Saltar al contenido principal

Más allá de los chatbots: los LLM en el flujo de trabajo de la ingeniería mecánica

· 3 min de lectura
Yurii
Yurii
Ingeniero de automatización CAD

A menudo oímos hablar de la IA que genera imágenes o poesía. Pero para los ingenieros mecánicos y los diseñadores CAD, los modelos de lenguaje grandes (LLM) no tienen que ver con la creatividad, sino con la interfaz y la automatización.

En este artículo veremos cómo utilizar los LLM (GPT-4, Claude 3.5, Llama 3) para controlar software CAD y procesar datos técnicos.

:::tip El concepto central

Los LLM son flojos en el razonamiento espacial (no pueden "imaginar" bien un ensamblaje 3D). Sin embargo, son excelentes para entender las API del software CAD (SolidWorks, AutoCAD, Fusion 360) y escribir los scripts que manipulan esa geometría.

:::

  1. Generación de macros zero-shot

La mayor fricción en la automatización CAD es consultar la documentación de las API. Escribir una macro VBA para SolidWorks o un script Python para Blender solía llevar horas de búsqueda en foros.

Los LLM modernos han indexado esas documentaciones de API. Ahora puedes pedir funcionalidad en lugar de sintaxis.

Caso de uso real: exportar por lotes todos los componentes de chapa de un ensamblaje a DXF.

Ejemplo de código (Python + pyautocad)

En lugar de escribir esto desde cero, un ingeniero puede generar al instante este esqueleto:

from pyautocad import Autocad, APoint

# Generated by LLM to automate repetitive drawing tasks
def draw_gear_profile(teeth, module):
    acad = Autocad(create_if_not_exists=True)
    radius = (teeth * module) / 2
    center = APoint(0, 0)
    
    # LLM understands specific engineering libraries
    acad.model.AddCircle(center, radius)
    print(f"Gear profile created: m{module} z{teeth}")

draw_gear_profile(20, 2)
  1. Análisis de datos heredados (de PDF a JSON)

Los ingenieros trabajan con miles de hojas de datos en PDF y viejos planos 2D. Extraer parámetros (tolerancia, material, peso) de forma manual es propenso a errores.

Los LLM multimodales pueden "leer" capturas de pantalla de planos técnicos o tablas y estructurar esos datos como JSON para tu sistema ERP o PDM.

  1. RAG para normas (ISO/GOST/DIN)

En lugar de hojear un PDF de 500 páginas para encontrar la especificación de par de apriete de un tornillo M12 de clase 8.8, puedes construir un sistema RAG (Retrieval-Augmented Generation).

Entrada: "Par para M12 8.8"

Sistema: recupera la página correspondiente del PDF ISO subido.

Salida: "81 Nm (Fuente: ISO 898-1, Tabla 4)"

Constructor de prompts interactivo

Prueba esta estructura cuando le pidas a una IA que escriba scripts CAD para ti:

:::info Estructura del prompt Contexto: "Estoy usando la API de SolidWorks 2023 con VBA."

Tarea: "Escribe una macro que recorra el árbol de operaciones."

Restricción: "Identifica todas las operaciones en estado 'suppressed' y anula su supresión."

:::

Conclusión

No le pidas a la IA que diseñe la pieza. Pídele a la IA que escriba el código que automatiza las partes aburridas del proceso de diseño. Esto desplaza el rol del ingeniero de "operador" a "arquitecto de la automatización".

LinkedInGitHub