ಲಾಭಗಳು:
- AI-ಚಾಲಿತ ಪೈಥಾನ್ ಕೋಡ್ನೊಂದಿಗೆ ಆಪ್ಟಿಮೈಸೇಶನ್ ಮತ್ತು ಡೇಟಾ ಪ್ರಕ್ರಿಯೆ ಕಾರ್ಯಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯ
- ಯುನಿಟ್ ತಪಾಸಣೆ, ಪರೀಕ್ಷೆ ಮತ್ತು ಅಂಚಿನ ಪ್ರಕರಣಗಳೊಂದಿಗೆ AI- ರಚಿತವಾದ ಕೋಡ್ ಅನ್ನು ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ
- ಗೌಪ್ಯ ಉತ್ಪಾದನಾ ಡೇಟಾವನ್ನು ರಕ್ಷಿಸುವ ಮತ್ತು ಜವಾಬ್ದಾರಿಯುತ AI ಬಳಕೆಯ ತತ್ವಗಳನ್ನು ಜಾರಿಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯ
ಕೈಗಾರಿಕಾ ಎಂಜಿನಿಯರಿಂಗ್ನಲ್ಲಿ, ಪುನರಾವರ್ತಿತ ಲೆಕ್ಕಾಚಾರಗಳು, ಡೇಟಾ ಕ್ಲೀನಿಂಗ್ ಮತ್ತು ಆಪ್ಟಿಮೈಸೇಶನ್ ಮಾದರಿಗಳನ್ನು ಪೈಥಾನ್ನೊಂದಿಗೆ ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಿದಾಗ ವೇಗ ಮತ್ತು ಪುನರಾವರ್ತನೆ ಎರಡನ್ನೂ ಪಡೆಯಲಾಗುತ್ತದೆ. ಈ ಕೋಡ್ ಬರೆಯಲು AI ಅತ್ಯಂತ ಶಕ್ತಿಶಾಲಿ ವೇಗವರ್ಧಕವಾಗಿದೆ: ಪಾಂಡಾಗಳೊಂದಿಗೆ ಡೇಟಾ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವಿಕೆ, PuLP/SciPy ನೊಂದಿಗೆ ಆಪ್ಟಿಮೈಸೇಶನ್, ನಿಮಿಷಗಳಲ್ಲಿ ಮ್ಯಾಟ್ಪ್ಲಾಟ್ಲಿಬ್ ಡ್ರಾಫ್ಟ್ಗಳ ಕೋಡ್ನೊಂದಿಗೆ ದೃಶ್ಯೀಕರಣ. ಆದರೆ AI ಕೋಡ್ "ಕೆಲಸ ತೋರುತ್ತಿದೆ" ಮತ್ತು "ನಿಖರವಾಗಿರುವುದು" ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಅಂತರ್ಗತವಾಗಿ ಖಾತರಿಪಡಿಸುವುದಿಲ್ಲ. ಈ ಘಟಕದಲ್ಲಿ, ನಾವು AI-ಚಾಲಿತ ಎಂಜಿನಿಯರಿಂಗ್ ಆಟೊಮೇಷನ್, ಮೌಲ್ಯೀಕರಿಸುವ ಕೋಡ್ ಶಿಸ್ತು ಮತ್ತು ಗೌಪ್ಯ ಉತ್ಪಾದನಾ ಡೇಟಾವನ್ನು ರಕ್ಷಿಸುವ ತತ್ವಗಳನ್ನು ಸಂಯೋಜಿಸುತ್ತೇವೆ. ಈ ಘಟಕವು ಹಿಂದಿನ ಎಲ್ಲಾ ಘಟಕಗಳಿಗೆ "ವಿಶ್ವಾಸದಿಂದ ಅನ್ವಯಿಸು" ಪದರವಾಗಿದೆ.
ಕೋಡ್ ಏಕೆ? ಪುನರಾವರ್ತನೆ ಮತ್ತು ಆಡಿಟಬಿಲಿಟಿ
Excel ನಲ್ಲಿ ಕೈಯಿಂದ ಮಾಡಿದ ಲೆಕ್ಕಾಚಾರವು ಆರು ತಿಂಗಳ ನಂತರ "ಆ ಸಂಖ್ಯೆ ಎಲ್ಲಿಂದ ಬಂತು?" ಎಂಬ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಮತ್ತೊಂದೆಡೆ, ಕೋಡ್ ಇನ್ಪುಟ್, ಹಂತಗಳು ಮತ್ತು ಔಟ್ಪುಟ್ ಅನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಮತ್ತು ಪುನರಾವರ್ತಿತವಾಗಿ ಇರಿಸುತ್ತದೆ. ಕೋಡ್ನಲ್ಲಿ ಎಂಜಿನಿಯರಿಂಗ್ ಲೆಕ್ಕಾಚಾರವನ್ನು ಮಾಡುವ ಮೂರು ಪ್ರಯೋಜನಗಳು: (1) ಒಂದೇ ಇನ್ಪುಟ್ನೊಂದಿಗೆ ಯಾವಾಗಲೂ ಒಂದೇ ಫಲಿತಾಂಶ, (2) ಪ್ರತಿ ಹಂತವನ್ನು ಗೋಚರಿಸುವಂತೆ ಮತ್ತು ಪರಿಶೀಲಿಸುವಂತೆ ಮಾಡುವುದು, (3) ಇನ್ಪುಟ್ ಬದಲಾದಾಗ ಫಲಿತಾಂಶವನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ನವೀಕರಿಸುವುದು.
# EOQ ಲೆಕ್ಕಾಚಾರವನ್ನು ಪರಿಶೀಲಿಸಬಹುದಾದ ಕಾರ್ಯ ಆಮದು mathdef eoq (ವಾರ್ಷಿಕ_ಬೇಡಿಕೆ, ಆರ್ಡರ್_ವೆಚ್ಚ, ಹಿಡುವಳಿ_ವೆಚ್ಚ): """ಆರ್ಡರ್ನ ಆರ್ಥಿಕ ಕ್ರಮದ ಪ್ರಮಾಣ. ಘಟಕಗಳು ಸ್ಥಿರವಾಗಿರಬೇಕು: ವಾರ್ಷಿಕ_ಬೇಡಿಕೆ [ಐಟಂಗಳು/ವರ್ಷ], ಆರ್ಡರ್_ವೆಚ್ಚ [TL/ಆರ್ಡರ್], ಅಥವಾ ಹೋಲ್ಡಿಂಗ್_ಪೀಸ್ಗಳು/ವರ್ಷದ ವೇಳೆ _". holding_cost <= 0: ರೈಸ್ ValueError("ಬೇಡಿಕೆ ಮತ್ತು ಹಿಡುವಳಿ ವೆಚ್ಚ ಧನಾತ್ಮಕವಾಗಿರಬೇಕು") math.sqrt((2 * annual_demand * order_cost) / holding_cost)# ಪರಿಚಿತ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಪರೀಕ್ಷೆ (ಪರಿಶೀಲನೆ):# D=3600, S=120, H=8 -> ~320,06180,60,60,60,60,60,60,60,60,60,60,60,60,600,600,600,600,600,600,600,600,60,600,600,60,600,600,600,600,60,600,600,60,600,600,60,600,600,60600000000 ದೃಢೀಕರಣ 328.63) < 0.1ಪ್ರಿಂಟ್(ರೌಂಡ್(ಇಒಕ್(3600, 120, 8), 1)) #328.6
ಇಲ್ಲಿ ಪ್ರತಿಪಾದನೆಯ ಸಾಲು ನಿರ್ಣಾಯಕವಾಗಿದೆ: ತಿಳಿದಿರುವ ಫಲಿತಾಂಶದ ವಿರುದ್ಧ ಪರೀಕ್ಷೆ. AI ಬರೆಯುವ ಪ್ರತಿಯೊಂದು ಲೆಕ್ಕಾಚಾರದ ಕಾರ್ಯಕ್ಕೆ ಕನಿಷ್ಠ ಒಂದು "ತಿಳಿದಿರುವ ಫಲಿತಾಂಶ ಪರೀಕ್ಷೆ" ಅನ್ನು ಸೇರಿಸುವ ಮೂಲಕ, ಕೋಡ್ ನಿಜವಾಗಿ ಸರಿಯಾಗಿ ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ ಎಂದು ನೀವು ಸಾಬೀತುಪಡಿಸುತ್ತೀರಿ.
AI ಯೊಂದಿಗೆ ಕೋಡ್ ಅನ್ನು ರಚಿಸಲು ಸರಿಯಾದ ಮಾರ್ಗ
AI ಗೆ ಕೋಡ್ ಬರೆಯುವಾಗ ಕಡಿಮೆ ಅನಿಶ್ಚಿತತೆ ಇರುತ್ತದೆ, ಔಟ್ಪುಟ್ ಹೆಚ್ಚು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿರುತ್ತದೆ.
ಪಾತ್ರ: ನೀವು ಪೈಥಾನ್ ಮತ್ತು ಕೈಗಾರಿಕಾ ಎಂಜಿನಿಯರಿಂಗ್ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಪರಿಣಿತರು. ಕಾರ್ಯ: CSV ನಲ್ಲಿ ದೈನಂದಿನ ಉತ್ಪಾದನಾ ಡೇಟಾವನ್ನು (ದಿನಾಂಕ, ಉತ್ಪಾದಿಸಿದ, ದೋಷಯುಕ್ತ, ಡೌನ್ಟೈಮ್_ನಿಮಿಷಗಳು) ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವ ಕಾರ್ಯವನ್ನು ಬರೆಯಿರಿ ಮತ್ತು ದೈನಂದಿನ ವ್ಯರ್ಥ ದರ ಮತ್ತು ಸರಿಸುಮಾರು OEE ಘಟಕಗಳನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ. ಅವಶ್ಯಕತೆಗಳು:- ಪಾಂಡಾಗಳನ್ನು ಬಳಸಿ, ಕಾಲಮ್ ಹೆಸರುಗಳನ್ನು ಮೌಲ್ಯೀಕರಿಸಿ (ಕಾಣೆಯಾದ ವೇಳೆ ಅರ್ಥವಾಗುವ ದೋಷವನ್ನು ನೀಡಿ).- ತ್ಯಾಜ್ಯ ದರ = ದೋಷಯುಕ್ತ / ಉತ್ಪಾದಿಸಲಾಗುತ್ತದೆ; ಶೂನ್ಯದಿಂದ ವಿಭಜನೆಯ ವಿರುದ್ಧ ರಕ್ಷಿಸಿ.- ಫಂಕ್ಷನ್ಗೆ ತಿಳಿದಿರುವ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಪರೀಕ್ಷೆಯನ್ನು (ಪ್ರತಿಪಾದನೆ) ಸೇರಿಸಿ.- ಯುನಿಟ್ ಮತ್ತು ಊಹೆಗಳನ್ನು ಡಾಕ್ಸ್ಟ್ರಿಂಗ್ಗೆ ಬರೆಯಿರಿ. ನಿಯಮ: ನೆಟ್ವರ್ಕ್/ಫೈಲ್ ಸಿಸ್ಟಮ್ಗೆ ಬರೆಯುವ ಗುಪ್ತ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸೇರಿಸಬೇಡಿ. ಕೇವಲ ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ಮಾಡಿ. ನೀವು ಖಚಿತವಾಗಿರದಿರುವ ಕಾಮೆಂಟ್ಗಳೊಂದಿಗೆ ಗುರುತಿಸಿ.
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:
ಉತ್ಪಾದನಾ ದಕ್ಷತೆಯನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವ ಕೋಡ್ ಬರೆಯಿರಿ.
"ಇಳುವರಿ" ಅನ್ನು ವಿವರಿಸಲಾಗಿಲ್ಲ, ಡೇಟಾ ಸ್ಕೀಮಾ ಇಲ್ಲ, ಪರೀಕ್ಷೆ ಇಲ್ಲ. ಔಟ್ಪುಟ್ ಕೆಲಸ ಮಾಡಿದರೂ ಸಹ, ಅದು ಏನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ ಎಂಬುದು ಅಸ್ಪಷ್ಟವಾಗಿದೆ.
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:
ಕೆಳಗಿನ ರೇಖಾಚಿತ್ರದಲ್ಲಿ CSV ಗಾಗಿ OEE ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ: ಕಾಲಮ್ಗಳು [ಯೋಜಿತ_ಸಮಯ, ರನ್_ಟೈಮ್, ಆದರ್ಶ_ಸೈಕಲ್, ಉತ್ಪಾದನೆ, ಗುಣಮಟ್ಟ]. ಲಭ್ಯತೆ = ಕೆಲಸ/ಯೋಜಿತ, ಕಾರ್ಯಕ್ಷಮತೆ = (ಐಡಿಯಲ್_ಸೈಕಲ್ × ಉತ್ಪಾದನೆ)/ರನ್, ಗುಣಮಟ್ಟ = ಗುಣಮಟ್ಟ/ಉತ್ಪಾದಿತ. OEE ಈ ಮೂರರ ಉತ್ಪನ್ನವಾಗಿದೆ. ಪ್ರತಿ ಘಟಕವನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಹಿಂತಿರುಗಿಸಿ, ಶೂನ್ಯದಿಂದ ವಿಭಾಗವನ್ನು ನಿರ್ವಹಿಸಿ ಮತ್ತು ತಿಳಿದಿರುವ ಮೌಲ್ಯಗಳೊಂದಿಗೆ ಪ್ರತಿಪಾದನೆಯ ಪರೀಕ್ಷೆಯನ್ನು ಸೇರಿಸಿ.
ಎರಡನೇ ಪ್ರಾಂಪ್ಟ್ ಪ್ರತಿ ಸೂತ್ರ ಮತ್ತು ರೇಖಾಚಿತ್ರವನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ನೀಡುತ್ತದೆ; ಇದು "ಇಳುವರಿ"ಯನ್ನು AI ತಪ್ಪಾಗಿ ಅರ್ಥೈಸುವ ಸಾಧ್ಯತೆಯನ್ನು ನಿವಾರಿಸುತ್ತದೆ ಮತ್ತು ಪರೀಕ್ಷೆಯ ಮೂಲಕ ಪರಿಶೀಲನೆಯನ್ನು ಕಡ್ಡಾಯಗೊಳಿಸುತ್ತದೆ.
ಕೋಡ್ ಪರಿಶೀಲನೆ ಪರಿಶೀಲನಾಪಟ್ಟಿ
ಉತ್ಪಾದನಾ ನಿರ್ಧಾರದಲ್ಲಿ AI ಕೋಡ್ ಬಳಸುವ ಮೊದಲು, ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ:
ಹೆಜ್ಜೆ
ಏನು ಪರಿಶೀಲಿಸಬೇಕು
ಘಟಕ/ಗಾತ್ರ
ಇನ್ಪುಟ್-ಔಟ್ಪುಟ್ ಘಟಕಗಳು ಸ್ಥಿರವಾಗಿದೆಯೇ?
ತಿಳಿದಿರುವ ಫಲಿತಾಂಶ ಪರೀಕ್ಷೆ
ಇದು ಕೈ ಲೆಕ್ಕಾಚಾರದ ಉದಾಹರಣೆಯನ್ನು ಸರಿಯಾಗಿ ನೀಡುತ್ತದೆಯೇ?
ಎಡ್ಜ್ ಪ್ರಕರಣಗಳು
ಶೂನ್ಯ, ಋಣಾತ್ಮಕ, ಖಾಲಿ ಡೇಟಾ, ಏಕ ಸಾಲು ಏನು ಮಾಡುತ್ತದೆ?
ಅಂಕಗಣಿತದ ಅಡ್ಡ-ಪರಿಶೀಲನೆ
ಸಣ್ಣ ಮಾದರಿಯಲ್ಲಿ ಫಲಿತಾಂಶವು ಸ್ಪಷ್ಟವಾಗಿದೆಯೇ?
ಅಗೋಚರ ಅಡ್ಡ ಪರಿಣಾಮ
ಕೋಡ್ ಡೇಟಾವನ್ನು ಅಳಿಸುತ್ತದೆ/ಕಳುಹಿಸುತ್ತದೆಯೇ?
ಎಚ್ಚರಿಕೆ: AI ಕೆಲವೊಮ್ಮೆ "ಕೆಲಸ ಮಾಡುತ್ತದೆ ಆದರೆ ತಪ್ಪಾಗಿದೆ" ಎಂಬ ಕೋಡ್ ಅನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ: ಉದಾಹರಣೆಗೆ, ಇದು ತಪ್ಪಾಗಿ/ಒಟ್ಟು ಬದಲಾಗಿ ತಪ್ಪಾಗಿ/ಉತ್ಪಾದಿತವಾದ ವ್ಯರ್ಥ ದರವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ ಅಥವಾ ದರದೊಂದಿಗೆ ಶೇಕಡಾವಾರು ಗೊಂದಲವನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ. ಕೋಡ್ ದೋಷಗಳಿಲ್ಲದೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದರಿಂದ ಅದು ಸರಿಯಾಗಿದೆ ಎಂದು ಅರ್ಥವಲ್ಲ. ತಿಳಿದಿರುವ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಲು ಮರೆಯದಿರಿ.
ಭದ್ರತೆ ಮತ್ತು ಡೇಟಾ ಗೌಪ್ಯತೆ
ಉತ್ಪಾದನಾ ಡೇಟಾವು ವ್ಯಾಪಾರ ರಹಸ್ಯಗಳಾಗಿವೆ: ಸಾಮರ್ಥ್ಯಗಳು, ವೆಚ್ಚಗಳು, ಗ್ರಾಹಕರ ಬೇಡಿಕೆಗಳು, ಪೂರೈಕೆದಾರರ ಬೆಲೆಗಳು. ಹಠಾತ್ ಆಗಿ ಇವುಗಳನ್ನು AI ಸೇವೆಗೆ ಅಂಟಿಸುವುದು ಗಂಭೀರ ಅಪಾಯವಾಗಿದೆ.
- ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಿ: ನಿಜವಾದ ಗ್ರಾಹಕ/ಪೂರೈಕೆದಾರರ ಹೆಸರುಗಳ ಬದಲಿಗೆ ಕೋಡ್ಗಳನ್ನು ಬಳಸಿ; ನಿಖರ ವೆಚ್ಚವನ್ನು ಮಾದರಿ ಮೌಲ್ಯಗಳೊಂದಿಗೆ ಬದಲಾಯಿಸಿ.
- ಕಾರ್ಪೊರೇಟ್ ನೀತಿಯನ್ನು ಅನುಸರಿಸಿ: ನಿಮ್ಮ ಕಂಪನಿಯು ಅನುಮೋದಿಸಿದ AI ಪರಿಕರಗಳು ಮತ್ತು ಡೇಟಾ ವರ್ಗೀಕರಣ ನಿಯಮಗಳನ್ನು ಬಳಸಿ.
- ಕೋಡ್ ಅನ್ನು ವಿನಂತಿಸಿ, ಡೇಟಾವನ್ನು ಸ್ಥಳೀಯವಾಗಿ ರನ್ ಮಾಡಿ: AI ಬರೆಯುವ ಕೋಡ್ ಅನ್ನು ಹೊಂದಿರಿ, ಆದರೆ ನೈಜ ಡೇಟಾದೊಂದಿಗೆ ನಿಮ್ಮ ಸ್ವಂತ ಪರಿಸರದಲ್ಲಿ ಕೋಡ್ ಅನ್ನು ರನ್ ಮಾಡಿ. ಈ ರೀತಿಯಾಗಿ, ಸೂಕ್ಷ್ಮ ಡೇಟಾ ಹೊರಬರುವುದಿಲ್ಲ.
- ಔಟ್ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸಿ: AI ಕೋಡ್ ಅನಿರೀಕ್ಷಿತ ಸ್ಥಳಕ್ಕೆ ಡೇಟಾವನ್ನು ಕಳುಹಿಸುತ್ತಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಿ (ನೆಟ್ವರ್ಕ್ ಕರೆ, ಬಾಹ್ಯ API).
ಸಲಹೆ: "AI ಬರೆಯುವ ಕೋಡ್ ಮಾಡಿ, ಡೇಟಾವನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಿ" ತತ್ವವು ಗೌಪ್ಯತೆಯನ್ನು ರಕ್ಷಿಸುತ್ತದೆ ಮತ್ತು AI ಅನ್ನು ನಕಲಿ ಸಂಖ್ಯೆಗಳನ್ನು ಉತ್ಪಾದಿಸುವುದನ್ನು ತಡೆಯುತ್ತದೆ. ನಿಜವಾದ ಪರಿಹಾರಕ/ಗ್ರಂಥಾಲಯವು ಲೆಕ್ಕಾಚಾರವನ್ನು ಮಾಡುತ್ತದೆ, AI ಕೇವಲ ಅಸ್ಥಿಪಂಜರವನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ.
ಮಿನಿ ಕೇಸ್: ಕೆಲಸ ಆದರೆ ತಪ್ಪು ಕೋಡ್
ಕಾರ್ಖಾನೆಯಲ್ಲಿ, ಕೈಗಾರಿಕಾ ಇಂಜಿನಿಯರ್ ಮೆರ್ಟ್ ಮಾಸಿಕ OEE ವರದಿಯನ್ನು ಉತ್ಪಾದಿಸುವ ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಬರೆಯಲು AI ಹೊಂದಿದೆ. ಕೋಡ್ ಸರಾಗವಾಗಿ ಚಲಿಸುತ್ತದೆ ಮತ್ತು 92% ನ ಉತ್ತಮ OEE ನೀಡುತ್ತದೆ. ಆದರೆ ಮೆರ್ಟ್ ಅದನ್ನು ತಿಳಿದಿರುವ ದಿನದ ವಿರುದ್ಧ ಪರೀಕ್ಷಿಸಿದಾಗ (ಅವನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಲೆಕ್ಕಾಚಾರ ಮಾಡಿದ ದಿನ, ಅದು 78% OEE ಅನ್ನು ಹೊಂದಿರಬೇಕು), ಕೋಡ್ 92% ಅನ್ನು ಹಿಂದಿರುಗಿಸುತ್ತದೆ. ಪರಿಶೀಲನೆಯಲ್ಲಿ, AI ಕಾರ್ಯಕ್ಷಮತೆಯ ಘಟಕವನ್ನು ತಪ್ಪಾಗಿ ಹೊಂದಿಸಿದೆ ಎಂದು ಅವರು ಕಂಡುಕೊಂಡಿದ್ದಾರೆ (ಆದರ್ಶ ಚಕ್ರದ ಬದಲಿಗೆ ಸರಾಸರಿ ಚಕ್ರವನ್ನು ಬಳಸುವುದು). ಸರಿಪಡಿಸಿದಾಗ, ಮೌಲ್ಯವು ವಾಸ್ತವಕ್ಕೆ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆ. ಕೋಡ್ ಯಾವುದೇ ದೋಷಗಳಿಲ್ಲದೆ ತಪ್ಪು ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತಿದೆ. ಪಾಠ: ತಿಳಿದಿರುವ ಫಲಿತಾಂಶಗಳೊಂದಿಗೆ ಪರೀಕ್ಷಿಸದೆಯೇ, ತಪ್ಪಾದ OEE ತಿಂಗಳುಗಳವರೆಗೆ ನಿರ್ವಹಣಾ ನಿರ್ಧಾರಗಳನ್ನು ನಮೂದಿಸಬಹುದು.
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- "ಕೆಲಸ ಮಾಡುವುದು = ಸರಿ" ಎಂದು ಯೋಚಿಸುವುದು: ದೋಷಗಳನ್ನು ಸರಿಯಾಗಿ ನೀಡದ ಕೋಡ್ ಅನ್ನು ಸ್ವೀಕರಿಸುವುದು; ಗೊತ್ತಿರುವ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಪರೀಕ್ಷೆ ಮಾಡುತ್ತಿಲ್ಲ.
- ಸ್ಕಿಪ್ಪಿಂಗ್ ಎಡ್ಜ್ ಕೇಸ್ಗಳು: ಶೂನ್ಯದಿಂದ ವಿಭಜನೆ, ಖಾಲಿ ಡೇಟಾ, ಋಣಾತ್ಮಕ ಇನ್ಪುಟ್ನಂತಹ ಸಂದರ್ಭಗಳನ್ನು ಪ್ರಯತ್ನಿಸದೆ ಪ್ರಕಟಿಸುವುದು.
- ಗೌಪ್ಯ ಡೇಟಾವನ್ನು ಅಂಟಿಸುವುದು: ನಿಜವಾದ ವೆಚ್ಚ/ಗ್ರಾಹಕರ ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸದೆ AI ಗೆ ಕಳುಹಿಸುವುದು.
- AI ಅನ್ನು ಸಾಲ್ವರ್ಗಾಗಿ ತಪ್ಪಾಗಿ ಮಾಡುವುದು: AI ಹೇಳುವ ಆಪ್ಟಿಮೈಸೇಶನ್ ಔಟ್ಪುಟ್ ಅನ್ನು ನಿಜವಾದ ಪರಿಹಾರಕ ಔಟ್ಪುಟ್ನಂತೆ "ಫಲಿತಾಂಶ ಇದು" ಎಂದು ಬಳಸುವುದು.
- ಲೆಕ್ಕಪರಿಶೋಧನೆಯನ್ನು ಕಳೆದುಕೊಳ್ಳುವುದು: ಊಹೆಗಳು ಮತ್ತು ಘಟಕಗಳನ್ನು ದಾಖಲಿಸದೆ ಕೋಡ್ ಅನ್ನು ಹಂಚಿಕೊಳ್ಳುವುದು.
ಸಾರಾಂಶದಲ್ಲಿ
- ಕೋಡ್ ಇಂಜಿನಿಯರಿಂಗ್ ಖಾತೆಗೆ ಪುನರಾವರ್ತನೆ ಮತ್ತು ಲೆಕ್ಕಪರಿಶೋಧನೆಯನ್ನು ಸೇರಿಸುತ್ತದೆ; AI ಈ ಕೋಡ್ ಅನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ.
- ಪ್ರತಿ AI ಲೆಕ್ಕಾಚಾರದ ಕಾರ್ಯಕ್ಕೆ ತಿಳಿದಿರುವ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಸಮರ್ಥನೆಯನ್ನು ಸೇರಿಸುವ ಮೂಲಕ ಸರಿಯಾಗಿರುವುದನ್ನು ಸಾಬೀತುಪಡಿಸಿ.
- ಘಟಕ, ಎಡ್ಜ್ ಕೇಸ್ ಮತ್ತು ಅಂಕಗಣಿತದ ಕ್ರಾಸ್-ಚೆಕ್ಲಿಸ್ಟ್ ಮೂಲಕ ಅದನ್ನು ರವಾನಿಸದೆ ಉತ್ಪಾದನಾ ನಿರ್ಧಾರದಲ್ಲಿ ಕೋಡ್ ಅನ್ನು ಬಳಸಬೇಡಿ.
- "ವರ್ಕಿಂಗ್ ಕೋಡ್" ಎಂದರೆ ಸರಿಯಾದ ಕೋಡ್ ಎಂದಲ್ಲ; ಇದು ದೋಷರಹಿತವಾಗಿ ಕೆಲಸ ಮಾಡಬಹುದು ಮತ್ತು ತಪ್ಪಾಗಿ ಲೆಕ್ಕಾಚಾರ ಮಾಡಬಹುದು.
- ಗೌಪ್ಯ ಉತ್ಪಾದನಾ ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಿ, ಕಾರ್ಪೊರೇಟ್ ನೀತಿಯನ್ನು ಅನುಸರಿಸಿ; AI ಗೆ ಕೋಡ್ ಅನ್ನು ಮುದ್ರಿಸಿ ಆದರೆ ಡೇಟಾವನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಿ.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ಎಂಜಿನಿಯರಿಂಗ್ ಲೆಕ್ಕಾಚಾರವನ್ನು ಆಯ್ಕೆಮಾಡಿ (EOQ, ಸುರಕ್ಷತೆ ಸ್ಟಾಕ್, OEE ಅಥವಾ ಪ್ರಮಾಣಿತ ಸಮಯ). ಈ ಲೆಕ್ಕಾಚಾರವನ್ನು ಮಾಡುವ AI ಗೆ ಪೈಥಾನ್ ಕಾರ್ಯವನ್ನು ಬರೆಯಿರಿ; ಡಾಕ್ಸ್ಟ್ರಿಂಗ್ನಲ್ಲಿ ಘಟಕಗಳನ್ನು ಜಾರಿಗೊಳಿಸಿ ಮತ್ತು ಸಮರ್ಥನೆ ಪರೀಕ್ಷೆಯೊಂದಿಗೆ ತಿಳಿದಿರುವ ಫಲಿತಾಂಶ. ವಿಮರ್ಶಾತ್ಮಕ ಪರಿಶೀಲನೆ: ಕನಿಷ್ಠ ಮೂರು ಅಂಚಿನ ಪ್ರಕರಣಗಳೊಂದಿಗೆ (ಶೂನ್ಯ, ಋಣಾತ್ಮಕ, ಶೂನ್ಯ) ಕಾರ್ಯವನ್ನು ಪ್ರಯತ್ನಿಸಿ ಮತ್ತು ಅದನ್ನು ಕೈಯಿಂದ ಲೆಕ್ಕಾಚಾರ ಮಾಡಿದ ಉದಾಹರಣೆಯೊಂದಿಗೆ ಹೋಲಿಕೆ ಮಾಡಿ; ಕೋಡ್ ದೋಷಗಳಿಲ್ಲದೆ ರನ್ ಆಗಿದ್ದರೂ ಸಹ ಫಲಿತಾಂಶವು ಸರಿಯಾಗಿದೆ ಎಂದು ತಿಳಿದಿರುವ ಮೌಲ್ಯದೊಂದಿಗೆ ಸಾಬೀತುಪಡಿಸಿ. ನಂತರ ಕೋಡ್ ಅನ್ನು "ಡೇಟಾ ಗೌಪ್ಯತೆ" ದೃಷ್ಟಿಕೋನದಿಂದ ಪರೀಕ್ಷಿಸಿ: ಡೇಟಾವನ್ನು ಕಳುಹಿಸುವ ಪ್ರಕ್ರಿಯೆ ಇದೆಯೇ? ಅಂತಿಮವಾಗಿ, ಈ ಘಟಕದ ಪರಿಶೀಲನಾ ಪಟ್ಟಿಯನ್ನು ನಿಮ್ಮ ಸ್ವಂತ ವರ್ಕ್ಫ್ಲೋಗೆ ಹೊಂದಿಸಿ ಮತ್ತು ಪರಿಶೀಲನಾಪಟ್ಟಿಯನ್ನು ರಚಿಸಿ.
ಮಾಡ್ಯೂಲ್ ಪರೀಕ್ಷೆ
1. ನೇರ ಉತ್ಪಾದನೆಯಲ್ಲಿ, ನೀವು ಮೌಲ್ಯದ ಸ್ಟ್ರೀಮ್ ನಕ್ಷೆಯನ್ನು (VSM) ರಚಿಸಲು AI ಅನ್ನು ಬಳಸಿದ್ದೀರಿ. ಸಲಹೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಮೊದಲು ಉತ್ತಮ ಹಂತ ಯಾವುದು?
- A) ಕ್ಷೇತ್ರ (ಗೆಂಬಾ) ವೀಕ್ಷಣೆ ಮತ್ತು ನಿಜವಾದ ಸೈಕಲ್/ನಿವಸ ಸಮಯಗಳೊಂದಿಗೆ AI ಬ್ಲೂಪ್ರಿಂಟ್ ಅನ್ನು ಮೌಲ್ಯೀಕರಿಸಿ ✔
- ಬಿ) AI ನಂತೆ ನಕ್ಷೆಯನ್ನು ನೇರವಾಗಿ ಬೋರ್ಡ್ನಲ್ಲಿ ನೇತುಹಾಕುವುದು ಪ್ರಸ್ತುತ ಮಾದರಿಯಾಗಿದೆ
- ಸಿ) ನಕ್ಷೆಯ ಬಣ್ಣಗಳು ಮತ್ತು ಬಾಕ್ಸ್ ಆಕಾರಗಳನ್ನು ಸರಿಪಡಿಸಿ
- ಡಿ) ತ್ಯಾಜ್ಯ ಪ್ರಕಾರಗಳ ಕ್ರಮವನ್ನು ಬದಲಾಯಿಸುವುದು ಮತ್ತು ಅವುಗಳನ್ನು ಪ್ರಕಟಿಸುವುದು
ವಿವರಣೆ: ನೀವು ಒದಗಿಸುವ ಮಾಹಿತಿಯ ಆಧಾರದ ಮೇಲೆ AI ಸಮಂಜಸವಾದ VSM ಸ್ಕೆಚ್ ಅನ್ನು ರಚಿಸುತ್ತದೆ, ಆದರೆ ನಿಜವಾದ ಪ್ರಕ್ರಿಯೆ ಸಮಯ ಮತ್ತು ತ್ಯಾಜ್ಯವನ್ನು ವೀಕ್ಷಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಲೀನ್ನ ಮೂಲ ತತ್ವವೆಂದರೆ 'ಗೆಂಬಾ': ಮೌಲ್ಯದ ಸ್ಟ್ರೀಮ್ ಅನ್ನು ಕ್ಷೇತ್ರದಲ್ಲಿ ಗಮನಿಸಿ ಮತ್ತು ಅಳತೆ ಮಾಡುವ ಮೂಲಕ ಪರಿಶೀಲಿಸಬೇಕು, ಆದರೆ ನಂತರ ಸುಧಾರಣೆ ನಿರ್ಧಾರಗಳಿಗೆ ಆಧಾರವಾಗಿ ಬಳಸಬೇಕು.
2. ಬೇಡಿಕೆಯ ಮುನ್ಸೂಚನೆಯ ಮಾದರಿಯ ನಿಖರತೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಯಾವ ಸೆಟ್ ಮೆಟ್ರಿಕ್ಗಳು ನೇರವಾಗಿ ಈ ಉದ್ದೇಶವನ್ನು ತಿಳಿಸುತ್ತದೆ?
- ಎ) ಸಿಪಿ ಮತ್ತು ಸಿಪಿಕೆ
- ಬಿ) MAPE, MAE ಮತ್ತು RMSE ✔
- ಸಿ) OEE ಮತ್ತು MTBF
- ಡಿ) ತಕ್ಟ್ ಸಮಯ ಮತ್ತು ವಿಐಪಿ
ವಿವರಣೆ: MAPE (ಅಂದರೆ ಸಂಪೂರ್ಣ ಶೇಕಡಾ ದೋಷ), MAE ಮತ್ತು RMSE ಗಳು ಮುನ್ಸೂಚನೆ ದೋಷವನ್ನು ಅಳೆಯುವ ಮೆಟ್ರಿಕ್ಗಳಾಗಿವೆ; ಮುನ್ಸೂಚನೆಯನ್ನು ನಿಜವಾದ ಬೇಡಿಕೆಯೊಂದಿಗೆ ಹೋಲಿಸುವ ಮೂಲಕ ಮಾದರಿಯ ನಿಖರತೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಇದು ನಿಮ್ಮನ್ನು ಅನುಮತಿಸುತ್ತದೆ. Cp/Cpk ಎನ್ನುವುದು ಪ್ರಕ್ರಿಯೆಯ ಸಾಮರ್ಥ್ಯ ಮತ್ತು OEE ಸಾಧನದ ದಕ್ಷತೆಯ ಮೆಟ್ರಿಕ್ ಆಗಿದೆ.
3. ಮರುಕ್ರಮಾಂಕದ (ROP) ಲೆಕ್ಕಾಚಾರದಲ್ಲಿ, AI ನಿಮಗೆ ಮೌಲ್ಯವನ್ನು ನೀಡಿದೆ. ಫಲಿತಾಂಶವನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಬಳಸಲು ನೀವು ಮೊದಲು ಏನು ಮಾಡಬೇಕು?
- ಎ) ಫಲಿತಾಂಶವನ್ನು ಪೂರ್ತಿಗೊಳಿಸಿ ಮತ್ತು ಅದನ್ನು ನೇರವಾಗಿ ERP ಗೆ ನಮೂದಿಸಿ
- B) AI ಅನ್ನು ಕೇಳಿ 'ನಿಮಗೆ ಖಚಿತವಾಗಿದೆಯೇ?' ಮತ್ತು 'ಹೌದು' ಎಂಬ ಉತ್ತರದಿಂದ ತೃಪ್ತರಾಗಿ
- ಸಿ) ಬಳಸಿದ ಸೂತ್ರ, ಇನ್ಪುಟ್ಗಳು ಮತ್ತು ಘಟಕಗಳನ್ನು ಮುದ್ರಿಸಿ ಮತ್ತು ಲೆಕ್ಕಾಚಾರವನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ/ಕೋಡ್ನೊಂದಿಗೆ ಪುನರುತ್ಪಾದಿಸಿ ✔
- ಡಿ) ಸುರಕ್ಷತಾ ಸ್ಟಾಕ್ ಅನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಮರುಹೊಂದಿಸಿ
ವಿವರಣೆ: ಇದು ROP = ಸರಾಸರಿ ಬೇಡಿಕೆ × ಪ್ರಮುಖ ಸಮಯ + ಸುರಕ್ಷತೆ ಸ್ಟಾಕ್ ಸೂತ್ರದೊಂದಿಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. AI ಅದು ಬಳಸುವ ಸೂತ್ರ ಮತ್ತು ಇನ್ಪುಟ್ಗಳನ್ನು (ಬೇಡಿಕೆ ದರ, ಪ್ರಮುಖ ಸಮಯ, ಸುರಕ್ಷತೆ ಸ್ಟಾಕ್) ಸ್ಪಷ್ಟವಾಗಿ ಮುದ್ರಿಸುವ ಮೂಲಕ ಮತ್ತು ಅದನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ/ಕೋಡ್ನಲ್ಲಿ ಮರು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವ ಮೂಲಕ ನೀಡುವ ಫಲಿತಾಂಶವನ್ನು ಪರಿಶೀಲಿಸುವುದು ಅವಶ್ಯಕ; ಇಲ್ಲದಿದ್ದರೆ ಘಟಕ ಅಥವಾ ಅಂಕಗಣಿತದ ದೋಷವನ್ನು ಗಮನಿಸಲಾಗುವುದಿಲ್ಲ.
4. ಕಡಿಮೆ ಸಂಸ್ಕರಣಾ ಸಮಯ (SPT) ನಿಯಮವು ಉದ್ಯೋಗದ ವೇಳಾಪಟ್ಟಿಯಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿ ಏನು ಸುಧಾರಿಸುತ್ತದೆ?
- ಎ) ಇದು ಸೆಟಪ್ ಸಮಯವನ್ನು ಮಾತ್ರ ಮರುಹೊಂದಿಸುತ್ತದೆ
- ಬಿ) ಭೌತಿಕವಾಗಿ ಯಂತ್ರಗಳ ಸಂಖ್ಯೆಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ
- ಸಿ) ಶಕ್ತಿಯ ಬಳಕೆಯನ್ನು ಅರ್ಧದಷ್ಟು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ
- D) ಸರಾಸರಿ ಹರಿವಿನ ಸಮಯ ಮತ್ತು ಸರಾಸರಿ ಸುಪ್ತತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಒಲವು ✔
ವಿವರಣೆ: SPT (ಕಡಿಮೆ ಸಂಸ್ಕರಣಾ ಸಮಯ) ನಿಯಮವು ಸಣ್ಣ ಉದ್ಯೋಗಗಳನ್ನು ಮುಂದಕ್ಕೆ ತರುವ ಮೂಲಕ ಸರಾಸರಿ ಹರಿವಿನ ಸಮಯ ಮತ್ತು ಸರಾಸರಿ ಸುಪ್ತತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಅವನು ನಿರಂತರವಾಗಿ ದೀರ್ಘ ಕಾರ್ಯಗಳನ್ನು ಮುಂದೂಡಬಹುದು; ವಿತರಣಾ ದಿನಾಂಕವು ನಿರ್ಣಾಯಕವಾಗಿದ್ದರೆ, EDD ಯಂತಹ ನಿಯಮಗಳು ಹೆಚ್ಚು ಸೂಕ್ತವಾಗಿವೆ. ನಿಯಮದ ಆಯ್ಕೆಯನ್ನು ಉದ್ದೇಶದಿಂದ ಸಮರ್ಥಿಸಬೇಕು.
5. SPC ಯಲ್ಲಿ Cp ಗಿಂತ Cpk ಮೌಲ್ಯವು ಗಮನಾರ್ಹವಾಗಿ ಕಡಿಮೆಯಿದ್ದರೆ ಇದರ ಅರ್ಥವೇನು?
- ಎ) ಪ್ರಕ್ರಿಯೆಯ ಸರಾಸರಿಯು ಸಹಿಷ್ಣುತೆ ಕೇಂದ್ರದಿಂದ (ಸೆಂಟರಿಂಗ್ ಸಮಸ್ಯೆ) ಬದಲಾಗಿದೆ ✔
- ಬಿ) ಪ್ರಕ್ರಿಯೆಯ ವ್ಯತ್ಯಾಸವು ಶೂನ್ಯವಾಗಿರುತ್ತದೆ
- ಸಿ) ಇದು ಮಾದರಿಗಳ ಸಂಖ್ಯೆ ದೊಡ್ಡದಾಗಿದೆ ಎಂದು ತೋರಿಸುತ್ತದೆ
- ಡಿ) ನಿಯಂತ್ರಣ ಚಾರ್ಟ್ ಅನಗತ್ಯ ಎಂದು ಸಾಬೀತುಪಡಿಸುತ್ತದೆ
ವಿವರಣೆ: Cp ಎನ್ನುವುದು ಪ್ರಾವೀಣ್ಯತೆಯ ಸೂಚ್ಯಂಕವಾಗಿದ್ದು ಅದು ಸಹಿಷ್ಣುತೆಯ ಅಗಲಕ್ಕೆ ಹರಡುವ ಪ್ರಕ್ರಿಯೆಯ ಅನುಪಾತವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು Cpk ಎನ್ನುವುದು ಸಹಿಷ್ಣುತೆ ಕೇಂದ್ರಕ್ಕೆ ಸರಾಸರಿ ಸಂಬಂಧಿತ ಬದಲಾವಣೆಯನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುವ ಸಮರ್ಪಕ ಸೂಚ್ಯಂಕವಾಗಿದೆ. Cpk Cp ಗಿಂತ ಕಡಿಮೆಯಿದ್ದರೆ, ಪ್ರಕ್ರಿಯೆಯು ಆಫ್-ಸೆಂಟರ್ ಎಂದು ಸೂಚಿಸುತ್ತದೆ (ಸರಾಸರಿಯು ಗುರಿಯಿಂದ ದೂರವಿದೆ); ಹರಡುವಿಕೆ ಒಂದೇ ಆಗಿದ್ದರೂ, ಸೆಂಟ್ರಿಂಗ್ ಸಮಸ್ಯೆ ಇದೆ.
6. ಸಮಯ ಅಧ್ಯಯನದಲ್ಲಿ ಪ್ರಮಾಣಿತ ಸಮಯವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವಾಗ ನೀವು AI ನೀಡಿದ ಸೂತ್ರವನ್ನು ಬಳಸುತ್ತೀರಿ. ಈ ಕೆಳಗಿನ ಯಾವುದರಿಂದ ಪ್ರಮಾಣಿತ ಸಮಯವನ್ನು ಸರಿಯಾಗಿ ಪಡೆಯಲಾಗುತ್ತದೆ?
- ಎ) ಪ್ರಮಾಣಿತ ಸಮಯ = ಗಮನಿಸಿದ ಸಮಯ, ಅಂಚು ಮತ್ತು ಗತಿಯನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುವುದಿಲ್ಲ
- ಬಿ) ಪ್ರಮಾಣಿತ ಸಮಯ = ಸಾಮಾನ್ಯ ಸಮಯ × (1 + ಪಾಲು ಅನುಪಾತ); ಸಾಮಾನ್ಯ ಸಮಯ = ಗಮನಿಸಿದ ಸಮಯ × ವೇಗ ✔
- ಸಿ) ಪ್ರಮಾಣಿತ ಸಮಯ = ಗಮನಿಸಿದ ಸಮಯ ÷ ಯಂತ್ರಗಳ ಸಂಖ್ಯೆ
- ಡಿ) ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಸಮಯ ಯಾವಾಗಲೂ ವೇಗದ ಆಪರೇಟರ್ನ ಸಮಯವಾಗಿರುತ್ತದೆ
ವಿವರಣೆ: ಪ್ರಮಾಣಿತ ಸಮಯ = ಸಾಮಾನ್ಯ ಸಮಯ × (1 + ಹಂಚಿಕೆ ಅನುಪಾತ) ಎಂದು ಲೆಕ್ಕಹಾಕಲಾಗಿದೆ; ಸಾಮಾನ್ಯ ಸಮಯವನ್ನು ಗಮನಿಸಿದ ಸಮಯ × ಟೆಂಪೋ (ರೇಟಿಂಗ್) ಮೂಲಕ ಕಂಡುಹಿಡಿಯಲಾಗುತ್ತದೆ. ಷೇರುಗಳನ್ನು ಸೇರಿಸುವುದು ಕಡ್ಡಾಯವಾಗಿದೆ (ವಿಶ್ರಾಂತಿ, ವೈಯಕ್ತಿಕ, ವಿಳಂಬ). AI ಸೂತ್ರವನ್ನು ನೀಡಬಹುದು, ಆದರೆ ಗತಿ ಮತ್ತು ಷೇರು ಮೌಲ್ಯಗಳನ್ನು ನಿಜವಾದ ವೀಕ್ಷಣೆ ಮತ್ತು ಕಂಪನಿ ನೀತಿಯಿಂದ ಪರಿಶೀಲಿಸಬೇಕು.
7. ವಾಹನದ ರೂಟಿಂಗ್ (VRP) ಸಮಸ್ಯೆಗೆ 'ಅತ್ಯುತ್ತಮ' ಪರಿಹಾರವನ್ನು ನೀಡಿದೆ ಎಂದು AI ಹೇಳಿದೆ. ಅತ್ಯಂತ ನಿಖರವಾದ ಮೌಲ್ಯಮಾಪನ ಯಾವುದು?
- A) AI 'ಅತ್ಯುತ್ತಮ' ಎಂದು ಹೇಳುವುದರಿಂದ ನೇರವಾಗಿ ಚಾಲಕರಿಗೆ ಮಾರ್ಗವನ್ನು ಕಳುಹಿಸುವುದು
- ಬಿ) ಸಾಮರ್ಥ್ಯ, ಸಮಯ ವಿಂಡೋ ಮತ್ತು ವೆಚ್ಚದ ನಿರ್ಬಂಧಗಳ ವಿರುದ್ಧ ಪರಿಹಾರವನ್ನು ಮೌಲ್ಯೀಕರಿಸಿ ✔
- ಸಿ) ನಿಲುಗಡೆಗಳ ಸಂಖ್ಯೆಯನ್ನು ಕಡಿಮೆ ಮಾಡಿ ಮತ್ತು ಪ್ರಕಟಿಸಿ
- ಡಿ) ನಕ್ಷೆಯನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು ಮತ್ತು ನಿರ್ಬಂಧಗಳನ್ನು ನಿರ್ಲಕ್ಷಿಸುವುದು
ವಿವರಣೆ: AI ನಿರ್ಬಂಧಗಳನ್ನು ತಪ್ಪಾಗಿ ರೂಪಿಸಬಹುದು (ವಾಹನ ಸಾಮರ್ಥ್ಯ, ಸಮಯ ಕಿಟಕಿಗಳು, ಚಾಲನಾ ಸಮಯ) ಅಥವಾ ಸಬ್ಪ್ಟಿಮಲ್ ಪರಿಹಾರವನ್ನು 'ಅತ್ಯುತ್ತಮ' ಎಂದು ಪ್ರಸ್ತುತಪಡಿಸಬಹುದು. ಪರಿಹಾರ; ಸಾಮರ್ಥ್ಯ, ಸಮಯ ವಿಂಡೋ ಮತ್ತು ಒಟ್ಟು ದೂರ/ವೆಚ್ಚದ ನಿರ್ಬಂಧಗಳ ವಿರುದ್ಧ ಇದನ್ನು ಪರಿಶೀಲಿಸಬೇಕು ಮತ್ತು ಸಾಧ್ಯವಾದರೆ, ಮರುಉತ್ಪಾದನೆ ಮತ್ತು ಪರಿಹಾರಕದೊಂದಿಗೆ ಹೋಲಿಸಬೇಕು.
8. OEE (ಒಟ್ಟಾರೆ ಸಲಕರಣೆಗಳ ಪರಿಣಾಮಕಾರಿತ್ವ) ಯಾವ ಮೂರು ಘಟಕಗಳ ಉತ್ಪನ್ನವಾಗಿದೆ?
- ಎ) ಬೇಡಿಕೆ, ಸ್ಟಾಕ್ ಮತ್ತು ವೆಚ್ಚ
- ಬಿ) ಸಿಪಿ, ಸಿಪಿಕೆ ಮತ್ತು ಸಿಗ್ಮಾ
- ಸಿ) ಉಪಯುಕ್ತತೆ, ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು ಗುಣಮಟ್ಟ ✔
- D) Takt, ಸೈಕಲ್ ಮತ್ತು ವಿತರಣಾ ಸಮಯ
ವಿವರಣೆ: OEE = ಲಭ್ಯತೆ × ಕಾರ್ಯಕ್ಷಮತೆ × ಗುಣಮಟ್ಟ. ಲಭ್ಯತೆಯು ಅಲಭ್ಯತೆಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ, ಕಾರ್ಯಕ್ಷಮತೆಯು ವೇಗದ ನಷ್ಟವನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ ಮತ್ತು ಗುಣಮಟ್ಟವು ದೋಷಯುಕ್ತ ಉತ್ಪನ್ನಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ. AI OEE ಮೌಲ್ಯವನ್ನು ನೀಡಿದರೆ, ಈ ಮೂರು ಘಟಕಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ ಮತ್ತು ಗುಣಿಸಲಾಗುತ್ತದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು ಅವಶ್ಯಕ.
9. ಡಿಸ್ಕ್ರೀಟ್-ಈವೆಂಟ್ ಸಿಮ್ಯುಲೇಶನ್ನ ಔಟ್ಪುಟ್ ಅನ್ನು ಅರ್ಥೈಸುವಾಗ ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ ಪರಿಶೀಲನೆ ಹಂತ ಯಾವುದು?
- ಎ) ನೈಜ ಡೇಟಾದೊಂದಿಗೆ ಇನ್ಪುಟ್ ವಿತರಣೆಗಳು ಮತ್ತು ಊಹೆಗಳನ್ನು ಮೌಲ್ಯೀಕರಿಸುವುದು ✔
- ಬಿ) ಕೆಲಸದ ಸಮಯವನ್ನು ಕಡಿಮೆ ಮಾಡಿ ಮತ್ತು ಒಂದೇ ಸ್ಥಿತಿಯಲ್ಲಿ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳಿ
- ಸಿ) ಗ್ರಾಫಿಕ್ಸ್ ಬಣ್ಣದ ಪ್ಯಾಲೆಟ್ ಅನ್ನು ಸುಧಾರಿಸುವುದು
- ಡಿ) ಯಾದೃಚ್ಛಿಕ ಬೀಜವನ್ನು ಮರೆಮಾಡುವುದು ಮತ್ತು ಫಲಿತಾಂಶವನ್ನು ಪುನರಾವರ್ತಿಸಲಾಗದಂತೆ ಮಾಡುವುದು
ವಿವರಣೆ: ಸಿಮ್ಯುಲೇಶನ್ ಔಟ್ಪುಟ್ ಇನ್ಪುಟ್ ಊಹೆಗಳಷ್ಟೇ ಉತ್ತಮವಾಗಿದೆ. ವಿತರಣೆಗಳು, ಅಂತರ-ಆಗಮನ ಸಮಯ, ಸೇವಾ ಸಮಯಗಳು ಮತ್ತು ಸನ್ನಿವೇಶದ ನಿಯತಾಂಕಗಳನ್ನು ನೈಜ ಡೇಟಾದೊಂದಿಗೆ ಹೋಲಿಸಬೇಕು ಮತ್ತು ಮೌಲ್ಯೀಕರಿಸಬೇಕು; ಹೆಚ್ಚುವರಿಯಾಗಿ, ಮಾದರಿಯನ್ನು ಸರಿಯಾಗಿ ಸ್ಥಾಪಿಸಲಾಗಿದೆ ಎಂದು ಪರಿಶೀಲಿಸಬೇಕು (ಪರಿಶೀಲನೆ). ಇಲ್ಲದಿದ್ದರೆ, 'ಕಸ ಒಳಗೆ, ಕಸ ಹೊರಗೆ'.
10. ಉತ್ಪಾದನಾ ನಿರ್ಧಾರದಲ್ಲಿ AI- ರಚಿತವಾದ ಪೈಥಾನ್ ಆಪ್ಟಿಮೈಸೇಶನ್ ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಬಳಸುವ ಮೊದಲು ಯಾವುದು ಕಡ್ಡಾಯವಾಗಿದೆ?
- ಎ) ಕೋಡ್ ದೋಷಗಳಿಲ್ಲದೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದರಿಂದ ಫಲಿತಾಂಶವನ್ನು ನೇರವಾಗಿ ಅನ್ವಯಿಸುವುದು
- ಬಿ) ತಿಳಿದಿರುವ ಫಲಿತಾಂಶಗಳೊಂದಿಗೆ ಪರೀಕ್ಷೆ, ಘಟಕ ತಪಾಸಣೆ ಮತ್ತು ಅಂಚಿನ ಪ್ರಕರಣಗಳೊಂದಿಗೆ ಮೌಲ್ಯೀಕರಿಸುವುದು ಮತ್ತು ಡೇಟಾ ಗೌಪ್ಯತೆಯನ್ನು ರಕ್ಷಿಸುವುದು ✔
- ಸಿ) ವೇರಿಯಬಲ್ ಹೆಸರುಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಿ ಮತ್ತು ಕಾಮೆಂಟ್ಗಳನ್ನು ಅಳಿಸಿ
- ಡಿ) ಸಾರ್ವಜನಿಕ ಸೇವೆಗೆ ಎಲ್ಲಾ ಉತ್ಪಾದನಾ ಡೇಟಾದೊಂದಿಗೆ ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಅಪ್ಲೋಡ್ ಮಾಡುವುದು
ವಿವರಣೆ: AI ಕೋಡ್ ತಪ್ಪಾದ ಘಟಕ ಪರಿವರ್ತನೆ, ತಪ್ಪಾದ ನಿರ್ಬಂಧ ಅಥವಾ ಎಡ್ಜ್ ಪ್ರಕರಣಗಳಲ್ಲಿ ತಪ್ಪಾದ ಫಲಿತಾಂಶವನ್ನು ಹೊಂದಿರಬಹುದು. ಕೋಡ್; ತಿಳಿದಿರುವ ಫಲಿತಾಂಶಗಳೊಂದಿಗೆ ಸಣ್ಣ ಪರೀಕ್ಷಾ ಇನ್ಪುಟ್ಗಳನ್ನು ಘಟಕ/ಗಾತ್ರದ ನಿಯಂತ್ರಣ ಮತ್ತು ಅಂಚಿನ ಪ್ರಕರಣಗಳ ಮೂಲಕ ಪರಿಶೀಲಿಸಬೇಕು ಮತ್ತು ಗೌಪ್ಯ ಉತ್ಪಾದನಾ ಡೇಟಾವನ್ನು ಅನುಮತಿಯಿಲ್ಲದೆ ಬಾಹ್ಯ ಸೇವೆಗಳಿಗೆ ಕಳುಹಿಸಬಾರದು. ಫಲಿತಾಂಶವು ಎಂಜಿನಿಯರಿಂಗ್ ತೀರ್ಪಿನಿಂದ ದೃಢೀಕರಿಸಲ್ಪಟ್ಟಿದೆ.