Artificial intelligence mulai masuk lebih dekat ke aktivitas engineering design. Namun, nilai utamanya bukan sekadar membuat proses CAD menjadi otomatis. Dassault Systèmes memperkenalkan pendekatan Industrial AI untuk CATIA yang menggabungkan Virtual Twin, generative design, dan engineering knowledge. Kombinasi ini membantu engineer menghasilkan, mengevaluasi, serta menyempurnakan desain dengan konteks teknik yang lebih kuat.
Yang penting, pendekatan ini tidak menempatkan AI sebagai pengganti engineer. Dassault Systèmes menjelaskan bahwa virtual engineering companion memberikan rekomendasi kepada engineer untuk review dan validation. Dengan begitu, AI berperan sebagai tool yang memperluas kemampuan engineering, sementara engineer tetap memegang keputusan akhir.
Industrial AI Berangkat dari Virtual Twin
Dassault Systèmes menempatkan Virtual Twin sebagai fondasi penting dalam pendekatan ini. Virtual Twin di CATIA bukan hanya replika digital. Ia merepresentasikan produk secara scientific, multidisciplinary, dan multi-scale, sekaligus menghubungkan dunia virtual dengan kondisi nyata.
Dengan representasi tersebut, engineer dapat mengevaluasi bagaimana sebuah produk akan berperforma sebelum tim membuat produk fisik. Konteks ini penting karena AI tidak bekerja hanya dari bentuk geometry. AI bekerja di atas model engineering yang memiliki hubungan dengan behavior, constraints, dan kondisi penggunaan.
LEO sebagai Virtual Engineering Companion
Dalam halaman resminya, Dassault Systèmes memperkenalkan LEO sebagai virtual engineering companion untuk CATIA. Dassault Systèmes melatih LEO agar dapat membantu engineer memahami model kompleks atau menangani repetitive design changes.
LEO juga membawa knowledge lintas domain, termasuk systems, mechanical, electrical, structural, dan thermal engineering. Perannya bukan hanya memberi jawaban tekstual. Dassault Systèmes menggambarkan LEO sebagai companion yang dapat reason, solve, dan act di dalam konteks kerja CATIA.
Namun, ada batas yang sangat penting: LEO tetap menyerahkan setiap suggestion kepada engineer untuk review dan validation. Artinya, engineer tetap berada di dalam loop dan tetap mengendalikan keputusan.
Generative Design Tidak Hanya Berarti Membuat Bentuk
CATIA Generative Experiences memperluas konsep generative design ke beberapa jenis input engineering. Dassault Systèmes memberi contoh pembuatan structured specification model dari PDF, parametric feature dari 3D scan, parametric CATIA part dari sebuah image, assembly dari mechanical interfaces, hingga drawing dan documentation.
Contoh tersebut menunjukkan bahwa generative approach tidak hanya berfokus pada menghasilkan geometry baru. AI juga dapat membantu engineer mengubah berbagai bentuk engineering input menjadi model atau dokumentasi dengan struktur yang lebih jelas di dalam proses CATIA.
Dari Generation ke Validation dalam Satu Loop
Bagian yang paling menarik adalah hubungan antara generative capability dan engineering validation. Setelah AI menghasilkan desain, LEO dapat menggunakan engineering knowledge untuk memeriksa pertanyaan yang relevan terhadap desain tersebut.
Dassault Systèmes menyebut beberapa contoh: apakah desain memenuhi structural requirements, manufacturability, dan tolerance, serta bagaimana desain merespons trade-off seperti weight, stiffness, cost, dan material compliance.
Ini membentuk closed loop antara generation dan validation. AI tidak berhenti setelah menghasilkan model. Sistem dapat membantu melakukan reasoning, scoring, dan refinement sebelum menyerahkan hasilnya kepada engineer.
Industry World Models: AI yang Dibangun dari Engineering Knowledge
Dassault Systèmes membedakan pendekatan Industrial AI dari generic AI melalui konsep Industry World Models. CATIA telah mengakumulasi industrial knowledge selama puluhan tahun, dan knowledge tersebut menjadi dasar bagi LEO serta Generative Experiences.
Dassault Systèmes menggambarkan Industry World Models sebagai multimodal, physics-aware, knowledge-guided, dan auditable. Jadi, fokusnya bukan sekadar menghasilkan output yang terlihat masuk akal. Pendekatan ini membantu menghasilkan outcome yang tetap terhubung dengan konteks engineering dan real-world behavior.
AI Membantu, Engineer Tetap Memutuskan
Industry World Models memberi AI konteks engineering yang lebih kaya. Namun, semakin banyak reasoning dan checks yang AI bantu, semakin penting membedakan kemampuan memberi rekomendasi dari kewenangan mengambil keputusan engineering.
Engineer tetap harus menilai apakah hasil AI sesuai dengan requirement, constraint, dan konteks proyek. Engineer juga tetap melakukan review, validation, serta approval terhadap rekomendasi AI. Dassault Systèmes tetap menempatkan engineer di dalam loop ini.
Dengan posisi tersebut, AI dapat membantu mengurangi pekerjaan berulang, memperluas eksplorasi desain, dan mempercepat sebagian proses evaluasi. Namun, engineer tetap menentukan trade-off, feasibility, dan kelayakan desain untuk tahap berikutnya.
Terkait topik ini: Nata Solusi Pratama juga mengadakan Lunch & Learn with 3DEXPERIENCE AI untuk melihat lebih dekat capability AI yang Dassault Systèmes mulai perkenalkan di 3DEXPERIENCE. Acara ini juga membuka ruang diskusi tentang proses engineering yang saat ini masih membutuhkan banyak effort atau koordinasi.
Lihat detail Lunch & Learn with 3DEXPERIENCE AI →
Bagi engineering team, arah ini bukan tentang menyerahkan keputusan kepada AI. Value utamanya ada pada kombinasi Virtual Twin, generative capability, engineering knowledge, dan human validation. Kombinasi tersebut memberi engineer lebih banyak ruang untuk fokus pada keputusan yang benar-benar membutuhkan judgment.
Sumber Resmi
Dassault Systèmes — The Future of Engineering with Industrial AI / CAD AI for Engineering Design
