Профиль клиента
Аналитик работает в небольшой команде по автомобильной инженерии или у OEM-поставщика, отвечающей за извлечение размерных данных из устаревших 2D CAD-чертежей. Их исходные материалы — файлы DXF, стандартный отраслевой формат, экспортируемый из таких инструментов, как AutoCAD, CATIA и SolidWorks, а конечные потребители результатов — команды симуляции, планирования производства и проверки размерного соответствия. Команда работает на стыке реверс-инжиниринга и подготовки цифрового двойника, где точность восстановленной геометрии напрямую влияет на последующие инструменты и решения по процессу. Большинство входных чертежей команды — это однофайловые многовидовые компоновки: боковая, фронтальная и верхняя проекции, закодированные в одном DXF, без доступной дополнительной 3D CAD-модели.
Проблема
До внедрения energent.ai команда полагалась на подход к определению глубины на основе слоёв, чтобы преобразовывать 2D DXF-геометрию в псевдо-3D представление. Ключевая проблема заключалась в систематическом «дозаполнении»: там, где в исходном чертеже не хватало достаточного покрытия несколькими видами, алгоритм назначал эвристические значения глубины вместо того, чтобы помечать эти зоны как неподтверждённые. Сфабрикованная геометрия делала результаты реконструкции ненадёжными для последующих пайплайнов, а отсутствие данных о происхождении не позволяло определить, какой именно участок чертежа был ответственен за то или иное размерное расхождение.
Для анализируемого транспортного средства — описанного одним авторитетным файлом чертежа (kavz-3244.dxf) — контрольный контур был задан с высокой точностью:
- Length: 7,895.0 mm
- Height: 2,820.0 mm
- Width: 2,210.0 mm
Выходные данные дашборда, сгенерированные старой цепочкой, невозможно было в каком-либо осмысленном виде сверить с этими целевыми значениями. Визуально завершённый 3D-рендер был получен, но у команды не было цепочки артефактов, связывающей каждый элемент отрисованной поверхности с конкретным видом или участком чертежа. Любое расхождение между отрендеренной моделью и целевой спецификацией было неотличимо от реального размерного отклонения или от артефакта эвристического заполнения. Кроме того, предыдущий пайплайн создал несколько промежуточных debug- и visualization-файлов, которые так и не были формально обозначены как авторитетные или заменённые, из-за чего команда не была уверена, какие именно выходные данные следует использовать для последующих решений.
Почему сейчас
Необходимость обеспечить надёжную реконструкцию возникла из-за двух совпавших факторов. Во-первых, downstream-команды по симуляции и производству начали указывать на размерные расхождения в моделях, передаваемых из workflow реконструкции, — а без данных о происхождении команда реконструкции не могла объяснить, какой вид чертежа дал каждое измерение и была ли щель намеренной или эвристической. Во-вторых, команда только что получила чертёж транспортного средства с полностью заданными целевыми размерами, что создало конкретный benchmark, на котором точность старой цепочки можно было напрямую и публично измерить. Неудачная передача на размерном benchmark стала бы заметным событием качества, а не тихим несоответствием, поглощённым допусками. Команде нужен был подход к реконструкции, который мог бы выдать проверяемые, sparse-результаты до следующего review по benchmark, и нужен был достаточно быстро, чтобы перестраивать пайплайн с нуля в scripting-среде было нецелесообразно.
Почему energent.ai
Команда рассмотрела несколько альтернатив. Анализ в таблицах не мог справиться ни с разбором DXF-геометрии, ни с оркестрацией множества артефактов в каком-либо масштабе. Специализированное ПО для 3D-реконструкции требовало значительных затрат на лицензии и глубокой CAD-экспертизы, чтобы настроить его под этот однофайловый workflow, ориентированный на доказательства. Найм дополнительного аналитика не решил бы ни проблему с происхождением данных, ни проблему эвристического заполнения — это были проблемы проектирования пайплайна, а не нехватки ресурсов.
energent.ai предложил качественно иной путь. Агент мог напрямую загрузить файл DXF, выполнять Python-скрипты реконструкции в рамках сессии, генерировать и проверять промежуточные JSON-артефакты, применять настраиваемую логику QC-gate и создавать интерактивный HTML-дашборд — всё в рамках одной итеративной сессии без потери контекста между шагами. Что особенно важно, агенту можно было задать на уровне prompt политику, ориентированную на доказательства: отрисовывать геометрию только там, где данные видов действительно это подтверждают, оставлять неподтверждённые области sparse, а не заполненными, и не возвращаться к эвристикам layer-lift для финальной 3D-панели. Ни один другой инструмент в распоряжении команды не сочетал в себе загрузку файлов, скриптовую обработку геометрии, QC-gating и передачу визуализации без необходимости в отдельной среде разработки и более длинном цикле внедрения.
Рабочий процесс
Аналитик загрузил kavz-3244.dxf как единственный авторитетный исходный файл и запустил сессию реконструкции с явными целевыми размерами и набором инструкций, ориентированных на доказательства.
Шаг 1 — Сегментация видов. Агент разобрал DXF и сегментировал его на области видов — боковую, фронтальную и верхнюю проекции — создав отдельный артефакт сегментации (kavz-3244_view_segmentation_v2.json). Аналитик проверил назначение ролей областям, чтобы убедиться, что метки отражают финальную роль, а не происхождение из seed-window в алгоритме сегментации; в предыдущей версии использовались имена областей, производные от окон инициализации, а не подтверждённых назначений видов, и аналитик заметил и исправил это до продолжения.
Шаг 2 — Соответствие признаков. Агент извлёк межвидовые соответствия признаков (kavz-3244_feature_correspondence.json), связывая элементы геометрии между видами, чтобы определять размещение сечений в многовидовых доказательствах, а не в одновидовой проекции. Именно этот шаг отличает реконструкцию, ориентированную на доказательства, от эвристического назначения глубины: признак должен присутствовать более чем в одном виде, прежде чем он получит место в восстановленном контуре.
Шаг 3 — Нарезка сечений. Используя данные о соответствии, агент сгенерировал сечения восстановленного контура (kavz-3244_section_slices.json). Сечения размещались только там, где существовала межвидовая поддержка; зоны с недостаточными доказательствами соответствия оставались пустыми, в результате чего реконструкция честно отражала пробелы покрытия, а не выглядела визуально завершённой, но геометрически сфабрикованной.
Шаг 4 — QC реконструкции. Специализированный QC-артефакт (kavz-3244_reconstruction_qc.json) фиксировал доказательства прохождения gate для каждой настроенной проверки. Аналитик изучил этот вывод, чтобы убедиться, что gates были пройдены по правильным причинам — не просто что флаг pass/fail был установлен корректно, а что лежащие в основе доказательства соответствовали замыслу каждого gate, — прежде чем одобрить финальный шаг визуализации.
Шаг 5 — Геометрия с тегами происхождения. Авторитетный файл реконструкции (kavz-3244_reconstructed_geometry_v2.json) объединил секционную геометрию с тегами происхождения, указывающими исходный вид для каждого элемента, создавая прослеживаемую связь между каждой отрисованной поверхностью и поддерживающими её данными чертежа.
Шаг 6 — Генерация дашборда. Агент сгенерировал финальный HTML-дашборд (kavz-3244_dashboard_v3.html) по явной инструкции, запрещающей fallback на layer-lift для основной 3D-панели. Дашборд рендерится только из проверенного артефакта реконструкции, что делает визуализацию напрямую прослеживаемой к выходным данным QC-gated пайплайна. Две более ранние версии дашборда и несколько debug-файлов были формально обозначены как superseded и исключены из финального набора авторитетных данных, что дало команде однозначную запись о том, какие выходные данные использовать downstream.
Результаты
Пайплайн, основанный на доказательствах, показал следующие результаты относительно заявленного бенчмарка:
| Dimension | Target | Achieved | Delta |
|---|---|---|---|
| Length | 7,895.0 mm | 7,895.0 mm | 0.0 mm |
| Width | 2,210.0 mm | 2,210.0 mm | 0.0 mm |
| Height | 2,820.0 mm | 2,763.6 mm | −56.4 mm |
Длина и ширина точно совпали с целевыми значениями. Высота оказалась на 56.4 mm ниже, что объясняется более слабым покрытием вида сверху/спереди в исходном DXF — это известное и задокументированное ограничение, которое при этом оставалось в пределах настроенного в плане допуска. Все настроенные QC-проверки были пройдены.
Помимо точности по размерам, реконструкция дала три качественных результата, которых предыдущий пайплайн обеспечить не мог:
- Полная прослеживаемость. Каждый элемент геометрии содержит тег исходного вида, поэтому расхождения можно диагностировать, а не гадать о них. Разрыв по высоте в 56.4 mm объясняется слабым покрытием сверху/спереди, а не ошибкой пайплайна — и QC-артефакт явно фиксирует это объяснение.
- Честная разреженность. Неподдерживаемые области остаются пустыми вместо того, чтобы заполняться эвристической глубиной, поэтому команды, занимающиеся последующим моделированием и производством, точно знают, какие зоны требуют дополнительных исходных данных до принятия решений в допуске.
- Трассируемая панель. HTML-панель рендерится из одного артефакта, прошедшего QC, а не из сырых данных слоёв, что даёт рецензентам понятный контракт на передачу и устраняет неоднозначность, внесённую прежним набором неидентифицированных промежуточных файлов.
Пайплайн также создал пять именованных промежуточных артефактов, которые служат контрольными точками для будущих запусков реконструкции, сокращая время, необходимое для диагностики регрессий или отслеживания источника размерного расхождения.
Доказательство
"Старый пайплайн выдавал визуально завершённую модель, но у нас не было способа доверять ей — особенно в области крыши и передней облицовки, где покрытие чертежей было слабым. Мне нужно было решение, которое показывало бы пробелы, а не скрывало их. Сессия energent.ai перестроила весь пайплайн вокруг evidence gates, и QC JSON точно показал, почему каждый gate был пройден. Это уже совсем другой класс результата по сравнению с тем, что у нас было раньше."
— Составная цитата, отражающая роль CAD/engineering analyst, описанную в этом кейсе
Итоговый deliverable — kavz-3244_dashboard_v3.html — представляет псевдо-3D-реконструкцию с секционной геометрией, элементами с тегами происхождения и панелями сводки по размерам. QC-артефакт (kavz-3244_reconstruction_qc.json) содержит доказательства прохождения gate, лежащие в основе панели, и доступен для просмотра вместе с ней.
Примечание о доверии
Описанная здесь реконструкция — это секционная псевдо-3D-представление, полученное из одного 2D DXF-источника, а не полноценная параметрическая CAD-модель. Недобор по высоте в 56.4 mm отражает реальное ограничение в покрытии вида сверху/спереди в исходных данных — это не дефект продукта и не исчезает при изменении параметров визуализации. Команды, использующие этот результат для последующего моделирования, производственной оснастки или проверки размерного соответствия, должны рассматривать разреженные зоны как требующие дополнительных исходных чертежей или данных point-cloud до принятия решений в допуске. QC-проверки агента подтверждают внутреннюю согласованность пайплайна реконструкции; они не подтверждают соответствие внешнему размерному стандарту и не заменяют протокол физического измерения.