سود:
- توانایی ایجاد سهم هوش مصنوعی در ترکیب داده ها و پیش بینی در معماری دوقلو دیجیتال
- توانایی تبدیل کنترل صادرات ITAR/EAR، محرمانه بودن و مرزهای اخلاقی به قوانین عملیاتی
- حصول اطمینان از اینکه استفاده از هوش مصنوعی در هوافضا با یک راستی آزمایی جامع و نظم و انضباط حاکمیتی حفظ می شود.
امتحان ماژول
1. کدام یک از موارد زیر اصل اساسی است که خطر خروجی هوش مصنوعی را در مهندسی هوافضا تعیین می کند؟
- الف) خطر یک خروجی برابر است با آسیبی که در صورت معیوب بودن آن خروجی ایجاد می کند. بر این اساس مقیاس های اعتبارسنجی ✔
- ب) خروجی هوش مصنوعی به طور کلی دقیق است زیرا روان و با اطمینان نوشته شده است
- ج) هنگامی که از جدیدترین نسخه مدل استفاده می شود، نیازی به تأیید نیست
- د) اگر خروجی به یک استاندارد اشاره دارد، کنترل اضافی غیر ضروری است
توضیح: در مناطق بحرانی ایمنی، خطر یک خروجی برابر است با آسیبی که در صورت معیوب بودن آن خروجی ایجاد می کند. در حالی که یک خطا در عنوان ارائه ممکن است بی ضرر باشد، یک خطا در ضریب ایمنی سازه می تواند منجر به از دست دادن زندگی شود. بنابراین شدت تأیید مقیاس با آسیب احتمالی است.
2. کاربرد مدل جایگزین در طراحی هوانوردی چیست؟
- الف) اسناد گواهی را به طور خودکار امضا می کند
- ب) به طور فیزیکی مش CFD را در یک تونل باد تولید می کند
- ج) اسکن فضای طراحی گسترده را با یادگیری رابطه ورودی-خروجی شبیه سازی گران قیمت و ارائه یک تخمین تقریبی سریع امکان پذیر می کند. ✔
- د) داده های واقعی پرواز هواپیما را رمزگذاری می کند
توضیحات: مدل جایگزین یک مدل یادگیری ماشینی است که با یادگیری رابطه ورودی-خروجی یک شبیه سازی گران قیمت و آهسته (مثلاً اجرای CFD) تقریب بسیار سریع تری به دست می دهد. بنابراین، یک فضای طراحی بزرگ به جای ساعت ها در چند ثانیه اسکن می شود و نامزدهای امیدوارکننده با دقت بالا دوباره محاسبه می شوند.
3. اساسی ترین بررسی قبل از پذیرش یک نتیجه CFD به عنوان قابل اعتماد چیست؟
- الف) ظاهر زیباشناختی گرافیک کانتور رنگی محلول
- ب) نتیجه توسط یک هوش مصنوعی تفسیر شده است
- ج) همگرایی راه حل و استقلال شبکه نشان داده شده است ✔
- د) شبیه سازی باید در اسرع وقت تکمیل شود
توضیح: برای اینکه یک راه حل CFD قابل استفاده باشد، ابتدا باید همگرا شود و استقلال مش باید نشان داده شود. یک نتیجه غیر همگرا یا وابسته به شبکه از نظر فیزیکی غیرقابل اعتماد است، مهم نیست که هوش مصنوعی چقدر روان آن را تفسیر می کند.
4. هدف اصلی از بهینه سازی توپولوژی در سازه های هوایی چیست؟
- الف) برای تامین استحکام یکسان با جرم کمتر با توزیع مواد در جایی که لازم است تحت بار و محدودیت ها ✔
- ب) افزایش استحکام با سنگین کردن قطعه تا حد امکان
- ج) انتخاب رنگ و پرداخت سطحی قطعه
- د) به صفر رساندن تعداد آزمون های گواهینامه
توضیحات: بهینهسازی توپولوژی هندسهای را پیدا میکند که با توزیع مواد تنها در جایی که تحت بارها و محدودیتهای خاص مورد نیاز است، همان استحکام را با جرم کمتر فراهم میکند. در حمل و نقل هوایی، کاهش وزن یک هدف حیاتی است زیرا هر کیلوگرم به معنای ظرفیت سوخت و بار است.
5. چرا «حاشیه پایداری» یک معیار اعتبارسنجی برای خروجی هوش مصنوعی در سیستم کنترل پرواز است؟
- الف) زیرا فقط مصرف سوخت را اندازه گیری می کند
- ب) چون ماندگاری رنگ هواپیما را نشان می دهد
- ج) چون فقط در آزمون زمینی قابل توجه است
- د) زیرا میزان ایمن ماندن کنترلر در مواجهه با عدم قطعیت و تاخیر را اندازه می گیرد ✔
توضیحات: حاشیه پایداری (حاشیه بهره و فاز) میزان قابل اعتماد بودن سیستم کنترل در مواجهه با عدم قطعیت و تاخیر را اندازه گیری می کند. حتی اگر یک افزایش کنترلی پیشنهاد شده توسط هوش مصنوعی به خوبی انجام شود اما حاشیه پایداری کافی باقی نگذارد، میتواند سیستم را به ناپایداری تحت نویزهای واقعی و خطاهای مدلسازی سوق دهد.
6. «RUL» در زمینه PHM (پیشبینی و مدیریت سلامت) به چه معناست؟
- الف) حداکثر وزن برخاست هواپیما
- ب) تخمین مدت زمانی که قطعه می تواند به طور ایمن قبل از خرابی کار کند (عمر مفید باقیمانده) ✔
- ج) سرعت مرجع در تونل باد
- د) نام مانور ارتفاع مدار
توضیحات: RUL (عمر مفید باقیمانده) تخمینی است از مدت زمانی که یک قطعه می تواند قبل از خرابی ایمن کار کند. تصمیمات پیش بینی تعمیر و نگهداری بر اساس این برآورد و فاصله اطمینان آن است. تخمین نقطه ای به تنهایی کافی نیست.
7. چرا ارزیابی هزینه "مثبت های کاذب" در تعمیر و نگهداری پیش بینی مهم است؟
- الف) هشدارهای کاذب همیشه رایگان هستند، بنابراین بی اهمیت هستند
- ب) چون فقط روی رنگ هواپیما تاثیر می گذارد
- ج) باعث جداسازی غیر ضروری، انتظار روی زمین و هزینه می شود. تعادل بین خطای از دست رفته و خرابی باید آگاهانه برقرار شود ✔
- د) زیرا مقررات هشدار کاذب را کاملاً منع می کند
توضیح: اگر پیشبینی خطا یک هشدار نادرست ایجاد کند، یک قطعه جامد بدون نیاز حذف شده و هواپیما زمینگیر میشود. این باعث ایجاد اختلال در هزینه و عملکرد می شود. عدم عملکرد واقعی یک خطر ایمنی ایجاد می کند. یک سیستم PHM خوب آگاهانه تعادل و آستانه بین این دو نوع خطا را انتخاب می کند.
8. هنگام تشخیص ناهنجاری های هوش مصنوعی در داده های تله متری آزمایش پرواز، به طور خاص چه خطری باید مدیریت شود؟
- الف) نمودارهای چند رنگ داده ها
- ب) داده های تله متری خیلی سریع می رسند
- ج) گزارش خلبان آزمایشی
- د) اشتباه گرفتن سنسور با رفتار واقعی هواپیما و پذیرش تشخیص بدون تایید انسانی ✔
توضیح: مدل هر چیزی را که از الگوی آموخته شده منحرف شود به عنوان یک رفتار عادی به عنوان یک ناهنجاری در نظر می گیرد، که ممکن است نقص سنسور را با رفتار واقعی هواپیما اشتباه بگیرد. بنابراین، هر ناهنجاری شناسایی شده باید توسط انسان با سیگنال خام و زمینه مهندسی تأیید شود. اعتماد کور خطرات ایمنی ایجاد می کند.
9. مطمئن ترین لنگر برای اعتبارسنجی خروجی هوش مصنوعی در برنامه ریزی مانور مداری چیست؟
- الف) بررسی متقاطع با قوانین بقای فیزیکی و معادلات مداری ایجاد شده ✔
- ب) امتیاز اعتماد خود هوش مصنوعی بالاست
- ج) خروجی به سرعت تولید می شود
- د) تیم وظیفه از خروجی خوشش آمد.
توضیحات: مکانیک فضا بر اساس قوانین بقای (انرژی، تکانه زاویه ای) و معادلات تعیین شده (مانند فرمول های vis-viva، انتقال دلتای هومن) است. دلتا-v یا زمان انتقال داده شده توسط هوش مصنوعی با بررسی متقابل این محاسبات مبتنی بر فیزیک و محدودیتهای عملیاتی تأیید میشود.
10. چرا هنگام استفاده از تشخیص نقص بینایی کامپیوتری در تولید هوافضا، قابلیت ردیابی ضروری است؟
- الف) قابلیت ردیابی فقط برای اهداف بازاریابی حفظ می شود
- ب) بدون نسخه مدل، آستانه و ضبط تصویر، نمی توان علت اصلی و دسته آسیب دیده را تعیین کرد. استانداردها نیاز به ردیابی دارند ✔
- ج) ضبط غیر ضروری است زیرا مدل بینایی هیچ خطایی ندارد.
- د) از قابلیت ردیابی باید اجتناب شود زیرا باعث کندی تولید می شود
توضیحات: استانداردهای کیفیت هوافضا مانند AS9100 مستلزم آن است که هر بخش و تصمیمی قابل ردیابی باشد. باید ثبت شود که کدام نسخه مدل، کدام آستانه و با کدام تصویر بخشی که یک مدل ویژن آن را "عالی" می نامد تایید شده است. در غیر این صورت، هنگامی که مشکلی رخ می دهد، نمی توان علت اصلی و طرف آسیب دیده را تعیین کرد.
11. نقش هوش مصنوعی در فرآیند صدور گواهینامه در چارچوب استانداردهایی مانند DO-178C چگونه به بهترین شکل تعریف می شود؟
- الف) هوش مصنوعی با تولید و تایید خودکار شواهد، بازبینی انسانی را حذف می کند
- ب) هوش مصنوعی را نمی توان به هیچ شکلی در صدور گواهینامه استفاده کرد
- ج) هوش مصنوعی پشتیبانی و شتاب را فراهم می کند. ✔ مدارک، بررسی و تایید همچنان بر عهده انسان های واجد شرایط است
- د) هوش مصنوعی فقط در پرواز قابل استفاده است
توضیحات: هوش مصنوعی میتواند شتابدهندهای برای کارهای پشتیبانی مانند پیشنویس الزامات، بررسی سازگاری ماتریس ردیابی، و اسکن اسناد باشد. با این حال، خود اثبات، بررسی ها و تأییدیه ها همچنان بر عهده مهندسان انسانی واجد شرایط است. استانداردها نیازمند یک فرآیند قابل بازرسی، ردیابی و تایید شده توسط انسان هستند.
12. هنگامی که از یک ابزار هوش مصنوعی عمومی در مورد پارامتر طراحی هواپیمای مخفی سؤال می کنید، رویکرد صحیح چیست؟
- الف) مقادیر واقعی را دقیقا وارد کنید و سریعترین پاسخ را دریافت کنید
- ب) تمام فایل های پروژه را آپلود کنید و اجازه دهید مدل زمینه را یاد بگیرد
- ج) یادداشتی مبنی بر محرمانه بودن داده ها اضافه کنید و آن را همانطور که هست به اشتراک بگذارید.
- د) ناشناس کردن زمینه، جایگزینی مقادیر واقعی با مقادیر معرف و تنها با استفاده از ابزارهای تایید شده/کنترل شده ✔
توضیح: دادههای فنی و اطلاعات طراحی خاص شرکت در محدوده ITAR/EAR ممکن است منجر به نقض کنترل صادرات و از دست دادن مالکیت معنوی در صورت ورود به یک سرویس خارجی کنترلنشده شود. رویکرد صحیح ناشناس کردن زمینه، جایگزینی مقادیر واقعی با مقادیر معرف، و استفاده از ابزارهای تایید شده داخلی/کنترل شده در صورت لزوم است.
13. دوقلو دیجیتال چیست؟
- الف) عکس ایستا از هواپیما فقط یک بار گرفته شده است
- ب) مدل مجازی زنده موجودیت واقعی که دائماً با داده های حسگر تغذیه می شود، وضعیت آن را منعکس می کند و رفتار آن را پیش بینی می کند.
- ج) ماکت دوم فیزیکی دقیق هواپیما
- د) انیمیشنی که فقط در ارائه های بازاریابی استفاده می شود
توضیحات: یک دوقلو دیجیتال یک مدل مجازی زنده از یک دارایی واقعی (هواپیما، موتور، ماهواره) است که دائماً با داده های حسگر تغذیه می شود، وضعیت فعلی آن را منعکس می کند و سعی می کند رفتار آینده آن را پیش بینی کند. در این مدل، هوش مصنوعی در لایه ترکیبی داده ها و لایه پیش بینی که ترکیبی از مدل اندازه گیری و فیزیک است، ایفای نقش می کند.
14. منظور از «کنترل مرتبه بزرگی» در یک محاسبات مهندسی تولید شده توسط هوش مصنوعی چیست؟
- الف) افزایش تعداد ارقام اعشاری حاصل
- ب) استاندارد کردن رنگ نتیجه
- ج) اندازه گیری وضوح گرافیکی نتیجه
- د) آزمایش با محاسبه سریع دستی که آیا نتیجه تقریباً در توان مورد انتظار 10 است
شرح: بررسی ترتیب قدر با محاسبه سریع دستی آزمایش می کند که آیا نتیجه تقریباً در محدوده توان مورد انتظار 10 است یا خیر. برای مثال، اگر انتظار میرود بار بال بر حسب تن باشد، اما گرم باشد، این نشاندهنده یک خطای واحد یا ویرایش قبل از پرداختن به جزئیات است.