Guadagni:
- Capacità di accelerare gli studi di compromesso dai requisiti della missione al dimensionamento concettuale di velivoli/veicoli spaziali con il supporto dell'intelligenza artificiale
- Capacità di effettuare la scrittura dei requisiti, la tracciabilità e il controllo della coerenza con prompt configurati
- Capacità di eliminare risultati irragionevoli convalidando in modo incrociato i punti di progettazione suggeriti dall'intelligenza artificiale con calcoli manuali basati sulla fisica
Un aereo o una navicella nasce da un elenco di requisiti, non da un tavolo da disegno. La frase "Trasporta così tanto carico a questa distanza, a questa velocità, a questo costo" è il seme del progetto che durerà negli anni a venire. La progettazione concettuale (la prima fase di progettazione in cui vengono determinate per la prima volta le dimensioni, il peso e la configurazione approssimativa del veicolo) è il processo di estrazione di una forma iniziale da questo seme. Le decisioni prese qui sono economiche, ma i loro effetti sono i più costosi: una scelta concettuale sbagliata può buttare via milioni di dollari di progettazione dettagliata.
In questa unità utilizzeremo l'intelligenza artificiale (AI) per alleviare tre oneri della progettazione concettuale: tradurre vaghe richieste di attività in requisiti misurabili, mantenere la tracciabilità e la coerenza tra i requisiti e accelerare l'analisi dei compromessi tra opzioni di progettazione concorrenti. Ma esponiamo il principio critico fin dall'inizio: ogni dimensione, ogni stima di peso suggerita dall'intelligenza artificiale è necessariamente convalidata in modo incrociato da un calcolo manuale basato sulla fisica. L'intelligenza artificiale è un partner di brainstorming e contabilità; non possiede la decisione sul dimensionamento.
Concetti: Requisito: Una singola affermazione verificabile che lo strumento deve soddisfare. Tracciabilità: la catena di registrazione della provenienza di ogni requisito e con quale progettazione/test è stato soddisfatto. Spazio commerciale: l'insieme di tutte le opzioni create da variabili di progettazione modificabili. MTOW: Peso massimo al decollo (Maximum Take-Off Weight), la massa massima che il veicolo può decollare.
Dalla necessità del compito al requisito: passo dopo passo
Un buon requisito ha tre qualità: singolare (dice una cosa), misurabile (contiene un numero e un'unità) e verificabile (è ovvio come verificarlo). "L'aereo deve essere veloce" non è un requisito; Un requisito è "L'aereo deve raggiungere una velocità di calibro 250 kt (KCAS) al livello del mare".
Il primo passo è raccogliere le richieste delle parti interessate e distillarle in bozze di requisiti con l’intelligenza artificiale. Il secondo passo è rendere misurabile ogni requisito: sostituire ogni aggettivo vago (“leggero”, “durevole”, “efficiente”) con una metrica e una soglia. Il terzo passo è cercare le contraddizioni tra i requisiti: autonomia e carico utile spesso competono tra loro, l’intelligenza artificiale porta rapidamente in superficie queste contraddizioni. Il quarto passo è stabilire una matrice di tracciabilità: tabulare quale obiettivo del compito di livello superiore porta a quale sottorequisito.
Dal punto di vista del dimensionamento concettuale, l’intelligenza artificiale può richiamare relazioni ingegneristiche note (frazioni di peso, rapporto spinta-peso, carico alare) e stabilire una catena iniziale di calcoli. Ad esempio, per un aereo passeggeri, la frazione di peso del carburante può essere stimata con l'equazione dell'autonomia di Breguet e la frazione di peso a vuoto può essere stimata con relazioni statistiche. Ma ogni anello di questa catena è confermato dal calcolo manuale.
Suggerimento: quando si scrivono i requisiti, dare esplicitamente all’IA il compito di “sostituire ogni aggettivo ambiguo con una metrica, un’unità e un metodo di verifica”. Il modello funziona in modo molto più disciplinato quando si dice "rendere misurabili" affermazioni non verificabili come "facili da usare".
Configurazione dell'analisi dei compromessi
Il cuore dell’analisi del trade-off è giustapporre diverse configurazioni candidate con criteri comuni. Lo strumento classico è la matrice decisionale ponderata: ai criteri viene assegnato un peso di importanza, a ciascun candidato viene assegnato un punteggio su ciascun criterio, viene preso il totale ponderato. L’intelligenza artificiale costruisce rapidamente questa matrice, ma attenzione a due insidie: i pesi sono un giudizio ingegneristico soggettivo (non lasciato all’intelligenza artificiale) e i punteggi devono essere basati su giustificazioni fisiche (non inventate).
Criterio (peso)
Configurazione R: Ala alta
Configurazione B: Ala bassa
Configurazione C: Canard
Autonomia, km (0,30)
1200
1350
1250
Peso a vuoto, kg (0,25)
640
610
690
Costo di produzione (0,20)
medio
basso
alto
Stabilità (0,15)
alto
medio
medio
Facilità di manutenzione (0,10)
alto
medio
basso
Puoi fare in modo che l'IA costruisca questa tabella; Ma i valori di portata e peso devono provenire da un calcolo preliminare indipendente e devono essere giustificati anche punteggi qualitativi come "stabilità: alta". Il potere dell'intelligenza artificiale è che tabula dieci diverse configurazioni in pochi minuti ed esegue l'analisi del sentiment (come cambia la classifica se cambia un peso).
Prompt debole / Prompt forte
Suggerimento debole:
Sto progettando un aereo da addestramento. Dimmi la configurazione migliore.
Suggerimento potente:
Ruolo: sei un consulente di progettazione concettuale di aeromobili. Contesto: Studio preliminare di compromesso per un aereo da addestramento biposto (i valori sono rappresentativi): autonomia target ~1000 km, velocità di crociera ~55 m/s, carico utile ~220 kg, priorità a bassi costi di produzione. Compito: 1) Suggerire 3 configurazioni candidate (posizione dell'ala, tipo di motore). 2) Preparare una tabella confrontando ciascun candidato su: autonomia, peso a vuoto stimato, costo di produzione, stabilità. 3) Utilizzare per le stime numeriche scrivere la relazione e l'ipotesi. Vincolo: indicare quale relazione statistica è stata utilizzata nelle stime del peso; unità di scrittura; Non prendere una decisione definitiva, presenta un candidato. Interverrò e prenderò io stesso la decisione finale.
Modelli di prompt copiabili
Modello 1: tradurre l'esigenza di un'attività in un requisito misurabile:
Trasformare le seguenti richieste degli stakeholder in requisiti singolari, misurabili e verificabili. Per ogni requisito: una metrica, un'unità, un valore soglia e un metodo di verifica proposto (analisi/test/dimostrazione). Tradurre aggettivi vaghi ("leggero", "veloce") in numeri concreti; Se c'è incertezza, chiedi quali informazioni ti servono. Richieste: [elenca qui]
Modello 2 — Matrice di tracciabilità e screening dei conflitti:
Prendi questo elenco di requisiti e: (a) crea una tabella di tracciabilità che collega ciascun requisito all'obiettivo del compito di alto livello; (b) contrassegnare eventuali coppie di requisiti contrastanti o impegnativi (ad esempio autonomia rispetto al carico utile); c) elencare i requisiti mancanti o non verificabili. Lascia che il risultato sia una tabella. Requisiti: [elenco qui]
Modello 3 — Configurazione della matrice decisionale ponderata:
Costruisci un quadro di matrice decisionale ponderata per le seguenti configurazioni di candidati. Crea le righe dei criteri e le colonne dei candidati. Lascia la colonna del peso VUOTO (inserirò i pesi). Spiega in una nota separata la giustificazione fisica del punteggio che inserirai in ogni cella; Non scrivere un numero inventato, segna il posto che hai indovinato come "indovina". Candidati: [...] Criteri: [...]
Modello 4 — Controllo incrociato del dimensionamento concettuale:
Controllare in modo indipendente il seguente risultato di presisaggio: MTOW, area alare, spinta. (a) Calcolare il carico alare (W/S) e confrontarlo con l'autonomia tipica per la classe dell'aereo in uso. (b) Calcolare il rapporto spinta-peso (T/W) e confrontarlo con l'intervallo tipico. (c) Avvisa se i valori sono al di fuori dell'intervallo tipico e indicano un possibile errore. Scrivi esplicitamente tutte le unità. Ingresso: [valori MTOW, S, T]
Mini custodie
Caso 1 – Individuazione precoce di bisogni contrastanti. In un progetto UAV, le parti interessate desiderano sia "almeno 8 ore di volo" che "massa totale massima 12 kg". Quantificando i due requisiti e stimando il budget energetico, l’intelligenza artificiale mostra che un volo di 8 ore con una densità energetica tipica della batteria (circa 200 Wh/kg) richiederebbe solo 6-7 kg di batteria; Questo non rientra nel budget di 12 kg insieme al carico utile e alla struttura. La contraddizione viene discussa prima che inizi la progettazione dettagliata. Lezione: tradurre i requisiti in numeri rivela presto le contraddizioni nascoste.
Caso 2 — L’analisi di sensibilità modifica la decisione. Una squadra confronta tre configurazioni di ali; Configurazione con pesi iniziali. Vince B (punteggio ponderato 0,82 contro 0,79). All’IA viene chiesto “cosa succede se riduco il peso del costo da 0,20 a 0,10”; in questo scenario viene in primo piano Range e Config. A prende il comando (0,84 contro 0,80). Il team vede quanto sia sensibile la decisione sulla priorità di costo e chiarisce i pesi con gli stakeholder. Lezione: non conta il singolo punteggio, ma la stabilità della classifica.
Caso 3: errore d'ordine nella stima del peso. L'intelligenza artificiale fornisce il peso a vuoto di un aereo leggero pari a 95 kg da una relazione. L'ingegnere ricorda che il peso a vuoto degli aerei biposto di una classe simile è tipicamente compreso tra 350 e 500 kg; 95 kg sono fisicamente impossibili. Una volta controllato, si vede che l'IA ha applicato erroneamente un coefficiente nella relazione e viene corretto. Lezione: ogni stima del peso viene confrontata per ordini di grandezza con l'intervallo noto della classe.
Errori comuni
- Accettare un requisito vago. Un requisito che non contiene metriche e unità non può essere verificato; "Dovrebbe essere leggero" è un desiderio, non un requisito.
- Far scegliere i pesi all'IA. I pesi dei criteri nella matrice decisionale sono l'ingegneria soggettiva e il giudizio delle parti interessate; Se lasciata all’IA, la decisione rimane abbandonata.
- Accettare punti senza giustificazione. Se i punteggi qualitativi come "Stabilità: alta" non hanno basi fisiche, la matrice diventa un fantasioso elenco di ipotesi.
- Non confermando la stima di peso/dimensione. Le correlazioni statistiche sono stime approssimative; Non viene approfondito il design dei dettagli senza confrontarlo con la gamma di classe.
- Lasciando la tracciabilità per dopo. Se non viene registrata la provenienza del requisito, nessuno saprà quali decisioni influenzerà un cambiamento in futuro.
In sintesi
La progettazione concettuale è la fase in cui vengono prese le decisioni più economiche ma più efficaci. L’intelligenza artificiale è un potente acceleratore nel tradurre richieste vaghe in requisiti misurabili, nella scansione della tracciabilità e dei conflitti e nel confronto di più configurazioni attraverso tabelle di compromesso. Tuttavia, i pesi dei criteri dipendono dal giudizio umano, le previsioni numeriche vengono verificate mediante calcoli manuali basati sulla fisica e intervalli di classe, la decisione finale sulla configurazione spetta all'ingegnere. L’intelligenza artificiale produce candidati; non decide.
Compito dell'applicazione
Scrivi tre obiettivi di missione di alto livello per un veicolo aereo o spaziale di tua scelta. Utilizzando l’intelligenza artificiale, traduci questi requisiti in almeno sei requisiti misurabili e imposta una tabella di tracciabilità. Quindi creare una matrice decisionale ponderata per le tre configurazioni candidate; Determina tu stesso i pesi. Infine, conferma una stima di peso/dimensione fornita dall'IA con un calcolo manuale indipendente e l'intervallo di classi. Segnala almeno una coppia di requisiti in cui trovi un conflitto.
lista di controllo
- [ ] Ho reso ogni requisito singolare, misurabile e verificabile.
- [ ] Ho sostituito gli aggettivi ambigui con metrica, unità e soglia.
- [ ] Ho creato una tabella di tracciabilità e ho contrassegnato i requisiti contrastanti.
- [] Ho determinato io stesso i pesi della matrice decisionale (non l'intelligenza artificiale).
- [ ] Ho attribuito i punteggi della matrice alla giustificazione fisica.
- [ ] Ho verificato le stime di peso/dimensione con la spaziatura delle classi e il calcolo manuale.