利益:
- 設計アイデアの生成、パラメトリック思考、CAD 自動化において AI を正しく位置付ける能力
- 構造化されたプロンプトを使用して、フリーテキストのニーズを測定可能な制約と基準に変換する機能
- AI によって生成された設計とスクリプトをエンジニアリング上の制約の下で検証するという規律を適用する能力
機械工学は、アイデアを物理的な現実に変換する技術です。つまり、必要性、一連の制約、自然法則が与えられた場合に機能する安全で製造可能な設計を考え出します。人工知能 (略称 AI: 与えられたテキストから学習することで、人間のようにテキスト、コード、提案を生成するソフトウェア) が、「デザイン パートナー」としてこのプロセスに参入します。代替アイデアを生成し、パラメトリック思考 (固定寸法ではなく変更可能な変数を使用して設計を構築するアプローチ) を加速し、CAD マクロを作成し、ドキュメントの草案を作成します。しかし、AI は強度計算を確認せず、公差が組み立て時に維持されるかどうかを保証せず、設計を製造に「送信」することもできません。これらの決定はすべてエンジニアの裁量と法的責任に基づいて行われます。この単元では、設計および CAD (コンピューター支援設計) ワークフローのどこに AI を導入するか、およびその出力を検証する方法を学習します。
設計プロセスにおいて AI はどのような位置にあるのでしょうか?
設計プロセスを大きく4つのフェーズに分けて、AIとエンジニアの役割を明確に位置づけてみましょう。この区別は、「AI に何をさせるか、そして絶対に何をさせないか?」という質問の基礎となります。
ステージ
AI（アクセラレーター）の役割
エンジニアの役割（決定）
要件/コンセプト
代替コンセプト、類似ソリューション例、質問リスト
制約、優先順位、および許容基準を決定する
予備設計
パラメトリック関係、大まかな寸法スケッチ
計算、仮定、および負荷パスを検証する
詳細設計
CADマクロ/スクリプト、標準部品推奨
形状、公差、材質の決定
検証・承認
レポート草案、チェックリスト、概要
分析、テスト、署名および責任
重要な原則: AI は発散的思考 (多数のアイデアを生成する) には強いですが、収束的意思決定 (どれが正しく、安全で、生産可能であるかを問う) には弱いです。収束;物理学の知識、工学的な直観力、そして責任感が必要です。これは自動化できない中核となるエンジニアリング作業です。
ヒント: AI を「応答機」としてではなく、「アイデアを増やすもの」として使用します。 「このリンクに対して 5 つの異なるデザイン アプローチを提案し、それぞれの長所/短所と弱点を書き留めてください」と言うのは、「最高のデザインを提案してください」と言うよりもはるかに価値があります。なぜなら、決定と正当化はあなたに委ねられるからです。
ステップバイステップ: フリーテキストの必要性から検証済みのデザインまで
- 要件を測定可能にします。 「軽くて強い」ことは必須ではありません。 「質量 < 2 kg、垂直荷重 500 N での安全率 ≥ 2、屋外腐食」が要件です。
- あいまいな点にマークを付けます。与えられていない価値を AI に作り上げさせないでください。 「説明が必要」としてリストに記載してください。
- たくさんのコンセプトを生み出します。少なくとも 3 つの代替案があり、それぞれに負荷パス ロジックに弱点があります。
- 検証計画を作成します。概念ごとに「どの計算を行うべきか」のリスト。
- CAD 自動化を追加します。反復的なモデリング用にマクロ/スクリプトを生成します。
- 検証して確認してください。測定値、単位、質量、重要な計算を独立してチェックします。それから署名します。
要件を制約と基準に変換するプロンプト
役割: あなたは経験豊富な機械設計エンジニアです。タスク: 次の自由記述要件を測定可能な設計要件 (制約 + 基準) に変換します。要件: 「30 kg の荷重で屋外で動作するコンベア用の組み立てが簡単なキャリア ブラケット」出力形式: - 機能要件 (何をすべきか) - 負荷/環境制約 (力、温度、腐食、振動) - 測定可能な基準 (質量、安全係数、コスト目標) - 不明瞭で明確化が必要な点 ルール: 数値は適合しません。省略された値には「明確化が必要」としてマークを付けます。
最後のルールは重要です。AI が与えられていない負荷値を自発的に「想定」する場合、設計は間違った足場にあります。不確実性をマークすると、要件収集の規律が強化されます。
多くの概念を生み出すプロンプト
次の要素について 3 つの異なるコンセプトを提案します: 垂直静荷重 30 kg、2 本の M8 ボルトによる壁取り付け、屋外環境 (腐食)、ターゲット質量 < 1 kg。各コンセプトについて: - 荷重経路 (力がボルトにどのように伝達されるか) - 考えられる材料ファミリー - 推定される最も弱い点 - 実行する必要がある計算のリスト ルール: 数値フィッティング。アカウントを確認させていただきます。
パラメトリック思考と CAD 自動化
最新の CAD ツール (SolidWorks、Fusion 360、CATIA、FreeCAD) は、パラメトリックかつスクリプト ベースで動作します。 AI は、ボルト パターンの生成、テーブルを使用した部品ファミリーの導出、質量特性の一括抽出など、反復的なモデリング タスクのマクロ/スクリプト生成において非常に強力です。したがって、繰り返し作業にかかる時間が数分に短縮されます。
CAD スクリプト生成プロンプト
FreeCAD Python コンソール用のスクリプトを作成します。パラメータの長さ、幅、高さ、コーナー半径を使用してボックス プロファイルを作成し、その質量プロパティ (体積、重心) を出力します。材料の密度をパラメータ(kg/m^3)とします。コードをコメントで説明します。ルール：先頭に測定単位（mm）を指定します。単位の一貫性を維持します。ルール: 分析式で体積を計算し、確認できるように画面に出力します。
注意: AI の CAD スクリプトが幾何学的に「機能」したとしても、単位が間違っている (mm/m の混乱)、軸が間違っている、交差が発生しないなど、エンジニアリングの観点からは間違っている可能性があります。スクリプトを実行した後、生成されたモデルの寸法と質量を既知の基準と比較します。
設計レビューのプロンプト
設計レビューのレンズを通して、次の設計上の決定を批判します。私の意見に反対しないでください。弱点、危険な仮定、計算漏れをリストアップします。項目ごとに「なぜリスクがあるのか」「どうやって検証するのか」を書きます。設計：[ブラケットの材質、厚み、ボルト、荷重情報]
弱いプロンプト / 強いプロンプト
弱いプロンプト:
ブラケットをデザインしてください。
荷重、材料、取り付けインターフェース、制約はありません。 AI は、一般的で無次元かつ検証不可能な説明を生成します。出力は一見フルですが、工学的価値は低いです。
強力なプロンプト:
次のブラケットについて 3 つの異なるコンセプトを提案します: 30 kg の垂直荷重、2 本の M8 ボルトによる壁取り付け、屋外環境 (腐食)、ターゲット質量 < 1 kg。各コンセプトについて: 負荷パスのロジック、考えられる材料、推定される弱点、およびどのような計算を行う必要があるか。数字をでっち上げないでください。アカウントを確認させていただきます。
2 番目のプロンプトでは制約が与えられ、複数の概念が求められ、「どの計算を行うべきか?」という質問とともに検証がエンジニアに委ねられます。これにより、AI は責任を引き継ぐのではなく、加速するツールとして位置づけられます。
ミニケース 3 個（番号別）
ケース 1 - ポンプ脚、共鳴トラップ。エンジニアのアイシェは、1450 rpm (つまり 24.2 Hz) で回転するポンプ用の振動減衰スタンドを設計しています。 AI はエラストマー ウェッジを推奨しており、硬度は k = 200 N/mm です。 Ayşe は、40 kg の質量の固有振動数を自分で計算しました: f = (1/2π)・√(k/m) = (1/2π)・√(200000/40) ≈ 11.3 Hz。興奮周波数 (24.2 Hz) は固有振動数の約 2 倍であるため、分離は機能しますが、Ayşe は、より柔らかいウェッジ (k = 90 N/mm) を使用して f ≈ 7.5 Hz まで下げることで分離を改善します。 AI の初期値は「機能」しましたが、最適ではありませんでした。決定の責任を負った。
ケース 2 - CAD マクロを使用したパーツ ファミリ。ある会社は 12 種類のサイズのフランジを製造しています。エンジニアは AI に Fusion 360 スクリプトを書き込み、テーブルと 12 のバリアントを自動的に導き出します。手作業で3日かかる作業が2時間に短縮されます。ただし、スクリプトで作成した DN80 フランジでは、ボルト穴の直径は 18 mm です。一方、カタログ M16 の場合は 18 mm の穴が正しいです。エンジニアは、ランダムなバリアントの測定値を標準と比較して検証し、すべてを受け入れます。
ケース 3 - ユニットのトラップ。インターンは、AI によって与えられたスクリプトの密度を 7850 kg/m3 ではなく、体積を mm3 単位で誤って 7.85 g/cm3 のままにしてしまいました。結果の質量は 1000 倍異なり、3.2 kg ではなく 3200 kg になります。大きさのチェック (「このブラケットは 3 トンであることはできません」) により、エラーが即座に検出されます。教訓: 単位の一貫性は、AI 出力における最も頻繁かつ危険なエラーの原因です。
よくある間違い
- AI にコンバージェンスを任せる: 「最高の設計をください」と言って、物理学と責任を引き渡します。
- 不確実性を仮定したままにする: 与えられていない負荷/温度を AI に補わせます。
- CAD スクリプトを検証しない: 作成したモデルのサイズと質量をリファレンスと比較しません。
- 単位の混乱: mm/m、kg/N、または g/kg 干渉に関係なくモデルを設定/計算します。
- 単一のコンセプトに固定する: AI の最初のアイデアが唯一の選択肢であると考える。代替品を生み出さない。
- 「うまくいった = 正しい」という誤った考え: スクリプトのエラーのない操作と結果が正しいことを混同すること。
要約すれば
- 設計において、AI は発散的思考 (アイデア生成) に強く、収束的決定 (物理学、セキュリティ) には弱いです。決定はエンジニア次第です。
- 優れたデザインは、漠然とした願望を測定可能な制約と基準に変換することから始まります。この翻訳には AI が役立ちます。
- CAD 自動化における AI は強力なスクリプト/マクロを生成します。ただし、モデルの単位と寸法を必ず確認してください。
- AIに複数の概念を生成させ、「どの計算を行うべきか?」と尋ねます。検証に着手します。
- AI はデザインを承認したり、本番環境に送信したりしません。この責任はエンジニアにあります。
アプリケーションタスク
単純な機械要素 (ブラケット、ヘッドストック、カバーなど) に関する自由テキストの要件を記述します。 AI にこれを測定可能な要件 (制約 + 基準) に変換させ、与えられていない値には「明確にする必要がある」とマークを付けます。次に、AI に少なくとも 3 つの概念と、それぞれについて「実行する必要がある計算」のリストを求めます。重要な検証：AIが提案する数値（サイズ、硬度、材料特性）を選択し、手計算またはカタログ/データシートで検証します。一致しない場合は、その理由を書きます。最後に、この設計を製品化する前にどのような技術的な承認が必要かを一文で挙げてください。
チェックリスト
- [ ] フリーテキストの必要性は、測定可能な制約と基準に変換されました。
- [ ] 指定されていない値は「明確にする必要がある」としてマークされています。 AIはそれを補いませんでした。
- [ ] 少なくとも 3 つの概念とそれぞれの検証 (計算) リストが作成されました。
- [ ] CAD スクリプト/マクロ出力の単位と寸法がリファレンスと比較されました。
- [ ] 健全性チェックが実行されました。
- [ ] 最終的な決定と承認はエンジニアに任されました。 AIには委任されていません。