Resumen:El proceso de diseño de ingeniería a menudo exige experiencia en múltiples dominios, lo que lleva a colaboraciones complejas y refinamientos iterativos. Los métodos tradicionales pueden consumir muchos recursos y ser propensos a ineficiencias. Para abordar esto, formalizamos el proceso de diseño de ingeniería a través de un marco de IA de múltiples agentes que integra diseño estructurado y bucles de revisión. El marco presenta agentes especializados basados en el conocimiento que colaboran para generar y perfeccionar candidatos de diseño. Como ejemplo, demostramos su aplicación a la optimización aerodinámica de perfiles aerodinámicos NACA de 4 dígitos. El marco consta de tres agentes clave de IA: un ontólogo gráfico, un ingeniero de diseño y un ingeniero de sistemas. Graph Ontologist emplea un modelo de lenguaje grande (LLM) para construir dos gráficos de conocimiento de dominio específico a partir de la literatura sobre diseño de perfiles aerodinámicos. El Ingeniero de Sistemas, informado por un gerente humano, formula requisitos técnicos que guían la generación y evaluación del diseño. El ingeniero de diseño aprovecha el gráfico de conocimientos de diseño y las herramientas computacionales para proponer perfiles aerodinámicos candidatos que cumplan con estos requisitos. El ingeniero de sistemas revisa y proporciona retroalimentación tanto cualitativa como cuantitativa utilizando su propio gráfico de conocimiento, formando un circuito de retroalimentación iterativo hasta que el gerente valida un diseño. Luego, el diseño final se optimiza para maximizar las métricas de rendimiento, como la relación elevación-resistencia. En general, este trabajo demuestra cómo los agentes colaborativos de IA equipados con representaciones de conocimiento estructuradas pueden mejorar la eficiencia, la coherencia y la calidad en el proceso de diseño de ingeniería.
Publicado originalmente en export.arxiv.org el 5 de noviembre de 2025.
Ver fuente original
