详解“几何相似性搜索”在产品三维设计中的定义与应用-卡核

关注产品研发及后续流程中的历史数据借用

在设备/产品的研发过程中，设计者并非不愿意去查询和借用历史零部件数据，而是缺乏高效的搜索工具和方法。如果放弃借用现有数据，显然将导致重复创建和近似设计将导致工作量激增。不是首先在已有数据中进行搜索查找, 而是直接创建新物料, 这不仅导致数据规模越来越庞大和混乱, 而且也为后续流程带来更多困难。

放弃历史数据借用并重复创建新物料，拖慢了整个企业的运行效率：

重复生成模型、工程图和整个工艺文件以及后道流程
在ERP/PDM/PLM中耗费时间维护新的物料属性
导致产品通用化、系列化、标准化、模块化困难
人工与材料成本、库存、呆滞物料规模不断扩大
未经充分验证的新进自制件拖累产品可靠性

找到可供借用的历史零部件数据用于新产品开发，不仅意味着时间成本的节约，同时也让设计者将更多有效工作时间用于产品的创新性开发。

一个新物料的广义成本有多高呢？不同时期、行业和发展程度国家、地区的企业给出了不同的数字，一份来自Rolls-Royce罗尔斯罗伊斯的报告显示，设计者的一个新建物料继而将在企业内外衍生出将近400组工程数据，涉及企业技术与非技术领域的诸多流程和管理环节，并同时引发高昂的成本和时间。

“几何相似性搜索”的技术发展与背景

几何相似性搜索，是“三维数据智能搜索”的同义词和相关语，是一项融入多种不依赖于文本信息的，针对三维模型数据的，基于大数据与云计算技术的，搜索引擎技术的伟大变革。在21世纪的最初10年，以GeoSearch为代表的专利技术率先提出几何相似性搜索的概念，并被久负盛名的航空工业巨头“AIRBUS空中客车”率先用于产品及工艺、工装设计实践，并在2008年获得“空客优质解决方案奖”。

几何相似性搜索技术最基本应用方式是实现了三维数据检索对文本/属性信息的依赖，有效解决了文本描述在工业品零部件定义方面的缺陷和不足，其完全从三维模型数据的几何形状与尺寸出发对三维模型的特征信息进行自动化抓取与识别，最终形成几何与文本信息的搜索索引，通过云计算和AI学习实现零部件“长相”的高效比对。

“几何相似性搜索技术”随着数字孪生、云计算、机器学习等先进技术的“加持”，在近10年得到了长足的发展，无论在特征识别、搜索效能、客户信息定义等各个方面都变得更加易用，效果与效能得到快速提升。

为“几何相似性搜索”做个定义

绝不是“以模型搜模型”那么简单，几何相似性搜索技术的应用，特别是企业级应用，需要大量功能模块的配合，需要与企业现有流程和信息化平台，特别是研发、工艺平台紧密协作方能发挥作用。那么现在是时候为这个新技术的应用做个定义了。

功能组成

多种搜索方法复合使用

单一的搜索方法，例如全文搜索方式已无法帮助使用者快速准确进行数据检索和借用，一样的，单一的几何搜索方式也无法满足需要，多措并举方为有效，以满足在实际使用中的各类应用场景。实践证明，几何相似性搜索的搜索方式应被分为两类，不可或缺：

(1) 当前有可用于发起搜索的三维模型时，采用“以模型搜模型”方式实现；

(2) 当前没有用于发起搜索的三维模型时，采用“以文本方式搜索模型几何信息”方式实现。

是不是有点拗口？典型的几何相似性搜索实现方式包括：

最经典：以模型搜模型 = 三维搜索
最有趣：画一笔或者截个图就搜出来 = 草图搜索
最神奇：RGB、吸管，任何着色信息 = 颜色搜索
最省事：一下鼠标也不想点 = 直播搜索
最常用：设计中鼠标选中单个/若干元素，甚至“以孔搜轴” = 特征搜索
最无奈：找Φ3×5的通孔+材料厚度5-8mm+轴对称的零件 = 拓扑搜索
最强大：预制常用模型参数化属性 = 模板搜索
最炫目：以上所有方法+全文搜索 =复合搜索

尺寸与形状不可偏废

几何相似性搜索技术王冠上最大的宝石，就是对相似度的定义方法，这往往需要经过多年不断对海量数据的积累，并基于大数据和云计算方式不断修正微调权重而使得相似度定义日臻完善，正所谓阅人无数方能有的放矢。如果本着“拿来主义”搪塞客户，搜索结果往往傻傻可笑。那么相似度定义的维度都包括哪些因素呢？

(1) 尺寸差异与形状差别在相似度百分比判定中的权重设置，铅笔和电线杆很相似么？

(2) 可根据行业特性自定义的相似度权重配比，两根Φ12的电缆，一根长10米，另一根长1米，不同企业定义为同一物料，有些企业则需两个编码对应；

(3) 如何定义与划分纷繁复杂的几何特征，以及由几何特征组成的三维模型的相似度。

几何相似性搜索干扰因素的排除

(1) 原始模型建模方式，例如旋转、拉伸、抽壳等，对相似度判断的干扰因素排除

(2) 坐标系配置方式导致模型展现方式不同等，对相似度判断的干扰因素排除

(3) 镜像件/左右件等，对相似度判断的干扰因素排除

以上这些，用一个简单的例子讲，就是“几何相似性搜索”如何AI化、拟人化的判断海量几何模型间的“人脸/面部”信息，并给出“有多么相似”或“应为此人”的机器判断，这就涉及到下一个话题：

索引定义

ZJV vs. STL

利用STL格式对Creo，NX，SolidWork，CATIA，Inventor，Solid Edge等等常用三维模型格式原始文件另存为STL格式继而进行解析并进行相似度判断目前业界已存在开源代码，由于STL文件的固有优点和缺点，导致搜索索引的综合质量存在明确的天花板，主要体现在对原始三维模型几何特征的识别能力上。换句话说，STL能帮你发起搜索，但数据越多越复杂越不准，STL适合免费提供，所以目前采用STL方式的已步入开源阶段。

与之对应的是，也是当今主流发展方向的，基于西门子Parasolid技术平台开发的，利用Java引擎驱动的ZJV格式数据，作为几何相似性搜索的数据索引格式文件。对于Parasolid，如果对三维CAD底层技术有所了解一定听过，如果没听过请搜索一下就好，其是大多数主流三维CAD系统的核心建模组件。

几何相似性搜索技术的提供商如果需要采用Parasolid为其提供数据索引基础支持，需要支付可观的费用，正所谓一分钱一分货，昂贵的东西的确未必好用，但便宜的一定不好用。

Parasolid + Java形成的ZJV三维数据索引，很好的还原了零部件创建环节的几乎全部信息，无论是特征解析、识别、结构化、预览还原、相似度判定容器容量等等各个方面，都与STL存在天壤之别，如果用大家熟悉的例子来描述，就是流畅版视频 vs. 蓝光、高清、4K、RAW……当然图像不清楚，也能当做电影看，如果作为监控视频找到你要找的人，也许就看不清大眼睛和双眼皮了。

精度可调

一旦解析的三维数据的特征信息够多够细，那么精度可调就变成可能，目前主流的ZJV格式，可以将相似度调整为十万分之一，其他方式最多停留在百分之一到千分之一，这个差别有多大呢？相似度判断的准确性相差100倍或1000倍。

应用架构

基于局域网的软件部署方式

几何相似性搜索的引擎系统通常包括，搜索服务模块，系统间集成模块，数据索引模块等几部分，可采用服务器-客户端的C/S部署方式之外，也同时支持B/S的应用方式，供非三维CAD使用者进行数据查询和搜索。

应用服务模块

核心计算与搜索应用支撑的核心模块，采用http或https方式基于TCP/IP协议运行于企业局域网。这个模块保障了以云方式的计算与运行效能，无论是数据抓取，索引创建还是搜索响应均依赖于此。在Unix或MS-Windows操作系统中部署的应用服务，支撑了数以百万计的三维索引和千级用户的搜索服务支持。

系统间集成

PDM/CAD商业化接口

如前所述，几何相似性搜索主要服务于企业研发、工艺和数据管理以及其他后道部门的技术应用，既然开展三维模型数据的检索和调用，就离不开与企业现有产品研发平台CAD/PDM-PLM的集成运用。

其中一些常用的搜素方法，如三维搜索、几何特征搜索、直播搜索等需要同时支持在CAD用户界面发起，与此同时，与PDM/PLM系统的集成对于索引创建的便捷性也起到关键作用。

商业化接口是指，无需在客户所在地针对CAD/PDM/PLM进行接口开发，而是由解决方案提供商先行已开发完成，仅需进行现场部署和配置。而所谓接口必然涉及搜索工具与对应设计平台的对接，一般意义上需要双方进行开发和对接，而商业化接口是指，双方的通讯方式，交互协议已经开通，CAD和PDM无需进行任何变动即可实现功能。

因此商业化接口与二开的区别是，好像是低配车仅仅是没有开通相应的功能，比如并线辅助、定速巡航而已，如果需要仅需激活软硬件即可使用，与原本没有此功能有着天壤之别。

索引有效性

CAD/PDM系统的版本一般会由于很多因素的制约进行主动或被迫升级，而在此过程中，原有数据索引的有效性需要确保，而不是重新创建海量索引。新版本的产品研发平台需要能够确保与原有搜索工具及索引数据的集成与检索，而以前文所叙的ZJV方式创建的搜索索引，可以有效确保索引的持续有效性和更新同步。

数据库集成

人类区别于其他动物的特点之一是拥有丰富而准确的语言文字，几何搜索显然应对那些不太方便用简短语句描述的工业/建筑业零部件数据而已，是对语言文字短板的有效补充，但也绝不可偏废，如果能用文字信息进行检索，那么谁也不会求助几何方式。

因此，几何相似性搜索软件解决方案中，全文索引与复杂的、容错的、智能的文本搜索方式，可以与几何方式一起起到取长补短的作用。我们常说“长相相同的孪生兄弟，往往有着迥然不同的经历”，比如所读大学的专业，工作行业等等，零部件也是如此，文本信息很重要，一些用文本可以简单明确表达的内容，可为数据检索提供极大便利，比如几何相似度100%的两个零部件，也许材质完全不同，表面处理完全不同，时间、厂商、价格(ERP)、密度（CAD）、硬度（CAD）、历史项目（PDM）、货期（ERP）等等这些，即使在数字孪生环境里依然需要用文字表达。

庞大的文本信息需要数据库系统的支持。建立全文搜索机制后，对变量加入的布尔运算，在与或非之间发起更丰富高效的数据减速方式。

“几何相似性搜索”是解决三维零部件数据借用与治理难题的有效途径

再举例而言，几何相似性搜索帮助企业在局域网内或局域网间搭建了一个“某宝”或“某东”的电商平台，上面的商品就是PDM里的三维数模，那么怎么才能帮助使用者快速准确找到所需数据呢？