.png){kind=icon}
返回
Re-instrumenting quality function deployment for generative engineering design: a small language model-based adaptive QFD framework
.png){kind=icon}
PRE
AI
DOI：10.1080/09544828.2026.2723799.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
尽管传统的质量功能展开（QFD）在将利益相关者需求转化为工程特性方面仍然有效，但其静态形式难以适应当代生成式设计，因为快速合成可能绕过需求可追溯性和约束治理。本文提出了一种自适应QFD（AQFD）框架，用于生成式工程设计，其中一种领域专业的小型语言模型（SLM）将QFD重新配置为主动治理机制。该框架包括三个阶段：（1）洞察阶段，SLM将利益相关者输入、标准和设计文档转化为需求-约束知识图谱（RCKG），用于需求提取、优先级排序和冲突识别；（2）集成阶段，自适应质量屋（AHoQ）推导出可追溯的、约束感知的工程目标；（3）概念生成阶段，这些目标成为结构化生成条件，指导在受控设计空间内的概念合成。当验证的需求证据、优先级、法规或约束发生变化时，受影响的RCKG/AHoQ元素和下游目标组合将重新计算。在航空航天监控台重设计案例研究中，所提出的方法减少了人类主导的迭代时间，并相对于仅提示的生成基线提高了概念层面的约束合规性和专家评估的工程合理性。研究发现表明，重新配置的QFD可以将概念生成整合到需求驱动的工程工作流程中，同时保持可追溯性和明确的概念层面验证边界。
Keyword:
Small language model
generative AI
Quality Function Deployment (QFD)
engineering design
Knowledge Graph
期刊
J
IF:
3.4
论文数:
165
被引数:
0
机构
引用论文
Mapping consumer voice into engineering insight: a structured language model-driven design support framework for electric vehicles将消费者声音映射为工程洞察：一种基于结构化语言模型驱动的电动汽车设计支持框架
.png){kind=icon}
PREAI
分享收藏Design coco-pilot: QFD as decision logic for conflict-aware human–LLM collaborative product conceptual design设计Coco-Pilot：面向冲突感知的人机协同产品概念设计的QFD决策逻辑
PREAI
分享收藏AskNatureGPT: an LLM-driven concept generation method based on bio-inspired design knowledgeAskNatureGPT：一种基于仿生设计知识的LLM驱动概念生成方法
OAAI
OAAI分享收藏
查看更多内容