नफा:
- एआय समर्थनासह मिशन आवश्यकतांपासून वैचारिक विमान/अंतराळ यानाच्या आकारापर्यंत ट्रेड-ऑफ अभ्यासाला गती देण्याची क्षमता
- कॉन्फिगर केलेल्या प्रॉम्प्टसह आवश्यकता लेखन, शोधण्यायोग्यता आणि सातत्य नियंत्रण पार पाडण्याची क्षमता
- भौतिकशास्त्र-आधारित हाताच्या गणनेसह AI-सुचविलेले डिझाइन पॉइंट क्रॉस-व्हॅलिड करून अवास्तव आउटपुट काढून टाकण्याची क्षमता
एखादे विमान किंवा अंतराळ यान आवश्यकतेच्या यादीतून जन्माला येते, ड्रॉइंग बोर्डवर नाही. "कॅरी एट मच लोड टू या रेंज, या स्पीड, ॲट या कॉस्ट" हे वाक्य पुढील अनेक वर्षे टिकून राहणाऱ्या रचनेचे बीज आहे. संकल्पनात्मक डिझाईन (सर्वात सुरुवातीचा डिझाईन टप्पा ज्यामध्ये वाहनाचा आकार, वजन आणि कॉन्फिगरेशन प्रथम निर्धारित केले जाते) ही या बीजापासून प्रारंभिक आकार काढण्याची प्रक्रिया आहे. येथे घेतलेले निर्णय स्वस्त आहेत, परंतु त्यांचे परिणाम सर्वात महाग आहेत: एक चुकीची संकल्पनात्मक निवड लाखो डॉलर्स तपशीलवार डिझाइन फेकून देऊ शकते.
या युनिटमध्ये, आम्ही संकल्पनात्मक डिझाइनचे तीन ओझे कमी करण्यासाठी कृत्रिम बुद्धिमत्ता (AI) चा वापर करू: अस्पष्ट कार्य विनंत्या मोजण्यायोग्य आवश्यकतांमध्ये अनुवादित करणे, शोधण्यायोग्यता आणि आवश्यकतांमधील सातत्य राखणे आणि प्रतिस्पर्धी डिझाइन पर्यायांमधील ट्रेड-ऑफ विश्लेषणास गती देणे. पण सुरुवातीपासूनच महत्त्वाची तत्त्वे मांडू या: एआयने सुचवलेला प्रत्येक आकार, प्रत्येक वजनाचा अंदाज भौतिकशास्त्र-आधारित हाताच्या गणनेद्वारे क्रॉस-व्हॅलिडेटेड असणे आवश्यक आहे. AI एक विचारमंथन आणि लेखा भागीदार आहे; आकार घेण्याच्या निर्णयाची मालकी नाही.
संकल्पना: आवश्यकता: एक एकल पडताळणीयोग्य विधान जे साधनाने पूर्ण केले पाहिजे. शोधण्यायोग्यता: प्रत्येक आवश्यकता कोठून आली आणि ती कोणत्या डिझाइन/चाचणीसह पूर्ण झाली याची नोंदीची साखळी. ट्रेड स्पेस: बदलण्यायोग्य डिझाइन व्हेरिएबल्सद्वारे तयार केलेल्या सर्व पर्यायांचा संच. MTOW: जास्तीत जास्त टेक-ऑफ वजन (मॅक्सिमम टेक-ऑफ वेट), वाहन टेकऑफ करू शकणारे सर्वाधिक वजन.
कार्य आवश्यकतेपासून आवश्यकतेपर्यंत: स्टेप बाय स्टेप
चांगल्या गरजेमध्ये तीन गुण असतात: एकवचन (एक गोष्ट सांगते), मोजण्यायोग्य (एक संख्या आणि एकक असते) आणि पडताळणीयोग्य (ते कसे तपासायचे ते स्पष्ट आहे). "विमान वेगवान असले पाहिजे" ही आवश्यकता नाही; "विमानाने समुद्रसपाटीवर 250 kt कॅलिबर एअरस्पीड (KCAS) प्राप्त करणे आवश्यक आहे" ही आवश्यकता आहे.
पहिली पायरी म्हणजे स्टेकहोल्डरच्या विनंत्या गोळा करणे आणि त्यांना AI सह मसुदा आवश्यकतांमध्ये डिस्टिल करणे. दुसरी पायरी म्हणजे प्रत्येक आवश्यकता मोजण्यायोग्य बनवणे: प्रत्येक अस्पष्ट विशेषण ("हलके," "टिकाऊ," "कार्यक्षम") मेट्रिक आणि थ्रेशोल्डसह बदला. तिसरी पायरी म्हणजे आवश्यकतांमधील विरोधाभास शोधणे: श्रेणी आणि पेलोड अनेकदा एकमेकांशी स्पर्धा करतात, AI त्वरीत या विरोधाभासांना पृष्ठभागावर आणते. चौथी पायरी म्हणजे ट्रेसेबिलिटी मॅट्रिक्स स्थापित करणे: कोणते शीर्ष-स्तरीय कार्य उद्दिष्ट कोणते उप-आवश्यकतेकडे नेणारे सारणीबद्ध करणे.
वैचारिक परिमाणाच्या बाजूने, AI ज्ञात अभियांत्रिकी संबंध (वजन अपूर्णांक, थ्रस्ट-टू-वेट रेशो, विंग लोडिंग) लक्षात ठेवू शकते आणि गणनेची प्रारंभिक साखळी स्थापित करू शकते. उदाहरणार्थ, प्रवासी विमानासाठी, ब्रेग्वेट श्रेणी समीकरणासह इंधन वजन अपूर्णांकाचा अंदाज लावला जाऊ शकतो आणि रिक्त वजनाच्या अपूर्णांकाचा सांख्यिकीय संबंधांसह अंदाज लावला जाऊ शकतो. परंतु या साखळीच्या प्रत्येक दुव्याची पुष्टी हाताच्या मोजणीने केली जाते.
टीप: आवश्यकता लिहिताना, स्पष्टपणे AI ला "प्रत्येक अस्पष्ट विशेषण मेट्रिक, युनिट आणि सत्यापन पद्धतीसह पुनर्स्थित करण्याचे कार्य द्या." जेव्हा तुम्ही "मेक मापन करण्यायोग्य" असत्यापित विधाने जसे "वापरकर्ता अनुकूल" म्हणता तेव्हा मॉडेल अधिक शिस्तबद्धपणे कार्य करते.
ट्रेड-ऑफ विश्लेषण कॉन्फिगर करणे
ट्रेड-ऑफ विश्लेषणाचा केंद्रबिंदू सामान्य निकषांसह अनेक उमेदवार कॉन्फिगरेशनला जोडणे आहे. क्लासिक टूल हे भारित निर्णय मॅट्रिक्स आहे: निकषांना महत्त्व दिले जाते वजन, प्रत्येक उमेदवाराला प्रत्येक निकषावर गुण दिले जातात, एकूण वजन घेतले जाते. AI हे मॅट्रिक्स पटकन तयार करते, परंतु दोन त्रुटींपासून सावध रहा: वजन हे एक व्यक्तिनिष्ठ अभियांत्रिकी निर्णय आहे (AI वर सोडलेले नाही) आणि स्कोअर भौतिक औचित्यावर आधारित असणे आवश्यक आहे (बनलेले नाही).
निकष (वजन)
कॉन्फिग. A: उच्च विंग
कॉन्फिग. ब: कमी पंख
कॉन्फिग. क: कॅनर्ड
श्रेणी, किमी (0.30)
१२००
1350
१२५०
कर्ब वजन, किलो (0.25)
६४०
६१०
६९०
उत्पादन खर्च (0.20)
मध्यम
कमी
उच्च
स्थिरता (0.15)
उच्च
मध्यम
मध्यम
देखभाल सुलभ (0.10)
उच्च
मध्यम
कमी
तुम्हाला AI हे टेबल तयार करू शकता; परंतु श्रेणी आणि वजन संख्या स्वतंत्र प्राथमिक गणनेतून येणे आवश्यक आहे आणि "स्थिरता: उच्च" सारखे गुणात्मक स्कोअर देखील न्याय्य असणे आवश्यक आहे. AI ची ताकद अशी आहे की ते मिनिटांत दहा वेगवेगळ्या कॉन्फिगरेशनचे सारणी बनवते आणि भावनांचे विश्लेषण करते (वजन बदलल्यास रँकिंग कसे बदलते).
कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट
कमकुवत प्रॉम्प्ट:
मी प्रशिक्षण विमानाची रचना करत आहे. मला सर्वोत्तम कॉन्फिगरेशन सांगा.
शक्तिशाली सूचना:
भूमिका: तुम्ही वैचारिक विमान डिझाइन सल्लागार आहात. संदर्भ: दोन आसनी ट्रेनर विमानासाठी प्राथमिक व्यापार-बंद अभ्यास (मूल्ये प्रतिनिधी आहेत): लक्ष्य श्रेणी ~1000 किमी, क्रूझ गती ~55 m/s, पेलोड ~220 kg, कमी उत्पादन खर्च प्राधान्य. कार्य:1) 3 उमेदवार कॉन्फिगरेशन सुचवा (विंग पोझिशन, इंजिनचा प्रकार). 2) प्रत्येक उमेदवाराची तुलना करण्यासाठी एक टेबल सेट करा: श्रेणी, अंदाजे रिकामे वजन, उत्पादन खर्च, स्थिरता. 3) तुमच्या संख्यात्मक अंदाजांसाठी वापरा संबंध आणि गृहितक लिहा. मर्यादा: तुम्ही तुमच्या वजनाच्या अंदाजामध्ये कोणता सांख्यिकीय संबंध वापरला आहे ते सांगा; युनिट लिहा; अंतिम निर्णय घेऊ नका, उमेदवार सबमिट करा. मी विचार करून अंतिम निर्णय स्वतः घेईन.
कॉपी करण्यायोग्य प्रॉम्प्ट टेम्पलेट्स
टेम्प्लेट 1 — एखाद्या कार्याच्या गरजेचे मोजमाप करण्यायोग्य गरजेमध्ये भाषांतर करणे:
खालील भागधारकांच्या विनंत्यांचे एकवचन, मोजता येण्याजोगे आणि पडताळणीयोग्य आवश्यकतांमध्ये रूपांतर करा. प्रत्येक आवश्यकतेसाठी: एक मेट्रिक, एक युनिट, एक थ्रेशोल्ड मूल्य आणि एक प्रस्तावित सत्यापन पद्धत (विश्लेषण/चाचणी/प्रदर्शन). अस्पष्ट विशेषणांचे ("प्रकाश", "जलद") ठोस संख्यांमध्ये भाषांतर करा; अनिश्चितता असल्यास, तुम्हाला कोणती माहिती हवी आहे ते विचारा. विनंती: [येथे सूची]
टेम्पलेट 2 — ट्रेसेबिलिटी मॅट्रिक्स आणि विरोधाभास स्क्रीनिंग:
आवश्यकतांची ही यादी घ्या आणि: (अ) प्रत्येक गरजेला उच्च-स्तरीय कार्य उद्दिष्टाशी जोडणारी ट्रेसेबिलिटी टेबल तयार करा; (b) विरोधाभासी किंवा आव्हानात्मक आवश्यकतांच्या कोणत्याही जोड्या चिन्हांकित करा (उदा. श्रेणी वि. पेलोड); (c) गहाळ किंवा पडताळणी करण्यायोग्य आवश्यकतांची यादी. परिणाम एक टेबल असू द्या. आवश्यकता: [येथे यादी]
टेम्पलेट 3 — भारित निर्णय मॅट्रिक्स सेटअप:
खालील उमेदवार कॉन्फिगरेशनसाठी भारित निर्णय मॅट्रिक्स फ्रेमवर्क तयार करा. निकषांच्या पंक्ती आणि उमेदवारांचे स्तंभ बनवा. वजन स्तंभ रिक्त सोडा (मी वजन प्रविष्ट करेन). प्रत्येक सेलमध्ये तुम्ही जो स्कोअर ठेवाल त्याचे भौतिक औचित्य वेगळ्या नोटमध्ये स्पष्ट करा; मेड-अप नंबर लिहू नका, तुम्ही अंदाज लावलेल्या जागेवर "अंदाज" म्हणून चिन्हांकित करा. उमेदवार: [...] निकष: [...]
टेम्पलेट 4 — संकल्पनात्मक परिमाण क्रॉस-चेक:
खालील प्रेसिझिंग परिणाम स्वतंत्रपणे तपासा: MTOW, विंग एरिया, थ्रस्ट. (a) विंग लोडिंग (W/S) ची गणना करा आणि तुमच्या दिलेल्या विमान वर्गाच्या विशिष्ट श्रेणीशी तुलना करा. (b) थ्रस्ट-टू-वेट रेशो (T/W) ची गणना करा आणि त्याची सामान्य श्रेणीशी तुलना करा. (c) मूल्ये विशिष्ट श्रेणीच्या बाहेर असल्यास आणि संभाव्य त्रुटी दर्शविल्यास चेतावणी द्या. सर्व युनिट्स स्पष्टपणे लिहा. इनपुट: [MTOW, S, T मूल्ये]
मिनी केसेस
केस 1 - परस्परविरोधी गरजा लवकर ओळखणे. UAV प्रकल्पामध्ये, भागधारकांना "किमान 8 तास एअरटाइम" आणि "कमाल 12 किलो एकूण वस्तुमान" दोन्ही हवे असतात. दोन गरजा मोजून आणि उर्जेचे अंदाजपत्रक मोजून, AI दाखवते की ठराविक बॅटरी उर्जेची घनता (सुमारे 200 Wh/kg) असलेल्या 8-तासांच्या फ्लाइटसाठी एकट्या 6-7 किलो बॅटरीची आवश्यकता असते; हे पेलोड आणि संरचनेसह 12 किलोच्या बजेटमध्ये बसत नाही. तपशीलवार डिझाइन सुरू होण्यापूर्वी विरोधाभासावर चर्चा केली जाते. धडा: आवश्यकतांचे संख्यांमध्ये भाषांतर केल्याने लपलेले विरोधाभास लवकर प्रकट होतात.
केस 2 - संवेदनशीलता विश्लेषण निर्णय बदलते. एक संघ तीन विंग कॉन्फिगरेशनची तुलना करतो; प्रारंभिक वजनांसह कॉन्फिग करा. ब जिंकला (वेटेड स्कोअर ०.८२ वि. ०.७९). AI ला विचारले जाते “मी खर्चाचे वजन 0.20 वरून 0.10 पर्यंत कमी केल्यास काय होईल”; या परिस्थितीमध्ये श्रेणी समोर येते आणि कॉन्फिग. A आघाडी घेतो (0.84 वि. 0.80). खर्चाला प्राधान्य देण्याचा निर्णय किती संवेदनशील आहे हे संघ पाहतो आणि भागधारकासह वजन स्पष्ट करतो. धडा: हा एकच स्कोअर महत्त्वाचा नाही, तर रँकिंगची स्थिरता महत्त्वाची आहे.
केस 3 - वजनाच्या अंदाजामध्ये ऑर्डर त्रुटी. एआय एका हलक्या विमानाचे रिकाम्या वजनाचे 95 किलो रिलेशनमधून देते. अभियंता आठवते की समान वर्गाच्या दोन आसनी विमानाचे रिकाम्या वजनाचे वजन सामान्यत: 350-500 किलो असते; 95 किलो शारीरिकदृष्ट्या अशक्य आहे. तपासल्यावर असे दिसून येते की AI ने संबंधात गुणांक चुकीच्या पद्धतीने लागू केला आहे आणि तो दुरुस्त केला आहे. धडा: प्रत्येक वजनाच्या अंदाजाची तुलना वर्गाच्या ज्ञात श्रेणीशी परिमाणाच्या ऑर्डरद्वारे केली जाते.
सामान्य चुका
- अस्पष्ट आवश्यकता स्वीकारणे. मेट्रिक्स आणि युनिट नसलेली आवश्यकता सत्यापित केली जाऊ शकत नाही; "ते हलके असावे" ही इच्छा आहे, गरज नाही.
- AI असल्याने वजन निवडा. निर्णयाच्या मॅट्रिक्समधील निकषांचे वजन व्यक्तिनिष्ठ अभियांत्रिकी आणि भागधारकांचे निर्णय आहेत; AI वर सोडल्यास, निर्णय अयोग्य राहतो.
- औचित्य न देता गुण स्वीकारणे. "स्थिरता: उच्च" सारख्या गुणात्मक स्कोअरला कोणताही भौतिक आधार नसल्यास, मॅट्रिक्स अंदाजांची फॅन्सी सूची बनते.
- वजन/आकाराच्या अंदाजाची पुष्टी करत नाही. सांख्यिकीय सहसंबंध हे ढोबळ अंदाज आहेत; वर्ग श्रेणीशी तुलना केल्याशिवाय ते तपशीलवार डिझाइनमध्ये नेले जात नाही.
- नंतरसाठी शोधण्यायोग्यता सोडत आहे. गरज कोठून आली याची नोंद न केल्यास, भविष्यात बदलाचा कोणता निर्णय प्रभावित होईल हे कोणालाही कळणार नाही.
सारांशात
संकल्पनात्मक रचना ही अशी अवस्था आहे जिथे सर्वात स्वस्त परंतु प्रभावी निर्णय घेतले जातात. अस्पष्ट विनंत्यांना मोजता येण्याजोग्या आवश्यकतांमध्ये अनुवादित करण्यासाठी, ट्रेसेबिलिटी आणि संघर्षासाठी स्कॅनिंग आणि ट्रेड-ऑफ टेबलवर एकाधिक कॉन्फिगरेशनची तुलना करण्यासाठी AI येथे एक शक्तिशाली प्रवेगक आहे. तथापि, मापदंड वजन मानवी निर्णय आहेत, संख्यात्मक अंदाज भौतिकशास्त्र-आधारित हात गणना आणि वर्ग अंतराने सत्यापित केले जातात, अंतिम कॉन्फिगरेशन निर्णय अभियंता वर राहते. एआय उमेदवार तयार करते; ठरवत नाही.
अर्ज कार्य
तुमच्या आवडीच्या हवाई किंवा अवकाशयानासाठी तीन उच्च-स्तरीय मिशन उद्दिष्टे लिहा. AI वापरून, किमान सहा मोजता येण्याजोग्या आवश्यकतांमध्ये त्यांचे भाषांतर करा आणि ट्रेसेबिलिटी टेबल सेट करा. नंतर तीन उमेदवार कॉन्फिगरेशनसाठी भारित निर्णय मॅट्रिक्स तयार करा; वजन स्वतःच ठरवा. शेवटी, AI ने दिलेल्या वजन/आकाराच्या अंदाजाची स्वतंत्र हाताने गणना आणि वर्ग श्रेणीसह पुष्टी करा. तुम्हाला विवाद आढळल्यास किमान एक जोडी आवश्यकतेचा अहवाल द्या.
चेकलिस्ट
- [ ] मी प्रत्येक आवश्यकता एकवचनी, मोजण्यायोग्य आणि सत्यापित केली आहे.
- मी अस्पष्ट विशेषण मेट्रिक, युनिट आणि थ्रेशोल्डने बदलले.
- [ ] मी ट्रेसेबिलिटी टेबल सेट केले आहे आणि परस्परविरोधी आवश्यकता चिन्हांकित केल्या आहेत.
- [ ] मी निर्णय मॅट्रिक्सचे वजन स्वतः ठरवले (AI नाही).
- [ ] मी मॅट्रिक्स स्कोअरचे श्रेय भौतिक औचित्याला दिले.
- [ ] मी वर्गातील अंतर आणि हाताच्या गणनेसह वजन/आकाराच्या अंदाजांची पडताळणी केली.