হুল ফর্ম ডিজাইন এবং হাইড্রোডাইনামিক বিশ্লেষণে এআই

লাভ:

• একটি কাঠামোগত বিন্যাসে এআইকে হুল ফর্ম, প্রতিরোধ এবং প্রপালশন প্যারামিটার দিয়ে প্রাথমিক আকার এবং নকশা আবিষ্কারের গতি বাড়ানোর ক্ষমতা
• AI সমর্থন সহ CFD (কম্পিউটেশনাল ফ্লুইড ডাইনামিকস) স্টাডি, নেটওয়ার্ক এবং বাউন্ডারি কন্ডিশন লজিকের সেটআপ সম্পর্কে জিজ্ঞাসা করার ক্ষমতা
• মডেল পরীক্ষা, অভিজ্ঞতামূলক পদ্ধতি এবং শারীরিক প্রশংসিততার সাথে AI এর হাইড্রোডাইনামিক ভবিষ্যদ্বাণী ক্রস-চেক করে ফিটিং সহগ এবং ফলাফল ক্যাপচার করার ক্ষমতা

একটি জাহাজের সমগ্র অর্থনীতি তার নিমজ্জিত আকারে লুকিয়ে থাকে। যখন হুল ফর্ম (হুল ফর্ম; জাহাজের জলের নীচে এবং পৃষ্ঠের হুলের জ্যামিতি) এমনকি এক মিলিমিটারও পরিবর্তিত হয়, তখন এটি যে জ্বালানী পোড়াবে, এটি যে মাল বহন করবে এবং নির্গমন বিল সেই জাহাজের সারাজীবনে পরিবর্তিত হবে। অতএব, ফর্ম ডিজাইন এবং হাইড্রোডাইনামিকস (নৌকাটির চারপাশে জলের প্রবাহের বিজ্ঞান এবং এটি যে শক্তিগুলি সৃষ্টি করে) সেই স্তরগুলি যেখানে নৌ প্রকৌশলের সবচেয়ে ব্যয়বহুল সিদ্ধান্ত নেওয়া হয়। কৃত্রিম বুদ্ধিমত্তা (AI) এই পর্যায়ে তিনটি কাজকে ত্বরান্বিত করে: প্রাথমিক আকার নির্ধারণ এবং নকশা অন্বেষণ, অভিজ্ঞতামূলক প্রতিরোধের পদ্ধতি ইনস্টল করা এবং কম্পিউটেশনাল ফ্লুইড ডাইনামিকস (CFD) অধ্যয়নের পরিকল্পনা।

তবে চলুন শুরু থেকেই এটিকে পেরেক দেওয়া যাক: কোনও প্রতিরোধের বক্ররেখা নেই, AI দ্বারা প্রদত্ত কোনও ফর্ম সহগ মডেল পরীক্ষা বা বৈধ পদ্ধতি দ্বারা নিশ্চিত না হয়ে একটি প্রপালশন সিদ্ধান্তে অনুবাদ করে। জল সূত্র পড়তে না; নৌকার প্রকৃত আচরণ শুধুমাত্র পরিমাপ এবং শারীরিক প্রশংসিততা দ্বারা জানা যায়। AI এখানে একটি এক্সিলারেটর এবং আইডিয়া জেনারেটর; হাইড্রোডাইনামিকস বাস্তবতার সাক্ষী নয়।

ধারণা: প্রতিরোধ: নৌকার উপর জলের দ্বারা প্রয়োগ করা বিরোধী শক্তি যখন এটি এগিয়ে যায়; এটি ঘর্ষণ, তরঙ্গ এবং ঘূর্ণি উপাদান নিয়ে গঠিত। ব্লক সহগ (Cb): এটির চারপাশের আয়তক্ষেত্রাকার প্রিজমের সাথে হুলের পানির নিচের আয়তনের অনুপাত; পূর্ণতা একটি পরিমাপ. ফ্রুড নম্বর (Fn): নৌকার দৈর্ঘ্যের সাথে গতি সম্পর্কিত মাত্রাহীন সংখ্যা; তরঙ্গ প্রতিরোধের নির্ধারণ করে। প্রপালশন দক্ষতা: ইঞ্জিন দ্বারা উত্পাদিত শক্তির কতটুকু কার্যকর থ্রাস্টে রূপান্তরিত হয়। EHP/DHP: কার্যকরী শক্তি (কার্যকর হর্স পাওয়ার, নৌকার প্রতিরোধকে অতিক্রম করার জন্য প্রয়োজনীয় শক্তি) এবং বিতরণ করা শক্তি (ডেলিভারড হর্স পাওয়ার, প্রপেলারে পৌঁছানো শক্তি)।

প্রাথমিক সাইজিং এবং ডিজাইন এক্সপ্লোরেশন

ফর্ম ডিজাইন একটি অনুসন্ধান সমস্যা: প্রধান মাত্রা (দৈর্ঘ্য Lpp, প্রস্থ B, খসড়া T), ফর্ম সহগ (Cb, প্রিজম্যাটিক সহগ Cp, মধ্য-বিভাগ সহগ Cm) এবং গতির মধ্যে অবিরাম সমন্বয় রয়েছে। শাস্ত্রীয় পদ্ধতিতে, ইঞ্জিনিয়ার অনুরূপ জাহাজের ডেটা থেকে শুরু করে (প্রধান দৈর্ঘ্যের সিরিজ, রিগ্রেশন সম্পর্ক)। AI এই আবিষ্কারকে ত্বরান্বিত করে: মিনিটের মধ্যে এটি কয়েক ডজন প্রার্থীর বড় আকারের সংমিশ্রণ, প্রতিটির আনুমানিক স্থানচ্যুতি এবং L/B, B/T অনুপাতগুলি সাধারণ সীমার মধ্যে পড়ে কিনা তা সারণী করে।

এখানে ধাপে ধাপে প্রক্রিয়া। প্রথম ধাপ হল মিশনের প্রয়োজনীয়তা ঠিক করা: কার্গো বহন করা হবে, পরিসীমা, পরিষেবার গতি, চ্যানেল/বন্দর সীমাবদ্ধতা (যেমন পানামা, সুয়েজ প্রস্থ-খসড়া সীমা)। দ্বিতীয় ধাপ হল অনুরূপ জাহাজের ডেটা সহ প্রথম প্রধান দৈর্ঘ্য মোটামুটি নির্ধারণ করা। তৃতীয় ধাপ হল গতি-আকৃতির অনুপাত (ফ্রুড নম্বর) অনুযায়ী যুক্তিসঙ্গত পরিসরের মধ্যে ফর্ম সহগ নির্বাচন করা। চতুর্থ ধাপ হল একটি পরীক্ষামূলক পদ্ধতির (যেমন হলট্রপ-মেনেন রিগ্রেশন) দ্বারা প্রতিরোধ ও শক্তির প্রাথমিক অনুমান করা। এই প্রতিটি ধাপে, AI সূত্র তৈরি করে এবং সংখ্যা তৈরি করে; কিন্তু এটা অপরিহার্য যে আপনি প্রতিটি সহগের উৎস জিজ্ঞাসা করুন এবং সাধারণ পরিসরের সাথে তুলনা করুন।

টিপ: যখন আপনার কাছে AI একটি ফর্ম সহগ সুপারিশ করে, তখন জিজ্ঞাসা করুন "এই ফ্রুড নম্বরের জন্য এই Cb মানটি কি সাধারণ; এটি কোন পরিসরে পড়া উচিত?" উদাহরণস্বরূপ, একটি উচ্চ-গতির আকারে, একটি সম্পূর্ণ Cb (0.80+) তরঙ্গ প্রতিরোধের বিস্ফোরণ ঘটায়; AI আপনাকে এটির কথা মনে করিয়ে দিতে পারে, তবে চূড়ান্ত পছন্দটি একই রকম জাহাজের ডেটা সহ আপনার।

সিএফডি সেটআপে অভিজ্ঞতামূলক পদ্ধতি এবং এআই

প্রাথমিক পর্যায়ে, প্রতিরোধকে মডেল পরীক্ষা-নিরীক্ষার পরিবর্তে অভিজ্ঞতামূলক রিগ্রেশন পদ্ধতি দ্বারা অনুমান করা হয়। হোলট্রপ-মেনেনের মতো পদ্ধতিগুলি এর উপাদানগুলির মধ্যে প্রতিরোধকে ভেঙে দেয়: ঘর্ষণ প্রতিরোধ, ফর্ম প্রভাব, তরঙ্গ প্রতিরোধ, স্ফীতি এবং বায়ু প্রতিরোধ, জাহাজের একটি বৃহৎ ডাটাবেস থেকে প্রাপ্ত সূত্র সহ। AI এই পদ্ধতির ধাপগুলি স্মরণ করে, মধ্যবর্তী সহগ গণনা করে এবং একটি স্প্রেডশীট কঙ্কাল তৈরি করে। কিন্তু পদ্ধতিটির বৈধতার সীমা রয়েছে: Holtrop নির্দিষ্ট Cb, Fn এবং L/B রেঞ্জের জন্য উদ্ভূত হয়; আপনি যদি এই সীমার বাইরে যান, ফলাফল অবিশ্বাস্য হবে। এআই আপনাকে এই সীমার কথা মনে করিয়ে দেবে; যদি তিনি আপনাকে মনে করিয়ে না দেন, আপনার জিজ্ঞাসা করা উচিত।

CFD এর দিকে, AI নিজেই সমাধানটি করে না, তবে এটি আপনাকে সেটআপটি জিজ্ঞাসা করতে সহায়তা করে: কোথায় জাল রেজোলিউশন শক্ত করা উচিত, সীমানা স্তরের জন্য প্রাথমিক সেল উচ্চতা (y+) কী হওয়া উচিত, কেন টার্বুলেন্স মডেল (যেমন k-ω SST) বেছে নেওয়া হয়েছে, কীভাবে অভিসারণ নিয়ন্ত্রণ করা যায়। এটি একটি শিক্ষক-ছাত্রের সংলাপ; যেটি সংখ্যাসূচক ফলাফল নিশ্চিত করে তা হল জাল স্বাধীনতা অধ্যয়ন (জাল স্বাধীনতা; আপনি যখন নেটওয়ার্ক টাইট করেন তখন ফলাফল পরিবর্তন হয় না) এবং যদি সম্ভব হয়, মডেল পরীক্ষা ক্রমাঙ্কন।

পদ্ধতি

কি দেয়

শক্তিশালী পয়েন্ট

সীমা/যাচাই

অনুরূপ জাহাজ/রিগ্রেশন

প্রথম বড় আকার, পাশবিক বল

খুব দ্রুত, ডেটা সস্তা

শুধুমাত্র অনুরূপ জ্যামিতির জন্য বৈধ

হোলট্রপ-মেনেন

উপাদান প্রতিরোধের বক্ররেখা

সামনে নকশা জন্য স্ট্যান্ডার্ড

Cb/Fn/L·B পরিসীমা সীমা; মডেল নিশ্চিতকরণ প্রয়োজন

সিএফডি

বিস্তারিত প্রবাহ, চাপ ক্ষেত্র

স্থানীয় প্রভাব দেখে

নেটওয়ার্ক এবং টার্বুলেন্স মডেলের প্রতি সংবেদনশীল; ক্রমাঙ্কন প্রয়োজন

মডেল পরীক্ষা (পুল)

প্রকৃত প্রতিরোধের পরিমাপ

সবচেয়ে নির্ভরযোগ্য

ব্যয়বহুল, সময়সাপেক্ষ; স্কেল প্রভাব সংশোধন

মিনি কেস

কেস 1 — লাগানো সংশোধন সহগ। একটি দল 620 kN হিসাবে 190 মিটার ট্যাঙ্কারের জন্য Holtrop সহ মোট টেনে গণনা করে। যখন তারা AI কে "ফলাফল উন্নত করতে" বলে, মডেলটি অজানা উত্সের একটি "0.80 ফর্ম সংশোধন গুণক" যোগ করে, প্রতিরোধকে 496 kN এ হ্রাস করে। এই 20% হ্রাস প্রায় একটি হোস্ট শ্রেণী দ্বারা প্রপালশন হ্রাস করে। দল গুণকের ভিত্তি সম্পর্কে জিজ্ঞাসা করে; এআই সূত্র উদ্ধৃত করতে পারে না। যখন তারা এটিকে মডেল টেস্ট ডেটার সাথে তুলনা করে, তারা দেখতে পায় যে প্রকৃত প্রতিরোধ প্রায় 610 kN। পাঠ: উৎস ছাড়া কোনো সংশোধন ফ্যাক্টর ফলাফলে প্রবেশ করে না।

কেস 2 — Froude সীমা অতিক্রম করা। 30 নট পরিষেবার গতির লক্ষ্যে একটি 50 মিটার ফেরির প্রতিরোধের গণনা করতে একজন ছাত্রের কাছে হলট্রপ আছে। এই দৈর্ঘ্য-গতির জন্য ফ্রুড সংখ্যা ~0.70 পর্যন্ত বৃদ্ধি পায়; ভাল Holtrop এর নির্ভরযোগ্য পরিসীমা উপরে. AI প্রথমে নির্দিষ্ট না করেই ফলাফল দেয়। যখন শিক্ষার্থী বৈধতার পরিসর সম্পর্কে জিজ্ঞাসা করে, তখন দেখা যাচ্ছে যে এই পদ্ধতিতে পদ্ধতিটি উপযুক্ত নয় এবং প্ল্যানার/সেমি-ডিসপ্লেসমেন্ট ফর্মের জন্য একটি ভিন্ন পদ্ধতি (সাভিটস্কি, ইত্যাদি) প্রয়োজন। পাঠ: প্রতিটি অভিজ্ঞতামূলক পদ্ধতির বৈধতা খামের প্রশ্ন করুন।

কেস 3 — নেটওয়ার্ক থেকে ত্রুটি। একটি CFD গবেষণায় AI একটি মোটা জাল দিয়ে প্রতিরোধের 540 kN দেয়। যখন ইঞ্জিনিয়ার নেটওয়ার্ক শক্ত করে এবং স্বাধীনতা অধ্যয়ন করে, ফলাফল 605 kN হয়; প্রাথমিক মান 11% কম ছিল কারণ আফ্ট ওয়েভ ক্ষেত্রটি পর্যাপ্তভাবে সমাধান করা হয়নি। পাঠ: নেটওয়ার্ক স্বাধীনতা অধ্যয়ন ছাড়া CFD ফলাফলকে নির্ভরযোগ্য বলে বিবেচনা করা যায় না।

অনুলিপিযোগ্য প্রম্পট টেমপ্লেট

টেমপ্লেট 1 — প্রি-সাইজিং এক্সপ্লোরেশন:

ভূমিকা: আপনি একজন জাহাজের প্রাথমিক নকশা পরামর্শদাতা। প্রসঙ্গ (প্রতিনিধি): একটি বাল্ক ক্যারিয়ারের জন্য পেলোড ~40,000 t, পরিষেবার গতি ~ 14.5 নট, সুয়েজ খসড়া সীমার মধ্যে। টাস্ক: 1) 4 জন প্রার্থীর প্রধান দৈর্ঘ্যের সংমিশ্রণের সুপারিশ করুন (Lpp, B, T)। প্রতিটি প্রার্থীর জন্য C/T, B/T, B/T, B/T, B/T/B, অ্যাপ স্থানান্তর করুন। ver.3) চিহ্নিত করুন কোন অনুপাতগুলি সাধারণ সীমার বাইরে পড়ে। সীমাবদ্ধতা: প্রতিটি সংখ্যার একক লিখুন; আপনি যে রিগ্রেশন/ডাটাবেস ব্যবহার করছেন তা নির্দিষ্ট করুন; চূড়ান্ত সিদ্ধান্ত নেবেন না, প্রার্থী জমা দিন।

টেমপ্লেট 2 — হলট্রপ প্রতিরোধক গণনা কনফিগার করা হচ্ছে:

Holtrop-Mennen পদ্ধতির সাথে একটি প্রাথমিক প্রতিরোধের গণনা কাঠামো সেট আপ করুন। ইনপুট (প্রতিনিধি): Lpp, B, T, Cb, Cp, পরিষেবার গতি, ভেজা এলাকা। আমি চাই: 1) প্রতিরোধের উপাদানগুলিকে আলাদাভাবে তালিকাভুক্ত করুন (ঘর্ষণ, ফর্ম, তরঙ্গ, অভিক্ষেপ, বায়ু)। 2) প্রতিটি উপাদানের জন্য আপনি যে সূত্র এবং সহগ ব্যবহার করেন তা লিখুন। 3) পদ্ধতির বৈধতা পরিসীমা নির্দিষ্ট করুন (Cb, Fn, L/B) এবং আমার ইনপুটগুলি এই পরিসরে আছে কিনা তা পরীক্ষা করুন। et.4) মডেল পরীক্ষার সাথে ফলাফল কিভাবে ক্রমাঙ্কন করতে হয় তা যোগ করুন।

টেমপ্লেট 3 — CFD সেটআপ ক্যোয়ারী:

আমি একটি নৌকা প্রতিরোধের CFD অধ্যয়ন স্থাপন করছি। ন্যায্যতা সহ নিম্নলিখিত সিদ্ধান্তগুলি ব্যাখ্যা করুন এবং মানগুলির একটি সাধারণ পরিসর দিন: - টার্বুলেন্স মডেল নির্বাচন এবং কারণ - কাছাকাছি-প্রাচীর সমাধান (y+ লক্ষ্য) এবং প্রাথমিক সেল উচ্চতা - বিনামূল্যে পৃষ্ঠ (VOF) সেটিংস - কীভাবে কনভারজেন্স এবং মেশ স্বাধীনতা চেক করবেন প্রতিটি পরামর্শের জন্য একটি "কীভাবে আমি এটি যাচাই করব" লাইন যুক্ত করুন৷

টেমপ্লেট 4 — ফলাফল যুক্তিসঙ্গততা পরীক্ষা:

নিম্নলিখিত প্রতিরোধ/শক্তি ফলাফলের সমালোচনা করুন: [EHP, DHP, গতি, প্রতিরোধের মানগুলি পেস্ট করুন] 1) এই আকারের জাহাজের জন্য মাত্রার ক্রমটি কি সাধারণ? 2) আপনার প্রপালশন দক্ষতা অনুমান কি যুক্তিসঙ্গত (সাধারণত 0.55-0.70)? 3) গণনা করুন, এটি কোন গতিশীলতা থেকে চিহ্নিত হয়েছে, 4 এর স্থিতিশীলতা চিহ্নিত করা হয়েছে? সন্দেহজনক বা ভিত্তিহীন মান।

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট:

এই নৌকার জন্য সর্বোত্তম ফর্ম এবং প্রতিরোধের বক্ররেখা দিন।

শক্তিশালী প্রম্পট:

ভূমিকা: আপনি একজন হাইড্রোডাইনামিক প্রিলিমিনারি ডিজাইন কনসালটেন্ট। প্রসঙ্গ (প্রতিনিধি, প্রকৃত প্রকল্প নয়): Lpp ~180 m, B ~ 32 m, T ~ 12.5 m, Cb ~ 0.84, পরিষেবার গতি ~ 14.5 নট। টাস্ক: হোলট্রপ পদ্ধতি দ্বারা উপাদান প্রাথমিক প্রতিরোধের অনুমান; প্রতিটি সহগের উৎস এবং পদ্ধতির বৈধতা পরিসীমা লিখুন। সীমাবদ্ধতা: উৎস ছাড়া সংশোধন ফ্যাক্টর যোগ করুন। মডেল টেস্টিং এর মাধ্যমে কিভাবে ফলাফল যাচাই করতে হবে এবং আমাকে কি পরিমাপ নিতে হবে তা তালিকাভুক্ত করুন। রাজ্য ইউনিট (kN, kW, knots) স্পষ্টভাবে।

দুর্বল প্রম্পট ফর্মটি "সেরা" অনির্ধারিত রেখে যায় এবং এর বৈধতার প্রয়োজন হয় না; শক্তিশালী প্রম্পটটি প্রসঙ্গ, পদ্ধতি, বৈধতার সীমা এবং যাচাইকরণ পথের অনুরোধ করে।

সাধারণ ভুল

• বৈধতা খাম উপেক্ষা করা. হোলট্রপ বা অন্য কোন রিগ্রেশন ব্যবহার করা সীমার বাইরে যা থেকে এটি উদ্ভূত হয়েছিল তা যুক্তিসঙ্গত-সুদর্শন কিন্তু ভুল প্রতিরোধ দেয়।
• একটি আনসোর্স সংশোধন ফ্যাক্টর গ্রহণ. "উন্নতি" বলুন এবং AI যে ক্ষীণ সহগ যোগ করে তা নীরবে ফলাফলকে বিকৃত করে।
• নেটওয়ার্কের স্বাধীনতা ছাড়াই CFD ব্যবহার করা। মোটা জাল কঠোর তরঙ্গ এবং ঘূর্ণি ক্ষেত্রের সমাধান করতে পারে না; প্রতিরোধ ক্ষমতা কম হয়।
• স্কেল প্রভাব ভুলে যাওয়া। সম্পূর্ণ স্কেলে যাওয়ার সময় মডেল পরীক্ষার ফলাফলের জন্য ঘর্ষণ সংশোধন (ITTC পদ্ধতি) প্রয়োজন; AI এটিকে বাইপাস করতে পারে।
• আশাবাদীভাবে প্রেরণ দক্ষতা গ্রহণ. এমনকি যদি প্রতিরোধ সঠিক হয়, একটি অত্যধিক আশাবাদী ড্রাইভ দক্ষতা প্রয়োজনীয় মেশিনের শক্তিকে অবমূল্যায়ন করে।

সংক্ষেপে

AI হুল ফর্ম আবিষ্কার, অভিজ্ঞতামূলক প্রতিরোধের গণনা সেটআপ এবং CFD রান পরিকল্পনাকে ত্বরান্বিত করে; কয়েক ডজন প্রার্থীর ফর্ম কয়েক মিনিটের মধ্যে তুলনীয় করে তোলে। কিন্তু প্রতিটি অভিজ্ঞতামূলক পদ্ধতির একটি বৈধতা খাম থাকে, প্রতিটি CFD ফলাফলের একটি নেটওয়ার্ক নির্ভরতা থাকে এবং প্রতিটি পূর্ণ-স্কেল অনুমানের একটি স্কেল সংশোধন থাকে। AI দ্বারা উত্পাদিত প্রতিরোধ এবং শক্তির মানগুলি মডেল পরীক্ষা, অভিজ্ঞতামূলক নিশ্চিতকরণ এবং শারীরিক প্রশংসিততার ফিল্টারটি অতিক্রম করার পরে শুধুমাত্র একটি রেফারেল সিদ্ধান্তে অনুবাদ করা যেতে পারে।

আবেদন টাস্ক

একটি প্রতিনিধি জাহাজের জন্য (যেমন Lpp ~ 150 m, B ~ 25 m, T ~ 9 m, Cb ~ 0.75, গতি ~ 15 নট), Holtrop পদ্ধতি ব্যবহার করে প্রাথমিক ড্র্যাগ এবং EHP গণনা করুন। তারপর "উপসংহার প্রশংসনীয়তা পরীক্ষা" টেমপ্লেটটি প্রয়োগ করে মাত্রার ক্রম এবং প্রেরণ দক্ষতা অনুমান অনুসন্ধান করুন৷ পদ্ধতির বৈধতার পরিসরের জন্য AI-কে জিজ্ঞাসা করুন এবং আপনার ইনপুটগুলি এই সীমার মধ্যে আছে কিনা তা পরীক্ষা করুন। অন্তত একটি অসঙ্গতি আপনি খুঁজে পেয়েছেন এবং কিভাবে আপনি এটি অর্ধেক পৃষ্ঠায় যাচাই করেছেন তা রিপোর্ট করুন।

চেকলিস্ট

• [ ] আমি আমার ইনপুটগুলির সাথে ব্যবহার করা অভিজ্ঞতামূলক পদ্ধতির বৈধতার পরিসরের তুলনা করেছি৷
• [ ] আমি জিজ্ঞাসা করেছি এবং এআই যোগ করা প্রতিটি সংশোধন ফ্যাক্টরের উত্স নিশ্চিত করেছি।
• [ ] আমি প্রতিরোধ এবং শক্তির ফলাফলকে একটি সাধারণ জাহাজের সাথে মাত্রার অর্ডারের সাথে তুলনা করেছি।
• [ ] আমি যদি CFD ব্যবহার করি, আমি নেটওয়ার্ক স্বাধীনতা অধ্যয়নের পরিকল্পনা/সম্পাদনা করেছি।
• [ ] আমি যাচাই করেছি যে প্রেরণ দক্ষতা অনুমান একটি যুক্তিসঙ্গত সীমার মধ্যে রয়েছে৷
• [ ] আমি মডেল পরীক্ষা/প্রমাণিত পদ্ধতির উপর চূড়ান্ত প্রপালশন সিদ্ধান্তের উপর ভিত্তি করে।