設計の非構造化データをLLMで構造化し検索可能にする基盤、ギリアが開始

　ギリアの「GHELIA AutoDeck（GAD）」は、設計・開発データに含まれる非構造化データを検索に適した形へ構造化するための基盤（図1）。マルチモーダルLLM（Large Language Model：大規模言語モデル）を使った解析により、設計ノウハウをナレッジとして体系化する。製造業における流用設計や派生検討の効率化、設計資産の再利用促進につなげられるという。

図1：ギリアの「GHELIA AutoDeck（GAD）」による非構造化データの構造化から活用までの流れ

　GADは、CAE（Computer Aided Engineering：コンピューターによる開発）の解析結果や3D CAD（3次元のコンピューターによる設計）モデルなどの非構造化データを読み込み、解析内容や設計意図などを生成AI（人工知能）技術が説明文として付与する。その際にメッシュ情報や材料定義、境界条件、解析ログなどの設定情報も合わせて読み込み、検索可能なナレッジとして構造化する。

　具体的には、CAE解析のコンター図やヒートマップなどの画像から、シミュレーションの目的、観察結果、考察、結論、次のアクションといった情報を自然文で生成する（図1）。例えば「何のためのシミュレーションか」「解析結果からどのような現象が読み取れるか」「次にどのような設計変更や追加解析が必要か」といった内容を文章化する。

図2：GHELIA AutoDeckが対応する非構造化データと抽出するナレッジレコードの一覧

　生成した説明文に加え、解析画像、解析条件、補足テキスト、CADデータから抽出した形状特徴量などを関連付けて保持する。形状特徴量はSTEP／STP／STLファイルから抽出したベクトル情報で、形状の類似検索などに利用する。検索性を高めるために、解析種別、プロジェクト名、部署名などをメタタグとして付与する。

　検索機能では、RAG（Retrieval-Augmented Generation：検索拡張生成）やAIエージェント、類似検索などを組み合わせる。自然言語による検索に加え、3D形状を起点とした類似検索や、それらを組み合わせた横断検索にも対応する。

　システムは、企業固有のデータの秘匿性を重視してオンプレミス環境で稼働する。

　ギリアによると、製造業では設計ノウハウの継承や再利用が進みにくい課題がある。設計関連データの多くは非構造化データであり、担当者が個別に資料やメモを作成して補足情報などを残すケースがある。記載内容にバラツキが生じやすく、必要な情報を後から検索しにくかった。

　近年は、LLMやRAGを活用したナレッジ検索への関心が高まっている一方、非構造化データそのものを充分に扱えず、検索精度や回答品質が安定しないケースがあった。