劉康寧
摘 要：隨著信息技術的發展，大數據驅動的製造業時代即將到來。本文綜述了國內外基於高新技術發展的機械設計的主流方法，簡述了四類機械設計發展狀況，主要有與人工智慧結合發展的機械設計、基於大數據技術的模塊化機械設計、基於增材製造技術的機械設計和基於數字孿生應用發展的機械設計。文章最後展示了機械設計的遠期願景。
關鍵詞：機械設計;發展趨勢;大數據;人工智慧;增材製造;數字孿生
隨著科學技術的日益發展，大數據技術的日漸成熟，各行各業都能從新技術的應用中獲益。傳統的機械設計更多地依賴於機械設計師個人的知識、經驗和技能。而在大數據時代，機械設計師可以逐漸利用人工智慧、大數據、物聯網、數字孿生（Digital twin）等高新技術加快設計的速度和提高設計的質量，更好地滿足日益激烈的市場競爭需求。
1 與人工智慧結合發展的機械設計
人工智慧（AI）是由機器展示的智能，與人類和其他動物展示的自然智能形成對比。常規的程序需要定義所有可能的場景，無論在此場景外發生什麼情況，程序都會停止或者崩潰。人工智慧程序則是為特定的任務「訓練」一個程序，然後讓它通過深度學習自己去探索;我們不需要預先定義程序在完成此特定任務時將面臨的所有場景，程序只是自己「找出」該做什麼。[1]得益於大數據的發展，近年來，人工智慧發展迅速。
1.1 專家系統
專家系統（Expert System） 實際上是一個電腦程式，是現在人工智慧的一個主要應用。專家系統也被稱為「基於知識的系統」，它是人類專家的智能助手，或者是無法接觸專家的人的資源。專家系統使用推理從存儲的信息中得出結論。這種人工智慧應用的目的不是取代我們的人類專家，而是讓他們的知識和經驗更廣泛地得到應用。
專家系統由知識庫、推理機和用戶介面三部分組成。知識庫在一個非常狹窄的領域中包含聲明性（事實性）和程序性（使用規則）知識。推理引擎通過確定要訪問哪些過程性知識以獲得適當的聲明性知識來運行系統，然後得出結論並決定何時找到適用的解決方案[2]。
利用專家系統進行機械設計具有一定的優勢，比如一致性、可用性、不知疲倦等特性。
1.2 生成式機械設計
生成性設計模仿了自然進化的設計方法。設計師或工程師將設計目標連同材料、製造方法和成本約束等參數輸入生成設計軟體。與拓撲優化有區別的是，該軟體探求處理方案的所有可能性，快速生成設計備選方案。它測試並從每次疊代中學習什麼可行，什麼不可行[3]。
生成式機械設計具有三大優點：
（1）探索更廣泛的設計方案。在你能想出一個點子的時間裡，一台電腦就能產生上千個點子，同時還能產生數據來證明哪種設計效果最好。
（2）使不可能的設計成為可能。生成式設計允許您創建優化的複雜形狀和內部網格。其中有些形式是傳統製造方法無法做到的，然而，採用3D列印製造方法可以輕易實現。
（3）優化材料和製造方法。設置目標和參數，生成式軟體將根據這些約束創建高性能的設計選項。該軟體解決了相互衝突的設計約束，因此設計師可以專注於創新。
實際上，生成式設計目前已取得很大發展。據外國媒體稱， 設計軟體公司 Autodesk 與美國宇航局合作， 利用人工智慧設計了用於太空探索的衛星太空飛行器， 並取得了超越預期的效果。
2 基於大數據技術的模塊化機械設計
所謂的模塊化設計是一種用具有標準接口的獨立部件創建新的系統的設計方法。這使得設計可以定製、升級、修復和重用部件。在大數據技術時代，湧現了很多提供通用部件、標準部件的供應商，也有各種數模分享平台為大數據分析提供來源，甚至企業自己也可以建立自己的資料庫。機器學習能夠用來辨認形式，將數據分類。在對產品進行市場預測、功能分析的基礎上，對一系列通用功能模塊進行了劃分和設計，從而實現過往機械設計經驗的積累和借鑑利用。
3 基於增材製造（Additive Manufacturing）技術的機械設計
傳統的機械製造多採用的是去除材料的加工方法，一個複雜零件的生產，需要由多種不同的工具機完成，固定資產投入大，製造成本高。而且，在進行機械設計時，設計師必須充分考慮「面向製造的機械設計」和「面向裝配的機械設計」，否則，最終的成品極有可能成為廢品。
增材製造（AM），是一種通過連續添加層來生產零件的過程，這與傳統的減法製造相反。增材製造工藝的實施方式多種多樣，其中3D列印是一種越來越受歡迎的方法。另一種方法包括熔化連續的材料層來製造產品。增材製造的主要好處是它可以在不浪費多餘材料的情況下製造出幾何形狀複雜的物體。這個過程的另一個好處是它不需要很多工具，而且是一個成本較低的製造過程。 以往的能實現某一功能的機械結構可能由幾百個零件組成，而基於3D列印技術的零件數量可以只需要幾個。以2015年NASA工程師向公眾展示的3d列印火箭燃料噴射器為例，這種傳統方法製作的噴射器一般由200多個部件組成，而3D列印的噴射器只有兩個部件。這種改變也給機械設計帶來一定的變化，設計師在設計時可以不考慮舊的設計規則。當然設計時選擇最好的材料和工藝，這一原則也適用於AM， 是必須在設計的早期階段考慮的。近年來，隨著國際上對增材製造的廣泛關注和大量投入，增材製造技術也得到了迅速發展。
4 基於數字孿生（Digital Twin）應用發展的機械設計
數字孿生指的是集成了各種用途的物理資產（物理孿生）、流程、人員、位置、系統和設備的數字副本。利用產品模型、傳感器等，它可以正確地映射實體產品在整個生命周期的各種實際數據。數字孿生將人工智慧、機器學習和軟體分析與空間網絡圖相結合，創建實時的數字仿真模型，隨著物理模型的變化而不斷更新和變化。數字孿生體不斷地從多個來源學習和更新自己，以表示其接近實時的狀態、工作條件或位置。
基於數字孿生（Digital twin）驅動的機械設計不但能夠進行概念設計，也能夠進行詳細設計和虛擬驗證，將極大地縮短產品的設計周期[4]。
5 結語
綜上所述，在大數據時代，機械設計將變得更加智能化、模塊化，機械產品將更加輕量化、綠色化，機械設計師移動辦公的可能性將大大提高。未來機械設計師可以不必端坐在電腦前，打開專業的三維建模軟體進行機械設計。設想這樣一個場景：設計師在客戶現場，傾聽客戶的意見，頭腦中飛快總結了客戶對設備的要求，打開手機行動網路的人工智慧機械設計接口，通過語音告訴人工智慧相關需求信息;人工智慧調動專家資料庫，進行深度學習探索，快速地勾畫出一套概念設計的方案，並建構出一個簡單的數字模型;設計師展示概念設計方案，並同客戶進一步溝通交流。持續不斷的準確、實時的信息流幫助快速決策、提高設計速度、加快生產進程和優化生產力，從而讓產品快速進入市場。
參考文獻：
[1]wikipedia.Artificial intelligence[EB/OL].https：//en.wikipedia.org/wiki/Artificial_intelligence.2019-01-08.
[2]邵劍平.人工智慧在齒輪優化設計中的應用研究[J].機電產品開發與創新，2006（01）：110.
[3]autodesk.com.What is generative design？[EB/OL].https：//www.autodesk.com/solutions/generative-design.2019-01-08.
[4]Tao F，Cheng J，Qi Q，Zhang M，Zhang H，Sui F.Digital twin-driven product design， manufacturing and service with big data[J].International Journal of Advanced Manufacturing Technology，2017（03）.
摘 要：隨著信息技術的發展，大數據驅動的製造業時代即將到來。本文綜述了國內外基於高新技術發展的機械設計的主流方法，簡述了四類機械設計發展狀況，主要有與人工智慧結合發展的機械設計、基於大數據技術的模塊化機械設計、基於增材製造技術的機械設計和基於數字孿生應用發展的機械設計。文章最後展示了機械設計的遠期願景。
關鍵詞：機械設計;發展趨勢;大數據;人工智慧;增材製造;數字孿生
隨著科學技術的日益發展，大數據技術的日漸成熟，各行各業都能從新技術的應用中獲益。傳統的機械設計更多地依賴於機械設計師個人的知識、經驗和技能。而在大數據時代，機械設計師可以逐漸利用人工智慧、大數據、物聯網、數字孿生（Digital twin）等高新技術加快設計的速度和提高設計的質量，更好地滿足日益激烈的市場競爭需求。
1 與人工智慧結合發展的機械設計
人工智慧（AI）是由機器展示的智能，與人類和其他動物展示的自然智能形成對比。常規的程序需要定義所有可能的場景，無論在此場景外發生什麼情況，程序都會停止或者崩潰。人工智慧程序則是為特定的任務「訓練」一個程序，然後讓它通過深度學習自己去探索;我們不需要預先定義程序在完成此特定任務時將面臨的所有場景，程序只是自己「找出」該做什麼。[1]得益於大數據的發展，近年來，人工智慧發展迅速。
1.1 專家系統
專家系統（Expert System） 實際上是一個電腦程式，是現在人工智慧的一個主要應用。專家系統也被稱為「基於知識的系統」，它是人類專家的智能助手，或者是無法接觸專家的人的資源。專家系統使用推理從存儲的信息中得出結論。這種人工智慧應用的目的不是取代我們的人類專家，而是讓他們的知識和經驗更廣泛地得到應用。
專家系統由知識庫、推理機和用戶介面三部分組成。知識庫在一個非常狹窄的領域中包含聲明性（事實性）和程序性（使用規則）知識。推理引擎通過確定要訪問哪些過程性知識以獲得適當的聲明性知識來運行系統，然後得出結論並決定何時找到適用的解決方案[2]。
利用專家系統進行機械設計具有一定的優勢，比如一致性、可用性、不知疲倦等特性。
1.2 生成式機械設計
生成性設計模仿了自然進化的設計方法。設計師或工程師將設計目標連同材料、製造方法和成本約束等參數輸入生成設計軟體。與拓撲優化有區別的是，該軟體探求處理方案的所有可能性，快速生成設計備選方案。它測試並從每次疊代中學習什麼可行，什麼不可行[3]。
生成式機械設計具有三大優點：
（1）探索更廣泛的設計方案。在你能想出一個點子的時間裡，一台電腦就能產生上千個點子，同時還能產生數據來證明哪種設計效果最好。
（2）使不可能的設計成為可能。生成式設計允許您創建優化的複雜形狀和內部網格。其中有些形式是傳統製造方法無法做到的，然而，採用3D列印製造方法可以輕易實現。
（3）優化材料和製造方法。設置目標和參數，生成式軟體將根據這些約束創建高性能的設計選項。該軟體解決了相互衝突的設計約束，因此設計師可以專注於創新。
實際上，生成式設計目前已取得很大發展。據外國媒體稱， 設計軟體公司 Autodesk 與美國宇航局合作， 利用人工智慧設計了用於太空探索的衛星太空飛行器， 並取得了超越預期的效果。
2 基於大數據技術的模塊化機械設計
所謂的模塊化設計是一種用具有標準接口的獨立部件創建新的系統的設計方法。這使得設計可以定製、升級、修復和重用部件。在大數據技術時代，湧現了很多提供通用部件、標準部件的供應商，也有各種數模分享平台為大數據分析提供來源，甚至企業自己也可以建立自己的資料庫。機器學習能夠用來辨認形式，將數據分類。在對產品進行市場預測、功能分析的基礎上，對一系列通用功能模塊進行了劃分和設計，從而實現過往機械設計經驗的積累和借鑑利用。
3 基於增材製造（Additive Manufacturing）技術的機械設計
傳統的機械製造多採用的是去除材料的加工方法，一個複雜零件的生產，需要由多種不同的工具機完成，固定資產投入大，製造成本高。而且，在進行機械設計時，設計師必須充分考慮「面向製造的機械設計」和「面向裝配的機械設計」，否則，最終的成品極有可能成為廢品。
增材製造（AM），是一種通過連續添加層來生產零件的過程，這與傳統的減法製造相反。增材製造工藝的實施方式多種多樣，其中3D列印是一種越來越受歡迎的方法。另一種方法包括熔化連續的材料層來製造產品。增材製造的主要好處是它可以在不浪費多餘材料的情況下製造出幾何形狀複雜的物體。這個過程的另一個好處是它不需要很多工具，而且是一個成本較低的製造過程。 以往的能實現某一功能的機械結構可能由幾百個零件組成，而基於3D列印技術的零件數量可以只需要幾個。以2015年NASA工程師向公眾展示的3d列印火箭燃料噴射器為例，這種傳統方法製作的噴射器一般由200多個部件組成，而3D列印的噴射器只有兩個部件。這種改變也給機械設計帶來一定的變化，設計師在設計時可以不考慮舊的設計規則。當然設計時選擇最好的材料和工藝，這一原則也適用於AM， 是必須在設計的早期階段考慮的。近年來，隨著國際上對增材製造的廣泛關注和大量投入，增材製造技術也得到了迅速發展。
4 基於數字孿生（Digital Twin）應用發展的機械設計
數字孿生指的是集成了各種用途的物理資產（物理孿生）、流程、人員、位置、系統和設備的數字副本。利用產品模型、傳感器等，它可以正確地映射實體產品在整個生命周期的各種實際數據。數字孿生將人工智慧、機器學習和軟體分析與空間網絡圖相結合，創建實時的數字仿真模型，隨著物理模型的變化而不斷更新和變化。數字孿生體不斷地從多個來源學習和更新自己，以表示其接近實時的狀態、工作條件或位置。
基於數字孿生（Digital twin）驅動的機械設計不但能夠進行概念設計，也能夠進行詳細設計和虛擬驗證，將極大地縮短產品的設計周期[4]。
5 結語
綜上所述，在大數據時代，機械設計將變得更加智能化、模塊化，機械產品將更加輕量化、綠色化，機械設計師移動辦公的可能性將大大提高。未來機械設計師可以不必端坐在電腦前，打開專業的三維建模軟體進行機械設計。設想這樣一個場景：設計師在客戶現場，傾聽客戶的意見，頭腦中飛快總結了客戶對設備的要求，打開手機行動網路的人工智慧機械設計接口，通過語音告訴人工智慧相關需求信息;人工智慧調動專家資料庫，進行深度學習探索，快速地勾畫出一套概念設計的方案，並建構出一個簡單的數字模型;設計師展示概念設計方案，並同客戶進一步溝通交流。持續不斷的準確、實時的信息流幫助快速決策、提高設計速度、加快生產進程和優化生產力，從而讓產品快速進入市場。
參考文獻：
[1]wikipedia.Artificial intelligence[EB/OL].https：//en.wikipedia.org/wiki/Artificial_intelligence.2019-01-08.
[2]邵劍平.人工智慧在齒輪優化設計中的應用研究[J].機電產品開發與創新，2006（01）：110.
[3]autodesk.com.What is generative design？[EB/OL].https：//www.autodesk.com/solutions/generative-design.2019-01-08.
[4]Tao F，Cheng J，Qi Q，Zhang M，Zhang H，Sui F.Digital twin-driven product design， manufacturing and service with big data[J].International Journal of Advanced Manufacturing Technology，2017（03）.
收藏