1、 背景
CAE，即计算机辅助工程，是用计算机辅助求解复杂工程和产品结构强度、刚度、屈曲稳定性、动力响应、热传导、三维多体接触、弹塑性等力学能的分析计算以及结构性能的优化设计等问题的一种近似数值分析方法。
机器学习，研究的是从数据中通过选取合适的算法，自动的归纳逻辑或规则，并根据这个归纳的模型（结果）对新数据来进行预测。
两者既有共性又有差异，共性都是基于给定的输入条件/参数，来分析/预测相关的响应。差异性在于,CAE分析时，包含了力学，机械，物理，流体，电磁等学科的理论知识，在给定的条件下，分析结果精度高。而机器学习，不考虑数据间的逻辑关系，学科知识，单纯的就数据通过归纳总结的方式来分析自变量与因变量之间的关系，所以预测结果精度没有CAE高。
但是，对于CAE分析来说，复杂的结构，复杂的工况条件通常会需要较长的周期，比如非线性的碰撞，跌落分析，或者电磁散射分析，通常需要若干天，甚至若干周的计算周期。而机器学习，训练好的模型，可以在分钟级的时间内完成快速预测，进而极大地缩短设计周期。
本文重点在于介绍机器学习分析流程，具体细节如何执行，将在后续文章中详细介绍。
2、 分析流程
在分析流程方面，CAE和机器学习有很大的相似之处，大体如下：
机器学习工作流程，此流程也为数据挖掘行业的标准流程，即CRISP-DM（Cross Industry Standard Process for Data Mining）：
CAE分析流程：
作者经过多年的实践，并结合机器CAE和机器学习各自的特点，对产品开发流程提出了更新。
