लाभ:
- एआई समर्थनको साथ मिशन आवश्यकताहरूबाट वैचारिक विमान/स्पेसक्राफ्ट साइजिङसम्म ट्रेड-अफ अध्ययनलाई गति दिने क्षमता।
- कन्फिगर गरिएको प्रम्प्टहरूको साथ आवश्यकताहरू लेखन, ट्रेसबिलिटी र स्थिरता नियन्त्रण पूरा गर्ने क्षमता
- भौतिक विज्ञान-आधारित हात गणनाको साथ एआई-सुझाव गरिएको डिजाइन पोइन्टहरू क्रस-प्रमाणीकरण गरेर अनुचित आउटपुटहरू हटाउने क्षमता।
हवाइजहाज वा अन्तरिक्ष यान आवश्यकताहरूको सूचीबाट जन्मिन्छ, रेखाचित्र बोर्डमा होइन। वाक्य "यस दायरामा, यो गतिमा, यो लागतमा यति धेरै भार बोक्नुहोस्" यो डिजाइनको बीज हो जुन आउने वर्षहरूसम्म रहनेछ। वैचारिक डिजाइन (सबैभन्दा प्रारम्भिक डिजाइन चरण जसमा गाडीको आकार, तौल र कन्फिगरेसन पहिले निर्धारण गरिन्छ) यो बीउबाट प्रारम्भिक आकार निकाल्ने प्रक्रिया हो। यहाँ गरिएका निर्णयहरू सस्तो छन्, तर तिनीहरूका प्रभावहरू सबैभन्दा महँगो छन्: एउटा गलत वैचारिक छनोटले लाखौं डलरको विस्तृत डिजाइन फाल्न सक्छ।
यस एकाइमा, हामी कृत्रिम बुद्धिमत्ता (AI) को तीनवटा अवधारणात्मक डिजाइनको बोझ कम गर्न प्रयोग गर्नेछौं: अस्पष्ट कार्य अनुरोधहरूलाई मापनयोग्य आवश्यकताहरूमा अनुवाद गर्ने, आवश्यकताहरू बीचको ट्रेसबिलिटी र स्थिरता कायम राख्ने, र प्रतिस्पर्धी डिजाइन विकल्पहरू बीचको ट्रेड-अफ विश्लेषणलाई गति दिने। तर सुरुदेखि नै महत्वपूर्ण सिद्धान्त राखौं: हरेक साइज, प्रत्येक तौल अनुमान जुन AI ले सुझाव दिन्छ भौतिक विज्ञानमा आधारित हात गणनाद्वारा क्रस-प्रमाणीकरण गरिन्छ। एआई एक मंथन र लेखा साझेदार हो; साइजिङ निर्णयको स्वामित्व छैन।
अवधारणाहरू: आवश्यकता: एकल प्रमाणित कथन जुन उपकरणले पूरा गर्नुपर्छ। ट्रेसिबिलिटी: प्रत्येक आवश्यकता कहाँबाट आयो र कुन डिजाइन/परीक्षणको साथ पूरा भयो भन्ने रेकर्डको श्रृंखला। ट्रेड स्पेस: परिवर्तनीय डिजाइन चरहरूद्वारा सिर्जना गरिएका सबै विकल्पहरूको सेट। MTOW: अधिकतम टेक-अफ तौल (म्याक्सिमम टेक-अफ वजन), सवारी साधनले लिन सक्ने उच्चतम भार।
कार्य आवश्यकता देखि आवश्यकता को लागी: चरण द्वारा चरण
राम्रो आवश्यकतामा तीन गुणहरू हुन्छन्: एकवचन (एउटा कुरा भन्छन्), मापनयोग्य (अङ्क र एकाइ समावेश गर्दछ), र प्रमाणिकरणयोग्य (यो कसरी जाँच गर्ने स्पष्ट छ)। "विमान छिटो हुनुपर्छ" आवश्यकता होइन; "विमानले समुद्र स्तरमा 250 केटी क्यालिबर एयरस्पीड (KCAS) हासिल गर्नुपर्छ" एक आवश्यकता हो।
पहिलो चरण भनेको सरोकारवाला अनुरोधहरू भेला गर्नु र तिनीहरूलाई AI सँग मस्यौदा आवश्यकताहरूमा डिस्टिल गर्नु हो। दोस्रो चरण भनेको प्रत्येक आवश्यकतालाई मापनयोग्य बनाउनु हो: प्रत्येक अस्पष्ट विशेषण ("हल्का वजन," "टिकाऊ," "दक्ष") लाई मेट्रिक र थ्रेसहोल्डसँग बदल्नुहोस्। तेस्रो चरण भनेको आवश्यकताहरू बीचको विरोधाभासहरू खोज्नु हो: दायरा र पेलोड प्रायः एकअर्कासँग प्रतिस्पर्धा गर्छन्, AI ले यी विरोधाभासहरूलाई चाँडै सतहमा ल्याउँछ। चौथो चरण ट्रेसेबिलिटी म्याट्रिक्स स्थापना गर्नु हो: कुन शीर्ष-स्तरको कार्य उद्देश्यले कुन उप-आवश्यकतालाई ट्याब्युलेट गर्छ।
वैचारिक आयामको पक्षमा, एआईले ज्ञात इन्जिनियरिङ सम्बन्धहरू (तौल अंश, थ्रस्ट-टू-वेट अनुपात, पखेटा लोडिङ) सम्झन सक्छ र गणनाको प्रारम्भिक श्रृंखला स्थापना गर्न सक्छ। उदाहरण को लागी, एक यात्री विमान को लागी, ईन्धन वजन अंश को Breguet दायरा समीकरण संग अनुमान गर्न सकिन्छ र खाली वजन अंश को सांख्यिकीय सम्बन्ध संग अनुमान गर्न सकिन्छ। तर यस श्रृंखलाको प्रत्येक लिङ्क हात गणना द्वारा पुष्टि गरिएको छ।
सुझाव: आवश्यकताहरू लेख्दा, स्पष्ट रूपमा AI लाई "प्रत्येक अस्पष्ट विशेषणलाई मेट्रिक, एकाइ, र प्रमाणीकरण विधिले प्रतिस्थापन गर्ने" कार्य दिनुहोस्। मोडेलले धेरै अनुशासित काम गर्दछ जब तपाइँ "उपयोगकर्ता मैत्री" जस्तै "मापनयोग्य बनाउनुहोस्" अप्रमाणित कथनहरू भन्नुहुन्छ।
व्यापार-अफ विश्लेषण कन्फिगर गर्दै
ट्रेड-अफ विश्लेषणको मुटुले साझा मापदण्डका साथ धेरै उम्मेद्वार कन्फिगरेसनहरू जुक्सटापोज गर्दैछ। क्लासिक उपकरण भारित निर्णय म्याट्रिक्स हो: मापदण्डलाई महत्त्वपूर्ण वजन दिइन्छ, प्रत्येक उम्मेद्वारलाई प्रत्येक मापदण्डमा स्कोर गरिन्छ, भारित कुल लिइन्छ। AI ले यो म्याट्रिक्स तुरुन्तै बनाउँछ, तर दुई गल्तीहरूबाट सावधान रहनुहोस्: तौल एक व्यक्तिपरक इन्जिनियरिङ् निर्णय हो (AI मा छोडिएको छैन) र स्कोरहरू भौतिक औचित्यमा आधारित हुनुपर्छ (बनाइएको छैन)।
मापदण्ड (वजन)
कन्फिग। A: उच्च पखेटा
कन्फिग। B: तल्लो पखेटा
कन्फिग। C: क्यानार्ड
दायरा, किमी (०.३०)
१२००
१३५०
१२५०
कर्ब वजन, किलोग्राम (०.२५)
६४०
६१०
६९०
उत्पादन लागत (०.२०)
मध्यम
कम
उच्च
स्थिरता (०.१५)
उच्च
मध्यम
मध्यम
मर्मतसम्भारको सहजता (०.१०)
उच्च
मध्यम
कम
तपाईं AI ले यो तालिका बनाउन सक्नुहुन्छ; तर दायरा र वजन संख्याहरू एक स्वतन्त्र प्रारम्भिक गणनाबाट आउनु पर्छ, र "स्थिरता: उच्च" जस्ता गुणात्मक अंकहरू पनि उचित हुनुपर्छ। AI को शक्ति यो हो कि यसले मिनेटमा दस फरक कन्फिगरेसनहरू तालिकाबद्ध गर्दछ र भावना विश्लेषण गर्दछ (तौल परिवर्तन भएमा रैंकिंग कसरी परिवर्तन हुन्छ)।
कमजोर प्रम्प्ट / बलियो प्रम्प्ट
कमजोर प्रम्प्ट:
म प्रशिक्षण विमान डिजाइन गर्दैछु। मलाई उत्तम कन्फिगरेसन बताउनुहोस्।
शक्तिशाली प्रम्प्ट:
भूमिका: तपाईं एक वैचारिक विमान डिजाइन सल्लाहकार हुनुहुन्छ। सन्दर्भ: दुई-सीट ट्रेनर विमानको लागि प्रारम्भिक ट्रेड-अफ अध्ययन (मानहरू प्रतिनिधि हुन्): लक्ष्य दायरा ~1000 किमी, क्रूज गति ~55 m/s, पेलोड ~220 kg, कम उत्पादन लागत प्राथमिकता। कार्य: 1) 3 उम्मेद्वार कन्फिगरेसनहरू (विङ स्थिति, इन्जिन प्रकार) सुझाव दिनुहोस्। 2) प्रत्येक उम्मेद्वारलाई निम्नमा तुलना गर्ने तालिका सेट अप गर्नुहोस्: दायरा, अनुमानित खाली तौल, उत्पादन लागत, स्थिरता। 3) तपाईंको संख्यात्मक अनुमानहरूको लागि प्रयोग गर्नुहोस् सम्बन्ध र अनुमान लेख्नुहोस्। अवरोध: तपाईंले आफ्नो वजन अनुमानमा कुन सांख्यिकीय सम्बन्ध प्रयोग गर्नुभयो राज्य गर्नुहोस्; लेख्ने एकाइ; अन्तिम निर्णय नगर्नुहोस्, उम्मेदवार पेश गर्नुहोस्। म आफैं तौलनेछु र अन्तिम निर्णय गर्नेछु।
प्रतिलिपि गर्न मिल्ने प्रम्प्ट टेम्प्लेटहरू
टेम्प्लेट 1 - कार्य आवश्यकतालाई मापन योग्य आवश्यकतामा अनुवाद गर्दै:
निम्न सरोकारवाला अनुरोधहरूलाई एकवचन, मापनयोग्य र प्रमाणित आवश्यकताहरूमा रूपान्तरण गर्नुहोस्। प्रत्येक आवश्यकताको लागि: एक मेट्रिक, एक एकाइ, एक थ्रेसहोल्ड मान, र एक प्रस्तावित प्रमाणीकरण विधि (विश्लेषण/परीक्षण/प्रदर्शन)। अस्पष्ट विशेषणहरू ("प्रकाश", "छिटो") ठोस संख्याहरूमा अनुवाद गर्नुहोस्; यदि त्यहाँ अनिश्चितता छ भने, तपाईंलाई कुन जानकारी चाहिन्छ सोध्नुहोस्। अनुरोधहरू: [यहाँ सूची]
टेम्प्लेट २ — ट्रेसबिलिटी म्याट्रिक्स र द्वन्द्व स्क्रीनिंग:
आवश्यकताहरूको यो सूची लिनुहोस् र: (क) प्रत्येक आवश्यकतालाई उच्च-स्तरीय कार्य उद्देश्यसँग जोड्ने ट्रेसेबिलिटी तालिका बनाउनुहोस्; (b) विवादित वा चुनौतीपूर्ण आवश्यकताहरूको कुनै पनि जोडी चिन्ह लगाउनुहोस् (जस्तै दायरा बनाम पेलोड); (c) हराइरहेको वा पुष्टि गर्न नसकिने आवश्यकताहरूको सूची। नतिजालाई तालिका बनाउनुहोस्। आवश्यकताहरू: [यहाँ सूची]
टेम्प्लेट ३ — भारित निर्णय म्याट्रिक्स सेटअप:
निम्न उम्मेद्वार कन्फिगरेसनहरूको लागि भारित निर्णय म्याट्रिक्स फ्रेमवर्क बनाउनुहोस्। मापदण्ड पङ्क्तिहरू र उम्मेदवार स्तम्भहरू बनाउनुहोस्। तौल स्तम्भ खाली छोड्नुहोस् (म तौल प्रविष्ट गर्नेछु)। तपाईले प्रत्येक कक्षमा राख्नुहुने स्कोरको लागि भौतिक औचित्य छुट्टै नोटमा व्याख्या गर्नुहोस्; मेड-अप नम्बर नलेख्नुहोस्, तपाईंले अनुमान गर्नुभएको ठाउँलाई "अनुमान" भनी चिन्ह लगाउनुहोस्। उम्मेदवारहरू: [...] मापदण्ड: [...]
टेम्प्लेट ४ — वैचारिक आयाम क्रस-चेक:
स्वतन्त्र रूपमा निम्न presizing परिणाम जाँच गर्नुहोस्: MTOW, पंख क्षेत्र, जोर। (a) विङ लोडिङ (W/S) गणना गर्नुहोस् र तपाईंको दिइएको विमान वर्गको सामान्य दायरासँग तुलना गर्नुहोस्। (b) थ्रस्ट-टु-वेट अनुपात (T/W) गणना गर्नुहोस् र यसलाई सामान्य दायरासँग तुलना गर्नुहोस्। (c) यदि मानहरू सामान्य दायरा बाहिर छन् भने चेतावनी दिनुहोस् र सम्भावित त्रुटि संकेत गर्नुहोस्। सबै एकाइहरू स्पष्ट रूपमा लेख्नुहोस्। इनपुट: [MTOW, S, T मानहरू]
मिनी केसहरू
केस १ - विवादित आवश्यकताको प्रारम्भिक पहिचान। UAV परियोजनामा, सरोकारवालाहरूले "कम्तीमा 8 घण्टाको एयरटाइम" र "अधिकतम 12 किलो कुल द्रव्यमान" दुवै चाहन्छन्। दुईवटा आवश्यकताहरूको परिमाण निर्धारण गरेर र ऊर्जा बजेटलाई नराम्ररी निकालेर, AI ले सामान्य ब्याट्री ऊर्जा घनत्व (लगभग २०० Wh/kg) भएको ८-घण्टाको उडानमा मात्र ६-७ kg ब्याट्री चाहिन्छ भनेर देखाउँछ; यो पेलोड र संरचनासँगै १२ किलोको बजेटमा फिट हुँदैन। विस्तृत डिजाइन सुरु हुनु अघि विरोधाभास छलफल गरिन्छ। पाठ: संख्याहरूमा आवश्यकताहरू अनुवाद गर्दा लुकेका विरोधाभासहरू चाँडै प्रकट हुन्छ।
केस २ - संवेदनशीलता विश्लेषणले निर्णय परिवर्तन गर्छ। एउटा टोलीले तीनवटा विंग कन्फिगरेसनहरू तुलना गर्छ; प्रारम्भिक वजन संग कन्फिग। B जीत (भारित स्कोर ०.८२ बनाम ०.७९)। AI लाई सोधिएको छ "यदि मैले लागत वजन 0.20 बाट 0.10 मा घटाए भने के हुन्छ"; यस परिदृश्य दायरा अगाडि र कन्फिगमा आउँछ। A ले अग्रता लिन्छ (०.८४ बनाम ०.८०)। टोलीले प्राथमिकताको लागतमा निर्णय कत्तिको संवेदनशील छ भनी हेर्छ र सरोकारवालासँग तौल स्पष्ट गर्दछ। पाठ: यो एकल स्कोर होइन, तर रैंकिंगको स्थिरता महत्त्वपूर्ण छ।
केस 3 - वजन अनुमान मा अर्डर त्रुटि। AI ले हल्का विमानको खाली तौललाई सम्बन्धबाट ९५ किलोग्राम दिन्छ। इन्जिनियरले सम्झाउँछन् कि समान वर्गको दुई सिटको विमानको खाली वजन सामान्यतया 350-500 किलोग्रामको दायरामा हुन्छ; 95 केजी शारीरिक रूपमा असम्भव छ। जाँच गर्दा, यो AI ले सम्बन्धमा गलत गुणांक लागू गरेको देखिन्छ र यसलाई सच्याइएको छ। पाठ: प्रत्येक तौल अनुमानलाई कक्षाको ज्ञात दायरासँग परिमाणको अर्डरद्वारा तुलना गरिन्छ।
सामान्य गल्तीहरू
- अस्पष्ट आवश्यकता स्वीकार गर्दै। मेट्रिक्स र एकाइहरू समावेश नगर्ने आवश्यकता प्रमाणित गर्न सकिँदैन; "यो हल्का हुनुपर्छ" एक इच्छा हो, आवश्यकता होइन।
- एआई भएको तौल छनोट गर्नुहोस्। निर्णय म्याट्रिक्स मा मापदण्ड वजन व्यक्तिपरक ईन्जिनियरिङ् र सरोकारवाला निर्णय हो; यदि AI मा छोडियो भने, निर्णय बेवास्ता रहन्छ।
- औचित्य बिना बिन्दुहरू स्वीकार गर्दै। यदि "स्थिरता: उच्च" जस्ता गुणात्मक अङ्कहरूको कुनै भौतिक आधार छैन भने, म्याट्रिक्स अनुमानहरूको फेन्सी सूची बन्छ।
- वजन/आकार अनुमान पुष्टि गर्दैन। सांख्यिकीय सहसंबंधहरू कुनै नराम्रो अनुमानहरू हुन्; यसलाई कक्षा दायरासँग तुलना नगरी विस्तृत डिजाइनमा लगाइँदैन।
- पछिको लागि ट्रेसिबिलिटी छोड्दै। आवश्यकता कहाँबाट आयो भनेर रेकर्ड गरिएन भने, परिवर्तनले भविष्यमा कस्तो निर्णय गर्छ भन्ने कुरा कसैलाई थाहा हुँदैन।
संक्षेपमा
अवधारणात्मक डिजाइन त्यो चरण हो जहाँ सस्तो तर सबैभन्दा प्रभावकारी निर्णयहरू गरिन्छ। अस्पष्ट अनुरोधहरूलाई मापनयोग्य आवश्यकताहरूमा अनुवाद गर्न, ट्रेसयोग्यता र द्वन्द्वको लागि स्क्यान गर्न, र ट्रेड-अफ तालिकाहरूमा बहु कन्फिगरेसनहरू तुलना गर्न AI यहाँ एक शक्तिशाली एक्सेलेटर हो। यद्यपि, मापदण्डको वजन मानव निर्णय हो, संख्यात्मक भविष्यवाणीहरू भौतिक विज्ञानमा आधारित हात गणना र वर्ग अन्तरालहरू द्वारा प्रमाणित हुन्छन्, अन्तिम कन्फिगरेसन निर्णय इन्जिनियरसँग रहन्छ। एआईले उम्मेदवारहरू उत्पादन गर्दछ; निर्णय गर्दैन।
आवेदन कार्य
आफ्नो रोजाइको वायु वा अन्तरिक्ष यानका लागि तीनवटा उच्च-स्तरीय मिशन उद्देश्यहरू लेख्नुहोस्। AI को प्रयोग गरेर, यिनीहरूलाई कम्तिमा छ मापन योग्य आवश्यकताहरूमा अनुवाद गर्नुहोस् र ट्रेसेबिलिटी तालिका सेटअप गर्नुहोस्। त्यसपछि तीन उम्मेद्वार कन्फिगरेसनहरूको लागि भारित निर्णय म्याट्रिक्स सिर्जना गर्नुहोस्; वजन आफै निर्धारण गर्नुहोस्। अन्तमा, एक स्वतन्त्र हात गणना र वर्ग दायरा संग AI द्वारा दिइएको वजन/आकार अनुमान पुष्टि गर्नुहोस्। कम्तिमा एक जोडी आवश्यकताहरू रिपोर्ट गर्नुहोस् जहाँ तपाईंले विवाद फेला पार्नुभयो।
चेकलिस्ट
- [ ] मैले प्रत्येक आवश्यकतालाई एकवचन, मापनयोग्य र प्रमाणिकरणयोग्य बनाएको छु।
- [ ] मैले अस्पष्ट विशेषणहरूलाई मेट्रिक, एकाइ र थ्रेसहोल्डसँग बदलेको छु।
- [ ] मैले ट्रेसेबिलिटी तालिका सेट अप गरें र विरोधाभासी आवश्यकताहरू चिन्हित गरें।
- [ ] मैले निर्णय म्याट्रिक्स वजन आफैं निर्धारण गरें (AI होइन)।
- [ ] मैले भौतिक औचित्यमा म्याट्रिक्स स्कोरहरू श्रेय दिएँ।
- [ ] मैले तौल/आकार अनुमानहरू वर्ग स्पेसिङ र हात गणनाको साथ प्रमाणित गरें।