) :

No. Nom de la pièce Quantité Matériau (déduit) Remarques
1 Corps du châssis 1 Acier Q235-A Soudé, nécessite usinage
2 Moteur d'entraînement 1 - Modèle Y132S-4, 7.5kW
3 Réducteur 1 - Rapport i=31.5, connexion à bride
4 Pignon moteur 1 Acier 45 Nombre de dents Z=19, module m=8
5 Pignon mené 1 Acier 45 Correspondant au pignon moteur
6 Chaîne de transmission 1 - Pas p=25.4mm, 124 maillons
7 Arbre principal 1 40Cr Traitement de trempe et revenu, avec clavette
8 Roulement à billes profonds 2 - Modèle 6210, support d'arbre principal
9 Siège de roulement 2 HT200 Type fendu, avec joint d'huile
10 Accouplement 1 - Type à douille élastique, compense les déviations
... ... ... ... ...
28 Boulon M12×40 16 Classe 8.8 GB/T 5782, pour fixation
29 Rondelle élastique 12 16 65Mn GB/T 93, anti-desserrage
30 Rondelle plate 12 16 Q235 GB/T 97.1, augmente la surface de contact

Évaluation de la BOM : La nomenclature est complète, bien structurée et contient des informations pertinentes. La capacité à extraire des paramètres spécifiques et à déduire des matériaux est précieuse. Les limitations incluent la précision potentiellement moindre pour les noms de pièces complexes et l'inférence de matériaux basée sur des connaissances générales.

Valeur d'application pratique et conseils d'utilisation

Scénarios d'application

  • Revue de conception et organisation documentaire : Génération rapide de listes de pièces pour les réunions, création de bibliothèques numériques de pièces.
  • Aide à la planification des processus : Référence pour la séquence d'assemblage, identification des exigences clés d'ajustement et de tolérance.
  • Achats et estimation des coûts : Statistiques automatisées sur les pièces standard et non standard, fourniture de données de base pour l'estimation des coûts.
  • Formation et transfert de connaissances : Utilisation des résultats de l'IA comme matériel de formation pour aider les nouveaux employés.

Conseils pour de meilleurs résultats

  • Qualité du dessin : Utilisez des images ou des PDF clairs et de haute résolution. Assurez-vous que les annotations sont lisibles.
  • Instructions précises : Soyez spécifique dans vos prompts. Indiquez le format de sortie souhaité et le niveau de détail requis.
  • Traitement par étapes : Pour les dessins très complexes, décomposez l'analyse en étapes plus petites.
  • Vérification humaine : Les résultats de l'IA doivent toujours être revus et validés par un ingénieur qualifié.
  • Boucle de rétroaction : Si le modèle commet des erreurs, fournissez des corrections dans les prompts suivants pour affiner sa compréhension.

Limites actuelles

Le modèle peut avoir des difficultés avec :

  • Des dessins de mauvaise qualité ou mal annotés.
  • Des domaines très spécialisés nécessitant des connaissances d'experts.
  • L'interprétation complexe de relations spatiales 3D à partir de vues 2D.
  • Des notations ou symboles non standard.
  • Des calculs d'ingénierie avancés (par exemple, analyse de contrainte).

Il est crucial de considérer l'IA comme un outil d'assistance puissant plutôt qu'un remplacement de l'expertise humaine.

Conclusion

Janus-Pro-7B représente une avancée significative dans l'application de l'IA à l'ingénierie mécanique. Sa capacité à interpréter les dessins CAO pour identifier les pièces, déduire les séquences d'assemblage et générer des nomenclatures est déjà à un niveau pratique. Bien qu'il existe des limitations, son potentiel pour rationaliser les flux de travail, réduire les erreurs et libérer les ingénieurs des tâches répétitives est indéniable.

À mesure que les technologies d'IA multimodale continuent de progresser, nous pouvons nous attendre à des capacités encore plus sophistiquées, transformant davantage la pratique de l'ingénierie.

Étiquettes: IA CAO Janus-Pro-7B reconnaissance d'images Traitement du Langage Naturel

Publié le 6 juillet à 22h02