#ChatGPT式的项目实践：KOGNIA人工智能(AI)加持下的产品研发
2月17日一篇关于ChatGPT与产品研发相关问题的文章引起业界的广泛关注，小编收到很多留言和对话，咨询何时可以亲身体验与三维CAD系统在聊天中完成设计任务，虽然当前还无法给出确切的时间表，但会及时与关注者分享我们在这一领域的每一个脚印。
日前，与奥格斯堡大学（德国）合作启动了一个由人工智能支持的设计辅助开发项目—— “KOGNIA”，基于机器学习的机械设计推荐系统。
近年来，人们对产品研发和创新性设计愈加看重，伴随“工业4.0”等概念的兴起以及面对不断加剧的市场竞争压力，一直期待对机械产品的研发效能有一个革命性的改变和提升。KOGNIA帮助产品研发环节能够从已有产品中获得指导，将有价值的设计和解决方案从一个项目/产品有机的转移到新的项目/产品当中。
KOGNIA的目的是从企业以往的三维设计中自动抓取和分析结构设计中的知识元，甚至时间坐标，以供后续设计任务中调用。机器学习允许识别现有和新建产品中的模式和规律，例如常用的部件组合等，基于这些知识，工程师在设计阶段自动获得下一个所需的外购件和自制件的推荐，从而使最优零部件与工程设计知识的融合更加容易得到贯彻和落实。
不仅学习阶段得以缩短，年轻工程师将得以迅速成长，经验丰富的“老鸟”同时可以得到支持，从而提升设计的效能，改善产品的可靠性和通用性，并帮助他们脱离熟悉零部件的舒适圈，接受新的知识转移。
在德国巴伐利亚州经济事务与区域发展和能源部的资金支持下，奥格斯堡大学的软件与系统工程研究所（ISSE）研究人员与我们一起为三维CAD开发了人工智能的辅助设计系统。
该项目的目标是将早期设计完成产品中的知识和解决方案再次应用于新的用例和实践。
ISSE主任兼KOGNIA负责人Wolfgang Rei教授对此的解释是：
“当一家公司第一次设计一款产品，比如智能手机时，会广泛的收集工程计划，此时大量的设计方案和数据会被推荐出来，理论上，这些数据如果足够优秀，那么将被用于产品的设计进程。”
但在实践中，尤其年轻和缺乏经验的工程师面临很多挑战。一方面，他们必须学习公司的标准设计规则和习惯，另一方面，必须在众多历史产品中寻找可供借用的零部件。ISSE项目工作人员兼研究员Carola Lenzen表示，“调查显示，CAD数据的创建过程，消耗60%-70%的项目时间。
KOGNIA致力于在AI的帮助下简化三维模型及相关知识的检索。PARTsolutions企业级零部件数据资源管理系统，在过去30年时间里恰恰一直致力于零部件三维数据检索效能的提高，从而加快产品设计进程。得益于此，ISSE在PARTsolutions的基础上开发融入人工智能的KOGNIA，它将设计进程中的部分和全部数据进行分析和筛选。
“我们认为，CAD和人类语言非常相似。就像句子中的单词顺序代表语言结构一样，你可以将产品的CAD结构理解为零件的顺序。因此，研究人员面临了一个新的挑战，也就是现有的人工神经网络，即AI背后的算法，用于处理图片或语言”。
“我们必须找到一种将三维数据翻译成文字表达的方法，以解析其数据复杂性”。
“AI将会分析企业的每一个现有产品，以了解零部件的广义的相关性。通过这种方式，它获得了每个企业研发部门独有的知识架构。KOGNIA不会给出传统的一般性提示，而是会提供一个明确的建议，且符合企业的设计规范。”
PARTsolutions软件CTO兼KOGNIA项目经理的Frank Epple如是说。
本文部分内容和资料来自uni-augsburg.de和CIMdata
