Limitaciones conocidas del modelo de IA y la búsqueda de duplicados de la racionalización de artículos
En este tema se describen las limitaciones conocidas del modelo de IA y la búsqueda de duplicados que se utilizan en la racionalización de artículos.
Descripción general del modelo de IA
El modelo de AI actual genera representaciones de artículos basadas únicamente en la geometría 3D proporcionada en el fichero PVZ. El modelo de IA no considera ninguno de los siguientes aspectos:
• Colores: se desestiman los colores de superficie.
• Materiales: se desestima el tipo de material (por ejemplo, acero o plástico).
• Calcomanías: se desestiman las calcomanías o las texturas aplicadas a la geometría.
• Estructura interna: las funciones 3D internas o ocultas se desestiman.
• Atributos: los metadatos o los atributos de artículo del fichero PVZ se desestiman.
A continuación se describen las otras limitaciones de 3D:
• Escala: los artículos con geometría idéntica pero escalas diferentes se tratan como duplicados.
• Resolución: el modelo de IA puede pasar por alto pequeños detalles geométricos al calcular la representación del artículo.
• Copia simétrica: los artículos simétricos (por ejemplo, las puertas del coche del lado izquierdo y derecho) no se tratan como duplicados.
• Autooclusión: el modelo de IA intenta capturar toda la geometría, pero es posible que algunas regiones aún no se encuentren en el cálculo de la representación del artículo debido a la autooclusión.
• Rotación: en casos poco frecuentes, las geometrías duplicadas giradas pueden producir representaciones diferentes. Por ejemplo, un cubo alineado con el eje y un cubo rotado pueden producir representaciones distintas y puede que no se reconozcan como duplicados.
El modelo no distingue las escalas. Por ejemplo, dos pernos con la misma forma pero diferentes tamaños (1 cm frente a 2 cm) se consideran idénticos.
Los cálculos repetidos en el mismo fichero PVZ pueden producir representaciones de piezas ligeramente diferentes debido a la precisión de coma flotante y a las variaciones en el procesamiento paralelo durante la inferencia del modelo.
Búsqueda de duplicados
La búsqueda de artículos duplicados identifica grupos de artículos duplicados en función de las representaciones de artículos generadas por el modelo de IA.
El resultado devuelto por la búsqueda duplicada es una lista ordenada de grupos, en la que el grupo más grande aparece primero. Todas las similitudes de artículo a artículo dentro de un grupo son iguales o superiores al parámetro de similitud mínimo utilizado para la búsqueda. Para una búsqueda del 100 %, la similitud efectiva mínima tiene un pequeño margen.
Se aplican las siguientes limitaciones:
• Límite de almacenamiento: cada instancia de Windchill del cliente está limitada a 15 búsquedas de duplicados almacenadas.
• Rendimiento: la búsqueda de duplicados no es una operación en tiempo real. Puede tardar varias horas, dependiendo de lo siguiente:
◦ Número de artículos indexados
◦ Número de duplicados potenciales
• Repetibilidad: la búsqueda de duplicados no es idempotente. Esto se debe al cálculo no determinista de las representaciones de artículos (consulte el modelo de IA) y a la naturaleza aproximada de la base de datos de vectores interna. Como resultado, incluso al indexar los mismos artículos, las búsquedas repetidas pueden producir variaciones en lo siguiente:
◦ Artículos duplicados encontrados
◦ Número de grupos (clústeres) formados
◦ Orden de los grupos en los resultados
• Tamaño del grupo: un grupo tiene al menos dos partes y como máximo 1024 partes.
• División de grupos: si la búsqueda de duplicados encuentra grupos más grandes que el máximo, se dividirán en varios subgrupos más pequeños que el tamaño máximo.
 |
Un resultado de la búsqueda puede incluir un gran número de duplicados y clústeres, especialmente cuando las tablas de familia de artículos están indexadas.
|