Kazanimlar:
- Görev gereksinimlerinden kavramsal uçak/uzay aracı boyutlandırmasına giden ödünleşim (trade-off) çalışmalarını AI desteğiyle hızlandırabilme
- Gereksinim yazımını, izlenebilirliği ve tutarlılık kontrolünü yapılandırılmış promptlarla yürütebilme
- AI'ın önerdiği tasarım noktalarını fizik temelli el hesaplarıyla çapraz doğrulayarak makul olmayan çıktıları eleyebilme
Bir uçak ya da uzay aracı, bir çizim tahtasında değil, bir gereksinim listesinde doğar. "Şu kadar yükü, şu menzile, şu hızda, şu maliyetle taşı" cümlesi, önümüzdeki yıllarca sürecek tasarımın tohumudur. Kavramsal tasarım (conceptual design; aracın kaba boyut, ağırlık ve konfigürasyonunun ilk kez belirlendiği en erken tasarım aşaması) işte bu tohumdan bir ilk şekil çıkarma işidir. Burada verilen kararlar ucuzdur ama etkileri en pahalıdır: yanlış bir kavramsal seçim, milyonlarca dolarlık detay tasarımını çöpe atabilir.
Bu ünitede yapay zekayı (AI) kavramsal tasarımın üç yükünü hafifletmek için kullanacağız: belirsiz görev isteklerini ölçülebilir gereksinimlere çevirmek, gereksinimler arasındaki izlenebilirliği ve tutarlılığı korumak ve rakip tasarım seçenekleri arasında ödünleşim (trade-off; bir özelliği iyileştirmek için başka bir özellikten feragat etme) analizini hızlandırmak. Fakat kritik ilkeyi baştan koyalım: AI'ın önerdiği her boyut, her ağırlık tahmini, mutlaka fizik temelli bir el hesabıyla çapraz doğrulanır. AI bir beyin fırtınası ve muhasebe ortağıdır; boyutlandırma kararının sahibi değildir.
Kavramlar: Gereksinim (requirement): Aracın sağlaması gereken, doğrulanabilir tek bir ifade. İzlenebilirlik (traceability): Her gereksinimin nereden geldiğinin ve hangi tasarım/testle karşılandığının kayıt zinciri. Ödünleşim uzayı (trade space): Değiştirilebilir tasarım değişkenlerinin oluşturduğu tüm seçenekler kümesi. MTOW: Azami kalkış ağırlığı (Maximum Take-Off Weight), aracın kalkabileceği en yüksek kütle.
Görev İhtiyacından Gereksinime: Adım Adım
İyi bir gereksinim üç niteliğe sahiptir: tekil (tek şey söyler), ölçülebilir (bir sayı ve birim içerir) ve doğrulanabilir (nasıl kontrol edileceği bellidir). "Uçak hızlı olmalı" bir gereksinim değildir; "Uçak, deniz seviyesinde 250 kt kalibre hava hızına (KCAS) ulaşmalıdır" bir gereksinimdir.
Birinci adım, paydaş isteklerini toplamak ve AI ile bunları taslak gereksinimlere dökmektir. İkinci adım, her gereksinimi ölçülebilir hale getirmek: belirsiz her sıfatı ("hafif", "dayanıklı", "verimli") bir metrik ve eşikle değiştirmek. Üçüncü adım, gereksinimler arası çelişkileri aramak: menzil ve yük kapasitesi çoğu zaman birbiriyle çekişir, AI bu çelişkileri hızlı yüzeye çıkarır. Dördüncü adım, izlenebilirlik matrisi kurmak: hangi üst düzey görev hedefinin hangi alt gereksinimi doğurduğunu tablolaştırmak.
Kavramsal boyutlandırma tarafında AI, bilinen mühendislik ilişkilerini (ağırlık kesirleri, itki-ağırlık oranı, kanat yüklemesi) hatırlatıp bir ilk hesap zinciri kurabilir. Örneğin bir yolcu uçağı için yakıt ağırlığı kesrini Breguet menzil denklemiyle tahmin edip boş ağırlık kesrini istatistiksel bağıntılarla kestirebilir. Ama bu zincirin her halkası el hesabıyla teyit edilir.
İpucu: Gereksinim yazarken AI'a "her belirsiz sıfatı bir metrik, birim ve doğrulama yöntemiyle değiştir" görevini açıkça verin. Model, "kullanıcı dostu" gibi doğrulanamaz ifadeleri "ölçülebilir hale getir" dediğinizde çok daha disiplinli çalışır.
Ödünleşim Analizini Yapılandırmak
Ödünleşim analizinin kalbi, birkaç aday konfigürasyonu ortak ölçütlerle yan yana koymaktır. Klasik araç, ağırlıklı karar matrisidir (weighted decision matrix): ölçütlere önem ağırlığı verilir, her aday her ölçütte puanlanır, ağırlıklı toplam alınır. AI bu matrisi hızla kurar, ama iki tuzağa dikkat: ağırlıklar öznel bir mühendislik yargısıdır (AI'a bırakılmaz) ve puanlar fiziksel gerekçeye dayanmalıdır (uydurma değil).
Ölçüt (ağırlık)
Konfig. A: Yüksek kanatlı
Konfig. B: Alçak kanatlı
Konfig. C: Kanardlı
Menzil, km (0,30)
1200
1350
1250
Boş ağırlık, kg (0,25)
640
610
690
Üretim maliyeti (0,20)
Orta
Düşük
Yüksek
Kararlılık (0,15)
Yüksek
Orta
Orta
Bakım kolaylığı (0,10)
Yüksek
Orta
Düşük
Bu tabloyu AI'a kurdurabilirsiniz; ama menzil ve ağırlık sayıları bağımsız bir ön hesaptan gelmeli, "kararlılık: yüksek" gibi nitel puanlar da bir gerekçeye bağlanmalıdır. AI'ın gücü, on farklı konfigürasyonu dakikalar içinde tabloya dökmesi ve duyarlılık analizi (bir ağırlık değişirse sıralama nasıl değişir) yapmasıdır.
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Bir eğitim uçağı tasarlıyorum. En iyi konfigürasyonu söyle.
Güçlü prompt:
Rol: Kavramsal uçak tasarımı danışmanısın.Bağlam: İki kişilik bir eğitim uçağı için ön ödünleşim çalışması(değerler temsilidir): hedef menzil ~1000 km, seyir hızı ~55 m/s,faydalı yük ~220 kg, düşük üretim maliyeti önceli.Görev:1) 3 aday konfigürasyon öner (kanat konumu, motor tipi).2) Her adayı şu ölçütlerde karşılaştıran bir tablo kur: menzil, tahmini boş ağırlık, üretim maliyeti, kararlılık.3) Sayısal tahminlerin için kullandığın bağıntıyı ve varsayımı yaz.Kısıt: Ağırlık tahminlerinde hangi istatistiksel bağıntıyıkullandığını belirt; birim yaz; kesin karar verme, aday sun.Ben ağırlıkları verip nihai kararı kendim vereceğim.
Kopyalanabilir Prompt Şablonları
Şablon 1 — Görev ihtiyacını ölçülebilir gereksinime çevirme:
Aşağıdaki paydaş isteklerini tekil, ölçülebilir ve doğrulanabilirgereksinimlere dönüştür. Her gereksinim için: bir metrik, bir birim,bir eşik değer ve önerilen doğrulama yöntemi (analiz/test/gösterim).Belirsiz sıfatları ("hafif", "hızlı") somut sayıya çevir; belirsizlikvarsa hangi bilgiye ihtiyacın olduğunu sor.İstekler: [buraya listele]
Şablon 2 — İzlenebilirlik matrisi ve çelişki taraması:
Şu gereksinim listesini al ve: (a) her gereksinimi üst düzey görevhedefine bağlayan bir izlenebilirlik tablosu kur; (b) birbiriyleçelişen veya birbirini zorlayan gereksinim çiftlerini işaretle(örn. menzil vs. yük); (c) eksik veya doğrulanamaz gereksinimlerilistele. Sonuç bir tablo olsun.Gereksinimler: [buraya listele]
Şablon 3 — Ağırlıklı karar matrisi kurulumu:
Şu aday konfigürasyonlar için ağırlıklı karar matrisi iskeleti kur.Ölçütleri satır, adayları sütun yap. Ağırlık sütununu BOŞ bırak(ağırlıkları ben gireceğim). Her hücreye koyacağın puanın fizikselgerekçesini ayrı bir notta açıkla; uydurma sayı yazma, tahmin ettiğinyeri "tahmin" olarak işaretle.Adaylar: [...] Ölçütler: [...]
Şablon 4 — Kavramsal boyutlandırma çapraz kontrolü:
Şu ön boyutlandırma sonucunu bağımsız kontrol et: MTOW, kanat alanı,itki. (a) Kanat yüklemesini (W/S) hesapla ve verdiğin uçak sınıfınıntipik aralığıyla kıyasla. (b) İtki-ağırlık oranını (T/W) hesapla vetipik aralıkla kıyasla. (c) Değerler tipik aralığın dışındaysa uyarve olası hatayı göster. Tüm birimleri açıkça yaz.Girdi: [MTOW, S, T değerleri]
Mini Vakalar
Vaka 1 — Çelişen gereksinimin erken yakalanması. Bir İHA projesinde paydaşlar hem "en az 8 saat havada kalış" hem de "en fazla 12 kg toplam kütle" istiyor. AI, iki gereksinimi ölçülebilir hale getirip enerji bütçesi kabası kurunca, tipik batarya enerji yoğunluğuyla (yaklaşık 200 Wh/kg) 8 saatlik uçuşun tek başına 6-7 kg batarya gerektireceğini gösterir; bu da 12 kg bütçeye faydalı yük ve yapıyla birlikte sığmaz. Çelişki, detay tasarıma başlanmadan masaya yatırılır. Ders: gereksinimleri sayıya çevirmek gizli çelişkileri erken açığa çıkarır.
Vaka 2 — Duyarlılık analizi kararı değiştiriyor. Bir ekip üç kanat konfigürasyonunu karşılaştırır; ilk ağırlıklarla Konfig. B kazanır (ağırlıklı puan 0,82'ye karşı 0,79). AI'a "maliyet ağırlığını 0,20'den 0,10'a düşürürsem ne olur" diye sorulur; bu senaryoda menzil öne çıkar ve Konfig. A öne geçer (0,84'e karşı 0,80). Ekip, kararın maliyet önceliğine ne kadar duyarlı olduğunu görüp paydaşla ağırlıkları netleştirir. Ders: tek bir puan değil, sıralamanın kararlılığı önemlidir.
Vaka 3 — Ağırlık tahmininde mertebe hatası. AI, bir hafif uçağın boş ağırlığını bir bağıntıdan 95 kg olarak verir. Mühendis, benzer sınıftaki iki kişilik uçakların boş ağırlığının tipik olarak 350-500 kg aralığında olduğunu hatırlar; 95 kg fiziksel olarak imkansızdır. Kontrol edilince AI'ın bağıntıda bir katsayıyı yanlış uyguladığı görülür ve düzeltilir. Ders: her ağırlık tahmini, sınıfın bilinen aralığıyla mertebe olarak kıyaslanır.
Sık yapılan hatalar
- Belirsiz gereksinimi kabul etmek. Metrik ve birim içermeyen bir gereksinim doğrulanamaz; "hafif olmalı" bir gereksinim değil, bir dilektir.
- Ağırlıkları AI'a seçtirmek. Karar matrisindeki ölçüt ağırlıkları öznel mühendislik ve paydaş yargısıdır; AI'a bırakılırsa karar sahipsiz kalır.
- Puanları gerekçesiz kabul etmek. "Kararlılık: yüksek" gibi nitel puanların fiziksel bir dayanağı yoksa matris süslü bir tahmin listesine dönüşür.
- Ağırlık/boyut tahminini teyit etmemek. İstatistiksel bağıntılar kaba tahmindir; sınıf aralığıyla kıyaslanmadan detay tasarıma taşınmaz.
- İzlenebilirliği sonraya bırakmak. Gereksinim nereden geldiği kaydedilmezse, ileride bir değişiklik hangi kararları etkileyeceğini kimse bilemez.
Özetle
Kavramsal tasarım, en ucuz ama en etkili kararların verildiği aşamadır. AI burada belirsiz istekleri ölçülebilir gereksinimlere çevirmede, izlenebilirlik ve çelişki taramasında ve çok sayıda konfigürasyonu ödünleşim tablolarında karşılaştırmada güçlü bir hızlandırıcıdır. Ancak ölçüt ağırlıkları insan yargısıdır, sayısal tahminler fizik temelli el hesabıyla ve sınıf aralıklarıyla doğrulanır, nihai konfigürasyon kararı mühendiste kalır. AI aday üretir; karar vermez.
Uygulama görevi
Seçtiğiniz bir hava veya uzay aracı için üç üst düzey görev hedefi yazın. AI'ı kullanarak bunları en az altı ölçülebilir gereksinime dönüştürün ve bir izlenebilirlik tablosu kurun. Ardından üç aday konfigürasyon için ağırlıklı karar matrisi oluşturun; ağırlıkları kendiniz belirleyin. Son olarak AI'ın verdiği bir ağırlık/boyut tahminini bağımsız bir el hesabıyla ve sınıf aralığıyla teyit edin. Çelişki bulduğunuz en az bir gereksinim çiftini raporlayın.
Kontrol listesi
- [ ] Her gereksinimi tekil, ölçülebilir ve doğrulanabilir hale getirdim.
- [ ] Belirsiz sıfatları metrik, birim ve eşikle değiştirdim.
- [ ] İzlenebilirlik tablosu kurdum ve çelişen gereksinimleri işaretledim.
- [ ] Karar matrisi ağırlıklarını kendim (AI değil) belirledim.
- [ ] Matris puanlarını fiziksel gerekçeye bağladım.
- [ ] Ağırlık/boyut tahminlerini sınıf aralığı ve el hesabıyla doğruladım.