ИИ для конструкторских чертежей
Для лидера промышленной индустрии мы внедрили решение, которое снимает нагрузку с технических специалистов на двух самых «дорогих» этапах работы с чертежами — ценообразованию и контроле корректности — за счёт распознавания, структурирования и автоматизированной проверки требований.
О проекте
Клиент — крупное промышленное предприятие, которое работает с конструкторской документацией в сценариях индивидуального производства, единичных и мелкосерийных заказов. Использует сложные комплекты чертежей и схемы в нескольких видах и разрезах (например, для объектов и инженерных систем).
Возможности
-
Распознавание чертежей
Распознавание чертежей и преобразование их содержания в структурированные данные, пригодные для расчёта стоимости операций по изделию.
-
Автоматическая проверка корректности чертежей
Согласованности между видами и соответствия требованиям стандартов.
-
Снижение количества ручных проверок и риска ошибок
Система выдаёт список несоответствий и спорных мест для проверки специалистом, снижая влияние человеческого фактора.
-
Прозрачный контроль качества с формированием отчёта
Что не сходится, где обнаружено и по какому правилу.
-
Снижение зависимости от узких специалистов
Эксперт подключается точечно — на верификацию спорных мест и финальное решение, а не на рутину.
Цель
Автоматизировать обработку конструкторских чертежей на ключевых этапах, чтобы ускорить подготовку коммерческих расчетов и повысить качество проверки проектной документации.
Задачи
- Настроить распознавание конструкторских чертежей и извлечение из них параметров, необходимых для расчета операций и формирования цены.
- Разработать систему преобразования содержания чертежей в структурированные данные, пригодные для дальнейшего расчета.
- Автоматизировать проверку согласованности чертежей между собой (по разным видам/разрезам/комплектам), чтобы выявлять коллизии и несостыковки.
- Внедрить проверку соответствия проектных решений требованиям стандартов и нормативов.
- Обеспечить прозрачный контроль качества: выдавать понятный отчёт о найденных несоответствиях и местах, требующих верификации инженером, чтобы снизить влияние человеческого фактора.
Что сделали
Мы разработали и внедрили ИИ-решение для работы с конструкторской документацией, которое закрывает два ключевых сценария: автоматизацию ценообразования и проверку корректности документации.
Система распознаёт конструкторские чертежи и переводит их содержание в структурированные данные, необходимые для расчёта операций и формирования стоимости изделий, включая заготовку, сварку, сборку и другие производственные этапы. Это снижает нагрузку на технических специалистов и ускоряет подготовку ответа клиенту.
Параллельно решение автоматизирует контроль качества проектной документации: сопоставляет чертежи между собой по разным видам, разрезам и комплектам, проверяет их на соответствие требованиям СанПиН/ГОСТ. По итогам формируется прозрачный отчёт с несоответствиями и потенциальными коллизиями, которые инженер может быстро верифицировать.
Этапы проекта
#1 Обследование, сбор требований и проектирование решения
-
На первом этапе проекта мы подробно описали процесс входного контроля, определили рамки пилота и зафиксировали основные требования к будущему промышленному решению. Также согласовали ключевые сценарии проверки, сформировали целевую архитектуру системы, проработали схемы данных и подготовили техническое задание для дальнейшего развития проекта с учетом будущего перехода в промышленную эксплуатацию.
#2 Подготовка данных и запуск базового контура обработки
-
Мы собрали комплекты проектной и рабочей документации, подготовили эталонный набор документов и развернули базовый сервис обработки. Также настроили пайплайн на OSMI AI: анализ PDF-документов через Qwen 3VL 235B, преобразование результатов в JSON и сохранение артефактов обработки для дальнейшей работы с данными.
#3 Реализация пилотной логики распознавания, проверки и выгрузки результата
-
В рамках пилота мы настроили систему на извлечение сущностей из чертежей, нормализацию данных, их проверку через RAG, а также на формирование итогового реестра замечаний. Параллельно мы настроили правила обработки, протестировали разные варианты поиска и реализовали первичную выгрузку результатов в Excel, чтобы команда могла проводить инженерную проверку в привычном формате.
#4 Испытания пилота и подготовка перехода к промышленной версии
-
Провели тестирование и приемочные испытания на эталонном наборе документов, зафиксировали достигнутые показатели качества, выявленные ошибки и основные направления для доработки решения. По итогам этапа работ подготовили пакет материалов для дальнейшего масштабирования:
• план расширения системы на другие разделы документации,
• план запуска межраздельных проверок,
• требования к качеству на уровне 85% и выше,
• дорожную карту развития проекта.
#5 Разработка и внедрение промышленного решения
-
После успешного пилота мы доработали систему до полноценного рабочего контура: подключили новые разделы документации, реализовали многопользовательский интерфейс, настроили интеграции и добавили механизмы, необходимые для стабильной эксплуатации на промышленном уровне.
Итогом этапа стал запуск решения в эксплуатацию как полноценной системы автоматизированного контроля проектной и рабочей документации. Мы расширили проверки на другие разделы, добавили межраздельный контроль, настроили многопользовательскую работу, интегрировали решение в ИТ-контур заказчика и подготовили все необходимое для стабильной работы на промышленном уровне.
Технологический стек
| Слой / Компонент | Инструменты и сервисы |
|---|---|
| Платформа |
OSMI AI
|
| Прикладной сервер и API |
Python 3.11
FastAPI
|
| Схемы данных и валидация |
Pydantic
|
| Оркестрация пайплайна обработки |
OSMI AI
LangGraph
|
| Анализ схем и чертежей |
Qwen 3VL 235B по API
|
| Верификация и корректировка распознавания |
RAG
|
| Поиск и хранение контекста для RAG |
PostgreSQL
Полнотекстовый поиск PostgreSQL
pgvector
|
| Основное хранилище данных |
PostgreSQL
|
| Формат структурированных результатов |
JSON
|
| Экспорт результатов |
Excel
openpyxl
|
| Входной формат документов |
PDF
|
Результаты и аналитика
Система достигла уровня качества, достаточного для промышленного использования с участием инженера на этапе верификации.
| МЕТРИКА | СТАЛО |
|---|---|
| Показатель F1 | 0,85 |
| Показатель Precision | 0,87 |
| Показатель Recall | 0,83 |
| Доступность сервиса | 99,5% |
| Среднее время обработки одного комплекта документации | <5 минут |
Со стороны OSMI IT проект вели
МШ
Михаил Шрайбман
CEO OSMI IT
фасилитировал взаимодействие и проектную логику
ДМ
Дмитрий Морковкин
Менеджер проекта
ДН
Денис Нагаев
CTO OSMI IT
ЭМ
Элмурат Маматисаков
Data-аналитик
МН
Максим Немов
ML-специалист
ПГ
Пётр Гайнанов
Backend-разработчик
ПЧ
Павел Чебоксаров
Backend-разработчик
СС
Сергей Светлорусов
QA-инженер
«В этом проекте для нас было важно не просто научить систему «видеть» чертежи, а встроить ИИ в реальный инженерный процесс так, чтобы он давал измеримый результат. Мы перевели работу с конструкторской документацией из ручного и трудоёмкого сценария в управляемый цифровой контур. Именно такой подход делает ИИ применимым в промышленности — когда он не заменяет эксперта, а снимает с него рутину и повышает качество решений».
Нужен похожий проект?
Оставьте контакты — мы быстро оценим задачу, подготовим план и расскажем, как достичь ваших целей.