Κέρδη:
- Δυνατότητα σάρωσης IEC, TS και σχετικών κανονισμών με AI και εφαρμογή πειθαρχίας επαλήθευσης από επίσημες πηγές
- Δυνατότητα παραγωγής μηχανικών υπολογισμών και προσομοιώσεων με Python και έλεγχος των αποτελεσμάτων σε τάξεις μεγέθους
- Κατανοήστε ότι η έξοδος AI δεν υποκαθιστά την έγκριση μηχανικού όσον αφορά την ηλεκτρική ασφάλεια, την ευθύνη και την ηθική.
Σε αυτήν την τελική ενότητα, συνδυάζουμε τα τρία κρίσιμα σκέλη της ενότητας: επιτάχυνση προτύπων και έρευνα κανονισμών με τεχνητή νοημοσύνη, αλλά επαλήθευση από την επίσημη πηγή. Παραγωγή μηχανικών υπολογισμών και προσομοιώσεων με Python και έλεγχος τους κατά σειρά μεγέθους. και πάνω απ 'όλα, η κατανόηση ότι η έξοδος AI δεν υποκαθιστά την ηλεκτρική ασφάλεια και την έγκριση μηχανικού. Τα πρότυπα στα ηλεκτρικά και ηλεκτρονικά (σειρές IEC, TS, EN, σχετικοί κανονισμοί εγκατάστασης και προϊόντων) δεν είναι απλώς γραφειοκρατία. Είναι το νομικό πλαίσιο για την ασφάλεια της ζωής και τη συμμόρφωση. Η τεχνητή νοημοσύνη είναι ισχυρή στη σάρωση αυτού του πλαισίου, αλλά είναι επίσης εκεί που είναι πιο επιρρεπής σε παραισθήσεις. Η σωστή χρήση είναι να παίρνεις την ταχύτητα από το AI και την ακρίβεια και την ευθύνη από τον μηχανικό.
Έρευνα προτύπων και κανονισμών: Γρήγορη σάρωση, επίσημη επαλήθευση
Τα τυπικά κείμενα είναι μεγάλα, τεχνικά και αλληλοαναφορικά. Η τεχνητή νοημοσύνη σάς δίνει έναν γρήγορο οδικό χάρτη για ερωτήσεις όπως "ποιο πρότυπο καλύπτει αυτό το θέμα, ποιο άρθρο πρέπει να κοιτάξω, ποια είναι η βασική απαίτηση;" Αλλά οι αριθμοί στοιχείων, οι τιμές του πίνακα και τα όρια που δίνονται από την AI πρέπει να επαληθεύονται ακριβώς από το επίσημο και το τρέχον κείμενο.
Προσοχή: Τα γλωσσικά μοντέλα είναι ένας από τους τομείς όπου σχηματίζονται ως επί το πλείστον τυπικοί αριθμοί στοιχείων και αριθμητικά όρια (παραισθήσεις). Δηλώσεις όπως "Σύμφωνα με το IEC 60364 ρήτρα 4.3..." ακούγονται αξιόπιστες, αλλά ο αριθμός ή η τιμή της ρήτρας μπορεί να είναι εσφαλμένες. Χρησιμοποιήστε την έξοδο του AI ως "πυξίδα για να μου δείξετε πού να κοιτάξω". Ποτέ μην βασίζετε την απόφαση στον αριθμό που θυμάται η AI.
Μια ροή εργασίας για την πειθαρχία επαλήθευσης:
1) Να σαρώσει η τεχνητή νοημοσύνη το θέμα: "Ποια οικογένεια προτύπων αφορά αυτό το θέμα, ποιες επικεφαλίδες πρέπει να κοιτάξω;" (οδικός χάρτης)2) Ζητήστε μια ετικέτα «απαιτούμενη πηγή» για κάθε ουσία/τιμή που προτείνεται από το AI.3) Ανοίξτε το επίσημο πρότυπο κείμενο (τρέχουσα έκδοση από το ίδρυμα/εκδότη).4) Συγκρίνετε τον αριθμό ουσίας, το εύρος και την τιμή ΑΚΡΙΒΩΣ.5) Διορθώστε οτιδήποτε δεν ταιριάζει υπέρ του επίσημου κειμένου, όχι του AI.6) Επιβεβαιώστε ότι το τρέχον πρότυπο.
Αδύναμη προτροπή / Ισχυρή προτροπή
ΑΔΥΝΑΤΗ: "Με ποιο πρότυπο πρέπει να συμμορφώνεται αυτό το πλαίσιο, πείτε μου τις τιμές." (Αποτέλεσμα: υπάρχει υψηλός κίνδυνος κατασκευασμένων αριθμών και αριθμών άρθρων.) ΙΣΧΥΟΣ: "Συνοψίστε ποιες τυπικές οικογένειες που σχετίζονται με τη σχεδίαση του πίνακα χαμηλής τάσης πρέπει να κοιτάξω και ποιο θέμα καλύπτει το καθένα. Δώστε μου μια ΛΙΣΤΑ ΕΛΕΓΧΟΥ: "επαληθεύστε αυτό το θέμα έναντι αυτού του προτύπου". ΜΗΝ δίνετε τον ακριβή αριθμό του άρθρου ή το αριθμητικό όριο. Θα βεβαιωθείτε ότι δεν το επιβεβαιώσω από το επίσημο κείμενο."
Αυτή η προτροπή κατευθύνει το AI στην εργασία στην οποία είναι ισχυρότερη (χάρτης θεμάτων και λίστα ελέγχου) και την κρατά μακριά από την εργασία στην οποία είναι πιο αδύναμη (ανάκληση ακριβούς αριθμού).
Υπολογισμός και προσομοίωση με Python: Δημιουργία, Έλεγχος με Κατάταξη
Η Python κάνει τους μηχανικούς υπολογισμούς αναπαραγώγιμους και ελέγχους. Το AI μπορεί να γράψει κώδικα για εσάς. Αλλά πάντα δοκιμάζετε το αποτέλεσμα με έναν έλεγχο λογικής. Ένα παράδειγμα: απλός υπολογισμός απώλειας και απόδοσης για έναν μετασχηματιστή.
# Απλός υπολογισμός φορτίου/απώλειας μετασχηματιστή (για λόγους επαλήθευσης) απώλεια (W) - λόγος φορτίου από το φύλλο δεδομένων = 0,8 Τάξης 1360 Wprint(f"Απόδοση: %{efficiency:.2f}") # ~ Της τάξης του 98%
Εδώ, ο έλεγχος εμβέλειας σώζει ζωές: Σε έναν μετασχηματιστή 100 kVA, η συνολική απώλεια θα πρέπει να είναι της τάξεως των λίγων kW και η απόδοση θα πρέπει να είναι της τάξης του 97-99%. Εάν ο κωδικός δίνει απώλεια 500 kW ή απόδοση 50%, υπάρχει σίγουρα σφάλμα μονάδας ή τύπου (π.χ. ανάμειξη kW με W). Κυνηγήστε τις εισόδους και τον τύπο μέχρι το αποτέλεσμα να είναι εντός λογικού εύρους.
Συμβουλή: Πριν γράψετε κάθε αποτέλεσμα Python στην αναφορά, αναρωτηθείτε: "Είναι φυσικά εφικτός αυτός ο αριθμός; Είναι το μέγεθός του εντός του εύρους που αναμένω;" Ο κώδικας μπορεί να εκτελείται χωρίς σφάλματα, αλλά με λάθος μονάδα μπορεί να παράγει ένα εντελώς λάθος αποτέλεσμα. Ο έλεγχος παραγγελιών είναι το φθηνότερο και πιο ισχυρό εργαλείο για τον εντοπισμό αθόρυβων σφαλμάτων μονάδας.
Στις προσομοιώσεις (SPICE, έλεγχος, ροή ισχύος) ο κανόνας είναι ο ίδιος: η προσομοίωση είναι τόσο καλή όσο το μοντέλο σας. Οι ιδανικές υποθέσεις (χωρίς απώλειες, χωρίς καθυστέρηση, γραμμικές) μπορεί να αποκλίνουν από την πραγματικότητα. Συγκρίνετε το αποτέλεσμα της προσομοίωσης με έναν απλό αναλυτικό υπολογισμό ή/και πραγματική μέτρηση, αν είναι δυνατόν.
Ασφάλεια, υπευθυνότητα και ηθική: Η τεχνητή νοημοσύνη δεν αντικαθιστά την πιστοποίηση μηχανικού
Αυτό είναι το πιο σημαντικό μήνυμα αυτής της ενότητας: Η έξοδος AI δεν πρέπει ποτέ να αντικαθιστά την κρίση και την υπογραφή του μηχανικού στην ηλεκτρική και ηλεκτρονική μηχανική. Αυτό έχει τρία πόδια:
- Ασφάλεια. Η ηλεκτρική εργασία φέρει την ασφάλεια της ζωής και της περιουσίας. Μια εσφαλμένη λογική ενότητας, προστασίας ή ασφάλειας προκαλεί πραγματικό κακό. Το AI δίνει ταχύτητα. Ο μηχανικός αναλαμβάνει την απόφαση και την ευθύνη σχετικά με το εάν είναι ασφαλές.
- Ευθύνη. Ο μηχανικός που εγκρίνει, υπογράφει και αναθέτει μια μελέτη είναι νομικά και επαγγελματικά υπεύθυνος. Το "AI πρότεινε αυτό" δεν είναι άμυνα. Δεν μπορεί να μεταβιβαστεί η ευθύνη.
- Ηθική και διαφάνεια. Αντί να αποκρύψετε τη χρήση της τεχνητής νοημοσύνης, τεκμηριώστε τον τρόπο με τον οποίο επικυρώνεται η έξοδος. Μην παρουσιάζετε καμία μη επαληθευμένη τιμή ως "ακριβή". Δηλώστε ειλικρινά την αβεβαιότητα.
Αναζήτηση
Το AI κάνει
Ο μηχανικός κάνει/εγκρίνει
Τυπική σάρωση
Οδικός χάρτης, λίστα ελέγχου
Επαληθεύει το στοιχείο/την τιμή από την επίσημη πηγή
Υπολογισμός/προσομοίωση
Κωδικός, πρώτο αποτέλεσμα
Επαληθεύει κατά παραγγελία, μονάδα, μέτρηση
Προστασία/ασφάλεια
πρόταση, σενάριο
Τελική επιλογή και υπογραφή
θέση σε λειτουργία
Πρόχειρο λίστας ελέγχου
Μέτρηση και επιβεβαίωση επί τόπου
Μίνι θήκη
Ένας μηχανικός έργου ετοιμάζει μια έκθεση συντονισμού προστασίας για μια εγκατάσταση και ζητά σχετικές ρήτρες προτύπων από το AI. Το AI δίνει μια συγκεκριμένη τυπική ρήτρα και αριθμητικό συντελεστή για τις καμπύλες επιλογής κόφτη. Ο μηχανικός ανοίγει το επίσημο κείμενο και ελέγχει: ο αριθμός του στοιχείου είναι σωστός, αλλά ο συντελεστής που δίνεται από το AI έχει αναθεωρηθεί σε διαφορετική τιμή στην τρέχουσα έκδοση του προτύπου. Θυμήθηκε μια παλιά, ξεπερασμένη αξία. Ο μηχανικός διορθώνει την αναφορά χρησιμοποιώντας την τρέχουσα τιμή και επαληθεύει την κατάταξη αναπαράγοντας τον υπολογισμό με την Python. Η αναφορά περιλαμβάνει το έτος εκτύπωσης του προτύπου που χρησιμοποιήθηκε και το σημείωμα επαλήθευσης. Μάθημα: Η τεχνητή νοημοσύνη μπορεί να επιστρέψει τον αριθμό του στοιχείου σωστά και την τιμή εσφαλμένα. Μόνο το τρέχον επίσημο κείμενο είναι δεσμευτικό και η ευθύνη παραμένει στον υπογράφοντα μηχανικό.
Κοινά λάθη
- Μη επαλήθευση του τυπικού αριθμού αντικειμένου και της τιμής που δίνεται από το AI από το επίσημο κείμενο.
- Παρεξήγηση μιας παρωχημένης (αναθεωρημένης) τιμής ως τρέχουσας.
- Εγγραφή του αποτελέσματος Python στην αναφορά χωρίς έλεγχο της μονάδας/παραγγελίας.
- Μη σύγκριση του αποτελέσματος της προσομοίωσης με μέτρηση ή αναλυτικό υπολογισμό.
- Προσπαθώντας να μεταβιβάσετε την ευθύνη λέγοντας "αυτό πρότεινε το AI".
- Παρουσίαση μη επαληθευμένων τιμών ως "ακριβής". κρύβουν την αβεβαιότητα.
Συνοπτικά
- Το AI είναι ισχυρό για χαρτογράφηση πορείας και λίστα ελέγχου στην έρευνα προτύπων. Τα στοιχεία και οι τιμές επαληθεύονται από το επίσημο, τρέχον κείμενο.
- Ο κίνδυνος παραισθήσεων είναι υψηλός στα πρότυπα. Χρησιμοποιήστε το AI ως πυξίδα και το επίσημο κείμενο ως δεσμευτικό πόρο.
- Ελέγχετε πάντα τους υπολογισμούς Python με μονάδες και τάξεις μεγέθους.
- Η προσομοίωση είναι τόσο καλή όσο το μοντέλο σας. Συγκρίνετε το αποτέλεσμα με αναλυτικό υπολογισμό και μέτρηση.
- Η ευθύνη για κρίσιμες για την ασφάλεια αποφάσεις δεν μπορεί να μεταβιβαστεί. Η έγκριση μηχανικού είναι υποχρεωτική.
- Η ηθική χρήση είναι η τεκμηρίωση της επαλήθευσης και η ειλικρινής δήλωση της αβεβαιότητας.
Εργασία εφαρμογής
Επιλέξτε ένα θέμα από το πεδίο σας (όπως επιλογή θωράκισης, όριο EMC, διατομή καλωδίου). Απλώς ζητήστε από την τεχνητή νοημοσύνη μια «τυποποιημένη λίστα ελέγχου ελέγχου» (μην ζητάτε ακριβή αριθμό). Στη συνέχεια, επαληθεύστε τουλάχιστον δύο στοιχεία στη λίστα από το επίσημο τυπικό κείμενο και αξιολογήστε εάν ο θεματικός χάρτης του AI είναι σωστός. Ξεχωριστά, δημιουργήστε έναν σχετικό υπολογισμό στην Python και ελέγξτε το αποτέλεσμα για μονάδα και σειρά. Τέλος, με τα δικά σας λόγια, συνοψίστε σε μια παράγραφο γιατί αυτά τα αποτελέσματα δεν αντικαθιστούν την έγκριση μηχανικού.
Εξέταση Ενοτήτων
1. Όταν εργάζεστε με ένα εργαλείο τεχνητής νοημοσύνης στην ηλεκτρολογική και ηλεκτρονική μηχανική, η τελική ευθύνη για ποια από τις ακόλουθες εργασίες πρέπει να παραμένει πάντα στον εξουσιοδοτημένο μηχανικό;
- Α) Τελική έγκριση προστασίας και επιλογής τμήματος πίνακα και απόφαση ανάθεσης ✔
- Β) Δημιουργία ενός πρώτου σχεδίου περίληψης φύλλου δεδομένων
- Γ) Επεξεργασία των ετικετών αξόνων ενός γραφήματος Python
- Δ) Προετοιμασία γλωσσαρίου όρων για έκθεση
Περιγραφή: AI; Μπορεί να επιταχύνει εργασίες όπως η σύνταξη κώδικα, η προεργασία υπολογισμού και η παραγωγή εγγράφων. Ωστόσο, ο εξουσιοδοτημένος μηχανικός είναι υπεύθυνος για την ακρίβεια του συντονισμού προστασίας, της επιλογής τμήματος και της έγκρισης θέσης σε λειτουργία, η οποία επηρεάζει άμεσα την ασφάλεια της ζωής και της ιδιοκτησίας και αυτές οι αποφάσεις δεν μπορούν να εφαρμοστούν χωρίς ανεξάρτητη επαλήθευση.
2. Είχατε σχεδίαση AI ένα διαιρέτη τάσης και προτείνατε 10 kΩ άνω αντίσταση και 3,3 kΩ κάτω αντίσταση. Ποια επαλήθευση πρέπει να γίνει πρώτα;
- Α) Μεταφορά της πρότασης στην παραγωγή ως έχει
- Β) Επαλήθευση της τάσης εξόδου με χειροκίνητο υπολογισμό με τον τύπο διαιρέτη και σύγκριση των τιμών με την τυπική σειρά ✔
- Γ) Τυχαίος διπλασιασμός των αντιστάσεων
- Δ) Απλά ελέγχοντας τους χρωματικούς κωδικούς
Περιγραφή: Η τεχνητή νοημοσύνη μπορεί να κάνει λάθη στην αριθμητική και την τοπολογία. Το πρώτο και υποχρεωτικό βήμα είναι να υπολογίσετε με μη αυτόματο τρόπο την τάση εξόδου με την αναλογία R2/(R1+R2) και να ελέγξετε εάν οι επιλεγμένες τιμέςανήκουν στην τυπική σειρά όπως το E24 και την απώλεια ισχύος των αντιστάσεων.
3. Θέλετε να δειγματίσετε ένα σήμα που περιέχει συχνότητες έως 2 kHz με ADC. Το AI συνιστά συχνότητα δειγματοληψίας 3 kHz. Ποιο είναι το κύριο πρόβλημα αυτής της πρότασης;
- Α) Τα 3 kHz καταναλώνουν ισχύ επειδή είναι υψηλότερη από την απαραίτητη
- Β) Η μνήμη γεμίζει επειδή η συχνότητα δειγματοληψίας είναι πολύ υψηλή
- Γ) παραβιάζει το κριτήριο Nyquist. Απαιτούνται τουλάχιστον 4 kHz, διαφορετικά συμβαίνει το aliasing ✔
- Δ) Αυξάνει μόνο την καθυστέρηση του φίλτρου, δεν έχει άλλο αποτέλεσμα
Εξήγηση: Σύμφωνα με το θεώρημα Nyquist-Shannon, η συχνότητα δειγματοληψίας πρέπει να είναι τουλάχιστον διπλάσια από τη συνιστώσα υψηλότερης συχνότητας στο σήμα. Τα 2 kHz απαιτούν τουλάχιστον 4 kHz. Τα 3 kHz δημιουργούν aliasing και υποβαθμίζουν μη αναστρέψιμα το σήμα.
4. Βλέπετε μια λειτουργία μεγάλης καθυστέρησης σε μια ρουτίνα υπηρεσίας διακοπής μικροελεγκτή που δημιουργείται από το AI. Ποια είναι η πιο ακριβής αξιολόγηση;
- Α) Κανένα πρόβλημα, η μεγάλη καθυστέρηση στο ISR είναι καλή πρακτική
- Β) Ο διπλασιασμός της καθυστέρησης αυξάνει τη σταθερότητα
- Γ) Το ISR θα πρέπει να εκτελείται μόνο σε ταχύτερο πυρήνα
- Δ) Ο αποκλειστής ISR δεν πρέπει να περιέχει καθυστέρηση. Είναι απαραίτητο να ορίσετε μια σημαία και να μετακινήσετε την εργασία στον κύριο βρόχο ✔
Σχόλιο: Οι ρουτίνες υπηρεσιών διακοπής (ISR) πρέπει να είναι όσο το δυνατόν συντομότερες. Η χρήση μιας καθυστέρησης αποκλεισμού σε αυτό θα έχει ως αποτέλεσμα την απώλεια άλλων διακοπών, τις επαναφορές του φύλακα και τις παραβιάσεις των περιορισμών σε πραγματικό χρόνο. Η πρόταση του AI θα πρέπει να επανεξεταστεί και να διορθωθεί.
5. Ποιο είναι το πιο κρίσιμο βήμα επαλήθευσης κατά τον υπολογισμό της πτώσης τάσης ενός καλωδίου με AI;
- Α) Για να επαληθεύσετε τις υποθέσεις ρεύματος, μήκους και διατομής που χρησιμοποιήθηκαν και τη συμμόρφωση του αποτελέσματος με το τυπικό όριο πτώσης τάσης ✔
- Β) Απλά ελέγχοντας τον αριθμό των δεκαδικών ψηφίων του αποτελέσματος
- Γ) Εκτύπωση του λογαριασμού σε μεγαλύτερη γραμματοσειρά
- Δ) Αλλαγή χρώματος καλωδίου
Εξήγηση: Ο υπολογισμός της πτώσης τάσης εξαρτάται από το ρεύμα, το μήκος του καλωδίου, τη διατομή και την αντίσταση του αγωγού. Η επαλήθευση των υποθέσεων εισόδου που χρησιμοποιούνται από την AI (ρεύμα, μήκος, διατομή, τύπος αγωγού) και εάν το αποτέλεσμα πέφτει κάτω από το ποσοστό που επιτρέπεται από το σχετικό πρότυπο είναι επιτακτική ανάγκη για έναν ασφαλή και κατάλληλο σχεδιασμό.
6. Για έναν ελεγκτή PID, η AI σάς πρότεινε τιμές Kp, Ki και Kd. Ποια είναι η πιο σωστή προσέγγιση κατά την εφαρμογή αυτών των τιμών στο πραγματικό σύστημα;
- Α) Εφαρμογή των τιμών απευθείας σε κατάσταση πλήρους λειτουργίας
- Β) Πρώτη δοκιμή σε κατάσταση προσομοίωσης και χαμηλού κινδύνου και προσαρμογή σταδιακά παρατηρώντας την απόκριση ✔
- Γ) Αρκεί να επαναφέρετε την τιμή Ki και να χρησιμοποιήσετε μόνο Kp
- Δ) Εγγραφή των παραμέτρων στο έγγραφο χωρίς καθόλου έλεγχο
Περιγραφή: Οι παράμετροι PID που προτείνονται από το AI είναι απλώς ένα σημείο εκκίνησης. Οι τιμές θα πρέπει να ελέγχονται πρώτα στην προσομοίωση και μετά στο πεδίο σταδιακά και εντός ασφαλών ορίων. Η υπέρβαση, η ταλάντωση και η σταθερότητα πρέπει να παρατηρηθούν και να βελτιωθούν. Η απευθείας εφαρμογή με πλήρη εξουσιοδότηση μπορεί να προκαλέσει βλάβη στον εξοπλισμό.
7. Όταν ρωτήσατε την τεχνητή νοημοσύνη για το πλάτος του ίχνους για ένα PCB τροφοδοτικού, αυτός πρότεινε ένα λεπτό ίχνος 5 A. Πώς επικυρώνετε αυτήν την πρόταση;
- Α) Βλέποντας το χρώμα της ουλής
- Β) Απλά κοιτάζοντας την αισθητική της κάρτας
- Γ) Υπολογισμός ανεξάρτητα σύμφωνα με το ρεύμα, το πάχος του χαλκού και την αύξηση της θερμοκρασίας με κανόνες πλάτους ίχνους τύπου IPC ✔
- Δ) Με τη συντόμευση του ίχνους όσο το δυνατόν περισσότερο
Περιγραφή: Το πλάτος του ίχνους καθορίζεται από κανόνες παρόμοιους με τον IPC-2221, σύμφωνα με το ρεύμα που θα μεταφερθεί, το πάχος του χαλκού και την επιτρεπόμενη αύξηση της θερμοκρασίας. Η επαλήθευση της τιμής που δίνεται από το AI μέσω ανεξάρτητου υπολογισμού σε σχέση με αυτούς τους κανόνες και την πραγματική απαίτηση ρεύματος/θερμοκρασίας είναι απαραίτητη για την αποφυγή υπερθέρμανσης και ίχνους εγκαύματος.
8. Εξετάζετε το κύκλωμα διακοπής έκτακτης ανάγκης (E-stop) σε μια λογική σκάλας PLC που παράγεται από AI. Ποια αρχή πρέπει να διασφαλιστεί;
- A) Το E-stop πρέπει να ρυθμιστεί μόνο με σημαία λογισμικού, συνήθως ανοιχτή επαφή
- Β) Η λογική e-stop μπορεί να εφαρμοστεί χωρίς δοκιμή
- Γ) Το E-stop θα πρέπει να υποστηρίζεται από αστοχία (πτώση στην ασφαλή πλευρά σε περίπτωση βλάβης) και αλυσίδα ασφαλείας υλικού και θα πρέπει να επαληθεύεται από μηχανικό ✔
- Δ) Το E-stop μπορεί να είναι απλώς ένα κουμπί στην οθόνη HMI
Περιγραφή: Η διακοπή έκτακτης ανάγκης είναι μια λειτουργία ασφαλείας και πρέπει να σχεδιαστεί με κανονικά κλειστές (NC) επαφές για να πέφτουν στην ασφαλή πλευρά (ασφαλής αστοχία) σε περίπτωση βλάβης. Η λογική του λογισμικού από μόνη της δεν αρκεί. Η αλυσίδα ασφαλείας υλικού και η συμμόρφωση με τα σχετικά πρότυπα ασφαλείας πρέπει να επαληθεύονται από τον μηχανικό.
9. Το AI δίνει μια τιμή προστασίας αναφερόμενος σε μια συγκεκριμένη ρήτρα ενός προτύπου IEC. Ποια είναι η σωστή μηχανική συμπεριφορά;
- Α) Επαληθεύστε τον αριθμό και την τιμή της ουσίας από το επίσημο, τρέχον πρότυπο κείμενο ✔
- Β) Χρησιμοποιώντας την τιμή ως έχει επειδή το AI φαίνεται πολύ σίγουρο
- Γ) Αύξηση της τιμής τυχαία για να παραμείνετε στην ασφαλή πλευρά
- Δ) Προσθήκη του αριθμού στοιχείου στην αναφορά χωρίς να τον ελέγξετε καθόλου
Επεξήγηση: Τα μοντέλα γλώσσας μπορεί να θυμούνται λάθος ή να δημιουργούν (παραισθήσεις) αριθμούς και τιμές στοιχείων. Κάθε τιμή που βασίζεται σε πρότυπο πρέπει να επαληθεύεται αυτολεξεί από το επίσημο και το τρέχον τυπικό κείμενο. Η έξοδος AI είναι απλώς ένας οδικός χάρτης για το πού να κοιτάξετε.
10. Σε έναν υπολογισμό απώλειας μετασχηματιστή που δημιουργήσατε με την Python, το αποτέλεσμα AI δίνει 500 kW, ενώ η ισχύς του μετασχηματιστή είναι 100 kVA. Ποια πρέπει να είναι η πρώτη σας αντίδραση σε αυτή την κατάσταση;
- Α) Εγγραφή του αποτελέσματος απευθείας στην αναφορά
- Β) Βλέποντας ότι η τάξη μεγέθους του αποτελέσματος είναι φυσικά αδύνατη και αναζητώντας σφάλματα μονάδας και τύπου ✔
- Γ) Αλλαγή της ισχύος του μετασχηματιστή ώστε να ταιριάζει με το αποτέλεσμα
- Δ) Αγνοώντας την απώλεια και συνεχίζοντας
Εξήγηση: Η απώλεια πρέπει να είναι ένα μικρό ποσοστό της ισχύος της συσκευής. Η απώλεια 500 kW σε έναν μετασχηματιστή 100 kVA είναι φυσικά αδύνατη. Ένας έλεγχος λογικής αποκαλύπτει αμέσως ένα σφάλμα μονάδας ή τύπου. Οι εισροές και ο τύπος θα πρέπει να επανεξεταστούν έως ότου το αποτέλεσμα είναι εντός ενός λογικού εύρους.