作者制定了一套完整数据表述规则，让每位设计工程师快速掌握与深化应用，工程师可依据自身产品演变规则自行搭建翻译数据、设计数据、逻辑规则、计算数据等。从人工智能角度而言，数据是工程师录入，产品数学模型也是工程师搭建（此区别机器学习与大数据建模）。工程师运行“通用专家系统三维产品级设计平台”后，产品模型实时演变，图纸也是实时生成。
前言
我国是制造大国，也是非标设计大国，而非创新型产品设计大国。我国机械设计工程师全球占比最高，近85%的人员忙于非标产品设计，如何让我国工程师转向产品创新型设计呢？
如今流行的ChatGPT是语言类模型，对于机械产品设计应用人工智能有很大启发。通用人工智能如何在机械产品级设计中切入：各产品建立数学模型、设计算法、数据统计、结构形式、组成方法，还是从三维建模参数化和建立大数据模型等方面切入实现产品级智能化设计，目前尚未形成统一方法，还需要进一步探讨分析与验证。
笔者从事产品快速设计工作（即三维CAD二次开发）二十多年。从产品系列配置，到参数化二次开发，再到产品专家系统深化应用等，始终处于设计数据、产品建模与程序开发间互绑状态（所谓一套模型、一套图纸与一组程序），软件没有做到通用性，且建模数据维护成本很高。
十年前，笔者认识到，软件开发者深入理解机械产品设计的每个细节是个“错误”，没有做到“专业人做专业事”。多年的二次开发经验总结后发现，不同行业的不同产品设计流程是相同的，数据管控方式也相同，产品设计都是从技术协议数据驱动演变的（即小数据驱动）。所有产品设计都有“数据翻译、数据查表、数据计算、数据关联、逻辑判断”等，产生全局变量数据，最终关联三维模型演变与相关图纸生成。
笔者基于原机械产品设计专家系统，重新构建一套“通用专家系统三维产品级设计平台”,将原有专家系统中的软件做成通用性软件系统，且适应各种产品表述（须掌握完整的二次开发API技术）。“数据翻译、数据查表、数据计算、数据关联、逻辑判断”等全部转入至EXCEL数据库中，软件读取这些数据来实现三维模型产品演变与相关图纸生成。通用且开放式数据表述，彻底改良了原有专家系统弊端，降低了应用门槛。
笔者制定了一套完整数据表述规则，让每位设计工程师快速掌握与深化应用，工程师可依据自身产品演变规则自行搭建翻译数据、设计数据、逻辑规则、计算数据等。从人工智能角度而言，数据是工程师录入，产品数学模型也是工程师搭建（此区别机器学习与大数据建模）。工程师运行“通用专家系统三维产品级设计平台”后，产品模型实时演变，图纸也是实时生成。
目前软件已应用于三十几家各行业企业，得以证实。下图产品在单机运行1.5至4小时即可完成三维装配体模型自动搭建、二维图实时生成与BOM表，提升百倍设计效率。2025年时间缩短至10-20分钟，提升千倍设计效率。
各企业应用通用专家系统的实例
本文所讨论的产品设计是同类下的产品设计，但方法可以应用于其它同类产品。
一、多维度分析AI应用于机械产品设计中的问题
1、产品级设计现状与问题分析
依靠人力。企业产品设计是依靠人力堆积来完成任务，其设计方法、设计数据管理、知识引用、数据逻辑管控、数据关联、强度计算、结构选用、结构数据、尺寸数据和三维模型关系等，全程都依靠工程师人力来执行实现，效率低、质量不稳定、经验与方法不统一。
下图红色圈数据是工程师管理，而绿色框是标题栏，已有其他系统在管理。本文分析红色圈的数据自动产生、如何管理和维护等。
红色圈为尺寸与注释信息
下面从不同维度来分析机械产品级设计现状：
1）流程管理分析。我国的机械设计企业在上世纪60-70年代，已建立一套较为完整的设计体系与管控体系延续至今，原纸质文档管理转变为电子文档管理而已（即PDM或PLM替代），其它流程管理环节没有改变，过程控制与过程数据没有保留。
2）从设计工具分析。200年前完全依靠手工进行图纸绘制，后转变为二维电脑CAD图形绘制，之后有切入三维模型设计等，是设计工具的改变，也是纸质文档转向电子文档的改变。当然有些企业还在使用二维CAD设计。
3）CAD局部功能性分析。二维CAD与三维CAD设计时都有一些小功能模块来辅助设计更快、更好、更正确的完成部分设计。如设计螺栓、螺孔、公差配合数据、法兰或孔阵列处理等的快速实现，设计效率有一定提高、设计质量也有所改善。
4）设计数据分析。以原手工绘制图纸上某尺寸为68值为例，其一直至现在用三维设计68尺寸值时，仍是人工维护与调整。数据管制方法与工作流程还是老一套，如计算、查表、判断、引用、关联等都由人工参与手工绘制。许多设计数据值，并非直接获取，而是综合因素组合而成，如容器的板厚值，需考虑容器形状、容器放置物、容器环境、使用寿命等诸多因素，才能确定设计板厚值。每一个尺寸数值都需要考虑诸多因素，设计效率低下。原设计思维方式至今没有改变。
5）设计数据分类分析。目前产品设计较难以做到设计数据分类，如产品驱动数据类、数据计算类、产品数学模型结构数据类、形体数据类、主关键数据类、逻辑数据类、共用数据、数据关联、零件调整数据、特征调整数据、装配方位数据、产品组成数据等。当今设计不依据这些类型进行严格分类，每个数据没有明确且针对性处理。其主要原因是人工管理这些离散数据数据量繁多，有些数据则是共用性存在，很难区分。
6）合同周期与设计周期比。60-70年代时设计周期与整个合同周期执行时间占比10-20%，采购、生产制造占80%，例如某产品合同周期8个月。现在合同只有1.5-2个月的响应时间，整个周期大大压缩，主要是设备改善带来生产效率大大提升，而设计周期还是占整个合同周期的50%（即3-4周）。从设计时间上比原有有所缩短（主要是CAD工具应用提升部分效率）,但设计周期占整个合同周期比提高了（接近50%），企业生产活动的瓶颈转向产品级设计，导致工程师时长加班加点。
7）知识与经验管理分析。设计知识与设计经验归档与保存，目前企业没有做到完整性，主要原因在于如何记录、如何描述、如何标准化与如何验证记录的正确性等。设计信息数据全部归于设计人员个人脑中，设计人员特有的经验与方法都是长期累积的产物，企业须依据每位工程师善长的知识与经验来支承企业产品设计。工程师的知识共享、经验记录、知识归档、新人学习等都是依靠“口口相传”，企业没有良好的系统记录平台来完整性全程记录，如何从管理角度思考，将知识与经验集中存放、统一管理。
8）离散性数据分析。所有产品设计数据都属于个人管控，其数据具有离散性、非统一与非集中管理形式，设计人员对各个尺寸数据的调整与维护都是离散的，其关联性、引用性无从查询。数值背后的知识经验无法追踪，如何总结、如何存放数据是每个企业面临的难点。
9）流程数据管控分析。数据翻译、数据表格、数据引用、数据关联、数据计算、数据判断、数据选用、非关联性数据等处理过程，每个数据处理的方法、经验与过程都是设计流程中逐一产生，逐一延续、逐一关联。流程数据如何管控，过程控制如何记录、数据如何跟踪、如何统一标准数据引用，平台表述规范需要探索研究。
10）图纸校核分析。每个产品项目设计完工前，都必须由企业总工或主任设计师进行图纸数据校对，对每张图纸、每个零部件尺寸进行逐一核对、逐一验证等，图纸尺寸数据众多需要投入大量的时间成本与经历。有些企业只针对主关键件核对审核，没有全面性核对，所以会导致设计的差错性存在，每个校核工作者都希望解决此难题。
11）设计方法论（设计的统一性）每位工程师在产品级所应用的设计方法存在着部分差异性或数据取值的差异性，且差异性是符合设计需求范围之内的，但不一定是最佳的。所以方法的统一与数据取值的统一需要规范，确保设计的合理性与趋向最佳性。
12）产品创新分析。许多企业都忙于产品合同驱动的演变设计（非标准产品设计），很少有专职人员从事产品创新研究，不利于企业长远发展。企业产品创新需要有熟知产品的设计人员参与，企业应该挖掘本企业的设计师进行创新研究，才是最佳途经。如何让企业设计人员转向产品创新研究，需要我们改变设计方法与流程管理方式。
13）人员交替。企业设计人员流动较为正常，但设计人员知识与经验也随之带走。而新人的加入需要系统性的学习，产品的设计知识、产品发展史、各种相关标准手册、计算法则、分析与判断等都需要逐一获取，细细品味。有人认为图纸上都有，图纸只是结果数据而非是过程组成数据与演变规则信息，所以产品设计信息数据都没有系统性的记录与保留，只能依靠工程师口口相传形式来传帮带。
14）设计质量。产品设计全过程都处于工程师落实数据、绘制模型与确定尺寸数据等，人工作业难免有错，产品设计质量不稳定，设计速度也无法倍速提高。
15）流程与方法的重复。对于非标产品而言属于同类产品，所以产品设计流程与方法基本类同。每位工程师其实是在做重复的工作，只是部分数据不相同，有些结构形式需要调整与组成数据有些差异而已。设计流程中所遇到的环节与方法基本类同，所以工程师只是选用数据的差异性。产品设计中方法与流程都是重复的。
小结
通过人力全过程控制，能在标题栏中仅仅看到计算机管控信息量，其它数据信息都是缺失的，如看到图纸尺寸数据，但不知尺寸值的出处与功能性需求。数据产生过程全部存放于工程师的脑中。如果想要在上述环节中有所突破，则需要将脑中知识与经验用逻辑数据形式展示出来，结合应用软件来进行自动化设计，从而提升设计效率、确保设计质量等。
2、常规解决方案
企业在产品设计方面都存在上述设计问题，完全依靠人工更加完善的处理来解决此问题，不太可能。目前较为常规的方法是模块化设计、参数化设计与专家系统等。三种选择是依据企业自身能力而定，模块化企业有能力自行规划与执行；参数化则需要外来程序员与企业设计人员相互结合而定（针对性较强），投入成本较大，有一定难度等；专家系统则是产品行业设计专家与程序员相互磨合而成，集于知识、经验等数据于系统中，投入成本很大，难度很高。
下面具体说明三种常规解决方案的区别。
2.1 模块化设计
模块化设计。企业将产品复杂系统进行分解与相对独立，且可互换成组，有一定的灵活度，利用模块组合进行产品系列化与非标化设计，有些企业早就应用模块化概念，如通用件、企标件等。设计师运用各模块组合设计满足产品功能性需求，控制各模块的固定、链接、传递等，当然也需要考虑功能性与效能等。对于产品设计师而言，设计效率、正确率有所提高，同时也降低部分设计的差错性。
模块化规划。企业可以自行规划、自行开展、自行维护等，一般设计人员都能搞定。依据功能性、结构性、传动性、常用性等进行模块化划分。规划落实也相对容易，投入一定的人员即可完成。
多品种、小批量的产品设计运用模块化，可提升部分设计效率、降低局部的差错性，为企业标准化的应用奠定基础。模块化应用在制造环节中也可降低成本，但模块调用与处理都是人工完成，没有快速设计概念存在，整体设计效率无法再次提升。
模块化设计只解决了产品设计的部分环节模型搭建问题，但没有可调用的知识与经验。
2.2 参数化设计
多年的参数化实战经验告诉笔者，从组件或零部件角度，利用参数化图元和参数化修改引擎等来实现的调整与演变，能解决零部件级的设计应用。但参数化是一种事先预设好的三维模型组合与对应二维工程图图纸，只能适应大小调整与小部分结构的演变。其灵活度组成不高，系统性与演变性不强，对于图纸部分更无灵活性可言（一套三维模型对应一套二维图纸与一套程序的解决思路，三维模型结构复杂演变，则需要另一套三维模型与另一套二维图纸还有另一套程序来适配）。
从参数化应用角度而言，全方位事先考虑各种组合、各种演变其工作量太大，且无法事先预知非标设计，只能在产品变化内容少时推行。有些企业工程师自己做了参数化模型，提升部分设计效率，有些则用配制方式来解决产品的演变性，图纸的演变则很难切入。参数化设计是在可控范围内的设计效率的提升，而参数化难于推行的主要原因在于二维工程图图纸部分，图纸控制细节很多且技术难点也多，演变较强的三维模型则图纸无法自动更新，适应性很差，导致产品级很难应用。
参数化只能解决零部件级的快速设计，但产品级的则无法实现（主要是图纸演变自动处理技术难点）。参数化中相对应的设计知识较少，全方位考虑各种组成关系信息也较少。另一个参数化的输入数据量较多（采用全局变量），且有一定的程序开发难度。
参数化设计解决了针对性问题处理的能力，但产品模型相对固定，维护性很差。另参数化的知识与经验只是在模型调整处，而从协议数据至参数化演变则基本缺失，导致输入参数值较多，知识与经验不全面。
2.3 专家系统
机械产品设计专家系统由“产品设计专家、程序开发专家、知识库、数据库、推理机、解释器”等，机械产品设计的专家系统较少。专家系统是软件专家与产品级工程师所共同搭建模型数据、数学建模数据、应用程序具有针对性。专家系统也属于AI范畴。
1)目前专家系统中有成功案例，说明专家系统在机械产品设计可以推进，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。但专家系统存在人员要求高、针对性程序开发周期长和门槛要求更高等缺陷。产品设计专家相对较多，但软件开发专家很少，产品专家与软件专家的交流沟通时间成本很高（软件专家全面掌握产品专家的知识、经验、过程和法则等），不利于各行业各企业推广。
2)专家系统程序与数据分析。产品设计的程序具有针对性，其三维模型、模型算法、知识、经验、推理和计算等都是与程序内容绑定。当然有些数据是开放式的。从程序角度分析产品专家对于系统的理解，就是个“黑箱”。目前的ChatGPT大数据模型是语言类模型，其大数据搭建也是人工实现，而后通过模型来实现需求，对于用户而言模型是黑箱，自身无法维护与更改。
3)分析专家系统构成，见下等式：
1软件专家+2设计专家+3设计知识+4设计经验+5设计计算+6推理+7判断=决策模拟产品设计
专家系统的产品设计是有复杂的神经网络数据来驱动，其知识、经验、逻辑、引用和关联等信息数据组合。
“产品设计数据驱动神经网络”图
4)如何改造专家系统。通过上述对专家系统的分析，还存在着弊端。如何改善、如何适应和如何人人都能用等都需要软件与系统架构上的创新，改变现有思维模式。让系统来适应需求：
a.能否将(1软件专家)的程序变为通用性的产品设计软件，是软件专家与产品专家协同考虑的问题。
b.让（2设计专家……7判断）等内容全部教给行业或企业的产品设计师干，他们对此十分精通。但数据表述需要规范统一。
c.软件专家还需要考虑各种产品的适应性与广泛性，从数据平台上多多考虑易用性，且易学、易推广。
d.随着产品更新迭代，专家系统则需要重新调整与维护，调整信息量较大，且两方专家都需要共同验证。
5)参数化与专家系统区别。专家系统具有知识库、经验库的完善性、逻辑性、庞大的计算库。参数化只解决模型控制部分数据，而非全部产品级数据。
专家系统信息较为齐全，知识建立是行业专家、推理机制是行业专家、经验与计算是行业专家，这些数据全是人工处理完成，且能适应当时开发的需求。随着时间的推移产品设计变更后，则需要专家与软件开发者来维护与调整（繁琐与复杂）。另搭建专家系统门槛很高，不具有推广价值。如何降低门槛、如何让设计者自行维护与调整数据，才有深化应用之说。
小结
模块化设计基本没有知识概念，只是调用模型与解决功能性。参数化设计主要考虑驱动模型参数部分（即全局变量数据），相对专家系统则而言输入数据量较多，且知识的系统性和全面性较差。专家系统设计则较为全面，但开发成本很高、难度较大、且产品更新相对繁琐复杂。可以说，参数化与专家系统的产品更新都是一件复杂而繁琐之事，软件的调整难度很高，所以应用推广较难，因此解决应用程序的通用性可降低应用门槛。
3、当今AI应用分析
通用人工智能能否在机械产品设计中切入，且满足各行种类的产品设计需求？能否用机器学习、数据挖掘、大模型和大数据等？如下探讨其可行性。
1）大数据方面。从所有产品中分析数据，确实存在着大数据。没有相关性的产品数据并非所需要的设计大数据。
a.差异性产品。如航天与船舶的数据存在着很大差异性，两者之间的数据没有共性。机器学习与数据挖掘等都需要针对性的对象数据才能精确处理，所以针对性进行大数据处理。
b.相同类产品。船舶中舰艇与潜水艇的设计数据又有很大区别，没有共性数据存在。
c.同系列产品。深水潜艇与潜水潜艇也有差异性，功能性不同则设计参考数据与计算法则都不同。从潜艇诞生之日之至今，其形体的改变不多，属于单系列产品外形数量不会超出500种。
d.从零部件结构与功能性分析。机械产品一般由零部件或组件组成，根据功能性划分有加热结构、保湿结构、支承结构、平衡结构、抗拉结构、抗压性结构、腐蚀，寿命和耐用等，但在产品级设计中只是部分或小部分的存在。其相关性数据量也很小。
e.从安装方位上分析。如常用的螺栓安装位置不同，其作用有压力、拉力、摩擦、固定、连接、调节平衡和传动等功能性。数据量少且功能性较多。
f.零件级分析。齿轮、弹簧等设计有专门软件来实现设计（单一品种），不属于产品级讨论范围。
2）大模型方面。大模型是通过机器学习或数据挖掘等才能的大模型（即数学模型），但单品种单系列的机械产品数据量太少无法建立产品数学模型（因数据量太少），当今大模型缺乏数据量，没有数据量哪里来机器学习与数据挖掘。
笔者讨论一下如有大数据，大模型、机器学习与数据挖掘等是否可行。
a.数据的连续与间断性。机器学习对连续数据相对容易实现，但对间断性数据则很难找寻规则。机械设计中间断性很多，如板材厚度、螺栓尺寸、还有设计时所考虑的系数值等。需要各种手册数据查询与引用才能适应设计需求数据，从设计数据分析。
b.零件尺寸数据。产品中有零件，每个零件有十至百的尺寸数据，有考虑挤压、支承、传动和寿命等，每个数据都有自身的出处、计算法则和经验等。而经验数据一般无法通过机器学习和数据挖掘可以得出结论。
c.各种数据取值。AI是通过结果数据来推论机械产品行业手册数据、机械设计标准数据、模型演变数据等。如考虑压力、功率、速度和温度等其它引用的各种各样标准表格数据，如何对应查询、取值、计算、组合参考至尺寸数值等。数据挖掘很难做到诸多因素的综合性处理。
d.经验数据。行业规范性设计都属于标准型设计，而非标产品则往往是经验占比更多，且无规范可言。笔者分析统计过机械设计中经验数据占比将近10%至15%，有些甚至更高。如何让经验数据让大模型理解、学习与挖掘，很难找出规则性模型。
小结
当今人工智能的大模型、大数据、机器学习与数据挖掘等，很难在机械产品级设计中得已应用，笔者认为当今人工智能在机械行业应用方向性有误，需要重新探索应用之路。
二、提升机械行业智能化设计与快速化设计方法分析
常规解决方案存在着诸多缺陷，我们需要重新思索，让产品设计更加自动、信息量更全，如同工程师一样思考来解决设计问题。笔者认为研究产品设计共性，从符合大多数产品设计流程处切入，并引入知识与经验，能有效提升机械行业的智能化设计与快速化设计需求。
1、产品设计流程与方法分析
各种产品设计流程与方法基本相同。通过产品合同中的技术协议数据来开展产品设计工作。下面按照工作流程逐一说明：
1)协议数据。非标产品设计往往是合同中的技术协议数据来驱动产品设计。技术协议数据说明产品功能与需求信息。如有：型号、速度、功率和长宽高尺寸等信息数据。每个行业企业都有协议数据存在，只是内容不同而已。型号是产品设计时的一组设计规则型数据，每个型号都有属于自身独特的设计规则数据。其它如速度、温度等不能直接引用于设计，而是通过查表、计算和引用等转化至全局设计数据，最终落实到三维模型尺寸上。所以产品协议数据需要查表、计算、引用、关联和逻辑判断等处理才能转化至产品设计的全局变量数据，而后通过全局数据落实到每个三维模型的每个尺寸中。
2)翻译、查表、计算。对于型号一般不能直接拿来进行设计，型号是代表一组设计规范数据，只有工程师理解，所以需要翻译这组数据。另如：速度和压力等一般需要进行查表得出数据，而后通过各种计算转换在零部件形体中展示。
通过上述过程数据量逐渐扩大，为建立控制三维模型的各种设计需求参数奠定基础。关键在于此处数据信息处理量庞大，需要有经验的工程师全局规划考虑数据，如计算、引用、关联、逻辑判断、设计范围和经验数据等。数据如何组织、如何计算和如何统一表述等诸多事项。
全局参数。全局参数是做参数化人最容易理解的，但全局化参数在产品设计中的数据量有300至500多个，从输入角度而言量已很多，难免数据录入有差错存在。本系统中的全局参数是引用而来，全部数据是关联性存放。全局参数也是控制三维模型的重要信息源，通过全局数据落实到每个三维模型的每个尺寸中。从设计角度说明，每个组件或装配体都需要参照的数据值或相互共同引用的数据值等是全局变量。
人工设计过程中数据处理流程图
从50个产品协议数据演变至全局变量数据（一般300-500），之后关联至每个演变尺寸（数据从千至十几万）。产品设计过程中所有的信息数据都需要逐一展示、逐一应用等，通过逻辑控制，将表格数据、计算数据、判断数据、边界条件、经验数据等全方位的知识与经验记录与展示。这些数据需要规范与相对统一，让产品设计数据更加合理与精准。
协议数据来引用各方面的，再应用知识与经验的综合产生全局变量数据，为本系统提供模型改变的依据数据值，也是调整组成与结构的参照值。软件通过全局变量数据进行三维模型的实时调整、结构与组成实时组装、二维工程图的实时生成。而这些数据都需要存放于EXCEL数据库平台之中。
通过流程与过程中的方法，可以将整个产品设计中所包含的所有知识与经验全部引入与展示，再通过协议数据的改变，来完善整个产品知识与经验。通过流程分析看到知识的收集与知识的完善。
小结
所有非标设计企业都属于技术协议数据来驱动整个产品设计，即小数据来驱动大数据的结构演变与尺寸演变。通过产品设计流程，可以将产品设计知识、经验、推理、管控、计算、查表等都集中存放与展示数据内容与关联性数据，让小数据驱动充分发挥作用，且让产品设计所有知识与经验全部记录。通过小数据来带动整个产品设计数据链，运用此流程与方法来关联与管制数据。
2、引入知识与经验
产品设计知识与经验获取与应用，其主要解决产品设计时的输入参数至模型演变控制数据（即产生参数化中的全局变量数据）。产品设计知识与经验需要有外来协议信息引导与驱动相关知识与经验，如何让知识与经验正确表述、如何判断、如何计算、如何演变等，利用全局变量数据的输出来控制模型演变与图纸演变等。笔者建立一套完整的数据表述形式与数据结构体系，且考虑易用性与低门槛性。我们选用了EXCEL数据库，利用各种表单与表述区间来表述所需要的数据内容（见第二章节）。
EXCEL数据库能适应单元格的计算公式、逻辑判断、自动查表、相互引用等，这些数据都有用户自行搭建，自行将相关产品基础数据、标准数据、计算法则等建立表单，然后通过小数据来驱动基础数据、标准数据与计算法则等，从而产生参数化的全局变量数据。专家系统中是行业专家建立数据，而本系统则是企业专家建立数据。产品演变尺寸数据、结构演变数据、装配组成数据等都可随之产生。
从产品由各组件或部件所组成，每组件的表单数据可以相互独立、也可以相互引用与关联，作为一个产品其组件数据量较多，所以可自行建立表单（见后章节有近二十多个表单属于知识与经验）来区分各组件。每个表单中再可划分区域存放组件中的功能性数据，这样更为清楚展示数据与引用数据。指定区域有协议数据区域、全局变量数据区域、三维模型演变逻辑、演变数据、组成数据、空间安装数据、空间方向数据、图纸视图区域、尺寸标注区域等。还有用户扩展区域，依据组件、部件等的区域，也有基础数据区域、标准数据区域等各个区域数据。同时也建立了产品知识库，计算法则、逻辑判断等则于经验关联密切。
产品设计是通过协议数据来驱动数据翻译、数据查询、数据计算、逻辑判断、数据关联、数据引用等。但整个产品设计驱动是协议数据将近50个左右，来产生全局变量数据300-500个。再通过软件来演变诸多尺寸数据、结构演变数据。小数据来驱动上万个数据的演变，此为典型的小数据驱动案例。
产品知识与经验是用户自行建立，通过培训用户可熟练掌握。各类产品的知识一般不能共用，所以同类产品需要建立知识库（包含系列化与非标产品）。同类的知识数据都属于类同数据、方法与法则基本相同。我们制定了一套完整的数据表述系统，可适应各种类型的产品数据表述。
小结
所有机械企业都是从技术协议数据来驱动整个产品设计，面产品知识库经验数据等都需要建立相应的数据表述法则，即小数据来驱动大演变数据。通过此流程，可以将产品设计知识、经验、推理、管控、计算、查表等都集中存放与展示数据内容与关联性数据，让小数据驱动充分发挥作用。知识与经验的引入，让本系统类同与专家系统，且让数据开放，数据的填写是有企业工程师自行搭建完成。产品设计知识与经验有：基础数据、标准数据、参照计算数据、逻辑判断、引用数据、企业自身条件数据等。机械产品设计是小数据驱动大数据的典型案例，同理chatGPT也属于小数据产生大数据范畴。
三、构建基于专家系统的通用三维产品级设计平台
通过以上的分析，笔者建立了一套“基于专家系统的通用产品设计数据表述规则”，可让每位工程师都能快速掌握，自行搭建模型与数据，数据表述标准化统一化。
本系统运行步骤是：一是读取EXCEL数据库即机械产品设计数据，而后打开CAD三维模型，针对性处理该模型所对应的数据内容，软件逐一打开三维模型、逐一调整数据直至所有模型。模型调整内容有大小、特征改变、组成关系改变、组成数量改变、安放位置改变等。实时产生三维装配体产品级模型，实现非标产品的演变设计处理。二是处理二维工程图图纸部分，软件读取EXCEL视图与尺寸设定数据，依据本次设计需求得出各二维工程图视图表达方式与表达内容、依据数据区域产生所对应的尺寸标注内容等。
本系统的数据是通过产品协议数据，所产生三维装配体结构或组成，不同的协议数据所产生的模型内容与结构都有差异，当然差异性是依据数据逻辑关系而随之改变。图纸的实时产生也是依据视图区域数据与尺寸标注数据的内容数据而实时生成，装配内容的改变，其视图与标注也随之变化。EXCEL数据库能精准展示模型与图纸的具体数据内容，数据库决定了模型演变与图纸的随动改变。所以EXCEL数据库中的各表是本系统运行的关键，也是每个使用者必须掌握，且能灵活应用的关键。
“基于专家系统的通用产品设计数据表述规则”中各数据表区域的功能性说明见如下：
1）产品技术协议数据区域。此为数据输入区域，其内容有产品型号数据、产品规则描述数据、功能性数据等。
2）查表、计算、逻辑处理区域。
查表数据。用户通过协议数据则可对产品设计数据进行相对应的数据表查询。
计算数据。通过表数值，可进行设计计算与验证等计算。
逻辑判断处理。得出数据则可进行数值区间的判断，得出数据的定向计算或取舍处理。
产品的设计数据、经验数据、流程控制等构成了产品设计知识库与数学模型库。多知识结构体系的融合都可以描述。
3）全局参数区域。通过查表、计算、逻辑处理等，可得出全局参数数值。为产品模型设计奠定基础。这些数据可控制模型的规格尺寸的大小。
4）产品组成区域。此区域专门控制三维模型的组成与空间安装位置，产品组成的演变全在此区域内控制完成。此处有大量的逻辑判断来产生产品的各种组成，非标产品设计就是依据组成区域来实现的。它可控制零件与装配体的演变组成，组成区域数据与三维模型、三维装配体间存在数据关联性。此时可运行软件来实现产品级设计演变，即零件与装配体演变，同时实时改变组成关系与量化控制。
5）图纸描述区域。本系统是依据图纸产生规则进行数据描述的，非事先做好的二维工程图，投影视图、剖切视图等各种各样的表述全部采用文字描述来产生。好处在于视图可依据演变规则来产生各种投影视图（可控制视图的有无）。视图的表述具有很强的灵活性与适应性，可依据模型的组成改变而随动改变。
6）尺寸注释标注区域。尺寸标注可依据模型结构改变而随之改变标注，结构改变尺寸随之有无改变。标注的位置控制等均有细节表述。通过图纸表述数据即可实时产生演变图纸。
7）所有的数据都存在着引用性与关联性等，只要协议数据调整，则所有其它数据都跟着连动，此时也体现EXCEL优势，数据与数学模型关联性存在。
基于专家系统通用平台的设计数据表述标准化流程图
在此基础上，开发了通用智能产品设计软件。本系统软件是依据产品流程性而设计，适应范围很广。软件设计考虑到诸多因素，经过多年的打磨能适应各种各样的产品设计需求。不同产品设计只是搭建数据内容差异，但方法论是相同的。软件考虑了数据表述的规范性、数据存放的统一、数据模型的合理性、数据逻辑性、数据关联性和数据引用性等的方方面面。
●实时产生三维模型。本系统是实时组装三维零部件，非事先做好的组合，且不采用固定的压缩与解压技术，所以能适应各种各样非标三维产品演变。
●实时产生二维工程图。二维工程图也是实时产生，非事先做好。产生图纸是依据数据表述规则产生，笔者掌握了图纸各种各样的视图产生技术、标注与注释技术，能正确与精确控制图纸产生内容，所以系统中的图纸具有灵活性与演变性。当数据演变后，图纸视图产生则发生演变，图纸尺寸标注也随之改变。
●易学习。通过12天左右的培训，都能运用自如。
●效率高，质量稳定。用户通过近三个月左右非标产品演变数据建模，即演变产品的流程数据搭建、结构演变数据搭建、图纸数据搭建后。原单人工作近20至60天的任务，现单机运行1.5至4小时即可得到产品级三维模型、二维图纸与BOM表数据。设计效率百倍提升，设计质量稳定、可靠且无差错。关键是产品设计知识与流程管控数据全程入库，便于之后的模型数据挖掘。
●应用本系统后，企业无需尺寸数据校对，只需验证近小数据的输入数据值。
离散制造业原产品设计周期所占合同周期时间比
基于专家系统的智能演变设计后，绿色部分为产品设计节约时间比
●让企业能人释放出来，转向创新产品研发设计。
“基于专家系统的通用三维产品级设计平台”完全打破原有专家系统的构成，现构成为：
1通用产品设计软件+2EXCEL（a工程师录入产品数据+b工程师搭建产品数学模型）=决策模拟产品设计
系统数据与模型构建。系统将知识、经验、计算、推理、引用与关联等信息全部提交给工程师自行搭建与维护，系统的开放性大大增强，且降低了应用门槛。通过工程师搭建产生了各种产品的神经网络结构体系数据，各产品的数据与模型都存在差异性，而同一产品由不同工程师描述也可能存在差异性（即引用数据不规范与不统一）。所以说，工程师的录入数据与模型是合理的，但模型的最优性需要本系统之后的再次挖掘。
通用专家系统。系统的专家系统是依据知识、经验、计算、推理、引用与关联数据，由协议数据（即下章节的“协议数据区域”）演变驱动来产生各种产品设计数据的演变（即下章节的“全局参数区域”与“三维模型组成区域”）。产品的三维装配体模型与工程图图纸则是最终结果数据展示。通过字符来描述三维模型与工程图图纸，EXCEL中各区域的联动数据演变，是本系统专家系统数据与模型全部存放在EXCEL中，设计演变数据在EXCEL都可呈现。通用专家系统的推理、计算、判断、知识、经验引用等都可在EXCEL表数据与单元格的操作中来实现。在EXCEL中所有数据都处于关联性，驱动数据的改变所有数据随之调整改变，人工改变则无法做到快速正确处理如此多的数据。
人工设计知识数据（左侧），通用专家系统软件处理流程（右侧）对比
通用专家系统。本系统改造了原专家系统存在的弊端，如针对性软件、针对性数据、针对性经验、针对性数学模型等。现软件改造为通用性产品设计软件，数据、经验、数学模型等全部转交给各工程师自行搭建完成。
所谓专家系统是解决人们的重复工作而非创新设计（非目前ChatGPT生成式）。“基于专家系统的通用三维产品级设计系统”是解决工程师重复设计演变工作，加快设计效率、提高正确性等。
通用专家系统验证。目前模型建立、初次训练、设计数据验证、三维装配体模型验证与二维工程图图纸验证等都有工程师处理完成，系统建立后“基于专家系统的通用三维产品级设计平台”则可转交给其它人员进行操作（只要输入产品协议数据即可），从而实现三维产品级设计专家系统快速设计与二维工程图图纸自动生成。
训练人员。本专家系统一般需要3-5人。一名主任级或总工来指导产品级的数学模型，其它人员则搭建产品设计数据、标准数据、计算法则、三维零部件模型与二维工程图实时产生数据等。笔者培训与指导企业工程师实现第一个产品级的建模过程，周期为3-5个月。训练企业工程师从原模型参数设计方法转向系统性数据化设计。
本文的亮点就在于小数据驱动知识与经验的关联性，它将产品设计的所有知识点与经验数据全部串连在一起，通过小数据引入产品设计的知识与经验，同时建立了一套开放式数据表述的数据法则，只要掌握规则即可运用自如。本平台做到了数据开放性，又可通用性，且无代码的“通用专家系统三维产品级设计平台”应用。
小结
“通用专家系统三维产品级设计平台”中全面说明了各数据存放的作用，让数据表述与产生原则规范化、数据化与表单化。产品驱动数据、设计效率提升百倍。本系统也改造了原有专家系统的弊端，让程序变为通用、数据开放、自行调整与维护的关键所在。同时训练与培养企业工程师设计方法的改变（即从形体调整转向数据控制）。
四、实例流程数据区域简介
目前参照某产品设计项目为例。如下只是数据区域简介：
1）协议数据区域，该产品的协议数据只有17个参量如下图：随着17个参量数据的改变，其结构形式、组成模型、选用对象和尺寸数据等都随之改变。
17个协议数据输入区域
2）通过查表计算引用则有许多设计数据表区域内容，近20多个表设计标准数据查询和型号数据翻译等：
知识与经验数据部分数据区域
3）全局参数区域内容展示：
全局参数近300个，但每个参数都是知识与经验表中引用传递而来。
全局变量数据区域
4）三维模型组成区域表，则是引用的逻辑控制模型的出现。
模型组成与空间装配位置数据区域
5）图纸区域依据数据而产生，数据是图纸实时产生的源。
图纸数据描述区域
通过上述图片的数据区域来驱动三维零件数据、装配体数据，从而实现三维模型实时组装与调整，再通过数据实时产生对应图纸。最终实现产品快速演变设计。
本系统实现设计数据全自动化演变：
产品演变设计数据自动化说明
小结
各区域数据功能实例说明，也是知识与经验数据的集中存放，同时存放了模型控制数据与图纸产生数据等。
五、“基于专家系统的通用三维产品级设计平台”创新点与优势
“基于专家系统的通用三维产品级设计平台”构建，为专家系统在机械产品级设计应用开拓了先例，原有固化的设计模式被打破，通用与开放是该平台的最大特点与优势，使用企业效果显著。以下是本系统的创新点与优势点：
1）拓展了原有专家系统，将软件通用化，数据表述标准化、统一化与开放化，真正做到了“专业人做专业事”。
2）建立了一套“通用机械设计数据表述体系”。
3）规划了一套三维零件、组件、总装等之间的数据沟通法则。
4）提出“小数据驱动产品设计演变”概念，将设计知识与经验全程入库。
5）编制了一套“通用专家系统产品级设计软件”，依据规则能适应各种类型的产品。
6）改变设计流程，完全替代现有演变性设计工作，且更快、更好、更正确。
7）知识与经验入库，让设计数据、知识数据、经验数据等全部录入至EXCEL表中，真正做到了知识入库。其它知识结构体系也可融合描述。
8）自行搭建，本系统的数据与数学模型，全部是工程师自行搭建、自行维护，数据具有合理性。且无需了解企业产品设计技术机密。
9）人人可用，EXCEL数据库的应用，且平台无代码产生，降低了使用者的门槛。表中区域性数据划分，让使用者输入数据更加规范与标准。
10）无需校对，系统数据全部关联与引用，数据的差错性降至为零，所以三维模型与二维工程图图纸都不需要再次校对。
11）快速见效，通过12天培训，能全面快速掌握本系统，再通过三至四个月搭建数据与模型，即可应用见效。
12）设计效率提升百倍，产品设计周期大大缩短（1.5-4小时），目前多家客户应用，并统计分析后，都提升百倍设计效率，且设计的正确性大大提高。
六、平台系统展望
目前系统通过多年的运行已基本成熟，笔者准备下一步的深化应用。现有系统应用可解决社会近80%的演变设计工作，能释放工程师转向产品创新型研发设计。
如何应用现有模型与数据，再次创新模型与数据价值：
1）目前笔者是基于SolidWorks系统环境所开发的设计程序，两年内打通Creo系统环境，并与国产三维CAD软件合作，探索多CAD环境的应用。
2）模型最优化处理。通过机器学习、机器预测和数据权重等，将现有数据和模型数据与CAE技术结合，提升各产品模型的综合最优化处理(工程师提供模型数据是合理和可行，但非最优模型)，让产品设计趋向闭环达到最优设计。
3）数据挖掘。对现有模型与数据进行重新挖掘，打造出全新模型数据分析方法，为产品设计重新定义模型与数据，帮助工程师拓展思维。
4）为培养新人与提升工程师设计水平提供便利，展示数据关联性、引用性、查表、计算和逻辑判断等的可视化推行。全面掌握与理解产品设计模型数据。
5）提升“基于专家系统的通用三维产品级设计平台”的运行效率，原单机运行模式现调整为分步式数据处理，时间缩短至10-20分钟，设计效率提升千倍以上。
总之，在人工智能元年，我们需要学习其他人工智能领域中可行经验为我所用。
[参考文献]
百度词条。
胡玮，《数字孪生技术的非标产品演变设计研究》，e-works，2023-03-06。
本文为e-works原创投稿文章，未经e-works书面许可，任何人不得复制、转载、摘编等任何方式进行使用。如已是e-works授权合作伙伴，应在授权范围内使用。e-works内容合作伙伴申请热线：editor@e-works.net.cn tel：027-87592219/20/21。
文章
