در عمل مهندسی ، اغلب اتفاق می افتد که طراحان ، کاربران نهایی یا واسطه ناچارند بر اساس داده های ورودی موجود در حال حاضر تقریباً برخی عملکرد اصلی یا مشخصات مشخصات را تخمین بزنند ، که می تواند وقت گیر باشد. نیاز به ابزاری وجود دارد که با استفاده از پیشرفت های موجود در زمینه هوش مصنوعی ، شکاف موجود در مشکلات بهینه سازی در فرآیندهای طراحی مهندسی را پر کند. در این مقاله با معرفی یک سیستم پشتیبانی ابتکاری طراحی (DesSS) ، که از سیستم پشتیبانی تصمیم گرفته شده است ، برای پیش بینی و تخمین داده های مشخصات دستگاه مانند هندسه دستگاه و طراحی دستگاه بر اساس پارامترهای ورودی ناهمگن ، پر شده است. به عنوان هسته اصلی DesSS توسعه یافته ، ما رویکردهای مختلف یادگیری ماشینی (ML) بر اساس درخت تصمیم گیری / رگرسیون ، نزدیکترین همسایگان و انتخاب ویژگی های محله محله را معرفی کردیم. نتایج تجربی بدست آمده در یک مورد استفاده واقعی و استفاده از دو مجموعه داده واقعی متفاوت ، قابلیت اطمینان و اثربخشی روش پیشنهادی را نشان داد. DesSS مبتنی بر یادگیری ماشین مبتنی بر پشتیبانی از انتخاب طراحی ، می تواند مزایای مختلفی از قبیل تصمیم گیری آسان تر ، حفظ دانش شرکت ، پس انداز در ساعت های انسان ، سرعت بالاتر و دقت محاسباتی را به همراه آورد.