Автоматизована побудова 2D-креслень з 3D-моделей із використанням інструментів комп’ютерної графіки

У статті досліджується ефективність сучасного програмного забезпечення для автоматизації створення кресленників із тривимірних моделей, що є актуальним завданням для інженерної та архітектурної галузей. Основна увага приділена аналізу можливостей програм AutoCAD, SolidWorks, Fusion 360 та алгоритмів, заснованих на згорткових нейронних мережах (Convolutional Neural Networks, CNN). Дослідження спрямоване на визначення рівня ефективності цих інструментів за такими ключовими параметрами, як швидкість обробки, адаптація до складних форм і гнучкість у налаштуванні кресленників. Дослідження показало, що AutoCAD забезпечує високу швидкість обробки простих моделей, проте має значні обмеження у роботі зі складною геометрією, що знижує його ефективність у завданнях із високим рівнем деталізації. SolidWorks демонструє кращу адаптацію до криволінійних форм завдяки використанню алгоритмів сплайнів, а також забезпечує автоматичне оновлення креслень при зміні тривимірної моделі. Fusion 360 ефективно працює з органічними формами завдяки обчислювальним методам і хмарній обробці, але залежність від інтернет-з’єднання може уповільнити роботу з великими обсягами даних. Алгоритми CNN виявилися найефективнішими для аналізу складних форм, забезпечуючи високу деталізацію, однак потребують значних обчислювальних ресурсів і часу. Зроблено висновок, що адаптація програмного забезпечення до складних форм залежить від рівня розвитку алгоритмів і можливостей гнучкого налаштування креслень відповідно до стандартів, таких як ISO, ANSI або ГОСТ. Програмні продукти SolidWorks і Fusion 360 виявилися найбільш збалансованими за критеріями точності, адаптивності та функціональності. Проте розробка і впровадження нейронних мереж відкривають нові перспективи для автоматизації, особливо в задачах із нестандартними формами та високою складністю.

The article investigates the effectiveness of modern software for automating the creation of drawings from threedimensional models, which is a relevant task for the engineering and architectural industries. The main attention is paid to the analysis of the capabilities of AutoCAD, SolidWorks, Fusion 360 and algorithms based on convolutional neural networks (CNN). The study aims to determine the level of effectiveness of these tools in terms of key parameters such as processing speed, adaptation to complex shapes, and flexibility in customizing drawing files. The study showed that AutoCAD provides high speed processing of simple models, but has significant limitations in working with complex geometry, which reduces its effectiveness in tasks with a high level of detail. SolidWorks demonstrates better adaptation to curved shapes due to the use of spline algorithms, and also provides automatic updating of drawings when changing the three-dimensional model. Fusion 360 works effectively with organic shapes due to computational methods and cloud processing, but dependence on an Internet connection can slow down work with large amounts of data. CNN algorithms turned out to be the most effective for analyzing complex shapes, providing high detail, but require significant computing resources and time. It was concluded that the adaptation of software to complex shapes depends on the level of development of algorithms and the ability to flexibly configure drawings in accordance with standards such as ISO, ANSI or GOST. SolidWorks and Fusion 360 software products turned out to be the most balanced in terms of accuracy, adaptability and functionality. However, the development and implementation of neural networks open up new prospects for automation, especially in tasks with non-standard shapes and high complexity.