கருத்தியல் வடிவமைப்பு, தேவைகள் மேலாண்மை மற்றும் வர்த்தக பகுப்பாய்வு

ஆதாயங்கள்:

• AI ஆதரவுடன் பணித் தேவைகள் முதல் கருத்தியல் விமானம்/விண்கலம் அளவு வரை வர்த்தக-ஆய்வுகளை துரிதப்படுத்தும் திறன்
• உள்ளமைக்கப்பட்ட தூண்டுதல்களுடன் தேவைகள் எழுதுதல், கண்டறியும் தன்மை மற்றும் நிலைத்தன்மைக் கட்டுப்பாடு ஆகியவற்றைச் செயல்படுத்தும் திறன்
• இயற்பியல் அடிப்படையிலான கைக் கணக்கீடுகளுடன் AI- பரிந்துரைக்கப்பட்ட வடிவமைப்பு புள்ளிகளை குறுக்கு சரிபார்ப்பதன் மூலம் நியாயமற்ற வெளியீடுகளை அகற்றும் திறன்

ஒரு விமானம் அல்லது விண்கலம் தேவைகளின் பட்டியலிலிருந்து பிறக்கிறது, வரைபட பலகையில் அல்ல. இந்த ரேஞ்சுக்கு, இந்த வேகத்தில், இந்தச் செலவில், இவ்வளவு சுமையை எடுத்துச் செல்லுங்கள் என்ற வாக்கியம், இன்னும் பல வருடங்கள் நீடிக்கும் வடிவமைப்பின் விதை. கருத்தியல் வடிவமைப்பு (வண்டியின் தோராயமான அளவு, எடை மற்றும் உள்ளமைவு ஆகியவை முதலில் தீர்மானிக்கப்படும் ஆரம்ப வடிவமைப்பு நிலை) இந்த விதையிலிருந்து ஆரம்ப வடிவத்தைப் பிரித்தெடுக்கும் செயல்முறையாகும். இங்கே எடுக்கப்பட்ட முடிவுகள் மலிவானவை, ஆனால் அவற்றின் விளைவுகள் மிகவும் விலை உயர்ந்தவை: ஒரு தவறான கருத்தியல் தேர்வு மில்லியன் கணக்கான டாலர்களை விரிவான வடிவமைப்பை தூக்கி எறியலாம்.

இந்த யூனிட்டில், கருத்தியல் வடிவமைப்பின் மூன்று சுமைகளைத் தணிக்க செயற்கை நுண்ணறிவைப் (AI) பயன்படுத்துவோம்: தெளிவற்ற பணி கோரிக்கைகளை அளவிடக்கூடிய தேவைகளாக மொழிபெயர்த்தல், தேவைகளுக்கு இடையே கண்டறியும் தன்மை மற்றும் நிலைத்தன்மையை பராமரித்தல் மற்றும் போட்டியிடும் வடிவமைப்பு விருப்பங்களுக்கு இடையே வர்த்தக பரிமாற்ற பகுப்பாய்வை விரைவுபடுத்துதல். ஆனால் ஆரம்பத்திலிருந்தே முக்கியமான கொள்கையை முன்வைப்போம்: AI பரிந்துரைக்கும் ஒவ்வொரு அளவும், ஒவ்வொரு எடை மதிப்பீடானதும் இயற்பியல் அடிப்படையிலான கைக் கணக்கீட்டின் மூலம் குறுக்கு-சரிபார்க்கப்பட வேண்டும். AI ஒரு மூளைச்சலவை மற்றும் கணக்கியல் பங்குதாரர்; அளவு முடிவு சொந்தமாக இல்லை.

கருத்துகள்: தேவை: கருவி திருப்திப்படுத்த வேண்டிய ஒற்றை சரிபார்க்கக்கூடிய அறிக்கை. டிரேசபிலிட்டி: ஒவ்வொரு தேவையும் எங்கிருந்து வந்தது மற்றும் எந்த வடிவமைப்பு/சோதனையுடன் பூர்த்தி செய்யப்பட்டது என்பதற்கான பதிவுச் சங்கிலி. வர்த்தக இடம்: மாற்றக்கூடிய வடிவமைப்பு மாறிகளால் உருவாக்கப்பட்ட அனைத்து விருப்பங்களின் தொகுப்பு. MTOW: அதிகபட்ச டேக்-ஆஃப் எடை (அதிகபட்ச டேக்-ஆஃப் எடை), வாகனம் புறப்படக்கூடிய மிக அதிக நிறை.

பணி நீட் முதல் தேவை வரை: படிப்படியாக

ஒரு நல்ல தேவைக்கு மூன்று குணங்கள் உள்ளன: ஒருமை (ஒரு விஷயம் கூறுகிறது), அளவிடக்கூடியது (ஒரு எண் மற்றும் ஒரு அலகு உள்ளது) மற்றும் சரிபார்க்கக்கூடியது (அதை எவ்வாறு சரிபார்க்கலாம் என்பது தெளிவாகத் தெரிகிறது). "விமானம் வேகமாக இருக்க வேண்டும்" என்பது அவசியமில்லை; "விமானம் கடல் மட்டத்தில் 250 kt காலிபர் ஏர்ஸ்பீட் (KCAS) அடைய வேண்டும்" என்பது ஒரு தேவை.

பங்குதாரர் கோரிக்கைகளைச் சேகரித்து, AI உடன் வரைவுத் தேவைகளில் வடிகட்டுவது முதல் படியாகும். இரண்டாவது படி, ஒவ்வொரு தேவையையும் அளவிடக்கூடியதாக மாற்றுவது: ஒவ்வொரு தெளிவற்ற உரிச்சொல்லையும் ("இலகுரக," "நீடித்த," "திறமையான") ஒரு மெட்ரிக் மற்றும் வரம்புடன் மாற்றவும். மூன்றாவது படி தேவைகளுக்கு இடையிலான முரண்பாடுகளைத் தேடுவது: வரம்பு மற்றும் பேலோட் பெரும்பாலும் ஒருவருக்கொருவர் போட்டியிடுகின்றன, AI இந்த முரண்பாடுகளை விரைவாக மேற்பரப்பிற்கு கொண்டு வருகிறது. நான்காவது படி, ஒரு ட்ரேசபிலிட்டி மேட்ரிக்ஸை நிறுவுவது: எந்த உயர்மட்ட பணி நோக்கம் எந்த துணை தேவைக்கு வழிவகுக்கிறது என்பதை அட்டவணைப்படுத்துதல்.

கருத்தியல் பரிமாணப் பக்கத்தில், AI அறியப்பட்ட பொறியியல் உறவுகளை (எடை பின்னங்கள், உந்துதல்-எடை விகிதம், இறக்கை ஏற்றுதல்) ஆகியவற்றை நினைவுபடுத்தலாம் மற்றும் கணக்கீடுகளின் ஆரம்ப சங்கிலியை நிறுவலாம். எடுத்துக்காட்டாக, ஒரு பயணிகள் விமானத்திற்கு, எரிபொருள் எடைப் பகுதியை ப்ரெகுட் வரம்பு சமன்பாட்டின் மூலம் மதிப்பிடலாம் மற்றும் வெற்று எடைப் பகுதியை புள்ளிவிவர உறவுகள் மூலம் மதிப்பிடலாம். ஆனால் இந்த சங்கிலியின் ஒவ்வொரு இணைப்பும் கை கணக்கீடு மூலம் உறுதிப்படுத்தப்படுகிறது.

உதவிக்குறிப்பு: தேவைகளை எழுதும் போது, ​​"ஒவ்வொரு தெளிவற்ற உரிச்சொற்களையும் ஒரு அளவீடு, அலகு மற்றும் சரிபார்ப்பு முறையுடன் மாற்றுவதற்கான" பணியை AIக்கு வெளிப்படையாக வழங்கவும். "பயனர் நட்பு" போன்ற சரிபார்க்க முடியாத அறிக்கைகளை "அளவிடக்கூடியதாக ஆக்குங்கள்" என்று நீங்கள் கூறும்போது, ​​மாடல் மிகவும் ஒழுக்கத்துடன் செயல்படுகிறது.

வர்த்தக பரிமாற்ற பகுப்பாய்வை கட்டமைத்தல்

வர்த்தக பரிமாற்ற பகுப்பாய்வின் இதயம் பொதுவான அளவுகோல்களுடன் பல வேட்பாளர் உள்ளமைவுகளை இணைக்கிறது. கிளாசிக் கருவி என்பது எடையிடப்பட்ட முடிவு அணி: அளவுகோல்களுக்கு முக்கியத்துவம் கொடுக்கப்பட்டுள்ளது, ஒவ்வொரு வேட்பாளருக்கும் ஒவ்வொரு அளவுகோலின் அடிப்படையில் மதிப்பெண் வழங்கப்படுகிறது, மொத்த எடை எடுக்கப்படுகிறது. AI இந்த மேட்ரிக்ஸை விரைவாக உருவாக்குகிறது, ஆனால் இரண்டு ஆபத்துக்களில் ஜாக்கிரதையாக இருங்கள்: எடைகள் என்பது ஒரு அகநிலை பொறியியல் தீர்ப்பு (AIக்கு விடப்படவில்லை) மற்றும் மதிப்பெண்கள் உடல் நியாயத்தின் அடிப்படையில் இருக்க வேண்டும் (உருவாக்கப்படவில்லை).

அளவுகோல் (எடை)

கட்டமைப்பு. ப: உயர் சாரி

கட்டமைப்பு. பி: குறைந்த இறக்கை

கட்டமைப்பு. சி: கனார்ட்

வரம்பு, கிமீ (0.30)

1200

1350

1250

கர்ப் எடை, கிலோ (0.25)

640

610

690

உற்பத்தி செலவு (0.20)

நடுத்தர

குறைந்த

உயர்

நிலைத்தன்மை (0.15)

உயர்

நடுத்தர

நடுத்தர

பராமரிப்பின் எளிமை (0.10)

உயர்

நடுத்தர

குறைந்த

நீங்கள் AI இந்த அட்டவணையை உருவாக்க முடியும்; ஆனால் வரம்பு மற்றும் எடை எண்கள் ஒரு சுயாதீன பூர்வாங்க கணக்கீட்டிலிருந்து வர வேண்டும், மேலும் "நிலைத்தன்மை: உயர்" போன்ற தரமான மதிப்பெண்களும் நியாயப்படுத்தப்பட வேண்டும். AI இன் சக்தி என்னவென்றால், அது பத்து வெவ்வேறு உள்ளமைவுகளை நிமிடங்களில் அட்டவணைப்படுத்துகிறது மற்றும் உணர்வு பகுப்பாய்வு செய்கிறது (எடை மாறினால் தரவரிசை எவ்வாறு மாறுகிறது).

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

பயிற்சி விமானத்தை வடிவமைத்து வருகிறேன். சிறந்த உள்ளமைவைச் சொல்லுங்கள்.

சக்திவாய்ந்த தூண்டுதல்:

பங்கு: நீங்கள் ஒரு கருத்தியல் விமான வடிவமைப்பு ஆலோசகர். சூழல்: இரண்டு இருக்கைகள் கொண்ட பயிற்சி விமானத்திற்கான ஆரம்ப வர்த்தக ஆய்வு (மதிப்புகள் பிரதிநிதித்துவம்): இலக்கு வரம்பு ~1000 கிமீ, பயண வேகம் ~55 மீ/வி, பேலோட் ~220 கிலோ, குறைந்த உற்பத்தி செலவு முன்னுரிமை. பணி:1) 3 வேட்பாளர் உள்ளமைவுகளைப் பரிந்துரைக்கவும். எழுத்து அலகு; இறுதி முடிவை எடுக்க வேண்டாம், ஒரு வேட்பாளரை சமர்ப்பிக்கவும். நானே எடை போட்டு இறுதி முடிவை எடுப்பேன்.

நகலெடுக்கக்கூடிய உடனடி வார்ப்புருக்கள்

டெம்ப்ளேட் 1 — ஒரு பணி தேவையை அளவிடக்கூடிய தேவையாக மொழிபெயர்த்தல்:

பின்வரும் பங்குதாரர் கோரிக்கைகளை ஒருமை, அளவிடக்கூடிய மற்றும் சரிபார்க்கக்கூடிய தேவைகளாக மாற்றவும். ஒவ்வொரு தேவைக்கும்: ஒரு மெட்ரிக், ஒரு அலகு, ஒரு நுழைவு மதிப்பு மற்றும் ஒரு முன்மொழியப்பட்ட சரிபார்ப்பு முறை (பகுப்பாய்வு/சோதனை/ ஆர்ப்பாட்டம்). தெளிவற்ற உரிச்சொற்களை ("ஒளி", "வேகமான") உறுதியான எண்களாக மொழிபெயர்க்கவும்; நிச்சயமற்ற தன்மை இருந்தால், உங்களுக்கு என்ன தகவல் தேவை என்று கேட்கவும். கோரிக்கைகள்: [இங்கே பட்டியல்]

டெம்ப்ளேட் 2 — ட்ரேஸ்பிலிட்டி மேட்ரிக்ஸ் மற்றும் மோதலை திரையிடல்:

இந்த தேவைகளின் பட்டியலை எடுத்து: (அ) ஒவ்வொரு தேவையையும் உயர்நிலை பணி நோக்கத்துடன் இணைக்கும் ஒரு கண்டறியக்கூடிய அட்டவணையை உருவாக்கவும்; (ஆ) முரண்பட்ட அல்லது சவாலான தேவைகளின் ஜோடிகளைக் குறிக்கவும் (எ.கா. வரம்பு எதிராக பேலோடு); (c) விடுபட்ட அல்லது சரிபார்க்க முடியாத தேவைகளின் பட்டியல். முடிவு ஒரு அட்டவணையாக இருக்கட்டும். தேவைகள்: [இங்கே பட்டியல்]

டெம்ப்ளேட் 3 — எடையுள்ள முடிவு அணி அமைப்பு:

பின்வரும் வேட்பாளர் உள்ளமைவுகளுக்கு எடையுள்ள முடிவு அணி கட்டமைப்பை உருவாக்கவும். அளவுகோல் வரிசைகள் மற்றும் வேட்பாளர்கள் நெடுவரிசைகளை உருவாக்கவும். எடை நெடுவரிசையை காலியாக விடவும் (நான் எடைகளை உள்ளிடுவேன்). ஒவ்வொரு கலத்திலும் நீங்கள் போடும் மதிப்பெண்ணுக்கான இயற்பியல் நியாயத்தை ஒரு தனி குறிப்பில் விளக்கவும்; உருவாக்கப்பட்ட எண்ணை எழுத வேண்டாம், நீங்கள் யூகித்த இடத்தை "யூகிக்க" எனக் குறிக்கவும். வேட்பாளர்கள்: [...] அளவுகோல்கள்: [...]

வார்ப்புரு 4 — கருத்தியல் பரிமாண குறுக்கு சரிபார்ப்பு:

பின்வரும் முதன்மையான முடிவைச் சரிபார்க்கவும்: MTOW, wing பகுதி, உந்துதல். (அ) ​​இறக்கை ஏற்றுதலை (W/S) கணக்கிட்டு, நீங்கள் கொடுக்கப்பட்ட விமான வகுப்பிற்கான வழக்கமான வரம்புடன் ஒப்பிடவும். (ஆ) உந்துதல்-எடை விகிதத்தை (T/W) கணக்கிட்டு, வழக்கமான வரம்புடன் ஒப்பிடுக. (c) மதிப்புகள் வழக்கமான வரம்பிற்கு வெளியே இருந்தால் எச்சரிக்கவும் மற்றும் சாத்தியமான பிழையைக் குறிக்கவும். அனைத்து அலகுகளையும் வெளிப்படையாக எழுதுங்கள். உள்ளீடு: [MTOW, S, T மதிப்புகள்]

மினி வழக்குகள்

வழக்கு 1 - முரண்பட்ட தேவையை முன்கூட்டியே கண்டறிதல். UAV திட்டத்தில், பங்குதாரர்கள் "குறைந்தது 8 மணிநேர ஒளிபரப்பு" மற்றும் "அதிகபட்சம் 12 கிலோ மொத்த நிறை" இரண்டையும் விரும்புகிறார்கள். இரண்டு தேவைகளைக் கணக்கிட்டு, ஆற்றல் வரவு செலவுத் திட்டத்தைக் குறைப்பதன் மூலம், வழக்கமான பேட்டரி ஆற்றல் அடர்த்தி (சுமார் 200 Wh/kg) கொண்ட 8 மணி நேர விமானத்திற்கு 6-7 கிலோ பேட்டரி மட்டும் தேவைப்படும் என்று AI காட்டுகிறது; இது 12 கிலோ பட்ஜெட்டில் பேலோட் மற்றும் கட்டமைப்புடன் பொருந்தாது. விரிவான வடிவமைப்பு தொடங்கும் முன் முரண்பாடு விவாதிக்கப்படுகிறது. பாடம்: தேவைகளை எண்களாக மொழிபெயர்ப்பது மறைந்திருக்கும் முரண்பாடுகளை ஆரம்பத்திலேயே வெளிப்படுத்துகிறது.

வழக்கு 2 - உணர்திறன் பகுப்பாய்வு முடிவை மாற்றுகிறது. ஒரு குழு மூன்று சிறகு உள்ளமைவுகளை ஒப்பிடுகிறது; ஆரம்ப எடையுடன் கட்டமைக்கவும். பி வெற்றிகள் (எடை மதிப்பெண் 0.82 எதிராக 0.79). AI கேட்கப்பட்டது "நான் செலவு எடையை 0.20 இலிருந்து 0.10 ஆக குறைத்தால் என்ன ஆகும்"; இந்த சூழ்நிலையில் வரம்பு முன்னுக்கு வந்து கட்டமைப்பு. A முன்னிலை வகிக்கிறது (0.84 எதிராக 0.80). முன்னுரிமை செலவுக்கான முடிவு எவ்வளவு உணர்திறன் வாய்ந்தது என்பதை குழு பார்க்கிறது மற்றும் பங்குதாரருடன் எடைகளை தெளிவுபடுத்துகிறது. பாடம்: இது முக்கியமான ஒரு மதிப்பெண் அல்ல, ஆனால் தரவரிசையின் ஸ்திரத்தன்மை.

வழக்கு 3 - எடை மதிப்பீட்டில் ஆர்டர் பிழை. AI ஒரு இலகுவான விமானத்தின் வெற்று எடையை ஒரு உறவினரிடமிருந்து 95 கிலோவாகக் கொடுக்கிறது. இதே வகுப்பின் இரண்டு இருக்கை விமானங்களின் வெற்று எடை பொதுவாக 350-500 கிலோ வரம்பில் இருக்கும் என்று பொறியாளர் நினைவு கூர்ந்தார்; 95 கிலோ உடல் ரீதியாக சாத்தியமற்றது. சரிபார்த்தபோது, ​​AI ஆனது உறவில் ஒரு குணகத்தைத் தவறாகப் பயன்படுத்தியிருப்பதும், அது சரி செய்யப்பட்டிருப்பதும் தெரிகிறது. பாடம்: ஒவ்வொரு எடை மதிப்பீடும் வகுப்பின் அறியப்பட்ட வரம்பிற்கு அளவின் வரிசைகளால் ஒப்பிடப்படுகிறது.

பொதுவான தவறுகள்

• தெளிவற்ற தேவையை ஏற்றுக்கொள்வது. அளவீடுகள் மற்றும் அலகுகள் இல்லாத தேவையை சரிபார்க்க முடியாது; "இது ஒளியாக இருக்க வேண்டும்" என்பது ஒரு ஆசை, ஒரு தேவை அல்ல.
• AI கொண்டு எடைகளை தேர்வு செய்யவும். முடிவு மேட்ரிக்ஸில் உள்ள அளவுகோல்கள் அகநிலை பொறியியல் மற்றும் பங்குதாரர் தீர்ப்பு; AI க்கு விடப்பட்டால், முடிவு கைவிடப்பட்டதாகவே இருக்கும்.
• நியாயமின்றி புள்ளிகளை ஏற்றுக்கொள்வது. "நிலைத்தன்மை: உயர்" போன்ற தரமான மதிப்பெண்களுக்கு இயற்பியல் அடிப்படை இல்லை என்றால், மேட்ரிக்ஸ் யூகங்களின் ஆடம்பரமான பட்டியலாக மாறும்.
• எடை/அளவு மதிப்பீட்டை உறுதிப்படுத்தவில்லை. புள்ளியியல் தொடர்புகள் தோராயமான மதிப்பீடுகள்; இது வகுப்பு வரம்புடன் ஒப்பிடாமல் விரிவான வடிவமைப்பிற்கு கொண்டு செல்லப்படவில்லை.
• ட்ரேஸ்பிலிட்டியை பிறகு விட்டுவிடுகிறேன். தேவை எங்கிருந்து வந்தது என்பது பதிவு செய்யப்படாவிட்டால், எதிர்காலத்தில் மாற்றம் என்ன முடிவுகளை பாதிக்கும் என்பதை யாரும் அறிய மாட்டார்கள்.

சுருக்கமாக

கருத்தியல் வடிவமைப்பு என்பது மலிவான ஆனால் மிகவும் பயனுள்ள முடிவுகள் எடுக்கப்படும் கட்டமாகும். தெளிவற்ற கோரிக்கைகளை அளவிடக்கூடிய தேவைகளாக மொழிபெயர்ப்பதிலும், கண்டறியக்கூடிய தன்மை மற்றும் மோதலை ஸ்கேன் செய்வதிலும், வர்த்தக-அட்டவணைகளில் பல உள்ளமைவுகளை ஒப்பிடுவதிலும் AI ஒரு சக்திவாய்ந்த முடுக்கியாக உள்ளது. இருப்பினும், அளவுகோல் எடைகள் மனித தீர்ப்பு, எண் கணிப்புகள் இயற்பியல் அடிப்படையிலான கை கணக்கீடு மற்றும் வகுப்பு இடைவெளிகளால் சரிபார்க்கப்படுகின்றன, இறுதி உள்ளமைவு முடிவு பொறியாளரிடம் உள்ளது. AI வேட்பாளர்களை உருவாக்குகிறது; முடிவு செய்வதில்லை.

விண்ணப்ப பணி

நீங்கள் விரும்பும் ஒரு விமானம் அல்லது விண்கலத்திற்கான மூன்று உயர்நிலை பணி நோக்கங்களை எழுதுங்கள். AI ஐப் பயன்படுத்தி, இவற்றை குறைந்தபட்சம் ஆறு அளவிடக்கூடிய தேவைகளாக மொழிபெயர்த்து, கண்டறியக்கூடிய அட்டவணையை அமைக்கவும். மூன்று வேட்பாளர் உள்ளமைவுகளுக்கு எடையுள்ள முடிவு மேட்ரிக்ஸை உருவாக்கவும்; எடையை நீங்களே தீர்மானிக்கவும். இறுதியாக, ஒரு சுயாதீனமான கை கணக்கீடு மற்றும் வகுப்பு வரம்புடன் AI வழங்கிய எடை/அளவு மதிப்பீட்டை உறுதிப்படுத்தவும். நீங்கள் மோதலைக் கண்டால் குறைந்தபட்சம் ஒரு ஜோடி தேவைகளைப் புகாரளிக்கவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் ஒவ்வொரு தேவையையும் ஒருமை, அளவிடக்கூடிய மற்றும் சரிபார்க்கக்கூடியதாக மாற்றினேன்.
• [ ] தெளிவற்ற உரிச்சொற்களை மெட்ரிக், யூனிட் மற்றும் த்ரெஷோல்ட் மூலம் மாற்றினேன்.
• [ ] நான் ஒரு டிரேசபிலிட்டி டேபிளை அமைத்து முரண்பட்ட தேவைகளைக் குறித்தேன்.
• [ ] முடிவு மேட்ரிக்ஸ் எடையை நானே தீர்மானித்தேன் (AI அல்ல).
• [ ] நான் மேட்ரிக்ஸ் மதிப்பெண்களை இயற்பியல் நியாயப்படுத்தலுக்குக் காரணம் கூறினேன்.
• [ ] எடை/அளவு மதிப்பீடுகளை வகுப்பு இடைவெளி மற்றும் கை கணக்கீடு மூலம் சரிபார்த்தேன்.