Lợi nhuận:
- Khả năng đẩy nhanh các nghiên cứu đánh đổi từ yêu cầu nhiệm vụ đến định cỡ máy bay/tàu vũ trụ theo ý tưởng với sự hỗ trợ của AI
- Khả năng thực hiện việc viết yêu cầu, truy xuất nguồn gốc và kiểm soát tính nhất quán với các lời nhắc được định cấu hình
- Khả năng loại bỏ các kết quả đầu ra không hợp lý bằng cách xác thực chéo các điểm thiết kế do AI đề xuất bằng các phép tính tay dựa trên vật lý
Một chiếc máy bay hay tàu vũ trụ được sinh ra từ một danh sách các yêu cầu chứ không phải từ một bản vẽ. Câu nói "Hãy mang khối lượng lớn này đến phạm vi này, với tốc độ này, với mức giá này" là mầm mống của thiết kế sẽ tồn tại trong nhiều năm tới. Thiết kế ý tưởng (giai đoạn thiết kế sớm nhất trong đó kích thước thô, trọng lượng và cấu hình của chiếc xe được xác định lần đầu tiên) là quá trình trích xuất hình dạng ban đầu từ hạt giống này. Các quyết định được đưa ra ở đây tuy rẻ nhưng hiệu quả của chúng lại đắt nhất: một lựa chọn sai lầm về mặt khái niệm có thể làm mất đi hàng triệu đô la của thiết kế chi tiết.
Trong đơn vị này, chúng tôi sẽ sử dụng trí tuệ nhân tạo (AI) để giảm bớt ba gánh nặng của thiết kế khái niệm: chuyển các yêu cầu nhiệm vụ mơ hồ thành các yêu cầu có thể đo lường được, duy trì khả năng truy xuất nguồn gốc và tính nhất quán giữa các yêu cầu cũng như đẩy nhanh phân tích đánh đổi giữa các lựa chọn thiết kế cạnh tranh. Nhưng chúng ta hãy đặt ra nguyên tắc quan trọng ngay từ đầu: Mọi kích thước, mọi ước tính trọng lượng mà AI gợi ý nhất thiết phải được xác thực chéo bằng phép tính tay dựa trên vật lý. AI là đối tác tư duy và kế toán; không sở hữu quyết định kích thước.
Khái niệm: Yêu cầu: Một tuyên bố có thể kiểm chứng duy nhất mà công cụ phải đáp ứng. Khả năng truy xuất nguồn gốc: Chuỗi hồ sơ cho biết từng yêu cầu đến từ đâu và yêu cầu đó được đáp ứng với thiết kế/thử nghiệm nào. Không gian giao dịch: Tập hợp tất cả các lựa chọn được tạo ra bởi các biến số thiết kế có thể thay đổi được. MTOW: Trọng lượng cất cánh tối đa (Maximum Take-Off Weight), khối lượng cao nhất mà xe có thể cất cánh.
Từ nhiệm vụ cần đến yêu cầu: Từng bước
Một yêu cầu tốt có ba phẩm chất: số ít (nói lên một điều), có thể đo lường được (chứa một số và một đơn vị) và có thể kiểm chứng được (rõ ràng là cách kiểm tra nó). “Máy bay phải nhanh” không phải là yêu cầu bắt buộc; "Máy bay phải đạt được tốc độ bay cỡ nòng 250 kt (KCAS) ở mực nước biển" là một yêu cầu.
Bước đầu tiên là thu thập các yêu cầu của các bên liên quan và chắt lọc chúng thành các yêu cầu dự thảo bằng AI. Bước thứ hai là làm cho mỗi yêu cầu có thể đo lường được: thay thế từng tính từ mơ hồ (“nhẹ”, “bền”, “hiệu quả”) bằng một thước đo và ngưỡng. Bước thứ ba là tìm kiếm những mâu thuẫn giữa các yêu cầu: phạm vi và tải trọng thường cạnh tranh với nhau, AI nhanh chóng làm rõ những mâu thuẫn này. Bước thứ tư là thiết lập ma trận truy xuất nguồn gốc: lập bảng mục tiêu nhiệm vụ cấp cao nhất dẫn đến yêu cầu phụ nào.
Về mặt kích thước khái niệm, AI có thể nhớ lại các mối quan hệ kỹ thuật đã biết (phân số trọng lượng, tỷ lệ lực đẩy trên trọng lượng, tải trọng của cánh) và thiết lập chuỗi tính toán ban đầu. Ví dụ, đối với máy bay chở khách, phần trọng lượng nhiên liệu có thể được ước tính bằng phương trình phạm vi Breguet và phần trọng lượng rỗng có thể được ước tính bằng quan hệ thống kê. Nhưng mỗi mắt xích của chuỗi này đều được xác nhận bằng tính toán thủ công.
Mẹo: Khi viết yêu cầu, hãy giao cho AI nhiệm vụ rõ ràng là “thay thế từng tính từ mơ hồ bằng một số liệu, đơn vị và phương pháp xác minh”. Mô hình hoạt động có kỷ luật hơn nhiều khi bạn nói những tuyên bố "có thể đo lường được" không thể kiểm chứng như "thân thiện với người dùng".
Định cấu hình phân tích đánh đổi
Trọng tâm của phân tích đánh đổi là đặt một số cấu hình ứng viên cạnh nhau với các tiêu chí chung. Công cụ cổ điển là ma trận quyết định có trọng số: các tiêu chí được cho trọng số quan trọng, mỗi ứng viên được tính điểm theo từng tiêu chí, tổng trọng số được lấy. AI nhanh chóng xây dựng ma trận này, nhưng hãy cẩn thận với hai cạm bẫy: trọng số là đánh giá kỹ thuật chủ quan (không được giao cho AI) và điểm số phải dựa trên sự chứng minh vật lý (không bịa đặt).
Tiêu chí (trọng lượng)
Cấu hình. A: Cánh cao
Cấu hình. B: Cánh thấp
Cấu hình. C: Canard
Phạm vi, km (0,30)
1200
1350
1250
Trọng lượng lề đường, kg (0,25)
640
610
690
Chi phí sản xuất (0,20)
trung bình
thấp
cao
Độ ổn định (0,15)
cao
trung bình
trung bình
Dễ bảo trì (0.10)
cao
trung bình
thấp
Bạn có thể nhờ AI xây dựng bảng này; Tuy nhiên, các con số về phạm vi và trọng lượng phải đến từ một tính toán sơ bộ độc lập và các điểm định tính như "độ ổn định: cao" cũng phải được chứng minh. Sức mạnh của AI là nó lập bảng mười cấu hình khác nhau trong vài phút và thực hiện phân tích cảm tính (thứ hạng thay đổi như thế nào nếu trọng số thay đổi).
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Tôi đang thiết kế một chiếc máy bay huấn luyện. Cho mình xin cấu hình tốt nhất nhé.
Lời nhắc mạnh mẽ:
Vai trò: Bạn là nhà tư vấn thiết kế máy bay ý tưởng. Bối cảnh: Nghiên cứu đánh đổi sơ bộ đối với máy bay huấn luyện hai chỗ ngồi (các giá trị mang tính đại diện): tầm bay mục tiêu ~1000 km, tốc độ hành trình ~55 m/s, tải trọng ~220 kg, ưu tiên chi phí sản xuất thấp. Nhiệm vụ:1) Đề xuất 3 cấu hình ứng viên (vị trí cánh, loại động cơ).2) Lập bảng so sánh từng ứng viên về: tầm bay, trọng lượng rỗng ước tính, chi phí sản xuất, độ ổn định.3) Sử dụng để ước tính bằng số, viết mối quan hệ và giả định. Ràng buộc: Nêu rõ mối quan hệ thống kê mà bạn đã sử dụng trong ước tính trọng lượng của mình; đơn vị ghi; Đừng đưa ra quyết định cuối cùng, hãy gửi một ứng cử viên. Tôi sẽ tự mình cân nhắc và đưa ra quyết định cuối cùng.
Mẫu lời nhắc có thể sao chép
Mẫu 1 - Chuyển nhu cầu nhiệm vụ thành yêu cầu có thể đo lường được:
Chuyển các yêu cầu sau đây của các bên liên quan thành các yêu cầu đơn lẻ, có thể đo lường được và kiểm chứng được. Đối với từng yêu cầu: số liệu, đơn vị, giá trị ngưỡng và phương pháp xác minh được đề xuất (phân tích/kiểm tra/trình diễn). Chuyển các tính từ mơ hồ ("nhẹ", "nhanh") thành những con số cụ thể; Nếu không chắc chắn, hãy hỏi bạn cần thông tin gì. Yêu cầu: [liệt kê ở đây]
Mẫu 2 - Ma trận truy xuất nguồn gốc và sàng lọc xung đột:
Lấy danh sách các yêu cầu này và: (a) xây dựng bảng truy xuất nguồn gốc liên kết từng yêu cầu với mục tiêu nhiệm vụ cấp cao; (b) đánh dấu bất kỳ cặp yêu cầu xung đột hoặc thách thức nào (ví dụ: phạm vi so với tải trọng); (c) liệt kê các yêu cầu còn thiếu hoặc không thể kiểm chứng được. Hãy để kết quả là một bảng. Yêu cầu: [danh sách tại đây]
Mẫu 3 - Thiết lập ma trận quyết định có trọng số:
Xây dựng khung ma trận quyết định có trọng số cho các cấu hình ứng viên sau. Tạo các hàng tiêu chí và các cột ứng cử viên. Để trống cột trọng lượng (tôi sẽ nhập trọng lượng). Giải thích bằng một ghi chú riêng về sự biện minh thực tế cho số điểm bạn sẽ ghi vào mỗi ô; Không viết số giả, đánh dấu nơi bạn đoán là "đoán". Thí sinh: […] Tiêu chí: […]
Mẫu 4 - Kiểm tra chéo kích thước khái niệm:
Kiểm tra độc lập kết quả định cỡ sau: MTOW, diện tích cánh, lực đẩy. (a) Tính tải trọng của cánh (W/S) và so sánh nó với phạm vi thông thường của loại máy bay đã cho của bạn. (b) Tính tỷ số lực đẩy trên trọng lượng (T/W) và so sánh nó với phạm vi điển hình. (c) Cảnh báo nếu các giá trị nằm ngoài phạm vi điển hình và cho biết có thể xảy ra lỗi. Viết tất cả các đơn vị một cách rõ ràng. Đầu vào: [giá trị MTOW, S, T]
Hộp đựng nhỏ
Trường hợp 1 - Phát hiện sớm nhu cầu xung đột. Trong một dự án UAV, các bên liên quan mong muốn cả "thời gian bay ít nhất 8 giờ" và "tổng khối lượng tối đa 12 kg". Bằng cách định lượng hai yêu cầu và tính toán sơ bộ ngân sách năng lượng, AI cho thấy rằng chuyến bay kéo dài 8 giờ với mật độ năng lượng pin thông thường (khoảng 200 Wh/kg) sẽ chỉ cần 6-7 kg pin; Điều này không phù hợp với ngân sách 12 kg cùng với trọng tải và cấu trúc. Sự mâu thuẫn sẽ được thảo luận trước khi bắt đầu thiết kế chi tiết. Bài học: chuyển yêu cầu thành con số sẽ sớm bộc lộ những mâu thuẫn tiềm ẩn.
Trường hợp 2 - Phân tích độ nhạy làm thay đổi quyết định. Một đội so sánh cấu hình ba cánh; Cấu hình với trọng số ban đầu. B thắng (điểm có trọng số 0,82 so với 0,79). AI được hỏi “điều gì sẽ xảy ra nếu tôi giảm trọng lượng chi phí từ 0,20 xuống 0,10”; trong phạm vi kịch bản này xuất hiện ở phía trước và Config. A dẫn đầu (0,84 so với 0,80). Nhóm nhận thấy quyết định này nhạy cảm như thế nào đối với mức độ ưu tiên chi phí và làm rõ các trọng số với các bên liên quan. Bài học: Vấn đề không phải là một điểm số mà là sự ổn định của thứ hạng.
Trường hợp 3 - Lỗi thứ tự khi ước tính trọng lượng. AI đưa ra trọng lượng rỗng của một chiếc máy bay hạng nhẹ là 95 kg từ một mối quan hệ. Kỹ sư nhớ lại, trọng lượng rỗng của máy bay hai chỗ ngồi cùng loại thường nằm trong khoảng 350-500 kg; 95 kg về mặt thể chất là không thể. Khi kiểm tra, người ta thấy AI đã áp dụng sai một hệ số trong quan hệ và nó đã được sửa. Bài học: mỗi ước tính trọng số được so sánh theo bậc độ lớn với phạm vi đã biết của lớp.
Những lỗi thường gặp
- Chấp nhận yêu cầu mơ hồ. Yêu cầu không chứa số liệu và đơn vị thì không thể được xác minh; “Nó phải nhẹ nhàng” là một mong muốn chứ không phải là một yêu cầu.
- Nhờ AI chọn trọng số. Trọng số tiêu chí trong ma trận quyết định là kỹ thuật chủ quan và đánh giá của các bên liên quan; Nếu để lại cho AI, quyết định vẫn vô chủ.
- Chấp nhận điểm mà không cần biện minh. Nếu điểm định tính như "Độ ổn định: cao" không có cơ sở vật chất thì ma trận sẽ trở thành một danh sách phỏng đoán lạ mắt.
- Không xác nhận ước tính trọng lượng/kích thước. Tương quan thống kê là ước tính sơ bộ; Nó không được đưa vào thiết kế chi tiết mà không so sánh nó với phạm vi phân loại.
- Để lại việc truy xuất nguồn gốc cho sau này. Nếu nó không được ghi lại yêu cầu đến từ đâu, sẽ không ai biết được sự thay đổi sẽ ảnh hưởng đến những quyết định nào trong tương lai.
Tóm lại
Thiết kế ý tưởng là giai đoạn đưa ra những quyết định rẻ nhất nhưng hiệu quả nhất. AI là một công cụ tăng tốc mạnh mẽ ở đây trong việc chuyển các yêu cầu mơ hồ thành các yêu cầu có thể đo lường được, quét tìm nguồn gốc và xung đột, đồng thời so sánh nhiều cấu hình trên các bảng đánh đổi. Tuy nhiên, trọng số tiêu chí là sự đánh giá của con người, các dự đoán bằng số được xác minh bằng tính toán thủ công dựa trên vật lý và các khoảng thời gian trong lớp, quyết định cấu hình cuối cùng vẫn thuộc về kỹ sư. AI tạo ra ứng viên; không quyết định.
Nhiệm vụ ứng dụng
Viết ba mục tiêu nhiệm vụ cấp cao cho một chuyến bay hoặc tàu vũ trụ mà bạn chọn. Sử dụng AI, chuyển những yêu cầu này thành ít nhất sáu yêu cầu có thể đo lường được và thiết lập bảng truy xuất nguồn gốc. Sau đó tạo ma trận quyết định có trọng số cho ba cấu hình ứng cử viên; Hãy tự mình xác định trọng lượng. Cuối cùng, xác nhận ước tính trọng lượng/kích thước do AI đưa ra bằng phép tính tay và phạm vi lớp độc lập. Báo cáo ít nhất một cặp yêu cầu mà bạn thấy có xung đột.
danh sách kiểm tra
- [ ] Tôi đã đưa ra từng yêu cầu riêng lẻ, có thể đo lường được và có thể kiểm chứng được.
- [ ] Tôi đã thay thế các tính từ mơ hồ bằng số liệu, đơn vị và ngưỡng.
- [ ] Tôi đã thiết lập một bảng truy xuất nguồn gốc và đánh dấu các yêu cầu xung đột nhau.
- [ ] Tôi đã tự mình xác định trọng số ma trận quyết định (không phải AI).
- [ ] Tôi cho rằng điểm số ma trận là do sự biện minh về mặt vật lý.
- [ ] Tôi đã xác minh ước tính trọng lượng/kích thước bằng khoảng cách giữa các lớp và tính toán bằng tay.