Large Language Models dalam Teknik Mesin: Tinjauan Lingkup atas Aplikasi, Tantangan, dan Arah Masa Depan

Tinjauan lingkup ini memetakan lanskap Large Language Models dalam teknik mesin, menemukan bidang yang baru lahir namun bertumbuh pesat dengan lebih dari 68% publikasi berasal dari 2024. Tantangan utama mencakup penalaran spasial yang lemah dan kekhawatiran keandalan, memosisikan LLM sebagai co-pilot alih-alih perancang otonom.

C. Baker; Karen Rafferty; Mark Price· Big Data and Cognitive Computing· 2025· DOI 10.3390/bdcc9120305

Masalah inti

Large Language Models (LLM) dengan cepat muncul sebagai alat transformatif di berbagai domain, namun integrasinya ke dalam teknik mesin masih kurang dieksplorasi. Tinjauan lingkup ini, yang dilakukan mengikuti pedoman PRISMA-ScR, secara sistematis memetakan lanskap aplikasi LLM dalam teknik mesin. Tinjauan ini bertujuan mengidentifikasi aplikasi terkini, tren teknologi, tantangan yang menetap, dan arah penelitian masa depan. Dengan menyintesis bukti dari 66 studi, para penulis menyediakan peta jalan berbasis bukti bagi peneliti, praktisi, dan pendidik. Bidang ini dicirikan sebagai baru lahir namun bertumbuh pesat, dengan konsentrasi publikasi yang signifikan pada 2024, yang menunjukkan minat dan potensi yang berkembang.

Tinjauan ini mengikuti pedoman PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews). Pencarian komprehensif dilakukan pada empat basis data utama: Scopus, IEEE Xplore, ACM Digital Library, dan Web of Science. Strategi pencarian bertujuan menangkap studi pada persimpangan LLM dan teknik mesin. Setelah penyaringan yang ketat, 66 studi memenuhi kriteria inklusi dan dimasukkan dalam analisis akhir. Ekstraksi data berfokus pada tahun publikasi, area aplikasi, model LLM yang digunakan, tantangan, dan arah masa depan. Ketelitian metodologis memastikan pemetaan bidang yang sistematis dan transparan.

Pendahuluan

Large Language Models (LLM) dengan cepat muncul sebagai alat transformatif di berbagai domain, namun integrasinya ke dalam teknik mesin masih kurang dieksplorasi. Tinjauan lingkup ini, yang dilakukan mengikuti pedoman PRISMA-ScR, secara sistematis memetakan lanskap aplikasi LLM dalam teknik mesin. Tinjauan ini bertujuan mengidentifikasi aplikasi terkini, tren teknologi, tantangan yang menetap, dan arah penelitian masa depan. Dengan menyintesis bukti dari 66 studi, para penulis menyediakan peta jalan berbasis bukti bagi peneliti, praktisi, dan pendidik. Bidang ini dicirikan sebagai baru lahir namun bertumbuh pesat, dengan konsentrasi publikasi yang signifikan pada 2024, yang menunjukkan minat dan potensi yang berkembang.

Tantangan yang menetap yang diidentifikasi di seluruh studi adalah kemampuan penalaran spasial dan geometris LLM yang lemah. Keterbatasan ini menggeser hambatan penelitian utama dari kelangkaan data tradisional menjadi keterbatasan model yang melekat. Kekhawatiran keandalan, termasuk halusinasi dan keluaran yang tidak konsisten, semakin menghambat integrasi yang lebih dalam ke dalam alur kerja teknik. Tinjauan ini mencatat konsensus mengenai arah masa depan: kebutuhan akan dataset khusus yang disesuaikan untuk teknik mesin, masukan multimodal untuk membumikan model pada realitas teknik (misalnya, menggabungkan teks dengan model CAD atau simulasi), dan tolok ukur yang kuat dan spesifik untuk teknik. Para penulis menyimpulkan bahwa LLM saat ini paling tepat diposisikan sebagai 'co-pilot' yang kuat bagi insinyur alih-alih perancang otonom. Posisi ini mengakui kekuatan LLM dalam menghasilkan ide dan membantu tugas desain sekaligus mengakui keterbatasan mereka dalam penalaran spasial dan keandalan. Tinjauan ini menyediakan peta jalan untuk penelitian masa depan, menekankan pengembangan dataset spesifik domain, pendekatan multimodal, dan tolok ukur evaluasi untuk memajukan bidang ini.

Pembaca Research Digest dan praktisi rumpun ini.

Membuka konten member…