የፅንሰ-ሀሳብ ንድፍ, መስፈርቶች አስተዳደር እና የንግድ ልውውጥ ትንተና

ትርፍ፡

• ከተልእኮ መስፈርቶች እስከ ሃሳባዊ አውሮፕላኖች/የጠፈር መንኮራኩሮች መጠን ከ AI ድጋፍ ጋር የንግድ ልውውጥ ጥናቶችን የማፋጠን ችሎታ
• መስፈርቶችን መጻፍ ፣ መከታተል እና ወጥነት ያለው ቁጥጥር ከተዋቀሩ ጥያቄዎች ጋር የማከናወን ችሎታ
• በፊዚክስ ላይ በተመሰረቱ የእጅ ስሌቶች በ AI የተጠቆሙ የንድፍ ነጥቦችን በማረጋገጥ ምክንያታዊ ያልሆኑ ውጤቶችን የማስወገድ ችሎታ

አውሮፕላን ወይም የጠፈር መንኮራኩር ከፍላጎት ዝርዝር እንጂ በስዕል ሰሌዳ ላይ አይወለድም። "ይህን ያህል ሸክም ወደዚህ ክልል፣ በዚህ ፍጥነት፣ በዚህ ወጪ ተሸክሙ" የሚለው አረፍተ ነገር ለሚቀጥሉት አመታት የሚቆይ የንድፍ ዘር ነው። የፅንሰ-ሀሳብ ንድፍ (የመጀመሪያው የንድፍ ደረጃ የተሽከርካሪው ሸካራ መጠን፣ ክብደት እና ውቅር መጀመሪያ የሚወሰንበት) ከዚህ ዘር የመጀመሪያ ቅርጽ የማውጣት ሂደት ነው። እዚህ የተደረጉት ውሳኔዎች ርካሽ ናቸው, ነገር ግን ውጤታቸው በጣም ውድ ነው: አንድ የተሳሳተ የሃሳብ ምርጫ በሚሊዮን የሚቆጠር ዶላር ዝርዝር ንድፍ ሊጥለው ይችላል.

በዚህ ክፍል ውስጥ፣ የሃሳብ ንድፍ ሶስት ሸክሞችን ለማቃለል አርቴፊሻል ኢንተለጀንስ (AI)ን እንጠቀማለን፡ ግልጽ ያልሆኑ የተግባር ጥያቄዎችን ወደ ሚለካ መስፈርቶች መተርጎም፣ በፍላጎቶች መካከል ያለውን ክትትል እና ወጥነት መጠበቅ፣ እና በተወዳዳሪ የንድፍ አማራጮች መካከል የንግድ ልውውጥ ትንተና ማፋጠን። ግን ከመጀመሪያው ጀምሮ ወሳኝ መርሆውን እናስቀምጥ፡- እያንዳንዱ መጠን፣ እያንዳንዱ የክብደት ግምት AI የሚጠቁመው በፊዚክስ ላይ በተመሰረተ የእጅ ስሌት የተረጋገጠ ነው። AI የአእምሮ ማጎልበት እና የሂሳብ አጋር ነው; የመጠን ውሳኔ ባለቤት አይደለም.

ፅንሰ-ሀሳቦች፡ መስፈርት፡ መሳሪያው ማሟላት ያለበት ነጠላ የተረጋገጠ መግለጫ። የመከታተያ ችሎታ፡ እያንዳንዱ መስፈርት ከየት እንደመጣ እና በምን አይነት ዲዛይን/ሙከራ እንደተሟላ የሚገልጽ የመዝገብ ሰንሰለት። የንግድ ቦታ፡ በተለዋዋጭ የንድፍ ተለዋዋጮች የተፈጠሩ የሁሉም አማራጮች ስብስብ። MTOW፡- ከፍተኛው የማውረድ ክብደት (ከፍተኛው የማውጣት ክብደት)፣ ተሽከርካሪው ሊያነሳው የሚችለው ከፍተኛው ክብደት።

ከተግባር ወደ ተፈላጊነት፡ ደረጃ በደረጃ

ጥሩ መስፈርት ሶስት ጥራቶች አሉት ነጠላ (አንድ ነገር ይላል)፣ ሊለካ የሚችል (ቁጥር እና አሃድ ይዟል) እና ሊረጋገጥ የሚችል (እንዴት እንደሚፈትሹ ግልፅ ነው)። "አውሮፕላኑ ፈጣን መሆን አለበት" አስፈላጊ አይደለም; "አውሮፕላኑ በባህር ደረጃ 250 kt caliber airspeed (KCAS) ማሳካት አለበት" የሚለው መስፈርት ነው።

የመጀመሪያው እርምጃ የባለድርሻ አካላትን ጥያቄዎችን መሰብሰብ እና ወደ ረቂቅ መስፈርቶች ከ AI ጋር መፍታት ነው። ሁለተኛው እርምጃ እያንዳንዱን መስፈርት የሚለካ ማድረግ ነው፡ እያንዳንዱን ግልጽ ያልሆነ ቅጽል ("ቀላል ክብደት," "የሚበረክት", "ብቃት") በሜትሪክ እና ደፍ መተካት. ሦስተኛው እርምጃ በመመዘኛዎች መካከል ተቃርኖዎችን መፈለግ ነው-ክልል እና ጭነት ብዙ ጊዜ እርስ በርስ ይወዳደራሉ, AI በፍጥነት እነዚህን ተቃርኖዎች ወደ ላይ ያመጣል. አራተኛው እርምጃ የመከታተያ ማትሪክስ መመስረት ነው፡ የትኛው ከፍተኛ ደረጃ የተግባር አላማ ወደ የትኛው ንዑስ መስፈርት እንደሚመራ በሠንጠረዥ መግለፅ።

በፅንሰ-ሃሳባዊ ልኬት ጎን ፣ AI የታወቁ የምህንድስና ግንኙነቶችን (የክብደት ክፍልፋዮች ፣ የግፊት-ወደ-ክብደት ሬሾ ፣ የክንፍ ጭነት) ማስታወስ እና የመጀመሪያ የስሌቶች ሰንሰለት መመስረት ይችላል። ለምሳሌ፣ ለተሳፋሪ አውሮፕላን፣ የነዳጅ ክብደት ክፍልፋዩ በብሬጌት ክልል እኩልታ ሊገመት የሚችል ሲሆን ባዶው የክብደት ክፍል ደግሞ በስታቲስቲካዊ ግንኙነቶች ሊገመት ይችላል። ነገር ግን የዚህ ሰንሰለት እያንዳንዱ አገናኝ በእጅ ስሌት የተረጋገጠ ነው.

ጠቃሚ ምክር፡ መስፈርቶችን በሚጽፉበት ጊዜ፣ “እያንዳንዱን አሻሚ ቅጽል በሜትሪክ፣ አሃድ እና የማረጋገጫ ዘዴ እንዲተካ” ተግባሩን በግልፅ ለ AI ይስጡት። እንደ "ለተጠቃሚ ምቹ" የማይረጋገጡ መግለጫዎችን "የሚለኩ አድርግ" ሲሉ ሞዴሉ የበለጠ ስነስርዓት ይሰራል።

የንግድ-ኦፍ ትንታኔን በማዋቀር ላይ

የግብይት-ኦፍ ትንተና ልብ ብዙ የእጩ አወቃቀሮችን ከተለመዱ መስፈርቶች ጋር በማጣመር ላይ ነው። ክላሲክ መሣሪያ ክብደት ያለው የውሳኔ ማትሪክስ ነው-መስፈርቶች አስፈላጊነት ክብደት ተሰጥተዋል ፣ እያንዳንዱ እጩ በእያንዳንዱ መስፈርት ላይ ይመሰረታል ፣ ክብደቱ አጠቃላይ ይወሰዳል። AI በፍጥነት ይህን ማትሪክስ ይገነባል, ነገር ግን ከሁለት ወጥመዶች ይጠንቀቁ: ክብደት ተጨባጭ የምህንድስና ፍርድ ነው (ለ AI አልተተወም) እና ውጤቶች በአካላዊ መጽደቅ (ያልተሰራ) መሆን አለባቸው.

መስፈርት (ክብደት)

አዋቅር መ: ከፍተኛ ክንፍ

አዋቅር ለ፡ ዝቅተኛ ክንፍ

አዋቅር ሐ፡ ካናርድ

ክልል፣ ኪሜ (0.30)

1200

1350

1250

የመከለያ ክብደት፣ ኪግ (0.25)

640

610

690

የማምረት ዋጋ (0.20)

መካከለኛ

ዝቅተኛ

ከፍተኛ

መረጋጋት (0.15)

ከፍተኛ

መካከለኛ

መካከለኛ

የጥገና ቀላልነት (0.10)

ከፍተኛ

መካከለኛ

ዝቅተኛ

ይህንን ጠረጴዛ እንዲገነቡ AI ማድረግ ይችላሉ; ነገር ግን ክልል እና የክብደት ቁጥሮች ከገለልተኛ ቀዳሚ ስሌት መምጣት አለባቸው፣ እና እንደ "መረጋጋት: ከፍተኛ" ያሉ የጥራት ውጤቶች እንዲሁ መረጋገጥ አለባቸው። የ AI ኃይሉ በደቂቃ ውስጥ አሥር የተለያዩ አወቃቀሮችን በሰንጠረዥ ያዘጋጃል እና ስሜትን ትንተና ያከናውናል (ክብደት ከተለወጠ ደረጃው እንዴት እንደሚቀየር)።

ደካማ ጥያቄ / ጠንካራ ጥያቄ

ደካማ ጥያቄ፡

የማሰልጠኛ አውሮፕላን እየነደፍኩ ነው። በጣም ጥሩውን ውቅር ንገረኝ.

ኃይለኛ ጥያቄ፡-

ሚና፡ እርስዎ ሃሳባዊ የአውሮፕላን ዲዛይን አማካሪ ነዎት። አውድ፡- ሁለት መቀመጫ ላለው የአሰልጣኝ አውሮፕላኖች የመጀመሪያ ደረጃ የንግድ ልውውጥ ጥናት (እሴቶቹ ይወክላሉ): የዒላማ ክልል ~ 1000 ኪሜ, የመርከብ ፍጥነት ~ 55 ሜትር / ሰ, ጭነት ~ 220 ኪ.ግ, ዝቅተኛ የምርት ዋጋ ቅድሚያ. ተግባር፡1) 3 እጩ አወቃቀሮችን ይጠቁሙ (የክንፍ ቦታ፣ የሞተር አይነት)።2) እያንዳንዱን እጩ በማነፃፀር ጠረጴዛ ያዘጋጁ፡ ክልል፣ የተገመተው ባዶ ክብደት፣ የምርት ዋጋ፣ መረጋጋት። ክፍል ይፃፉ; የመጨረሻ ውሳኔ አይስጡ፣ እጩ ያስገቡ። እኔ ራሴ መዝነን እና የመጨረሻውን ውሳኔ እወስናለሁ.

ሊገለበጡ የሚችሉ ፈጣን አብነቶች

አብነት 1 - የተግባር ፍላጎትን ወደ ሚለካ መስፈርት መተርጎም፡-

የሚከተሉትን የባለድርሻ አካላት ጥያቄዎች ወደ ነጠላ፣ ሊለካ እና ሊረጋገጡ ወደሚችሉ መስፈርቶች ቀይር። ለእያንዳንዱ መስፈርት፡ መለኪያ፣ አሃድ፣ የመነሻ እሴት እና የታቀደ የማረጋገጫ ዘዴ (ትንተና/ሙከራ/ማሳያ)። እርግጠኛ ካልሆኑ ምን መረጃ እንደሚፈልጉ ይጠይቁ። ጥያቄዎች፡ [እዚህ ዝርዝር]

አብነት 2 — የመከታተያ ማትሪክስ እና የግጭት ማጣሪያ፡

ይህንን የፍላጎቶች ዝርዝር ይውሰዱ እና (ሀ) እያንዳንዱን መስፈርት ከከፍተኛ ደረጃ የተግባር ዓላማ ጋር የሚያገናኝ የመከታተያ ሰንጠረዥ ገንቡ። (ለ) ማናቸውንም የሚጋጩ ወይም ፈታኝ መስፈርቶችን (ለምሳሌ ክልል ከክፍያ ጋር) ላይ ምልክት ያድርጉ። (ሐ) የጠፉ ወይም የማይረጋገጡ መስፈርቶችን ይዘረዝራል። ውጤቱ ጠረጴዛ ይሁን. መስፈርቶች፡ [እዚህ ዝርዝር]

አብነት 3 — ክብደት ያለው ውሳኔ ማትሪክስ ማዋቀር፡-

ለሚከተሉት የእጩ ውቅሮች ክብደት ያለው የውሳኔ ማትሪክስ መዋቅር ይገንቡ። መስፈርቶቹን ረድፎችን እና እጩዎቹን አምዶች ያድርጉ. የክብደት አምድ ባዶውን ይተውት (ክብደቶችን አስገባለሁ)። በእያንዳንዱ ሕዋስ ውስጥ የሚያስቀምጡትን የውጤት አካላዊ ማረጋገጫ በተለየ ማስታወሻ ያብራሩ; የተሰራ ቁጥር አይጻፉ, የገመቱትን ቦታ "ግምት" ብለው ምልክት ያድርጉበት. እጩዎች፡ [...] መስፈርት፡ [...]

አብነት 4 - የፅንሰ-ሃሳባዊ ልኬት መስቀል-ማረጋገጫ፡

የሚከተለውን የግንዛቤ ማስጨበጫ ውጤት በራስ-ሰር ያረጋግጡ፡ MTOW፣ የክንፍ አካባቢ፣ የግፊት። (ሀ) የክንፉን ጭነት (W/S) ያሰሉ እና ለተሰጠው የአውሮፕላን ክፍል ከተለመደው ክልል ጋር ያወዳድሩ። (ለ) የግፊት-ወደ-ክብደት ጥምርታ (T/W) አስላ እና ከተለመደው ክልል ጋር አወዳድር። (ሐ) እሴቶቹ ከተለመደው ክልል ውጪ ከሆኑ አስጠንቅቅ እና ሊከሰት የሚችለውን ስህተት ያመለክታሉ። ሁሉንም ክፍሎች በግልፅ ይፃፉ። ግቤት፡ [MTOW፣ S፣ T እሴቶች]

ሚኒ ጉዳዮች

ጉዳይ 1 - የሚጋጭ ፍላጎትን አስቀድሞ ማወቅ. በዩኤቪ ፕሮጀክት ውስጥ ባለድርሻ አካላት ሁለቱንም "ቢያንስ 8 ሰአት የአየር ሰአት" እና "ከፍተኛው 12 ኪ.ግ አጠቃላይ ክብደት" ይፈልጋሉ። ሁለቱን መስፈርቶች በመለካት እና የኃይል በጀትን በማጣራት ፣ AI ​​የ 8-ሰዓት በረራ በተለመደው የባትሪ ሃይል ጥግግት (200 Wh / ኪግ ገደማ) ከ6-7 ኪሎ ግራም ባትሪ ብቻ እንደሚፈልግ ያሳያል ። ይህ ከ 12 ኪሎ ግራም በጀት ጋር ከክፍያ ጭነት እና መዋቅር ጋር አይጣጣምም. ዝርዝር ንድፍ ከመጀመሩ በፊት ቅራኔው ተብራርቷል. ትምህርት፡ መስፈርቶችን ወደ ቁጥሮች መተርጎም የተደበቁ ተቃርኖዎችን አስቀድሞ ያሳያል።

ጉዳይ 2 - የስሜታዊነት ትንተና ውሳኔውን ይለውጣል. አንድ ቡድን ሶስት ክንፍ አወቃቀሮችን ያወዳድራል; ከመጀመሪያው ክብደት ጋር ያዋቅሩ። ቢ ያሸንፋል (የክብደት ነጥብ 0.82 vs. 0.79)። AI “የዋጋውን ክብደት ከ 0.20 ወደ 0.10 ብቀንስ ምን ይሆናል” ተብሎ ይጠየቃል ። በዚህ ሁኔታ ውስጥ ያለው ክልል ወደ ፊት ይመጣል እና Config። ሀ መሪነቱን ይወስዳል (0.84 vs. 0.80)። ቡድኑ ቅድሚያ ወጪ ለማድረግ ውሳኔው ምን ያህል ጥንቃቄ የተሞላበት እንደሆነ አይቶ ክብደቶቹን ከባለድርሻ አካላት ጋር ያብራራል። ትምህርት፡ ወሳኙ አንድ ነጥብ ሳይሆን የደረጃው መረጋጋት ነው።

ጉዳይ 3 - በክብደት ግምት ውስጥ ስህተትን ማዘዝ። AI የአንድ ቀላል አውሮፕላን ባዶ ክብደት ከግንኙነት 95 ኪ.ግ ይሰጣል። መሐንዲሱ ያስታውሳል ባዶ ክብደት ሁለት መቀመጫ አውሮፕላኖች ተመሳሳይ ክፍል በተለምዶ 350-500 ኪ.ግ ክልል ውስጥ ነው; 95 ኪ.ግ በአካል የማይቻል ነው. ሲፈተሽ አይአይ በግንኙነቱ ውስጥ ቅንጅት በትክክል እንደተገበረ እና ሲስተካከል ይታያል። ትምህርት: እያንዳንዱ የክብደት ግምት በትእዛዞች ብዛት ከሚታወቀው የክፍል ክልል ጋር ይነጻጸራል.

የተለመዱ ስህተቶች

• ግልጽ ያልሆነ መስፈርት መቀበል። መለኪያዎችን እና አሃዶችን ያልያዘ መስፈርት ሊረጋገጥ አይችልም; "ብርሃን መሆን አለበት" ምኞት እንጂ መስፈርት አይደለም.
• AI ክብደቶችን እንዲመርጥ ማድረግ። በውሳኔ ማትሪክስ ውስጥ ያሉት የመመዘኛዎች ክብደቶች ተጨባጭ ምህንድስና እና የባለድርሻ አካላት ፍርድ ናቸው; ለኤአይኤ ከተተወ፣ ውሳኔው እንደተበላሸ ይቆያል።
• ያለምክንያት ነጥቦችን መቀበል። እንደ "Stability: high" ያሉ የጥራት ውጤቶች ምንም አይነት አካላዊ መሰረት ከሌላቸው፣ ማትሪክስ ድንቅ የግምቶች ዝርዝር ይሆናል።
• የክብደት/መጠን ግምትን አያረጋግጥም። የስታቲስቲክስ ግንኙነቶች ግምታዊ ግምቶች ናቸው; ከክፍል ክልል ጋር ሳነፃፅር ወደ ዝርዝር ንድፍ አይወሰድም.
• የመከታተያ ችሎታን ለበኋላ መተው። መስፈርቱ ከየት እንደመጣ ካልተመዘገበ ለውጡ ወደፊት ምን አይነት ውሳኔዎች እንደሚነካ ማንም አያውቅም።

በማጠቃለያው

የፅንሰ-ሀሳብ ንድፍ በጣም ርካሹ ነገር ግን በጣም ውጤታማ የሆኑ ውሳኔዎች የሚደረጉበት ደረጃ ነው. AI እዚህ ላይ ግልጽ ያልሆኑ ጥያቄዎችን ወደ ሚለካ መስፈርቶች ለመተርጎም፣ የመከታተያ እና የግጭት ሁኔታን በመቃኘት እና በንግዱ-ውጪ ሰንጠረዦች ላይ በርካታ አወቃቀሮችን በማነጻጸር ሃይለኛ ማፋጠኛ ነው። ይሁን እንጂ የመመዘኛዎች ክብደቶች የሰው ፍርድ ናቸው, የቁጥር ትንበያዎች በፊዚክስ ላይ በተመሰረተ የእጅ ስሌት እና የክፍል ክፍተቶች ይረጋገጣሉ, የመጨረሻው የውቅር ውሳኔ በመሐንዲሱ ይቀራል. AI እጩዎችን ያዘጋጃል; አይወስንም.

የመተግበሪያ ተግባር

ለመረጡት አየር ወይም የጠፈር መንኮራኩር ሶስት የከፍተኛ ደረጃ ተልዕኮ አላማዎችን ይፃፉ። AIን በመጠቀም እነዚህን ቢያንስ ወደ ስድስት የሚለኩ መስፈርቶች ይተርጉሙ እና የመከታተያ ሰንጠረዥ ያዘጋጁ። ከዚያም ለሶስቱ እጩ አወቃቀሮች ክብደት ያለው የውሳኔ ማትሪክስ ይፍጠሩ; ክብደቶቹን እራስዎ ይወስኑ. በመጨረሻም በ AI የተሰጡትን የክብደት/መጠን ግምት በገለልተኛ የእጅ ስሌት እና የክፍል ደረጃ ያረጋግጡ። ግጭት በሚያገኙበት ቦታ ቢያንስ አንድ ጥንድ መስፈርቶችን ሪፖርት ያድርጉ።

የማረጋገጫ ዝርዝር

• [ ] እያንዳንዱን መስፈርት ነጠላ፣ ሊለካ የሚችል እና ሊረጋገጥ የሚችል አድርጌአለሁ።
• [ ] አሻሚውን ቅጽሎችን በሜትሪክ፣ ዩኒት እና ደፍ ተክቻለሁ።
• [] የመከታተያ ጠረጴዛ አዘጋጅቻለሁ እና የሚጋጩ መስፈርቶችን አመልክቻለሁ።
• [] የውሳኔውን ማትሪክስ ክብደት እራሴ ወስኛለሁ (AI አይደለም)።
• [ ] የማትሪክስ ውጤቶችን በአካላዊ ፅድቅ ምክንያት አድርጌዋለሁ።
• [] የክብደት/መጠን ግምቶችን በክፍል ክፍተት እና በእጅ ስሌት አረጋግጫለሁ።