PyCATIAはVBAの劣化版?
CATIAの自働化をAIを扱う会社に相談すると、構想にPyCATIAが出てくることがよくあります。Pythonで書けるのは魅力ですが、PyCATIAは、CATIAの窓口を包んだだけの道具です。できることはVBAと変わらず、深い所では中でVBAを呼び、外から1件ずつ呼ぶぶん遅くなります。この記事では、その理由と、自社で測った数字を、辛口に書きます。マクロとの比べ方の全体像はpyCATIAは「遅い」で終わらせていい話ではないにあります。
Photo: Unsplash「Pythonで書ける」だけが売りの道具に、現場を預けていいのか
AIを扱う会社に、CATIAの操作を自働化したいと相談すると、構想の図にPyCATIAという名前が出てくることがよくあります。なぜAIベンダーはPyCATIAに走るのか。それは簡単で、CATIAを分かっていないからです。CATIAには、最初からVBAという内蔵の手段があります。それを知らないまま、手元の言語であるPythonから入るので、PyCATIAに行き着きます。AIの周辺がPythonでできているため、その選択が自然に見えるだけです。
CATIAの自働化の手段は、VBAだけではありません。ナレッジ、ルール、ループ、リアクション、VBScript、CAA、テンプレート、ExcelのVBA、設計テーブル、C#、Python、ほかにもあります。ざっと挙げただけでも、これだけの選択肢があります。弊社は、これらすべてに対応できます。これが、PyCATIAしか見ていない提案との、いちばんの違いです。
そのなかで、Pythonは、選択肢としていちばん後ろです。理由は、この記事の続きで説明します。
入口が広いこと自体は、悪いことではありません。問題は、入口で選んだ言語が、そのまま出口の設計になることです。「Pythonで始めたから、最後までPythonで書く」という決め方をすると、CATIAの側から見て不利な道を、理由を確かめないまま選ぶことになります。
先に結論を書いておきます。PyCATIAは、VBAでできることを、遅く、遠回りに、Pythonで書き直した道具です。この記事では、PyCATIAを褒めるつもりはありません。何をしてくれる道具なのか、深い所でどうなっているのか、実際に測るとどれくらい遅いのかを、順に書きます。数字は、すべて自社の環境で測った値です。使う・使わないを決める前に、一度読んでおいてほしいと思います。
言語の選び方の全体像はpyCATIAは「遅い」で終わらせていい話ではないに書きました。こちらは、もっと辛口に、数字で書く版です。
PyCATIAは、VBAでできることしかできない。しかもVBAより遅い
PyCATIAは、CATIA V5が外部に開けている窓口(COMと呼ばれる仕組み)を、Pythonのクラスで包んだ道具です。包み紙を変えただけなので、CATIAの中身に届く範囲は、もともとの窓口より広くなりません。VBAやCATScriptで届かなかったことが、PyCATIAなら届く、ということは起きません。
一言で言うと、PyCATIAは「Pythonが使えるVBAの劣化版」で、勝っている部分が無い、という認識です。(※個人的な意見)
つまり、PyCATIAでできることは、CATIAに内蔵のVBAでもできます。反対に、VBAで届かないことは、PyCATIAでも届きません。よく「PythonならAIと組み合わせて何でもできる」と説明されますが、AIの側でできることが増えても、CATIAの側でできることは増えていません。
得をするのは、書く人の気持ちです。型の補完が効き、Pythonらしく書けます。それは確かに便利です。ただ、便利さが書き手の側にあるのと、現場の仕事が速く終わるのとは、別の話です。
PyCATIAが増やしてくれるのは、CATIAでできることではなく、Pythonを書く人の居心地です。VBAに足りない機能を、PyCATIAは一つも足していません。足したのは、Pythonで書ける、という見た目だけです。その見た目のために、実行の速さと運用のしやすさを手放していないかを、一度確かめてください。
深い所は、結局VBAに丸投げしている
では、Pythonから直接届かないところは、どうしているのでしょうか。PyCATIAのソースを読むと、その答えが出ています。CATIAの中でVBAの式を評価させる仕組み(system_service.evaluate)を使い、Pythonで書いたつもりの処理を、内側でVBAに変換して動かしているのです。
弊社で、PyCATIA 0.10.1 のソースを数えました。メソッドの定義が12,861件あり、そのうち2,302件が、このVBAを呼ぶ回避で実装されています。割合にして約18%です。ファイル単位では、1,268ファイルのうち543ファイルが、この回避を含んでいました。
たとえば、点の座標を読む処理や、計測の結果を取り出す処理が、これに当たります。VBAの中でないと届かない部分を、PyCATIAは外から1件ごとにVBAを呼んで間に合わせている、ということです。Pythonで書いたつもりの処理の約18%は、中身がVBAです。それも、VBAを外から1件ずつ呼ぶ形です。「Pythonが使えるVBAの劣化版」と呼ぶのは、このためです。
この数え方には注意があります。ここで数えたのは、実装の方法であって、動かなくなることを意味しません。回避があっても、結果は正しく返ってきます。問題は、回避のたびに外から1回ずつ呼ぶことになり、その待ちが積み上がる点です。次の節で、実際にどれだけ積み上がるかを測ります。
道具の居心地と、現場の速さは別の話。
先に測れば、迷いは減る。
500件で測ると、読み取りが最大34倍遅かった
ここからは実測の話です。同じ処理を2通りで回して、かかった時間を測りました。Aは、PyCATIAでPythonから1件ずつ呼ぶ方式。Bは、CATIAの中のマクロとして、処理一式を1回で回す方式です。処理は4種類で、点の作成、名前の読み取り、座標の取得、計測の取得です。
条件は次のとおりです。CATIA V5-6R2022、PyCATIA 0.10.1、弊社の仮想マシン1台、点は500件、3回測って中央値を取りました。結果は、点の作成が24.5秒対13.7秒(1.8倍)、名前の読み取りが3.1秒対0.57秒(5.4倍)、座標の取得が32.4秒対0.94秒(34.5倍)、計測の取得が38.6秒対1.25秒(30.7倍)です。
読み取り3種類の合計は、PyCATIAが74.0秒、CATIA内のマクロが2.8秒で、約27倍の差でした。差が大きいのは、前の節で数えた、中でVBAを1件ごとに呼ぶ処理です。座標も計測も、500件のあいだ、外から呼ぶたびに待ちが入ります。
点の作成だけは、差が1.8倍に収まりました。これは、形状を作る仕事そのものがCATIAの側で重く、外から呼ぶ待ちが目立たなくなるからです。20件の試運転では、作成はほぼ同じ時間でした。一方、座標は20.9倍、計測は33.7倍で、件数が少なくても、同じ傾向が出ました。
ひとつ、割り引いて読んでほしい点があります。この数字は、1台の環境で、500件の点を使って測った値です。モデルの大きさやPCの性能で、倍率は変わります。ただ、「読み取りを大量に繰り返すほど、外から1件ずつ呼ぶ方式は不利になる」という向きは、変わらないと考えています。

# 500件の点の座標を、外から1件ずつ読む例(PyCATIA 0.10.1)。
# 前提: CATIA V5 が起動していて、パートに点が並んでいる。
from pycatia import catia
from pycatia.mec_mod_interfaces.part_document import PartDocument
from pycatia.hybrid_shape_interfaces.point import Point
caa = catia()
part = PartDocument(caa.active_document.com_object).part
shapes = part.hybrid_bodies.item(1).hybrid_shapes
for i in range(1, shapes.count + 1):
# 1件ごとに、PyCATIAが内部でVBAを呼ぶ。外との往復がこの回数だけ起きる
xyz = Point(shapes.item(i).com_object).get_coordinates()
' 同じ座標の読み取りを、CATIAの中で回す例(CATIA V5 / パート)。
' 外との行き来が無いので、500件でも1秒前後で終わる(弊社環境の実測)。
Option Explicit
Sub ReadAllCoordinates()
Dim oPart As Part, oShapes As Object, i As Long
Dim c(2) As Variant
Set oPart = CATIA.ActiveDocument.Part
Set oShapes = oPart.HybridBodies.Item(1).HybridShapes
For i = 1 To oShapes.Count
oShapes.Item(i).GetCoordinates c ' x, y, z が c(0), c(1), c(2) に入る
Next
End Sub遅いだけでなく、時間が読めなかった
同じ測定で、もう一つ気になることがありました。3回測った計測の取得のうち、PyCATIAの3回目だけが153.9秒かかったのです。他の2回は、33.2秒と38.6秒でした。同じ処理、同じ件数で、約4倍のぶれです。
CATIAの中で回したマクロのほうは、同じ計測が1.2〜1.6秒の範囲に収まりました。外から細かく呼ぶ方式は、呼ぶたびに外との行き来が入るため、その間の状況に左右されやすい、と見ています。ぶれの原因までは、今回の測定では突き止めていません。
平均が遅いだけでも困りますが、時間が読めない道具は、業務に載せられません。1回30分で終わる処理が、ときどき2時間かかるなら、夜間に回して朝に結果を見る、という使い方ができません。平均の速さよりも、ぶれの幅のほうが運用を左右することがあります。
もう一つ、前提として覚えておくべきことがあります。PyCATIAは、CATIAがすでに起動している状態につなぐ作り方です。誰もいない時間に、CATIAを起動するところから無人で回したい場合は、別に設計が必要になります。この点は、速度とは別の理由で、運用の手間になります。
それでも使うなら、この狭い場面だけ
使ってはいけない道具だとまでは言いません。ただ、勝っている点を探しても、書き方の好みを除けば、ほとんど見つかりません。残るのは、回数が少ない処理です。数十回の読み書きで終わるなら、外から1件ずつ呼んでも、待ちは目立ちません。AIの処理と、CADを触る数回の操作を、1本のスクリプトでつなぎたい検証にも向いています。
反対に、向かないのは、読み取りや計測を何百件、何千件と繰り返す処理です。多くの人に配って長く使う道具や、時間が読めないと困る定期処理も、避けたほうが無難です。
選ぶときは、言語ではなく、処理の形で決めます。回数が少なく、AIとのつなぎが主役ならPyCATIA。読み取りを大量に繰り返すなら、CATIAの中で回す。この2つの境目を、設計の段階で決めておくのが、弊社のやり方です。
AIベンダーの提案には、先にこう聞いておく
構想にPyCATIAが書かれていたら、頭ごなしに否定する必要はありません。ただ、次の3つを、先に聞いてください。まず、1回の処理で、CATIAに何件の読み取りを送るのか。次に、その処理を毎日何回、どこで動かすのか。最後に、なぜPythonなのか、です。
件数と回数が出てくれば、この記事の数字で、おおよその待ち時間が見積もれます。「書ける人がいるから」は、道具を選ぶ理由ではなく、作る側の都合です。その答えしか返ってこないなら、一度立ち止まって、測ってもらってください。速さは、測らないと分かりません。
なお、CATIAの中で回すマクロは、点の作成のような重い処理では差がつきにくい、ということも、今回の測定で分かりました。万能ではありません。だからこそ、何件を何回、という形の話から入る価値があります。
御社で検討している自働化があれば、言語を決める前に一度お見せください。クロニクスでは、現場の作業をヒアリングし、PyCATIAで足りるのか、CATIAの中で回すべきなのかを含めて、自働化設計書として無料でご提案しています。ご相談は contact@qronix.jp までどうぞ。