Extracting functional requirements from design documentation using machine learning
Extracting functional requirements from design documentation using machine learning
复制标题
使用机器学习从设计文档中提取功能需求
DOI：
10.1016/j.procir.2021.05.005
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Kim, Sang-Gook
中科院分区：
文献类型：
--
作者：
Akay, Haluk;Kim, Sang-Gook
良好的设计实践和数字化工具使工业能够生产出有价值的产品。早期设计研究涉及对大量设计文档进行严格的背景研究，设计人员必须手动分析这些文档，以提取功能需求，这些需求被抽象并优先考虑以指导设计。机器学习的最新进展，特别是自然语言处理（NLP），可以通过执行从长格式书面文档中提取功能需求等任务来增强人类设计师耗时且困难的实践。这项工作演示了如何提取问题回答神经网络可以应用于设计作为一种工具，自动化这一初始步骤的设计过程。我们应用了BERT语言模型，在问答方面进行了微调，以识别书面文档中的功能需求。由于措辞的敏感性的限制进行了讨论，并讨论了一个MEMS产品设计的情况下训练的设计特定的模型的大纲。这项工作展示了人工智能在设计中的应用如何利用计算能力来增强人类设计师的工作，这将为通过允许机器“阅读”过去产品设计的大数据来学习打开大门。
Good design practice and digital tools have enabled industry to produce valuable products. Early-stage design research involves rigorous background study of large volumes of design documentation which designers must analyze manually, to extract functional requirements which are abstracted and prioritized to guide a design. Recent advances in Machine Learning, specifically Natural Language Processing (NLP), can be applied to enhance the time-consuming and difficult practice of the human designer by performing tasks such as extracting functional requirements from long-form written documentation. This work demonstrates how extractive question-answering by neural networks can be applied to design as a tool for automating this initial step in the design process. We applied the language model BERT, fine-tuned on question-answering, to identify functional requirements in written documentation. Limitations due to wording sensitivity are discussed and an outline for training a design-specific model is discussed with a MEMS product design case. This work presents how this application of AI to design could enhance the work of human designers using the power of computing, which will open the door for learning from big data of past product designs by allowing machines to “read” them.
登录
查看更多内容
使用深度学习语言表示模型衡量设计中的功能独立性
DOI：
10.1016/j.procir.2020.02.210
发表时间：
2020
期刊：
Procedia CIRP
影响因子：
--
作者：
Akay, Haluk;Kim, Sang-Gook
通讯作者：
Kim, Sang-Gook
PaDGAN：学习生成高质量的新颖设计
DOI：
--
发表时间：
2021
期刊：
影响因子：
--
作者：
W. Chen;Faez Ahmed
通讯作者：
Faez Ahmed
人工智能设计：虚拟设计助理
DOI：
10.1016/j.cirp.2019.03.024
发表时间：
2019
期刊：
CIRP Annals
影响因子：
--
作者：
Kim, Sang-Gook;Yoon, Sang Min;Yang, Maria;Choi, Jungwoo;Akay, Haluk;Burnell, Edward
通讯作者：
Burnell, Edward
设计转录：基于深度学习的设计特征表示
DOI：
10.1016/j.cirp.2020.04.084
发表时间：
2020
期刊：
CIRP Annals
影响因子：
--
作者：
Akay, Haluk;Kim, Sang-Gook
通讯作者：
Kim, Sang-Gook