將GenAI與生成式設計相結合，用于自動化系統開發
發布時間：2024-11-22 作者：Tony Carrara
將生成式 AI（GenAI）集成到基于云的軟件即服務（SaaS）產品等工具中的趨勢，正在推動工業自動化領域的動態轉型。
ChatGPT 和許多其他 GenAI 突破性平臺的出現為大型語言模型 （LLM）打開了潛在應用的閘門，這些模型基于公開可用的信息和工業技術中的標準提示-響應交互模式進行訓練。
從那時起，工業自動化提供商和 GenAI 平臺之間已經并正在形成許多合作伙伴關系，以開發旨在幫助自動化系統開發人員的工具。
這些合作開發了原型工具，專注于創建一個評估框架，以評估和改進 AI 在工業自動化背景下生成的響應。此類量身定制的 AI 解決方案旨在提高控制系統設計的效率、加快代碼創建速度、回答產品問題、協助調試并產生創新想法。
使用GenAI進行生成式設計
生成式設計（Generative Design）是一種在各種工具中應用已久的方法，隨著 GenAI 的集成，它正在經歷重大演變。雖然生成式設計本身并不新鮮，并且長期以來一直使用傳統 AI 來增強系統和產品設計，但 GenAI 的引入通過整合人機協同功能帶來了一個新的維度。這種演變正在改變工程師和制造商構思、創建和優化自動化技術的方式。
區分使用傳統 AI 的生成式設計功能與集成 GenAI 的新興趨勢非常重要。傳統的創成式設計依靠預定義的算法和約束來生成設計選項，而 GenAI 引入了更加動態和交互的過程。借助 GenAI，人類專業知識與 AI 的生成功能相結合，可實現更直觀和上下文感知的設計迭代。
從本質上講，將 GenAI 集成到生成式設計中代表了創意過程的根本轉變。與僅依賴 AI 算法的傳統生成式設計方法不同，GenAI 的加入引入了一種更具交互性和迭代性的方法，工程師可以在其中提供反饋并指導 AI 系統尋求更理想的解決方案。這使他們能夠探索廣闊的設計空間，并根據指定的參數、約束和性能目標生成大量潛在設計。
這種方法特別適合復雜的自動化系統世界，其中多個變量和相互競爭的目標通常需要平衡，尤其是在產品開發和優化中。
生成式設計流程
生成式設計流程首先由工程師確定他們希望設計的自動化系統的關鍵參數和限制條件。其中可能包括空間限制、承重要求、能效目標、材料偏好和成本限制等因素。
此外，還要設定性能目標，其中可能包括周期時間、精度、可靠性和對不同生產場景的適應性等指標。
這些輸入一旦確定，AI驅動的生成式設計系統就會開始工作。它可以快速迭代無數種設計方案，并根據指定標準對每種方案進行評估。這種方法的強大之處在于，它能夠不受先入為主的觀念或傳統設計慣例的限制，考慮到人類工程師可能永遠不會想到的設計方案。
例如，考慮一下創建新的物理產品（如航天飛機艙門的門閂）的過程。傳統上，工程師會使用 Autodesk 或 AutoCAD 等工具為產品建模，創建原型，進行測試并分析結果。然后，如何將這些測試結果有效地應用到設計改進中就成了難題。在初步建模和測試之后，AI可以根據測試結果生成多種設計方案。例如，如果某個性能參數不理想，AI可能會提出五種不同的方法來改進設計，并對每種方案進行解釋。
促進構思、標準化和可訪問性
隨著工業流程變得越來越復雜，對效率和可持續性的要求不斷增長，尋找最佳設計變得更具挑戰性。將 GenAI 與生成式設計相結合，有可能大大簡化構思過程，快速生成創新解決方案，而工程師使用傳統方法可能需要更長的時間才能構思。
將 GenAI 驅動的生成式設計應用于自動化系統，可以提高生成和評估多種設計方案的速度。在數小時或數天內，系統就能生成數百甚至數千個設計方案，每個方案都針對給定參數進行了優化。例如，如果可持續性是優先事項，則可以指導 GenAI 專注于環保設計選項。
這種適應性使該技術適用于廣泛和復雜的工業應用，使工程師能夠探索更多潛在的可能性。
另一個關鍵應用涉及確保與行業標準和最佳實踐保持一致。GenAI 可以驗證系統是否符合網絡安全標準，例如，通過突出顯示系統偏離既定規范的領域，幫助工程師保持項目之間的一致性和質量。
這項技術在跨工程團隊標準化實踐方面也顯示出前景，尤其是在不同經驗水平的工程師需要遵守相同的設計標準并使用一致的庫的情況下。當跨不同站點或環境復制系統時，這種一致性非常有價值，因為 GenAI 可以在保持整體設計完整性的同時提出適當的調整建議。
GenAI 在生成式設計環境中的另一個關鍵優勢是它的可訪問性。與通常以黑匣子形式運行且算法不透明的傳統 AI 系統不同，生成式 AI 提供了更具交互性和易理解性的界面。用戶無需成為數據科學家或 AI 專家即可使用該技術，他們可以使用自然語言提示，甚至可以說出他們的請求。