机械产品智能演变设计的挑战与实现路径

引言

       产品演变设计是基于用户需求的产品系列化设计与非标设计。当前，机械产品的演变设计以依赖人工经验的传统设计模式为主，包括设计中的数据组织、逻辑判断、数据计算、标准引用、数据关联、三维模型建模、二维图纸标注与校对等都需要人工逐一数据处理，才能实现机械产品三维模型的演变设计，导致产品设计质量不稳定，且设计效率较低。

       随着人工智能、大数据等技术的不断发展，智能演变设计通过全流程自动化与智能化，被逐步认可为提升设计效率与质量的关键因素。然而，在推动智能演变设计落地的过程中，目前仍面临着多方面的难点。

       本文核心聚焦“非标设计/系列化设计”领域（不涉及创新设计相关内容），将分析传统产品演变设计的局限，重点探讨智能演变方向的设计难点，并就实现智能演变的可行路径提出展望。

1.传统产品演变设计流程

       传统产品演变设计流程遵循“从需求到落地”的线性逻辑，核心步骤为：先通过调研明确需求、生成设计概念，再经过详细设计与原型测试完善方案，随后图纸校对进入生产制造。各企业都基本类同，具体包括：

       1.1 任务确认与拆分

       产品设计任务推进工作，包括确定产品设计原则与方案，对设计任务进行平衡性拆分，通过多人协同设计，共同完成产品演变设计任务。CAD软件只是辅助绘图或建造三维模型，整个过程数据是由工程师逐一手工落实数据。例如，产品演变设计参数分析，是以产品技术协议数据为核心依据，由总工或产品主任设计师对协议数据进行解读，并逐一对号入座。同时还需验证数据的产品演变原则、设计方案匹配性等，考量各维度分析情况，产品演变设计的实现难度与复杂度，并兼顾产品制造复杂度及成本等因素。内容涵盖产品演变设计相关的功能性参数、性能参数、工况数据、产品型号及其他特殊性参数确认，再由每位工程师针对具体参数进行综合性分析，用各参数支撑产品演变设计。

       1.2 任务分配与执行

       将产品设计任务拆解后，分配给各设计人员。设计人员需共同遵循统一的设计原则与方案，引用统一化标准，并参照自身所负责任务的对应内容，针对各组件开展演变设计与调整工作。

       依据设计原则与方案，对应引用国家标准、行业标准、企业标准数据进行人工查询与对比，运用人脑对计算公式、逻辑判断，做好数据引用与关联，结合经验与认知对企业加工设备、加工工艺数据进行工核对。通过工程师来改变原产品结构、零件特征与各尺寸数据，以满足当前设计任务需求。

       1.3 图纸校核

       图纸校核工作是流程中最重要环节，设计人员完成设计后，由企业总工或主任设计师开展手工图纸校核。校核任务烦琐、复杂，需要校对的数据量大。现多数企业通常仅针对产品主关键件进行校对，非主关键件一般不纳入校对范围。

       从上述流程可以看出，主要作用对象是产品演变设计，但本质是人工设计数据与人工把控数据的模式，来推动产品完成演变设计的相关过程。机械产品演变设计是人脑与手工操作协调之作。

2.迈向智能演变设计的核心难点

       传统产品演变设计深陷于依赖人工的“人治”定式，这已成为企业发展的核心瓶颈。转向由数据与规则驱动的“数治”智能模式，是迈向高效、高质量设计的必然趋势。这一转型本质上是设计认知从依赖形象经验到构建抽象数据模型的根本性变革。然而，此转型之路挑战重重，其核心难点可归结为以下三个层面。

       2.1 数据层：设计知识的“黑箱”与“孤岛”

       智能化演变设计的根基是数据，而传统设计模式恰恰存放于工程师脑中，此处留下了巨大的空白。

       设计黑箱。产品智能演变设计中过程数据缺失，形成“设计黑箱”。产品技术协议数据可驱动三维模型进行演变设计，中间需要数据“翻译”“计算”“逻辑判断”“相互引用与关联”等。这些数据在二维图纸中一般都没显示，且中间数据完全依赖于工程师隐性经验，未被记录与保存。这使得智能系统缺乏学习和运作所必需的“养料”，无法理解和复现专家的设计思路。

       数据碎片化与孤岛化。产品智能演变设计中需要使用大量标准数据、设计规范、计算公式、工艺参数等，但这些数据一般并未在企业的PDM/PLM等系统中进行管控，而是存储为PDF、纸质文档或不同工程师的电脑中，且是非结构化数据，更是“碎片”与“数据孤岛”状态。原PDF与纸质文档专服务于工程师浏览而设计（只是某小组件专用），“数治”时代则无法直接引用。将数据转化为机器可理解、可处理的表单化、模块化数据，是智能化的第一步，也是工作量巨大、成本高昂的一步。

       2.2 技术层：从非标的智能演变到三维转二维的自动化鸿沟

       即使拥有了完善的数据基础，实现设计过程的自动化仍存在极高的技术壁垒。

       非标产品的实时模型组装。对于系列化产品，其模型结构固定，智能演变相对容易。但真正的困难在于处理占相当比例的非标设计。非标产品组件与配置组合千变万化，无法预先搭建完整模型。这就要求智能系统必须能根据输入参数，从零件库中实时调用、动态组装为一个符合设计规则与空间约束的三维总装模型。这不仅需要强大的参数化驱动能力，更需要对三维设计软件的底层几何拓扑数据及其应用程序接口（API）有极其深刻地掌控。

       二维图纸的智能生成与标注。在中国制造业语境下，二维工程图仍是指导生产的关键法定文件。然而，从三维模型自动生成完全符合国家制图标准、标注清晰合理的二维图纸，是比三维建模自动化更大的挑战。它涉及视图的自动选择、尺寸的智能标注、公差与注释的合理布局等，是计算机图形学与领域知识深度融合的难题，目前仍难以实现高质量的全智能自动化。

       针对性专家系统方案。某系列产品可推演预知的系列演变设计，但非标设计则很难介入。而搭建专家系统周期长，产品调整与更新必须有产品行业专家与程序专家相互配合，且系统开放性差等。此处开放性专指，设计引用数据、三维模型、二维工程图图纸等与程序间的兼容性方面。

       2.3 管理与应用层：思维转变与AI落地的现实瓶颈

       技术难点之外的挑战同样不容忽视，甚至更为关键。

       智能演变的成功，要求设计师和管理者从依赖主观直觉和经验判断的形象思维，转向信任数据逻辑和规则驱动的系统性抽象思维。这一思维模式的转变是整个转型过程中最深刻，也最艰难的环节，需要企业对设计工程师进行持续的文化引导与培训。

       当前，很多企业试图引入通用AI大模型来解决机械设计问题，但仍面临严峻挑战，包括：

       数据“贫矿”。机械产品设计迭代周期长，一个成熟系列的全套图纸数量有限，且其中可用的、高质量的标签化数据更少。这与AI模型通常需要的大数据基础形成矛盾。

       专业标注壁垒。构建专业大模型需要大量精准标注的数据，而机械设计知识专业性强、细分领域多，稀缺的领域专家不可能投入精力进行海量数据标注，导致高质量训练集难以构建。

       过程数据缺失。如2.1所述，AI模型若只学习“输入（技术协议）”和“输出（最终图纸）”，而无法学习中间的“推理过程”，其生成结果的可靠性与可解释性将难以保证。

3.探索之路：智能通用产品演变设计专家系统

       目前人工智能对中间数据学习与认知无法实现。基于此，我们借助专家系统框架，专门打造了用于产品演变的智能设计系统。系统是通过常规产品设计过程控制、设计方法、数据管控等的通用规则来打造程序，可适用于各种类型的非标产品演变设计。

       智能通用演变系统优点包括：

       1）程序基本不用再次开发，且已将所有模型演变规则程序化、表述数据规范化（即三维模型与二维图纸）。产品设计工程师只需依据演变规则进行数据表述即可。这是本系统与传统专家系统的最大差异性。在运行本系统时，产品设计质量稳定、设计高效（约2-4小时）。

       2）数据、程序、模型分离。程序处理与设计数据和三维模型数据，以及二维图纸数据是分离的。系统采用“积木化”式搭建三维模型和二维视图，实时组装与组合而成，这样确保非标产品设计的自由度与适应性。

       3）记录中间数据。通过产品协议数据翻译来产生中间数据，利用中间数据来驱动模型与图纸的实时生成，适应各种非标产品的演变设计。

       针对传统产品演变设计的难点，智能通用产品演变设计专家系统提供了有效的思路与解决方案。

       3.1 数据层：经验/知识数据统一管控

       建立知识库。智能设计系统建立了一套数据表述平台，由产品的技术协议数据入手进行翻译（如：产品型号、速度、压力、温度等，转化为设计尺寸数据）、依据翻译数据来驱动产品设计知识演变、设计经验知识库抓取，且基于标准系列化产品数据进行推演、中间演算数据库、过程控制数据库等。最终实现，实时驱动三维零件模型演变、实时组装三维模型演变、实时生成二维工程图视图数据、视图尺寸数据与注释描述数据等。工程师将产品演变设计的所有知识、经验、查询、逻辑、计算、引用、关联等信息全部、全程录入产品演变设计知识库中。

       数据易建立且关联。智能设计系统采用EXCEL作为数据库，原因在于数据搭建简单、易学，且可自行维护与调整。协议数据的改变可能导致所有数据的演变、模型数据的演变、图纸数据的演变。信息数据全部集成于数据库中，并全部引用与关联。

       3.2 技术层：模图实时生成

       三维模型方面。产品数字模型建立，对三维模型的特征、尺寸、组成与方位演变都需要数据细节表述。依据数据的演变读取数据，对每个三维模型做对应调整与改动，并对模型空间方位、安装位置与组成关系等进行布置。不过，精准控制安装需要对三维设计软件API熟练掌控，软件开发技术门槛较高。

       二维图纸方面。依据视图表述数据与注释数据等，此处的数据表述相对烦琐，工程师需逐一落实尺寸数据演变规则与尺寸的逻辑性等，工作量较大。各视图表达、各尺寸标注与注释等，软件依据表述数据进行全自动实时生成。图纸也是“积木化”的搭建组成，图纸具有较强的灵动性。图纸的自动生成模块，程序开发技术壁垒极高。

       3.3 管理层：产品数据全集成数据库

       全面“数治”化。通过智能化专家系统对产品演变进行了全面“数治”化。工程师全部通过“数学模型”表述模型与图纸，从主观直觉和经验判断的形象思维，转向信任数据逻辑和规则驱动的系统抽象思维。通过培训与实践，彻底改变传统产品设计思维定式。

       协议数据驱动产品设计。协议数据的各种演变，从数据组合性计算产生裂变性数据演变，其中就有各种非标产品存在。原工程师的脑动数据、经验、过程数据等全程存放于数据库中，企业能够落实与管控每一个过程数据、结果数据，为企业产品设计数据的全面管控奠定基础，同样数据的缺失性与设计质量的不稳定性等都应得到解决。产品演变设计数据全集成于数据库中，所有数据都具有引用性与关联性，协议数据牵一发动全演变数据。有经验的设计工程师都可以自建某产品系统，降低了应用门槛，为人人运用本系统铺平道路。

       3.4 智能系统实例流程简介

       智能通用产品演变设计专家系统，可适应各种产品智能化设计需求。这里列举变压器设计流程图与相关图片说明（如图1-4）。

       变压器设计首先是输入产品协议数据，通过算单软件计算磁力、温升等性能得出设计参数（算单是将产品协议数据翻译成产品设计数据一套计算法则），同时计算一组用料综合性成本数据供工程师选择。当工程师确认某一组设计参数时，这些参数数据自动导入智能通用产品演变设计专家系统中进行三维模型的演变设计与装配体组成实时搭建，之后再实时搭建完成二维图纸与产品BOM清单。两小时左右完成整个变压器演变设计过程。
       
4.总结与展望

       综上所述，传统产品演变设计向AI智能演变设计转型面临多方面难点，具体涉及：数据层、技术层、管理层等，思维定式的改变是推动智能化专家系统的必要条件。

       当前AI领域尚无直接解决产品演变设计的方案。可通过自行搭建产品演变设计大模型，并针对标准系列化产品的演变数据规则开展探索研究，以此推进智能化产品演变设计工作，提升产品设计质量与设计效率。

       值得一提的是，智能化专家系统也只是过渡产品，目前只解决了快速演变设计，其推行过程仍面临现实挑战。包括：工程师能力要求高。系统不适应层级较低的设计师，对于入行人员或设计知识掌控不够全面者，数据层很难自行搭建。产品数据演变性不广，知识数据引用或逻辑判断受能力所限等。搭建周期较长，系统数据较多、较广，涵盖协议、中间、模型特征演变、结构演变、图纸演变、尺寸注释演变、产品知识库、经验库、标准化数据等。一般某一系列产品数据搭建周期在3-6月。

       不过，相信随着AI的持续发展，智能化专家系统可为后续AI提供优质模型与全流程设计数据，为AI数据深挖、机器学习或其他新探索点提供基础数据。