Gevinster:
- Evne til at producere scripts, der renser og visualiserer signal-, log- og telemetridata med Python, med AI-understøttelse
- Evne til at genkende datakvalitet, overlæring og ekstrapolationsrisici, når man bygger simple forudsigelses- og anomalimodeller
- Evne til at verificere AI-genereret kode og resultat med enhedskontrol, referencedata og teknisk plausibilitet
Modul eksamen
1. En praktikant beder AI-chatværktøjet om den nødvendige forsyningsstrøm til en LNA (lavstøjsforstærker) og skriver den resulterende værdi på '15 mA' direkte ind i strømbudgettabellen. Hvad er den grundlæggende fejl i denne tilgang?
- A) Den aktuelle værdi skal komme fra databladet og driftstilstanden for den valgte komponent; Antallet, der genereres af AI'en, kan være en fabrikation uden kilde ✔
- B) Det skulle være blevet bedt om at AI i µA i stedet for mA
- C) Værdien er korrekt, kun enhedsstavningen skulle være blevet rettet
- D) Det er nok at stille AI det samme spørgsmål tre gange og tage gennemsnittet
Forklaring: Sprogmodellen kender ikke dataarket for den specifikke komponent, du har valgt; producerer et tal, der virker mest sandsynligt (hallucination). Forsyningsstrømmen kommer kun fra databladet og driftstilstanden for den anvendte del; AI-output kan ikke komme ind i tabellen uden validering.
2. Hvad muliggør 'risikobaseret klassificering' i brugen af AI i elektronik/kommunikationsarbejde?
- A) Reduktion af abonnementsgebyret for AI-værktøjet
- B) Bestem rollen for AI og den obligatoriske verifikationsdybde i henhold til opgavens risikoniveau ✔
- C) Spørgsmål skal skrives kortere
- D) Uddeleger automatisk alle beslutninger til AI
Forklaring: Ikke alle missioner er på samme risikoniveau. At klassificere opgaven som lav/middel/høj/kritisk afgør, hvilket output der frit kan benyttes, og hvilket kræver måling, simulering og kvalificeret ingeniørgodkendelse.
3. Hvad siger Nyquist samplingskriteriet i signalbehandling, og hvad sker der, hvis det overtrædes?
- A) Samplingsfrekvensen skal være mindst det dobbelte af den højeste frekvens; Ellers vil aliasing forekomme, og signalet vil blive irreversibelt forringet ✔
- B) Jo lavere samplingsfrekvens, jo højere opløsning
- C) Sampling er kun nødvendig for analoge signaler, ikke digitale
- D) Nyquist-kriteriet bestemmer kun støjniveauet
Forklaring: For nøjagtigt at gendanne et signal skal samplingsfrekvensen være mindst det dobbelte af den højeste frekvens i signalet. Hvis denne betingelse ikke er opfyldt, vises høje frekvenser som lave frekvenser; Dette kaldes aliasing, og dataene er permanent beskadiget.
4. Hvad er den bedste tilgang, når AI foreslår et PCB-layout?
- A) Sender det AI foreslåede layout direkte til produktion
- B) Evaluer forslaget som en tjekliste/opstart, der skal verificeres af DRC, simulering og prototypemåling ✔
- C) Kopiering af AI-tekst uden nogensinde at åbne databladene
- D) Ignorerer regler for signalintegritet, fordi AI afviser dem
Beskrivelse: AI kan genkalde generelle layout- og signalintegritetsprincipper (kort returvej, referenceplan, afkoblingskondensatorplacering); det endelige layout er dog verificeret af DRC (design rule checking), simulering og prototypemåling. AI-outputtet er en tjekliste og udgangspunkt.
5. Hvad betyder 'EIRP' i RF-linkbudget?
- A) Effektiv udstrålet effekt, som kombinerer senderens effekt og antenneforstærkningen ved at fratrække tab ✔
- B) Absolut værdi af støjgulvet ved modtageren
- C) Fysisk størrelse af antennen
- D) Karakteristisk impedans af kablet
Forklaring: EIRP (Effective Isotropic Radiated Power) er den effektive effekt, der udstråles af en isotrop antenne, kombineret med senderens udgangseffekt og antenneforstærkningen minus kabel-/stiktabene. Link budget og lovgivningsmæssige grænser afhænger i høj grad af EIRP; den endelige værdi verificeres ved måling og regulering.
6. Hvad betyder det, når AI finder en 'anomali' i temperatur og aktuelle data i forudsigelig vedligeholdelse?
- A) Bevis på, at udstyret definitivt har fejlet
- B) En advarsel om, at data afviger fra det normale; Ikke en endelig fejldiagnose, men et tegn, der skal bekræftes ved markinspektion ✔
- C) Beordre, at udstyret automatisk skal lukkes ned
- D) Garantere, at data blev registreret forkert
Forklaring: En anomali er en afvigelse af data fra normal adfærd og kan indikere en funktionsfejl; men det er ikke en endelig diagnose. Beslutning om deaktivering eller udskiftning af kort/udstyr træffes med fysisk kontrol på stedet og godkendelse af driftslederen.
7. Hvilket er obligatorisk for sikkerhed/stabilitet før indlæsning af en AI-skrevet firmware interrupt service routine (ISR) kode i hardware?
- A) Implementer direkte til enheder i marken uden at læse koden
- B) Bare tjek at det er kompileret og installer det
- C) Læse koden, sende den gennem statisk analyse, kontrollere delt data/timingsikkerhed og teste den på hardware ✔
- D) At stole på det lille antal linjer i outputtet
Forklaring: AI-kode kan springe over at beskytte delte variabler (flygtige/atomicitet), sætte lang/blokerende operation i ISR eller bruge forkert register. Det er vigtigt at læse koden, køre den gennem statisk analyse og teste den under virkelige forhold på hardware; ISR kan være sikkerhedskritisk.
8. Hvad er det typiske forhold mellem BER (bitfejlfrekvens) og SNR (signal-til-støjforhold) i digital kommunikation, og hvad skal AI huske, når det tolkes?
- A) De to stiger altid sammen
- B) Der er ingen sammenhæng mellem dem
- C) Generelt, når SNR stiger, falder BER; faktiske værdier afhænger af modulering, kanal og kodning og skal verificeres ved simulering/måling ✔
- D) Sammenhængen er konstant og har samme numeriske værdi i alle systemer
Forklaring: Generelt, når SNR stiger, falder BER (fejlen falder, når signalet bliver stærkere i forhold til støj). AI kan forklare denne generelle tendens og teoretiske kurver, men faktiske værdier afhænger af modulationstype, kanal, kodning og hardware og skal verificeres ved simulering/måling; Den generelle kurve erstatter ikke den systemspecifikke sandhed.
9. Hvad er den mest passende brug, når man løser et I2C-kommunikationsproblem (enheden reagerer ikke) med AI?
- A) Angiv mulige årsager i en liste over hypoteser; At stille en endelig diagnose med analysator/oscilloskopmåling ✔
- B) Accepter den første årsag givet af AI som en definitiv fejl og udskift hardwaren.
- C) Indlæsning af koden foreslået af AI mange gange uden nogensinde at måle linjen
- D) Springer analysatormåling over og stoler udelukkende på AI-forudsigelse
Beskrivelse: AI kan udtrække mulige årsager (forkert adresse, mangel på pull-up-modstand, hastighedsmismatch, mangel på fælles grundlag, strid) som en systematisk liste over hypoteser. Den endelige diagnose stilles dog ved at måle linjen med en logisk analysator eller oscilloskop; AI-outputtet er et søgekort, ikke en endelig diagnose.
10. Ved optimering af mobilnetværk, hvad er den mest nøjagtige holdning til et 'forringelsestegn', som AI finder i RSRP/SINR-trenden?
- A) Ændring af live netværksparametre direkte baseret på AI-output
- B) Ignorer advarslen og fortsæt med at se
- C) Bekræft hovedårsagen gennem feltmåling/drevtest og netværksingeniøranalyse, og beslut derefter ✔
- D) Kun stole på AI og annullere feltmåling
Forklaring: Det kan tidligt signalere et muligt dæknings-/interferensproblem i AI KPI-trenden; dog bestemmes hovedårsagen (antennehældning, nabocelleinterferens, hardwarefejl) ved feltmåling/drevtest og analyse af netværksingeniøren. AI-outputtet er en scanningsalarm, ikke en beslutning om parameterændring.
11. Hvad er den mest nøjagtige tilgang til at håndtere en løsning foreslået af AI (f.eks. tilføjelse af ferritperler) i et EMC/EMI-studie?
- A) Erklæring af produktet kompatibelt direkte efter anvendelse af AI-anbefalingen
- B) Betragt forslaget som en mulig løsningshypotese og bekræft det med målinger i henhold til standardgrænsen i et akkrediteret laboratorium. ✔
- C) Fastsættelse af standardgrænserne med værdierne givet af AI
- D) Springer måling over og stoler kun på simulering
Beskrivelse: AI kan genkalde mulige interferensveje og typiske løsninger (filtrering, afskærmning, jording, kabelstyring). Beslutningen om egnethed træffes dog ved måling i et akkrediteret laboratorium i henhold til standardgrænsen (f.eks. CISPR/EN); AI-outputtet er en indledende hypotese, ikke en konditionserklæring.
12. Hvad er den mest robuste måde at forhindre AI i at få en opdigtet (hallucinatorisk) reference, når du beder den om del-/klausulnummeret til en standard såsom 3GPP eller IEEE 802.11?
- A) Stoler på varenummeret og tabelværdien givet af AI
- B) At stille det samme spørgsmål igen med forskellige ord
- C) Ser på et forumindlæg i stedet for standarden
- D) Åbning og bekræftelse af hver reference fra den aktuelle officielle tekst af standarden (korrekt udgivelse/version) og opnåelse af autoriseret godkendelse, når det er nødvendigt ✔
Forklaring: Selvom sprogmodellen korrekt kender navnet på standarden, kan den hallucinere sektionsnummer, tabelværdi og tekst; Derudover varierer værdierne mellem udgivelser. Hver reference skal åbnes og bekræftes fra den aktuelle officielle tekst til standarden, og om nødvendigt skal der indhentes autoriseret persons godkendelse.
13. Hvad er det mest kritiske tjek, før du kører et Python-signalanalysescript skrevet af AI?
- A) Læsning af koden og verifikation af sampling/enhedsmatching, test med et kendt referencesignal og kontrol af plausibiliteten af resultatet ✔
- B) Kørsel af koden direkte på hele datasættet uden at læse det
- C) Bare at se, at der ikke er nogen fejl og acceptere resultatet
- D) At stole på, at grafikken af outputtet er visuelt smuk
Beskrivelse: AI-koden kan forkert antage samplingsfrekvensen, blandingsenheder (Hz/kHz, V/mV), springe vinduesvisning/normalisering over eller uoverensstemmelseskolonner. Det er vigtigt at læse koden, verificere enheden og prøvetagningsparametrene, teste med et kendt referencesignal og kontrollere, om resultatet er fysisk plausibelt.
14. Hvad er den bedste fremgangsmåde med hensyn til privatliv og intellektuel ejendomsret, når du leverer designfiler eller kundenetværksdata til et skybaseret AI-værktøj?
- A) Indsæt alle rå design/mesh-data som de er
- B) Anonymiser kontekst og rengør følsomme design-/kunde-/måledata og brug virksomhedens, politik-kompatible værktøjer ✔
- C) Det antages, at levering af reel kunde- og IP-information er afgørende for resultatkvaliteten
- D) Ignorerer privatlivs- og immaterielle rettigheder overhovedet
Beskrivelse: Skematiske/PCB-filer, firmwarekilde, kundetopologi og abonnent-/måledata er følsomme i forhold til forretningshemmeligheder og lovgivning (KVKK/GDPR). Det er nødvendigt at anonymisere konteksten, rydde rigtige IP/MAC/koordinater/klientnavne, vælge virksomheds- og politikkompatibelt værktøj og overholde virksomhedens politik.