Tekoälyn käyttö CAD-mallinnuksessa
Eura, Reeta-Mari (2023)
2023
Bachelor's Programme in Science and Engineering
Tekniikan ja luonnontieteiden tiedekunta - Faculty of Engineering and Natural Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2023-12-11
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-2023121110689
https://urn.fi/URN:NBN:fi:tuni-2023121110689
Tiivistelmä
Tässä työssä tutkitaan tekoälyn (engl. Artificial Intelligence, AI) nykyisiä ja mahdollisia käyttötapoja CAD-mallinnuksessa. Tekoälyn käyttö CADissa yleistyy kasvavaa tahtia, sillä sen avulla voidaan parantaa suunnittelun tuottavuutta ja laatua. Työn tavoite on selvittää, mihin tekoälyn toiminta perustuu ja miten sitä voidaan hyödyntää koneensuunnittelussa, sekä millaisia haasteita tekoälyn käytölle on.
Työ toteutettiin kirjallisuuskatsauksena. Työn alku avaa tekoälyn käsitteen alle kuuluvia alakäsitteitä ja tekniikoita. CADin toiminnot ovat pääasiallisesti koneoppimista. Työssä todetaan, että koneoppivia algoritmeja on useita erilaisia, mutta useimmat niistä suorittavat tehtävänsä vertaamalla saamaansa sisääntuloa aiemmin keräämäänsä tietoon. Aikaisempi tieto voi olla koulutuksen aikana tekoälylle syötettyä käsiteltyä tai käsittelemätöntä dataa. Tekoäly voi myös kerätä dataa jatkuvasti toimintansa aikana ja muunnella itseään sen perusteella. Tällainen tekoäly on esimerkiksi keinotekoinen neuroverkko eli algoritmi, joka imitoi ihmisen aivojen rakennetta.
Työssä kerrotaan tekoälyä hyödyntävien CAD-ohjelmien yleisistä teemoista ja tarkemmista toiminnoista. Esimerkkeinä käytetään CAD-ohjelmia kuten SolidWorks, Siemens NX ja ANSYS. Tutkimuksessa esiin nousseita tekoälyn käytön teemoja ovat 3D-mallien luonti ja niiden rakenteen optimointi, suunnittelun kattavampi tukeminen sekä CAD-ohjelman käytön helpottaminen. Eräs tärkeimmistä esiin nousseista toiminnoista on tekoälyn kyky antaa suunnittelijalle ehdotuksia, jotka nopeuttavat suunnittelua ja poistavat toistuvia tehtäviä.
Tekoälyyn liittyy kuitenkin ongelmia, jotka rajoittavat sen käyttöä. Työssä tuodaan esiin niin yleisiä tekoälyyn liittyviä ongelmia kuin CADin uniikkeja haasteita. Tällä hetkellä suurin haaste tekoälyn käytölle CADissa on koulutukseen käytettävän datan määrällinen ja laadullinen puute. Eräs ratkaisu ongelmaan on siirtovaikutuksen käyttö. Siirtovaikutus mahdollistaa valmiiden AI-mallien kopioimisen uusiin tehtäviin, mikä vähentää datan tarvetta ja tekoälyn luontikustannuksia. Toinen tutkimuksessa esiin noussut ongelma on yleisen AI-tutkimuksen ja CADia varten tehdyn AI-tutkimuksen erillisyys.
Työ toteutettiin kirjallisuuskatsauksena. Työn alku avaa tekoälyn käsitteen alle kuuluvia alakäsitteitä ja tekniikoita. CADin toiminnot ovat pääasiallisesti koneoppimista. Työssä todetaan, että koneoppivia algoritmeja on useita erilaisia, mutta useimmat niistä suorittavat tehtävänsä vertaamalla saamaansa sisääntuloa aiemmin keräämäänsä tietoon. Aikaisempi tieto voi olla koulutuksen aikana tekoälylle syötettyä käsiteltyä tai käsittelemätöntä dataa. Tekoäly voi myös kerätä dataa jatkuvasti toimintansa aikana ja muunnella itseään sen perusteella. Tällainen tekoäly on esimerkiksi keinotekoinen neuroverkko eli algoritmi, joka imitoi ihmisen aivojen rakennetta.
Työssä kerrotaan tekoälyä hyödyntävien CAD-ohjelmien yleisistä teemoista ja tarkemmista toiminnoista. Esimerkkeinä käytetään CAD-ohjelmia kuten SolidWorks, Siemens NX ja ANSYS. Tutkimuksessa esiin nousseita tekoälyn käytön teemoja ovat 3D-mallien luonti ja niiden rakenteen optimointi, suunnittelun kattavampi tukeminen sekä CAD-ohjelman käytön helpottaminen. Eräs tärkeimmistä esiin nousseista toiminnoista on tekoälyn kyky antaa suunnittelijalle ehdotuksia, jotka nopeuttavat suunnittelua ja poistavat toistuvia tehtäviä.
Tekoälyyn liittyy kuitenkin ongelmia, jotka rajoittavat sen käyttöä. Työssä tuodaan esiin niin yleisiä tekoälyyn liittyviä ongelmia kuin CADin uniikkeja haasteita. Tällä hetkellä suurin haaste tekoälyn käytölle CADissa on koulutukseen käytettävän datan määrällinen ja laadullinen puute. Eräs ratkaisu ongelmaan on siirtovaikutuksen käyttö. Siirtovaikutus mahdollistaa valmiiden AI-mallien kopioimisen uusiin tehtäviin, mikä vähentää datan tarvetta ja tekoälyn luontikustannuksia. Toinen tutkimuksessa esiin noussut ongelma on yleisen AI-tutkimuksen ja CADia varten tehdyn AI-tutkimuksen erillisyys.
Kokoelmat
- Kandidaatintutkielmat [10985]