NASTAVA > Radovi

Metodologija za automatizirano bilježenje i pretraživanje zapisa o procesu konstruiranja


Podaci preuzeti iz FSB repozitorija na Dabru, 29.09.2025., https://repozitorij.fsb.unizg.hr/islandora/object/fsb%3A12211

Sažetak:

Rad opisuje razvoj metodologije za strukturirano bilježenje i pretraživanje inženjerskog procesa tijekom konstruiranja proizvoda korištenjem naprednih alata temeljenih na velikim jezičnim modelima (LLM). U uvodnom dijelu rada istraženi su različiti postojeći pristupi bilježenja konstrukcijskih procesa, od analognih metoda do suvremenih digitalnih rješenja kao što su DRed (engl. Design Rationale Editor) i IBIS dijagrami. Istražena je primjenjivost velikih jezičnih modela za analizu i interpretaciju bilješki i snimaka zaslona nastalih tijekom inženjerskog rada. U tu su svrhu detaljno testirane različite verzije komercijalno dostupnog velikog jezičnog modela ChatGPT (o1, o3-mini, o3-mini-high, 4o-mini, 4o i 4.5). Eksperimentalno testiranje jasno je demonstriralo kako nove verzije ovih modela pružaju znatno preciznije rezultate u pogledu razumijevanja konstrukcijskih zahtjeva, tehničkih specifikacija, identifikacije ključnih promjena te kreiranja strukturiranih bilješki.  Kroz seriju eksperimentalnih ispitivanja metodologije, uključujući zadatke izbora ležaja, modeliranja ploče elektromotora i modeliranja LED žarulje, utvrđeno je kako primjena LLM-a značajno doprinosi kvaliteti i efikasnosti bilježenja konstrukcijskog procesa. Posebno se pokazalo korisnim automatsko generiranje inženjerskog dnevnika i IBIS dijagrama na temelju prikupljenih podataka, čime se osigurava transparentnost, lakoća pristupa informacijama i poboljšano upravljanje znanjem unutar tima. Rezultati pokazuju da naprednije verzije ChatGPT modela pružaju preciznije analize i detaljnije uvide, dok starije verzije imaju značajna ograničenja u interpretaciji specifičnih tehničkih informacija. Zaključno, integracija velikih jezičnih modela u procese vođenja inženjerskih bilješki pokazala se kao obećavajuća praksa s velikim potencijalom za daljnje unaprjeđenje.

Mentor:

Autor:

Tibor Totman

Godina:

2025.

Vrsta:

Diplomski rad

PDF:

Tibor Totman - diplomski rad