装备制造企业的CAD、PLM、ERP和MES已经覆盖设计、产品数据与生产管理，但系统之间仍有大量工作依赖工程师人工衔接。一次结构调整，往往需要设计、工艺、采购和生产重新核对BOM、版本及工艺要求；客户条件发生变化，选型、布局和出图也要重新处理。随着多品种、小批量和按订单设计日益普遍，这类变化更加频繁，企业的响应速度越来越受制于重复整理、修改和确认。

 

品览Plex 1.0 AI物理工程师智能体平台将这些重复衔接转化为可执行的工程任务。平台可以理解企业已有的图纸、模型、BOM和历史项目，调用产品规则、三维几何能力及设计软件，完成方案检索、选型布局、模型修改、图纸生成等工作。工程师负责关键判断与最终审核，平台承担可复用的执行过程，帮助企业缩短方案响应和设计变更周期，减少跨岗位协同成本，并将个人经验沉淀为稳定的工程能力。

 

其他软件没有少用，为什么工程仍然很慢？

 

局部设计改动很少只影响一张图纸。零件尺寸发生变化后，BOM、工艺、采购和制造都可能受到影响，各岗位还要确认所用版本是否最新。

 

PTC在工程变更管理的说明中提到，小范围修改也可能改变更大的工程上下文，下游团队需要及时理解变化及其影响。

 

西门子在ETO场景中也指出，EBOM与MBOM失去同步后，生产延误、返工和质量问题会随之出现。

 

 

图1 EBOM与MBOM的变更对齐 图源：Siemens Teamcenter Manufacturing

 

类似的损耗也出现在规则执行和方案响应中。资深工程师熟悉安装边界、布局要求和制造规范，新人却需要较长时间才能掌握。历史项目虽然很多，新任务启动时，设计人员仍要重新查找、判断和录入。前端需求变化越快，这种依赖人工经验的工作方式越容易形成瓶颈。

 

这也是装备制造工程复杂度持续上升后最突出的问题： 企业缺少的不是文件，而是让设计意图能够连续传递的工程上下文。

 

企业积累了大量文件，却还没有形成可调用的工程知识

 

装备制造企业多年积累了大量二维工程图、三维CAD模型、BOM、工艺文件和历史项目资料，但这些内容往往分散在不同文件和系统中，仍需工程师逐项读取、录入和核对。随着工程图纸解析和多模态理解技术的发展，二维图纸中的尺寸、公差、材料、技术备注等信息，已经可以被识别并转换为JSON等结构化数据，使系统能够直接读取图纸中的工程信息。

 

图2 二维工程图结构化信息提取流程

该方法定位图纸中的标注区域，提取尺寸、公差、材料、螺纹、表面要求及技术备注等信息，并生成结构化JSON数据。 图源：Khan et al., 2025

 

与此同时，三维CAD模型中的孔、凸台、加强筋、圆角等几何特征也可以被识别，并与二维图纸中的尺寸和标注建立可追溯映射。二维图纸与三维模型由此形成统一的结构化表达，系统可以结合BOM、技术文档和工程规则，对零部件、装配关系及设计约束进行多模态理解。

 

 

图3 二维工程图标注与三维CAD特征的可追溯映射示例

图中将二维图纸中的尺寸及标注信息，与三维模型中的孔、凸台、加强筋和圆角等特征进行对应，并记录映射方法、信息来源和置信度。

图源：Context-Aware Mapping of 2D Drawing Annotations to 3D CAD Features Using LLM-Assisted Reasoning for Manufacturing Automation, 2026

 

当二维标注和三维结构都能被提取为结构化数据，并在图纸、模型、BOM与工程规则之间建立映射，企业原有资料便可以逐步形成可供多模态模型理解和调用的工程数据。AI由此能够参与方案检索、约束计算、设计生成和结果校核。

 

读懂资料只是基础。AI真正进入工程流程，还要能够根据约束生成合理方案，输出可继续编辑和交付的工程成果，完成校核，并将结果写回企业现有系统。

 

品览正在围绕这条工程能力链，让企业积累的二维、三维资料真正转化为可调用、可计算、可复用的工程知识。对此，Plex 1.0 AI物理工程师智能体平台应运而生。

 

Plex 1.0：面向装备制造的AI物理工程师

 

理解二维图纸、三维模型和BOM，是AI参与装备制造设计的基础。Plex 1.0进一步将多模态理解、工程Skill和设计Tool组织在同一平台内，使AI物理工程师能够接收任务、拆解步骤，并在每个环节调用工具完成实际操作。例如读取和修改CAD图纸、调用三维建模能力、执行参数计算与设备选型、生成图纸和BOM，以及完成设计校核。

 

 

其中，Tool负责执行具体设计动作，Skill则沉淀产品参数、选型逻辑、装配关系、空间约束、企业规范和历史经验。AI物理工程师在调用工具时，会按照Skill中的工程规则完成判断和操作，使生成结果符合企业真实的产品体系与设计要求。

 

不同装备、不同任务需要的工程师能力并不相同。Plex 1.0可以根据企业的产品和流程，配置售前方案、机械设计、模型修改、工程校核等不同类型的AI物理工程师：售前场景侧重需求解析、选型排布和二维、三维方案生成；详细设计场景侧重历史方案复用、模型修改、自动出图和BOM联动；校核场景则重点处理尺寸、连接、制造及安全约束。这种方式尤其适合非标程度高、产品变型多、设计规则复杂的装备制造业务，能够减少重复操作，加快方案响应和设计修改，并降低工程经验过度依赖个人的问题。

 

下面几个案例展示了Plex 1.0在真实装备制造任务中的具体应用。

 

三个项目中的具体实践

案例一：两站售前方案设计

在某头部工程机械企业的泵路两站售前场景中，方案设计不仅需要确定设备类型，还要结合场地红线、规划区域、站型、生产线数量、料场配置、出入口以及多项工程约束。

 

 

 

传统方式主要依赖设计师在CAD中绘制二维图块。销售人员收集客户需求后，需要将信息交给设计人员完成选型和布局；需求变化时，相关图纸和展示材料还要重新调整。对于客户而言，二维CAD方案也不够直观，往往需要专业人员进一步解释。

 

品览围绕这一流程构建售前AI设计平台，将场地图纸识别、项目类型选择、设备选型、AI排布、二维与三维方案生成、渲染及车流展示连接起来，并通过多型号构件树和联动规则管理水泥站、沥青站及双站混合3类项目，现有资料已覆盖21种沥青站和18种商混站，共39种主力产品型号，并围绕客户场地设置、设备选型与配置、两站设备排布、多方案生成、渲染及配置报价等核心环节，形成了相应的规则与测试用例。基于客户现场条件，目标在10分钟内形成可展示的设计效果。

 

在方案输出侧，平台不只提供规划顶视图，还可以生成三视图、三维模型和带有光影效果的渲染图，使销售、设计人员和客户能够围绕一套更直观的方案进行沟通和修改。

 

平台同时具备群组和项目隔离能力，可满足不同大区、团队之间的项目权限要求；通过本地部署、模型库管理和产品库建设，支撑大体量设备模型的稳定调用。当前项目已按照双方确认的蓝图基本完成主要功能，并进入验收前的持续优化阶段。

 

 

 

这一项目当前最重要的价值，并不是用大模型替代工程师，而是将原本分散在销售沟通、CAD设计、模型调用和效果展示中的工作，整合为一条可配置、可执行、可视化的售前方案流程。

 

案例二：让AI在复杂工程约束内完成柜内设计

与厂站方案设计不同，电柜内部设计面对的是更细粒度、更强约束的工程问题。

 

在某智能装备企业的柜内AI设计项目中，系统读取底板三维模型、物料清单、连接列表和物料库数据，并据此参与元器件布局、线槽与导轨配置、板内及跨板布线、线缆长度计算、开孔、检查和结果输出。

 

项目输入包括4类核心输入：STP底板模型、物料清单、连接关系和物料库接口数据；在此基础上，系统参与元器件自动布局、线槽与导轨配置、开孔设计和走线路径计算，并覆盖5类布线场景：板内线束、跨板线束、底板至电柜线束、跨柜线束、柜外至柜内线束，输出则包括元件坐标、底板尺寸和走线信息，并能够通过Excel、JSON、Web API或坐标数据交付给后续流程。

 

 

 

这里的难点不在于生成一张看起来合理的布局图。元器件能否安装、方向是否正确、不同线路是否需要隔离、线槽容量是否满足、路径能否实际施工，都必须作为工程约束同时参与计算。

 

品览将这些约束拆解为配置模板、工程规则和算法任务，使AI能够进入布局、布线、开孔、检查、结果回写和数据导出的完整流程。目前，相关布局算法已完成典型场景的基础流程跑通，并持续推进组合布局、布线框架、物料库建设及内部批量测试。

 

AI不只可以生成视觉结果，也可以在明确规则和交付标准下参与可验证的详细设计。

 

案例三：AI驱动集装箱模型修改

在某大型集装箱制造企业的定制设计中，经常有开口尺寸、部件位置等调整要求。一次局部修改可能同时影响装配方程、紧固件和周边结构。传统方式由设计人员打开SolidWorks模型，查找参数并重新构建装配体，再逐项确认零部件状态。参数不清晰时还要反复比对模型关系，检查和修改都比较依赖经验。

 

 

 

品览在Plex 1.0中构建了集装箱模型修改智能体。设计人员用自然语言说明目标后，系统可以识别具体任务，而后调用模型参数和工程规则，并在隔离副本中完成修改。模型缺少直接参数时，系统会继续检查方程、尺寸关系和几何特征，由此找到可执行的修改方式，同时保留原始装配体。

 

修改完成后，系统自动重建模型，并检查目标尺寸、关联方程、紧固件及关键零部件状态。验证证据不足时，系统会明确标记仍需工程师确认的内容。

 

 

 

目前，项目已在真实SolidWorks模型中完成关键场景验证。已上线能力在需求筛选、方案检索、规则审查和图纸生成，材料统计、模型修改场景中可节省50% 至 70% 的人工处理时间。这套流程让模型修改有了统一的执行和验收方式，也为后续扩展更多集装箱部装任务提供了基础。

 

三个场景体现同一AI能力链

 

厂站项目关注售前响应，柜内项目关注详细设计，集装箱项目关注历史方案复用。业务对象虽然不同，判断AI能否落地的标准是一致的：系统要看得懂企业资料，能在工程规则内完成任务，生成结果还要继续进入原有流程。

 

 

 

CAD、PLM和MES继续承担原有职责。Plex 1.0处理软件之间仍然依赖人工衔接的工程工作，并把项目中的做法沉淀为可以重复调用的能力。

 

结语

 

三个项目已经说明，AI在装备制造中的价值，既体现在选型、布局、模型修改等具体任务的提速，也体现在企业工程能力的持续积累。图纸、模型、BOM、设计规则和历史经验被组织起来，便可以在更多产品项目中重复使用。

 

这意味着，企业面对客户条件变化和频繁的工程变更时，可以更快形成方案、更稳定完成设计，也能减少关键经验对少数人员的长期依赖。在多品种、小批量和按订单设计逐渐成为常态的今天，这种可复用的工程能力，将直接影响企业的响应速度、交付质量和产品竞争力。

 

参考资料：PTC, Engineering Change Management Process Overview, 2024.Siemens Teamcenter Manufacturing, Steps for Effective BOM Management in the ETO Change Process, 2025.Khan et al., Fine-Tuning Vision-Language Model for Automated Engineering Drawing Information Extraction, 2024.

---

 

关于品览科技

 

品览专注AI物理工程师智能体平台研发与产业化应用，赋能高端制造、能源化工、建筑土木行业设计研究院团队掌握AI科技。自研的Plex 1.0沧灵平台包含工业大模型，五类业务智能体，识图算法，强化学习生图算法和几何引擎。该平台依托行业规范与工程经验数据训练，使研发设计效率提升10倍。