Shape mining: A holistic data mining approach for engineering design

اگر چه ادغام داده های مهندسی در چارچوب سیستم های مدیریت داده های محصول در سال های اخیر موفق بوده است، تجزیه و تحلیل جامع (از دیدگاه مهندسی سیستم) از داده های چند رشته ای یا داده های مبتنی بر نمایه ها و ابزارهای مختلف هنوز در تمرین. در عین حال، استفاده از تکنیک های داده کاوی پیشرفته برای تکمیل طرح ها بسیار امیدوار کننده است و دارای پتانسیل بالایی برای همکاری بین تیم های مختلف در روند توسعه است. در این مقاله، ما را به عنوان یک چارچوب برای ترکیب و تجزیه و تحلیل داده ها از طراحی مهندسی در ابزار و رشته های مختلف پیشنهاد می دهیم. در بخش اول مقاله، مش های سطحی غیر ساختاری را به عنوان نمایه های متا طراحی معرفی می کنیم که ما را قادر می سازد تا تجزیه و تحلیل حساسیت، بازیابی مفهوم طراحی و یادگیری و همچنین روش های تجزیه و تحلیل متقابل به داده های طراحی مهندسی ناهمگن را اعمال کنیم. ما یک معیار جدید برای ارزیابی کاربرد یک مفهوم طراحی پیشنهاد می دهیم. در قسمت دوم مقاله، روش های رسمی را برای طراحی ماشین سواری اعمال می کنیم. ما داده ها را از نمایندگی های مختلف، ابزار طراحی و روش ها برای تجزیه و تحلیل جامع از اشکال حاصل ترکیب می کنیم. ما حساسیت ها و مراکز حساس حساس (پس از کاهش قابلیت) را بر روی شکل خودرو تجسم می کنیم. علاوه بر این، ما قادر به شناسایی قوانین طراحی مفهومی با استفاده از القایی درختی هستیم و برای ایجاد نمودارهای تعامل، نشان دهنده ارتباط بین مناطق سطحی جدا شده فضایی است. داده کاوی شکل در این مقاله برای یک مسئله آیرودینامیک چند معیاره، یعنی نیروی کشیدن و بالابر عقب مورد مطالعه قرار گرفته است، با این حال، گسترش معیارهای کیفیت از رشته های مختلف، تا حدی است که نمایندگی متا طراحی هنوز قابل اجرا است.