The level of detail (LOD) of three-dimensional computer-aided design (3D CAD) models changes depending on the use cases. The simplification technique of 3D CAD models is to adjust the LOD according to the purpose of use of the model. Various simplification technique have been introduced in various field. In the plant industry, 3D CAD models which are generated by equipment suppliers are very detailed, while CAD models used by EPC (engineering, procurement, and construction) companies are of low detail. Because of this inconsistency, EPC companies remodel the equipment models, which requires human resources and costs. It is necessary to introduce a method to automatically simplify the detailed CAD models received from the equipment suppliers. This study presents an integrated approach for controlling LOD of large-scale B-rep (boundary representation) models of plant equipment. A simplification framework that reflects user requirements of the plant industry has been established, which consists of preprocessing, filtering, progressive LOD control, and post processing. Also several methods for improving progressive LOD control stage have been proposed. A prototype system has been implemented to verify the effectiveness of the proposed methods with 7 test models. The experimental results showed that the simplified models well preserve the key characteristics of the original shapes, and the data size of the test models is significantly reduced.
3D CAD 모델의 상세도는 사용 사례에 따라서 달라진다. 3D CAD 모델 단순화는 모델의 사용 목적에 따라서 LOD를 조절하는 기술이다. 지금껏 다양한 분야에서 다양한 종류의 단순화 기술이 소개되었다. 플랜트 산업에서 기자재 제작사로부터 생성되는 3D CAD 모델은 매우 상세한 반면 EPC 사가 사용하는 CAD 모델은 상세도가 낮다. 이러한 차이 때문에 EPC 사는 설비 모델을 재 모델링 하게 되며 이는 인력과 비용을 필요로 하게 된다. 따라서 기자재 제작사로부터 전달받은 상세한 CAD 모델을 자동으로 단순화 할 수 있는 기술을 도입할 필요가 있다. 이 논문은 대용량 플랜트 설비 B-rep 모델의 상세도 조절을 위한 통합적 방법을 제안한다. 먼저 플랜트 산업의 사용자 요구사항을 반영한 단순화 프레임워크를 정립하며 이는 전처리, 필터링, 순차적 LOD 조절, 후처리로 구성된다. 또한 효율적인 순차적 LOD 조절을 위한 다양한 요소 기술을 제안한다. 마지막으로 제안하는 방법의 효율성을 검증하기 위해 프로토타입 시스템을 구현하고 7개의 테스트 모델을 통해 실험을 수행한다. 실험 결과 단순화 된 모델은 원본 모델의 주요 특징을 잘 보존하며 테스트 모델의 데이터 크기도 크게 감소함을 알 수 있었다.
