Keuntungan:
- Kemampuan untuk mempercepat studi trade-off dari persyaratan misi hingga ukuran pesawat/pesawat ruang angkasa konseptual dengan dukungan AI
- Kemampuan untuk melakukan penulisan persyaratan, ketertelusuran, dan kontrol konsistensi dengan petunjuk yang dikonfigurasi
- Kemampuan untuk menghilangkan keluaran yang tidak masuk akal dengan memvalidasi silang titik desain yang disarankan AI dengan perhitungan tangan berbasis fisika
Sebuah pesawat terbang atau pesawat luar angkasa lahir dari daftar persyaratan, bukan dari papan gambar. Kalimat “Membawa beban sebanyak ini pada jarak ini, dengan kecepatan ini, dengan biaya ini” adalah benih dari desain yang akan bertahan selama bertahun-tahun yang akan datang. Desain konseptual (tahap desain paling awal di mana ukuran kasar, berat, dan konfigurasi kendaraan ditentukan terlebih dahulu) adalah proses mengekstraksi bentuk awal dari benih ini. Keputusan yang diambil di sini memang murah, namun dampaknya paling mahal: satu pilihan konseptual yang salah dapat membuang jutaan dolar desain detail.
Dalam unit ini, kita akan menggunakan kecerdasan buatan (AI) untuk meringankan tiga beban desain konseptual: menerjemahkan permintaan tugas yang tidak jelas menjadi persyaratan yang terukur, menjaga ketertelusuran dan konsistensi antar persyaratan, dan mempercepat analisis trade-off antara opsi desain yang bersaing. Tapi mari kita jabarkan prinsip penting dari awal: Setiap ukuran, setiap perkiraan berat yang disarankan AI harus divalidasi silang dengan perhitungan tangan berbasis fisika. AI adalah mitra curah pendapat dan akuntansi; tidak memiliki keputusan ukuran.
Konsep: Persyaratan: Satu pernyataan yang dapat diverifikasi dan harus dipenuhi oleh alat tersebut. Ketertelusuran: Rantai pencatatan dari mana setiap persyaratan berasal dan dengan desain/pengujian apa persyaratan tersebut dipenuhi. Ruang perdagangan: Kumpulan semua opsi yang dibuat oleh variabel desain yang dapat diubah. MTOW: Berat lepas landas maksimum (Maximum Take-Off Weight), yaitu massa tertinggi yang dapat lepas landas oleh kendaraan.
Dari Kebutuhan Tugas hingga Persyaratan: Langkah demi Langkah
Persyaratan yang baik memiliki tiga kualitas: tunggal (mengatakan satu hal), terukur (berisi angka dan satuan), dan dapat diverifikasi (sudah jelas cara memeriksanya). "Pesawat harus cepat" bukanlah suatu keharusan; “Pesawat harus mencapai kecepatan udara kaliber 250 kt (KCAS) di permukaan laut” adalah sebuah persyaratan.
Langkah pertama adalah mengumpulkan permintaan pemangku kepentingan dan menyaringnya menjadi rancangan persyaratan dengan AI. Langkah kedua adalah membuat setiap persyaratan dapat diukur: ganti setiap kata sifat yang tidak jelas (“ringan”, “tahan lama”, “efisien”) dengan metrik dan ambang batas. Langkah ketiga adalah mencari kontradiksi antara persyaratan: jangkauan dan muatan sering kali bersaing satu sama lain, AI dengan cepat memunculkan kontradiksi ini ke permukaan. Langkah keempat adalah menetapkan matriks ketertelusuran: membuat tabulasi tujuan tugas tingkat atas mana yang mengarah ke sub-persyaratan mana.
Di sisi dimensi konseptual, AI dapat mengingat hubungan teknik yang diketahui (fraksi berat, rasio daya dorong terhadap berat, pemuatan sayap) dan membuat rangkaian perhitungan awal. Misalnya, untuk pesawat penumpang, fraksi berat bahan bakar dapat diperkirakan dengan persamaan jangkauan Breguet dan fraksi berat kosong dapat diperkirakan dengan hubungan statistik. Namun setiap mata rantai ini dipastikan dengan perhitungan tangan.
Tip: Saat menulis persyaratan, berikan tugas secara eksplisit kepada AI untuk “mengganti setiap kata sifat yang ambigu dengan metrik, unit, dan metode verifikasi.” Model ini bekerja lebih disiplin ketika Anda mengatakan "buat pernyataan yang terukur" yang tidak dapat diverifikasi seperti "ramah pengguna".
Mengonfigurasi Analisis Trade-off
Inti dari analisis trade-off adalah menyandingkan beberapa konfigurasi kandidat dengan kriteria yang sama. Alat klasik yang digunakan adalah matriks keputusan berbobot: kriteria diberi bobot kepentingan, setiap kandidat diberi skor pada setiap kriteria, dan total bobot diambil. AI dengan cepat membuat matriks ini, namun berhati-hatilah terhadap dua kendala: bobot adalah penilaian teknis yang subyektif (tidak diserahkan kepada AI) dan skor harus didasarkan pada pembenaran fisik (bukan dibuat-buat).
Kriteria (berat)
Konfigurasi. A: Sayap tinggi
Konfigurasi. B: Sayap rendah
Konfigurasi. C: Desas-desus
Jangkauan, km (0,30)
1200
1350
1250
Batasi berat badan, kg (0,25)
640
610
690
Biaya produksi (0,20)
sedang
rendah
tinggi
Stabilitas (0,15)
tinggi
sedang
sedang
Kemudahan perawatan (0,10)
tinggi
sedang
rendah
Anda dapat meminta AI membuat tabel ini; Namun angka kisaran dan bobot harus berasal dari perhitungan awal yang independen, dan skor kualitatif seperti "stabilitas: tinggi" juga harus dapat dibenarkan. Kekuatan AI adalah ia membuat tabulasi sepuluh konfigurasi berbeda dalam hitungan menit dan melakukan analisis sentimen (bagaimana peringkat berubah jika bobot berubah).
Perintah lemah / Perintah kuat
Perintah yang lemah:
Saya sedang merancang pesawat pelatihan. Katakan padaku konfigurasi terbaik.
Perintah yang kuat:
Peran: Anda adalah konsultan desain pesawat konseptual. Konteks: Studi trade-off awal untuk pesawat latih dua kursi (nilai mewakili): jangkauan target ~1000 km, kecepatan jelajah ~55 m/s, muatan ~220 kg, prioritas biaya produksi rendah. Tugas:1) Menyarankan 3 kandidat konfigurasi (posisi sayap, jenis mesin).2) Siapkan tabel yang membandingkan masing-masing kandidat berdasarkan: jangkauan, perkiraan berat kosong, biaya produksi, stabilitas.3) Gunakan untuk perkiraan numerik Anda, tuliskan hubungan dan asumsinya.Kendala: Nyatakan hubungan statistik mana yang Anda gunakan dalam perkiraan berat Anda; satuan tulis; Jangan membuat keputusan akhir, ajukan kandidat. Saya akan mempertimbangkan dan membuat keputusan akhir sendiri.
Templat Prompt yang Dapat Disalin
Templat 1 - Menerjemahkan kebutuhan tugas menjadi kebutuhan terukur:
Ubah permintaan pemangku kepentingan berikut menjadi persyaratan tunggal, terukur, dan dapat diverifikasi. Untuk setiap persyaratan: metrik, satuan, nilai ambang batas, dan metode verifikasi yang diusulkan (analisis/pengujian/demonstrasi). Terjemahkan kata sifat yang tidak jelas ("ringan", "cepat") ke dalam angka yang konkret; Jika ada ketidakpastian, tanyakan informasi apa yang Anda perlukan. Permintaan: [daftar di sini]
Templat 2 — Matriks ketertelusuran dan penyaringan konflik:
Ambillah daftar persyaratan ini dan: (a) buatlah tabel ketertelusuran yang menghubungkan setiap persyaratan dengan tujuan tugas tingkat tinggi; (b) menandai pasangan persyaratan yang bertentangan atau menantang (misalnya jangkauan vs. muatan); (c) mencantumkan persyaratan yang hilang atau tidak dapat diverifikasi. Biarkan hasilnya menjadi sebuah tabel. Persyaratan: [daftar di sini]
Templat 3 — Penyiapan matriks keputusan berbobot:
Bangun kerangka matriks keputusan berbobot untuk konfigurasi kandidat berikut. Buatlah baris kriteria dan kolom kandidat. Biarkan kolom bobot KOSONG (saya akan masukkan bobotnya). Jelaskan dalam catatan terpisah alasan fisik untuk skor yang akan Anda masukkan ke dalam setiap sel; Jangan menulis nomor yang dibuat-buat, tandai tempat yang Anda tebak sebagai "tebakan". Kandidat: [...] Kriteria: [...]
Templat 4 — Pemeriksaan silang dimensi konseptual:
Periksa secara mandiri hasil tekanan berikut: MTOW, area sayap, gaya dorong. (a) Hitung beban sayap (W/S) dan bandingkan dengan kisaran tipikal untuk kelas pesawat Anda. (b) Hitung rasio gaya dorong terhadap berat (T/W) dan bandingkan dengan kisaran tipikal. (c) Memperingatkan jika nilai berada di luar kisaran tipikal dan menunjukkan kemungkinan kesalahan. Tulis semua unit secara eksplisit. Masukan: [nilai MTOW, S, T]
Kasus Mini
Kasus 1 — Deteksi dini konflik kebutuhan. Dalam proyek UAV, pemangku kepentingan menginginkan “setidaknya 8 jam waktu tayang” dan “massa total maksimum 12 kg”. Dengan menghitung dua kebutuhan dan memperkirakan anggaran energi, AI menunjukkan bahwa penerbangan 8 jam dengan kepadatan energi baterai tipikal (sekitar 200 Wh/kg) akan membutuhkan 6-7 kg baterai saja; Ini tidak sesuai dengan anggaran 12 kg beserta muatan dan strukturnya. Kontradiksi ini dibahas sebelum desain rinci dimulai. Pelajaran: menerjemahkan persyaratan ke dalam angka akan mengungkap kontradiksi yang tersembunyi sejak dini.
Kasus 2 — Analisis sensitivitas mengubah keputusan. Satu tim membandingkan tiga konfigurasi sayap; Konfigurasi dengan bobot awal. B menang (skor tertimbang 0,82 vs. 0,79). AI ditanya “apa yang terjadi jika saya mengurangi bobot biaya dari 0,20 menjadi 0,10”; dalam rentang skenario ini muncul kedepan dan Config. A memimpin (0,84 vs. 0,80). Tim melihat seberapa sensitif keputusan tersebut terhadap prioritas biaya dan mengklarifikasi bobotnya dengan pemangku kepentingan. Pelajaran: yang penting bukanlah skor tunggal, tetapi stabilitas peringkat.
Kasus 3 — Kesalahan pemesanan dalam estimasi berat. AI memberikan bobot kosong sebuah pesawat ringan sebanyak 95 kg dari suatu relasi. Insinyur tersebut mengingat bahwa berat kosong pesawat dua kursi dari kelas yang sama biasanya berkisar antara 350-500 kg; 95 kg secara fisik tidak mungkin. Saat diperiksa, terlihat AI salah menerapkan koefisien pada relasinya dan diperbaiki. Pelajaran: setiap perkiraan berat dibandingkan dengan urutan besarnya ke kisaran kelas yang diketahui.
Kesalahan umum
- Menerima persyaratan yang tidak jelas. Persyaratan yang tidak berisi metrik dan unit tidak dapat diverifikasi; "Harusnya ringan" adalah sebuah keinginan, bukan keharusan.
- Meminta AI memilih bobotnya. Bobot kriteria dalam matriks keputusan adalah rekayasa subjektif dan penilaian pemangku kepentingan; Jika diserahkan kepada AI, keputusan tersebut akan tetap terlantar.
- Menerima poin tanpa pembenaran. Jika skor kualitatif seperti "Stabilitas: tinggi" tidak memiliki dasar fisik, matriksnya menjadi daftar tebakan yang rumit.
- Tidak mengkonfirmasi perkiraan berat/ukuran. Korelasi statistik merupakan perkiraan kasar; Itu tidak dibawa ke dalam desain detail tanpa membandingkannya dengan rentang kelasnya.
- Meninggalkan ketertelusuran untuk nanti. Jika tidak dicatat dari mana persyaratan itu berasal, tidak ada yang tahu keputusan apa yang akan berdampak pada perubahan di masa depan.
Singkatnya
Desain konseptual adalah tahap pengambilan keputusan yang paling murah namun paling efektif. AI adalah akselerator yang kuat dalam menerjemahkan permintaan yang tidak jelas menjadi persyaratan yang terukur, memindai ketertelusuran dan konflik, serta membandingkan berbagai konfigurasi di seluruh tabel trade-off. Namun, bobot kriteria adalah penilaian manusia, prediksi numerik diverifikasi oleh perhitungan tangan berbasis fisika dan interval kelas, keputusan konfigurasi akhir tetap berada di tangan insinyur. AI menghasilkan kandidat; tidak memutuskan.
Tugas aplikasi
Tuliskan tiga tujuan misi tingkat tinggi untuk pesawat udara atau pesawat ruang angkasa pilihan Anda. Dengan menggunakan AI, terjemahkan persyaratan ini ke dalam setidaknya enam persyaratan terukur dan siapkan tabel ketertelusuran. Kemudian buat matriks keputusan berbobot untuk tiga konfigurasi kandidat; Tentukan sendiri bobotnya. Terakhir, konfirmasikan perkiraan berat/ukuran yang diberikan oleh AI dengan perhitungan tangan independen dan rentang kelas. Laporkan setidaknya satu pasang persyaratan jika Anda menemukan konflik.
daftar periksa
- [ ] Saya membuat setiap persyaratan menjadi tunggal, terukur, dan dapat diverifikasi.
- [ ] Saya mengganti kata sifat ambigu dengan metrik, satuan, dan ambang batas.
- [ ] Saya menyiapkan tabel ketertelusuran dan menandai persyaratan yang bertentangan.
- [ ] Saya sendiri yang menentukan bobot matriks keputusan (bukan AI).
- [] Saya mengaitkan skor matriks dengan pembenaran fisik.
- [ ] Saya memverifikasi perkiraan berat/ukuran dengan jarak kelas dan perhitungan tangan.