Metallurgiya məlumatlarının təhlili və Python ilə AI sərhədləri

Qazanclar:

• AI dəstəyi ilə Python ilə metallurgiya məlumatlarını təmizləyən, təhlil edən və vizuallaşdıran kodu istehsal etmək və anlamaq bacarığı
• Süni intellekt tərəfindən yaradılan kodu vahid yoxlanışı, test işi və fiziki inandırıcılıqla təsdiqləmək vərdişini yaratmaq bacarığı
• Metallurgiyada süni intellektin uç-to-end məhdudiyyətləri, məsuliyyəti və etik çərçivəsinin vahid anlayışı

Metallurgiya işləri getdikcə daha çox məlumatla həyata keçirilir: yüzlərlə dartılma testinin nəticələri, minlərlə SPC ölçmələri, istilik müalicəsi sobası qeydləri, xarakteristikanın nəticələri. Excel-də bu məlumatı əl ilə təqib etmək yavaş və səhvlərə meyllidir; Python (məlumatların təhlili və elmi hesablamalar üçün ümumi proqramlaşdırma dili) bunu təkrarlana bilən, yoxlanıla bilən və avtomatik edir. Süni intellekt Python kodunu yazmaqda, sazlamaqda və izah etməkdə çox güclüdür – lakin onun istehsal etdiyi kod düzgün görünə bilər, lakin yanlış nəticə verə bilər: vahid xətası, yanlış əmsal, səssiz məlumat itkisi. Bu son bölmədə siz Python-da süni intellekt dəstəyi ilə metallurgiya məlumatlarını təhlil etməyi və hər kodu yoxlamağı, sonra bütün modul boyunca əhatə olunan AI sərhədlərini, məsuliyyəti və etika çərçivəsini bütöv şəkildə yuvarlaqlaşdırmağı öyrənəcəksiniz.

Metallurgiya məlumatlarının təhlilində tipik vəzifələr

Python-da AI dəstəyi ilə ümumi vəzifələr:

• Məlumatların təmizlənməsi: Çatışmayan dəyər, vahid çaşqınlığı (MPa vs. ksi), kənar göstəricilərin çıxarılması. Çirkli məlumatlar ən yaxşı analizi belə korlayır.
• Vizuallaşdırma: Dartma əyrisinin çəkilməsi, nəzarət qrafiki, taxıl ölçüsünün paylanması, temperatur-zaman profili.
• Hesap ve ilişki: Hall-Petch (tane ölçüsü-akma dayanımı ilişkisi: σ = σ₀ + k·d^(-1/2)), Arrhenius (sıcaklık-hız), regresyon, istatistik.
• Avtomatlaşdırma: Çox sayda faylın toplu işlənməsi və xülasə cədvəllərinin/hesabatlarının hazırlanması.

Hall-Petch əlaqəsi burada yaxşı bir nümunədir: məhsuldarlıq taxıl diametrinin kvadrat kökü ilə tərs mütənasib olaraq artır. Süni intellekt bu düsturu koda çevirə bilər; Ancaq d-ni mikrometr və ya sayğac kimi istifadə etməyiniz və k əmsalı üçün hansı vahidi istifadə etməyiniz nəticəni tamamilə dəyişir. Kodun düzgünlüyü düsturun yadda saxlanmasında deyil, vahidlərin və test işinin təsdiqindədir.

İpucu: Süni intellektin yazdığı hər hesaba “məlum cavab testi” daxil etməyinizə əmin olun. Nəticəsini əl ilə bildiyiniz kiçik bir məlumat verin (məsələn, d = 100 µm üçün gözlənilən güc); Əgər kod həmin dəyəri verirsə, ona etibar edə bilərsiniz; yoxsa, xəta gizlədilir.

Addım-addım: AI ilə təhlükəsiz analiz axını

1. Tapşırığı və məlumatları təsvir edin: Hansı fayl, hansı sütunlar, hansı vahidlər, nə hesablanacaq?
2. Kod skeleti tələb edin: AI-dən şərh edilmiş, pilləli bölünmüş skelet soruşun; Yuxarıda açıq dəyişənləri olan vahidləri müəyyənləşdirin.
3. Kiçik məlumatlarla sınaqdan keçirin: Əvvəlcə bir neçə sıra/məlum dəyərlərlə işləyin; Nəticəni əl ilə yoxlayın.
4. Vahid və sərhəd nəzarəti: Çıxış fiziki cəhətdən məqbuldurmu? Mənfi güc, 120% nisbət kimi cəfəngiyat varmı?
5. Vizual edin və baxın: Qrafik gözlənilən trendi göstərirmi? Kənar göstəricilər məlumat səhvləridirmi?
6. Yoxlayın və sənədləşdirin: Nəticəni müstəqil hesablama/standartla müqayisə edin; Kodu və fərziyyələri şərh edin.

AI kodu yoxlama cədvəli

Risk

simptom

Nəzarət üsulu

Vahid xətası

Nəticə 1000x pozğunluqdur

Açıq dəyişən, ölçü nəzarətində vahidləri müəyyənləşdirin

Səhv əmsal/düstur

Ağlabatan, lakin yanlış dəyər

Məlum cavabları olan sınaq ssenarisi

Səssiz məlumat itkisi

Sətirlərin sayı gözləniləndən azdır

Emaldan əvvəl/sonra sətirlərin sayını çap edin

kənar təhrif

orta kayak

Qrafik ilə vizuallaşdırın, paylanmaya baxın

Həddindən artıq uyğunlaşma (hallüsinasiya kitabxanası)

mövcud olmayan funksiya

Çalışın, səhv oxuyun, sənədlərə baxın

üç mini qutu

1-ci hal - Gizli həcm xətası. Mühəndis Hall-Petch hesablaması üçün AI-dən kod tələb edir; Kod taxıl diametrini metrlərlə gözləyir, lakin mühəndis mikrometrləri daxil edir. Nəticə 1000 dəfə pozğundur, lakin "rəqəm" kimi göründüyü üçün ilk baxışda nəzərə çarpmır. Mühendis d = 100 µm üçün elle beklediği ~350 MPa ilə kodun verdiyi absürt dəyəri müqayisə edildikdə hatayı yakalar, birim dönüşümünü koda ekler. Dərs: məlum cavab testi vahid səhvini saniyələr ərzində aşkar edir.

2-ci hal - Səssiz məlumat itkisi. Komanda AI-yazılı kodla 500 çəkmə testinin nəticəsini təmizləyir; Kod əskik dəyərləri olan cərgələri endirərkən, təsadüfən bəzi etibarlı sətirləri də silərək 300 sətir buraxır. Orta güc gözləniləndən yüksəkdir, çünki aşağı dəyər partiyası aradan qaldırılır. Komanda emaldan əvvəl/sonra sətirlərin sayını çap etdikdə, 200 cərgənin səssizcə yoxa çıxdığını görür və filtri düzəldir. Dərs: hər bir məlumat emal addımında sətirlərin sayını çap etmək səssiz itkiləri tutur.

Case 3 - Düzgün istifadə, təkrarlana bilən hesabat. Keyfiyyətli bir komanda hər həftə onlarla soba qeydini emal etməli və ümumi hesabatlar hazırlamalıdır. O, süni intellektdən faylları toplu şəkildə oxuyan, qrafiklər və xülasə cədvəlləri yaradan şərh edilmiş skript yazmağı xahiş edir. Komanda kodu bir neçə məlum faylla sınaqdan keçirir, vahidlərin və sətirlərin sayını yoxlayır, çıxış qrafikini vizual olaraq yoxlayır. Sonra həftəlik skriptdən istifadə edir; İş saatları dəqiqələrə endirilir və hər həftə eyni, yoxlanıla bilən şəkildə işləyir. Komanda təsdiqlədi ki, süni intellekt təkrarlanan avtomatlaşdırmaya imkan verdi.

Kopyalana bilən sorğu şablonları

KOD SKELETON TEMPLATE"Rol: Siz metallurgiya məlumatlarının təhlili üçün kod köməkçisisiniz. Tapşırıq: [məsələn, CSV-dən rəsm nəticələrini və orta məhsuldarlığı oxuyun]. Məlumat: [fayl, sütunlar, BİRLİKLƏR]. pandalarla şərh edilmiş skelet yazın: (1) açıq dəyişəndə vahidləri müəyyənləşdirin və yuxarıdakı sətirləri silin (2) məlumatı oxuyun və sətirləri silin (3) sətirlərin sayını YENİDƏ çap edin, (4) hesablama aparın, (5) nəticəni çap edin və hər bir addıma şərh əlavə edin."

BİLİNƏN CAVAB TEST ŞABLONU"Aşağıdakı funksiya üçün "məlum cavab testi" yazın: [funksiya]. Nəticəsi əl ilə hesablana bilən kiçik giriş seçin, gözlənilən nəticəni şərh edin və onu təsdiqlə yoxlayın. Həmçinin vahidin uyğunluğunu yoxlayın. Test keçmirsə, mümkün səbəbləri (vahid, əmsal, düstur) sadalayın."

KODU İNCƏLƏMƏ / SAXLAMA ŞABLANI"Aşağıdakı kodu yoxlayın: [kod]. Aşağıdakıları yoxlayın və qeyd edin: (1) həcm ardıcıllığı, (2) səssiz məlumat itkisi riski, (3) kənar təsir, (4) fiziki olaraq qeyri-mümkün çıxış (mənfi güc, >100% nisbət).

VISUALIZATION TEMPLATE"xəttini matplotlib ilə [dartılma əyrisi / nəzarət süjeti / paylanması] yaradın. Ox etiketlərinə BİRLİKLƏR əlavə edin, başlıq və tor qoyun. Kənar nöqtələri fərqli olaraq qeyd edin. Qeyd edək ki, mən süjeti vizual olaraq yoxlamalı və gözlənilən tendensiyanı (məsələn, artan gərginlik gərginliyini) yoxlamalıyam. "Data" üçün heç bir nöqtəni gizlətməyin.

Zəif məlumat / Güclü göstəriş

ZƏFİYYƏT İSTİFADƏSİ: "Mənə Hall-Petch hesablamasını edən kodu yazın."

GÜÇLÜ İSTİFADƏ:"Rol: Siz metallurgiya məlumatlarının təhlili üçün kod köməkçisisiniz. Hall-Petch(σy = σ0 + k·d^(-1/2)) hesablamaq üçün Python funksiyasını yazın. Vahidlər: d mikrometr, σ0 və σy MPa, k MPa·µm^(1/2). Həmçinin hesablama vahidi =01 çevrilmə və hesablama funksiyasını ON. µm,σ0 = 50 MPa, k = 300 MPa·µm^0.5 üçün nəticə çıxarın və təsdiqlə test edin (σy test etmədən kodu etibarsız hesab edin."

Zəif əmr vahidi və sınağı olmayan kod istehsal edir və səssizcə səhv edə bilər. Güclü göstərişlər vahidləri aydın şəkildə müəyyənləşdirir, çevrilməni təmin edir, məlum cavab testi və inandırıcılığın yoxlanılmasını tələb edir - kodu yoxlanıla bilən edir.

Modulun ümumi xülasəsi: Metallurgiyada AI-nin yeri və sərhədləri

Bu modul boyu vahid prinsip təkrarlandı: AI qərar qəbul edən deyil, köməkçidir. On iki vahid arasında biz material seçimindən tutmuş əmlakın proqnozlaşdırılmasına, faza analizindən mikrostrukturaya, istilik müalicəsinin istehsalına, keyfiyyətə nəzarətdən zərərin təhlilinə, xarakteristikanın standartlaşdırılmasına və Python təhlilinə qədər AI-dan sona qədər istifadə etdik. Hər bölmədə AI anlayışları izah etdi, fərziyyələr yaratdı, qaralamalar və kodlar yazdı - lakin heç bir vahiddə təkbaşına qərar vermədi. Sərhədlər aydın idi: hallüsinasiya (yaradılmış nömrə və standart), təhlükəsizlik baxımından kritik məsuliyyətin həvalə edilməməsi, məlumatların keyfiyyətindən və ölçmə/kalibrləmədən asılılıq, ekstrapolyasiya riski və məxfilik. Yoxlama intizamı standart-laboratoriya-hesab üçbucağında həmişə insanlarda qalmışdır.

Ümumi səhvlər

• Məlum cavablarla test etmədən kodun real məlumatlara tətbiqi.
• Vahidlərin dəqiq müəyyən edilməməsi; MPa/ksi, µm/m qarışıqlığına baxan.
• Məlumatların işlənməsi addımları zamanı sətirlərin sayını çap etməmək və səssiz itkiyə diqqət yetirməmək.
• Kənarları vizuallaşdırmadan orta hesaba güvənmək.
• AI tərəfindən yaradılan mövcud olmayan kitabxana/funksiyanı icra etmədən qəbul etmək.
• Kodun düzgün olduğunu fərz etsək, çünki o, "işlədiyi görünür"; fiziki inandırıcılığın yoxlanılmaması.

Xülasə

Python ilə metallurgiya məlumatlarının təhlilində AI kodlaşdırma, sazlama və avtomatlaşdırma üçün güclü sürətləndiricidir; lakin onun istehsal etdiyi kod vahid səhvləri, yanlış əmsallar və səssiz məlumat itkisini daşıya bilər. Hər kodu məlum cavab testi, vahid yoxlanışı, sətirlərin sayının izlənməsi və fiziki inandırıcılıqla yoxlayın. Bütün modulda olduğu kimi burada da AI köməkçidir: sürəti və təşkilatçılığı təmin edir, dəqiqlik və məsuliyyəti səlahiyyətli mühəndis öz üzərinə götürür. Təhlükəsizlik baxımından kritik metallurgiya qərarlarında süni intellekt məhsulu heç vaxt standartları, təcrübələri, hesablamaları və səlahiyyətli mühəndis təsdiqini əvəz edə bilməz.

Tətbiq tapşırığı

Metallurgiya hesablamasını seçin (məsələn, Hall-Petch və ya dartılma məlumatlarının orta göstəricisi). "CODE SKELETON" şablonu ilə AI-dan vahidlərlə sətirlərin sayını çap edən şərh edilmiş kod tələb edin. Sonra "BİLİNƏN CAVAB TESTİ" şablonu ilə nəticəni əl ilə bildiyiniz sınaq ssenarisini əlavə edin və onu işə salın. Kod gözlənilən dəyəri vermirsə, səhvi (vahid, əmsal, məlumat) tapın və düzəldin. Nəhayət, bu modulda öyrəndiyiniz AI yoxlama intizamı haqqında üç məqalədə onu öz biznesinizə uyğunlaşdıraraq yazın.

yoxlama siyahısı

• [ ] Mən AI üçün tapşırığı, məlumatları və bölmələri aydın şəkildə təyin etdim.
• [ ] Mən kodun yuxarı hissəsində açıq dəyişənləri olan vahidləri təyin etdim.
• [ ] Məlumatların işlənməsi mərhələlərində sətirlərin sayını çap etdim və səssiz itkini yoxladım.
• [ ] Mən kodu məlum cavabı olan test işi ilə yoxladım.
• [ ] Mən çıxışın fiziki inandırıcılığını (mənfi/absurd dəyər) yoxladım.
• [ ] Mən süni intellektdən sürətləndirici kimi istifadə etdim; Dürüstlüyü və məsuliyyəti qorudum.

Modul imtahanı

1. Material mühəndisi kimi süni intellekt aləti ilə işləyərkən aşağıdakılardan hansı üçün son məsuliyyət həmişə insan (hüquq mühəndisi) üzərində qalmalıdır?

• A) Hissənin xidmətə yararlılığının təsdiqi və imzalanması ✔
• B) Zərər haqqında hesabatın ilk layihəsinin hazırlanması
• C) Mikrostruktur qrafikinin ox etiketlərinin redaktə edilməsi
• D) Təqdimat üçün metallurgiya terminləri lüğətinin hazırlanması

Təsvir: AI; O, konsepsiyanın aydınlaşdırılması, hesabatın hazırlanması, fərziyyə siyahısı və kod skeleti kimi vəzifələri sürətləndirə bilər. Bununla belə, bir hissənin xidmət/uçuş üçün uyğunluğunun təsdiqlənməsi həyat və əmlakın təhlükəsizliyi ilə nəticələnən qərardır; akkreditə olunmuş sınaq və səlahiyyətli mühəndis təsdiqi olmadan AI-yə ötürülə bilməz.

2. Siz süni intellektdən AISI 4140 poladın 200 °C-də söndürüldükdə və temperləndikdə məhsuldarlıq gücü haqqında soruşdunuz və o, "əmin olaraq 1500 MPa" cavabını verdi. İlk düzgün addım hansıdır?

• A) Dəyəri birbaşa dizayn hesabına daxil edin, çünki AI inamlı görünür
• B) Dəyərin material məlumat vərəqi/dəyirman sertifikatı və lazım olduqda dartılma testi ilə yoxlanılması, tək nöqtə dəyərinə əsaslanmadan ✔
• C) Təhlükəsiz tərəfdə qalmaq üçün dəyərin təsadüfi olaraq aşağı salınması
• D) Dəyəri qəbul edin və birbaşa istilik müalicəsi reseptinə keçin

İzahat: Dil modelləri inandırıcı şəkildə əsassız rəqəmlər (hallüsinasiya) uydurur. Məhsuldarlıq gücü; İstiləşmə temperaturundan, kəsik qalınlığından və sərtləşmə qabiliyyətindən asılı olaraq geniş diapazonda dəyişir. Standarta uyğun olaraq dəyirman sertifikatından və ya dartılma sınağından dəyəri əldə etmək lazımdır və dizaynda bir nöqtəli AI çıxışı daxil edilməməlidir.

3. Poladın xassəsini proqnozlaşdıran maşın öyrənmə modeli ilə süni intellekt təlim məlumatlarında kompozisiya diapazonundan kənarda ərinti quyusu üçün "təhlükəsiz" dəyər yaratdı. Bu çıxışda əsas problem nədir?

• A) Model həmişə faizlə nəticə verir, MPa səhvdir
• B) Proqnoz etibarsızdır, çünki o, təlim məlumat diapazonundan kənarda (ekstrapolyasiya) edilir və təcrübə ilə təsdiqlənməlidir ✔
• C) Model yalnız paslanmayan poladlar üçün işləyir
• D) Modelin çıxışı həmişə faktiki qiymətdən iki dəfə çoxdur

İzahat: Maşın öyrənmə modelləri təlim məlumatlarının diapazonunda (interpolyasiya) əsaslı şəkildə işləyir; Bu diapazondan kənarda (ekstrapolyasiya) proqnozlar etibarsız olur və model çox vaxt bunu göstərmir. Təlim məlumatlarının paylanmasından kənar nöqtədə yaradılan dəyər eksperimental yoxlama olmadan istifadə edilə bilməz.

4. İki fazalı ərintidə faza nisbətini hesablamaq üçün AI tətbiq etdiniz. Süni intellekt “qolu qaydasını” tətbiq edərkən hansı girişdən düzgün istifadə etməlidir?

• A) Yalnız temperatur; birləşmələrə ehtiyac yoxdur
• B) Yalnız ərintinin sıxlığı
• C) Müvafiq temperaturda faza sərhədi tərkibləri olan ərintinin ümumi tərkibi ✔
• D) Yalnız ərimə temperaturu

İzahat: Qolu qaydası faza sərhədi kompozisiyaları (məsələn, bərk və maye fazanın tərkibləri) və verilmiş temperaturda ərintinin ümumi tərkibi arasındakı məsafələrdən istifadə edərək faza kəmiyyətlərini verir. Faza sərhədi birləşmələri səhv oxunsa, nisbət tamamilə səhv olacaq; Buna görə də, faza diaqramından dəyərlərin təsdiqlənməsi məcburidir.

5. Siz süni intellektlə işləyən görüntü emal axını ilə mikrostrukturdan taxıl ölçüsünü ölçdünüz, lakin miqyas çubuğunu pikselə kalibrləməyi unutmusunuz. Nəticə niyə etibarsızdır?

• A) Piksel uzunluğunun kalibrlənməsi həyata keçirilmədiyi üçün bütün ölçülü ölçmələr səhv miqyasdadır ✔
• B) Rəngli təsvirdən istifadə olunduğu üçün ölçmə pozulur
• C) Taxıl ölçüsü yalnız SEM ilə ölçülə bilər, optik mikroskopiya qeyri-dəqiqdir
• D) Təsvirin ayırdetmə qabiliyyəti yüksək olduğu üçün ölçməyə ehtiyac yoxdur

Təsvir: Kəmiyyət metaloqrafiyasında hər piksel uzunluğa uyğundur; Bu transformasiya miqyas çubuğu ilə kalibrlənməzsə, taxıl ölçüsü, faza nisbəti və məsaməlilik kimi bütün ölçülü ölçülər səhv miqyasda görünəcək. Kalibrləmə görüntüyə əsaslanan ölçmənin ilk və məcburi addımıdır.

6. AI polad üçün hədəf sərtliyə nail olmaq üçün istilik müalicəsi reseptini (austenitizing + söndürmə + temperləşdirmə) təklif etdi. Resepti tətbiq etməzdən əvvəl ən yaxşı addım hansıdır?

• A) Reseptin birbaşa kütləvi istehsala tətbiqi
• B) Resepti sınaq parçasına tətbiq edin, sərtliyi/mikrostrukturunu ölçün və standartla müqayisə edin ✔
• C) Təhlükəsiz tərəfdə istiləşmə temperaturunu təsadüfi olaraq artırın
• D) Yalnız reseptin orfoqrafiyasının düzəldilməsi və təsdiq edilməsi

Təsvir: İstilik müalicəsi nəticəsində; Hissə hissəsinin qalınlığı, sərtləşmə qabiliyyəti (Jominy) soba və soyutma mühitinin reallığı ilə güclü şəkildə dəyişir. AI tərəfindən verilən resept ilkin fərziyyədir; Onu sınaq parçasına tətbiq etməklə, sərtliyi və mikro quruluşunu ölçməklə və standartla müqayisə etməklə yoxlanılmalıdır.

7. Siz AI-dan maddi limit dəyəri üçün ASTM standartının “xüsusi maddə nömrəsini” soruşdunuz və o, dəqiq dəyərlə cavab verdi. Düzgün mühəndis davranışı nədir?

• A) Süni intellekt aktual olduğu üçün dəyərin birbaşa hesabata yazılması
• B) Təhlükəsiz tərəfdə qalmaq üçün dəyərin təsadüfi dəyişdirilməsi
• C) Rəsmi və cari standart mətndən maddə nömrəsini, versiyasını və dəyərini yoxlayın ✔
• D) Maddə nömrəsini yoxlamadan uyğunluq faylına əlavə etmək

İzahat: Dil modelləri standart adı düzgün bilsələr belə, məqalə nömrəsini, versiyasını və kəsilmə nöqtəsini səhv xatırlaya və ya düzəldə bilərlər. ASTM/ISO/EN kimi məcburi sahələrdə hər bir maddə və dəyər rəsmi və cari mənbədən hərfi təsdiqlənməlidir; AI çıxışı yalnız hara baxmaq lazım olduğunu göstərir.

8. Siz AI-yə boltun qırıq səthinin fotosunu göstərdiniz və “bu, mütləq yorğunluq sınığıdır” cavabını aldınız. Kök səbəb analizinə düzgün yanaşma hansıdır?

• A) Diaqnozun birbaşa hesabata yazılması, çünki AI dəqiq danışır
• B) Yalnız fotoşəkilin ayırdetmə qabiliyyətini artırın və diaqnozu təsdiqləyin
• C) Qırılan səthi yoxlamadan yeni hissənin quraşdırılması
• D) Fraktoqrafiya, yük tarixi və mikrostruktur sübutları ilə diaqnozu hipotez kimi təsdiqləyin ✔

Təsvir: Qırıq səthin təfsiri; Fraktoqrafiya (zolaq, çimərlik xətləri, SEM ilə çuxurun/yarılmaların ayrılması) yük tarixi, ətraf mühit və mikro struktur sübutlarının birlikdə nəzərə alınmasını tələb edir. Süni intellektin tək bir fotoşəkildən qoyduğu qəti diaqnoz fərziyyədir; Laboratoriya nəticələri ilə təsdiqlənmədən əsas səbəb elan edilə bilməz.

9. Süni intellekt XRD (X-şüalarının difraksiyası) modelində müəyyən bir fazaya pik təyin etdi. Faza identifikasiyasını etibarlı etmək üçün ən uyğun üsul hansıdır?

• A) Pik nöqtəsinin istinad nümunəsi verilənlər bazasına uyğunlaşdırılması (məsələn, PDF kartları) və üst-üstə düşmə və artefaktların yoxlanılması ✔
• B) AI mərhələ adını dediyi üçün tapşırığı birbaşa qəbul etmək
• C) Yalnız ən yüksək zirvəni nəzərə alaraq, qalanlarına məhəl qoymadan
• D) Naxışı rəngləyin və vizual olaraq gözəl edin

Təsvir: XRD mərhələsinin identifikasiyası ölçülmüş pik mövqeləri və intensivlikləri məlum istinad nümunələri ilə (məsələn, ICDD/PDF kartları) uyğunlaşdırmaqla həyata keçirilir. Ayrı-ayrılıqda bir zirvə təyin etmək yanıltıcıdır; üst-üstə düşən zirvələr, üstünlüklü oriyentasiya və fon artefaktları nəzərə alınmalı və tapşırıq istinad bazası ilə təsdiqlənməlidir.

10. Süni intellekt tərəfindən hazırlanmış zərər/təftiş hesabatı layihəsi maye, lakin mənşəyi bilinməyən texniki dəyərləri ehtiva edir. Doğru davranış nədir?

• A) Mətnin səlis olduğu üçün hesabatı olduğu kimi təqdim etmək
• B) Qiymətlərin yuvarlaqlaşdırılması və parlaqlaşdırılması
• C) Sadəcə xülasəni oxuyun və qalanını keçin
• D) Hər bir dəyəri orijinal ölçmə/mənbə ilə uyğunlaşdırın və təsdiqlənməmiş ✔ çıxarın

Təsvir: Hesabatda hər bir texniki dəyər; Ölçmə, kalibrlənmiş cihaz qeydləri, standart və ya istehsalçı məlumatlarına görə izlənilə bilən olmalıdır. Səlis cümlədə dəyər olsa belə, mənbəsi yoxlanılmamış heç bir rəqəm hesabat və ya qərar əsasına daxil edilməməlidir; Əks halda, məsuliyyət yaradan sənədə qondarma dəyər keçir.

11. Süni intellektlə yaradılan Python hesablamasından istifadə etməzdən əvvəl ən yaxşı addım hansıdır (məsələn, taxıl ölçüsü-məhsul gücü üçün Hall-Petch əlaqəsi)?

• A) Kodun birbaşa faktiki istehsal məlumatlarına tətbiqi
• B) Sadəcə kodun qısa və səliqəli göründüyünə əmin olun
• C) Kodu məlum nəticələrlə sınaq ssenarisində işlədin və vahidləri və çıxışı yoxlayın ✔
• D) Qısaldılması üçün kodun bir hissəsinin silinməsi

İzahat: Kod düzgün görünə bilər, lakin yanlış nəticə verə bilər: vahid xətası, səhv əmsal və ya düstur xətası ola bilər. Nəticəni əl ilə bildiyiniz kiçik bir test vəziyyətində kodu işlətmək və onu gözlənilən nəticə ilə müqayisə etmək və vahidləri yoxlamaq səhvi faktiki qərara keçməzdən əvvəl tutur.

12. Siz şirkətinizin hələ patentləşdirilməmiş ərintisi reseptini və emal parametrlərini ictimaiyyətə açıq olan AI alətinə və sorğu analizinə yapışdırmaq istəyirsiniz. Ən doğru yanaşma hansıdır?

• A) Daha sürətli etmək üçün resepti olduğu kimi yapışdırmaq
• B) Sadəcə şirkət adını silmək və qalan bütün parametrləri paylaşmaq kifayətdir.
• C) Məlumatların paylaşılması və sonra AI-dən onu silməsini xahiş etmək
• D) İnstitusional siyasətin yoxlanılması və məlumatların anonimləşdirilməsi və ya təhlükəsiz/institusional alətdən istifadə edilməsi ✔

Təsvir: Ərinti resepti, proses parametrləri və müştəri spesifikasiyası ticarət sirri və əqli mülkiyyətə həssasdır. Məlumatları paylaşmazdan əvvəl korporativ siyasəti yoxlamaq, onu anonimləşdirmək və ya məlumatları göndərməyən institusional/yerdə alətdən istifadə etmək lazımdır.

13. Süni intellektlə işləyən SPC (statistik prosesə nəzarət) sistemi istehsal partiyasında nəzarət qrafiki limitinin keçdiyini qeyd etdi. Düzgün mühəndis davranışı nədir?

• A) Xəbərdarlığa məhəl qoymayın və istehsalı davam etdirin
• B) Heç bir xəbərdarlıq baş verməməsi üçün nəzarət limitlərinin genişləndirilməsi
• C) Xəbərdarlığı tetikleyici hesab edin, ölçməni təsdiqləyin, əsas səbəbi araşdırın və qəbul meyarları ilə qərar verin ✔
• D) Ölçmədən bütün partiyanın birbaşa hurdaya çıxarılması

İzahat: Nəzarət qrafiki həddini aşmaq xəbərdarlıqdır; Kök səbəb avtomatik olaraq aydın deyil. Bu, ölçmə xətası, seçmə problemi və ya faktiki proses sürüşməsi ola bilər. Düzgün yanaşma, xəbərdarlığı tetikleyici hesab etmək, ölçməni təsdiqləmək, kök səbəbi araşdırmaq və qəbul meyarları və NDT/imtahan nəticəsi əsasında qərar verməkdir.

14. Döküm hissəsində süni intellektlə təsvirin qiymətləndirilməsi zonanı “məqbul” olaraq qeyd etdi. Təhlükəsizlik baxımından kritik hissə üçün düzgün yanaşma hansıdır?

• A) Süni intellekt üzrə ilkin qiymətləndirməni yoxlama vasitəsi kimi nəzərdən keçirmək və yekun qəbulu NDT nəticəsi və səlahiyyətli təsdiqlə əlaqələndirmək ✔
• B) AI qiymətləndirməsini yekun qəbul kimi nəzərdən keçirin və hissəni təsdiqləyin
• C) Hissəni ümumiyyətlə yoxlamadan növbəti prosesə keçmək
• D) Hissənin səthini sadəcə vizual yoxlamaq kifayətdir.

Təsvir: Döküm daxili qüsurları (məsaməlik, büzülmə, daxilolmalar) tez-tez səthdən görünmür və dağıdıcı olmayan sınaqlarla (NDT: rentgenoqrafiya, ultrasəs) qiymətləndirilir. AI-nin görüntü vasitəsilə verdiyi ilkin qiymətləndirmə bir seçim vasitəsidir; Təhlükəsizlik baxımından kritik hissənin yekun qəbulu NDT və standarta uyğun olaraq səlahiyyətli yoxlama təsdiqi ilə verilir.