Onlarca yıllık mühendislik bilgisini arama yapılabilir hale getiren NEOCAD

NEOCAD CEO’su ve kurucu ortağı Luca Licciulli ile yaptığımız görüşmede, bu platformun ne yaptığı, bir şirketin mevcut CAD ve PLM kurulumuna nasıl uyduğu, kimler için tasarlandığı ve bu teknolojinin geleceği konularını ele aldık.

Doğru Dosyaları Bulamıyoruz

Çözmeyi amaçladığınız sorun neydi?

2021 yılında kurduğum, yapay zeka ve sürükleyici (immersive) teknolojilere odaklanan bir yazılım şirketi olan önceki şirketim VRtualize üzerinden, dört veya beş yıl boyunca üretim şirketleriyle çalıştım. Doğrudan mühendisler ve teknik ekiplerle çalışırken, sürekli aynı şeyi görüyorduk. Makine mühendisliğinde çok sayıda tekrarlanan, düşük katma değerli iş bulunuyordu.

Özellikle odaklandığımız Avrupa pazarındaki çoğu üretim şirketinde, mühendisler şirketin kendi bilgi tabanından eski bilgileri bulmak ve almak için çok zaman harcıyorlar. CAD ve PLM gibi yazılımlar, bu mühendislerin eski dosyaları bulmasına, teknik dokümanları kontrol etmesine, revizyonları karşılaştırmasına veya kısıtlamaları anlamasına gerçekten yardımcı olmuyor. Bir mühendis sıfırdan bir şey inşa ederken, yapması gereken düşük katma değerli görev, asıl çizime başlamadan önce ihtiyaç duydukları bilgileri ve dosyaları arayıp bulmaktır.

Basitçe söylemek gerekirse sorun, bu şirketlerin birçoğunun inanılmaz miktarda bilgi birikimine sahip olması ancak bu bilgi birikimini kullanmanın son derece zor olmasıydı.

Bilgi orada mevcut ancak şirketler ona ulaşamıyor.

Evet, verilere sahipler, bilgiye de sahipler. Ancak makine mühendisliğinde ve genel olarak mühendislik ve üretimde, eski nesil yazılımlar her zaman çok kapalı olmuştur. Avrupa’da, çoğu CAD yazılımı hala bulutta değil, hala yerel olarak şirketlerin içinde saklanıyor çünkü verilerini paylaşmaktan çok korkuyorlar ve bu durum 20 yıldır böyle. Yani yeni araçlar için bile bu verilere erişmek ve yeni çözümler geliştirmek çok zordu, üstelik bu araçların sayısı da çok azdı.

Üretken yapay zeka ile nihayet yerel 3D modelleri ve şirketin tüm teknik bilgi birikimini anlayan ve yeni bir CAD projesine başlayacak bir mühendis için tüm süreci hızlandıran bir yönetici sistem (orchestrator) oluşturma olanağına kavuştuk.

Konuştuğunuz kişilerden herhangi biri verimlilik kaybına ilişkin bir rakam verdi mi?

Evet, zamanın yaklaşık %40’ı boşa harcanıyor. Her sektörün farklı bir süreci olduğu için sektörden sektöre bu rakam değişiyor ancak odaklandığımız otomotiv ve otomasyon sektöründe zamanın %40’ı kopyalar oluşturmaya ve dosya aramaya gidiyor.

Sıklıkla yaşanan bir diğer durum ise, yapmak istedikleri şeye benzer bir dosyayı bulmaları ancak bu dosyanın, kendi gerekliliklerine tam olarak uymaması. Yapay zekanın getirdiği şey, dosya adlarına ve parça kodlarına göre arama yapmayı bırakıp, parçanın gerçekte ne yaptığına göre aramaya başlamaktır. Yazılım aracımız, bir modeli PLM açıklamasında yazılanlara göre değil, geometrisine ve işlevine göre buluyor; farklı olan bu.

Şirketler yapay zeka yokken bunu nasıl çözmeye çalışıyorlardı?

Bu da şirketten şirkete değişiyor. İlk sorun, PLM’lerin (Ürün Yaşam Döngüsü Yönetimi) 3D parçayı merkezileştirmek için yeterli olmaması ve diğer tüm teknik dokümanların farklı yazılımlarda veya hatta sizin de dediğiniz gibi kağıt üzerinde bulunmasıdır. Yapay zekadan önce, bu alandaki lider 1992’de kurulan Cadenas’tı. (Bu şirketin ürünü olan) PARTsolutions, geometrik benzerlik aramasıyla standart parçaları, tedarikçi ve şirket parçalarını kapsıyordu ve işe de yarıyordu ancak bu yapay zeka öncesi bir yaklaşım. Bu yaklaşımda parçalar önceden sınıflandırılıp etiketleniyor ve özelliklere göre arama yapılıyor. Büyük Dil Modelleri (LLM) ile değişen şey; mühendislere devasa avantajlar sağlayacak şekilde, hiçbir ön hazırlığa gerek kalmadan, bir parçanın gerçekte ne işe yaradığına göre doğal dille arama yapabilme imkanıdır.

Yapay zeka bunu ancak son birkaç yılda erişilebilir hale getirdi ve şimdi herkes CAD için kendi yapay zekasını oluşturmaya çalışıyor. Şu anki ana sorun, ürünümüzün ve rakiplerimizin ürünlerinin arkasında çalışan üretken yapay zeka modellerinin olgunluğudur çünkü diğer alanlarda bazı hatalarla da harika sonuçlar elde edebilirsiniz ancak makine mühendisliğinde hassasiyet gerekiyor. En küçük hata bile aracınızı işe yaramaz hale getirebilir.

CAD ve PLM Üzerinde Akıllı Bir Katman

NEOCAD Nedir?

Biz, makine mühendislerine yönelik bir yapay zeka platformuyuz. Bizi, CAD ve PLM sistemlerinin üzerinde çalışan ve üretim şirketlerinin teknik dokümantasyonunu ve her şeyden önemlisi 3D modellerini merkezileştiren, akıllı bir katman olarak düşünebilirsiniz. Amacımız, mühendislerin yapay zeka kullanarak CAD modellerini aramalarına, anlamalarına, yeniden kullanmalarına ve nihayetinde oluşturmalarına veya değiştirmelerine yardımcı olmaktır.

Dokümantasyon nerede bulunuyor ve hangi formatları işleyebiliyorsunuz?

NX, Inventor ve SolidWorks dahil olmak üzere beş ana CAD paketinin yanı sıra Teamcenter ve Windchill gibi ana PLM sistemleri için bağlantı noktaları oluşturduk. Yerel 3D dosyaları, 2D çizimleri ve PDF’leri okuyabiliyoruz. Bizim farkımız, 3D modelleri nasıl ele aldığımızda yatıyor. Yazılımımızı müşterinin kendi sistemlerine kuruyoruz ve çok hızlı bir şekilde tüm model arşivlerini yapay zeka tarafından okunabilir hale getiriyoruz. Bu kısım patent başvurusu aşamasında, bu yüzden bunun hakkında söyleyebileceğim tek şey bu.

Diyelim ki belirli bir mili (şaftı) arıyorum. Binlerce benzer mil arasından nasıl ayırt edebiliyorsunuz?

Bir 3D model içinde dikkate almanız gereken birkaç faktör vardır: Boyutlar, geometri, PLM içindeki açıklama ve parçanın nasıl oluşturulduğunu gösteren özellik (unsur) ağacı. Dördünü de okuyabildiğinizde, bir modeli yapım yöntemine, gerçek boyutlarına ve gerçek geometrisine göre ayırt edebilirsiniz. Bu sayede, yapay zekayı doğru kullanırsanız, bir veritabanındaki binlerce benzer mil arasından doğru mili seçebilirsiniz.

Çıktı olarak tek bir mil mi yoksa seçim yapabileceğiniz bir kısa liste mi veriyor?

En benzer olanları çıktı olarak verir, bu nedenle bir veya birkaç tane sonuç olabilir. Tam olarak aradığınızı bulamazsanız ancak benzer bir şey varsa, araç onu ortaya çıkaracaktır.

Ayrıca yeni parçalar oluşturmaktan da bahsettiniz. Bu şu anda kullanılabilir bir özellik mi yoksa hala yol haritasında mı?

Üzerinde çalışıyoruz. Büyük endüstriyel müşterilerimizle model oluşturma konusunda pilot çalışmalar yürütüyoruz ancak enerjimizin çoğunu buraya harcamıyoruz. Üretken yapay zeka modelleri bu alanda hızla ilerliyor; bu trendden biz de yararlanmak istiyoruz ancak bu alanda doğrudan bir rekabete girmeyeceğiz. Bizim avantajımız başka bir yerde: Şirketin mevcut bilgi birikimini kullanılabilir hale getirmek. Bu temel oluşturulduktan sonra, yapay zeka ile üretim yapmak artık başlı başına bir ürün değil, ürünün altındaki bir özellik halini alır.

Aslında Claude veya GPT’nin bir noktada Fusion için bir bağlantı aracı çıkaracağını tahmin ediyorduk ve bu şimdi gerçekleşti. Bu oyuncularla rekabet edemeyeceğimizi biliyoruz, bu nedenle bu modellerin gelişimini takip etmek ve şu anda üretim şirketlerinin ihtiyaç duyduğu şeylere odaklanarak kendimizi diğerlerinden ayırmak bizim için daha iyi.

Üretici araç (generator) için hangi karmaşıklık seviyesini hedefliyorsunuz?

Üretken modeller (sadece bizden bahsetmiyorum) karmaşık montaj gruplarını bile işleyebilecekler. Bunun tam olarak ne kadar zamanda gerçekleşeceğinden emin değilim ancak ilerleme katlanarak hızlanıyor. Bir buçuk yıl önce metinden CAD’e dönüştürme ile başladığımız zamana kıyasla, gelişim inanılmaz. Teknoloji, karmaşık montajlarda çalışacak ve kurumsal ihtiyaçları karşılayabilecek kadar olgunlaşmaya başladı.

NEOCAD yapay zeka asistanı demosu

NEOCAD yapay zeka asistanı demosu

Ancak gerçek farkın model üretmek olduğunu düşünmüyorum. İlk sorunu (bilgi birikimini merkezileştirmeyi) çözdükten sonra, asıl kazanan, bu merkezileştirmeyi sağlarken aynı zamanda farklı araçlar arasında bir yönetim sistemi (orchestrator) kuran sektör oyuncusu olacaktır. Sadece CAD yazılımı değil, simülasyon, CAM vb. Bu araç bir şirkete ne kadar uyarlanabilirse o kadar iyidir çünkü İtalya’da aynı büyüklükteki 1.000 üretim şirketine bakarsanız, hepsi aynı araçları kullanıyor ancak tamamen farklı süreçler yürütüyorlar. Mühendislerin aslında ihtiyaç duyacağı şey, bilgi tabanını merkezileştirmenin yanında birden fazla aracı yönetebilen, uyarlanabilir bir yönetim sistemidir. Mühendislik için yapay zekayı düşündüğümde, sadece CAD üzerinde çalışan bir şey değil, bir yönetim sistemi görüyorum.

KOBİ’ler için geliştirildi

Müşterileriniz ağırlıklı olarak otomotiv ve otomasyon sektöründe. Onları size ilk getiren sorun ne oldu?

Cevap her biri için farklı. Otomotiv şirketlerinde, bilgiyi merkezileştirme ihtiyacı daha sonra ortaya çıktı. Bu şirketler çok büyükler ve bir süreçteki en küçük adımı bile hızlandırmak istiyorlar; bu yüzden çok sayıda standart parçanın bulunduğu bir montajda bir hatayı bulmayı hızlandırmak gibi sebeplerle bize geldiler.

Otomasyonda birkaç küçük ve orta ölçekli işletmeyle çalıştık ve orada daha önce bahsettiğim bilgi tabanı sorununu hemen fark ettik. Aynı sorun orta ve büyük ölçekli şirketlerde de yaşanıyor. Çokuluslu şirketler ve kurumsal firmalarla çalışmaya başladığınızda başka sorunlarla karşılaşıyorsunuz ve iş daha talebe özel hale geliyor.

Peki, buna kimin ihtiyacı var? İki kişilik bir işletmede veri miktarı çok sınırlıdır ve esasında her proje sıfırdan başlar.

Aracımız şu an için kesinlikle yeni kurulan şirketler için değil ancak asıl mesele şirket büyüklüğü değil, veritabanı büyüklüğü. Bu araç, veritabanlarında çok fazla bilgiye sahip köklü şirketler için. Aracı özellikle çok iyi bildiğimiz İtalyan ve Alman pazarları için geliştirdik ve İtalya, özellikle imalat sektöründe, küçük ve orta ölçekli işletmelerle dolu. Burada her şey KOBİ. Ancak sorun orta ve büyük ölçekli şirketler için de aynı. Bazen bir şirket birkaç küçük şirketi satın alıp bilgi tabanlarını merkezileştirmeye çalışıyor ve aynı sorun ortaya çıkıyor. Büyük çokuluslu şirketlerde durum biraz farklı ve onlarla çalışma şeklimiz daha talebe özel. Ancak bu araç küçük ve orta ölçekli şirketler için geliştirildi.

Sözleşmeyi kim imzalıyor ve aracı her sabah kim çalıştırıyor?

Aracımızı genellikle teknik müdür talep ediyor çünkü şirketin bilgi tabanına ve teknik dokümantasyonuna genel hatlarıyla hakim olan kişi o. Bu nedenle BT’den gelen kapsamlı bir incelemeden sonra teknik müdür sözleşmeyi imzalıyor.

Ama ilk kullanıcı o değil, özellikle iki hafta önce işe başlamış ve şirket hakkında henüz hiçbir şey bilmeyen genç makine mühendisi. Bu şirketlerde çok fazla personel değişimi oluyor; bu nedenle bir süredir bilgi birikimlerini aktarmanın yollarını arıyorlar. İkinci faktör ise kıdemli çalışanların çok az sayıda ve çok meşgul olması; bu yüzden onların iş yükünü biraz hafifletebilirseniz, inovasyona ve işlerinin diğer bölümlerine odaklanabiliyorlar.

Müşterilerinizin size geri dönüp anlattığı en şaşırtıcı şey ne oldu?

Bizi en çok şaşırtan şey CAD zekası, yani 3D modelleri yerel olarak okuyabilme kabiliyetiydi ve bunu aslında müşterilerimiz aracılığıyla keşfettik. Şirketin bilgi birikimini merkezileştirmek için CAD sistemlerinin üzerine bir platform kurmuştuk ve bu platform zaten gerekeni yapıyordu; veritabanları ve PLM’leri arasında doğru 3D modelleri buluyordu. Sonra bir müşteri aradı ve “Parçayı buldum ama aynı zamanda nasıl yapıldığını ve hangi bileşenin ona en uygun olacağını da anladım” dedi.

Bunu beklemiyorduk çünkü biz sadece doğru bileşeni veya montaj grubunu bulmaya odaklanmıştık. Sürpriz olan, aracın sadece arama aşamasında değil, modelleme sırasında da mühendise destek verebilmesiydi. Bunun gerçekleşmesi için modele doğru bağlamı vermeniz gerekiyor ve biz de tam olarak makine mühendislerine ve LLM’lere bunu öğretmeye çalışıyoruz. Bu hiç kolay değil. Makine mühendisleri bu sistemlerin ne kadar kapalı olduğunu iyi bilir.

Fiyatlandırma ve Yerinde Kurulum

Maliyeti nedir?

Hem kişisel hem de paylaşımlı (floating) lisanslar için sabit bir fiyatımız var; ayrıca kurulum sırasında şirketin alt yapısına bağlı olarak değişen bir kurulum ücreti de alıyoruz.

Fiyat, veri miktarına mı yoksa verinin biçimine mi bağlı?

Veri miktarı, özellikle 3D modeller, kurulum için harcanan zamanı büyük ölçüde etkiliyor; bu nedenle fiyat da bunu yansıtıyor. Ancak en çok zaman alan kısım, teknik dokümantasyonun nasıl hazırlandığının ve nerede olduğunun analizidir çünkü çoğu zaman şirket de nerede olduğunu bilmiyor ve biz de onlarla birlikte aramak zorunda kalıyoruz.

Bu şirketler 20 veya 30 yıldır bilgi veritabanları konusunda sıkıntılar yaşıyorlar. İtalya’da, 40 yıllık 2D ve 3D modelleme deneyimine sahip ve kendilerini geliştirmeye çalışan şirketler bulunuyor. Bu kolay değil ancak doğru yapıldığında, Fusion’a bağlı basit bir LLM ile karşılaştırıldığında aradaki farkı görebilirsiniz.

CAD fikri mülkiyetinin şirketin dışarı çıkması, bu firmaların en çok çekindiği konuların başında geliyor. NEOCAD şirket içinde çalışabilir mi?

Araç, yerinde kurulum (on-premise) olarak çalışıyor. Genellikle müşterinin bulutunda bulunan tek kısım yapay zekadır. Ticari LLM’ler kullanıyoruz ve bunu gizlemiyoruz. Açık kaynaklı modelleri doğrudan makinelerinde çalıştırmayı düşündük ancak 10 kişilik bir ekibe sahip bir startup olarak, her şirketin kendi içinde yerel modelleri yönetmeye yetecek kaynaklara henüz sahip değiliz.

Çoğu küçük ve orta ölçekli işletme, sistemimiz şirket içinde kaldığı ve modellerimizi asla onların verileri üzerinde eğitmediğimiz sürece sistemimizi kullanmayı memnuniyetle kabul ediyor. Şirket içi çözüm (yerinde kurulum) herkes için doğru seçenek olmayabilir ancak açık kaynaklı modelleri yönetmek henüz bizim için mümkün değil ve bu yola girmek, her birkaç ayda bir önemli ölçüde gelişim kaydeden ticari modellerin avantajını da kaybetmemize neden olurdu.

Onay verilme anından, sistemin kurulup canlıya alınmasına kadar geçen sürede kurulum entegrasyon süreci nasıl işliyor?

Öncelikle kullandığınız sistemlerin neler olduğunu, CAD yazılımlarınızı, varsa PLM yazılımınızı (çünkü şaşırtıcı ama her şirkette PLM yazılımı bulunmuyor) ve teknik dokümantasyonu orada tutuyorsanız ERP sisteminizi soruyoruz. Gereken erişimi elde etmek için BT departmanıyla görüşüyoruz. Ardından, aracın kurulumu ve bilgi tabanının merkezileştirilmesi, kurulumun büyüklüğüne bağlı olarak yaklaşık iki hafta ile bir ay arasında sürüyor. Yaklaşık bir ay sonra NEOCAD sohbet botunuz makinenizde çalışır hale geliyor.

Mühendislik Yapay Zekasında Avrupa Liderleri

Bazı oyuncular CAD parça üretimine, diğerleri ise bilgi tabanına odaklanıyor. NEOCAD’ın başarıya ulaşma stratejisi nedir?

Sabit bir araç değil, bir yönetim sistemi (orchestrator) olmak. Bu şirketler, CAD yazılımlarını 30 yıldır değiştirmeden kullanıyorlar çünkü değiştirmenin ne kadar zor olduğunu biliyorlar. Bu yüzden, bir şeyleri değiştirmeye çalışmak yerine, mevcut sistemlerin üzerine inşa ediyoruz. Rakiplerimizin çoğu da bu yönetim sistemi stratejisini kullanıyor ancak CAD parça üretimi veya CAD ve CAM’i birlikte kullanma gibi farklı şeylere odaklanıyorlar.

Çoğu meslektaşınız ABD’deyken siz Milano’da kalmayı planlıyorsunuz. Neden kalıyorsunuz?

İtalya ve Avrupa’da kaynak bulmak ABD’ye göre daha zor, bu nedenle buradaki kaynaklar biraz farklı. Ama güzel olan şu ki, İtalya, Almanya’nın hemen ardından Avrupa’nın en büyük ikinci üretim pazarı ve zaten çalıştığımız Almanya da hemen yanı başımızda.

Vizyonumuz, mühendislere yönelik yapay zekada Avrupa lideri olmak; bunu başarmak için iki pazarı, İtalya ve Almanya’yı kazanmalıyız. Avrupa’daki üretim şirketleri çok kapalı oldukları ve verilerini paylaşmaktan çok korktukları için, burada hızlı bir şekilde ivme kazanabilirseniz, ABD’li sektör oyuncularının bölgede varlık göstermeden içeri girmesi çok zor.

Avrupalı olmak, ürünün kendisini nasıl geliştirdiğinizi değiştiriyor mu?

Kesinlikle evet. Kasım ayında San Francisco’daydım ve bazı üretim temsilcileriyle konuştum ve ilk andan itibaren ihtiyaçların aynı olabileceğini ancak süreçlerin gerçekten farklı olduğunu gördüm. ABD’de bulut çok daha fazla kabul görüyor, Avrupa’da ise herkes şirket içi sistemler (yerinde kurulum) kullanıyor. Rakiplerimizin bazılarının San Francisco’ya taşınmasının nedenlerinden biri de bu; çünkü zaten bulut tabanlı olan bir şeyi geliştirmek daha ölçeklenebilir. Ancak bunlar tamamen farklı iki pazar.

Beş ila on yıl içinde NEOCAD gibi araçlar çok daha olgunlaştığında, mühendislik iş akışı nasıl olacak?

Sektörümüz için uzun sayılabilecek bu süre sonrasında, daha önce yaptıklarınız üzerinde arama yaparak işe başlayan ve siz başka bir şeyle ilgilenirken modeli kendi kendine üreterek süreci tamamlayan bir yönetici sistem hayal edebilirsiniz. Tıpkı günümüzde yazılımcıların kodlama süreçlerini yönetmesi gibi, gelecekte işi yapan yapay zeka ajanları olacak, makine mühendisleri ise onları kontrol edip yönlendirecek. Şu anda bile bazı yazılım şirketleri neredeyse hiç manuel kodlama yapmıyor ve her şeyi halleden devasa iş akışları oluşturmuşlar. Bence makine mühendisliği de aynı yolu izleyecek, bahsettiğimiz faktörler nedeniyle biraz daha yavaş olacak ama sonunda oraya ulaşacağız.

Bazı girişimciler yapay zekanın kendi başına karmaşık montaj grupları üretebileceğine inanmıyor ve onu esas olarak mevcut süreçleri hızlandırmak için bir araç olarak görüyorlar. Bu anlaşmazlık nereden kaynaklanıyor?

Öncelikle, Andreas, ben çok iyimserim. Bu gerçekten teknolojinin olgunluğunu ne kadar ileriye taşıyacağımıza bağlı. Beş ila on yıl içinde bu aşamaya ulaşacağımızdan oldukça eminim. Makine mühendisleri olmadan makine mühendisliği yapılabileceğini düşünmüyorum, bu olmayacak, ancak uçtan uca çalışan, bilgiyi alan, işleyen ve sonunda karmaşık montaj grupları bile üretebilen araçlar ortaya çıkacağına inanıyorum.

Özellikle bizim alanımızda fark yaratacak şey, bizim ve köklü oyuncuların yapay zekaya doğru bağlamı ne kadar iyi aktaracağımızdır. Arama, bulup alma, işleme ve hesaplama yapabilen yerel sistemler, yani yönetici sistemler (orchestrators) oluşturacak ve teknolojinin en zor görevleri bile halledebileceği bir aşamaya ulaşacağız. Asla bir makine mühendisinin denetimi olmadan değil, fakat uçtan uca (baştan sona) çalışan sistemler.

Mühendislik alanında vurgulamak istediğiniz başka ilginç yapay zeka şirketleri var mı?

Bence birkaç ilginç şirket daha var. Poelis, donanım mühendisliği için harika işler yapan başka bir İtalyan yapay zeka şirketi. Bunun dışında, Mecagent, Bench, Getleo, Cadflip veya P1-AI gibi heyecan verici şirketler ve Draftaid gibi 2D çizimler üzerinde çalışan şirketlerin çoğu ile zaten röportaj yaptınız. Çizimler büyük bir sorun ve en azından Avrupa pazarında yakın zamanda ortadan kalkacaklarını sanmıyorum.