大咖讲坛 | 开启创新：人工智能和智能自动化对产品开发的影响

随着三维设计实践的成熟，企业用户的关注重点，转移到了管理开发和发布与二维图纸相关联的三维CAD数据所增加的复杂性。对设计数据控制和优化的重视，转移了对进一步自动化和增强基于3D CAD设计流程的关注。许多制造商对三维设计的进展感到满意，开始优先考虑产品开发的其他方面。

于是很多用户开始选择具有针对性的一系列的单点解决方案，如针对解决制造工艺开发、工具设计和设计仿真等，这就导致对于用户而言，依然缺乏完全详细且语义准确的三维模型：重要的设计信息仍然分散在CAD数据、二维图纸和工程师知识之间，而不是完全集成在模型中——将设计投入生产所需的语义完整的数据，分散在诸如CAD数据、2D图纸、制造系统等多个来源和系统中。虽然这些单点解决方案完成了对企业用户特定工作任务的优化，但它们不仅割裂了将产品设计投入全面生产所需的语义数据，还割裂了整个流程，减缓了创新速度，使从概念到市场的过程变得更加复杂。

在PDM时代，人工智能成为产品设计领域的流行词之前，Creo已经率先推出了自动化工具，我们称之为智能自动化或IA。这不仅仅是将任务自动化，而是将自动化巧妙地集成到工作流程中，从而真正提高效率。早在人工智能进入产品设计领域之前，我们的IA工具就已经被设计用于自动化复杂流程、简化工作流程和提高设计效率。有了IA，用户可以更智能地工作，而不是更辛苦地工作——将重复性任务自动化，加快整个设计流程，使用户能够专注于真正重要的事情：创新和更快地将产品推向市场。

通过养成以不同方式使用某些Creo功能的习惯，用户可以利用一系列IA功能，显著提高效率和生产力。Creo Parametric提供广泛的IA工具套件，旨在彻底改变用户的设计、迭代和创新方式。

• 意图参考（Intent References）：Creo中的Intent References可自动捕捉用户在设计中的几何意图，确保模型稳健地构建，并在进行更改时可预测地更新。通过智能维护相关引用的完整性，该功能减少了手动调整的需要并防止了错误的发生，从而简化了工作流程并提高了整个设计过程中的设计准确性。

• 用户自定义功能（UDF）：UDF允许用户在多个项目中创建和重复使用自定义设计元素，从而大大加快设计流程。通过保存和自动重用复杂的功能组，用户无需从头开始重新创建，从而提高了一致性和效率。这一功能可确保用户的自定义元素得到统一应用，从而缩短设计时间，提高生产率。

• GD&T Advisor：GD&T Advisor可智能地自动应用几何尺寸和公差，不仅能指导用户完成整个过程，还能自动识别和控制受标准工艺公差限制的部件表面。该工具可加快注释过程，确保符合行业标准，并大幅减少人工操作，使用户能够专注于设计创新。GD&T Advisor简化了常规文档并提高了准确性，从而加快了从设计到生产的过渡。

• Creo行为建模扩展（BMX）： BMX消除了手动迭代任务的繁琐操作，实现了设计优化过程的自动化。它允许用户通过定义自动应用的参数规则和约束条件来轻松实现设计目标，从而减少工作量，大幅减少错误，并确保更可靠、更高效的设计流程。

这些IA功能只是Creo内嵌的强大工具中的一小部分。这些工具旨在实现工作流程自动化并适应用户需求，从而在整个产品开发流程中带来巨大优势。虽然IA可能不会让人联想到科幻人工智能的未来主义，但它的影响却是巨大的：能让用户充分利用Creo，减少日常任务所花费的时间，并让用户专注于真正重要的事情——创新和更快地将产品推向市场。

根据我与客户的交谈，许多客户可能还没有充分利用Creo的IA功能。当企业专注于大流行后的恢复和适应时，他们的优先事项可能会发生变化，这是可以理解的。但是，探索IA如何提高效率并提供竞争优势是一个宝贵的机会。

即使我们已经迈入产品生命周期管理（PLM）时代，我们仍将坚定不移地致力于增强Creo的IA能力。我们认识到IA在优化设计流程和支持高效工作流程方面发挥着至关重要的作用。随着我们集成更先进的人工智能功能，我们将继续巩固和完善我们的IA工具，确保IA和人工智能都成为Creo发展不可或缺的一部分。

三维产品设计，现在已经进入全面的PLM时代。随着客户越来越希望在从需求到设计、制造、运营和服务的整个价值流中利用其产品数据，这一转变也随之发生。在努力实现这一目标的过程中，企业认识到，要实现这一目标，就必须重新关注如何正确地构建核心产品数据：这就是重新致力于基于模型的方法的作用所在。通过确保向下游利益相关者发布的所有产品数据在语义上完全准确，企业可以在整个生命周期内释放数据的全部潜力。

ePLM的兴起扩大了这些功能，将PLM扩展到包括制造在内的整个企业，并强化了基于模型的无缝集成方法的重要性。这种方法确保了所有产品数据的准确性、全面性和集成性，使协作和决策成为可能。通过将PLM工具、工作流程和数据扩展到所有利益相关者，ePLM推动了一种基于模型的环境，在这种环境中，多企业协作、制造工程、闭环质量、服务工程和供应链规划相互关联。而这种连通性使企业能够更高效地工作，并做出明智的决策。

展望未来，有必要区分两个经常被混淆的术语：生成式设计和生成式人工智能。

• 生成式设计：多年来，Creo通过工具实现的生成拓扑优化（GTO）和生成设计扩展（GDX）一直走在人工智能设计的前沿。GTO专注于一次解决一个优化问题，为单个查询提供解决方案，然后再进行下一个查询。相比之下，GDX则利用可扩展的云计算能力，同时自动探索数百种设计解决方案。两者都使用人工智能算法驱动求解器，根据特定材料、制造和性能要求自主生成优化设计，从而增强设计流程。

GTO与Creo Parametric无缝集成，可将设计转换为丰富的B-rep几何图形；而GDX则通过人工智能驱动的洞察力对多种方案进行评估，从而扩展了这些功能。它们共同帮助工程师更高效地探索更具创新性、高质量和可制造性的设计，从而降低成本并加快产品上市时间。

• 生成式人工智能：生成式人工智能是一个专注于创建文本、图像和3D模型等内容的领域。它利用自然语言处理（NLP）和大型语言模型（LLM）等技术来促进交互并生成各种类型的内容。在产品设计领域，生成式人工智能可以利用NLP和LLM提供指导、回答问题和建议，从而充当副驾驶员。这种支持可以帮助设计师应对复杂的挑战，并做出更明智的决定。

生成式设计仍然是Creo的核心部分，而生成式人工智能则是增强Creo已经非常强大的IA功能的下一步。它是要放大人类的创造力，帮助工程师在工作中实现更高的效率和效益，而不是取而代之。

当我们在PLM时代拥抱人工智能和IA的变革力量时，我们不仅仅是在改进我们当前的设计实践，我们还在重新构想未来提升产品开发效率和创新的可能性。人工智能绝非一个流行词，它是一种革命性的力量，只要利用得当，就能显著提升设计流程。然而，许多客户在寻求人工智能驱动的解决方案时，尚未充分认识到Creo中现有智能自动化工具的优势。我们鼓励团队探索这些提高生产力的机会，并鼓励管理者为团队提供必要的时间和支持，以便团队有效地开展这些工作。

随着PLM时代的深入，我们必须认识到，其主要目标是使语义完全正确的数据在整个价值流中流动起来。这种丰富、准确的数据是将人工智能更有效地应用于设计和产品开发其他阶段的基础。这些数据的存在不仅能增强当前的自动化能力，还能随着人工智能的成熟而增强其潜力。企业的高阶管理者必须明白，如今采用基于模型的方法不仅能简化工作流程，还能为人工智能在未来推动更大的创新铺平道路。 

- THE END -

PTC整理发布，转载请注明出处