MULTILINGUAL SYSTEM OF CREATION OF PRODUCTION KNOWLEDGE BASES FOR INTELLIGENT DESIGN METHODS WITH AUTOMATIC PROGRAMMING
MULTILINGUAL SYSTEM OF CREATION OF PRODUCTION KNOWLEDGE BASES FOR INTELLIGENT DESIGN METHODS WITH AUTOMATIC PROGRAMMING
Abstract
The most serious challenge facing the Russian economy is low efficiency. Without modernization, it is impossible to create a solid foundation, raise living standards and ensure the country's reliable security in an unstable world. In this regard, the Digital Economy project has been included in Russia's National Projects for the period from 2019 to 2024. Among the objectives of this project is the use of domestic software in the field of digital industries, as well as the creation of end-to-end digital technologies predominantly based on domestic developments.
The authors' objective is to develop a multi-agent intelligent system to enable international integrated co-operation in a design environment using process know-how and experience. Field of application: Planning as a possibility to achieve goals in a design with numerous variables.
1. Введение
Описана программная инженерия, обеспечивающая создание интеллектуальных систем непрограммирующими пользователями на различных естественных языках. Введено представление модулей знаний для непрограммистов и генерация на их основе баз знаний. Принципами создания баз знаний должны стать «гуманизация» и «автоматизация» программирования. Гуманизация должна основываться на языке «деловой прозы», максимально приближенному к естественному. Описаны: словарь базы знаний, комбинированные модули с формулами, модули – таблицы, модули геометрических процедур, модули выбора из базы данных, модули генерации 3D вариантов моделей, компоненты системы для решения уравнений, подход к созданию программного кода с помощью экспертной методологии, иерархия уровней знаний, выбор языка для представления информации, а также создание и выполнение сгенерированной программы.
2. Концептуальная модель модулей знаний
Исследование проблем, возникающих при проектировании экспертных систем с использованием методологии искусственного интеллекта в настоящее время весьма распространено среди экспертов во многих странах.
Авторы
разработали гуманоидного робота-уборщика работающего на комбинации высокоуровневых гибридных механизмов рассуждения с низкоуровневой системой управления всем телом. Важно отметить, что в данном проекте параметризация тесно работает в паре с Базой знаний стратегий управления всем телом. В настоящее время декартовы траектории задач создаются вручную квалифицированными программистами.В статье
описывается разработка интеллектуальной системы, основанной на параллельном проектировании, для создания альтернативных вариантов проектирования на стадии концептуального проектирования. Предлагаемая экспертная система включает в себя модуль анализа проекта, модуль оценки проекта, модуль сбора и хранения знаний, пользовательский интерфейс и базы данных. Он также интегрирован с приложением электронных таблиц для хранения данных и численного анализа и работает в сочетании с программным обеспечением для выбора материалов Cambridge Engineering selector (CES), чтобы облегчить процесс выбора материалов. Редукция модели основана на формализме Global modal parameterization (GMP), который основан на нелинейной динамике.В статье описывается модель роботизированной передачи, которая первоначально оптимизируется с использованием генетического алгоритма, рассматривая деформацию и напряжение изгиба как ограничения. Эти данные используются для подготовки 3D-модели в программном обеспечении CATIA. Дальнейший анализ планировался с помощью инструмента моделирования ABAQUS. С помощью этого программного обеспечения выполняется статический структурный, частотный анализ и анализ критических нагрузок. Этот анализ выполняется с использованием генетического алгоритма и MATLAB. Результаты сравниваются интеллектуальной системой для определения оптимального и наиболее подходящего материала для легких зубчатых передач.
В данной статье авторы поставили себе цель построить прототип многоязычной системы модулей знаний для интеллектуальных методов проектирования на нескольких языках опираясь на стандарты, принятые в международной области. Наиболее целесообразным представляется выбор методологии IDEF0. В 1981 году была создана стандартная модель IDEF0 в рамках программы автоматизации промышленных предприятий, которая носила обозначение ICAM (Integrated Computer Aided Manufacturing). Набор стандартов IDEF является прямым потомком ICAM и сейчас расшифровывается как ICAM Definition. В процессе практической реализации, разработчики программы ICAM столкнулись с необходимостью применения инновационных подходов к анализу взаимодействия в промышленных системах. Помимо улучшенного набора функций для описания процессов, одним из требований к новому стандарту было наличие эффективной методологии сотрудничества между аналитиками и специалистами. Стандарт обеспечивает групповую работу в рамках проекта, где все аналитики и специалисты активно участвуют в коллективной работе по созданию модели.
Исходя из того, что обсуждается вопрос об интеллектуальных системах, ключевым компонентом является модуль знаний, реализованный по стандарту IDEF0 (рис. 1) и представленный на языке «деловой прозы».
Рисунок 1 - Внешнее представление модуля в стандарте IDEF0
3. Модули знаний на языке деловой прозы
Необходимо ясно и точно выражать свои мысли. Лучше избегать использования сложных и запутанных фраз, предпочитая простой и понятный язык. Также важно учитывать аудиторию, к которой обращается автор, и использовать терминологию, понятную ей. Кроме того, следует избегать повторений и излишнего употребления (дублирования) одних и тех же слов. В IDEF0 имеются словари, содержащие описания действий и указателей. В этих словарях можно предоставить описания, которые раскрывают смысл, содержащийся в том или ином описании.
Инструкции по применению методологии IDEF0 можно найти в документе Р 50.1.028-2001 «Информационные технологии для поддержки жизненного цикла продукции. Методология функционального моделирования»
.Реализованная модель в рамках IDEF0 моделирования всех процессов является ключевым элементом при организации бизнес-процессов и проектов.
Выбор должен осуществляться таким образом, чтобы элементы ясно отражали их функциональное назначение и были понятными для пользователей. Не рекомендуется использовать общие или неоднозначные названия переменных, так как это может затруднить понимание кода программы. Следует избегать повторения одинаковых имен переменных в разных частях программы, чтобы избежать путаницы и ошибок. Важно также придерживаться определенных стандартов по наименованию переменных в Модулях Инженерных Знаний, чтобы код был более читаемым и понятным для других разработчиков. Словарь Базы Знаний представлен на таблице 1.
Таблица 1 - Словарь базы знаний
Наименование | Ед. изм. | Имя | Тип |
Диаметр оси стандартный | мм | d | R |
Длина оси стандартная | мм | L | R |
Ширина фаски | мм | c | R |
Диаметр буртика | мм | D | R |
Ширина буртика | мм | H | R |
Радиус галтели | мм | r1 | R |
Радиус скругления буртика | мм | r2 | R |
Марка материала | - | Марка | S |
Изгибающий момент | Н*мм | Mi | R |
Допустимое напряжение изгиба | МПа | Ti | R |
Диаметр оси исходный | мм | do | R |
Длина оси исходная | мм | Lo | R |
Тип оси | - | TO | S |
Номер детали | - | Ном | I |
Диаметр оси расчетный | мм | dr | R |
Формирование модулей знаний (МЗ) осуществляется с помощью системы СПРУТ ЭксПро
, , , . В модуле на рисунке 2 проводится расчет по формулам для ряда величин.
Рисунок 2 - Внешний облик модуля – математические выражения
Рисунок 3 - Внешнее представление модуля
Рисунок 4 - Внешнее представление модуля – процедуры геометрической
Для решения сложных задач можно использовать методы, сгенерированные из МЗ. Эти методы можно применять для решения разнообразных комплексных задач.
4. Механизмы модулей знаний
4.1. Выбор из базы данных
Информацию, а также характеристики материалов можно найти в каталогах Баз Знаний, что позволяет существенно повысить эффективность процессов и снизить затраты на производство. В процессе проектирования информация выбирается из таблиц Баз Знаний. Для этих целей применяются Модули Знаний выбора (селекции) из баз данных .
Рисунок 5 - Внешнее представление модуля – выбора из базы данных
В SolidWorks был разработан механизм работы с формулами, который позволяет полностью определить геометрию модели и устанавливать связи и зависимости. Это особенно важно для инженеров-конструкторов, так как поведение систем часто зависит от динамических отношений между различными геометрическими параметрами.
После создания твердотельной модели из эскиза с размерами мы можем начинать связывать один общий размер с другим, когда это требуется. Внесение изменений в эскиз может увеличить динамичную реакцию на изменения в детали конструкции, то есть данный размер становится функцией от других размеров. Статическая детекция позволяет обнаружить потенциальные проблемы в процессе работы, что способствует уменьшению трудозатрат, повышению качества и надежности. Именно на этом этапе статическая деталь становится интеллектуальной (рис. 6).
Рисунок 6 - Привязка глобальных переменных
Чтобы обеспечить возможность генерации 3D моделей с помощью баз знаний, необходимо созданный ранее метод знаний связать с CAD-системой при помощи специализированного PRT-модуля, благодаря которому, на основе параметризованной в CAD-системе модели детали и/или сборочной единицы, можно было бы сгенерировать 3D модель изделия на основе параметров и значений размеров, рассчитанных в модулях инженерных знаний.
При правильном подборе и расчете всех указанных и передаваемых параметров после перерасчета система сможет перестроить исходный червячный редуктор в течение короткого времени после загрузки по новым требованиям (рис. 7-8).
В противном случае исходная 3D-модель исчезнет и будет отображено сообщение об ошибке.
Рисунок 7 - Процесс полуавтоматического разработки червячного редуктора
Рисунок 8 - Создание 3D модели изделия с учетом параметров
Одной из форм математических знаний, необходимых для разработки интеллектуальных систем, являются геометрические знания. Для выполнения расчетов также требуются модели непрерывных систем, основанные на дифференциально-алгебраических системах уравнений.
Для интеграции в интеллектуальную систему проектирования необходимо, чтобы инструментальное средство, способное генерировать указанные модели, обладало следующими функциями:
- поддержка языка программирования, который соответствует принципам объектно-ориентированного подхода и может быть использован вместе с языком программирования UML;
- возможность при использовании стандартных математических терминов и без применения конкретного языка программирования создавать удобное и достаточное описание модели;
- автоматическое создание компьютерной модели, которая соответствует заданной математической модели, с возможностью автономного применения этой компьютерной модели
.Пакет Model Vision
во многом соответствует данным требованиям. Основным элементом языка MVS является активный динамический объект (АДО). Активный динамический объект MVS позволяет обеспечивать моделирование как непрерывное, так и дискретное или гибридное. С точки зрения языка – это активный объект, так как ему присуща своя собственная внутренняя деятельность, независимая от поведения других объектов. Атрибуты активного объекта соответствуют переменным с определенной семантикой значений, которая явно описывается в словаре экспертной базы знаний. Поведение активного объекта UML определяется диаграммой состояний. В MVS непрерывное поведение может иметь единственное состояние, которому приписана система уравнений.В отличие от объекта UML, деятельность, характерная для АДО, может быть непрерывной и не зависеть от «потока управления». Непрерывный поток времени, являющийся независимым и глобальным, является важнейшим фактором, который побуждает к постоянной активности.
Внешние переменные представляют собой общедоступную часть объекта (публичный интерфейс), в то время как внутренние переменные и поведение инкапсулированы внутри самого объекта. Значения внутренних переменных могут быть изменены только изнутри объекта. Внешние переменные могут быть изменены как извне объекта, так и внутри него. Значения параметров задаются при создании экземпляра объекта и остаются неизменными в течение всего срока его существования. С каждой непрерывной переменной (имеющей тип значения скалярный вещественный, векторный или матричный) автоматически связывается набор производных, не требующих специального описания.
В отношении локальных объектов, которые обсуждаются здесь, объект, содержащий их, является объектом-контейнером. При создании экспертных баз знаний таким контейнерным объектом является объект-функция. Ниже представлено внешнее представление математического модуля знаний с идентификатором RsDP, который предназначен для расчета максимальной дальности полета объекта массой 1, брошенного под углом Teta0 к горизонту со скоростью V0. Скорость должна быть положительной, а угол должен находиться в диапазоне от 0 до π/2.
Схематическое изображение системы уравнений представлено на рисунках 9 и 10.
Рисунок 9 - Внешнее представление модуля знаний
Рисунок 10 - Визуальное воплощение набора уравнений
Локальная деятельность, в свою очередь, может быть использована для выполнения различных операций внутри состояния, которые продолжаются до тех пор, пока данное состояние остается активным.
На рисунке 11 представлено описание процесса создания временной диаграммы во время проведения вычислительного эксперимента, который моделирует движение объекта, брошенного под углом к горизонту, в соответствии с системами уравнений, приведенными ранее.
Рисунок 11 - Внешнее представление решения системы уравнений
5. Системы баз знаний
Цифровая эра должна предоставить неопытному пользователю – носителю знаний, не обладающему навыками программирования – возможность ввода данных в компьютер используя методологию экспертного программирования
. В этой методологии знания излагаются на языке деловой прозы. Этот язык максимально приближен к литературному языку, но формализован настолько, что имеется возможность автоматической генерации программных средств, соответствующих исходным текстам.Это позволяет значительно ускорить процесс разработки программ и снизить вероятность ошибок. Такая формализация также позволяет легко вносить изменения в программное обеспечение, не затрагивая его основную структуру. В итоге, формализация является мощным инструментом для повышения эффективности и надежности разработки конечных продуктов.
Любая проектируемая система сформирована из компонентов и соединений между ними
. Компонентов, где каждый является некой функцией, а любой другой – своего рода контекстом, в котором эта функция выполняется. S = < A, R >, где A – множество элементов, которые составляют систему, R – различные связи между данными компонентами.Из этого можно сделать вывод, что можно осуществить классификацию проектируемых систем, используя один из двух основных критериев различия:
а) по характеристикам компонентов, составляющих систему;
б) по различным типам отношений, которые связывают эти элементы.
Эти критерии классификации можно рассматривать как в качестве отдельных, так в качестве независимых.
Примерами использования критерия а) служит перегруппировка науки и техники на дисциплины и специализации, каждая из которых анализирует особенности определенных категорий. Применительно к конструированию изделий – это разделение в соответствии с классификацией машин и аппаратов, например, по системе ЕСКД. Применительно к технологии – это классификация по технологическим методам в соответствии с ЕСТД (например, литье, обработка давлением, резанием, термическая и т.п.). Каждый тип элементов требует использования различных экспериментальных средств для сбора данных, данная классификация основана на экспериментальной основе.
Критерий б) дает совершенно иную классификацию систем, а именно – состоит в определении типа отношений, которые имеются в классе, без привязки к конкретным элементам, на которых эти отношения заданы. Такая классификация основана на обработке данных, а не на их сборе. Главным образом была задействована теоретическая составляющая, однако, с появлением вычислительных устройств, этот критерий изменился. Из критерия б) для проектирования систем использовались только математические модели определенных типов. поскольку математические модели основаны на аксиоматическом подходе и абстрагированы от материальных/энергетических аспектов явлений.
Таблица 2 - Классификация применений и эпистемологическая классификация уровней знания обычно проводятся в соответствии со стандартными подходами
Традиционная классификация прикладных областей | Эпистемологическая классификация | ||||||||
Наука | Техника | Другие области | Эпистемологические | ||||||
Физика | Химия | .. | Меха ника | Электро ника | .. | Медицина | Му зыка | .. | уровни |
|
| .. |
|
| .. |
|
| .. | Уровни 4, 5 МЕТАСИСТЕМЫ (отношения между определенными ниже отношениями) |
|
| .. |
|
| .. |
|
| .. | Уровень 3 СТРУКТУРИРОВАННЫЕ СИСТЕМЫ (отношения между определенными ниже системами) |
|
| .. |
|
| .. |
|
| ... | Уровень 2 ПОРОЖДАЮЩИЕ СИСТЕМЫ (модели, генерирующие определенные ниже данные) |
|
| .. |
|
| .. |
|
| ... | Уровень 1 СИСТЕМЫ ДАННЫХ (данные, структура которых определена ниже) |
|
| .. |
|
| .. |
|
| ... | Уровень 0 ИСХОДНЫЕ СИСТЕМЫ (язык определения данных) |
Такие модели могут быть применены для анализа различных систем и процессов, таких как экономические, биологические или физические. Кроме того, эти математические модели могут быть адаптированы для решения различных задач, включая прогнозирование, оптимизацию и контроль. Во второй половине XX века возник ряд новых теоретических наук, которые тесно связаны с родственными дисциплинами: развитие вычислительной теории управления; методов оптимизации; теории игр; искусственного интеллекта; машинного обучения; алгоритмов и структур данных; компьютерного моделирования; анализа данных; статистических методов; исследование операций; информационные технологии; разработка программного обеспечения; инженерия знаний; системный анализ; оптимальное планирование; робототехника; биоинформатика; компьютерное зрение; анализ больших данных; интернет вещей; облачные вычисления, теория искусственного интеллекта.
Самыми большими по критерию б) являются категории, которые описывают различные эпистемологические уровни, т.е. уровни знания относительно рассматриваемых явлений. Далее эти классы уточняются с применением различных методологических отличий. Каждый обнаруженный класс подразделяется на более мелкие классы, состоящие из систем, эквивалентных с точки зрения конкретных практических сущностей, из них каждые имеют свои уникальные особенности и функции. Отношения между ними также различны. Если выделить из таких классов некоторые аспекты и их связи, то можно заметить, что они могут быть основаны на совершенно различных элементах. Каждую систему можно заменить одной системой, представляющей этот класс.
Профессором Д.С. Поспеловым был создан комплекс новых методов построения систем управления, в основе которых лежит идея семиотических (логико-лингвистических) моделей представления объектов управления и описания процедур управления ими. Семиотические системы по Д.А. Поспелову являются расширением классических формальных систем. В отличие от классической формальной системы, которая моделирует замкнутый, полностью заданный мир, семиотическая модель позволяет описывать процессы, протекающие в открытых или динамических системах. Эти модели, послужившие основой для создания им методов ситуационного управления большими системами и семиотического моделирования, на полтора десятка лет опередили аналогичные работы в области ИИ и смежных направлениях в США и Европе. В частности, в СССР ещё в 1970-е гг. с помощью методов ситуационного управления и семиотического моделирования были созданы эффективные системы оперативного диспетчерского управления такими сложными объектами, как грузовой морской порт, автокомбинат, комплекс трубопроводов и др.
.В область системологии включены все разновидности свойств отношений, которые являются значимыми как для отдельных классов, так и для целых систем. Выбранная классификация систем помогает разделить системологию на разные области, аналогично тому, как традиционная наука разделяется на различные дисциплины и специализации. Знания о системах – то есть знания, которые относятся к разным типам отношений в системах – могут быть получены с помощью математики или путем экспериментов с их моделями на компьютере.
Системная методология связана с функционированием и взаимодействием компонентов системы. Это наука, которая исследует структуру систем, их характеристики и способы взаимодействия. Она также разрабатывает методы и алгоритмы для решения проблем, возникающих при проектировании, анализе и оптимизации систем, постановка которых касается связей и взаимодействий между их элементами. Основными принципами системологии являются анализ, моделирование и прогнозирование различных видов системных отношений.
Иерархическая классификация систем в системологии строится на основе их эпистемологических уровней (табл. 2). Данная иерархия основана на следующих основных принципах:
· профессионал, занимающийся исследованиями (разработкой, технологией) и его рабочее окружение;
· система, которую мы исследуем (проектируем), и окружающая ее среда;
· взаимодействие между исследователем и системой .
Самый нижний уровень в этой иерархической структуре обозначается как нулевой (0) уровень. Модель позволяет описать систему и проводить операции над ее состояниями с помощью значений атрибутов. Для систем, определенных на этом уровне, используется термин исходная система, указывающий на то, что она является, по крайней мере потенциально, источником эмпирических данных. В литературе используется также название «система без данных», означающее, что система этого уровня представляет собой простейшую стадию процесса исследования, не использующую данные о доступных переменных.
Другими словами, на нулевом уровне исследуются характеристики и взаимосвязи между свойствами (переменными) системы, которую мы исследуем или проектируем. Для этого используется математическая лингвистика, которая изучает понятия, имена, термины и связи между ними. Для специалистов в области автоматизации проектирования язык является инструментом для описания исходных систем при помощи терминов. Термины являются основными элементами специализированной лексики, которая используется в различных областях знаний. Они служат для точного и однозначного обозначения понятий, процессов, объектов и явлений, характерных для определенной области. Использование терминов позволяет избежать неоднозначности и позволяет более точно и эффективно общаться внутри специфических областей знаний при помощи понятий. Группа или категория предметов (процессов), а не отдельный предмет называется структурой, как набор обязательных атрибутов, которые определяют класс предметов. В языке эти атрибуты обозначаются. именами, а конкретные значения имен – терминами. Один конкретный предмет можно выделить, используя термины из класса предметов.
На более высоких эпистемологических уровнях системы отличаются друг от друга содержанием знаний относительно переменных соответствующей исходной системы. Системы, которые были обогащены информацией о фактических состояниях основных переменных, при определенных параметрах, рассматриваются как новые системы на эпистемологическом уровне 1. Такие системы называются системами данных. В зависимости от цели, информация может быть получена путем наблюдений или измерений (например, в задаче моделирования), либо определена как желаемые состояния (как в задаче проектирования).
При конструировании используется информация из архива предыдущих разработанных конструкций, информация о доступных стандартных сборочных единицах и деталях, информация о типовых элементах конструкторской и технологической документации деталей и другие источники. При разработке технологических процессов используются данные из архива предыдущих разработанных процессов, информация о доступных стандартных технологических процессах, средствах технологического оснащения и другие ресурсы.
Более высокие уровни эпистемологии включают в себя информацию о взаимосвязях между изучаемыми переменными, которая позволяет генерировать данные при соответствующих начальных и граничных условиях. Эти характеристики обычно содержатся в нормативной технической документации, а иногда они основаны на практическом опыте инженеров.
Уровень 2, применяемый для автоматизации проектирования – это уровень базы знаний генерации значений переменных, определяющих свойства, которые могут быть использованы в производственном процессе. Здесь задаются инвариантные значения, которые могут значительно влиять на результаты эксперимента или исследования. Различные варианты параметров могут создавать различные функциональные связи между основными переменными, включая определенные значения, и эти различия могут оказывать значительное влияние на результаты проводимого эксперимента или исследования исходной системой. Эту переменную называют внутренней. Каждое правило преобразования базы знаний на этом уровне обычно представляет собой однозначную функцию, присваивающую каждому элементу множества переменных, рассматриваемому в этом правиле в качестве выходного, единственное значение из множества допустимых
.Поскольку задачей генерации свойств является реализация процесса, при котором состояния основных переменных могут порождаться по множеству параметров при любых начальных или граничных условиях, системы уровня 2 называются порождающими системами (generative system). При конструировании на уровне 2 располагаются базы знаний, связанные с расчетом конструкций, при проектировании технологических процессов – базы знаний по выбору заготовок, формированию набора переходов, расчету режимов обработки, норм времени и т.п.
На уровне 3 эпистемологии и выше, системы формируются из набора определений и некоторых компонентов систем, работающих на более низком уровне – мета характеристики (правила, отношения, процедуры).
6. Выбор языка представления знаний
В системе имеется возможность представления знаний на различных естественных языках
. Как было отмечено выше, наименования и имена переменных, используемые для входных, управляемых и выходных данных, могут быть переименованы для обеспечения большей уникальности модулей знаний. Они должны выбираться из словаря базы знаний, который представлен для русского языка на рисунке 12. Вместе с тем в качестве языка может быть выбран любой естественный язык.На рисунке 12 отображается внешнее представление модуля, которое в инженерных книгах часто представляется в виде формул.
Рисунок 12 - Внешнее представление модуля с формулами на русском языке
Рисунок 13 - Внешнее представление модуля с формулами на китайском языке
7. Генерация программ
В данной системе существует функция, которая позволяет создавать компьютерные программы, основанные на разработанных базах знаний. Рисунок 14 демонстрирует протокол работы этой функции. Он отображает процесс создания программы для модуля «MPrObCnO» – протокол проектирования переходов обработки осевых конических отверстий, внутренних резьб М и конусов представлен в модуле проектирования обработки. Приведен протокол проектирования переходов обработки конусов при работе базы знаний.
Рисунок 14 - Процедура функционирования компьютерного программного генератора
Для автономного запуска метода необходимо сгенерировать программу, с помощью которой можно заполнить исходные данные для запуска метода, запустить метод и расшифровать результаты, рассчитанные этим методом.
Для того чтобы запустить метод автономно, необходимо войти в систему СПРУТ и создать новый проект в разделе «Каталог программ для автономного запуска». Обычно данный раздел находится в каталоге \Run, сгенерированная программа Метода будет включена в проект и запущена после оттранслирования проекта.
На экране появится специальное меню, предназначенное для запуска определенного метода (рис. 15).
Рисунок 15 - Запуск сгенерированной программы
8. Заключение
Представлена методология и средства программной инженерии с автоматическим программированием, а также с возможностью использования различных естественных языков. Дано описание банка знаний и эпистемологических уровней представления знаний. Описаны: словарь базы знаний, комбинированные модули с формулами, модули – таблицы, модули геометрических процедур, модули выбора из базы данных, модули генерации 3D моделей, модули решения систем уравнений, методология экспертного программирования, классификация уровней знаний, выбор языка представления знаний, а также генерация программ и запуск сгенерированной программы. Предлагаемая методология использует алгоритмы, основанные на многоагентном подходе с применением продукционных баз знаний, генерирующих параметризованные 3D-модели и применяемые при разработке искусственного интеллекта. Новизна и общемировая тенденция заключается в цифровизации всех аспектов инженерной деятельности с повышением квалификации и профессионализма инженеров за счет совокупного накопления и распределения знаний.
Разработанная методология применима к различным случаям типового вариантного проектирования изделий машиностроения, помогает снизить себестоимость проектирования и производства благодаря снижению трудовых затрат большого числа профессиональных проектировщиков, конструкторов, технологов и программистов.