Gains :
- Capacité à accélérer les études de compromis depuis les exigences de la mission jusqu'au dimensionnement conceptuel des avions/engins spatiaux avec le support de l'IA
- Capacité à effectuer la rédaction des exigences, la traçabilité et le contrôle de la cohérence avec des invites configurées
- Capacité à éliminer les résultats déraisonnables en validant de manière croisée les points de conception suggérés par l'IA avec des calculs manuels basés sur la physique
Un avion ou un vaisseau spatial naît d’une liste d’exigences et non d’une planche à dessin. La phrase « Porter telle charge à telle distance, à telle vitesse, à ce prix » est le germe d'une conception qui durera pendant des années. La conception conceptuelle (la première étape de conception au cours de laquelle les dimensions approximatives, le poids et la configuration du véhicule sont d'abord déterminés) est le processus d'extraction d'une forme initiale à partir de cette graine. Les décisions prises ici sont peu coûteuses, mais leurs effets sont les plus coûteux : un mauvais choix conceptuel peut gaspiller des millions de dollars en conception détaillée.
Dans cette unité, nous utiliserons l'intelligence artificielle (IA) pour alléger trois fardeaux de la conception conceptuelle : traduire des demandes de tâches vagues en exigences mesurables, maintenir la traçabilité et la cohérence entre les exigences et accélérer l'analyse des compromis entre les options de conception concurrentes. Mais exposons le principe critique dès le début : chaque taille, chaque estimation de poids suggérée par l'IA est nécessairement validée de manière croisée par un calcul manuel basé sur la physique. AI est un partenaire de brainstorming et de comptabilité ; n'est pas propriétaire de la décision de dimensionnement.
Concepts : Exigence : Une seule déclaration vérifiable à laquelle l'outil doit satisfaire. Traçabilité : chaîne d'enregistrement indiquant l'origine de chaque exigence et la conception/le test auquel elle a été satisfaite. Espace d'échange : l'ensemble de toutes les options créées par des variables de conception modifiables. MTOW : Maximum Take-off Weight (Maximum Take-Off Weight), masse la plus élevée que le véhicule peut décoller.
Du besoin de tâche à l’exigence : étape par étape
Une bonne exigence a trois qualités : singulière (elle dit une chose), mesurable (elle contient un nombre et une unité) et vérifiable (il est évident comment la vérifier). « L'avion doit être rapide » n'est pas une exigence ; "L'avion doit atteindre une vitesse de calibre de 250 kt (KCAS) au niveau de la mer" est une exigence.
La première étape consiste à rassembler les demandes des parties prenantes et à les distiller en projets d’exigences avec l’IA. La deuxième étape consiste à rendre chaque exigence mesurable : remplacez chaque adjectif vague (« léger », « durable », « efficace ») par une mesure et un seuil. La troisième étape consiste à rechercher les contradictions entre les exigences : la portée et la charge utile sont souvent en concurrence, l’IA fait rapidement ressortir ces contradictions. La quatrième étape consiste à établir une matrice de traçabilité : en tablant quel objectif de tâche de niveau supérieur mène à quelle sous-exigence.
Côté dimensionnement conceptuel, l’IA peut rappeler des relations d’ingénierie connues (fractions de poids, rapport poussée/poids, charge alaire) et établir une première chaîne de calculs. Par exemple, pour un avion de ligne, la fraction massique de carburant peut être estimée avec l'équation de distance de Breguet et la fraction massique à vide peut être estimée avec des relations statistiques. Mais chaque maillon de cette chaîne est confirmé par un calcul manuel.
Astuce : lors de la rédaction des exigences, confiez explicitement à l'IA la tâche de « remplacer chaque adjectif ambigu par une métrique, une unité et une méthode de vérification ». Le modèle fonctionne de manière beaucoup plus disciplinée lorsque vous dites "faire des déclarations mesurables" invérifiables comme "convivial".
Configuration de l'analyse des compromis
Le cœur de l’analyse des compromis consiste à juxtaposer plusieurs configurations candidates avec des critères communs. L'outil classique est la matrice de décision pondérée : les critères reçoivent un poids d'importance, chaque candidat est noté sur chaque critère, le total pondéré est pris. L'IA construit rapidement cette matrice, mais méfiez-vous de deux écueils : les poids sont un jugement d'ingénierie subjectif (non laissé à l'IA) et les scores doivent être basés sur une justification physique (non inventée).
Critère (poids)
Configuration. A : Aile haute
Configuration. B : aile basse
Configuration. C : Canard
Portée, km (0,30)
1200
1350
1250
Poids à vide, kg (0,25)
640
610
690
Coût de production (0,20)
moyen
faible
haut
Stabilité (0,15)
haut
moyen
moyen
Facilité d'entretien (0,10)
haut
moyen
faible
Vous pouvez demander à l'IA de créer ce tableau ; Mais les valeurs d'autonomie et de poids doivent provenir d'un calcul préalable indépendant, et des scores qualitatifs tels que « stabilité : élevée » doivent également être justifiés. La puissance de l’IA réside dans le fait qu’elle compile dix configurations différentes en quelques minutes et effectue une analyse des sentiments (comment le classement change si un poids change).
Invite faible/Invite forte
Invite faible :
Je conçois un avion d'entraînement. Dites-moi la meilleure configuration.
Invite puissante :
Rôle : Vous êtes consultant en conception d'avions conceptuels. Contexte : Etude préliminaire de compromis pour un avion d'entraînement biplace (valeurs représentatives) : portée cible ~1000 km, vitesse de croisière ~55 m/s, charge utile ~220 kg, priorité faible coût de production. Tâche : 1) Suggérer 3 configurations candidates (position de l'aile, type de moteur). 2) Établir un tableau comparant chaque candidat sur : l'autonomie, le poids à vide estimé, le coût de production, la stabilité. 3) Utiliser pour vos estimations numériques, écrire la relation et l'hypothèse. unité d'écriture; Ne prenez pas de décision finale, soumettez un candidat. Je vais peser et prendre la décision finale moi-même.
Modèles d'invite copiables
Modèle 1 — Traduire un besoin de tâche en une exigence mesurable :
Transformez les demandes suivantes des parties prenantes en exigences singulières, mesurables et vérifiables. Pour chaque exigence : une métrique, une unité, une valeur seuil et une méthode de vérification proposée (analyse/test/démonstration). Traduire des adjectifs vagues (« léger », « rapide ») en chiffres concrets ; En cas d'incertitude, demandez de quelles informations vous avez besoin.Demandes : [lister ici]
Modèle 2 — Matrice de traçabilité et sélection des conflits :
Prenez cette liste d'exigences et : (a) créez un tableau de traçabilité qui relie chaque exigence à l'objectif de la tâche de haut niveau ; (b) marquer toute paire d'exigences contradictoires ou difficiles (par exemple, portée et charge utile) ; (c) énumérer les exigences manquantes ou invérifiables. Laissez le résultat être un tableau. Exigences : [lister ici]
Modèle 3 — Configuration de la matrice de décision pondérée :
Créez un cadre de matrice de décision pondérée pour les configurations candidates suivantes. Créez les lignes de critères et les colonnes de candidats. Laissez la colonne des poids VIDE (je vais entrer les poids). Expliquez dans une note séparée la justification physique du score que vous mettrez dans chaque cellule ; N'écrivez pas un numéro inventé, marquez l'endroit que vous avez deviné comme « devinez ». Candidats : [...] Critères : [...]
Modèle 4 — Vérification croisée du dimensionnement conceptuel :
Vérifiez indépendamment le résultat de prédimensionnement suivant : MTOW, surface de l'aile, poussée. (a) Calculez la charge alaire (W/S) et comparez-la avec la portée typique de votre classe d'avion donnée. (b) Calculez le rapport poussée/poids (T/W) et comparez-le avec la plage typique. (c) Avertir si les valeurs sont en dehors de la plage typique et indiquer une erreur possible. Écrivez explicitement toutes les unités. Entrée : [valeurs MTOW, S, T]
Mini-étuis
Cas 1 — Détection précoce d’un besoin conflictuel. Dans un projet de drone, les parties prenantes souhaitent à la fois "au moins 8 heures de temps d'antenne" et "une masse totale maximale de 12 kg". En quantifiant les deux besoins et en évaluant le budget énergétique, l'IA montre qu'un vol de 8 heures avec une densité énergétique typique de la batterie (environ 200 Wh/kg) nécessiterait 6 à 7 kg de batterie à elle seule ; Cela ne rentre pas dans le budget de 12 kg, tout comme la charge utile et la structure. La contradiction est discutée avant le début de la conception détaillée. Leçon : traduire les exigences en chiffres révèle très tôt les contradictions cachées.
Cas 2 — L'analyse de sensibilité modifie la décision. Une équipe compare trois configurations d'ailes ; Configuration avec les poids initiaux. B gagne (score pondéré 0,82 contre 0,79). On demande à l'IA « que se passe-t-il si je réduis le poids du coût de 0,20 à 0,10 » ; dans ce scénario, la gamme vient au premier plan et Config. A prend la tête (0,84 contre 0,80). L'équipe voit à quel point la décision est sensible à la priorité des coûts et clarifie les pondérations avec la partie prenante. Leçon : ce n'est pas un seul score qui compte, mais la stabilité du classement.
Cas 3 — Erreur d'ordre dans l'estimation du poids. L'IA donne le poids à vide d'un avion léger à 95 kg à partir d'une relation. L'ingénieur rappelle que le poids à vide des avions biplaces d'une classe similaire est généralement compris entre 350 et 500 kg ; 95 kg, c'est physiquement impossible. Une fois vérifié, on constate que l'IA a appliqué incorrectement un coefficient dans la relation et cela est corrigé. Leçon : chaque estimation de poids est comparée par ordres de grandeur à la fourchette connue de la classe.
Erreurs courantes
- Accepter une exigence vague. Une exigence qui ne contient pas de mesures ni d'unités ne peut pas être vérifiée ; "Il faut que ce soit léger" est un souhait et non une exigence.
- Demander à l'IA de choisir les poids. Les critères de pondération dans la matrice de décision sont l'ingénierie subjective et le jugement des parties prenantes ; Si elle est laissée à l’IA, la décision reste abandonnée.
- Accepter des points sans justification. Si les scores qualitatifs comme « Stabilité : élevée » n'ont aucune base physique, la matrice devient une liste sophistiquée de suppositions.
- Ne confirme pas l'estimation poids/taille. Les corrélations statistiques sont des estimations approximatives ; Elle n'est pas prise en compte dans la conception détaillée sans la comparer avec la gamme de classes.
- Laissant la traçabilité pour plus tard. Si l’origine de l’exigence n’est pas enregistrée, personne ne saura quelles décisions un changement affectera à l’avenir.
En résumé
La conception conceptuelle est l’étape où sont prises les décisions les moins chères mais les plus efficaces. L'IA est ici un puissant accélérateur pour traduire des demandes vagues en exigences mesurables, analyser la traçabilité et les conflits et comparer plusieurs configurations entre des tables de compromis. Cependant, les critères de pondération relèvent du jugement humain, les prédictions numériques sont vérifiées par des calculs manuels basés sur la physique et des intervalles de classe, la décision finale de configuration appartient à l'ingénieur. L’IA produit des candidats ; ne décide pas.
Tâche de candidature
Écrivez trois objectifs de mission de haut niveau pour un avion ou un vaisseau spatial de votre choix. À l’aide de l’IA, traduisez-les en au moins six exigences mesurables et établissez un tableau de traçabilité. Créez ensuite une matrice de décision pondérée pour les trois configurations candidates ; Déterminez vous-même les poids. Enfin, confirmez une estimation poids/taille donnée par l’IA avec un calcul manuel indépendant et une plage de classes. Signalez au moins une paire d’exigences pour lesquelles vous trouvez un conflit.
liste de contrôle
- [ ] J'ai rendu chaque exigence singulière, mesurable et vérifiable.
- [ ] J'ai remplacé les adjectifs ambigus par métrique, unité et seuil.
- [ ] J'ai établi un tableau de traçabilité et marqué les exigences contradictoires.
- [ ] J'ai déterminé moi-même les pondérations de la matrice de décision (et non l'IA).
- [ ] J'ai attribué les scores matriciels à une justification physique.
- [ ] J'ai vérifié les estimations de poids/taille avec l'espacement des classes et le calcul manuel.