数据驱动方法与AI在工程设计中的应用：聚焦挑战与机遇的系统文献综述
软件工程
2025-11-27 v1 人工智能
机器学习
摘要
数据可得性的增加和计算智能的进步正在加速数据驱动方法（DDM）在产品开发中的采纳。然而，这些方法的集成仍然零散不均。这种零散性源于不确定性，尤其是缺乏对何时何地使用何种DDM的清晰认识，以及它们在产品开发生命周期中的适用性。为此，一个必要的第一步是通过确定哪些方法正在被使用、在哪些开发阶段以及用于何种应用来调查DDM在工程设计中的用法。本文提出了一项PRISMA系统文献综述。采用并简化V型模型作为产品开发框架，分为四个阶段：系统设计、系统实现、系统集成和验证。在Scopus、Web of Science和IEEE Xplore（2014--2024）上进行结构化检索，共检索到1689条记录。筛选后，114篇文献进行全文分析。研究发现，机器学习（ML）和统计方法在当前实践中占主导地位，而深度学习（DL）虽然仍较少，但采纳趋势显而易见。此外，监督学习、聚类、回归分析和代理模型在设计、实现和集成系统阶段普遍存在，但在验证阶段的贡献有限。现有应用的关键挑战包括模型可解释性有限、跨阶段可追溯性差以及在真实世界条件下的验证不足。此外，本文还概述了诸多限制性机遇，例如对可解释混合模型的需求。本综述是迈向设计阶段指南的第一步；后续综述应将计算机科学算法映射到工程设计问题与活动。
引用
@article{arxiv.2511.20730,
title = {Data-Driven Methods and AI in Engineering Design: A Systematic Literature Review Focusing on Challenges and Opportunities},
author = {Nehal Afifi and Christoph Wittig and Lukas Paehler and Andreas Lindenmann and Kai Wolter and Felix Leitenberger and Melih Dogru and Patric Grauberger and Tobias Düser and Albert Albers and Sven Matthiesen},
journal= {arXiv preprint arXiv:2511.20730},
year = {2025}
}