Compréhension des documents de conception basée sur des LLM pour l'extraction de connaissances sémantiques et la vérification de conception

Résumé Les documents de conception contiennent des connaissances essentielles sur la conception, telles que l'intention des concepteurs, les critères de décision et les contraintes, et sont largement utilisés pour soutenir le développement de produits précis et cohérents. La plupart des documents de conception sont vastes et composés de textes en langage naturel non structuré, ce qui rend difficile pour les humains de lire manuellement et de récupérer efficacement les informations pertinentes. Pour répondre à ce défi, cette étude propose une approche de compréhension des documents de conception basée sur des LLM pour organiser de manière structurée les informations de conception implicites intégrées dans des documents de conception non structurés. Un cadre de classification sémantique au niveau des phrases est introduit pour catégoriser les phrases de conception en fonction des caractéristiques quantitatives et fonctionnelles. De plus, des informations contextuelles sont exploitées pour identifier automatiquement l'objet de conception décrit par chaque phrase. Des expériences de classification sémantique et d'identification d'objet de conception ont été menées en affinant divers modèles de traitement du langage naturel (NLP) et des LLM, atteignant une précision de 87,2 % et 91,0 %, respectivement. En outre, une étude de cas sur la vérification automatique de conception utilisant de réels modèles CAD 3D démontre que l'approche proposée peut être directement appliquée aux tâches d'automatisation de la conception.