利益:
- AI サポートを利用して、Python を使用して信号、ログ、テレメトリ データをクリーンアップして視覚化するスクリプトを作成する機能
- 単純な予測および異常モデルを構築する際に、データ品質、過学習、および外挿のリスクを認識する機能
- AI によって生成されたコードと結果を、ユニット制御、参照データ、およびエンジニアリングの妥当性とともに検証する機能
モジュール試験
1. インターンは AI チャット ツールに LNA (低ノイズ アンプ) に必要な供給電流を尋ね、結果の値「15 mA」を電力バジェット テーブルに直接書き込みます。このアプローチの根本的な間違いは何でしょうか?
- A) 現在の値は、選択したコンポーネントのデータシートと動作条件から取得する必要があります。 AI によって生成された番号は出典のない捏造である可能性があります ✔
- B) AI を mA ではなく µA で要求する必要がありました
- C) 値は正しいです。単位のスペルのみが修正されているはずです。
- D) AI に同じ質問を 3 回質問し、平均を取るだけで十分です
説明: 言語モデルは、選択した特定のコンポーネントのデータシートを認識しません。最も可能性が高いと思われる数値が生成されます (幻覚)。供給電流はデータシートと使用部品の動作条件のみから得られます。 AI 出力は検証なしではテーブルに入力できません。
2. 電子/通信業務における AI の使用において、「リスクベースの分類」により何が可能になりますか?
- A) AIツールのサブスクリプション料金の値下げ
- B) タスクのリスクレベルに応じて、AI の役割と必須の検証の深さを決定する ✔
- C) プロンプトは短く書くべきです
- D) すべての決定を AI に自動的に委任する
説明: すべてのミッションが同じリスクレベルにあるわけではありません。タスクを低/中/高/重要に分類することで、どの出力を自由に使用できるか、どの出力に測定、シミュレーション、資格のあるエンジニアの承認が必要かが決まります。
3. 信号処理におけるナイキスト サンプリング基準は何を意味しますか?また、これに違反した場合はどうなりますか?
- A) サンプリング周波数は最高周波数の少なくとも 2 倍である必要があります。そうしないと、エイリアシングが発生し、信号が不可逆的に劣化します ✔
- B) サンプリング周波数が低いほど、分解能は高くなります
- C) サンプリングはアナログ信号にのみ必要であり、デジタル信号には必要ありません
- D) ナイキスト基準はノイズ レベルのみを決定します
説明: 信号を正確に復元するには、サンプリング周波数が信号の最高周波数の少なくとも 2 倍である必要があります。この条件が満たされない場合、高周波は低周波として表示されます。これはエイリアシングと呼ばれ、データは永久に破損します。
4. AI に PCB レイアウトを提案させる場合の最良のアプローチは何ですか?
- A) AI が提案したレイアウトを本番環境に直接送信する
- B) 提案をチェックリスト/スタートアップとして評価し、DRC、シミュレーション、プロトタイプの測定によって検証する ✔
- C) データシートを開かずに AI テキストをコピーする
- D) AI がシグナルインテグリティルールを拒否するため、シグナルインテグリティルールを無視する
説明: AI は一般的なレイアウトとシグナル インテグリティの原則 (短いリターン パス、リファレンス プレーン、デカップリング コンデンサの配置) を呼び出すことができます。ただし、最終レイアウトは DRC (デザインルールチェック)、シミュレーション、試作測定によって検証されます。 AI の出力はチェックリストであり出発点です。
5. RF リンク バジェットにおける「EIRP」とは何を意味しますか?
- A) 有効放射電力。送信機の電力と損失を差し引いたアンテナ利得を組み合わせたもの ✔
- B) 受信機におけるノイズフロアの絶対値
- C) アンテナの物理的なサイズ
- D) ケーブルの特性インピーダンス
説明: EIRP (実効等方性放射電力) は、等方性アンテナによって放射される実効電力であり、送信機の出力電力とアンテナ ゲインを組み合わせて、ケーブル/コネクタの損失を差し引いたものです。リンク バジェットと規制制限は EIRP に大きく依存します。最終的な値は測定と規制によって検証されます。
6. 予知保全において AI が温度と電流データの「異常」を検出するとはどういう意味ですか?
- A) 機器が確実に故障していることの証明
- B) データが正常から逸脱しているという警告。確定的な故障診断ではありませんが、現場検査で確認する必要がある兆候です ✔
- C) 装置を自動的に停止するよう命令する
- D) データが誤って記録されたことを保証する
説明: 異常とは、データが通常の動作から逸脱したものであり、誤動作を示している可能性があります。しかし、それは確定診断ではありません。カード/機器を無効にするか交換するかの決定は、現場での物理的な制御と運用マネージャーの承認によって行われます。
7. AI で作成されたファームウェア割り込みサービス ルーチン (ISR) コードをハードウェアにロードする前に、セキュリティ/安定性のために必須なのはどれですか?
- A) コードを読まずに現場のデバイスに直接導入します。
- B) コンパイルされていることを確認してインストールするだけです
- C) コードを読み取り、静的解析に通し、共有データ/タイミングのセキュリティをチェックし、ハードウェアでテストする ✔
- D) 出力の少数の行に依存する
説明: AI コードは、共有変数 (揮発性/原子性) の保護をスキップしたり、ISR にロング/ブロッキング操作を入れたり、間違ったレジスタを使用したりする可能性があります。コードを読み取り、静的解析を通じて実行し、ハードウェア上の実際の条件でテストすることが重要です。 ISR はセキュリティ クリティカルになる可能性があります。
8. デジタル通信における BER (ビット誤り率) と SNR (信号対雑音比) の一般的な関係は何ですか? AI がそれを解釈する際に覚えておくべきことは何ですか?
- A) 2 つは常に一緒に増加します
- B) それらの間には何の関係もありません
- C) 一般に、SNR が増加すると、BER は減少します。実際の値は変調、チャネル、コーディングによって異なるため、シミュレーション/測定によって検証する必要があります ✔
- D) 関係は一定であり、すべてのシステムで同じ数値を持ちます。
説明: 一般に、SNR が増加すると、BER は減少します (信号がノイズに対して強くなるにつれて誤差が減少します)。 AI はこの一般的な傾向と理論上の曲線を説明できますが、実際の値は変調タイプ、チャネル、コーディング、ハードウェアによって異なるため、シミュレーション/測定によって検証する必要があります。一般的な曲線は、システム固有の真実を置き換えるものではありません。
9. I2C 通信の問題 (デバイスが応答しない) を AI で解決する場合、最も適切な使用法は何ですか?
- A) 仮説のリストに考えられる原因を列挙します。アナライザー/オシロスコープ測定による確定診断 ✔
- B) AI によって示された最初の理由を決定的な障害として受け入れ、ハードウェアを交換します。
- C) ラインを測定せずに、AI が提案したコードを何度もロードする
- D) アナライザー測定をスキップし、AI 予測のみに依存する
説明: AI は、考えられる原因 (間違ったアドレス、プルアップ抵抗の欠如、速度の不一致、共通接地の欠如、競合) を仮説の体系的なリストとして抽出できます。ただし、最終的な診断はロジックアナライザやオシロスコープで回線を測定することによって行われます。 AI出力は検索マップであり、確定診断ではありません。
10. 携帯電話ネットワークの最適化において、AI が RSRP/SINR トレンドで見つける「劣化」の兆候に対する最も正確な態度は何ですか?
- A) AI 出力に基づいてライブネットワークパラメータを直接変更する
- B) 警告を無視して視聴を続ける
- C) 現場での測定/ドライブテストとネットワークエンジニアの分析を通じて根本原因を検証し、✔を決定します。
- D) AIだけに頼って現場計測を中止する
説明: AI KPI トレンドにおけるカバレッジ/干渉の問題の可能性を早期に示唆する可能性があります。ただし、根本原因 (アンテナの傾き、隣接セルの干渉、ハードウェア障害) は、ネットワーク エンジニアによる現場での測定/駆動テストと分析によって特定されます。 AI 出力はスキャン アラートであり、パラメーター変更の決定ではありません。
11. EMC/EMI 調査において AI によって提案された解決策 (フェライト ビーズの追加など) に対処するための最も正確なアプローチは何ですか?
- A) AI推奨を適用した直後に製品の互換性を宣言する
- B) 提案を可能な解決策の仮説として検討し、認定された実験室での標準制限に従った測定で検証します。 ✔
- C) AI によって与えられた値で基準値を固定する
- D) 測定を省略し、シミュレーションのみに依存する
説明: AI は、考えられる干渉経路と典型的な解決策 (フィルタリング、シールド、接地、ケーブル管理) を呼び出すことができます。ただし、適合性の決定は、規格制限 (CISPR/EN など) に従って認定試験所での測定によって行われます。 AI の出力は初期仮説であり、適合性を示すものではありません。
12. AI に 3GPP や IEEE 802.11 などの規格の部品番号や条項番号を尋ねたときに、でっち上げの (幻覚的な) 参照を取得しないようにする最も確実な方法は何ですか?
- A) AIが与える項目番号とテーブル値に依存する
- B) 言葉を変えて同じ質問をもう一度する
- C) 標準ではなくフォーラムの投稿を見る
- D) 標準の現在の公式テキスト (正しいリリース/バージョン) から各参照を開いて確認し、必要に応じて承認を得る ✔
説明: 言語モデルが標準の名前を正しく認識している場合でも、セクション番号、テーブル値、およびテキストが幻聴される可能性があります。さらに、値はリリースごとに異なります。各参考資料を開いて規格の現在の公式テキストから確認する必要があり、必要に応じて権限のある人の承認を取得する必要があります。
13. AI によって作成された Python 信号分析スクリプトを実行する前の最も重要なチェックは何ですか?
- A) コードを読み取り、サンプリング/単位の一致を確認し、既知の基準信号を使用してテストし、結果の妥当性を確認する ✔
- B) データセット全体を読み取らずにコードを直接実行する
- C) 間違いがないことを確認し、結果を受け入れるだけ
- D) 視覚的に美しい出力のグラフィックに依存する
説明: AI コードは、サンプリング周波数を誤って仮定したり、単位 (Hz/kHz、V/mV) を混合したり、ウィンドウ処理や正規化をスキップしたり、列が一致しない可能性があります。コードを読み取り、ユニットとサンプリングのパラメータを検証し、既知の基準信号を使用してテストし、結果が物理的に妥当かどうかを確認することが重要です。
14. クラウドベースの AI ツールに設計ファイルや顧客ネットワーク データを提供する場合、プライバシーと知的財産の観点から最善の行動は何ですか?
- A) すべての生のデザイン/メッシュ データをそのまま貼り付ける
- B) コンテキストを匿名化し、機密性の高い設計/顧客/測定データをクリーンアップし、企業のポリシーに準拠したツールを使用する ✔
- C) 実際の顧客情報と IP 情報の提供が結果の品質にとって不可欠であると仮定する
- D) プライバシーと知的財産ポリシーをまったく無視する
説明: 回路図/PCB ファイル、ファームウェア ソース、顧客トポロジ、加入者/測定データは、企業秘密と法律 (KVKK/GDPR) の観点から機密です。コンテキストを匿名化し、実際の IP/MAC/座標/クライアント名をクリアし、企業およびポリシーに準拠したツールを選択し、企業ポリシーに準拠する必要があります。