Physna是一家总部位于俄亥俄州辛辛那提的初创公司，致力于为工业工程开发基于AI的3D建模平台，该公司今天宣布筹集了2000万美元的资金。该公司表示，随着新客户的签约，这笔资金将用于发展其团队并促进发展。
通常很难使用实体零件的3D模型(例如CAD模型或3D扫描)进行搜索-尤其是当零件是较大零件的组件时(例如，将螺钉与组件匹配)。传统上，解决方案既昂贵又费时，不仅影响工程采购过程，而且影响零件识别。据估计，虽然超过70%的经济以实体商品为中心，但不到1%的软件能够处理3D数据
首席执行官Paul Powers和首席技术官Glenn Warner于2015年创立了Physna，最初旨在保护产品设计免遭知识产权盗窃。但是在2016年，该公司进行了调整，旨在通过深度学习技术弥合物理世界与数字世界之间的鸿沟，深度学习技术将3D模型编码为软件可以理解的数据。
Physna分解3D模型的结构，对其进行分析，并确定不同模型之间的相互关系。客户可以通过搜索3D模型，局部模型，几何尺寸或仅查找模型数据来查找模型。Physna的AI通过预测描述，分类，成本和材料来查找模型匹配项。平台会显示所有重复和相似的零件，甚至是复杂装配体中的零部件，并显示装配体中零部件的确切位置和数量。
Physna表示，其技术可以通过元数据和由一组工程师标记的信息从现有模型中学习。除了做出生产预测，估算成本，材料和可制造性之外，该技术还可以根据历史数据表面上预测零件性能并发现潜在的设计缺陷。
除了Physna的企业产品外，该公司还提供了一个名为Thangs的搜索引擎，该引擎提供了用于物理对象搜索(包括装配体)的搜索工具，并显示了各个零件如何装配在一起。Physna声称，自2020年8月启动以来，成千上万的人使用Thangs直接使用模型进行搜索，而不是依靠文本进行搜索。
CEO Powers说，Physna在其客户中包括国防部以及航空航天，汽车，制造，医疗和机器人行业的财富100强公司的“众多主机”。“ Physna通过允许软件真正理解物理3D数据，实现了技术的飞跃。通过将物理与数字相结合，我们从几何搜索到3D机器学习和预测的所有方面都释放了巨大且不断增长的机会，”他说。“红杉和云端硬盘都认可了下一代搜索和机器学习技术，这有助于Physna为我们的客户和整个市场提供更多的技术创新。”
标签：
免责声明：本文由用户上传，如有侵权请联系删除！