የማዕድን መረጃ ትንተና ከፓይዘን እና ከ AI ድንበር ጋር — በማዕድን ኢንጂነሪንግ ውስጥ አርቲፊሻል ኢንተለጀንስ

ትርፍ፡

ከፓይዘን ጋር ቁፋሮ ፣ምርት እና ክትትል መረጃዎችን የሚያፀዱ እና የሚያሳዩ ስክሪፕቶችን በ AI ድጋፍ የማዘጋጀት ችሎታ
ቀላል ትንበያ እና ያልተለመዱ ሞዴሎችን በሚገነቡበት ጊዜ የውሂብ ጥራትን ፣ ከመጠን በላይ የመማር እና የመጥፋት አደጋዎችን የመለየት ችሎታ
በ AI የመነጨ ኮድ የማረጋገጥ ችሎታ እና ውጤቱን በዩኒት ቁጥጥር ፣ ገለልተኛ ስሌት እና የምህንድስና አሳማኝነት

በእያንዳንዱ የዚህ ሞጁል አሃድ አይተዋል ኤአይ በኮድ ውስጥ ሀይለኛ ነው፡ ጉድጓዶችን ማጽዳት፣ የጅምላ ሚዛን፣ kriging skeleton፣ መርከቦች ማጠቃለያ፣ የንዝረት ትንተና፣ የአካባቢ ቅኝት። ይህ የመጨረሻው ክፍል የሚያተኩረው በፓይዘን፣ ለዚያ ኮድ የኮንክሪት መሳሪያ እና ትክክለኛው ኮድ በ AI የማመንጨት ስነ-ስርዓት ላይ ነው። ፓይዘን በማዕድን መረጃ ትንተና ውስጥ ዋናው መስፈርት ሆኗል ምክንያቱም ነፃ ነው ኃይለኛ ቤተ-መጻሕፍት አለው (ፓንዳዎች፡ ታቡላር ዳታ ማዛባት፤ ቁጥር፡ የቁጥር ስሌት፤ matplotlib፡ plotting፤ scikit-learn፡ machine learning) እና ተደጋጋሚ ስራዎችን በራስ ሰር ስለሚያሰራ። AI ያንን ኮድ የሚጽፉበትን ፍጥነት ያበዛል; ነገር ግን የሚያወጣው ኮድ ሁልጊዜ ትክክል አይደለም. የዚህ ዩኒት ማዕከላዊ መርህ፡- AI የሚፅፈውን ኮድ መጀመሪያ ሳያነቡ፣ ክፍሉን ሳያረጋግጡ እና በትንሽ መጠን በሚታወቅ መረጃ ሳይሞክሩት በጭራሽ አያሂዱ። ኮዱ በጸጥታ የተሳሳተ ውጤት ሊያመጣ ይችላል, ይህም በማዕድን ቁፋሮ ውስጥ ወደ መጥፎ የምህንድስና ውሳኔ ሊለወጥ ይችላል.

ከ AI ጋር ኮድ የማመንጨት መሰረታዊ ፍሰት

ኮድ ከ AI ማግኘት የምህንድስና ዑደት እንጂ ውይይት አይደለም፡-

ተግባሩን በግልፅ ይግለጹ። ግቤት (አምዶች፣ ክፍሎች፣ የናሙና ረድፍ)፣ የሚፈለገው ውፅዓት እና ገደቦች። አሻሚ ጥያቄ አሻሚ ኮድ ይፈጥራል።
ትንሽ እና ሊነበብ የሚችል እንዲሆን ይጠይቁ. ከአንድ ግዙፍ ተግባር ይልቅ ደረጃ በደረጃ፣ አስተያየት የተሰጠበት ኮድ ይጠይቁ።
አንብብ እና ተረዳ። እያንዳንዱ መስመር ምን እንደሚሰራ ይረዱ; የማትረዱትን ኮድ አታሂዱ።
በትንሽ ውሂብ ይሞክሩ። ውጤታቸውን በሚያውቁት ከ5-10 መስመሮች ጋር በእጅ ያሂዱት እና የሚጠበቀውን ውጤት ያረጋግጡ።
የጥያቄ ጠርዝ ጉዳዮች። ባዶ ሕዋስ፣ አሉታዊ እሴት፣ አሃድ ማወዛወዝ፣ ተደጋጋሚ መዝገብ ኮዱ እንዴት ነው የሚሰራው?
አመክንዮ መጠን እና አረጋግጥ. በሁሉም ውሂብ ላይ አሂድ; ውጤቱ በምህንድስና ምክንያታዊ ነው?

ጠቃሚ ምክር፡ ወደ AI ኮድ የሚገቡት በጣም የተለመዱ ስህተቶች ጸጥ ያሉ ናቸው፡ የተሳሳተ የአምድ ስም፣ የአሃድ ማደባለቅ (m vs ft፣ g/t vs ppm)፣ በፀጥታ የተጣሉ ረድፎች (እንደ dropna)፣ የተሳሳተ አማካይ (መመዘን ያለበት አማካይ አማካይ)። እነዚህ ስህተቶችን አያስከትሉም; የተሳሳተ ቁጥር ብቻ ያመጣል. ስለዚህ "ስህተት አላገኘሁም" በጭራሽ "ትክክል" ማለት አይደለም.

በማዕድን ማውጫ ውስጥ የተለመዱ የ Python ተግባራት

መረጃን ማፅዳት፡ የቁፋሮ/ምርት/የክትትል ሰንጠረዦችን መቀላቀል፣ አለመመጣጠን ጥቆማ፣ አሃድ መደበኛ ማድረግ።
ማጠቃለያ እና እይታ፡ ሂስቶግራም፣ ተከታታይ ጊዜ፣ የክፍል-ቶን ከርቭ፣ OEE ግራፎች።
ስታትስቲክስ እና ጂኦስታቲስቲክስ፡ ማጠቃለያ ስታቲስቲክስ፣ ተዛማጅነት፣ ቫሪዮግራም/ክሪጂንግ (ልዩ ቤተ-መጻሕፍት ያለው)።
ያልተለመደ ማወቂያ፡ በገደብ ላይ የተመሰረተ ወይም ቀላል ሞዴል ላይ የተመሰረተ ተንሸራታች ቀረጻ።
ቀላል የትንበያ ሞዴሎች፡- ለምሳሌ፣ መጠነኛ-ምርት ግንኙነትን ከዳግም ተሃድሶ ጋር መፍጨት።

ለአብዛኛዎቹ እነዚህ ተግባራት AI በጣም ጥሩ የመነሻ ኮድ ይሰጣል። ግን ሁለት ወጥመዶች አሉ-የመረጃ ጥራት እና የሞዴል ገደቦች። ሁለቱንም ማወቅ AI ኮድን በደህና ለመጠቀም ቁልፍ ነው።

የሞዴል ገደቦች፡ ከመጠን በላይ መማር እና መውጣት

AI በቀላሉ የሚገነባው ቀላል ትንበያ ሞዴሎች ለሁለት ዋና ዋና አደጋዎች የተጋለጡ ናቸው. ከመጠን በላይ መገጣጠም: ሞዴሉ የስልጠና መረጃን ያስታውሳል ነገር ግን በአዲሱ መረጃ ላይ ደካማ ነው; ውስብስብ ሞዴሎችን በትንሽ መረጃ መገንባት ይህንን ይጋብዛል. Extrapolation: ሞዴሉ ከስልጠናው መረጃ ውጭ ባለው ክልል ላይ ትንበያ ለመስጠት ሲገደድ አስተማማኝ አይሆንም; ለምሳሌ, በ 0.3-0.8 g /t ውስጥ የተማረ ሞዴል ለ 5 g / t ትርጉም የለሽ ውጤቶችን ሊሰጥ ይችላል. AI እነዚህን አደጋዎች ለእርስዎ “በድንገተኛ” አያስተዳድርም። ሞዴሉን በጥሞና ማንበብ፣ የስልጠና/የፈተና ልዩነትን ማድረግ፣ የመተማመን ክፍተቱን መመልከት እና ትንበያው በአካል አሳማኝ መሆኑን ማረጋገጥ የእርስዎ ምርጫ ነው። የሞዴል ቁጥር ምንም ያህል ትክክል ቢመስልም ከመረጃው ክልል ውጪ ለምህንድስና ውሳኔ መሰረት ሊሆን አይችልም።

ሶስት ጥቃቅን ጉዳዮች

ጉዳይ 1 - የዝምታ ድምጽ ስህተት። አንድ መሐንዲስ AI አማካኙን ከዳታ መረጃ ለማስላት የሚያስችል ኮድ ይፈልጋል። ኮዱ ይሰራል, ውጤቱም 2.1 g / t ነው. መሐንዲሱ ኮዱን ያነባል; አማካዩ በክፍተታዊ ርዝማኔ ያልተመዘነ፣ ነገር ግን እንደ ቀጥተኛ አማካኝ የሚወሰድ መሆኑን ልብ ይበሉ። በአጭር ጊዜ ውስጥ ከፍተኛ ውጤት አላግባብ ክብደት እየጨመሩ ነበር። ወደ ሚዛን አማካኝ ሲሸጋገር እሴቱ ወደ 1.7 g/t ይቀንሳል። ኮድ ምንም ስህተቶች ሰጥቷል; ማንበብ ስህተቱን ያዘ።

ጉዳይ 2 - ጸጥ ያለ መስመር መጣል። በምርት ማጠቃለያ ኮድ ውስጥ AI ረድፎችን ከጎደላቸው እሴቶች በ dropna አጸዳ። ኮዱ ያለችግር ይሰራል፣ነገር ግን አጠቃላይ ቶን የሚገመተው ነው ምክንያቱም አንዳንድ ትክክለኛ ረድፎች በአንድ ባዶ አምድ ምክንያት ሙሉ በሙሉ ተጥለዋል። መሐንዲሱ በግብአት እና በውጤቱ መካከል ያሉትን የመስመሮች ብዛት ሲያወዳድር ልዩነቱን አይቶ የጽዳት አመክንዮ ያስተካክላል። ትምህርት: ሁልጊዜ የግቤት እና የውጤት መስመሮችን ብዛት ያወዳድሩ.

ጉዳይ 3 - Extrapolation ወጥመድ. አንድ ቡድን በዝቅተኛ ክፍል እስከ ከፍተኛ ክፍል አካባቢ የተማረውን የድጋሚ ለውጥ ሞዴል ይተገብራል። ሞዴሉ የማይታመን ከፍተኛ ምርት ግምት ይሰጣል። እንደ እድል ሆኖ፣ ኢንጂነሩ ውጤቱን ውድቅ በማድረግ "ይህ አካባቢ በአምሳያው ከሚታየው ክልል በጣም የራቀ ነው" በማለት የብረታ ብረት ምርመራ ጠይቀዋል። ትምህርት: ሞዴሉ ትክክለኛ የሆነበትን የውሂብ ክልል ማወቅ; ከስቴት ውጭ ግምት አይጠቀሙ።

ሊገለበጡ የሚችሉ የጥያቄ አብነቶች

ደህንነቱ የተጠበቀ መረጃ ማጽጃ ኮድ "ሚና፡ እርስዎ የፓይዘን ዳታ ተንታኝ ረዳት ነዎት። የሚከተለውን ሠንጠረዥ የሚያጸዱ ከፓንዳዎች ጋር ኮድ ይፃፉ። አምዶች እና ክፍሎች፡ [ዝርዝር]። ደንቦች፡ (1) ረድፎችን ከመውደቁ በፊት እና በኋላ ያሉትን የረድፎች ብዛት ያትሙ፤ (2) እያንዳንዱ ረድፎች ወደተጣሉ እና ለምን እንደሆነ ሪፖርት ያድርጉ፤ አማካይ የክብደት መጠን ለምን ጥቅም ላይ ይውላል። (3) የአስተያየት አሃድ ከአስተያየት መስመር ጋር እርምጃ ይውሰዱ."

የኮድ ግምገማ ጥያቄ"የሚከተለውን የፓይዘን ኮድ መስመር በመስመር ያብራሩ እና የሚከተሉትን የአደጋ ነጥቦች ይጠቁሙ፡ የተሳሳተ የአምድ ስም ግምት፣ ክፍል ግራ መጋባት፣ ጸጥ ያለ rowdrop፣ ጠፍጣፋ/ሚዛን አማካኝ ስህተት፣ የጠርዝ መያዣ (ከንቱ/አሉታዊ) ባህሪ። ኮዱን አታስተካክል፤ አደጋዎቹን ዘርዝሩ። ኮድ፡ [ለጥፍ]።"

በትንሽ ውሂብ ማዋቀርን ሞክር "ለዚህ ተግባር ትንሽ የፍተሻ ውሂብን (5-6 መስመሮችን) በእጅ ማምረት ውጤቱን እና የሚጠበቀውን ውጤት አውቃለሁ፤ ተግባሩ በዚህ ውሂብ ላይ በትክክል መስራቱን ወይም አለመሆኑን የሚያረጋግጥ የሙከራ ብሎክ ይፃፉ። እንዲሁም እጅግ በጣም ከባድ የሆኑ ጉዳዮችን (ባዶ ሕዋስ ፣ አሉታዊ ፣ አሃድ ከፍተኛ እሴት) ይሞክሩ። ተግባር: [ለጥፍ]።

ቀላል ሞዴል + የድንበር ማስጠንቀቂያ"ለ[x -> y] በሚከተለው መረጃ ቀለል ያለ ሪግሬሽን ያዘጋጁ። በስልጠና/ሙከራ መካከል ያለውን ልዩነት ይለዩ፣ የስህተት መለኪያውን ያሳውቁ እና ሞዴሉ ትክክለኛ የሆነበትን የ x ክልል በግልፅ ይግለጹ። ትንበያዎች ከዚህ ክልል ውጭ ከተደረጉ አስጠንቅቁ። ከመጠን በላይ የሰለጠነ እና የመጥፋት አደጋ ላይ አስተያየት ይስጡ።

ደካማ ጥያቄ / ጠንካራ ጥያቄ

ደካማ ምላሽ፡ "ከዚህ መረጃ አማካዩን ደረጃ አስላ።"

ጠንካራ ምላሽ፡"ሚና፡ አንተ የፓይዘን ረዳት ነህ። አምዶች፡ HoleID፣ From(m)፣ To(m)፣ Au(g/t)። WEIGHTED አማካኝ ክፍል ከክፍተት ርዝመት ጋር አስላ። ኮድ፡ (1) የግቤት/ውጤት ረድፎችን ብዛት አትም፤ (2) ባዶ/አሉታዊ እሴቶቹን ከመውጣታቸው በፊት ሪፖርት አድርግ አሃዱን አረጋግጣለሁ፤ (3) ውጤቱንም አረጋግጧል። በእጅ ውሂብ: [ለጥፍ]."

የንጽጽር ሰንጠረዥ: አደጋ እና ጥንቃቄ

ስጋት

ምልክት

ጥንቃቄ

የክፍል ጣልቃገብነት

ምክንያታዊ ግን የተሳሳተ ቁጥር

በኮዱ ውስጥ ያለውን ክፍል አስተያየት ይስጡ፣ ያረጋግጡት።

የዝምታ መስመር ጠብታ

ጠቅላላ ጠፍቷል

የግቤት/ውጤት መስመሮችን ብዛት ያወዳድሩ

ተራ ከክብደት አማካይ ጋር

የተሳሳተ አማካይ

ክብደትን ያረጋግጡ

ከመጠን በላይ መማር

የሙከራ ውሂብ ላይ መጥፎ

የስልጠና/የሙከራ መለያየት፣ ቀላል ያድርጉት

ኤክስትራክሽን

የማይረባ ግምት ከክልል ውጪ

የሚሰራ ክልል ገድብ

የተለመዱ ስህተቶች

ኮዱን ሳያነቡ ማስኬድ። "ምንም ስህተት አላገኘም" ማለት እውነት ነው ማለት አይደለም።
በትንሽ ውሂብ አለመሞከር። ሊረጋገጥ የሚችል ምሳሌ ከሌለ መተማመን ሐሰት ነው።
የግብአት/ውጤት መስመሮችን ቁጥር አለማወዳደር። ጸጥ ያለ ኪሳራ የሚያመልጠው በዚህ መንገድ ነው።
የሞዴል ክልልን ችላ ማለት. የኤክስትራክሽን ግምቶች አስተማማኝ አይደሉም።
የሠንጠረዡን ውበት ማመን. ቄንጠኛ ገበታ የተሳሳተ ቁጥር ሊደብቅ ይችላል።

ትኩረት: የ AI ኮድ ወደ ኢንጂነሪንግ አካውንት ከገባ, ያ ኮድ ልክ እንደ መለያ ተጠያቂ ነው. ውጤቱ የማዕድን ውሳኔ በሆነበት ቦታ ሁሉ ኮዱን እና ውጤቱን በገለልተኛ አመክንዮ ያረጋግጡ እና ከተቻለ ከሁለተኛ ዘዴ ጋር ያወዳድሩ።

በማጠቃለያው

ፓይዘን ለማእድን መረጃ ትንተና ዋናው መሳሪያ ነው፣ እና AI እርስዎ የሚፅፉትን ፍጥነት በእጅጉ ይጨምራል። ነገር ግን AI ኮድ ጸጥ ያሉ ሳንካዎችን (የዩኒት ግራ መጋባት፣ መደዳ መውደቅ፣ የተሳሳተ አማካይ) እና የሞዴል ወጥመዶችን (ከመጠን በላይ መማር፣ ኤክስትራፕሌሽን) መያዝ ይችላል። ደህንነቱ የተጠበቀ ፍሰት፡ በግልፅ ይግለጹ፣ ትንሽ እና የሚነበብ ይፈልጋሉ፣ ያንብቡ እና ይረዱ፣ በትንሽ በሚታወቅ መረጃ ይሞክሩ፣ የጥያቄ ጠርዝ ጉዳዮች፣ ሚዛን እና አመክንዮ ፍተሻ። የሞዴል ውፅዓት ከውሂብ ክልል ውጭ ላለ ውሳኔ መሰረት ሊሆን አይችልም; እና እያንዳንዱ ኮድ ወደ ማዕድን ውሳኔ ከተቀየረ እንደ ሂሳብ ያህል ሃላፊነት ይወስዳል።

የመተግበሪያ ተግባር

ኮዱን ከ AI ለማግኘት የ"Secure Data Sanitization Code" አብነት ከክፍል አማካኝ ወይም የምርት ማጠቃለያ ተግባር ጋር ተጠቀም። ኮዱ በ"የኮድ ግምገማ ጥያቄ" አብነት አደጋ ላይ እንዲወድቅ ያድርጉ። ከዚያ በ"በትንሽ ዳታ ማዋቀር" አብነት ውጤቶቹን የሚያውቁትን የውሂብ ስብስብ እራስዎ ይፍጠሩ እና ኮዱን ያረጋግጡ። በመጨረሻም ለቀላል ግንኙነት ሞዴልን ከ "ቀላል ሞዴል + ገደብ ማስጠንቀቂያ" አብነት ጋር ያዘጋጁ እና ከትክክለኛው ክልል ውጭ ሲወጣ ማስጠንቀቂያ እንደሚሰጥ ይፈትሹ።

የማረጋገጫ ዝርዝር

[ ] የ AI ኮድ አነበብኩ እና እያንዳንዱን መስመር ተረድቻለሁ, በጭፍን አላሄድኩም.
[ ] በትንሽ እና በእጅ ሊረጋገጥ በሚችል ውሂብ ሞከርኩት።
[] የግቤት እና የውጤት መስመሮችን ብዛት አወዳድሬያለሁ።
[] የአሃድ ወጥነት እና ክብደት አረጋግጫለሁ።
[ ] ከመጠን በላይ መጨመርን በማስወገድ የአምሳያው ትክክለኛ የውሂብ ክልል ገድቤያለሁ።
[ ] ወደ ውሳኔ የተለወጠውን ውጤት በገለልተኛ አመክንዮ/ሰከንድ ዘዴ ፈትጬዋለሁ።

የሞዱል ፈተና

1. አንድ ተለማማጅ የ AI ቻት መሳሪያውን ስለ ማዕድን አካል አማካኝ ደረጃ ጠይቆ የተገኘውን የ'1.8 g/t ወርቅ' ዋጋ በቀጥታ ወደ ሪፖርቱ ይጽፋል። በዚህ አቀራረብ ውስጥ ዋናው ስህተት ምንድን ነው?

ሀ) የውጤት ዋጋ ከፕሮጀክቱ የራሱ የቁፋሮ/የመተንተን መረጃ እና የተረጋገጠ ትንበያ መምጣት አለበት። በ AI የመነጨው ቁጥር ምንጭ ያልሆነ ፈጠራ ✔ ሊሆን ይችላል።
ለ) ከግራም ይልቅ ኦውንስ ውስጥ ለ AI መጠየቅ ነበረበት
ሐ) እሴቱ ትክክል ነው፣ በነጠላ ሰረዝ ፋንታ አንድ ክፍለ ጊዜ ብቻ ጥቅም ላይ መዋል ነበረበት
መ) ተመሳሳይ ጥያቄን ሶስት ጊዜ መጠየቅ እና አማካዩን መውሰድ በቂ ነው

ማብራሪያ፡ የቋንቋው ሞዴል የፕሮጀክትዎን ቁፋሮ መረጃ አያውቅም። በጣም የሚመስለውን ቁጥር ያመነጫል (ቅዠት)። ደረጃው የሚመጣው ከፕሮጀክቱ የራሱ የተቀናጀ የቁፋሮ መረጃ እና የጂኦስታቲስቲክስ ግምት ብቻ ነው። ብቃት ያለው ሰው ካልተፈቀደለት የ AI ውፅዓት በሪፖርቱ ውስጥ ሊካተት አይችልም።

2. 'በአደጋ ላይ የተመሰረተ ምደባ' በማዕድን ኢንጂነሪንግ ውስጥ AIን ለመጠቀም ምን ያስችላል?

ሀ) የ AI መሳሪያ ዋጋን ዝቅ አድርግ
ለ) እንደ ሥራው ስጋት ደረጃ የ AI ሚና እና የማረጋገጫውን አስገዳጅ ጥልቀት ይወስኑ ✔
ሐ) ጥያቄዎች ባጭሩ መፃፍ አለባቸው
መ) ሁሉንም ውሳኔዎች በራስ-ሰር ወደ AI ውክልና መስጠት

ማብራሪያ፡- እያንዳንዱ ተልዕኮ በተመሳሳይ የአደጋ ደረጃ ላይ አይደለም። ተግባሩን ዝቅተኛ/መካከለኛ/ከፍተኛ/ ወሳኝ በማለት መፈረጅ የትኛው ውፅዓት በነፃነት ጥቅም ላይ ሊውል እንደሚችል እና መደበኛ እና የመስክ ማረጋገጫ እና ብቃት ያለው መሐንዲስ ማፅደቅን የሚጠይቅ ነው።

3. በጂኦስታቲስቲክስ ውስጥ 'ቫሪዮግራም' ሞዴል ምን ይመስላል?

ሀ) የመሳሪያው የነዳጅ ፍጆታ
ለ) በጊዜ ሂደት የብረት ዋጋ ለውጥ
ሐ) እንደ ርቀት ላይ በመመስረት የቦታ ቀጣይነት; ✔ ነጥቦቹ እየራቁ ሲሄዱ ተመሳሳይነት እንዴት እንደሚቀንስ
መ) በማፈንዳት የተፈጠረው የንዝረት ድግግሞሽ

መግለጫ፡- ቫሪዮግራም በሁለት ነጥቦች መካከል ያለው ርቀት ሲጨምር የናሙናዎች ተመሳሳይነት እንዴት እንደሚቀንስ (የቦታ ቀጣይነት) ይገልጻል። ክሪጂንግ ይህን ሞዴል በመጠቀም ያልተለኩ ነጥቦችን ከጥርጣሬ ህዳግ ጋር ለመገመት ይጠቀምበታል።

4. AI ሊቶሎጂን ከዲሪ ኮር ፎቶግራፍ ቀድመው ሲመድቡ ምርጡ አካሄድ ምንድነው?

ሀ) በአይ የተሰጠውን የሮክ አይነት በቀጥታ ወደ ቁፋሮ ሎግ ማካሄድ
ለ) ፎቶውን ሙሉ በሙሉ ሳይመረምሩ የ AI ጽሑፍን ወደ ሪፖርቱ መቅዳት
ሐ) የጂኦሎጂስቶችን ምልከታ መሰረዝ እና በ AI ላይ ብቻ መተማመን
መ) ውጤቱን እንደ ቅድመ ትንበያ/ግምት ግምት ውስጥ በማስገባት በጂኦሎጂስት ምልከታ እና የላብራቶሪ ትንታኔ ያረጋግጡ ✔

መግለጫ: AI ከምስሉ ላይ ትንበያ እና ትኩረትን ዝርዝር ማመንጨት ይችላል; ሆኖም የመጨረሻው የሊቶሎጂ/የለውጥ ውሳኔ የሚወሰነው በጂኦሎጂስት ምልከታ እና የላብራቶሪ ትንታኔ ነው። AI ውፅዓት ጅምር ነው፣ የሚረጋገጥ መላምት ነው።

5. በክፍት ጉድጓድ እቅድ ውስጥ 'የማስወገድ ሬሾ' ምን ማለት ነው?

ሀ) የዛገቱ መጠን (ቆሻሻ አለት) ወደ አንድ አሃድ ማዕድን ለመድረስ መወገድ ያለበት
ለ) በብረት ውስጥ የብረት መቶኛ
ሐ) የጭነት መኪናዎች ዕለታዊ የጉዞ ብዛት
መ) በፍንዳታ ውስጥ ጥቅም ላይ የሚውለው ፈንጂ መጠን

መግለጫ፡- የማራገፍ መጠን አንድ የማዕድን ክፍል ለማግኘት መወገድ ያለበት የቆሻሻ (ዝርፊያ/ቆሻሻ) መጠን ነው። የመጨረሻው ጉድጓድ ገደብ እና ኢኮኖሚ በአብዛኛው በዚህ ጥምርታ ላይ የተመሰረተ ነው; ምንም እንኳን AI ሁኔታዎችን ቢያመነጭም, የድንበር ውሳኔው ብቃት ባለው መሐንዲስ ነው.

6. AI በንዝረት እና በሙቀት መረጃ ውስጥ 'ያልተለመዱ' ሲያገኝ በትንበያ ጥገና ውስጥ ምን ማለት ነው?

ሀ) መሣሪያው በትክክል አለመሳካቱን የሚያሳይ ማረጋገጫ
ለ) መረጃው ከመደበኛው የተለየ ማስጠንቀቂያ; ትክክለኛ ያልሆነ የአካል ብቃት ምርመራ ሳይሆን በአካል ምርመራ መረጋገጥ ያለበት ምልክት ነው ✔
ሐ) መሣሪያዎቹ በራስ-ሰር እንዲቆሙ ያዝዙ
መ) መረጃው በስህተት ለመመዝገቡ ዋስትና ይሰጣል

ማብራሪያ፡- አኖማሊ ከመደበኛ ባህሪ የውሂብ መዛባት እና ብልሽትን ሊያመለክት ይችላል። ግን ትክክለኛ ምርመራ አይደለም. መሣሪያውን ለማቆም ወይም ክፍሎችን ለመተካት ውሳኔው የሚደረገው በጥገና ቡድኑ አካላዊ ምርመራ እና በኦፕሬሽን ሥራ አስኪያጅ ፈቃድ ነው.

7. AI በቁፋሮ ፍንዳታ ዲዛይን ሲጠቀሙ ለደህንነት አስፈላጊ የሆነው የትኛው ነው?

ሀ) የ AI ምክሮችን በቀጥታ በመስክ ላይ መተግበር
ለ) የንዝረት መለኪያን መዝለል
ሐ) የ AI ያቀደውን ዲዛይን በመስክ መለካት ፣በቁጥጥር ገደብ እና በተፈቀደ የፍንዳታ ባለሙያ ማፅደቅ ማረጋገጥ ✔
መ) የፍንዳታ መጠን በ AI ከተሰጠው ከፍተኛ መጠን ጋር ማስተካከል

መግለጫ፡ ፍንዳታ; እንደ ንዝረት፣ የአየር ድንጋጤ እና የበረራ ጠጠር ያሉ ከባድ የደህንነት እና የቁጥጥር ስጋቶችን ይሸከማል። AI የንድፍ ንድፍ እና የመለኪያ ምክሮችን ማምረት ይችላል; ይሁን እንጂ የመጨረሻው ንድፍ የመስክ መለኪያን, የቁጥጥር ገደቦችን እና የተፈቀደውን የፍንዳታ ባለሙያ (ፍንዳታ / ተጠያቂ) ማፅደቅ አለበት.

8. በማዕድን ሂደት 'ማገገሚያ' እና 'የማተኮር ደረጃ' መካከል ያለው የተለመደ ግንኙነት ምንድን ነው እና AI ይህንን ሲተረጉም ምን ማስታወስ አለበት?

ሀ) ሁል ጊዜ አብረው ይጨምራሉ
ለ) በመካከላቸው ምንም ግንኙነት የለም
ሐ) ግንኙነቱ ቋሚ እና በሁሉም መገልገያዎች ውስጥ ተመሳሳይ ነው
መ) ብዙውን ጊዜ የተገላቢጦሽ ሚዛን አለ (በደረጃው ሲጨምር ምርቱ ይቀንሳል); ትክክለኛ እሴቶች በብረታ ብረት ሙከራ እና በጅምላ ሚዛን መረጋገጥ አለባቸው

ማብራርያ፡ በአጠቃላይ ከፍተኛ የተጠናከረ ደረጃ ለማግኘት በምንሞክርበት ጊዜ ምርቱ ይቀንሳል (የክፍል-ውጤት ሚዛን)። AI ይህንን አዝማሚያ ሊያብራራ ይችላል ፣ ግን ትክክለኛ የአሠራር ዋጋዎች በብረታ ብረት ሙከራ እና በጅምላ ሚዛን መረጋገጥ አለባቸው ፣ አጠቃላይ አዝማሚያ ጣቢያ-ተኮር እውነታን የሚተካ አይደለም።

9. በሥራ ደኅንነት ውስጥ ከአይአይ ጋር የጠፉ/የአደጋ መረጃን የመተንተን በጣም ትክክለኛው አጠቃቀም ምንድነው?

ሀ) ነፃ የጽሑፍ መዝገቦችን መድብ እና ተደጋጋሚ የአደጋ ንድፎችን ማውጣት; ውሳኔውን ለኦኤችኤስ ኤክስፐርት ይተውት።
ለ) የአደጋዎችን ጥፋተኛ በራስ-ሰር ይወስኑ
ሐ) የሥራ ማቆም ትዕዛዞችን ወደ AI መላክ
መ) በቅርብ ርቀት ላይ ያሉ መዝገቦችን ሳይገመገም በማስመዝገብ ላይ

መግለጫ፡ AI ከፍተኛ መጠን ያላቸውን የነጻ የጽሑፍ መዝገቦችን መመደብ እና ተደጋጋሚ ንድፎችን እና አደገኛ ሁኔታዎችን በፍጥነት ማውጣት ይችላል። ሆኖም አንድን ሥራ ለማቆም፣ አካባቢን ለመልቀቅ ወይም መንስኤውን ለመልቀቅ የተወሰነው በኦኤችኤስ ኤክስፐርት እና በህጉ ማዕቀፍ ውስጥ ነው። AI ውፅዓት ግብአት እንጂ ውሳኔ አይደለም።

10. ለምንድ ነው 'የዲፎርሜሽን ፍጥነትን ማፋጠን' በራዳር/ፕሪዝም መረጃ ላይ በዳገት ክትትል ውስጥ ወሳኝ ምልክት የሆነው?

ሀ) በእርግጠኝነት የመለኪያ መሳሪያው መበላሸቱን ያመለክታል.
ለ) ተራማጅ ሽንፈትን ሊያበስር ይችላል; የቅድመ ማስጠንቀቂያ እና የመልቀቂያ ውሳኔ የጂኦቴክኒክ መሐንዲስ ✔ ነው።
ሐ) ቁልቁል ሙሉ በሙሉ ደህና መሆኑን ያሳያል
መ) ጠቃሚ የሚሆነው ዝናብ ሲኖር ብቻ ነው እና ችላ ሊባል ይችላል

ማብራርያ፡ ከዳገቱ ሽንፈት በፊት ቀስ በቀስ የመበላሸት መጠን (ፍጥነት) መጨመር በአጠቃላይ ይታያል። ይህ ምናልባት የእድገት ውድቀት ምልክት ሊሆን ይችላል። AI አዝማሙን ሊያጎላ ይችላል፣ ነገር ግን የመልቀቂያ/የቅድሚያ ማስጠንቀቂያ ውሳኔ የሚወሰነው በጂኦቴክኒክ መሐንዲስ ትንተና እና ፕሮቶኮል ነው።

11. በአካባቢ ጥበቃ ላይ፣ AI በውሃ ጥራት ተከታታይ ጊዜ ውስጥ ላገኘው 'ከላይ' ለሚለው ምልክት በጣም ትክክለኛው ምላሽ ምንድነው?

ሀ) የ AI ምርትን በቀጥታ ለመንግስት ኤጀንሲ ሪፖርት ማድረግ
ለ) ማስጠንቀቂያውን ችላ ይበሉ እና መመልከትዎን ይቀጥሉ
ሐ) በተረጋገጠ የላብራቶሪ ውጤት፣ የቁጥጥር ገደብ እና የአካባቢ መሐንዲስ ግምገማ ✔ ያረጋግጡ
መ) በ AI ላይ ብቻ መተማመን እና የላብራቶሪ ትንታኔን መሰረዝ

መግለጫ: AI ምናልባት ጥሰት ቀደም ብሎ ሊያመለክት ይችላል; ሆኖም ፣ ኦፊሴላዊው የተስማሚነት ውሳኔ የሚከናወነው በተረጋገጠ የላብራቶሪ ትንታኔ ፣ በሕጉ ውስጥ ያሉ እሴቶችን እና የአካባቢ መሐንዲስ ግምገማ ነው። የ AI ውፅዓት የማጣሪያ ማንቂያ እንጂ የህግ/የቴክኒክ ውሳኔ አይደለም።

12. እንደ JORC ወይም NI 43-101 ያለ የመሥፈርት ሐረግ ቁጥር AI ሲጠይቁ የተቀናበረ (ሃሉሲናቶሪ) ማጣቀሻ እንዳያገኙ በጣም አስተማማኝ መንገድ ምንድነው?

ሀ) በ AI በተሰጠው የንጥል ቁጥር ላይ መተማመን
ለ) በተለያዩ ቃላት እንደገና ተመሳሳይ ጥያቄ መጠየቅ
ሐ) ከመመዘኛ ይልቅ የብሎግ ልጥፍን መመልከት
መ) የእያንዳንዱን መጣጥፍ ማጣቀሻ አሁን ካለው መደበኛው ኦፊሴላዊ ጽሑፍ መክፈት እና ማረጋገጥ እና ብቃት ካለው ሰው ፈቃድ ማግኘት ✔

ማብራሪያ፡ የቋንቋ ሞዴሉ የስታንዳርድን ስም በትክክል ቢያውቅም፣ የጽሑፉን ቁጥር እና ጽሑፍ ቅዠት ሊያደርገው ይችላል። እያንዳንዱ የንጥረ ነገር ማጣቀሻ መከፈት እና መረጋገጥ ያለበት ከአሁኑ ኦፊሴላዊ የስታንዳርድ ጽሁፍ እና የመጨረሻው ተኳኋኝነት ብቃት ባለው ሰው (CP/QP) መረጋገጥ አለበት።

13. በ AI የተጻፈ የፓይዘን ትንተና ስክሪፕት ከማሄድዎ በፊት በጣም ወሳኝ ቼክ ምንድን ነው?

ሀ) ኮዱን ማንበብ እና አሃድ/አምድ ማዛመጃን ማረጋገጥ፣በሚታወቅ ትንሽ መረጃ መሞከር እና የውጤቱን አሳማኝነት ማረጋገጥ ✔
ለ) ኮዱን ሳያነቡ በጠቅላላው የውሂብ ስብስብ ላይ በቀጥታ ማስኬድ
ሐ) ምንም ስህተት እንደሌለ በማየት ውጤቱን መቀበል ብቻ ነው
መ) ቆንጆ ለመምሰል በውጤቱ ግራፊክስ ላይ መተማመን።

መግለጫ፡ AI ኮድ አሃዶችን ሊቀላቀል፣ የአምድ ስሞችን በስህተት ሊወስድ ወይም ረድፎችን በጸጥታ ሊጥል ይችላል። ኮዱን ማንበብ፣ የድምጽ መጠን እና የአምድ ተዛማጅነት ማረጋገጥ፣ በትንሽ መጠን በሚታወቅ መረጃ መሞከር እና ውጤቱ የምህንድስና ምክንያታዊ መሆኑን ማረጋገጥ አስፈላጊ ነው።

14. ለደመና-ተኮር AI መሳሪያ የማዕድን መረጃን በሚሰጥበት ጊዜ ከግላዊነት አንፃር የተሻለው ባህሪ ምንድነው?

ሀ) ሁሉንም ጥሬ መረጃዎች እንደነበሩ መለጠፍ
ለ) የአውድ ማንነትን መደበቅ እና ሚስጥራዊነት ያለው የመጠባበቂያ/የማስተባበር/የማምረቻ ውሂብን ያፅዱ እና የድርጅት ፖሊሲን የሚያከብር መሳሪያ ይጠቀሙ ✔
ሐ) ትክክለኛ መጋጠሚያዎችን ማቅረብ ለውጤት ጥራት አስፈላጊ መሆኑን በማሰብ
መ) የግላዊነት ፖሊሲን በጭራሽ ችላ ማለት

ማብራሪያ፡ የተያዙ ቁጥሮች፣ የፈቃድ/የማስተባበር መረጃ እና የምርት መረጃ ከንግድ ሚስጥሮች እና ከህግ አንፃር ስሱ ናቸው። የዐውደ-ጽሑፉን ማንነት መደበቅ፣ እውነተኛ መጋጠሚያዎችን እና ስሞችን ማጽዳት፣ የድርጅት/የግላዊነት ዋስትና መሣሪያን መምረጥ እና የኩባንያውን ፖሊሲ ማክበር ያስፈልጋል።