ആശയ രൂപകല്പന, ആവശ്യകത മാനേജ്മെൻ്റ്, ട്രേഡ്ഓഫ് വിശകലനം

നേട്ടങ്ങൾ:

• AI പിന്തുണയോടെ മിഷൻ ആവശ്യകതകൾ മുതൽ ആശയപരമായ വിമാനം/ബഹിരാകാശ പേടകം വലുപ്പം വരെയുള്ള ട്രേഡ്-ഓഫ് പഠനങ്ങൾ ത്വരിതപ്പെടുത്താനുള്ള കഴിവ്
• കോൺഫിഗർ ചെയ്‌ത പ്രോംപ്റ്റുകൾ ഉപയോഗിച്ച് ആവശ്യകതകൾ എഴുതാനും കണ്ടെത്താനും സ്ഥിരത നിയന്ത്രിക്കാനുമുള്ള കഴിവ്
• ഭൗതികശാസ്ത്രത്തെ അടിസ്ഥാനമാക്കിയുള്ള കൈ കണക്കുകൂട്ടലുകൾ ഉപയോഗിച്ച് AI നിർദ്ദേശിച്ച ഡിസൈൻ പോയിൻ്റുകൾ ക്രോസ്-വാലിഡേറ്റ് ചെയ്യുന്നതിലൂടെ യുക്തിരഹിതമായ ഔട്ട്പുട്ടുകൾ ഇല്ലാതാക്കാനുള്ള കഴിവ്

ഒരു വിമാനമോ ബഹിരാകാശ പേടകമോ ജനിക്കുന്നത് ആവശ്യകതകളുടെ പട്ടികയിൽ നിന്നാണ്, ഡ്രോയിംഗ് ബോർഡിലല്ല. "ഇത്രയും ഭാരം ഈ ശ്രേണിയിലേക്ക്, ഈ വേഗതയിൽ, ഈ ചെലവിൽ വഹിക്കുക" എന്ന വാചകം വരും വർഷങ്ങളോളം നീണ്ടുനിൽക്കുന്ന ഡിസൈനിൻ്റെ ബീജമാണ്. ആശയ രൂപകല്പന (വാഹനത്തിൻ്റെ പരുക്കൻ വലിപ്പം, ഭാരം, കോൺഫിഗറേഷൻ എന്നിവ ആദ്യം നിർണ്ണയിക്കപ്പെടുന്ന ആദ്യകാല ഡിസൈൻ ഘട്ടം) ഈ വിത്തിൽ നിന്ന് ഒരു പ്രാരംഭ രൂപം വേർതിരിച്ചെടുക്കുന്ന പ്രക്രിയയാണ്. ഇവിടെ എടുക്കുന്ന തീരുമാനങ്ങൾ വിലകുറഞ്ഞതാണ്, എന്നാൽ അവയുടെ ഇഫക്റ്റുകൾ ഏറ്റവും ചെലവേറിയതാണ്: ഒരു തെറ്റായ ആശയപരമായ തിരഞ്ഞെടുപ്പിന് ദശലക്ഷക്കണക്കിന് ഡോളർ വിശദമായ ഡിസൈൻ വലിച്ചെറിയാൻ കഴിയും.

ഈ യൂണിറ്റിൽ, ആശയപരമായ രൂപകൽപ്പനയുടെ മൂന്ന് ഭാരങ്ങൾ ലഘൂകരിക്കാൻ ഞങ്ങൾ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (AI) ഉപയോഗിക്കും: അവ്യക്തമായ ടാസ്‌ക് അഭ്യർത്ഥനകൾ അളക്കാവുന്ന ആവശ്യകതകളിലേക്ക് വിവർത്തനം ചെയ്യുക, ആവശ്യകതകൾക്കിടയിൽ കണ്ടെത്തലും സ്ഥിരതയും നിലനിർത്തുക, മത്സരിക്കുന്ന ഡിസൈൻ ഓപ്ഷനുകൾക്കിടയിൽ ട്രേഡ്-ഓഫ് വിശകലനം ത്വരിതപ്പെടുത്തുക. എന്നാൽ നമുക്ക് ആദ്യം മുതൽ നിർണായകമായ തത്വം നിരത്താം: AI നിർദ്ദേശിക്കുന്ന ഓരോ വലുപ്പവും ഓരോ ഭാരവും ഭൗതികശാസ്ത്രത്തെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു കൈ കണക്കുകൂട്ടൽ വഴി ക്രോസ്-സാധുതയുള്ളതാണ്. AI ഒരു ബുദ്ധികേന്ദ്രവും അക്കൗണ്ടിംഗ് പങ്കാളിയുമാണ്; വലിപ്പം തീരുമാനിക്കാനുള്ള അവകാശം ഇല്ല.

ആശയങ്ങൾ: ആവശ്യകത: ഉപകരണം തൃപ്തിപ്പെടുത്തേണ്ട ഒരൊറ്റ സ്ഥിരീകരിക്കാവുന്ന പ്രസ്താവന. ട്രെയ്‌സിബിലിറ്റി: ഓരോ ആവശ്യകതയും എവിടെ നിന്നാണ് വന്നത്, ഏത് ഡിസൈൻ/ടെസ്റ്റ് ഉപയോഗിച്ചാണ് അത് നിറവേറ്റിയത് എന്നതിൻ്റെ റെക്കോർഡ് ശൃംഖല. ട്രേഡ് സ്പേസ്: മാറ്റാവുന്ന ഡിസൈൻ വേരിയബിളുകൾ സൃഷ്ടിച്ച എല്ലാ ഓപ്ഷനുകളുടെയും സെറ്റ്. MTOW: പരമാവധി ടേക്ക് ഓഫ് ഭാരം (മാക്സിമം ടേക്ക് ഓഫ് വെയ്റ്റ്), വാഹനത്തിന് ടേക്ക് ഓഫ് ചെയ്യാൻ കഴിയുന്ന ഏറ്റവും ഉയർന്ന പിണ്ഡം.

ടാസ്‌ക് നീഡ് മുതൽ ആവശ്യകത വരെ: ഘട്ടം ഘട്ടമായി

ഒരു നല്ല ആവശ്യകതയ്ക്ക് മൂന്ന് ഗുണങ്ങളുണ്ട്: ഏകവചനം (ഒരു കാര്യം പറയുന്നു), അളക്കാവുന്നത് (ഒരു സംഖ്യയും ഒരു യൂണിറ്റും അടങ്ങിയിരിക്കുന്നു), പരിശോധിക്കാവുന്നത് (അത് എങ്ങനെ പരിശോധിക്കാമെന്ന് വ്യക്തമാണ്). "വിമാനം വേഗത്തിലായിരിക്കണം" എന്നത് നിർബന്ധമല്ല; "വിമാനം സമുദ്രനിരപ്പിൽ 250 kt കാലിബർ എയർസ്പീഡ് (KCAS) നേടിയിരിക്കണം" എന്നത് ഒരു ആവശ്യകതയാണ്.

ഓഹരി ഉടമകളുടെ അഭ്യർത്ഥനകൾ ശേഖരിക്കുകയും അവ AI ഉപയോഗിച്ച് ഡ്രാഫ്റ്റ് ആവശ്യകതകളിലേക്ക് മാറ്റുകയും ചെയ്യുക എന്നതാണ് ആദ്യ പടി. രണ്ടാമത്തെ ഘട്ടം, ഓരോ ആവശ്യകതയും അളക്കാവുന്നതാക്കി മാറ്റുക എന്നതാണ്: ഓരോ അവ്യക്തമായ നാമവിശേഷണവും ("കനംകുറഞ്ഞ," "ഡ്യൂറബിൾ", "കാര്യക്ഷമമായ") ഒരു മെട്രിക്, ത്രെഷോൾഡ് എന്നിവ ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുക. ആവശ്യകതകൾ തമ്മിലുള്ള വൈരുദ്ധ്യങ്ങൾ നോക്കുക എന്നതാണ് മൂന്നാമത്തെ ഘട്ടം: ശ്രേണിയും പേലോഡും പലപ്പോഴും പരസ്പരം മത്സരിക്കുന്നു, AI ഈ വൈരുദ്ധ്യങ്ങളെ വേഗത്തിൽ ഉപരിതലത്തിലേക്ക് കൊണ്ടുവരുന്നു. ഒരു ട്രെയ്‌സിബിലിറ്റി മാട്രിക്‌സ് സ്ഥാപിക്കുക എന്നതാണ് നാലാമത്തെ ഘട്ടം: ഏത് ടോപ്പ് ലെവൽ ടാസ്‌ക് ഒബ്ജക്റ്റീവ് ഏത് ഉപ-ആവശ്യത്തിലേക്ക് നയിക്കുന്നുവെന്നത് പട്ടികപ്പെടുത്തുന്നു.

ആശയപരമായ ഡൈമൻഷനിംഗ് വശത്ത്, AI-ക്ക് അറിയപ്പെടുന്ന എഞ്ചിനീയറിംഗ് ബന്ധങ്ങൾ (ഭാരം ഭിന്നസംഖ്യകൾ, ത്രസ്റ്റ്-ടു-ഭാരം അനുപാതം, വിംഗ് ലോഡിംഗ്) തിരിച്ചുവിളിക്കാനും കണക്കുകൂട്ടലുകളുടെ ഒരു പ്രാരംഭ ശൃംഖല സ്ഥാപിക്കാനും കഴിയും. ഉദാഹരണത്തിന്, ഒരു പാസഞ്ചർ വിമാനത്തിന്, ബ്രെഗറ്റ് ശ്രേണി സമവാക്യം ഉപയോഗിച്ച് ഇന്ധന ഭാരത്തിൻ്റെ അംശം കണക്കാക്കാം, കൂടാതെ ശൂന്യമായ ഭാരത്തിൻ്റെ അംശം സ്ഥിതിവിവരക്കണക്കുകൾ ഉപയോഗിച്ച് കണക്കാക്കാം. എന്നാൽ ഈ ശൃംഖലയുടെ ഓരോ ലിങ്കും കൈ കണക്കുകൂട്ടൽ വഴി സ്ഥിരീകരിക്കുന്നു.

നുറുങ്ങ്: ആവശ്യകതകൾ എഴുതുമ്പോൾ, "ഓരോ അവ്യക്തമായ നാമവിശേഷണവും ഒരു മെട്രിക്, യൂണിറ്റ്, സ്ഥിരീകരണ രീതി എന്നിവ ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കാനുള്ള" ചുമതല AI-ക്ക് വ്യക്തമായി നൽകുക. "ഉപയോക്തൃ സൗഹൃദം" പോലെയുള്ള "അളക്കാനാകുന്ന" പരിശോധിക്കാനാകാത്ത പ്രസ്താവനകൾ നിങ്ങൾ പറയുമ്പോൾ മോഡൽ കൂടുതൽ അച്ചടക്കത്തോടെ പ്രവർത്തിക്കുന്നു.

ട്രേഡ് ഓഫ് അനാലിസിസ് കോൺഫിഗർ ചെയ്യുന്നു

ട്രേഡ്-ഓഫ് വിശകലനത്തിൻ്റെ ഹൃദയം പൊതുവായ മാനദണ്ഡങ്ങൾക്കൊപ്പം നിരവധി കാൻഡിഡേറ്റ് കോൺഫിഗറേഷനുകൾ കൂട്ടിച്ചേർക്കുന്നു. വെയ്റ്റഡ് ഡിസിഷൻ മാട്രിക്‌സ് ആണ് ക്ലാസിക് ടൂൾ: മാനദണ്ഡങ്ങൾക്ക് പ്രാധാന്യം നൽകിയിട്ടുണ്ട്, ഓരോ സ്ഥാനാർത്ഥിക്കും ഓരോ മാനദണ്ഡത്തിൽ സ്‌കോർ ചെയ്യുന്നു, വെയ്റ്റഡ് ടോട്ടൽ എടുക്കുന്നു. AI ഈ മാട്രിക്സ് വേഗത്തിൽ നിർമ്മിക്കുന്നു, എന്നാൽ രണ്ട് അപകടങ്ങളെക്കുറിച്ച് ജാഗ്രത പാലിക്കുക: ഭാരം എന്നത് ഒരു ആത്മനിഷ്ഠ എഞ്ചിനീയറിംഗ് വിധിയാണ് (AI-ക്ക് വിട്ടുകൊടുത്തിട്ടില്ല) കൂടാതെ സ്‌കോറുകൾ ശാരീരിക ന്യായീകരണത്തെ അടിസ്ഥാനമാക്കിയുള്ളതായിരിക്കണം (ഉണ്ടാക്കിയതല്ല).

മാനദണ്ഡം (ഭാരം)

കോൺഫിഗറേഷൻ. എ: ഉയർന്ന ചിറക്

കോൺഫിഗറേഷൻ. ബി: താഴ്ന്ന ചിറക്

കോൺഫിഗറേഷൻ. സി: കനാർഡ്

പരിധി, കിമീ (0.30)

1200

1350

1250

കെർബ് ഭാരം, കിലോ (0.25)

640

610

690

ഉൽപ്പാദനച്ചെലവ് (0.20)

ഇടത്തരം

താഴ്ന്ന

ഉയർന്നത്

സ്ഥിരത (0.15)

ഉയർന്നത്

ഇടത്തരം

ഇടത്തരം

അറ്റകുറ്റപ്പണി എളുപ്പം (0.10)

ഉയർന്നത്

ഇടത്തരം

താഴ്ന്ന

നിങ്ങൾക്ക് AI ഈ പട്ടിക നിർമ്മിക്കാൻ കഴിയും; എന്നാൽ ശ്രേണിയും ഭാരവും ഒരു സ്വതന്ത്ര പ്രാഥമിക കണക്കുകൂട്ടലിൽ നിന്നായിരിക്കണം, കൂടാതെ "സ്ഥിരത: ഉയർന്നത്" പോലെയുള്ള ഗുണപരമായ സ്കോറുകളും ന്യായീകരിക്കേണ്ടതാണ്. മിനിറ്റുകൾക്കുള്ളിൽ പത്ത് വ്യത്യസ്ത കോൺഫിഗറേഷനുകൾ പട്ടികപ്പെടുത്തുകയും വികാര വിശകലനം നടത്തുകയും ചെയ്യുന്നു എന്നതാണ് AI-യുടെ ശക്തി (ഭാരം മാറിയാൽ റാങ്കിംഗ് എങ്ങനെ മാറുന്നു).

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

ഞാൻ ഒരു പരിശീലന വിമാനം ഡിസൈൻ ചെയ്യുന്നു. മികച്ച കോൺഫിഗറേഷൻ പറയൂ.

ശക്തമായ നിർദ്ദേശം:

റോൾ: നിങ്ങൾ ഒരു ആശയപരമായ എയർക്രാഫ്റ്റ് ഡിസൈൻ കൺസൾട്ടൻ്റാണ്. സന്ദർഭം: രണ്ട് സീറ്റുകളുള്ള ട്രെയിനർ വിമാനത്തിനായുള്ള പ്രാഥമിക ട്രേഡ്-ഓഫ് പഠനം (മൂല്യങ്ങൾ പ്രതിനിധികളാണ്): ടാർഗെറ്റ് ശ്രേണി ~1000 കി.മീ., ക്രൂയിസ് വേഗത ~55 m/s, പേലോഡ് ~220 കി.ഗ്രാം, കുറഞ്ഞ ഉൽപ്പാദനച്ചെലവ് മുൻഗണന. ടാസ്‌ക്:1) 3 കാൻഡിഡേറ്റ് കോൺഫിഗറേഷനുകൾ നിർദ്ദേശിക്കുക (വിംഗ് പൊസിഷൻ, എഞ്ചിൻ തരം).2) ഓരോ കാൻഡിഡേറ്റും താരതമ്യം ചെയ്ത് ഒരു ടേബിൾ സജ്ജീകരിക്കുക: ശ്രേണി, കണക്കാക്കിയ ശൂന്യമായ ഭാരം, ഉൽപ്പാദനച്ചെലവ്, സ്ഥിരത.3) നിങ്ങളുടെ സംഖ്യാ കണക്കുകൾക്കായി ഉപയോഗിക്കുക ബന്ധവും അനുമാനവും എഴുതുക.നിയന്ത്രണം: നിങ്ങളുടെ ഭാരം കണക്കാക്കിയതിൽ ഏത് സ്റ്റാറ്റിസ്റ്റിക്കൽ ബന്ധമാണ് നിങ്ങൾ ഉപയോഗിച്ചതെന്ന് വ്യക്തമാക്കുക; യൂണിറ്റ് എഴുതുക; അന്തിമ തീരുമാനം എടുക്കരുത്, ഒരു സ്ഥാനാർത്ഥിയെ സമർപ്പിക്കുക. ഞാൻ തന്നെ വിലയിരുത്തി അന്തിമ തീരുമാനം എടുക്കും.

പകർത്താവുന്ന പ്രോംപ്റ്റ് ടെംപ്ലേറ്റുകൾ

ടെംപ്ലേറ്റ് 1 - ഒരു ടാസ്‌ക് ആവശ്യം അളക്കാവുന്ന ആവശ്യകതയിലേക്ക് വിവർത്തനം ചെയ്യുക:

ഇനിപ്പറയുന്ന ഓഹരി ഉടമകളുടെ അഭ്യർത്ഥനകളെ ഏകവചനവും അളക്കാവുന്നതും പരിശോധിക്കാവുന്നതുമായ ആവശ്യകതകളാക്കി മാറ്റുക. ഓരോ ആവശ്യത്തിനും: ഒരു മെട്രിക്, ഒരു യൂണിറ്റ്, ഒരു പരിധി മൂല്യം, ഒരു നിർദ്ദിഷ്ട സ്ഥിരീകരണ രീതി (വിശകലനം/ടെസ്റ്റ്/ഡെമോൺസ്ട്രേഷൻ). അനിശ്ചിതത്വമുണ്ടെങ്കിൽ, നിങ്ങൾക്ക് എന്ത് വിവരമാണ് വേണ്ടതെന്ന് ചോദിക്കുക. അഭ്യർത്ഥനകൾ: [ഇവിടെ ലിസ്റ്റ് ചെയ്യുക]

ടെംപ്ലേറ്റ് 2 — ട്രേസബിലിറ്റി മാട്രിക്സും വൈരുദ്ധ്യ സ്ക്രീനിംഗും:

ഈ ആവശ്യകതകളുടെ ലിസ്റ്റ് എടുക്കുക കൂടാതെ: (എ) ഓരോ ആവശ്യത്തെയും ഉയർന്ന തലത്തിലുള്ള ടാസ്‌ക് ലക്ഷ്യവുമായി ബന്ധിപ്പിക്കുന്ന ഒരു ട്രെയ്‌സിബിലിറ്റി പട്ടിക നിർമ്മിക്കുക; (ബി) വൈരുദ്ധ്യമുള്ളതോ വെല്ലുവിളിക്കുന്നതോ ആയ ആവശ്യകതകളുടെ ഏതെങ്കിലും ജോഡി അടയാളപ്പെടുത്തുക (ഉദാ. ശ്രേണിയും പേലോഡും); (സി) നഷ്‌ടമായതോ പരിശോധിക്കാനാകാത്തതോ ആയ ആവശ്യകതകളുടെ ലിസ്റ്റ്. ഫലം ഒരു പട്ടികയായിരിക്കട്ടെ. ആവശ്യകതകൾ: [ഇവിടെ പട്ടികപ്പെടുത്തുക]

ടെംപ്ലേറ്റ് 3 — വെയ്റ്റഡ് ഡിസിഷൻ മാട്രിക്സ് സജ്ജീകരണം:

ഇനിപ്പറയുന്ന കാൻഡിഡേറ്റ് കോൺഫിഗറേഷനുകൾക്കായി ഒരു വെയ്റ്റഡ് ഡിസിഷൻ മാട്രിക്സ് ഫ്രെയിംവർക്ക് നിർമ്മിക്കുക. മാനദണ്ഡ വരികളും സ്ഥാനാർത്ഥികളുടെ നിരകളും ഉണ്ടാക്കുക. വെയ്റ്റ് കോളം ശൂന്യമായി വിടുക (ഞാൻ വെയ്‌റ്റുകളിൽ പ്രവേശിക്കും). ഓരോ സെല്ലിലും നിങ്ങൾ ഇടുന്ന സ്‌കോറിൻ്റെ ഭൗതിക ന്യായീകരണം ഒരു പ്രത്യേക കുറിപ്പിൽ വിശദീകരിക്കുക; നിർമ്മിച്ച നമ്പർ എഴുതരുത്, നിങ്ങൾ ഊഹിച്ച സ്ഥലം "ഊഹിക്കുക" എന്ന് അടയാളപ്പെടുത്തുക. സ്ഥാനാർത്ഥികൾ: [...] മാനദണ്ഡം: [...]

ടെംപ്ലേറ്റ് 4 — ആശയപരമായ അളവുകൾ ക്രോസ്-ചെക്ക്:

ഇനിപ്പറയുന്ന പ്രെസൈസിംഗ് ഫലം സ്വതന്ത്രമായി പരിശോധിക്കുക: MTOW, വിംഗ് ഏരിയ, ത്രസ്റ്റ്. (എ) വിംഗ് ലോഡിംഗ് (W/S) കണക്കാക്കുകയും നിങ്ങളുടെ നൽകിയിരിക്കുന്ന വിമാന ക്ലാസിൻ്റെ സാധാരണ ശ്രേണിയുമായി താരതമ്യം ചെയ്യുകയും ചെയ്യുക. (ബി) ത്രസ്റ്റ്-ടു-വെയ്റ്റ് അനുപാതം (T/W) കണക്കാക്കി സാധാരണ ശ്രേണിയുമായി താരതമ്യം ചെയ്യുക. (സി) മൂല്യങ്ങൾ സാധാരണ പരിധിക്ക് പുറത്താണെങ്കിൽ മുന്നറിയിപ്പ് നൽകുകയും സാധ്യമായ പിശക് സൂചിപ്പിക്കുകയും ചെയ്യുക. എല്ലാ യൂണിറ്റുകളും വ്യക്തമായി എഴുതുക. ഇൻപുട്ട്: [MTOW, S, T മൂല്യങ്ങൾ]

മിനി കേസുകൾ

കേസ് 1 - വൈരുദ്ധ്യമുള്ള ആവശ്യം നേരത്തെ കണ്ടെത്തൽ. ഒരു UAV പ്രോജക്റ്റിൽ, "കുറഞ്ഞത് 8 മണിക്കൂർ എയർടൈമും" "പരമാവധി 12 കിലോഗ്രാം മൊത്തത്തിലുള്ള പിണ്ഡവും" ഓഹരി ഉടമകൾക്ക് ആവശ്യമാണ്. രണ്ട് ആവശ്യകതകൾ കണക്കാക്കി ഊർജ ബജറ്റ് ചുരുക്കി, സാധാരണ ബാറ്ററി ഊർജ്ജ സാന്ദ്രതയുള്ള (ഏകദേശം 200 Wh/kg) 8 മണിക്കൂർ ഫ്ലൈറ്റിന് 6-7 കിലോ ബാറ്ററി മാത്രം വേണ്ടിവരുമെന്ന് AI കാണിക്കുന്നു; പേലോഡും ഘടനയും സഹിതം 12 കിലോ ബജറ്റിൽ ഇത് യോജിക്കുന്നില്ല. വിശദമായ ഡിസൈൻ ആരംഭിക്കുന്നതിന് മുമ്പ് വൈരുദ്ധ്യം ചർച്ചചെയ്യുന്നു. പാഠം: ആവശ്യകതകൾ അക്കങ്ങളിലേക്ക് വിവർത്തനം ചെയ്യുന്നത് മറഞ്ഞിരിക്കുന്ന വൈരുദ്ധ്യങ്ങൾ നേരത്തെ വെളിപ്പെടുത്തുന്നു.

കേസ് 2 - സെൻസിറ്റിവിറ്റി വിശകലനം തീരുമാനം മാറ്റുന്നു. ഒരു ടീം മൂന്ന് വിംഗ് കോൺഫിഗറേഷനുകൾ താരതമ്യം ചെയ്യുന്നു; പ്രാരംഭ ഭാരം ഉപയോഗിച്ച് കോൺഫിഗർ ചെയ്യുക. ബി വിജയങ്ങൾ (വെയ്റ്റഡ് സ്കോർ 0.82 വേഴ്സസ് 0.79). "ഞാൻ ചെലവ് ഭാരം 0.20 ൽ നിന്ന് 0.10 ആയി കുറച്ചാൽ എന്ത് സംഭവിക്കും" എന്ന് AI-യോട് ചോദിക്കുന്നു; ഈ സാഹചര്യത്തിൽ ശ്രേണി മുന്നിൽ വരികയും കോൺഫിഗുചെയ്യുകയും ചെയ്യുന്നു. എ ലീഡ് ചെയ്യുന്നു (0.84 vs. 0.80). മുൻഗണന ചെലവ് നൽകാനുള്ള തീരുമാനം എത്ര സെൻസിറ്റീവ് ആണെന്ന് ടീം കാണുകയും ഓഹരി ഉടമയുമായി ഭാരം വ്യക്തമാക്കുകയും ചെയ്യുന്നു. പാഠം: ഇത് ഒരു സ്കോറല്ല, റാങ്കിംഗിൻ്റെ സ്ഥിരതയാണ് പ്രധാനം.

കേസ് 3 - ഭാരം കണക്കാക്കുന്നതിൽ ഓർഡർ പിശക്. AI ഒരു ലൈറ്റ് എയർക്രാഫ്റ്റിൻ്റെ ശൂന്യമായ ഭാരം ഒരു ബന്ധത്തിൽ നിന്ന് 95 കിലോ ആയി നൽകുന്നു. സമാനമായ ക്ലാസിലെ രണ്ട് സീറ്റുകളുള്ള വിമാനത്തിൻ്റെ ശൂന്യമായ ഭാരം സാധാരണയായി 350-500 കിലോഗ്രാം പരിധിയിലാണെന്ന് എഞ്ചിനീയർ ഓർമ്മിക്കുന്നു; 95 കിലോ ശാരീരികമായി അസാധ്യമാണ്. പരിശോധിച്ചപ്പോൾ, ബന്ധത്തിൽ AI തെറ്റായി ഒരു ഗുണകം പ്രയോഗിച്ചതായി കാണുകയും അത് ശരിയാക്കുകയും ചെയ്യുന്നു. പാഠം: ഓരോ ഭാരം കണക്കാക്കലും ക്ലാസിൻ്റെ അറിയപ്പെടുന്ന ശ്രേണിയുമായി മാഗ്നിറ്റ്യൂഡ് ഓർഡറുകൾ ഉപയോഗിച്ച് താരതമ്യം ചെയ്യുന്നു.

സാധാരണ തെറ്റുകൾ

• അവ്യക്തമായ ആവശ്യം അംഗീകരിക്കുന്നു. അളവുകളും യൂണിറ്റുകളും അടങ്ങിയിട്ടില്ലാത്ത ഒരു ആവശ്യകത പരിശോധിക്കാൻ കഴിയില്ല; "ഇത് വെളിച്ചമായിരിക്കണം" എന്നത് ഒരു ആഗ്രഹമാണ്, ഒരു ആവശ്യമല്ല.
• AI ഉള്ളതിനാൽ ഭാരം തിരഞ്ഞെടുക്കുക. ഡിസിഷൻ മാട്രിക്‌സിലെ മാനദണ്ഡ തൂക്കങ്ങൾ ആത്മനിഷ്ഠമായ എഞ്ചിനീയറിംഗും ഓഹരി ഉടമകളുടെ വിധിയുമാണ്; AI-ക്ക് വിട്ടാൽ, തീരുമാനം അസാധുവായി തുടരും.
• ന്യായീകരണമില്ലാതെ പോയിൻ്റുകൾ സ്വീകരിക്കുന്നു. "സ്ഥിരത: ഉയർന്നത്" പോലെയുള്ള ഗുണപരമായ സ്കോറുകൾക്ക് ഭൗതിക അടിസ്ഥാനമില്ലെങ്കിൽ, മാട്രിക്സ് ഊഹങ്ങളുടെ ഒരു ഫാൻസി ലിസ്റ്റായി മാറുന്നു.
• ഭാരം/വലിപ്പം എസ്റ്റിമേറ്റ് സ്ഥിരീകരിക്കുന്നില്ല. സ്ഥിതിവിവരക്കണക്ക് പരസ്പര ബന്ധങ്ങൾ ഏകദേശ കണക്കുകളാണ്; ക്ലാസ് ശ്രേണിയുമായി താരതമ്യപ്പെടുത്താതെ ഇത് വിശദമായ രൂപകൽപ്പനയിലേക്ക് കൊണ്ടുപോകില്ല.
• പിന്നീടുള്ള കണ്ടെത്തലിലേക്ക് വിടുന്നു. ആവശ്യം എവിടെ നിന്നാണ് വന്നതെന്ന് രേഖപ്പെടുത്തിയില്ലെങ്കിൽ, ഭാവിയിൽ എന്ത് തീരുമാനങ്ങളെ ബാധിക്കുമെന്ന് ആർക്കും അറിയില്ല.

ചുരുക്കത്തിൽ

ഏറ്റവും വിലകുറഞ്ഞതും എന്നാൽ ഫലപ്രദവുമായ തീരുമാനങ്ങൾ എടുക്കുന്ന ഘട്ടമാണ് ആശയ രൂപകല്പന. അവ്യക്തമായ അഭ്യർത്ഥനകൾ അളക്കാവുന്ന ആവശ്യകതകളിലേക്ക് വിവർത്തനം ചെയ്യുന്നതിനും കണ്ടെത്താനും വൈരുദ്ധ്യത്തിനും വേണ്ടി സ്കാൻ ചെയ്യാനും ട്രേഡ്-ഓഫ് ടേബിളുകളിലുടനീളം ഒന്നിലധികം കോൺഫിഗറേഷനുകൾ താരതമ്യം ചെയ്യാനും AI ഇവിടെ ഒരു ശക്തമായ ആക്സിലറേറ്ററാണ്. എന്നിരുന്നാലും, മാനുഷിക വിധിയാണ് മാനദണ്ഡം, സംഖ്യാപരമായ പ്രവചനങ്ങൾ ഭൗതികശാസ്ത്രത്തെ അടിസ്ഥാനമാക്കിയുള്ള കൈ കണക്കുകൂട്ടലും ക്ലാസ് ഇടവേളകളും ഉപയോഗിച്ച് പരിശോധിക്കപ്പെടുന്നു, അന്തിമ കോൺഫിഗറേഷൻ തീരുമാനം എഞ്ചിനീയറുടെ പക്കലായിരിക്കും. AI ഉദ്യോഗാർത്ഥികളെ നിർമ്മിക്കുന്നു; തീരുമാനിക്കുന്നില്ല.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങൾ തിരഞ്ഞെടുക്കുന്ന ഒരു വായുവിനോ ബഹിരാകാശവാഹനത്തിനോ വേണ്ടിയുള്ള മൂന്ന് ഉയർന്ന തലത്തിലുള്ള ദൗത്യ ലക്ഷ്യങ്ങൾ എഴുതുക. AI ഉപയോഗിച്ച്, ഇവയെ കുറഞ്ഞത് ആറ് അളക്കാവുന്ന ആവശ്യകതകളിലേക്ക് വിവർത്തനം ചെയ്‌ത് ഒരു ട്രെയ്‌സിബിലിറ്റി പട്ടിക സജ്ജീകരിക്കുക. തുടർന്ന് മൂന്ന് കാൻഡിഡേറ്റ് കോൺഫിഗറേഷനുകൾക്കായി ഒരു വെയ്റ്റഡ് ഡിസിഷൻ മാട്രിക്സ് സൃഷ്ടിക്കുക; ഭാരം സ്വയം നിർണ്ണയിക്കുക. അവസാനമായി, ഒരു സ്വതന്ത്ര കൈ കണക്കുകൂട്ടലും ക്ലാസ് റേഞ്ചും ഉപയോഗിച്ച് AI നൽകിയ ഭാരം/വലുപ്പം എസ്റ്റിമേറ്റ് സ്ഥിരീകരിക്കുക. നിങ്ങൾ ഒരു വൈരുദ്ധ്യം കണ്ടെത്തുന്നിടത്ത് കുറഞ്ഞത് ഒരു ജോടി ആവശ്യകതകളെങ്കിലും റിപ്പോർട്ട് ചെയ്യുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ ഓരോ ആവശ്യവും ഏകവചനവും അളക്കാവുന്നതും പരിശോധിക്കാവുന്നതും ആക്കി.
• [ ] ഞാൻ മെട്രിക്, യൂണിറ്റ്, ത്രെഷോൾഡ് എന്നിവ ഉപയോഗിച്ച് അവ്യക്തമായ നാമവിശേഷണങ്ങൾ മാറ്റി.
• [ ] ഞാൻ ഒരു ട്രെയ്‌സിബിലിറ്റി ടേബിൾ സജ്ജമാക്കി, വൈരുദ്ധ്യമുള്ള ആവശ്യകതകൾ അടയാളപ്പെടുത്തി.
• [ ] ഡിസിഷൻ മാട്രിക്സ് വെയ്റ്റ്സ് ഞാൻ തന്നെ നിർണ്ണയിച്ചു (AI അല്ല).
• [ ] ഞാൻ മാട്രിക്സ് സ്കോറുകൾ ഫിസിക്കൽ ന്യായീകരണത്തിന് ആട്രിബ്യൂട്ട് ചെയ്തു.
• [ ] ക്ലാസ് സ്‌പെയ്‌സിംഗും ഹാൻഡ് കണക്കുകൂട്ടലും ഉപയോഗിച്ച് ഞാൻ ഭാരം/വലിപ്പം എസ്റ്റിമേറ്റ് പരിശോധിച്ചു.