一种基于大语言模型的自动化功能分解方法

功能分解；大语言模型；概念设计

项目简介

在概念设计中，功能分解旨在将复杂产品或系统的整体功能拆分为更小、可实现的子功能。这一过程有助于设计师系统性地探索解决方案空间，优化问题结构，并管理设计复杂性。然而，传统的功能分解存在显著的认知挑战：设计师常常难以在合适的抽象层次上识别功能，难以遵循结构化语法格式的要求，也难以保持解决方案的中立性。这些困难可能导致分解质量不一致，并降低整个设计过程的效率。 为应对这些挑战，本研究提出一种利用大语言模型（LLM）的自动化功能分解方法。通过从大规模获奖产品及概念设计数据集中构建了一个全面的功能基础库，该库为自动化分解过程提供了词汇基础。所提出的方法通过迭代调用基于LLM的功能分解器来生成子功能，并结合过滤机制筛选输出并判断分解是否完成。 通过一项对比实验，评估了设计师生成的功能树与LLM生成的功能树。结果表明，该方法显著增强了功能构思的广度，提升了分解质量与效率。研究结果显示，LLM辅助的功能分解能够有效支持概念设计，为传统人工方法提供了一种可扩展且系统化的替代方案。