ಲಾಭಗಳು:
- ರಚನಾತ್ಮಕ ಸ್ವರೂಪದಲ್ಲಿ AI ಗೆ ಹಲ್ ರೂಪ, ಪ್ರತಿರೋಧ ಮತ್ತು ಪ್ರೊಪಲ್ಷನ್ ನಿಯತಾಂಕಗಳನ್ನು ನೀಡುವ ಮೂಲಕ ಆರಂಭಿಕ ಗಾತ್ರ ಮತ್ತು ವಿನ್ಯಾಸ ಅನ್ವೇಷಣೆಯನ್ನು ವೇಗಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯ
- AI ಬೆಂಬಲದೊಂದಿಗೆ CFD (ಕಂಪ್ಯೂಟೇಶನಲ್ ಫ್ಲೂಯಿಡ್ ಡೈನಾಮಿಕ್ಸ್) ಅಧ್ಯಯನಗಳು, ನೆಟ್ವರ್ಕ್ ಮತ್ತು ಗಡಿ ಸ್ಥಿತಿಯ ತರ್ಕದ ಸೆಟಪ್ ಅನ್ನು ಪ್ರಶ್ನಿಸುವ ಸಾಮರ್ಥ್ಯ
- ಮಾದರಿ ಪ್ರಯೋಗ, ಪ್ರಾಯೋಗಿಕ ವಿಧಾನ ಮತ್ತು ಭೌತಿಕ ಸಮರ್ಥನೀಯತೆಯೊಂದಿಗೆ AI ಯ ಹೈಡ್ರೊಡೈನಾಮಿಕ್ ಮುನ್ನೋಟಗಳನ್ನು ಅಡ್ಡ-ಪರಿಶೀಲಿಸುವ ಮೂಲಕ ಫಿಟ್ಟಿಂಗ್ ಗುಣಾಂಕಗಳು ಮತ್ತು ಫಲಿತಾಂಶಗಳನ್ನು ಸೆರೆಹಿಡಿಯುವ ಸಾಮರ್ಥ್ಯ
ಹಡಗಿನ ಸಂಪೂರ್ಣ ಆರ್ಥಿಕತೆಯನ್ನು ಅದರ ಮುಳುಗಿದ ರೂಪದಲ್ಲಿ ಮರೆಮಾಡಲಾಗಿದೆ. ಹಲ್ ಫಾರ್ಮ್ (ಹಲ್ ಫಾರ್ಮ್; ಹಡಗಿನ ನೀರಿನೊಳಗಿನ ಮತ್ತು ಮೇಲ್ಮೈ ಹಲ್ ರೇಖಾಗಣಿತ) ಒಂದು ಮಿಲಿಮೀಟರ್ ಬದಲಾದಾಗ, ಅದು ಉರಿಯುವ ಇಂಧನ, ಅದು ಸಾಗಿಸುವ ಸರಕು ಮತ್ತು ಹೊರಸೂಸುವಿಕೆಯ ಬಿಲ್ ಆ ಹಡಗಿನ ಜೀವನದುದ್ದಕ್ಕೂ ಬದಲಾಗುತ್ತದೆ. ಆದ್ದರಿಂದ, ರೂಪ ವಿನ್ಯಾಸ ಮತ್ತು ಹೈಡ್ರೊಡೈನಾಮಿಕ್ಸ್ (ದೋಣಿ ಸುತ್ತಲಿನ ನೀರಿನ ಹರಿವಿನ ವಿಜ್ಞಾನ ಮತ್ತು ಅದು ಉಂಟುಮಾಡುವ ಶಕ್ತಿಗಳು) ನೌಕಾ ಎಂಜಿನಿಯರಿಂಗ್ನ ಅತ್ಯಂತ ದುಬಾರಿ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಹಂತಗಳಾಗಿವೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ಈ ಹಂತದಲ್ಲಿ ಮೂರು ಕಾರ್ಯಗಳನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ: ಆರಂಭಿಕ ಗಾತ್ರ ಮತ್ತು ವಿನ್ಯಾಸ ಪರಿಶೋಧನೆ, ಪ್ರಾಯೋಗಿಕ ಪ್ರತಿರೋಧ ವಿಧಾನಗಳ ಸ್ಥಾಪನೆ ಮತ್ತು ಕಂಪ್ಯೂಟೇಶನಲ್ ದ್ರವ ಡೈನಾಮಿಕ್ಸ್ (CFD) ಅಧ್ಯಯನಗಳ ಯೋಜನೆ.
ಆದರೆ ಪ್ರಾರಂಭದಿಂದಲೂ ಅದನ್ನು ಉಗುರು ಮಾಡೋಣ: ಯಾವುದೇ ಪ್ರತಿರೋಧ ಕರ್ವ್, AI ನೀಡಿದ ಯಾವುದೇ ರೂಪ ಗುಣಾಂಕವು ಮಾದರಿ ಪ್ರಯೋಗ ಅಥವಾ ಮೌಲ್ಯೀಕರಿಸಿದ ವಿಧಾನದಿಂದ ದೃಢೀಕರಿಸಲ್ಪಡದೆ ಪ್ರೊಪಲ್ಷನ್ ನಿರ್ಧಾರವಾಗಿ ಅನುವಾದಿಸುತ್ತದೆ. ನೀರು ಸೂತ್ರಗಳನ್ನು ಓದುವುದಿಲ್ಲ; ದೋಣಿಯ ನಿಜವಾದ ನಡವಳಿಕೆಯು ಮಾಪನ ಮತ್ತು ಭೌತಿಕ ತೋರಿಕೆಯ ಮೂಲಕ ಮಾತ್ರ ತಿಳಿದಿದೆ. AI ಇಲ್ಲಿ ವೇಗವರ್ಧಕ ಮತ್ತು ಕಲ್ಪನೆ ಜನರೇಟರ್ ಆಗಿದೆ; ಹೈಡ್ರೊಡೈನಾಮಿಕ್ಸ್ ವಾಸ್ತವಕ್ಕೆ ಸಾಕ್ಷಿಯಲ್ಲ.
ಪರಿಕಲ್ಪನೆಗಳು: ಪ್ರತಿರೋಧ: ದೋಣಿ ಮುಂದಕ್ಕೆ ಚಲಿಸುವಾಗ ಅದರ ಮೇಲೆ ನೀರು ಬೀರುವ ಎದುರಾಳಿ ಬಲ; ಇದು ಘರ್ಷಣೆ, ತರಂಗ ಮತ್ತು ಸುಳಿಯ ಘಟಕಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಬ್ಲಾಕ್ ಗುಣಾಂಕ (Cb): ಅದರ ಸುತ್ತಲಿನ ಆಯತಾಕಾರದ ಪ್ರಿಸ್ಮ್ಗೆ ಹಲ್ನ ನೀರೊಳಗಿನ ಪರಿಮಾಣದ ಅನುಪಾತ; ಪೂರ್ಣತೆಯ ಅಳತೆಯಾಗಿದೆ. ಫ್ರೌಡ್ ಸಂಖ್ಯೆ (Fn): ದೋಣಿ ಉದ್ದಕ್ಕೆ ವೇಗಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಆಯಾಮಗಳಿಲ್ಲದ ಸಂಖ್ಯೆ; ತರಂಗ ಪ್ರತಿರೋಧವನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ. ಪ್ರೊಪಲ್ಷನ್ ದಕ್ಷತೆ: ಇಂಜಿನ್ ಉತ್ಪಾದಿಸುವ ಎಷ್ಟು ಶಕ್ತಿಯು ಪರಿಣಾಮಕಾರಿ ಥ್ರಸ್ಟ್ ಆಗಿ ಪರಿವರ್ತನೆಯಾಗುತ್ತದೆ. EHP/DHP: ಪರಿಣಾಮಕಾರಿ ಶಕ್ತಿ (ಪರಿಣಾಮಕಾರಿ ಹಾರ್ಸ್ ಪವರ್, ದೋಣಿಯ ಪ್ರತಿರೋಧವನ್ನು ಜಯಿಸಲು ಅಗತ್ಯವಿರುವ ಶಕ್ತಿ) ಮತ್ತು ವಿತರಿಸಿದ ಶಕ್ತಿ (ವಿತರಿಸಿದ ಹಾರ್ಸ್ ಪವರ್, ಪ್ರೊಪೆಲ್ಲರ್ ಅನ್ನು ತಲುಪುವ ಶಕ್ತಿ).
ಆರಂಭಿಕ ಗಾತ್ರ ಮತ್ತು ವಿನ್ಯಾಸ ಪರಿಶೋಧನೆ
ಫಾರ್ಮ್ ವಿನ್ಯಾಸವು ಹುಡುಕಾಟದ ಸಮಸ್ಯೆಯಾಗಿದೆ: ಮುಖ್ಯ ಆಯಾಮಗಳು (ಉದ್ದ Lpp, ಅಗಲ B, ಡ್ರಾಫ್ಟ್ T), ರೂಪ ಗುಣಾಂಕಗಳು (Cb, ಪ್ರಿಸ್ಮಾಟಿಕ್ ಗುಣಾಂಕ Cp, ಮಧ್ಯ-ವಿಭಾಗದ ಗುಣಾಂಕ Cm) ಮತ್ತು ವೇಗದ ನಡುವೆ ಅಂತ್ಯವಿಲ್ಲದ ಸಂಯೋಜನೆಗಳಿವೆ. ಶಾಸ್ತ್ರೀಯ ವಿಧಾನದಲ್ಲಿ, ಇಂಜಿನಿಯರ್ ಒಂದೇ ರೀತಿಯ ಹಡಗುಗಳ ಡೇಟಾದಿಂದ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ (ಮುಖ್ಯ ಉದ್ದದ ಸರಣಿ, ಹಿಂಜರಿತ ಸಂಬಂಧಗಳು). AI ಈ ಆವಿಷ್ಕಾರವನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ: ನಿಮಿಷಗಳಲ್ಲಿ ಇದು ಡಜನ್ಗಟ್ಟಲೆ ಅಭ್ಯರ್ಥಿಗಳ ಪ್ರಮುಖ ಗಾತ್ರದ ಸಂಯೋಜನೆಗಳು, ಪ್ರತಿಯೊಂದರ ಅಂದಾಜು ಸ್ಥಳಾಂತರ, ಮತ್ತು L/B, B/T ಅನುಪಾತಗಳು ವಿಶಿಷ್ಟ ವ್ಯಾಪ್ತಿಯೊಳಗೆ ಬರುತ್ತವೆಯೇ ಎಂಬುದನ್ನು ಪಟ್ಟಿ ಮಾಡುತ್ತದೆ.
ಹಂತ ಹಂತದ ಪ್ರಕ್ರಿಯೆ ಇಲ್ಲಿದೆ. ಕಾರ್ಯಾಚರಣೆಯ ಅಗತ್ಯವನ್ನು ಸರಿಪಡಿಸುವುದು ಮೊದಲ ಹಂತವಾಗಿದೆ: ಸಾಗಿಸಬೇಕಾದ ಸರಕು, ವ್ಯಾಪ್ತಿ, ಸೇವೆಯ ವೇಗ, ಚಾನಲ್/ಪೋರ್ಟ್ ನಿರ್ಬಂಧಗಳು (ಉದಾ. ಪನಾಮ, ಸೂಯೆಜ್ ಅಗಲ-ಡ್ರಾಫ್ಟ್ ಮಿತಿಗಳು). ಇದೇ ಹಡಗಿನ ಡೇಟಾದೊಂದಿಗೆ ಮೊದಲ ಪ್ರಮುಖ ಉದ್ದಗಳನ್ನು ಸ್ಥೂಲವಾಗಿ ನಿರ್ಧರಿಸುವುದು ಎರಡನೇ ಹಂತವಾಗಿದೆ. ಮೂರನೇ ಹಂತವು ವೇಗ-ಆಕಾರ ಅನುಪಾತದ (ಫ್ರೌಡ್ ಸಂಖ್ಯೆ) ಪ್ರಕಾರ ಸಮಂಜಸವಾದ ವ್ಯಾಪ್ತಿಯಲ್ಲಿ ಫಾರ್ಮ್ ಗುಣಾಂಕಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುವುದು. ನಾಲ್ಕನೇ ಹಂತವು ಪ್ರಾಯೋಗಿಕ ವಿಧಾನದಿಂದ ಪ್ರತಿರೋಧ ಮತ್ತು ಶಕ್ತಿಯ ಪ್ರಾಥಮಿಕ ಅಂದಾಜನ್ನು ಮಾಡುವುದು (ಉದಾ. ಹೋಲ್ಟ್ರೋಪ್-ಮೆನ್ನೆನ್ ರಿಗ್ರೆಷನ್). ಈ ಪ್ರತಿಯೊಂದು ಹಂತಗಳಲ್ಲಿ, AI ಸೂತ್ರವನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ ಮತ್ತು ಸಂಖ್ಯೆಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಆದರೆ ನೀವು ಪ್ರತಿ ಗುಣಾಂಕದ ಮೂಲವನ್ನು ಕೇಳುವುದು ಮತ್ತು ಅದನ್ನು ವಿಶಿಷ್ಟ ಶ್ರೇಣಿಯೊಂದಿಗೆ ಹೋಲಿಸುವುದು ಕಡ್ಡಾಯವಾಗಿದೆ.
ಸಲಹೆ: ನೀವು AI ಅನ್ನು ಹೊಂದಿರುವಾಗ ಫಾರ್ಮ್ ಗುಣಾಂಕವನ್ನು ಸೂಚಿಸಿ, "ಈ Cb ಮೌಲ್ಯವು ಈ ಫ್ರೌಡ್ ಸಂಖ್ಯೆಗೆ ವಿಶಿಷ್ಟವಾಗಿದೆಯೇ; ಇದು ಯಾವ ಶ್ರೇಣಿಯಲ್ಲಿ ಬೀಳಬೇಕು?" ಉದಾಹರಣೆಗೆ, ಹೆಚ್ಚಿನ ವೇಗದ ರೂಪದಲ್ಲಿ, ಪೂರ್ಣ Cb (0.80+) ತರಂಗ ಪ್ರತಿರೋಧವನ್ನು ಸ್ಫೋಟಿಸುತ್ತದೆ; AI ಇದನ್ನು ನಿಮಗೆ ನೆನಪಿಸಬಹುದು, ಆದರೆ ಇದೇ ರೀತಿಯ ಹಡಗು ಡೇಟಾದೊಂದಿಗೆ ಅಂತಿಮ ಆಯ್ಕೆಯು ನಿಮ್ಮದಾಗಿದೆ.
CFD ಸೆಟಪ್ನಲ್ಲಿ ಪ್ರಾಯೋಗಿಕ ವಿಧಾನ ಮತ್ತು AI
ಪ್ರಾಥಮಿಕ ಹಂತದಲ್ಲಿ, ಮಾದರಿ ಪ್ರಯೋಗಕ್ಕಿಂತ ಪ್ರಾಯೋಗಿಕ ಹಿಂಜರಿತ ವಿಧಾನಗಳಿಂದ ಪ್ರತಿರೋಧವನ್ನು ಅಂದಾಜಿಸಲಾಗುತ್ತದೆ. Holtrop-Mennen ನಂತಹ ವಿಧಾನಗಳು ಪ್ರತಿರೋಧವನ್ನು ಅದರ ಘಟಕಗಳಾಗಿ ವಿಭಜಿಸುತ್ತವೆ: ಘರ್ಷಣೆ ಪ್ರತಿರೋಧ, ರೂಪ ಪರಿಣಾಮ, ತರಂಗ ಪ್ರತಿರೋಧ, ಉಬ್ಬು ಮತ್ತು ವಾಯು ಪ್ರತಿರೋಧ, ಹಡಗುಗಳ ದೊಡ್ಡ ಡೇಟಾಬೇಸ್ನಿಂದ ಪಡೆದ ಸೂತ್ರಗಳೊಂದಿಗೆ. AI ಈ ವಿಧಾನದ ಹಂತಗಳನ್ನು ನೆನಪಿಸುತ್ತದೆ, ಮಧ್ಯಂತರ ಗುಣಾಂಕಗಳನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ ಮತ್ತು ಸ್ಪ್ರೆಡ್ಶೀಟ್ ಅಸ್ಥಿಪಂಜರವನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ. ಆದರೆ ವಿಧಾನವು ಅದರ ಮಾನ್ಯತೆಯ ಮಿತಿಯನ್ನು ಹೊಂದಿದೆ: ಕೆಲವು Cb, Fn ಮತ್ತು L/B ಶ್ರೇಣಿಗಳಿಗೆ Holtrop ಅನ್ನು ಪಡೆಯಲಾಗಿದೆ; ನೀವು ಈ ವ್ಯಾಪ್ತಿಯ ಹೊರಗೆ ಹೋದರೆ, ಫಲಿತಾಂಶವು ವಿಶ್ವಾಸಾರ್ಹವಲ್ಲ. AI ಈ ಮಿತಿಯನ್ನು ನಿಮಗೆ ನೆನಪಿಸಬೇಕು; ಅವನು ನಿಮಗೆ ನೆನಪಿಸದಿದ್ದರೆ, ನೀವು ಕೇಳಬೇಕು.
CFD ಭಾಗದಲ್ಲಿ, AI ಸ್ವತಃ ಪರಿಹಾರವನ್ನು ಮಾಡುವುದಿಲ್ಲ, ಆದರೆ ಇದು ಸೆಟಪ್ ಅನ್ನು ಪ್ರಶ್ನಿಸಲು ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ: ಜಾಲರಿ ರೆಸಲ್ಯೂಶನ್ ಅನ್ನು ಎಲ್ಲಿ ಬಿಗಿಗೊಳಿಸಬೇಕು, ಗಡಿ ಪದರಕ್ಕೆ ಆರಂಭಿಕ ಸೆಲ್ ಎತ್ತರ (y+) ಏನಾಗಿರಬೇಕು, ಪ್ರಕ್ಷುಬ್ಧ ಮಾದರಿಯನ್ನು (k-ω SST ನಂತಹ) ಏಕೆ ಆಯ್ಕೆ ಮಾಡಲಾಗಿದೆ, ಒಮ್ಮುಖವನ್ನು ಹೇಗೆ ನಿಯಂತ್ರಿಸುವುದು. ಇದು ಶಿಕ್ಷಕ-ವಿದ್ಯಾರ್ಥಿ ಸಂವಾದ; ಸಂಖ್ಯಾತ್ಮಕ ಫಲಿತಾಂಶವನ್ನು ದೃಢೀಕರಿಸುವುದು ಜಾಲರಿಯ ಸ್ವಾತಂತ್ರ್ಯದ ಅಧ್ಯಯನವಾಗಿದೆ (ಮೆಶ್ ಸ್ವಾತಂತ್ರ್ಯ; ನೀವು ನೆಟ್ವರ್ಕ್ ಅನ್ನು ಬಿಗಿಗೊಳಿಸಿದಾಗ ಫಲಿತಾಂಶವು ಬದಲಾಗುವುದಿಲ್ಲ) ಮತ್ತು ಸಾಧ್ಯವಾದರೆ, ಮಾದರಿ ಪ್ರಯೋಗ ಮಾಪನಾಂಕ ನಿರ್ಣಯ.
ವಿಧಾನ
ಏನು ನೀಡುತ್ತದೆ
ಬಲವಾದ ಬಿಂದು
ಮಿತಿ/ಪರಿಶೀಲನೆ
ಇದೇ ಹಡಗು/ಹಿಮ್ಮೆಟ್ಟುವಿಕೆ
ಮೊದಲ ಪ್ರಮುಖ ಗಾತ್ರ, ವಿವೇಚನಾರಹಿತ ಶಕ್ತಿ
ಅತ್ಯಂತ ವೇಗವಾಗಿ, ಡೇಟಾ ಅಗ್ಗವಾಗಿದೆ
ಒಂದೇ ರೀತಿಯ ಜ್ಯಾಮಿತಿಗೆ ಮಾತ್ರ ಮಾನ್ಯವಾಗಿದೆ
ಹೋಲ್ಟ್ರೋಪ್-ಮೆನ್ನೆನ್
ಕಾಂಪೊನೆಂಟ್ ರೆಸಿಸ್ಟೆನ್ಸ್ ಕರ್ವ್
ಮುಂಭಾಗದ ವಿನ್ಯಾಸಕ್ಕಾಗಿ ಪ್ರಮಾಣಿತ
Cb/Fn/L·B ವ್ಯಾಪ್ತಿಯ ಮಿತಿ; ಮಾದರಿ ದೃಢೀಕರಣ ಅಗತ್ಯವಿದೆ
CFD ಗಳು
ವಿವರವಾದ ಹರಿವು, ಒತ್ತಡದ ಕ್ಷೇತ್ರ
ಸ್ಥಳೀಯ ಪರಿಣಾಮಗಳನ್ನು ನೋಡುತ್ತದೆ
ನೆಟ್ವರ್ಕ್ ಮತ್ತು ಪ್ರಕ್ಷುಬ್ಧ ಮಾದರಿಗೆ ಸಂವೇದನಾಶೀಲ; ಮಾಪನಾಂಕ ನಿರ್ಣಯ ಅಗತ್ಯ
ಮಾದರಿ ಪ್ರಯೋಗ (ಪೂಲ್)
ನಿಜವಾದ ಪ್ರತಿರೋಧವನ್ನು ಅಳೆಯಲಾಗುತ್ತದೆ
ಅತ್ಯಂತ ವಿಶ್ವಾಸಾರ್ಹ
ದುಬಾರಿ, ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ; ಪ್ರಮಾಣದ ಪರಿಣಾಮ ತಿದ್ದುಪಡಿ
ಮಿನಿ ಪ್ರಕರಣಗಳು
ಪ್ರಕರಣ 1 - ಅಳವಡಿಸಲಾದ ತಿದ್ದುಪಡಿ ಗುಣಾಂಕ. ಒಂದು ತಂಡವು 190 ಮೀ ಟ್ಯಾಂಕರ್ಗೆ ಹೋಲ್ಟ್ರಾಪ್ನೊಂದಿಗೆ ಒಟ್ಟು ಡ್ರ್ಯಾಗ್ ಅನ್ನು 620 kN ಎಂದು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ. "ಫಲಿತಾಂಶವನ್ನು ಸುಧಾರಿಸಲು" ಅವರು AI ಗೆ ಹೇಳಿದಾಗ, ಮಾದರಿಯು ಅಜ್ಞಾತ ಮೂಲದ "0.80 ಫಾರ್ಮ್ ತಿದ್ದುಪಡಿ ಗುಣಕ" ವನ್ನು ಸೇರಿಸುತ್ತದೆ, ಪ್ರತಿರೋಧವನ್ನು 496 kN ಗೆ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಈ 20% ಕಡಿತವು ಸರಿಸುಮಾರು ಒಂದು ಹೋಸ್ಟ್ ವರ್ಗದಿಂದ ಪ್ರೊಪಲ್ಷನ್ ಅನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ತಂಡವು ಗುಣಕದ ಆಧಾರದ ಬಗ್ಗೆ ಕೇಳುತ್ತದೆ; AI ಮೂಲಗಳನ್ನು ಉಲ್ಲೇಖಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಅವರು ಮಾದರಿ ಪರೀಕ್ಷಾ ಡೇಟಾದೊಂದಿಗೆ ಹೋಲಿಸಿದಾಗ, ನೈಜ ಪ್ರತಿರೋಧವು ಸುಮಾರು 610 kN ಎಂದು ಅವರು ನೋಡುತ್ತಾರೆ. ಪಾಠ: ಮೂಲವಿಲ್ಲದೆ ಯಾವುದೇ ತಿದ್ದುಪಡಿ ಅಂಶವು ಫಲಿತಾಂಶವನ್ನು ಪ್ರವೇಶಿಸುವುದಿಲ್ಲ.
ಪ್ರಕರಣ 2 - ಫ್ರೌಡ್ ಮಿತಿಯನ್ನು ಮೀರಿದೆ. 30 ಗಂಟುಗಳ ಸೇವಾ ವೇಗವನ್ನು ಗುರಿಯಾಗಿಟ್ಟುಕೊಂಡು 50 ಮೀ ದೋಣಿಯ ಪ್ರತಿರೋಧವನ್ನು ವಿದ್ಯಾರ್ಥಿಯೊಬ್ಬ ಹಾಲ್ಟ್ರೋಪ್ ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತಾನೆ. ಈ ಉದ್ದ-ವೇಗಕ್ಕೆ ಫ್ರೌಡ್ ಸಂಖ್ಯೆಯು ~0.70 ಕ್ಕೆ ಹೆಚ್ಚಾಗುತ್ತದೆ; Holtrop ನ ವಿಶ್ವಾಸಾರ್ಹ ಶ್ರೇಣಿಗಿಂತ ಉತ್ತಮವಾಗಿದೆ. AI ಅದನ್ನು ಮೊದಲು ನಿರ್ದಿಷ್ಟಪಡಿಸದೆ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತದೆ. ವಿದ್ಯಾರ್ಥಿಯು ಸಿಂಧುತ್ವ ವ್ಯಾಪ್ತಿಯ ಬಗ್ಗೆ ಕೇಳಿದಾಗ, ಈ ಆಡಳಿತದಲ್ಲಿ ವಿಧಾನವು ಸೂಕ್ತವಲ್ಲ ಮತ್ತು ಪ್ಲಾನರ್ / ಅರೆ-ಸ್ಥಳಾಂತರದ ರೂಪಗಳಿಗೆ ವಿಭಿನ್ನ ವಿಧಾನ (ಸಾವಿಟ್ಸ್ಕಿ, ಇತ್ಯಾದಿ) ಅಗತ್ಯವಿದೆ ಎಂದು ಅದು ತಿರುಗುತ್ತದೆ. ಪಾಠ: ಪ್ರತಿ ಪ್ರಾಯೋಗಿಕ ವಿಧಾನದ ಮಾನ್ಯತೆಯ ಲಕೋಟೆಯನ್ನು ಪ್ರಶ್ನಿಸಿ.
ಪ್ರಕರಣ 3 - ನೆಟ್ವರ್ಕ್ನಿಂದ ದೋಷ. CFD ಅಧ್ಯಯನದಲ್ಲಿ AI ಒರಟಾದ ಜಾಲರಿಯೊಂದಿಗೆ 540 kN ಪ್ರತಿರೋಧವನ್ನು ನೀಡುತ್ತದೆ. ಇಂಜಿನಿಯರ್ ನೆಟ್ವರ್ಕ್ ಅನ್ನು ಬಿಗಿಗೊಳಿಸಿದಾಗ ಮತ್ತು ಸ್ವಾತಂತ್ರ್ಯದ ಅಧ್ಯಯನವನ್ನು ನಡೆಸಿದಾಗ, ಫಲಿತಾಂಶವು 605 kN ಆಗಿದೆ; ಆರಂಭಿಕ ಮೌಲ್ಯವು 11% ಕಡಿಮೆಯಾಗಿದೆ ಏಕೆಂದರೆ ಹಿಂಭಾಗದ ತರಂಗ ಕ್ಷೇತ್ರವು ಸಾಕಷ್ಟು ಪರಿಹರಿಸಲ್ಪಟ್ಟಿಲ್ಲ. ಪಾಠ: ನೆಟ್ವರ್ಕ್ ಸ್ವಾತಂತ್ರ್ಯ ಅಧ್ಯಯನವಿಲ್ಲದೆ CFD ಫಲಿತಾಂಶವನ್ನು ವಿಶ್ವಾಸಾರ್ಹವೆಂದು ಪರಿಗಣಿಸಲಾಗುವುದಿಲ್ಲ.
ನಕಲು ಮಾಡಬಹುದಾದ ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೇಟ್ಗಳು
ಟೆಂಪ್ಲೇಟ್ 1 — ಪೂರ್ವ-ಗಾತ್ರದ ಪರಿಶೋಧನೆ:
ಪಾತ್ರ: ನೀವು ಹಡಗಿನ ಪ್ರಾಥಮಿಕ ವಿನ್ಯಾಸ ಸಲಹೆಗಾರರಾಗಿದ್ದೀರಿ.ಸಂದರ್ಭ (ಪ್ರತಿನಿಧಿ): ಬಲ್ಕ್ ಕ್ಯಾರಿಯರ್ಗೆ ಪೇಲೋಡ್ ~40,000 t, ಸೇವಾ ವೇಗ ~14.5 ಗಂಟುಗಳು, ಸೂಯೆಜ್ ಡ್ರಾಫ್ಟ್ ಮಿತಿಯೊಳಗೆ. ಕಾರ್ಯ:1) 4 ಅಭ್ಯರ್ಥಿ ಮುಖ್ಯ ಉದ್ದ ಸಂಯೋಜನೆಗಳನ್ನು ಶಿಫಾರಸು ಮಾಡಿ (Lpp, B, T) ಪ್ರತಿ ಅಭ್ಯರ್ಥಿಗೆ ಅಂದಾಜು, CBT, ಸ್ಥಳಾಂತರ ver.3) ವಿಶಿಷ್ಟ ಶ್ರೇಣಿಯ ಹೊರಗೆ ಯಾವ ಅನುಪಾತಗಳು ಬೀಳುತ್ತವೆ ಎಂಬುದನ್ನು ಗುರುತಿಸಿ. ನಿರ್ಬಂಧ: ಪ್ರತಿ ಸಂಖ್ಯೆಯ ಘಟಕವನ್ನು ಬರೆಯಿರಿ; ನೀವು ಬಳಸುತ್ತಿರುವ ರಿಗ್ರೆಶನ್/ಡೇಟಾಬೇಸ್ ಅನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ; ಅಂತಿಮ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳಬೇಡಿ, ಅಭ್ಯರ್ಥಿಯನ್ನು ಸಲ್ಲಿಸಿ.
ಟೆಂಪ್ಲೇಟ್ 2 — ಹೋಲ್ಟ್ರಾಪ್ ರೆಸಿಸ್ಟರ್ ಲೆಕ್ಕಾಚಾರವನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡುವುದು:
ಹೋಲ್ಟ್ರೋಪ್-ಮೆನ್ನೆನ್ ವಿಧಾನದೊಂದಿಗೆ ಪ್ರಾಥಮಿಕ ಪ್ರತಿರೋಧ ಲೆಕ್ಕಾಚಾರದ ಚೌಕಟ್ಟನ್ನು ಹೊಂದಿಸಿ. ಒಳಹರಿವು (ಪ್ರತಿನಿಧಿ): Lpp, B, T, Cb, Cp, ಸೇವಾ ವೇಗ, ಆರ್ದ್ರ ಪ್ರದೇಶ. ನನಗೆ ಬೇಕು:1) ಪ್ರತಿರೋಧ ಘಟಕಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಪಟ್ಟಿ ಮಾಡಿ (ಘರ್ಷಣೆ, ರೂಪ, ತರಂಗ, ಪ್ರಕ್ಷೇಪಣ, ಗಾಳಿ).2) ಪ್ರತಿ ಘಟಕಕ್ಕೆ ನೀವು ಬಳಸುವ ಸೂತ್ರ ಮತ್ತು ಗುಣಾಂಕವನ್ನು ಬರೆಯಿರಿ.3) ವಿಧಾನದ ಮಾನ್ಯತೆಯ ಶ್ರೇಣಿಯನ್ನು ಸೂಚಿಸಿ (Cb, Fn, L/B) ಮತ್ತು ನನ್ನ ಒಳಹರಿವು ಈ ಶ್ರೇಣಿಯಲ್ಲಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಿ. et.4) ಮಾದರಿ ಪ್ರಯೋಗದೊಂದಿಗೆ ಫಲಿತಾಂಶವನ್ನು ಹೇಗೆ ಮಾಪನಾಂಕ ಮಾಡುವುದು ಎಂಬುದನ್ನು ಸೇರಿಸಿ.
ಟೆಂಪ್ಲೇಟ್ 3 — CFD ಸೆಟಪ್ ಪ್ರಶ್ನೆ:
ನಾನು ದೋಣಿ ಪ್ರತಿರೋಧದ CFD ಅಧ್ಯಯನವನ್ನು ಸ್ಥಾಪಿಸುತ್ತಿದ್ದೇನೆ. ಕೆಳಗಿನ ನಿರ್ಧಾರಗಳನ್ನು ಸಮರ್ಥನೆಯೊಂದಿಗೆ ವಿವರಿಸಿ ಮತ್ತು ಮೌಲ್ಯಗಳ ವಿಶಿಷ್ಟ ಶ್ರೇಣಿಯನ್ನು ನೀಡಿ: - ಪ್ರಕ್ಷುಬ್ಧ ಮಾದರಿ ಆಯ್ಕೆ ಮತ್ತು ಕಾರಣ - ಸಮೀಪ-ಗೋಡೆಯ ಪರಿಹಾರ (y+ ಗುರಿ) ಮತ್ತು ಆರಂಭಿಕ ಸೆಲ್ ಎತ್ತರ - ಉಚಿತ ಮೇಲ್ಮೈ (VOF) ಸೆಟ್ಟಿಂಗ್ಗಳು - ಒಮ್ಮುಖ ಮತ್ತು ಜಾಲರಿಯ ಸ್ವಾತಂತ್ರ್ಯವನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸುವುದು ಪ್ರತಿ ಸಲಹೆಗೆ "ನಾನು ಇದನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸುತ್ತೇನೆ" ಎಂಬ ಸಾಲನ್ನು ಸೇರಿಸಿ.
ಟೆಂಪ್ಲೇಟ್ 4 - ಫಲಿತಾಂಶದ ಸಮಂಜಸತೆ ಪರಿಶೀಲನೆ:
ಕೆಳಗಿನ ಪ್ರತಿರೋಧ/ವಿದ್ಯುತ್ ಫಲಿತಾಂಶವನ್ನು ವಿಮರ್ಶಿಸಿ:[EHP, DHP, ವೇಗ, ಪ್ರತಿರೋಧ ಮೌಲ್ಯಗಳನ್ನು ಅಂಟಿಸಿ]1) ಈ ಗಾತ್ರದ ಹಡಗಿಗೆ ಪರಿಮಾಣದ ಕ್ರಮವು ವಿಶಿಷ್ಟವಾಗಿದೆಯೇ? 2) ನಿಮ್ಮ ಪ್ರೊಪಲ್ಷನ್ ದಕ್ಷತೆಯ ಊಹೆ ಸಮಂಜಸವಾಗಿದೆಯೇ (ಸಾಮಾನ್ಯವಾಗಿ 0.55-0.70)? 3) ನಾನು ನಮೂದಿಸಿದ ವೇಗದಿಂದ ಪ್ರತಿರೋಧವನ್ನು ಮರಳಿ ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ. ಯಾವುದೇ ಪ್ರಶ್ನೆಯು ಸ್ಥಿರವಾಗಿಲ್ಲವೇ ಅಥವಾ ಸ್ಥಿರವಾಗಿಲ್ಲವೇ?
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:
ಈ ದೋಣಿಗೆ ಉತ್ತಮ ರೂಪ ಮತ್ತು ಪ್ರತಿರೋಧ ಕರ್ವ್ ನೀಡಿ.
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:
ಪಾತ್ರ: ನೀವು ಹೈಡ್ರೊಡೈನಾಮಿಕ್ ಪ್ರಾಥಮಿಕ ವಿನ್ಯಾಸ ಸಲಹೆಗಾರರು. ಸಂದರ್ಭ (ಪ್ರತಿನಿಧಿ, ನಿಜವಾದ ಯೋಜನೆ ಅಲ್ಲ): Lpp ~ 180 m, B ~ 32 m, T ~ 12.5 m, Cb ~ 0.84, ಸೇವಾ ವೇಗ ~ 14.5 ಗಂಟುಗಳು. ಕಾರ್ಯ: ಹೋಲ್ಟ್ರೋಪ್ ವಿಧಾನದಿಂದ ಘಟಕದ ಪ್ರಾಥಮಿಕ ಪ್ರತಿರೋಧವನ್ನು ಅಂದಾಜು ಮಾಡಿ; ಪ್ರತಿ ಗುಣಾಂಕದ ಮೂಲ ಮತ್ತು ವಿಧಾನದ ಮಾನ್ಯತೆಯ ಶ್ರೇಣಿಯನ್ನು ಬರೆಯಿರಿ. ನಿರ್ಬಂಧ: ಮೂಲವಿಲ್ಲದೆ ತಿದ್ದುಪಡಿ ಅಂಶವನ್ನು ಸೇರಿಸಿ. ಮಾದರಿ ಪರೀಕ್ಷೆಯೊಂದಿಗೆ ಫಲಿತಾಂಶವನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸುವುದು ಮತ್ತು ನಾನು ಯಾವ ಅಳತೆಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬೇಕು ಎಂಬುದನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ರಾಜ್ಯ ಘಟಕಗಳು (kN, kW, knots) ಸ್ಪಷ್ಟವಾಗಿ.
ದುರ್ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್ ಫಾರ್ಮ್ "ಉತ್ತಮ" ಅನ್ನು ವ್ಯಾಖ್ಯಾನಿಸದೆ ಬಿಡುತ್ತದೆ ಮತ್ತು ಊರ್ಜಿತಗೊಳಿಸುವಿಕೆಯ ಅಗತ್ಯವಿರುವುದಿಲ್ಲ; ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್ ಸಂದರ್ಭ, ವಿಧಾನ, ಮಾನ್ಯತೆಯ ಮಿತಿ ಮತ್ತು ಪರಿಶೀಲನೆ ಮಾರ್ಗವನ್ನು ವಿನಂತಿಸುತ್ತದೆ.
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಮಾನ್ಯತೆಯ ಲಕೋಟೆಯನ್ನು ನಿರ್ಲಕ್ಷಿಸಲಾಗುತ್ತಿದೆ. Holtrop ಅಥವಾ ಅದನ್ನು ಪಡೆದ ವ್ಯಾಪ್ತಿಯ ಹೊರಗೆ ಯಾವುದೇ ಇತರ ಹಿಂಜರಿತವನ್ನು ಬಳಸುವುದು ಸಮಂಜಸವಾಗಿ ಕಾಣುವ ಆದರೆ ತಪ್ಪಾದ ಪ್ರತಿರೋಧವನ್ನು ನೀಡುತ್ತದೆ.
- ಮೂಲರಹಿತ ತಿದ್ದುಪಡಿ ಅಂಶವನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವುದು. "ಸುಧಾರಿಸು" ಎಂದು ಹೇಳಿ ಮತ್ತು AI ಸೇರಿಸುವ ದುರ್ಬಲ ಗುಣಾಂಕಗಳು ಫಲಿತಾಂಶವನ್ನು ಮೌನವಾಗಿ ವಿರೂಪಗೊಳಿಸುತ್ತವೆ.
- ನೆಟ್ವರ್ಕ್ ಸ್ವಾತಂತ್ರ್ಯವಿಲ್ಲದೆ CFD ಅನ್ನು ಬಳಸುವುದು. ಒರಟಾದ ಜಾಲರಿಯು ಸ್ಟರ್ನ್ ತರಂಗ ಮತ್ತು ಸುಳಿಯ ಕ್ಷೇತ್ರವನ್ನು ಪರಿಹರಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ; ಪ್ರತಿರೋಧ ಕಡಿಮೆ ಆಗುತ್ತದೆ.
- ಪ್ರಮಾಣದ ಪರಿಣಾಮವನ್ನು ಮರೆತುಬಿಡುವುದು. ಮಾದರಿ ಪ್ರಯೋಗದ ಫಲಿತಾಂಶವು ಪೂರ್ಣ ಪ್ರಮಾಣದಲ್ಲಿ ಚಲಿಸುವಾಗ ಘರ್ಷಣೆ ತಿದ್ದುಪಡಿ (ITTC ವಿಧಾನ) ಅಗತ್ಯವಿರುತ್ತದೆ; AI ಇದನ್ನು ಬೈಪಾಸ್ ಮಾಡಬಹುದು.
- ರವಾನೆ ದಕ್ಷತೆಯನ್ನು ಆಶಾವಾದಿಯಾಗಿ ತೆಗೆದುಕೊಳ್ಳುವುದು. ಪ್ರತಿರೋಧವು ಸರಿಯಾಗಿದ್ದರೂ ಸಹ, ಅತಿಯಾದ ಆಶಾವಾದಿ ಡ್ರೈವ್ ದಕ್ಷತೆಯು ಅಗತ್ಯವಿರುವ ಯಂತ್ರದ ಶಕ್ತಿಯನ್ನು ಕಡಿಮೆ ಅಂದಾಜು ಮಾಡುತ್ತದೆ.
ಸಾರಾಂಶದಲ್ಲಿ
AI ಹಲ್ ಫಾರ್ಮ್ ಅನ್ವೇಷಣೆ, ಪ್ರಾಯೋಗಿಕ ಪ್ರತಿರೋಧ ಲೆಕ್ಕಾಚಾರದ ಸೆಟಪ್ ಮತ್ತು CFD ರನ್ ಯೋಜನೆಗಳನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ; ಡಜನ್ಗಟ್ಟಲೆ ಅಭ್ಯರ್ಥಿ ಫಾರ್ಮ್ಗಳನ್ನು ನಿಮಿಷಗಳಲ್ಲಿ ಹೋಲಿಸಬಹುದಾಗಿದೆ. ಆದರೆ ಪ್ರತಿ ಪ್ರಾಯೋಗಿಕ ವಿಧಾನವು ಮಾನ್ಯತೆಯ ಹೊದಿಕೆಯನ್ನು ಹೊಂದಿರುತ್ತದೆ, ಪ್ರತಿ CFD ಫಲಿತಾಂಶವು ನೆಟ್ವರ್ಕ್ ಅವಲಂಬನೆಯನ್ನು ಹೊಂದಿರುತ್ತದೆ ಮತ್ತು ಪ್ರತಿ ಪೂರ್ಣ-ಪ್ರಮಾಣದ ಅಂದಾಜು ಒಂದು ಪ್ರಮಾಣದ ತಿದ್ದುಪಡಿಯನ್ನು ಹೊಂದಿರುತ್ತದೆ. AI ನಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಪ್ರತಿರೋಧ ಮತ್ತು ಶಕ್ತಿ ಮೌಲ್ಯಗಳನ್ನು ಮಾದರಿ ಪ್ರಯೋಗ, ಪ್ರಾಯೋಗಿಕ ದೃಢೀಕರಣ ಮತ್ತು ಭೌತಿಕ ಸಮರ್ಥನೀಯತೆಯ ಫಿಲ್ಟರ್ ಮೂಲಕ ಹಾದುಹೋದ ನಂತರ ಮಾತ್ರ ಉಲ್ಲೇಖಿತ ನಿರ್ಧಾರಕ್ಕೆ ಅನುವಾದಿಸಬಹುದು.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ಪ್ರಾತಿನಿಧಿಕ ಹಡಗಿಗೆ (ಉದಾ. Lpp ~150 m, B ~25 m, T ~9 m, Cb ~0.75, ವೇಗ ~15 ಗಂಟುಗಳು), Holtrop ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು AI ಪ್ರಾಥಮಿಕ ಡ್ರ್ಯಾಗ್ ಮತ್ತು EHP ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ. ನಂತರ "ತೀರ್ಮಾನ ಪ್ಲಾಸಿಬಿಲಿಟಿ ಚೆಕ್" ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ಅನ್ವಯಿಸುವ ಮೂಲಕ ಪರಿಮಾಣ ಮತ್ತು ರವಾನೆ ದಕ್ಷತೆಯ ಊಹೆಯ ಕ್ರಮವನ್ನು ಪ್ರಶ್ನಿಸಿ. ವಿಧಾನದ ಮಾನ್ಯತೆಯ ಶ್ರೇಣಿಗಾಗಿ AI ಅನ್ನು ಕೇಳಿ ಮತ್ತು ನಿಮ್ಮ ಒಳಹರಿವು ಈ ವ್ಯಾಪ್ತಿಯಲ್ಲಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಿ. ನೀವು ಕಂಡುಕೊಂಡಿರುವ ಕನಿಷ್ಠ ಒಂದು ಅಸಂಗತತೆಯನ್ನು ವರದಿ ಮಾಡಿ ಮತ್ತು ಅರ್ಧ ಪುಟದಲ್ಲಿ ನೀವು ಅದನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸಿದ್ದೀರಿ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- [ ] ನಾನು ಬಳಸಿದ ಪ್ರಾಯೋಗಿಕ ವಿಧಾನದ ಮಾನ್ಯತೆಯ ಶ್ರೇಣಿಯನ್ನು ನನ್ನ ಒಳಹರಿವುಗಳೊಂದಿಗೆ ಹೋಲಿಸಿದೆ.
- AI ಸೇರಿಸಿದ ಪ್ರತಿ ತಿದ್ದುಪಡಿ ಅಂಶದ ಮೂಲವನ್ನು ನಾನು ಕೇಳಿದೆ ಮತ್ತು ದೃಢಪಡಿಸಿದೆ.
- [ ] ನಾನು ಪ್ರತಿರೋಧ ಮತ್ತು ಶಕ್ತಿಯ ಫಲಿತಾಂಶಗಳನ್ನು ಒಂದು ವಿಶಿಷ್ಟವಾದ ಹಡಗಿನೊಂದಿಗೆ ಪರಿಮಾಣದ ಕ್ರಮಕ್ಕೆ ಹೋಲಿಸಿದೆ.
- [ ] ನಾನು CFD ಅನ್ನು ಬಳಸಿದರೆ, ನಾನು ನೆಟ್ವರ್ಕ್ ಸ್ವಾತಂತ್ರ್ಯ ಅಧ್ಯಯನವನ್ನು ಯೋಜಿಸಿದೆ/ನಿರ್ವಹಿಸಿದೆ.
- [ ] ರವಾನೆ ದಕ್ಷತೆಯ ಊಹೆಯು ಸಮಂಜಸವಾದ ವ್ಯಾಪ್ತಿಯಲ್ಲಿದೆ ಎಂದು ನಾನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು ಮಾದರಿ ಪ್ರಯೋಗ/ಮೌಲ್ಯೀಕರಿಸಿದ ವಿಧಾನದ ಮೇಲೆ ಅಂತಿಮ ಪ್ರೊಪಲ್ಷನ್ ನಿರ್ಧಾರವನ್ನು ಆಧರಿಸಿದೆ.