ઇલેક્ટ્રિકલ અને ઇલેક્ટ્રોનિક્સ એન્જિનિયરિંગમાં AI નો પરિચય અને મર્યાદાઓ

નફો:

• સર્કિટ, પાવર અને એમ્બેડેડ સિસ્ટમના કામમાં એઆઈ ક્યાં ઝડપી છે અને તે ક્યાં જોખમી છે તે પારખવાની ક્ષમતા
• જીવન અને મિલકતની સલામતી સાથે સંકળાયેલા વિદ્યુત કાર્યોમાં ચકાસણી અને એન્જિનિયરની મંજૂરી શા માટે ફરજિયાત છે તે સમજાવવાની ક્ષમતા.
• AI આઉટપુટને ઓડિટ કરવા માટેના ડ્રાફ્ટ ઇનપુટ તરીકે સ્થાન આપવાની ક્ષમતા, ઇજનેરી ચુકાદાના રિપ્લેસમેન્ટ તરીકે

જ્યારે તમે ઈલેક્ટ્રિકલ અને ઈલેક્ટ્રોનિક્સ એન્જિનિયરનો દિવસ જુઓ છો, ત્યારે મોટાભાગની ટીમોમાં જે ચિત્ર ઉભરી આવે છે તે સમાન હોય છે: ડેટાશીટ્સ વાંચવી, સ્પ્રેડશીટ્સ ભરવા, કોડ લખવા અને ડિબગ કરવા, સ્કીમેટિક્સ દોરવા, ધોરણો શોધવા, પરીક્ષણ અહેવાલો તૈયાર કરવા, ઈ-મેલ અને મીટિંગ્સ. બીજા શબ્દોમાં કહીએ તો, વાસ્તવિક "એન્જિનિયરિંગ" ભાગ માટે સમર્પિત સમય, એટલે કે, સિસ્ટમને સુરક્ષિત અને સચોટ રીતે ડિઝાઇન કરવાનો નિર્ણય, પુનરાવર્તિત કાર્ય હેઠળ કચડી નાખવામાં આવે છે. આ તે છે જ્યાં કૃત્રિમ બુદ્ધિ રમતમાં આવે છે. AI તમારા માટે ડિઝાઇન કરતું નથી; તે તમને ડિઝાઇન માટે તૈયાર કરે છે, ડ્રાફ્ટ બનાવે છે, ગણતરીઓને ઝડપી બનાવે છે અને નિર્ણય લેવા માટે તમારી સામે પ્રક્રિયા કરેલી માહિતી મૂકે છે. આ એકમમાં, અમે સ્પષ્ટ કરીશું કે ઇલેક્ટ્રિકલ-ઇલેક્ટ્રોનિક વર્કફ્લો AI ના કયા તબક્કામાં વાસ્તવિક મૂલ્ય ઉમેરે છે, કયા નિર્ણયો ચોક્કસપણે એન્જિનિયર પાસે રહેવા જોઈએ અને આ કરતી વખતે તમારે સલામતી શિસ્તનું પાલન કરવું જોઈએ. ધ્યેય સ્પષ્ટ છે: AI ને "ઓટોમેટિક ડિઝાઇનર" તરીકે નહીં પરંતુ એક શિસ્તબદ્ધ સહાયક તરીકે સ્થાન આપવું કે જેનું આઉટપુટ દર વખતે ચકાસવામાં આવે છે.

કયા વ્યવસાયોમાં એઆઈ એક્સિલરેટર છે, કયા વ્યવસાયોમાં તે જોખમી છે?

ઇલેક્ટ્રિકલ અને ઇલેક્ટ્રોનિક કાર્યો તેમના પરિણામોના સંદર્ભમાં બે-પાંખવાળા સ્પેક્ટ્રમ પર સ્થિત છે. એક છેડે રિવૉકેબલ, ઓછા જોખમવાળી ઑફિસ નોકરીઓ છે; બીજી બાજુ, ત્યાં બદલી ન શકાય તેવા નિર્ણયો છે જે જીવન અને મિલકતની સલામતીને સીધી અસર કરે છે. તમે આ સ્પેક્ટ્રમ પર ક્યાં ઊભા છો તેના આધારે AI નું મૂલ્ય બદલાય છે.

વ્યવસાય પ્રકાર

AI યોગદાન

એન્જિનિયરની ભૂમિકા

ડેટાશીટ/માનક સારાંશ

લાંબા દસ્તાવેજમાંથી સંબંધિત આઇટમ દૂર કરો

સત્તાવાર સ્ત્રોતમાંથી મૂલ્ય ચકાસો

કોડ ડ્રાફ્ટ (MCU, Python)

હાડપિંજર અને કાર્ય પેઢી

નોંધણી, સમય, પરીક્ષણ ચકાસણી

એકાઉન્ટ પ્રારંભિક કાર્ય

ફોર્મ્યુલા સેટિંગ, પ્રથમ નંબર

એકમ, રેન્ક અને પ્રમાણભૂત નિયંત્રણ

દસ્તાવેજીકરણ

રિપોર્ટ/BOM/પરીક્ષણ પ્રક્રિયાનો ડ્રાફ્ટ

તકનીકી ચોકસાઈ અને પરિભાષા

રક્ષણ સંકલન

સૂચન, દૃશ્ય

અંતિમ પસંદગી અને મંજૂરી

કમિશનિંગ

ચેકલિસ્ટ ડ્રાફ્ટ

ક્ષેત્રમાં માપન અને હસ્તાક્ષર

નિયમ સરળ છે: AI આઉટપુટનું જોખમ જો આઉટપુટ ભૂલ કરે તો તે નુકસાન પહોંચાડે છે. અક્ષ લેબલની ખોટી જોડણી હાનિકારક છે; બ્રેકર વર્તમાન સેટિંગની ખોટી ગણતરી કરવાથી આગ લાગી શકે છે. તેથી આઉટપુટનો ઉપયોગ કરતા પહેલા પૂછવા માટેનો પ્રથમ પ્રશ્ન છે: "જો આ ખોટું છે તો શું થશે અને કોણ જાણ કરશે?"

ધ્યાન આપો: AI અસ્ખલિત અને આત્મવિશ્વાસપૂર્ણ ટેક્સ્ટ બનાવે છે. પ્રવાહિતા ચોકસાઈની કોઈ ગેરંટી નથી. ભાષા મોડેલ વિશ્વાસપાત્ર સૂત્રો, આઇટમ નંબર્સ અને ડેટાશીટ મૂલ્યોને "કન્કોક્ટ" (ભ્રામક) કરી શકે છે, જ્યારે તેની પાસે કોઈ વાસ્તવિક ડેટા નથી. વીજળીમાં, આ કાગળ પર રહેતું નથી; ક્ષેત્રમાં ખામી, નુકસાન અથવા અકસ્માતમાં ફેરવાય છે.

નિર્ણયો કે જે એન્જિનિયર પર છોડી દેવા જોઈએ

કેટલાક નિર્ણયો ક્યારેય સંપૂર્ણ સ્વચાલિત ન હોવા જોઈએ. આ તકનીકી, કાનૂની અને નૈતિક જોખમો ઉભા કરે છે:

• સલામતી-જટિલ પસંદગીઓ: બ્રેકર/ફ્યુઝ રેટિંગ, પ્રોટેક્શન કોઓર્ડિનેશન, ગ્રાઉન્ડિંગ અને ઇન્સ્યુલેશન ક્લાસ.
• કમિશનિંગ અને એનર્જી: બોર્ડ, મોટર અથવા બોર્ડની પાવર લાઇન પર પ્રથમ વખત વોલ્ટેજ લાગુ કરવાનો નિર્ણય.
• માનક અનુરૂપતા ઘોષણા: "આ ડિઝાઇન સંબંધિત ધોરણોનું પાલન કરે છે" વિધાનને એન્જિનિયરની સહી જરૂરી છે.
• માનવીઓના સંપર્કમાં રહેલા મૂલ્યો: અવશેષ વર્તમાન સંરક્ષણ થ્રેશોલ્ડ, ટચ વોલ્ટેજ, EMC/EMF મર્યાદા.

ચેતવણી: જો AI-જનરેટેડ ગણતરીનું પરિણામ "50 A બ્રેકર પર્યાપ્ત છે" એવું કંઈક પરિણમે તો પણ, તેને કોઈ એન્જિનિયર દ્વારા શોર્ટ-સર્કિટ કરંટ, પસંદગી અને કેબલની મજબૂતાઈ સાથે ચકાસ્યા વિના લાગુ કરવું અસ્વીકાર્ય છે. દરેક સલામતી-નિર્ણાયક આઉટપુટ અમલીકરણ પહેલાં અધિકૃત ઇજનેર દ્વારા સ્વતંત્ર રીતે ચકાસાયેલ અને મંજૂર હોવું આવશ્યક છે.

ચકાસણી શિસ્ત: થ્રી-લેયર કંટ્રોલ

એઆઈ આઉટપુટનો ઉપયોગ આંખ બંધ કરવાને બદલે સંપાદક અને ઓડિટરની આંખો સાથે કરવા માટે, ત્રણ-સ્તર નિયંત્રણ લાગુ કરો:

1. એકમ અને ક્રમ (સેનિટી ચેક): શું પરિણામનું એકમ સાચું છે? શું કદ શારીરિક રીતે વાજબી છે? 100 kVAના ટ્રાન્સફોર્મરમાં 500 kW ની ખોટ હોય તો ક્યાંક ખામી છે.
2. સ્વતંત્ર પુનઃઉત્પાદન: ગણતરી જાતે જ પુનઃઉત્પાદન કરો, કેલ્ક્યુલેટર સાથે અથવા ટૂંકા પાયથોન/સ્પાઈસ રન સાથે. જો બે અલગ અલગ પદ્ધતિઓ એક જ પરિણામ આપે છે, તો વિશ્વાસ વધે છે.
3. સ્ટાન્ડર્ડ અને સોર્સ વેરિફિકેશન: દરેક આઇટમ નંબર, ડેટાશીટ વેલ્યુ અને એઆઈ દ્વારા આપવામાં આવેલી મર્યાદા સત્તાવાર સ્ત્રોતમાંથી શાબ્દિક રીતે કન્ફર્મ કરવી આવશ્યક છે.

વેરિફિકેશન પ્રોમ્પ્ટ (આઉટપુટ તપાસવાનું સરળ બનાવે છે): "તમે નીચેની ગણતરીમાં ઉપયોગમાં લીધેલ તમામ ધારણાઓ, સૂત્રો અને એકમોને સ્પષ્ટપણે સૂચિબદ્ધ કરો. દરેક મધ્યવર્તી પગલાને એક અલગ લાઇન પર બતાવો. તમે 'સ્રોત આવશ્યક' ટૅગ સાથે ઉપયોગમાં લીધેલ પ્રમાણભૂત મૂલ્ય અથવા ડેટાશીટ નંબરને ચિહ્નિત કરો; તમે ખાતરી માટે જાણતા ન હોવ તેવા કોઈપણ નંબરો બનાવશો નહીં."

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા:"મને આ મોટર માટે યોગ્ય કેબલ ક્રોસ-સેક્શન જણાવો."(પરિણામ: સંદર્ભ વગરનો એક નંબર; તે સ્પષ્ટ નથી કે કઈ વર્તમાન, લંબાઈ, માઉન્ટ કરવાની પદ્ધતિ અને વોલ્ટેજ ડ્રોપ મર્યાદા ધારવામાં આવે છે.)STRONG:"નીચેની શરતો માટે પ્રાથમિક રીતે કોપર કેબલ ક્રોસ-સેક્શનની ગણતરી કરો અને પગલાંઓ બતાવો:-, kW motor:-3, kW φ50-4-5 0.85, કાર્યક્ષમતા 0.90- કેબલની લંબાઈ: 60 મીટર, કન્ડ્યુટ ઇન્સ્ટોલેશન, એમ્બિયન્ટ 35 °C- અનુમતિપાત્ર વોલ્ટેજ ડ્રોપ: 3% વર્તમાન, વોલ્ટેજ ડ્રોપ અને થર્મલ કરંટ વહન ક્ષમતાને અલગથી લખો.

તફાવત એ છે કે મજબૂત પ્રોમ્પ્ટ મોડેલને વાસ્તવિક ઇનપુટ અને બાઉન્ડ્રી (કોઈ ઘોષણા ન કરો, પગલાં બતાવો) બંને આપે છે. આ આઉટપુટને ઓડિટેબલ બનાવે છે.

મીની કેસ

એમ્બેડેડ સિસ્ટમ એન્જિનિયર ડેનિઝ એઆઈને તાપમાન માપન કાર્ડ માટે ADC રીડ કોડ પ્રિન્ટ કરે છે. AI એ 12-bit ADC માટે સંદર્ભ વોલ્ટેજ 5 V છે એમ ધારીને સૂત્ર સ્થાપિત કરે છે. ડેનિઝ કાર્ડની ડેટાશીટ ખોલે છે; સંદર્ભ વાસ્તવમાં 3.3 V છે. AI ની 5 V ની ધારણા દરેક માપને લગભગ 50% પૂર્વગ્રહ સાથે વાંચવામાં આવશે. સમુદ્ર સંદર્ભને ઠીક કરે છે, કાર્ડ પર કોડ અપલોડ કરે છે અને જાણીતા તાપમાને વાસ્તવિક થર્મોમીટર સાથે વાંચનની તુલના કરે છે. AI એ ઝડપ આપી; દરિયાએ ધારણાને ચકાસીને અને માપન સાથે તેની પુષ્ટિ કરીને વિશ્વસનીયતા ઉમેર્યું. જો AI પર આંધળો વિશ્વાસ કરવામાં આવે, તો ભૂલને ક્ષેત્રમાં લઈ જવામાં આવશે.

સામાન્ય ભૂલો

• AI ની ધારણાઓ (સંદર્ભ વોલ્ટેજ, તાપમાન, વાહકનો પ્રકાર) પૂછ્યા વગર સ્વીકારવી.
• ચકાસણી કર્યા વિના સલામતી-નિર્ણાયક મૂલ્યો (બ્રેકર, સંરક્ષણ, ગ્રાઉન્ડિંગ) લાગુ કરવું.
• બનાવેલ ડેટાશીટ નંબરો અને પ્રમાણભૂત આઇટમ નંબરો પર ધ્યાન આપતા નથી.
• કોડને હાર્ડવેરમાં માપ્યા વિના "કામ કરે છે" એમ ધારી રહ્યા છીએ.
• વોલ્યુમ નિયંત્રણને બાયપાસ કરીને; V, A, W, VA, VAR મૂંઝવણની અવગણના.
• એન્જિનિયરિંગની મંજૂરી માટે AI આઉટપુટની અવેજીમાં.

ટીપ: દરેક AI આઉટપુટને આ ત્રણ પ્રશ્નો પૂછો: (1) તે કઈ ધારણાઓથી તે તારણ કાઢ્યું અને શું ધારણાઓ સાચી છે? (2) શું મેં આને સ્વતંત્ર રીતે પુનઃઉત્પાદિત કર્યું છે? (3) શું આ સુરક્ષા-નિર્ણાયક છે, અને જો એમ હોય, તો શું મને અધિકૃત ચકાસણી અને મંજૂરી મળી છે? જો ત્રણેય સ્પષ્ટ છે, તો આગળ વધો.

સારાંશમાં

• AI ઇલેક્ટ્રિકલ અને ઇલેક્ટ્રોનિક કાર્યોની તૈયારી, ગણતરી, કોડ અને દસ્તાવેજના તબક્કામાં ઝડપ અને સ્કેલ ઉમેરે છે; પરંતુ તે નિર્ણય લેનાર નથી.
• પરિણામનું જોખમ જો તે ભૂલ કરે તો તેને જે નુકસાન થશે તેટલું જ છે; સલામતી-નિર્ણાયક કાર્ય માટે સ્વતંત્ર ચકાસણી અને એન્જિનિયરની મંજૂરીની જરૂર છે.
• પ્રવાહી લખાણ સાચું લખાણ નથી; દરેક ધારણા, સંખ્યા અને પ્રમાણભૂત મૂલ્ય ચકાસવું આવશ્યક છે.
• નિયંત્રણના ત્રણ સ્તરો (યુનિટ/રેન્ક, સ્વતંત્ર પ્રજનન, સ્ત્રોત ચકાસણી) આઉટપુટને વિશ્વસનીય બનાવે છે.
• શક્તિશાળી પ્રોમ્પ્ટ મોડેલને વાસ્તવિક ઇનપુટ અને સીમા એકસાથે આપે છે.
• AIને "એક ઝડપી સહાયક તરીકે સ્થાન આપો જેના દરેક આઉટપુટનું નિરીક્ષણ કરવામાં આવે છે."

એપ્લિકેશન કાર્ય

AI ને તમે તાજેતરમાં કરેલી ગણતરી (કેબલ ક્રોસ-સેક્શન, રેઝિસ્ટરની પસંદગી, પાવર લોસ, વગેરે) શરૂઆતથી ઉકેલવા દો. પછી સૂચિમાં આઉટપુટમાં દરેક ધારણા અને સંખ્યાને બહાર કાઢો; દરેક માટે "ચકાસાયેલ / સંસાધન જરૂરી / ખામીયુક્ત" નક્કી કરો. ગણતરી જાતે પુનઃઉત્પાદિત કરો, કાં તો મેન્યુઅલી અથવા ટૂંકા પાયથોન રન સાથે, અને બે પરિણામોની તુલના કરો. જો અલગ હોય, તો તેનું કારણ જાણો. આ કવાયત ઓડિટર શિસ્ત સાથે AI નો ઉપયોગ કરવાની આદત બનાવે છે.