Один из самых интересных сценариев применения ИИ в упаковке сейчас выглядит совсем не эффектно — никакой генерации «красивой коробки» по текстовому запросу. Arden Software добавила в CAD-систему Impact 2026 функцию Design Similarity. Она с помощью машинного обучения за секунды ищет в базе предприятия конструкции с похожей геометрией и выдаёт подходящие варианты.
Как это должно работать по задумке разработчиков: производителю упаковки приходит новый заказ. Вместо того чтобы создавать решение с нуля, система может показать похожую коробку, которую проектировали несколько лет назад. Для неё уже разрабатывали конструкцию, рассчитывали производственную раскладку и, возможно, изготавливали оснастку.
Получился способ быстрее определить, можно ли повторно использовать прежнее решение, не существует ли уже подходящей оснастки, а заодно поднять данные по похожим заказам. Именно проверку существующей оснастки и использование опыта прошлых производственных раскладок Arden называет среди сценариев применения Design Similarity.
ИИ здесь не создаёт новое, а помогает извлечь ценность из того, чем предприятие уже обладает, но о чём там уже никто не помнит.
Для производства такое применение ИИ может оказаться полезнее генеративных функций. За годы работы у производителя упаковки накапливаются тысячи конструкций, раскладок, технологических решений и данных об оснастке для сотен — или даже тысяч — заказов. Человек физически не может помнить весь этот архив. Организовать поиск по нему обычными средствами тоже непросто: особенно если новый заказ похож на старый конструктивно, но называется совсем иначе.
Design Similarity фактически превращает архив CAD-проектов в базу знаний, которую менеджеры и технологи могут использовать в текущей работе. Где взять данные для поиска? Существующие чертежи сначала нужно проиндексировать; а новые Impact может индексировать автоматически при сохранении. А чем полнее база и лучше организованы данные, тем полезнее будет ИИ-поиск. Если результаты двадцати лет производственного опыта лежат в папках «Новая папка (3)», чуда не будет.
Получился способ быстрее определить, можно ли повторно использовать прежнее решение, не существует ли уже подходящей оснастки, а заодно поднять данные по похожим заказам. Именно проверку существующей оснастки и использование опыта прошлых производственных раскладок Arden называет среди сценариев применения Design Similarity.
ИИ здесь не создаёт новое, а помогает извлечь ценность из того, чем предприятие уже обладает, но о чём там уже никто не помнит.
Для производства такое применение ИИ может оказаться полезнее генеративных функций. За годы работы у производителя упаковки накапливаются тысячи конструкций, раскладок, технологических решений и данных об оснастке для сотен — или даже тысяч — заказов. Человек физически не может помнить весь этот архив. Организовать поиск по нему обычными средствами тоже непросто: особенно если новый заказ похож на старый конструктивно, но называется совсем иначе.
Design Similarity фактически превращает архив CAD-проектов в базу знаний, которую менеджеры и технологи могут использовать в текущей работе. Где взять данные для поиска? Существующие чертежи сначала нужно проиндексировать; а новые Impact может индексировать автоматически при сохранении. А чем полнее база и лучше организованы данные, тем полезнее будет ИИ-поиск. Если результаты двадцати лет производственного опыта лежат в папках «Новая папка (3)», чуда не будет.
#ИИ #упаковка #ArdenSoftware #Impact2026
⭕️ Подписывайтесь на «PrintInsider | Дмитрий Старцев»: от личного опыта — к отраслевому знанию. Мы растём в «Максе» — присоединяйтесь! Видео — в YouTube
