ಪರೀಕ್ಷೆ ಮತ್ತು ಮೌಲ್ಯೀಕರಣ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ

ಲಾಭಗಳು:

• ಡೈನಮೋಮೀಟರ್, ರಸ್ತೆ ಪರೀಕ್ಷೆ, ಸಹಿಷ್ಣುತೆ ಮತ್ತು DVP&R ಮತ್ತು ಪರಿಶೀಲನೆ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಅವುಗಳ ಸ್ಥಾನದಂತಹ ಪರೀಕ್ಷಾ ಡೇಟಾ ಪ್ರಕಾರಗಳನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯ
• ದೊಡ್ಡ ಪರೀಕ್ಷಾ ಡೇಟಾ ಸೆಟ್‌ಗಳಲ್ಲಿ ಸಾರಾಂಶ, ಫ್ಲ್ಯಾಗ್ ವೈಪರೀತ್ಯಗಳು ಮತ್ತು ಕರಡು ವರದಿಗಳಿಗೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುವ ಸಾಮರ್ಥ್ಯ
• ಮಾಪನ ಅನಿಶ್ಚಿತತೆ, ಪುನರಾವರ್ತನೆ ಮತ್ತು ಸ್ವೀಕಾರ ಮಾನದಂಡಗಳೊಂದಿಗೆ AI ನ ಪರೀಕ್ಷಾ ವ್ಯಾಖ್ಯಾನವನ್ನು ಅಡ್ಡ-ಮೌಲ್ಯೀಕರಿಸುವ ಸಾಮರ್ಥ್ಯ

ವಾಹನ ಅಥವಾ ಘಟಕವು ಉತ್ಪಾದನೆಗೆ ಹೋಗುವ ಮೊದಲು "ಇದು ಅವಶ್ಯಕತೆಗಳನ್ನು ಪೂರೈಸುತ್ತದೆಯೇ" ಎಂಬ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರವನ್ನು ಪರೀಕ್ಷೆ ಮತ್ತು ಪರಿಶೀಲನೆ ಡೇಟಾದಲ್ಲಿ ಮರೆಮಾಡಲಾಗಿದೆ. ವಾಹನದಲ್ಲಿ ಪರೀಕ್ಷೆಯು ಪ್ರಯೋಗಾಲಯದಿಂದ (ಡೈನಮೋಮೀಟರ್, ಕ್ಲೈಮೇಟ್ ಚೇಂಬರ್, ವೈಬ್ರೇಶನ್ ಟೇಬಲ್) ರಸ್ತೆ (ರಸ್ತೆ ಪರೀಕ್ಷೆ, ಸಹಿಷ್ಣುತೆ ಟ್ರ್ಯಾಕ್) ಮತ್ತು ಕ್ರ್ಯಾಶ್ ಪ್ರಯೋಗಾಲಯಕ್ಕೆ ವಿಸ್ತರಿಸುತ್ತದೆ. ಈ ಪರೀಕ್ಷೆಗಳು ಬೃಹತ್ ಡೇಟಾವನ್ನು ಉತ್ಪಾದಿಸುತ್ತವೆ: ಒಂದು ಸಹಿಷ್ಣುತೆ ಪರೀಕ್ಷೆಯು ಲಕ್ಷಾಂತರ ಸಾಲುಗಳ ಸಂವೇದಕ ದಾಖಲೆಗಳನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಈ ಘಟಕದಲ್ಲಿ, ಈ ಡೇಟಾದ ಪ್ರಕಾರಗಳು, ಪರಿಶೀಲನೆ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಅದರ ಸ್ಥಾನ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಹೇಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ನಾವು ನೋಡುತ್ತೇವೆ (ಆದರೆ ನಿರ್ಧಾರವು ಎಂಜಿನಿಯರ್‌ನಲ್ಲಿ ಹೇಗೆ ಉಳಿದಿದೆ).

ಪರಿಶೀಲನೆ ಮತ್ತು ದೃಢೀಕರಣ ಎಂದರೇನು?

ಎರಡು ಪದಗಳು ಹೆಚ್ಚಾಗಿ ಗೊಂದಲಕ್ಕೊಳಗಾಗುತ್ತವೆ:

• ಪರಿಶೀಲನೆ: "ನಾವು ಉತ್ಪನ್ನವನ್ನು ಸರಿಯಾಗಿ ನಿರ್ಮಿಸಿದ್ದೇವೆಯೇ?" ಅವಶ್ಯಕತೆಯ ಅನುಸರಣೆಯನ್ನು ಅಳೆಯುತ್ತದೆ. ಉದಾಹರಣೆ: "ಬ್ರೇಕಿಂಗ್ ದೂರದ ವಿವರಣೆಯು 38 ಮೀಟರ್ ಎಂದು ಹೇಳುತ್ತದೆ; ನಾವು ಅದನ್ನು ಅಳತೆ ಮಾಡಿದ್ದೇವೆ, 36.5 ಮೀಟರ್. ಸೂಕ್ತವಾಗಿದೆ."
• ಮೌಲ್ಯೀಕರಣ: "ನಾವು ಸರಿಯಾದ ಉತ್ಪನ್ನವನ್ನು ತಯಾರಿಸಿದ್ದೇವೆಯೇ?" ಇದು ನೈಜ ಬಳಕೆಯಲ್ಲಿ ಅಗತ್ಯಗಳನ್ನು ಪೂರೈಸುತ್ತದೆಯೇ? ಉದಾಹರಣೆ: "ಚಾಲಕರು ಈ ಬ್ರೇಕ್ ಸುರಕ್ಷಿತವೆಂದು ಭಾವಿಸುತ್ತಾರೆಯೇ?"

ಆಟೋಮೋಟಿವ್‌ನಲ್ಲಿ, ಈ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸಾಮಾನ್ಯವಾಗಿ DVP&R (ವಿನ್ಯಾಸ ಪರಿಶೀಲನೆ ಯೋಜನೆ ಮತ್ತು ವರದಿ) ಡಾಕ್ಯುಮೆಂಟ್‌ನೊಂದಿಗೆ ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ: ಇದು ಯಾವ ಪರೀಕ್ಷೆಯೊಂದಿಗೆ ಯಾವ ಅಗತ್ಯವನ್ನು ಪರೀಕ್ಷಿಸಲಾಗುತ್ತದೆ, ಯಾವ ಸ್ವೀಕಾರ ಮಾನದಂಡಗಳು ಮತ್ತು ಫಲಿತಾಂಶವನ್ನು ಪಟ್ಟಿ ಮಾಡುವ ಟೇಬಲ್ ಆಗಿದೆ.

ವಿಶಿಷ್ಟ ಪರೀಕ್ಷಾ ಡೇಟಾ ಪ್ರಕಾರಗಳು

ಪರೀಕ್ಷಾ ಪ್ರಕಾರ

ಯಾವ ಕ್ರಮಗಳು

ಮಾದರಿ ಡೇಟಾ

ಡೈನಮೋಮೀಟರ್ (ಡೈನೋ)

ಎಂಜಿನ್ ಶಕ್ತಿ, ಟಾರ್ಕ್, ಹೊರಸೂಸುವಿಕೆ

RPM-ಟಾರ್ಕ್ ಕರ್ವ್, ಇಂಧನ ಬಳಕೆ

ರಸ್ತೆ ಪರೀಕ್ಷೆ

ನಿಜವಾದ ಸ್ಥಿತಿಯ ವರ್ತನೆ

ಜಿಪಿಎಸ್, ವೇಗವರ್ಧನೆ, ಚಾಲನಾ ಸಂಕೇತಗಳು

ಬಾಳಿಕೆ

ಆಜೀವ ಆಯಾಸ

ಕಂಪನ, ಒತ್ತಡ, ಚಕ್ರಗಳ ಸಂಖ್ಯೆ

ಹವಾಮಾನ/ಪರಿಸರ

ಬಿಸಿ-ಶೀತ-ಆರ್ದ್ರತೆ ಪ್ರತಿರೋಧ

ತಾಪಮಾನ, ಕೆಲಸದ ಸ್ಥಿತಿ

NVH

ಶಬ್ದ/ಕಂಪನ

ಧ್ವನಿ ಒತ್ತಡ, ವೇಗವರ್ಧನೆ ಸ್ಪೆಕ್ಟ್ರಮ್

ಘರ್ಷಣೆ (ಅಪಘಾತ)

ಭದ್ರತೆ

ಹೆಚ್ಚಿನ ವೇಗದ ವೀಡಿಯೊ, ನಕಲಿ ಸಂವೇದಕಗಳು

ಪ್ರತಿ ಪರೀಕ್ಷೆಯು ಸ್ವೀಕಾರ ಮಾನದಂಡವನ್ನು ಹೊಂದಿದೆ (ಅವಶ್ಯಕತೆ). ಡೇಟಾವು ಈ ಮಾನದಂಡವನ್ನು ಹಾದುಹೋಗುತ್ತದೆಯೇ ಎಂಬುದನ್ನು ಸಾಬೀತುಪಡಿಸುವುದು ವಿಶ್ಲೇಷಣೆಯಾಗಿದೆ.

ಪರೀಕ್ಷಾ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏನು ಮಾಡುತ್ತದೆ?

AI ಪರೀಕ್ಷಾ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಪ್ರಬಲ ಸಹಾಯಕವಾಗಿದೆ:

1. ಸಾರಾಂಶ: ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ಸಾರಾಂಶ, ಗರಿಷ್ಠ ಮೌಲ್ಯಗಳು, ಲಕ್ಷಾಂತರ ಸಾಲುಗಳಿಂದ ವಿತರಣೆ.
2. ಅಸಂಗತ ಗುರುತು: "ಈ ರೆಕಾರ್ಡಿಂಗ್‌ನಲ್ಲಿ 214 ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಅನಿರೀಕ್ಷಿತ ಟಾರ್ಕ್ ಡ್ರಾಪ್ ಇದೆ."
3. ಪ್ಯಾಟರ್ನ್ ಹೋಲಿಕೆ: ಎರಡು ಪರೀಕ್ಷಾ ರನ್ ಅಥವಾ ವಿಭಿನ್ನ ವಾಹನಗಳನ್ನು ಹೋಲಿಸುವುದು ಮತ್ತು ವ್ಯತ್ಯಾಸಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವುದು.
4. ಕರಡು ವರದಿ: DVP&R ಫಲಿತಾಂಶ ಪಠ್ಯ ಮತ್ತು ಗ್ರಾಫಿಕ್ ವಿವರಣೆಗಳನ್ನು ರಚಿಸುವುದು.
5. ಕೋಡ್ ಸಹಾಯ: ವಿಶ್ಲೇಷಣೆ ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ರಚಿಸುವುದು (ಪೈಥಾನ್).

ಆದರೆ ಜಾಗರೂಕರಾಗಿರಿ: ಇವೆಲ್ಲವೂ ರೇಖಾಚಿತ್ರಗಳು ಮತ್ತು ಸುಳಿವುಗಳು. ಪರೀಕ್ಷೆಯು ಉತ್ತೀರ್ಣವಾಗಿದೆಯೇ ಅಥವಾ ಇಲ್ಲವೇ ಮತ್ತು ಅಸಂಗತತೆ ನಿಜವೇ ಅಥವಾ ಮಾಪನ ದೋಷವೇ ಎಂಬುದನ್ನು ಪರೀಕ್ಷಾ ಎಂಜಿನಿಯರ್ ನಿರ್ಧರಿಸುತ್ತಾರೆ.

ಸುಳಿವು: AI ಅನ್ನು ಕೇಳಿ "ಈ ಪರೀಕ್ಷೆಯು ಉತ್ತೀರ್ಣವಾಗಿದೆಯೇ?" "ಈ ಡೇಟಾದಲ್ಲಿನ ಯಾವ ಪ್ರದೇಶಗಳು ಸ್ವೀಕಾರ ಮಾನದಂಡಗಳ ಪ್ರಕಾರ ಅಪಾಯವನ್ನು ತೋರಿಸುತ್ತವೆ, ನಾನು ಯಾವ ಹೆಚ್ಚುವರಿ ತಪಾಸಣೆಗಳನ್ನು ಮಾಡಬೇಕು?" ಎಂದು ಕೇಳುವ ಬದಲು ಕೇಳು. ಮೊದಲನೆಯದಕ್ಕೆ ನಿರ್ಧಾರಗಳ ಅಗತ್ಯವಿದೆ (AI ಯ ಕೆಲಸವಲ್ಲ), ಎರಡನೆಯದಕ್ಕೆ ಸುಳಿವುಗಳು (AI ಯ ಕೆಲಸ) ಅಗತ್ಯವಿದೆ.

ಮಾಪನ ಅನಿಶ್ಚಿತತೆ ಮತ್ತು ಪುನರಾವರ್ತನೆ

ಯಾವುದೇ ಅಳತೆ ಪರಿಪೂರ್ಣವಲ್ಲ. ಎರಡು ಪರಿಕಲ್ಪನೆಗಳು ನಿರ್ಣಾಯಕ:

• ಮಾಪನ ಅನಿಶ್ಚಿತತೆ: ಅಳತೆ ಮಾಡುವ ಸಾಧನದ ದೋಷದ ನೈಸರ್ಗಿಕ ಅಂಚು. ಬ್ರೇಕಿಂಗ್ ಅಂತರವು "36.5 ಮೀ" ಆಗಿದ್ದರೆ ಮತ್ತು ಅನಿಶ್ಚಿತತೆಯು ± 0.8 ಮೀ ಆಗಿದ್ದರೆ, ನಿಜವಾದ ಮೌಲ್ಯವು 35.7-37.3 ಮೀ ನಡುವೆ ಇರುತ್ತದೆ. ವಿವರಣೆಯು 38m ಆಗಿದ್ದರೆ ನೀವು ಸುರಕ್ಷಿತವಾಗಿರುತ್ತೀರಿ; ಆದರೆ ನಿರ್ದಿಷ್ಟತೆಯು 37 ಮೀ ಆಗಿದ್ದರೆ, ಅನಿಶ್ಚಿತತೆಯು ಮಿತಿಗೆ ತುಂಬಾ ಹತ್ತಿರದಲ್ಲಿದೆ.
• ಪುನರಾವರ್ತನೆ: ನೀವು ಮತ್ತೆ ಅದೇ ಪರೀಕ್ಷೆಯನ್ನು ಮಾಡಿದಾಗ ನೀವು ಇದೇ ರೀತಿಯ ಫಲಿತಾಂಶಗಳನ್ನು ಪಡೆಯುತ್ತೀರಾ? ಒಂದು ರನ್ ಆಕಸ್ಮಿಕವಾಗಿ ಹಾದುಹೋಗಿರಬಹುದು. ಆಟೋಮೋಟಿವ್‌ನಲ್ಲಿ, ವಿವಿಧ ವಾಹನಗಳು/ಸ್ಥಿತಿಗಳಲ್ಲಿ ನಿರ್ಣಾಯಕ ಪರೀಕ್ಷೆಗಳನ್ನು ಹಲವು ಬಾರಿ ಪುನರಾವರ್ತಿಸಲಾಗುತ್ತದೆ.

AI ನಿಂದ ಫ್ಲ್ಯಾಗ್ ಮಾಡಲಾದ "ಅಸಂಗತತೆ" ವಾಸ್ತವವಾಗಿ ಮಾಪನ ಶಬ್ದವಾಗಿರಬಹುದು. ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವ ಮೊದಲು ಅನಿಶ್ಚಿತತೆ ಮತ್ತು ಎರಡು ಬಾರಿ ಪರಿಶೀಲಿಸುವುದು ಅತ್ಯಗತ್ಯ.

ಎಚ್ಚರಿಕೆ: ಮಾಪನದ ಅನಿಶ್ಚಿತತೆ ಮತ್ತು ನಕಲುಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳದಿದ್ದರೆ AI ಹೇಳುವ "ಅಂಗೀಕಾರದ ಮಾನದಂಡಗಳು" ಮೋಸದಾಯಕವಾಗಿದೆ. ಮಿತಿಗೆ ಸಮೀಪವಿರುವ ಫಲಿತಾಂಶಗಳಲ್ಲಿ, ಅನಿಶ್ಚಿತತೆಯ ಅಂಚು ಪರೀಕ್ಷೆಯ ಫಲಿತಾಂಶವನ್ನು ಬದಲಾಯಿಸಬಹುದು.

ಮಿನಿ ಕೇಸ್ ಸ್ಟಡೀಸ್

ಪ್ರಕರಣ 1 - ಅಸಂಗತತೆ ಅಥವಾ ಶಬ್ದ? ಸಹಿಷ್ಣುತೆ ಪರೀಕ್ಷೆಯಲ್ಲಿ, ಸ್ಟ್ರೈನ್ ಸಿಗ್ನಲ್‌ನಲ್ಲಿ AI 3 ಹಠಾತ್ ಜಿಗಿತಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ. ಪರೀಕ್ಷಾ ಇಂಜಿನಿಯರ್ ಕಚ್ಚಾ ಡೇಟಾವನ್ನು ನೋಡುತ್ತಾರೆ: ಡೇಟಾ ಲಾಗರ್ ಅನ್ನು ಮರುಪ್ರಾರಂಭಿಸಿದಾಗ ಜಿಗಿತಗಳು ನಿಖರವಾದ ಕ್ಷಣಗಳಿಗೆ ಸಂಬಂಧಿಸಿವೆ; ಆದ್ದರಿಂದ ಇದು ನಿಜವಾದ ರಚನಾತ್ಮಕ ಘಟನೆಯಲ್ಲ, ಇದು ನೋಂದಣಿ ಸ್ಥಗಿತವಾಗಿದೆ. ವೈಪರೀತ್ಯಗಳನ್ನು ಕಲಾಕೃತಿಗಳಾಗಿ ದಾಖಲಿಸಲಾಗಿದೆ. ಫಲಿತಾಂಶ: AI ಸುಳಿವು ಒದಗಿಸಿದೆ, ಇಂಜಿನಿಯರ್ ಪ್ರತ್ಯೇಕವಾದ ಮೂಲ ಕಾರಣ; ಸ್ವಯಂಚಾಲಿತ "ವೈಫಲ್ಯ" ಸ್ಟಾಂಪ್ ತಪ್ಪಾಗಿದೆ.

ಪ್ರಕರಣ 2 - ಸಮೀಪದ ಗಡಿರೇಖೆಯ ಫಲಿತಾಂಶ. ಬ್ರೇಕ್ ಪರೀಕ್ಷೆಯಲ್ಲಿ ಸರಾಸರಿ ಅಂತರವು 37.4 ಮೀ, ವಿವರಣೆಯು 38 ಮೀ. AI "ಉತ್ತೀರ್ಣ" ಎಂದು ಹೇಳುತ್ತದೆ. ಇಂಜಿನಿಯರ್ ಅಳತೆಯ ಅನಿಶ್ಚಿತತೆಯನ್ನು (±0.9 ಮೀ) ಅರಿತುಕೊಳ್ಳುತ್ತಾನೆ ಮತ್ತು ಕೇವಲ 2 ರನ್ ಮಾಡಲಾಗಿದೆ; ಮೇಲಿನ ಮಿತಿಯು 38.3 ಮೀ ವಿವರಣೆಯನ್ನು ಮೀರಿದೆ. ಪರೀಕ್ಷೆಯನ್ನು 6 ರನ್‌ಗಳಿಗೆ ಹೆಚ್ಚಿಸಲಾಗಿದೆ ಮತ್ತು ಪರಿಸ್ಥಿತಿಗಳು (ಹಾಟ್ ಬ್ರೇಕ್, ಲೋಡ್ ಮಾಡಿದ ವಾಹನ) ಬದಲಾಗುತ್ತವೆ; ಫಲಿತಾಂಶವು ಸುರಕ್ಷಿತವಾಗಿ ದೃಢೀಕರಿಸಲ್ಪಟ್ಟಿದೆ. ತೀರ್ಮಾನ: ಅಸ್ಪಷ್ಟತೆ ಮತ್ತು ಪುನರಾವರ್ತನೆ ಇಲ್ಲದೆ "ಉತ್ತೀರ್ಣ" ಎಂದು ಹೇಳುವುದು ಅಪಾಯಕಾರಿ.

ಪ್ರಕರಣ 3 - ತ್ವರಿತ ಸಾರಾಂಶದ ಶಕ್ತಿ. ಒಂದು NVH ಪರೀಕ್ಷೆಯು 12 ಉಪಕರಣಗಳಿಂದ 40GB ಡೇಟಾವನ್ನು ಹೊಂದಿದೆ. AI ಪ್ರತಿ ಉಪಕರಣಕ್ಕೆ ಗರಿಷ್ಠ ಆವರ್ತನಗಳು ಮತ್ತು ಆಂಪ್ಲಿಟ್ಯೂಡ್‌ಗಳ ಸಾರಾಂಶದ ಕೋಷ್ಟಕ ಮತ್ತು ಹೋಲಿಕೆಯನ್ನು ನೀಡುತ್ತದೆ; ಎಂಜಿನಿಯರ್ ತನ್ನ ಗಮನವನ್ನು 2 ಗಂಟೆಗಳ ಬದಲಿಗೆ 20 ನಿಮಿಷಗಳಲ್ಲಿ 2 ಸಮಸ್ಯಾತ್ಮಕ ವಾಹನಗಳಿಗೆ ನಿರ್ದೇಶಿಸುತ್ತಾನೆ. ನಂತರ ಅವನು ಆ ಎರಡು ವಾಹನಗಳ ಕಚ್ಚಾ ಸ್ಪೆಕ್ಟ್ರಮ್ ಅನ್ನು ತನ್ನ ಕೈಗಳಿಂದ ಪರೀಕ್ಷಿಸುತ್ತಾನೆ. ಫಲಿತಾಂಶ: ಎಐ ಎಲಿಮಿನೇಷನ್ ಮಾಡಿದೆ, ಇಂಜಿನಿಯರ್ ಆಳವಾದ ವಿಶ್ಲೇಷಣೆ ಮಾಡಿದರು.

ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೆಟ್ಗಳು

ಟೆಂಪ್ಲೇಟ್ 1 - ಪರೀಕ್ಷಾ ಸಾರಾಂಶ:

ಪಾತ್ರ: ನೀವು ಪರೀಕ್ಷಾ ಡೇಟಾ ವಿಶ್ಲೇಷಕರು. ಕಾರ್ಯ: ಕೆಳಗಿನ ಡೈನಮೋಮೀಟರ್ ದಾಖಲೆಯನ್ನು ಸಾರಾಂಶಗೊಳಿಸಿ. ಸಂದರ್ಭ: RPM ಡೇಟಾ, 1000-6000 rpm; ಸ್ವೀಕಾರ ಮಾನದಂಡ: ಗರಿಷ್ಠ ಟಾರ್ಕ್ ಕನಿಷ್ಠ 320 Nm, ವಿದ್ಯುತ್ ಕರ್ವ್‌ನಲ್ಲಿ ಯಾವುದೇ ಕುಸಿತವಿಲ್ಲ. ನಿರ್ಬಂಧ: 'ಪಾಸ್/ಫೇಲ್' ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವುದು; ಮಾನದಂಡಗಳ ಪ್ರಕಾರ ಅಪಾಯ ವಲಯಗಳು ಮತ್ತು ಹೆಚ್ಚುವರಿ ನಿಯಂತ್ರಣ ಶಿಫಾರಸುಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ಔಟ್ಪುಟ್: ಸಾರಾಂಶ ಅಂಕಿಅಂಶಗಳು + ಅಪಾಯ ವಲಯ + ಶಿಫಾರಸು ನಿಯಂತ್ರಣ.

ಟೆಂಪ್ಲೇಟ್ 2 - ಅಸಂಗತತೆ ಪಾರ್ಸಿಂಗ್:

ಪಾತ್ರ: ನೀವು ಮಾಪನ ಮತ್ತು ಸಲಕರಣೆ ಪರಿಣಿತರು. ಕಾರ್ಯ: ಗುರುತಿಸಲಾದ ವೈಪರೀತ್ಯಗಳು ನೈಜ ಘಟನೆಗಳು ಅಥವಾ ಮಾಪನ ಕಲಾಕೃತಿಗಳು ಎಂಬುದನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು ನನಗೆ ಮಾರ್ಗದರ್ಶನ ನೀಡಿ. ಸಂದರ್ಭ: ಸ್ಟ್ರೈನ್ ಸಿಗ್ನಲ್ನಲ್ಲಿ 3 ಹಠಾತ್ ಜಿಗಿತಗಳು; ರೆಕಾರ್ಡರ್ ಮಧ್ಯಂತರವಾಗಿ ಮರುಪ್ರಾರಂಭಿಸುತ್ತದೆ. ಔಟ್‌ಪುಟ್: ಸಂಭವನೀಯ ವಿವರಣೆ + ಪ್ರತಿ ಅಸಂಗತತೆಗೆ ತಾರತಮ್ಯದ ಪರಿಶೀಲನೆ.

ಟೆಂಪ್ಲೇಟ್ 3 - ಅನಿಶ್ಚಿತತೆಯ ಮೌಲ್ಯಮಾಪನ:

ಪಾತ್ರ: ನೀವು ಮಾಪನಶಾಸ್ತ್ರ (ಮಾಪನದ ವಿಜ್ಞಾನ) ಸಲಹೆಗಾರರಾಗಿದ್ದೀರಿ. ಕಾರ್ಯ: ಸ್ವೀಕಾರ ಮಾನದಂಡಗಳ ಪ್ರಕಾರ ಫಲಿತಾಂಶದ ಸುರಕ್ಷತೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ. ಸಂದರ್ಭ: ಅಳತೆ ಮೌಲ್ಯ 37.4 ಮೀ, ಅನಿಶ್ಚಿತತೆ ± 0.9 ಮೀ, ನಿರ್ದಿಷ್ಟತೆ38 ಮೀ, ರನ್ಗಳ ಸಂಖ್ಯೆ 2. ನಿರ್ಬಂಧ: ಅನಿಶ್ಚಿತತೆಯ ಸಂಖ್ಯೆಯನ್ನು ಪರಿಗಣಿಸಲು ಮರೆಯದಿರಿ; ಮಿತಿಗೆ ನಿಕಟತೆಯನ್ನು ಒತ್ತಿ. ಔಟ್ಪುಟ್: ಮೌಲ್ಯಮಾಪನ + ಹೆಚ್ಚುವರಿ ಪರೀಕ್ಷೆಗಾಗಿ ಶಿಫಾರಸು + ಉಳಿದಿರುವ ಅಪಾಯ.

ಟೆಂಪ್ಲೇಟ್ 4 - DVP&R ವರದಿ ಕರಡು:

ಪಾತ್ರ: ನೀವು ಪರಿಶೀಲನಾ ಇಂಜಿನಿಯರ್ ಆಗಿದ್ದೀರಿ. ಕಾರ್ಯ: ಈ ಕೆಳಗಿನ ಪರೀಕ್ಷಾ ಫಲಿತಾಂಶಗಳಿಗಾಗಿ DVP&R ಫಲಿತಾಂಶ ಪಠ್ಯ ಡ್ರಾಫ್ಟ್ ಅನ್ನು ಬರೆಯಿರಿ. ಸಂದರ್ಭ: ಅವಶ್ಯಕತೆ, ಪರೀಕ್ಷಾ ವಿಧಾನ, ಸ್ವೀಕಾರ ಮಾನದಂಡ ಮತ್ತು ಅಳತೆ ಮೌಲ್ಯವನ್ನು ಪೂರೈಸಲಾಗಿದೆ (ಅನಾಮಧೇಯ). ನಿರ್ಬಂಧ: ಕರಡು ಮಾತ್ರ; ಕಟ್ಟುನಿಟ್ಟಾದ 'ಅನುಮೋದಿತ' ಹೇಳಿಕೆಯನ್ನು ಬಳಸಬೇಡಿ, ಇಂಜಿನಿಯರ್ ಅನುಮೋದನೆಗಾಗಿ ಜಾಗವನ್ನು ಬಿಡಿ. ಔಟ್‌ಪುಟ್: ಅವಶ್ಯಕತೆ | ಪರೀಕ್ಷೆ | ಮಾನದಂಡ | ಫಲಿತಾಂಶ | ಸ್ಥಿತಿ (ಕರಡು).

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಈ ಪರೀಕ್ಷೆಯ ಡೇಟಾವನ್ನು ನೋಡಿ, ಅದು ಉತ್ತೀರ್ಣವಾಗಿದೆಯೇ?

ಯಾವುದೇ ಸ್ವೀಕಾರ ಮಾನದಂಡಗಳು, ಅಸ್ಪಷ್ಟತೆ ಮತ್ತು ಪುನರಾವರ್ತನೆ; ಕುರುಡು "ಪಾಸ್/ಫೇಲ್" ಎಂದು AI ಹೇಳುತ್ತದೆ, ಇದು ಅಪಾಯಕಾರಿ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ಪಾತ್ರ: ನೀವು ಆಟೋಮೋಟಿವ್ ಟೆಸ್ಟ್ ಡೇಟಾ ವಿಶ್ಲೇಷಕರಾಗಿದ್ದೀರಿ. ಕಾರ್ಯ: ಸ್ವೀಕಾರ ಮಾನದಂಡಗಳ ವಿರುದ್ಧ ಲಗತ್ತಿಸಲಾದ ಬ್ರೇಕ್ ಪರೀಕ್ಷೆಯ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸಿ ಮತ್ತು ನಿರ್ಧಾರಕ್ಕೆ ಹೆಚ್ಚುವರಿ ಪುರಾವೆಗಳ ಅಗತ್ಯವಿದೆ ಎಂದು ಸಲಹೆ ನೀಡಿ. ಸಂದರ್ಭ: ಮಾನದಂಡ 38 ಮೀ; ಮಾಪನ ಅನಿಶ್ಚಿತತೆ ± 0.9 ಮೀ; 2 ಷರತ್ತುಗಳಿವೆ; ವಾಹನದ ಹೊರೆಯನ್ನು ಒಂದು ಸ್ಥಿತಿಯಲ್ಲಿ ಪರೀಕ್ಷಿಸಲಾಗಿದೆ. ನಿರ್ಬಂಧ: 'ಉತ್ತೀರ್ಣ' ಎಂದು ಘೋಷಿಸುವುದು; ಅಪಾಯಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ ಮತ್ತು ಅನಿಶ್ಚಿತತೆ ಮತ್ತು ನಕಲು ವಿಷಯದಲ್ಲಿ ಹೆಚ್ಚುವರಿ ಷರತ್ತುಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸಲಾಗಿದೆ. ಔಟ್‌ಪುಟ್: ಅಪಾಯ | ಸಮರ್ಥನೆ | ಹೆಚ್ಚುವರಿ ಪರೀಕ್ಷಾ ಕೋಷ್ಟಕವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• AI ಅನ್ನು ಗೋ/ಫೇಲ್ ನಿರ್ಧಾರವನ್ನು ಮಾಡುವುದು. ನಿರ್ಧಾರವನ್ನು ಎಂಜಿನಿಯರ್ ತೆಗೆದುಕೊಳ್ಳುತ್ತಾರೆ; AI ಸುಳಿವುಗಳನ್ನು ನೀಡುತ್ತದೆ.
• ಮಾಪನ ಅನಿಶ್ಚಿತತೆಯನ್ನು ನಿರ್ಲಕ್ಷಿಸುವುದು. ಮಿತಿಗೆ ಸಮೀಪವಿರುವ ಫಲಿತಾಂಶಗಳಲ್ಲಿ, ಅನಿಶ್ಚಿತತೆಯು ಫಲಿತಾಂಶವನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ.
• ಒಂದು ರನ್ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ. ಪುನರಾವರ್ತನೆಯಿಲ್ಲದೆ ಫಲಿತಾಂಶವು ದುರ್ಬಲವಾಗಿರುತ್ತದೆ.
• ತಕ್ಷಣವೇ ಅಸಂಗತತೆಯನ್ನು "ಅಸಮರ್ಪಕ" ಎಂದು ಪರಿಗಣಿಸಿ. ರೆಕಾರ್ಡಿಂಗ್ ಕಲಾಕೃತಿ/ಶಬ್ದ ಇರಬಹುದು; ಕಚ್ಚಾ ಡೇಟಾಗೆ ಹಿಂತಿರುಗಿ.
• ಕುರುಡು ವರದಿಯನ್ನು ನಕಲು ಮಾಡುತ್ತಿದೆ. ಇಂಜಿನಿಯರ್ ಅನುಮೋದನೆ ಮತ್ತು ತಿದ್ದುಪಡಿ ಇಲ್ಲದೆ AI ಡ್ರಾಫ್ಟ್ ಅಧಿಕೃತ ದಾಖಲೆಯಾಗುವುದಿಲ್ಲ.

ಸಾರಾಂಶದಲ್ಲಿ

• ಪರಿಶೀಲನೆಯು ಅವಶ್ಯಕತೆಯ ಅನುಸರಣೆಯನ್ನು ಅಳೆಯುತ್ತದೆ, ಮೌಲ್ಯೀಕರಣವು ನಿಜವಾದ ಅಗತ್ಯದೊಂದಿಗೆ ಅನುಸರಣೆಯನ್ನು ಅಳೆಯುತ್ತದೆ; DVP&R ಈ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ.
• ಇದು AI ಪರೀಕ್ಷಾ ಡೇಟಾದ ಸಾರಾಂಶ, ಅಸಂಗತ ಗುರುತು, ಹೋಲಿಕೆ ಮತ್ತು ಕರಡು ವರದಿಗಳಲ್ಲಿ ಪ್ರಬಲ ಸಹಾಯಕವಾಗಿದೆ.
• ನಿರ್ಧಾರ (ಪಾಸ್/ಫೇಲ್) ಇಂಜಿನಿಯರ್‌ಗೆ ಬಿಟ್ಟದ್ದು; AI ಸುಳಿವುಗಳು, ಚಿಹ್ನೆಗಳಲ್ಲ.
• ಮಾಪನ ಅನಿಶ್ಚಿತತೆ ಮತ್ತು ಪುನರಾವರ್ತನೆ ಇಲ್ಲದೆ, ಫಲಿತಾಂಶವನ್ನು ಅರ್ಥೈಸಲು ಸಾಧ್ಯವಿಲ್ಲ; ಮಿತಿಯ ಸಮೀಪವಿರುವ ಫಲಿತಾಂಶಗಳಿಗೆ ವಿಶೇಷ ಗಮನ ಬೇಕು.
• ಅಸಹಜತೆಗಳು ನೈಜ ಘಟನೆಗಳು ಅಥವಾ ಮಾಪನ ಕಲಾಕೃತಿಗಳು ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಲು ಕಚ್ಚಾ ಡೇಟಾದೊಂದಿಗೆ ಬೇರ್ಪಡಿಸಬೇಕು.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಪರೀಕ್ಷೆಯನ್ನು ಆಯ್ಕೆಮಾಡಿ (ಉದಾಹರಣೆಗೆ ಹವಾಮಾನ ಕೊಠಡಿಯಲ್ಲಿ ಶೀತ ಪ್ರಾರಂಭ). (1) ಅವಶ್ಯಕತೆ, ಪರೀಕ್ಷಾ ವಿಧಾನ ಮತ್ತು ಸ್ವೀಕಾರ ಮಾನದಂಡಗಳನ್ನು ಬರೆಯಿರಿ. (2) ಟೆಂಪ್ಲೇಟ್ 1 ನೊಂದಿಗೆ ಸಾರಾಂಶ ಮತ್ತು ಅಪಾಯ ವಲಯ ವಿಶ್ಲೇಷಣೆಯನ್ನು ವಿನಂತಿಸಿ (ನಿರ್ಧಾರವನ್ನು ವಿನಂತಿಸದೆ). (3) ಟೆಂಪ್ಲೇಟ್ 3 ನೊಂದಿಗೆ ಅನಿಶ್ಚಿತತೆಯ ಮಿತಿಯ ಸಮೀಪವಿರುವ ಕಾಲ್ಪನಿಕ ಫಲಿತಾಂಶವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ. (4) ಟೆಂಪ್ಲೇಟ್ 4 ಅನ್ನು ಬಳಸಿಕೊಂಡು ಡ್ರಾಫ್ಟ್ DVP&R ಅನ್ನು ತಯಾರಿಸಿ, ಇಂಜಿನಿಯರ್ ಅನುಮೋದನೆಗಾಗಿ ನೀವು ಯಾವ ಪ್ರದೇಶಗಳನ್ನು ಬಿಡುತ್ತಿರುವಿರಿ ಎಂಬುದನ್ನು ಸೂಚಿಸುತ್ತದೆ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಅಗತ್ಯತೆಗಳು ಮತ್ತು ಸ್ವೀಕಾರ ಮಾನದಂಡಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಬರೆದಿದ್ದೇನೆ.
• [
• [ ] ನಾನು ಫಲಿತಾಂಶದಲ್ಲಿ ಅಳತೆಯ ಅನಿಶ್ಚಿತತೆಯನ್ನು ಸೇರಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಪುನರಾವರ್ತನೆಯ (ರನ್‌ಗಳ ಸಂಖ್ಯೆ) ಪ್ರಾವೀಣ್ಯತೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ್ದೇನೆ.
• [ ] ನಾನು ಸತ್ಯ ಮತ್ತು ಕಲಾಕೃತಿಯ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಮಾಡುವ ಮೂಲಕ ಕಚ್ಚಾ ಡೇಟಾದೊಂದಿಗೆ ವೈಪರೀತ್ಯಗಳನ್ನು ಪರಿಶೀಲಿಸಿದೆ.
• [ ] ನಾನು ಎಂಜಿನಿಯರ್ ಅನುಮೋದನೆಗಾಗಿ ವರದಿಯ ಕರಡು ಗುರುತು ಹಾಕಿದ್ದೇನೆ.