Zyski:
- Umiejętność prawidłowego pozycjonowania sztucznej inteligencji w generowaniu pomysłów projektowych, myśleniu parametrycznym i automatyzacji CAD
- Możliwość przekształcenia potrzeb w postaci dowolnego tekstu w mierzalne ograniczenia i kryteria za pomocą uporządkowanego podpowiedzi
- Umiejętność zastosowania dyscypliny walidacji projektów i skryptów stworzonych przez sztuczną inteligencję z ograniczeniami inżynieryjnymi
Inżynieria mechaniczna to sztuka przekładania pomysłu na rzeczywistość fizyczną: wymyślanie bezpiecznego, możliwego do wyprodukowania projektu, który działa, biorąc pod uwagę potrzeby, zestaw ograniczeń i prawa natury. Sztuczna inteligencja (w skrócie AI: oprogramowanie, które jak człowiek generuje tekst, kod i sugestie, ucząc się z podanych tekstów) wchodzi w ten proces jako „partner w projektowaniu”. Generuje alternatywne pomysły, przyspiesza myślenie parametryczne (podejście polegające na budowaniu projektu ze zmiennych zmiennych zamiast stałych wymiarów), pisze makra CAD i szkicuje dokumentację. Ale sztuczna inteligencja nie potwierdza obliczeń wytrzymałościowych, nie gwarantuje, czy tolerancja zostanie zachowana w montażu i nie może „wysłać” projektu do produkcji. Wszystkie te decyzje podejmowane są według uznania i odpowiedzialności prawnej inżyniera. W tym module dowiesz się, gdzie zastosować sztuczną inteligencję w procesie projektowania i CAD (projektowanie wspomagane komputerowo) oraz jak zweryfikować jej wyniki.
Jakie miejsce zajmuje sztuczna inteligencja w procesie projektowania?
Podzielmy z grubsza proces projektowania na cztery fazy i jasno określmy rolę sztucznej inteligencji i inżyniera. To rozróżnienie stanowi podstawę pytania: „Do czego zmusiłbym sztuczną inteligencję, a czego nigdy bym nie zrobił?”
Scena
Rola AI (akcelerator)
Rola inżyniera (decyzja)
Wymaganie/koncepcja
Alternatywna koncepcja, podobne przykłady rozwiązań, lista pytań
Określ ograniczenia, priorytety i kryteria akceptacji
projekt wstępny
Zależność parametryczna, zgrubny szkic wymiarowania
Sprawdź poprawność obliczeń, założeń i ścieżki obciążenia
projekt szczegółów
Makro/skrypt CAD, zalecenia dotyczące części standardowych
Geometria, tolerancja, decyzja materiałowa
Weryfikacja/zatwierdzenie
Projekt raportu, lista kontrolna, podsumowanie
Analiza, testowanie, podpis i odpowiedzialność
Najważniejsza zasada: sztuczna inteligencja jest silna w myśleniu rozbieżnym (generowaniu dużej liczby pomysłów), ale słaba w zbieżnym podejmowaniu decyzji (kwestionowanie, która z nich jest właściwa, bezpieczna i możliwa do wyprodukowania). Konwergencja; Wymaga wiedzy z zakresu fizyki, intuicji inżynierskiej i odpowiedzialności. Jest to podstawowa praca inżynieryjna, której nie można zautomatyzować.
Wskazówka: używaj sztucznej inteligencji jako „pomnażacza pomysłów”, a nie „automatycznej sekretarki”. Powiedzenie „zaproponuj 5 różnych podejść do projektu tego łącza, zapisz zalety/wady i słabe punkty każdego z nich” jest o wiele cenniejsze niż powiedzenie „zadaj najlepszy projekt”; ponieważ pozostawia decyzję i uzasadnienie Tobie.
Krok po kroku: od potrzeby darmowego tekstu do zatwierdzonego projektu
- Spraw, aby wymaganie było mierzalne. „Bądź lekki i silny” nie jest wymogiem; wymaganiem jest „masa < 2 kg, współczynnik bezpieczeństwa przy obciążeniu pionowym 500 N ≥ 2, korozja zewnętrzna”.
- Zaznacz niejasności. Nie pozwól AI wymyślać wartości, które nie są dane; Umieść to na liście jako „wymaga wyjaśnienia”.
- Wygeneruj wiele koncepcji. Co najmniej 3 alternatywy i każda z nich ma swój słaby punkt w logice ścieżki obciążenia.
- Utwórz plan weryfikacji. Lista „Jakie obliczenia powinienem wykonać” dla każdej koncepcji.
- Dodaj automatyzację CAD. Generuj makra/skrypty do powtarzalnego modelowania.
- Sprawdź i potwierdź. Niezależnie sprawdzaj obliczenia pomiarowe, jednostkowe, masowe i krytyczne; następnie podpisz.
Podpowiedź, która przekształca wymaganie w ograniczenia i kryteria
Rola: Jesteś doświadczonym inżynierem-konstruktorem mechanikiem. Zadanie: Przetłumacz poniższe wymaganie w postaci dowolnego tekstu na mierzalne wymagania projektowe (ograniczenia + kryteria). Wymagania: „Łatwy w montażu wspornik nośny do przenośnika, który będzie pracował na zewnątrz z ładunkiem 30 kg”. Format wyjściowy: - Wymagania funkcjonalne (co robić) - Obciążenie/ograniczenia środowiskowe (siła, temperatura, korozja, wibracje) - Mierzalne kryteria (masa, współczynnik bezpieczeństwa, docelowy koszt) - Punkty, które pozostają niejasne i wymagają wyjaśnienia Reguła: Wartość liczbowa NIE PASUJE; Oznacz pominięte wartości jako „należy doprecyzować”.
Ostatnia zasada jest ważna: jeśli sztuczna inteligencja spontanicznie „przyjmuje” wartość obciążenia, która nie jest podana, Twój projekt jest na błędnych podstawach. Zaznaczanie niepewności wzmacnia dyscyplinę w gromadzeniu wymagań.
Podpowiedź generująca wiele koncepcji
Zaproponuj 3 różne koncepcje dla następującego elementu: pionowe obciążenie statyczne 30 kg, mocowanie do ściany za pomocą dwóch śrub M8, środowisko zewnętrzne (korozja), masa docelowa < 1 kg. Dla każdej koncepcji: - droga obciążenia (sposób przeniesienia siły na śruby) - możliwa rodzina materiałów - szacunkowy najsłabszy punkt - lista obliczeń, które muszę wykonać. Reguła: Dopasowanie liczbowe; Sprawdzę konta.
Myślenie parametryczne i automatyzacja CAD
Nowoczesne narzędzia CAD (SolidWorks, Fusion 360, CATIA, FreeCAD) działają parametrycznie i w oparciu o skrypty. Sztuczna inteligencja jest bardzo wydajna w generowaniu makr/skryptów do powtarzalnych zadań modelowania: generowanie wzoru śrub, wyprowadzanie rodziny części z tabelą, zbiorcze wyodrębnianie właściwości masy. W ten sposób godziny powtarzalnej pracy skracają się do minut.
Monit generowania skryptu CAD
Napisz skrypt dla konsoli FreeCAD Python: utwórz profil skrzynki z parametrami długość, szerokość, wysokość i promień narożnika oraz wydrukuj jego właściwości masy (objętość, środek ciężkości). Niech gęstość materiału będzie parametrem (kg/m^3). Wyjaśnij kod komentarzami. Zasada: Na początku podaj jednostkę miary (mm); Zachowaj spójność jednostki. Reguła: Oblicz objętość za pomocą wzoru analitycznego i wydrukuj ją na ekranie, abym mógł to sprawdzić.
Uwaga: nawet jeśli skrypt CAD sztucznej inteligencji „działa” geometrycznie, z inżynierskiego punktu widzenia może być błędny: zła jednostka (pomieszanie mm/m), zła oś, przecięcie, które się nie zdarza. Po uruchomieniu skryptu porównaj wymiary i masę wyprodukowanego modelu ze znanym odniesieniem.
Monit przeglądu projektu
Oceń poniższe decyzje projektowe przez pryzmat przeglądu projektu. Nie zgadzaj się ze mną; Wymień słabe strony, ryzykowne założenia i brakujące obliczenia. Przy każdym elemencie napisz „dlaczego ryzykować” i „jak to zweryfikować”. Projekt: [materiał wspornika, grubość, śruba, informacje o obciążeniu]
Słaba podpowiedź/silna podpowiedź
Słaba zachęta:
Zaprojektuj dla mnie wspornik.
Żadnych obciążeń, materiałów, interfejsów montażowych i ograniczeń; Sztuczna inteligencja tworzy ogólne, bezwymiarowe i nieweryfikowalne wyjaśnienie. Wyjście jest najwyraźniej pełne, ale wartość inżynieryjna jest niska.
Potężny monit:
Zaproponuj 3 różne koncepcje następującego wspornika: obciążenie pionowe 30 kg, montaż na ścianie za pomocą dwóch śrub M8, środowisko zewnętrzne (korozja), masa docelowa < 1 kg. Dla każdej koncepcji: logika ścieżki obciążenia, możliwy materiał, szacowany słaby punkt i jakie obliczenia powinienem wykonać. Nie wymyślaj liczb; Zweryfikuję konto.
Drugi monit podaje ograniczenia, prosi o wiele koncepcji i pozostawia weryfikację inżynierowi z pytaniem „Jakie obliczenia powinienem wykonać?” To pozycjonuje sztuczną inteligencję jako narzędzie, które przyspiesza, a nie przejmuje odpowiedzialność.
Trzy mini etui (według liczb)
Przypadek 1 - Noga pompy, pułapka rezonansowa. Inżynier Ayşe projektuje stanowisko tłumiące drgania dla pompy obracającej się z prędkością 1450 obr./min (tj. 24,2 Hz). AI zaleca klin elastomerowy i podaje twardość k = 200 N/mm. Ayşe sama oblicza częstotliwość drgań własnych dla masy 40 kg: f = (1/2π)·√(k/m) = (1/2π)·√(200000/40) ≈ 11,3 Hz. Izolacja działa, ponieważ częstotliwość wzbudzenia (24,2 Hz) jest w przybliżeniu dwukrotnie większa od częstotliwości naturalnej, ale Ayşe poprawia izolację, schodząc do f ≈ 7,5 Hz za pomocą bardziej miękkiego klina (k = 90 N/mm). Początkowa wartość AI „działała”, ale nie była optymalna; uzasadnił decyzję.
Przypadek 2 - Rodzina części z makro CAD. Firma produkuje kołnierze w 12 różnych rozmiarach. Inżynier pisze skrypt Fusion 360 do AI i automatycznie wyprowadza tabelę oraz 12 wariantów; Praca, która zajmuje 3 dni ręcznie, zostaje skrócona do 2 godzin. Jednak w kołnierzu DN80 wyprodukowanym według skryptu średnica otworu na śrubę wynosi 18 mm; natomiast dla katalogu M16 prawidłowy jest otwór 18 mm. Inżynier weryfikuje pomiary losowego wariantu pod kątem normy, a następnie wszystko akceptuje.
Przypadek 3 – Pułapka na jednostki. Stażysta przez pomyłkę pozostawił gęstość jako 7,85 g/cm3 zamiast 7850 kg/m3, ale objętość w mm3 w skrypcie podanym przez sztuczną inteligencję. Otrzymana masa różni się 1000: 3200 kg zamiast 3,2 kg. Kontrola rzędu wielkości („ten wspornik nie może mieć 3 ton”) natychmiast wychwytuje błąd. Lekcja: spójność jednostek jest najczęstszym i niebezpiecznym źródłem błędów w wynikach AI.
Typowe błędy
- Pozostawienie konwergencji AI: powiedzenie „daj mi najlepszy projekt” i przekazanie fizyki i odpowiedzialności.
- Pozostawienie niepewności do przyjęcia: zezwolenie AI na uzupełnienie obciążenia/temperatury, nie podano.
- Brak weryfikacji skryptu CAD: Brak porównania wielkości i masy wyprodukowanego modelu z referencją.
- Pomyłka w jednostkach: konfigurowanie modelu/obliczeń niezależnie od zakłóceń mm/m, kg/N lub g/kg.
- Zamknięcie się w jednej koncepcji: Myślenie, że pierwsza koncepcja sztucznej inteligencji jest jedyną opcją; Nie produkujemy alternatyw.
- Błąd „Zadziałało = poprawnie”: mylenie bezbłędnego działania skryptu z poprawnym wynikiem.
Podsumowując
- W projektowaniu sztuczna inteligencja jest silna w myśleniu rozbieżnym (generowanie pomysłów) i słaba w podejmowaniu zbieżnych decyzji (fizyka, bezpieczeństwo); Decyzja należy do inżyniera.
- Dobry projekt zaczyna się od przełożenia niejasnych pragnień na mierzalne ograniczenia i kryteria; AI pomaga w tym tłumaczeniu.
- Sztuczna inteligencja w automatyzacji CAD generuje potężny skrypt/makro; Pamiętaj jednak o sprawdzeniu jednostek i wymiarów modelu.
- Niech sztuczna inteligencja wygeneruje wiele koncepcji i zapyta „Jakie obliczenia mam wykonać?”; podjąć weryfikację.
- AI nie zatwierdza projektu i nie wysyła go do produkcji; Odpowiedzialność ta pozostaje po stronie inżyniera.
Zadanie aplikacji
Napisz dowolne wymaganie tekstowe dotyczące prostego elementu maszyny (wspornik, wrzeciennik, pokrywa itp.). Niech AI przełoży to na mierzalne wymagania (ograniczenie + kryteria) i oznaczy wszelkie wartości, które nie zostały podane, jako „muszą zostać wyjaśnione”. Następnie poproś sztuczną inteligencję o co najmniej trzy koncepcje i listę „obliczeń, które muszę wykonać” dla każdej z nich. Weryfikacja krytyczna: Wybierz wartość liczbową (rozmiar, twardość, właściwość materiału) sugerowaną przez sztuczną inteligencję i zweryfikuj ją za pomocą ręcznych obliczeń lub katalogu/arkusza danych; Jeśli nie pasuje, napisz dlaczego. Na koniec wymień w jednym zdaniu, jakie atesty techniczne są wymagane przed wprowadzeniem tego projektu do produkcji.
lista kontrolna
- [ ] Potrzeba swobodnego tekstu została przełożona na wymierne ograniczenia i kryteria.
- [ ] Wartości nie podane oznaczono jako „należy doprecyzować”; AI tego nie wymyśliła.
- [ ] Dla każdej z nich sporządzono co najmniej trzy koncepcje i listy weryfikacyjne (obliczeniowe).
- [ ] Jednostki i wymiary wyniku skryptu CAD/makra porównano z odniesieniem.
- [ ] Przeprowadzono kontrolę poprawności.
- [ ] Ostateczną decyzję i akceptację pozostawiono inżynierowi; Nie zostało to przekazane AI.