નફો:
- ડિઝાઇન આઇડિયા જનરેશન, પેરામેટ્રિક થિંકિંગ અને CAD ઓટોમેશનમાં AIને યોગ્ય રીતે સ્થાન આપવાની ક્ષમતા
- સંરચિત પ્રોમ્પ્ટ સાથે મફત ટેક્સ્ટ જરૂરિયાતોને માપી શકાય તેવા અવરોધો અને માપદંડોમાં રૂપાંતરિત કરવાની ક્ષમતા
- એન્જિનિયરિંગ અવરોધો સાથે AI દ્વારા ઉત્પાદિત ડિઝાઇન અને સ્ક્રિપ્ટ્સને માન્ય કરવાની શિસ્ત લાગુ કરવાની ક્ષમતા
મિકેનિકલ એન્જિનિયરિંગ એ એક વિચારને ભૌતિક વાસ્તવિકતામાં અનુવાદિત કરવાની કળા છે: સલામત, ઉત્પાદન કરી શકાય તેવી ડિઝાઇન સાથે આવવું જે કામ કરે છે, જરૂરિયાત, અવરોધોનો સમૂહ અને પ્રકૃતિના નિયમો. આર્ટિફિશિયલ ઇન્ટેલિજન્સ (ટૂંકમાં AI: સૉફ્ટવેર જે આપેલ ટેક્સ્ટમાંથી શીખીને માણસની જેમ ટેક્સ્ટ, કોડ અને સૂચનો બનાવે છે) આ પ્રક્રિયામાં "ડિઝાઇન પાર્ટનર" તરીકે પ્રવેશ કરે છે. વૈકલ્પિક વિચારો જનરેટ કરે છે, પેરામેટ્રિક વિચારસરણીને વેગ આપે છે (નિશ્ચિત પરિમાણોને બદલે પરિવર્તનશીલ ચલ સાથે ડિઝાઇન બનાવવાનો અભિગમ), CAD મેક્રો અને ડ્રાફ્ટ દસ્તાવેજો લખે છે. પરંતુ AI તાકાતની ગણતરીની પુષ્ટિ કરતું નથી, એસેમ્બલીમાં સહિષ્ણુતા જળવાઈ રહેશે કે કેમ તેની બાંહેધરી આપતું નથી અને ઉત્પાદન માટે કોઈ ડિઝાઇનને "મોકલી" શકતું નથી. આ તમામ નિર્ણયો એન્જિનિયરની વિવેકબુદ્ધિ અને કાનૂની જવાબદારી પર છે. આ એકમમાં, તમે એઆઈને ડિઝાઇન અને CAD (કમ્પ્યુટર સહાયિત ડિઝાઇન) વર્કફ્લોમાં ક્યાં મૂકવું અને તેના આઉટપુટને કેવી રીતે માન્ય કરવું તે શીખી શકશો.
ડિઝાઇન પ્રક્રિયામાં AI ક્યાં ઊભું છે?
ચાલો એક ડિઝાઇન પ્રક્રિયાને આશરે ચાર તબક્કામાં વિભાજીત કરીએ અને એઆઈ અને એન્જિનિયરની ભૂમિકાઓને સ્પષ્ટ રીતે સ્થાન આપીએ. આ ભેદ એ પ્રશ્નનો આધાર બનાવે છે, "હું AI ને શું કરીશ અને હું ક્યારેય શું નહીં કરું?"
સ્ટેજ
AI (પ્રવેગક) ની ભૂમિકા
એન્જિનિયરની ભૂમિકા (નિર્ણય)
જરૂરિયાત/વિભાવના
વૈકલ્પિક ખ્યાલ, સમાન ઉકેલના ઉદાહરણો, પ્રશ્નોની સૂચિ
અવરોધો, અગ્રતા અને સ્વીકૃતિ માપદંડો નક્કી કરો
પ્રારંભિક ડિઝાઇન
પેરામેટ્રિક સંબંધ, રફ ડાયમેન્શનિંગ સ્કેચ
ગણતરી, ધારણા અને લોડ પાથને માન્ય કરો
વિગતવાર ડિઝાઇન
CAD મેક્રો/સ્ક્રીપ્ટ, પ્રમાણભૂત ભાગ ભલામણ
ભૂમિતિ, સહનશીલતા, ભૌતિક નિર્ણય
ચકાસણી/મંજૂરી
રિપોર્ટ ડ્રાફ્ટ, ચેકલિસ્ટ, સારાંશ
વિશ્લેષણ, પરીક્ષણ, સહી અને જવાબદારી
નિર્ણાયક સિદ્ધાંત: AI વિવિધ વિચારસરણીમાં મજબૂત છે (મોટી સંખ્યામાં વિચારો પેદા કરે છે) પરંતુ સંકલિત નિર્ણય લેવામાં નબળા છે (આમાંથી કયું સાચું, સલામત, ઉત્પાદક છે તે પ્રશ્ન). કન્વર્જન્સ; તેને ભૌતિકશાસ્ત્ર, એન્જિનિયરિંગ અંતઃપ્રેરણા અને જવાબદારીનું જ્ઞાન જરૂરી છે. આ કોર એન્જિનિયરિંગ કાર્ય છે જે સ્વચાલિત થઈ શકતું નથી.
ટીપ: AI નો ઉપયોગ "વિચાર ગુણક" તરીકે કરો, "જવાબ મશીન" તરીકે નહીં. "આ લિંક માટે 5 વિવિધ ડિઝાઇન અભિગમો સૂચવો, દરેકના ગુણદોષ અને નબળા મુદ્દાઓ લખો" એમ કહેવું "શ્રેષ્ઠ ડિઝાઇન આપો" કહેવા કરતાં વધુ મૂલ્યવાન છે; કારણ કે તે નિર્ણય અને વાજબીપણું તમારા પર છોડી દે છે.
સ્ટેપ બાય સ્ટેપ: ફ્રી ટેક્સ્ટની જરૂરિયાતથી લઈને માન્ય ડિઝાઇન સુધી
- જરૂરિયાતને માપી શકાય તેવી બનાવો. "હળવા અને મજબૂત બનો" એ આવશ્યકતા નથી; "માસ < 2 કિગ્રા, 500 N વર્ટિકલ લોડ પર સલામતીનું પરિબળ ≥ 2, આઉટડોર કાટ" એ આવશ્યકતા છે.
- અસ્પષ્ટતાને ચિહ્નિત કરો. AI ને એવા મૂલ્યો બનાવવા દો નહીં જે આપવામાં આવ્યા નથી; તેને "સ્પષ્ટતાની જરૂર છે" તરીકે સૂચિબદ્ધ કરો.
- ઘણા બધા ખ્યાલો બનાવો. ઓછામાં ઓછા 3 વિકલ્પો અને તેમાંના દરેક પાસે તેના લોડ પાથ તર્ક સાથે નબળા બિંદુ છે.
- ચકાસણી યોજના બનાવો. દરેક ખ્યાલ માટે "મારે કઈ ગણતરી કરવી જોઈએ" સૂચિ.
- CAD ઓટોમેશન ઉમેરો. પુનરાવર્તિત મોડેલિંગ માટે મેક્રો/સ્ક્રીપ્ટ જનરેટ કરો.
- ચકાસો અને પુષ્ટિ કરો. સ્વતંત્ર રીતે માપન, એકમ, સમૂહ અને જટિલ ગણતરીઓ તપાસો; પછી સહી કરો.
પ્રોમ્પ્ટ કે જે જરૂરિયાતને અવરોધો અને માપદંડોમાં રૂપાંતરિત કરે છે
ભૂમિકા: તમે અનુભવી મિકેનિકલ ડિઝાઇન એન્જિનિયર છો. કાર્ય: નીચેની ફ્રી-ટેક્સ્ટ જરૂરિયાતને માપી શકાય તેવી ડિઝાઇન આવશ્યકતાઓમાં અનુવાદ કરો (અવરોધ + માપદંડ). આવશ્યકતા: "એક કન્વેયર માટે સરળ-થી-એસેમ્બલ વાહક કૌંસ કે જે 30 કિલો લોડ સાથે બહાર કામ કરશે." આઉટપુટ ફોર્મેટ: - કાર્યાત્મક આવશ્યકતાઓ (શું કરવું) - લોડ/પર્યાવરણીય અવરોધો (બળ, તાપમાન, કાટ, કંપન) - માપી શકાય તેવા માપદંડ (દળ, સલામતી ગુણાંક, ખર્ચ લક્ષ્ય) - બિંદુઓ જે અસ્પષ્ટ રહે છે અને સ્પષ્ટ કરવાની જરૂર છે નિયમ: સંખ્યાત્મક મૂલ્ય ફિટ નથી; અવગણવામાં આવેલ મૂલ્યોને "સ્પષ્ટ કરવા આવશ્યક છે" તરીકે ચિહ્નિત કરો.
છેલ્લો નિયમ મહત્વપૂર્ણ છે: જો AI સ્વયંભૂ "ધારી લે છે" લોડ મૂલ્ય જે આપવામાં આવ્યું નથી, તો તમારી ડિઝાઇન ખોટા પગલા પર છે. અનિશ્ચિતતાઓને ચિહ્નિત કરવાથી શિસ્ત એકત્ર કરવાની જરૂરિયાતોને મજબૂત બનાવે છે.
પ્રોમ્પ્ટ જે ઘણા ખ્યાલો ઉત્પન્ન કરે છે
નીચેના તત્વ માટે 3 અલગ અલગ વિભાવનાઓ સૂચવો: 30 કિગ્રાનો વર્ટિકલ સ્ટેટિક લોડ, બે M8 બોલ્ટ્સ સાથે દિવાલ માઉન્ટિંગ, આઉટડોર એન્વાયર્નમેન્ટ (કાટ), લક્ષ્ય સમૂહ < 1 કિગ્રા. દરેક ખ્યાલ માટે:- લોડ પાથ (બોલ્ટ્સમાં કેવી રીતે સ્થાનાંતરિત થાય છે) - સંભવિત સામગ્રી કુટુંબ- અંદાજિત નબળા બિંદુ- N ગણતરીઓ કરવાની જરૂર છે. હું હિસાબોની ચકાસણી કરીશ.
પેરામેટ્રિક વિચારસરણી અને CAD ઓટોમેશન
આધુનિક CAD ટૂલ્સ (SolidWorks, Fusion 360, CATIA, FreeCAD) પેરામેટ્રિકલી અને સ્ક્રિપ્ટ આધારિત કામ કરે છે. પુનરાવર્તિત મોડેલિંગ કાર્યો માટે મેક્રો/સ્ક્રીપ્ટ જનરેશનમાં AI ખૂબ જ શક્તિશાળી છે: બોલ્ટ પેટર્ન જનરેટ કરવી, ટેબલ સાથે પાર્ટ ફેમિલી મેળવવી, બલ્ક એક્સટ્રેક્ટીંગ માસ પ્રોપર્ટીઝ. આમ, પુનરાવર્તન કામના કલાકો ઘટીને મિનિટ થઈ જાય છે.
CAD સ્ક્રિપ્ટ જનરેટીંગ પ્રોમ્પ્ટ
ફ્રીસીએડી પાયથોન કન્સોલ માટે સ્ક્રિપ્ટ લખો: લંબાઈ, પહોળાઈ, ઊંચાઈ અને ખૂણાના ત્રિજ્યા પરિમાણો સાથે બોક્સ પ્રોફાઇલ બનાવો અને તેના સમૂહ ગુણધર્મો (વોલ્યુમ, ગુરુત્વાકર્ષણ કેન્દ્ર) છાપો. સામગ્રીની ઘનતાને પરિમાણ (kg/m^3) રહેવા દો. કોડને ટિપ્પણીઓ સાથે સમજાવો. નિયમ: શરૂઆતમાં માપન (mm) નું એકમ સ્પષ્ટ કરો; એકમ સુસંગતતા જાળવી રાખો. નિયમ: વિશ્લેષણાત્મક સૂત્ર સાથે વોલ્યુમની ગણતરી કરો અને તેને સ્ક્રીન પર છાપો જેથી હું ચકાસી શકું.
સાવધાન: જો AI ની CAD સ્ક્રિપ્ટ ભૌમિતિક રીતે "કાર્ય કરે છે" તો પણ, તે એન્જિનિયરિંગના પરિપ્રેક્ષ્યમાં ખોટું હોઈ શકે છે: ખોટું એકમ (mm/m મૂંઝવણ), ખોટી અક્ષ, એક આંતરછેદ જે થતું નથી. સ્ક્રિપ્ટ ચલાવ્યા પછી, જાણીતા સંદર્ભ સાથે ઉત્પાદિત મોડેલના પરિમાણો અને સમૂહની તુલના કરો.
ડિઝાઇન સમીક્ષા પ્રોમ્પ્ટ
ડિઝાઇન સમીક્ષાના લેન્સ દ્વારા નીચેના ડિઝાઇન નિર્ણયોની ટીકા કરો. મારી સાથે અસંમત ન થાઓ; નબળાઈઓ, જોખમી ધારણાઓ અને ગુમ થયેલ ગણતરીઓની યાદી બનાવો. દરેક આઇટમ માટે "શા માટે જોખમ" અને "હું કેવી રીતે ચકાસી શકું" લખો. ડિઝાઇન: [કૌંસની સામગ્રી, જાડાઈ, બોલ્ટ, લોડ માહિતી]
નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ
નબળા પ્રોમ્પ્ટ:
મને એક કૌંસ ડિઝાઇન કરો.
કોઈ લોડ, સામગ્રી, માઉન્ટિંગ ઇન્ટરફેસ અને અવરોધો નથી; AI એક સામાન્ય, પરિમાણહીન અને અચકાસણીય સમજૂતી ઉત્પન્ન કરે છે. આઉટપુટ દેખીતી રીતે ભરેલું છે પરંતુ એન્જિનિયરિંગ મૂલ્ય ઓછું છે.
શક્તિશાળી પ્રોમ્પ્ટ:
નીચેના કૌંસ માટે 3 અલગ અલગ ખ્યાલો સૂચવો: 30 કિગ્રા વર્ટિકલ લોડ, બે M8 બોલ્ટ સાથે દિવાલ માઉન્ટિંગ, આઉટડોર વાતાવરણ (કાટ), લક્ષ્ય સમૂહ < 1 કિગ્રા. દરેક ખ્યાલ માટે: લોડ પાથ લોજિક, સંભવિત સામગ્રી, અંદાજિત નબળા બિંદુ અને મારે કઈ ગણતરી કરવી જોઈએ. સંખ્યાઓ બનાવશો નહીં; હું એકાઉન્ટની ચકાસણી કરીશ.
બીજો પ્રોમ્પ્ટ અવરોધો આપે છે, બહુવિધ વિભાવનાઓ માટે પૂછે છે, અને "મારે કઈ ગણતરી કરવી જોઈએ?" પ્રશ્ન સાથે ચકાસણી એન્જિનિયરને છોડી દે છે. આ એઆઈને એક સાધન તરીકે સ્થાન આપે છે જે વેગ આપે છે, જવાબદારી લેતી નથી.
ત્રણ મિની કેસ (નંબર દ્વારા)
કેસ 1 - પંપ લેગ, રેઝોનન્સ ટ્રેપ. એન્જીનીયર આયસે 1450 rpm (એટલે કે 24.2 Hz) પર ફરતા પંપ માટે વાઇબ્રેશન-ડેમ્પિંગ સ્ટેન્ડ ડિઝાઇન કરી રહ્યા છે. AI ઇલાસ્ટોમર વેજની ભલામણ કરે છે અને k = 200 N/mm ની કઠિનતા આપે છે. Ayşe 40 kg માસ માટે કુદરતી આવર્તનની ગણતરી કરે છે: f = (1/2π)·√(k/m) = (1/2π)·√(200000/40) ≈ 11.3 Hz. આઇસોલેશન કાર્ય કરે છે કારણ કે ઉત્તેજક આવર્તન (24.2 Hz) કુદરતી આવર્તન કરતાં લગભગ બમણી છે, પરંતુ Ayşe નરમ ફાચર (k = 90 N/mm) સાથે f ≈ 7.5 Hz સુધી નીચે જઈને અલગતામાં સુધારો કરે છે. AI નું પ્રારંભિક મૂલ્ય "કામ કર્યું" પરંતુ તે શ્રેષ્ઠ ન હતું; નિર્ણય માટે જવાબદાર.
કેસ 2 - CAD મેક્રો સાથેનો ભાગ પરિવાર. એક કંપની 12 વિવિધ કદના ફ્લેંજ્સનું ઉત્પાદન કરે છે. એન્જિનિયર એઆઈ પર ફ્યુઝન 360 સ્ક્રિપ્ટ લખે છે અને આપમેળે ટેબલ અને 12 પ્રકારો મેળવે છે; જે કામ મેન્યુઅલી 3 દિવસ લે છે તે ઘટાડીને 2 કલાક કરવામાં આવે છે. પરંતુ સ્ક્રિપ્ટ દ્વારા ઉત્પાદિત DN80 ફ્લેંજમાં, બોલ્ટ હોલનો વ્યાસ 18 મીમી છે; જ્યારે કેટલોગ M16 માટે 18 mm છિદ્ર સાચો છે. ઇજનેર પ્રમાણભૂત વિરુદ્ધ રેન્ડમ વેરિઅન્ટના માપને ચકાસે છે, પછી બધાને સ્વીકારે છે.
કેસ 3 - યુનિટ ટ્રેપ. એક ઇન્ટર્નએ ભૂલથી ઘનતા 7850 kg/m³ ને બદલે 7.85 g/cm³ તરીકે છોડી દીધી પરંતુ AI દ્વારા આપવામાં આવેલી સ્ક્રિપ્ટમાં mm³ માં વોલ્યુમ. પરિણામી સમૂહ 3.2 કિગ્રાને બદલે 1000: 3200 કિગ્રાના પરિબળથી વિચલિત થાય છે. મેગ્નિટ્યુડ ચેકનો ક્રમ ("આ કૌંસ 3 ટન ન હોઈ શકે") તરત જ ભૂલને પકડી લે છે. પાઠ: એકમ સુસંગતતા એ AI આઉટપુટમાં ભૂલનો સૌથી વારંવાર અને જોખમી સ્ત્રોત છે.
સામાન્ય ભૂલો
- AI ને કન્વર્જન્સ છોડવું: "મને શ્રેષ્ઠ ડિઝાઇન આપો" એમ કહેવું અને ભૌતિકશાસ્ત્ર અને જવાબદારી સોંપવી.
- અનિશ્ચિતતાને માની લેવા માટે છોડી દેવી: AI ને લોડ/તાપમાન ન આપવા દેવું.
- CAD સ્ક્રિપ્ટની ચકાસણી ન કરવી: સંદર્ભ સાથે ઉત્પાદિત મોડેલના કદ અને સમૂહની તુલના ન કરવી.
- એકમ મૂંઝવણ: mm/m, kg/N અથવા g/kg હસ્તક્ષેપને ધ્યાનમાં લીધા વિના મોડેલ/ગણતરી સેટ કરવી.
- એક જ ખ્યાલમાં તાળું મારવું: વિચારવું કે AI નો પ્રથમ વિચાર એકમાત્ર વિકલ્પ છે; વૈકલ્પિક ઉત્પાદન કરતા નથી.
- "તે કામ કર્યું = યોગ્ય" ભ્રામકતા: પરિણામ સાચા હોવા સાથે સ્ક્રિપ્ટની ભૂલ-મુક્ત કામગીરીને મૂંઝવણમાં મૂકે છે.
સારાંશમાં
- ડિઝાઇનમાં, AI વિવિધ વિચારસરણીમાં મજબૂત છે (વિચાર જનરેશન) અને કન્વર્જન્ટ નિર્ણય (ભૌતિક, સુરક્ષા)માં નબળું છે; નિર્ણય એન્જિનિયર પર છે.
- સારી ડિઝાઇનની શરૂઆત અસ્પષ્ટ ઇચ્છાને માપી શકાય તેવા અવરોધો અને માપદંડોમાં અનુવાદ કરવાથી થાય છે; AI આ અનુવાદમાં મદદ કરે છે.
- CAD ઓટોમેશનમાં AI શક્તિશાળી સ્ક્રિપ્ટ/મેક્રો જનરેટ કરે છે; પરંતુ મોડેલના એકમો અને પરિમાણોને ચકાસવાની ખાતરી કરો.
- શું AI બહુવિધ ખ્યાલો જનરેટ કરે છે અને પૂછે છે કે "મારે કઈ ગણતરી કરવી જોઈએ?"; ચકાસણી હાથ ધરવી.
- AI ડિઝાઇનને મંજૂર કરતું નથી અથવા તેને ઉત્પાદનમાં મોકલતું નથી; આ જવાબદારી એન્જિનિયરની રહે છે.
એપ્લિકેશન કાર્ય
સરળ મશીન તત્વ (કૌંસ, હેડસ્ટોક, કવર, વગેરે) માટે મફત ટેક્સ્ટની આવશ્યકતા લખો. AI ને આને માપી શકાય તેવી આવશ્યકતાઓ (અવરોધ + માપદંડ) માં ભાષાંતરિત કરવા દો અને કોઈપણ મૂલ્યોને "સ્પષ્ટ કરવું આવશ્યક છે" તરીકે ચિહ્નિત કરો. પછી AI ને ઓછામાં ઓછા ત્રણ ખ્યાલો અને દરેક માટે "મારે કરવાની જરૂર છે" ની સૂચિ માટે પૂછો. જટિલ ચકાસણી: AI દ્વારા સૂચવવામાં આવેલ સંખ્યાત્મક મૂલ્ય (કદ, કઠિનતા, સામગ્રીની મિલકત) પસંદ કરો અને તેને હાથની ગણતરી અથવા કેટલોગ/ડેટાશીટ વડે ચકાસો; જો તે મેળ ખાતું નથી, તો શા માટે લખો. છેલ્લે, એક વાક્યમાં સૂચિબદ્ધ કરો કે આ ડિઝાઇનને ઉત્પાદનમાં મૂકતા પહેલા કઈ ઇજનેરી મંજૂરીઓ જરૂરી છે.
ચેકલિસ્ટ
- [ ] મફત ટેક્સ્ટની જરૂરિયાતને માપી શકાય તેવા અવરોધો અને માપદંડોમાં અનુવાદિત કરવામાં આવી છે.
- [ ] આપેલ ન હોય તેવા મૂલ્યો "સ્પષ્ટ કરવા જોઈએ" તરીકે ચિહ્નિત થયેલ છે; AI એ બનાવ્યું ન હતું.
- દરેક માટે ઓછામાં ઓછા ત્રણ વિભાવનાઓ અને ચકાસણી (ગણતરી) યાદીઓ બનાવવામાં આવી હતી.
- CAD સ્ક્રિપ્ટ/મેક્રો આઉટપુટના એકમો અને પરિમાણોની સંદર્ભ સાથે સરખામણી કરવામાં આવી હતી.
- સેનિટી તપાસ કરવામાં આવી છે.
- [ ] અંતિમ નિર્ણય અને મંજૂરી એન્જિનિયર પર છોડી દેવામાં આવી હતી; તે AI ને સોંપવામાં આવ્યું નથી.