Дорогие мои рыцари-джедаи инженеры-конструкторы! Возможно, наблюдая за успехами нейросетей в последнее время, вы тоже задумывались, каким образом можно применить все это великолепие для собственной работы, особенно, если ваша работа связана с передовыми разработками в науке и технике. Меня тоже постоянно терзала мысль, что лодка с самыми классными разработками в сфере машинного обучения проплывает совершенно мимо. Не в силах терпеть такое положение, я решил разобраться в современных способах применения машинного обучения в нашей сфере и подготовить обзор инструментов и технологий, пригодных в нашем нелегком труде. Если вам интересно узнать, как ИИ может помочь в инженерной деятельности, добро пожаловать под кат.

Даже небольшое преимущество продукта может принести существенную выгоду. Инженеры постоянно ищут новые способы оптимизации конструкций в существующих ограничениях, чтобы добиться лучших результатов. Так, Airbus в 2006 году анонсировал программу, которая позволила добиться прироста на ~4 процента в показателях эффективности для самолета A320. Отчасти благодаря этому с 2009 по 2016 года (до появления A320neo с новыми двигателями) компания нарастила продажи A320 на ~40% по сравнению с основным конкурентом. В мире будут доминировать те, кто смогут проводить оптимизацию быстрее и эффективнее. Так можно ли ускорить сам процесс оптимизации? В этой статье в блоге ЛАНИТ я бы хотел поделиться одним подходом к оптимизации конструкции, который позволит это сделать.

Была у нас тут история, когда легкий перфекционизм помог привести в порядок конструкторскую документацию и регулярно экономить инженерам кучу дней на прохождение бюрократических процедур. В ее основе – создание системы управления расчетными данными и переход от трудночитаемых и трудноинтегрируемых отчетов Mathcad к гибкой связке Jupyter Notebook с Python и Teamcenter. Но основной рассказ будет про то, как преобразовывать и экспортировать математические формулы, таблицы и другие элементы из Jupyter в красивый и удобный вид.