ವಸ್ತುಗಳ ಆಯ್ಕೆ ಮತ್ತು ಹಗುರಗೊಳಿಸುವಿಕೆ — ಆಟೋಮೋಟಿವ್ ಎಂಜಿನಿಯರಿಂಗ್‌ನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ

ಲಾಭಗಳು:

ಇಂಧನ/ಶ್ರೇಣಿ, ಹೊರಸೂಸುವಿಕೆ ಮತ್ತು ಕಾರ್ಯಕ್ಷಮತೆಯ ಮೇಲೆ ಹಗುರವಾದ ಪ್ರಭಾವ ಮತ್ತು ವಸ್ತು ಆಯ್ಕೆಯಲ್ಲಿ ಬಹು-ಮಾನದಂಡ ಸಮತೋಲನವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು
ವಸ್ತು ದತ್ತಸಂಚಯಗಳಲ್ಲಿ ರಚನೆಯಾದ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುವ ಸಾಮರ್ಥ್ಯ, ಬಹು-ವಸ್ತುವಿನ ಆಪ್ಟಿಮೈಸೇಶನ್ ಮತ್ತು ಟೋಪೋಲಜಿ ಆಪ್ಟಿಮೈಸೇಶನ್
ಯಾಂತ್ರಿಕ ಆಸ್ತಿ, ಉತ್ಪಾದನೆ, ವೆಚ್ಚ ಮತ್ತು ಸುರಕ್ಷತೆ ಅಗತ್ಯತೆಗಳೊಂದಿಗೆ AI ವಸ್ತು ಶಿಫಾರಸುಗಳನ್ನು ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ

ವಾಹನದ ತೂಕವು ಅದರ ಕಾರ್ಯಕ್ಷಮತೆಯ ಪ್ರತಿಯೊಂದು ಅಳತೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ: ಇಂಧನ ಬಳಕೆ, ಎಲೆಕ್ಟ್ರಿಕ್ ವಾಹನದ ಸಂದರ್ಭದಲ್ಲಿ ವ್ಯಾಪ್ತಿ, ವೇಗವರ್ಧನೆ, ಬ್ರೇಕಿಂಗ್ ದೂರ, ಮೂಲೆಯ ನಡವಳಿಕೆ ಮತ್ತು ಹೊರಸೂಸುವಿಕೆ. ಹೆಬ್ಬೆರಳಿನ ಒರಟು ನಿಯಮ: ಪ್ರಯಾಣಿಕ ಕಾರಿನ ತೂಕವನ್ನು 10% ರಷ್ಟು ಕಡಿಮೆ ಮಾಡುವುದರಿಂದ ಇಂಧನ ಬಳಕೆಯನ್ನು ಸುಮಾರು 6-8% ರಷ್ಟು ಸುಧಾರಿಸಬಹುದು. ಅದಕ್ಕಾಗಿಯೇ ಆಟೋಮೋಟಿವ್ ಎಂಜಿನಿಯರಿಂಗ್‌ನಲ್ಲಿ ಹಗುರವಾದವು ಅತ್ಯಂತ ಪ್ರಮುಖ ಮತ್ತು ಸವಾಲಿನ ಸವಾಲುಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಈ ಘಟಕದಲ್ಲಿ, ವಸ್ತುವಿನ ಆಯ್ಕೆಯ ಬಹು-ಮಾನದಂಡ ಸ್ವರೂಪವನ್ನು ನಾವು ನೋಡುತ್ತೇವೆ, ಈ ಆಯ್ಕೆಯಲ್ಲಿ AI ಹೇಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ ಮತ್ತು AI ಶಿಫಾರಸು ಮಾತ್ರ ಏಕೆ ಸಾಕಾಗುವುದಿಲ್ಲ.

ತಗ್ಗಿಸುವುದು ಏಕೆ ಕಷ್ಟ? ಬಹು ಮಾನದಂಡಗಳ ಸಮತೋಲನ

"ಕೇವಲ ಹಗುರವಾದ ವಸ್ತುಗಳನ್ನು ಆರಿಸಿ" ಎಂದು ಹೇಳುವುದು ಸುಲಭ, ಆದರೆ ನಿಜವಾದ ಭಾಗವು ಏಕಕಾಲದಲ್ಲಿ ಅನೇಕ ಅವಶ್ಯಕತೆಗಳನ್ನು ಪೂರೈಸಬೇಕು:

ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಬಿಗಿತ: ಇದು ಭಾರವನ್ನು ಹೊರಲು ಶಕ್ತವಾಗಿರಬೇಕು ಮತ್ತು ಹಿಗ್ಗಿಸಬಾರದು.
ಆಯಾಸ ನಿರೋಧಕ: ಇದು ವರ್ಷಗಳವರೆಗೆ ಪುನರಾವರ್ತಿತ ಲೋಡ್ ಅಡಿಯಲ್ಲಿ ಬಿರುಕು ಮಾಡಬಾರದು.
ಕ್ರ್ಯಾಶ್‌ವರ್ತಿನೆಸ್: ಅಪಘಾತದ ಸಂದರ್ಭದಲ್ಲಿ ಅದು ಶಕ್ತಿಯನ್ನು ಸರಿಯಾಗಿ ಹೀರಿಕೊಳ್ಳಬೇಕು. ಲೈಟರ್ ಯಾವಾಗಲೂ ಸುರಕ್ಷಿತವಲ್ಲ.
ಉತ್ಪಾದನೆ: ಇದನ್ನು ಎರಕಹೊಯ್ದ, ಯಂತ್ರ, ಬೆಸುಗೆ, ಅಚ್ಚು ಮಾಡಬಹುದೇ?
ವೆಚ್ಚ: ವಸ್ತು + ಉತ್ಪಾದನೆ + ಜೋಡಣೆ.
ತುಕ್ಕು ಮತ್ತು ಬಾಳಿಕೆ: ವರ್ಷಗಳ ರಸ್ತೆ ಉಪ್ಪು, ಆರ್ದ್ರತೆ, ಶಾಖ.
ಮರುಬಳಕೆ ಮತ್ತು ಸಮರ್ಥನೀಯತೆ.

ಒಂದು ವಸ್ತುವು ಒಂದು ಮಾನದಂಡದಲ್ಲಿ ಶ್ರೇಷ್ಠ ಮತ್ತು ಇನ್ನೊಂದು ಮಾನದಂಡದಲ್ಲಿ ಕೆಟ್ಟದ್ದಾಗಿರಬಹುದು. ಉದಾಹರಣೆಗೆ, ಕಾರ್ಬನ್ ಫೈಬರ್ ತುಂಬಾ ಹಗುರವಾಗಿರುತ್ತದೆ ಮತ್ತು ಬಲವಾಗಿರುತ್ತದೆ, ಆದರೆ ಇದು ದುಬಾರಿಯಾಗಿದೆ, ದುರಸ್ತಿ ಮಾಡಲು ಕಷ್ಟಕರವಾಗಿದೆ ಮತ್ತು ಲೋಹದಂತೆ "ಪುಡಿಮಾಡುವ" ಬದಲಿಗೆ "ಬ್ರೇಕಿಂಗ್" ಮೂಲಕ ಘರ್ಷಣೆಯಲ್ಲಿ ಶಕ್ತಿಯನ್ನು ಹೀರಿಕೊಳ್ಳುತ್ತದೆ; ಇದಕ್ಕೆ ವಿಭಿನ್ನ ವಿನ್ಯಾಸದ ಅಗತ್ಯವಿದೆ.

ಸಾಮಾನ್ಯ ಆಟೋಮೋಟಿವ್ ಹಗುರವಾದ ವಸ್ತುಗಳು

ವಸ್ತು

ಬಲವಾದ ಬಿಂದು

ದೌರ್ಬಲ್ಯ

ಹೆಚ್ಚಿನ ಸಾಮರ್ಥ್ಯದ ಉಕ್ಕು (AHSS)

ಅಗ್ಗದ, ದೃಢವಾದ, ಉತ್ಪಾದನೆ ಪ್ರಬುದ್ಧ

ಹೆಚ್ಚಿನ ಸಾಂದ್ರತೆ

ಅಲ್ಯೂಮಿನಿಯಂ ಮಿಶ್ರಲೋಹ

ಹಗುರವಾದ, ತುಕ್ಕು ನಿರೋಧಕ

ದುಬಾರಿ, ಬೆಸುಗೆ/ಜೋಡಿಸಲು ಕಷ್ಟ

ಮೆಗ್ನೀಸಿಯಮ್

ತುಂಬಾ ಬೆಳಕು

ದುಬಾರಿ, ತುಕ್ಕು ಮತ್ತು ಸುಡುವ ಅಪಾಯ

ಕಾರ್ಬನ್ ಫೈಬರ್ (CFRP)

ಗರಿಷ್ಠ ಶಕ್ತಿ/ತೂಕ

ತುಂಬಾ ದುಬಾರಿ, ದುರಸ್ತಿ/ಘರ್ಷಣೆ ಜಟಿಲವಾಗಿದೆ

ಪ್ಲಾಸ್ಟಿಕ್/ಸಂಯೋಜಿತ

ಹಗುರವಾದ, ಆಕಾರದ ಸ್ವಾತಂತ್ರ್ಯ

ತಾಪಮಾನ / ಸಹಿಷ್ಣುತೆಯ ಮಿತಿ

ಗಮನಿಸಿ: ಈ ಕೋಷ್ಟಕವು ಸಾಮಾನ್ಯ ದೃಷ್ಟಿಕೋನವಾಗಿದೆ; ನಿಖರವಾದ ಮೌಲ್ಯಗಳು ಮಿಶ್ರಲೋಹ ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್‌ನಿಂದ ಬದಲಾಗುತ್ತವೆ ಮತ್ತು ಅಧಿಕೃತ ವಸ್ತು ಡೇಟಾಶೀಟ್‌ನಿಂದ ದೃಢೀಕರಿಸಬೇಕು.

ವಸ್ತು ಆಯ್ಕೆಯಲ್ಲಿ AI ಹೇಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ?

ಮೆಟೀರಿಯಲ್ ಡೇಟಾಬೇಸ್ ಸ್ಕ್ಯಾನಿಂಗ್: ನೀಡಿರುವ ಮಾನದಂಡಗಳ ಪ್ರಕಾರ ಸಾವಿರಾರು ವಸ್ತುಗಳನ್ನು ಫಿಲ್ಟರ್ ಮಾಡುವುದು ಮತ್ತು ಅಭ್ಯರ್ಥಿಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡುವುದು.
ಬಹು-ಉದ್ದೇಶದ ಆಪ್ಟಿಮೈಸೇಶನ್: ತೂಕ, ವೆಚ್ಚ ಮತ್ತು ಶಕ್ತಿಯಂತಹ ಸಂಘರ್ಷದ ಗುರಿಗಳ ನಡುವೆ "ಪ್ಯಾರೆಟೊ ಗಡಿ" (ಒಂದನ್ನು ಸುಧಾರಿಸದೆ ನೀವು ಇನ್ನೊಂದನ್ನು ಸುಧಾರಿಸಲು ಸಾಧ್ಯವಾಗದ ಅತ್ಯುತ್ತಮ ವ್ಯಾಪಾರ-ವಕ್ರರೇಖೆ) ಅನ್ನು ಕಂಡುಹಿಡಿಯುವುದು.
ಟೋಪೋಲಜಿ ಆಪ್ಟಿಮೈಸೇಶನ್: ಒಂದು ಭಾಗದಿಂದ ಅನಗತ್ಯ ವಸ್ತುಗಳನ್ನು ತೆಗೆದುಹಾಕುವುದು ಮತ್ತು ಕಡಿಮೆ ದ್ರವ್ಯರಾಶಿಯೊಂದಿಗೆ ಅದೇ ಶಕ್ತಿಯನ್ನು ಒದಗಿಸುವ ಜ್ಯಾಮಿತಿಯನ್ನು ಉತ್ಪಾದಿಸುವುದು (ಘಟಕ 2 ರಲ್ಲಿ ಉತ್ಪಾದಕ ವಿನ್ಯಾಸಕ್ಕೆ ನಿಕಟ ಸಂಬಂಧ ಹೊಂದಿದೆ).
ಆಸ್ತಿ ಭವಿಷ್ಯ: ಹೊಸ ಮಿಶ್ರಲೋಹ ಸಂಯೋಜನೆಯ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಊಹಿಸುವುದು (ವಸ್ತುಗಳ ವಿಜ್ಞಾನ + ಯಂತ್ರ ಕಲಿಕೆ).

ಸಲಹೆ: "ಹಗುರವಾದ ವಸ್ತುವನ್ನು ಸೂಚಿಸಲು" AI ಗೆ ಹೇಳಬೇಡಿ; "ಈ ಕೆಳಗಿನ ನಿರ್ಬಂಧಗಳ ಅಡಿಯಲ್ಲಿ (ಶಕ್ತಿ, ಉತ್ಪಾದನೆ, ವೆಚ್ಚ, ತುಕ್ಕು) 3 ಸೂಕ್ತ ಅಭ್ಯರ್ಥಿಗಳು ಮತ್ತು ಪ್ರತಿಯೊಂದಕ್ಕೂ ವ್ಯಾಪಾರ-ವಹಿವಾಟುಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ" ಎಂದು ಹೇಳಿ. ಒಂದು ಮಾನದಂಡವು ನಿಮ್ಮನ್ನು ಸುರಕ್ಷಿತವೆಂದು ತೋರುವ ಆದರೆ ಉತ್ಪಾದಿಸಲಾಗದ ಅಥವಾ ಅಪಾಯಕಾರಿಯಾದ ಆಯ್ಕೆಗೆ ಕಾರಣವಾಗಬಹುದು.

AI ವಸ್ತು ಶಿಫಾರಸನ್ನು ಏಕೆ ಮೌಲ್ಯೀಕರಿಸಬೇಕು?

"ಈ ಬ್ರಾಕೆಟ್ ಅನ್ನು ಅಲ್ಯೂಮಿನಿಯಂನಿಂದ ಮೆಗ್ನೀಸಿಯಮ್ಗೆ ಬದಲಾಯಿಸಿ ಮತ್ತು ಅದು 33% ಹಗುರವಾಗಿರುತ್ತದೆ" ಎಂದು AI ಹೇಳಬಹುದು. ಇದು ಸಾಂದ್ರತೆಯ ಅನುಪಾತವನ್ನು ಮಾತ್ರ ನೋಡುವ ವಾಕ್ಯವಾಗಿದೆ. ಪರಿಶೀಲಿಸಬೇಕಾದ ವಿಷಯಗಳು:

ಯಾಂತ್ರಿಕ ಗುಣಲಕ್ಷಣಗಳು: ಇಳುವರಿ ಶಕ್ತಿ ಮತ್ತು ಮೆಗ್ನೀಸಿಯಮ್ನ ಸ್ಥಿತಿಸ್ಥಾಪಕತ್ವದ ಮಾಡ್ಯುಲಸ್ ಈ ಹೊರೆಗೆ ಸಾಕಾಗುತ್ತದೆಯೇ?
ಆಯಾಸ: ಪುನರಾವರ್ತಿತ ಹೊರೆಯಲ್ಲಿ ಅದು ಜೀವನವನ್ನು ಪೂರೈಸುತ್ತದೆಯೇ?
ಘರ್ಷಣೆ: ಈ ತುಣುಕು ಘರ್ಷಣೆಯ ಹಾದಿಯಲ್ಲಿದೆಯೇ? ವಿಭಿನ್ನ ಒಡೆಯುವಿಕೆಯ ನಡವಳಿಕೆಯ ಅಪಾಯವಿದೆಯೇ?
ಉತ್ಪಾದನೆ: ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಎರಕ/ಯಂತ್ರದ ರೇಖೆಯು ಮೆಗ್ನೀಸಿಯಮ್ ಅನ್ನು ನಿಭಾಯಿಸುತ್ತದೆಯೇ?
ಸವೆತ: ಮೆಗ್ನೀಸಿಯಮ್ ಗಾಲ್ವನಿಕ್ ತುಕ್ಕುಗೆ ಒಳಗಾಗುತ್ತದೆ; ಅಕ್ಕಪಕ್ಕದ ಭಾಗಗಳೊಂದಿಗೆ ಸಂಪರ್ಕದಲ್ಲಿ ಸಮಸ್ಯೆ ಇದೆಯೇ?
ವೆಚ್ಚ: ವಸ್ತು ಹೆಚ್ಚು ದುಬಾರಿಯಾಗಿದೆ; ಒಟ್ಟು ವ್ಯವಹಾರವು ಅರ್ಥಪೂರ್ಣವಾಗಿದೆಯೇ?
ದೈಹಿಕ ಪರೀಕ್ಷೆ: ಅಂತಿಮ ಪುರಾವೆ ಯಾವಾಗಲೂ ಮೂಲಮಾದರಿಯ ಪರೀಕ್ಷೆಯಾಗಿದೆ.

ಗಮನಿಸಿ: "ಲೈಟರ್" ಮಾತ್ರ ಸ್ವೀಕಾರದ ಮಾನದಂಡವಲ್ಲ. ಸುರಕ್ಷತೆ ಮತ್ತು ಬಾಳಿಕೆಯ ಅವಶ್ಯಕತೆಗಳನ್ನು ಎಂದಿಗೂ ಕಡಿಮೆ ಮಾಡದೆಯೇ ಹಗುರವಾದವನ್ನು ಮಾಡಲಾಗುತ್ತದೆ. ವಸ್ತು ಬದಲಾವಣೆಯು ಮತ್ತೆ ಎಲ್ಲಾ ಸಂಬಂಧಿತ ಪರೀಕ್ಷೆಗಳನ್ನು (ಆಯಾಸ, ಪರಿಣಾಮ, ಪರಿಸರ) ಪಾಸ್ ಮಾಡಬೇಕು.

ಮಿನಿ ಕೇಸ್ ಸ್ಟಡೀಸ್

ಪ್ರಕರಣ 1 - ಕಾಗದದ ಮೇಲೆ ಅದ್ಭುತವಾಗಿದೆ, ಮೈದಾನದಲ್ಲಿ ಸಮಸ್ಯಾತ್ಮಕವಾಗಿದೆ. ಒಂದು ತಂಡವು AI ಶಿಫಾರಸಿನೊಂದಿಗೆ ಕನ್ಸೋಲ್ ಬ್ರಾಕೆಟ್ ಅನ್ನು ಅಲ್ಯೂಮಿನಿಯಂನಿಂದ ಮೆಗ್ನೀಸಿಯಮ್ಗೆ ಪರಿವರ್ತಿಸುತ್ತದೆ; ದ್ರವ್ಯರಾಶಿ 30% ರಷ್ಟು ಇಳಿಯುತ್ತದೆ. ಮೂಲಮಾದರಿಯ ಪರೀಕ್ಷೆಯಲ್ಲಿ, ಪಕ್ಕದ ಉಕ್ಕಿನ ಬೋಲ್ಟ್ನೊಂದಿಗೆ ಭಾಗದ ಸಂಪರ್ಕದ ಹಂತದಲ್ಲಿ ಗಾಲ್ವನಿಕ್ ತುಕ್ಕು ಪ್ರಾರಂಭವಾಗುತ್ತದೆ. ಇನ್ಸುಲೇಶನ್ ಫ್ಲೇಕ್ ಮತ್ತು ಲೇಪನವನ್ನು ಸೇರಿಸಿದಾಗ, ವೆಚ್ಚ ಹೆಚ್ಚಾಗುತ್ತದೆ ಮತ್ತು ಲಾಭ ಕಡಿಮೆಯಾಗುತ್ತದೆ. ತೀರ್ಮಾನ: ಸಾಂದ್ರತೆಯ ಲಾಭವು ನಿಜವಾಗಿದೆ, ಆದರೆ ತುಕ್ಕು ಮತ್ತು ವೆಚ್ಚ ಪರಿಶೀಲನೆ ಇಲ್ಲದೆ ನಿರ್ಧಾರವು ಅಪೂರ್ಣವಾಗಿದೆ.

ಪ್ರಕರಣ 2 - ಕ್ರ್ಯಾಶ್ ಸರ್ಪ್ರೈಸ್. ಮುಂಭಾಗದ ಉದ್ದದ (ಕ್ರ್ಯಾಶ್ ರೈಲ್) ಭಾಗಕ್ಕಾಗಿ, AI ತೆಳುವಾದ ಹೆಚ್ಚಿನ ಸಾಮರ್ಥ್ಯದ ಉಕ್ಕನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತದೆ; ಸ್ಥಿರ ಶಕ್ತಿ ಸರಿ. ಆದರೆ ಘರ್ಷಣೆ ಸಿಮ್ಯುಲೇಶನ್‌ನಲ್ಲಿ, ಭಾಗವು ನಿಯಂತ್ರಿತ "ಅಕಾರ್ಡಿಯನ್" ನಂತೆ ಪುಡಿಮಾಡುವ ಮೂಲಕ ಶಕ್ತಿಯನ್ನು ಹೀರಿಕೊಳ್ಳುವುದಿಲ್ಲ, ಆದರೆ ತೀವ್ರವಾಗಿ ಬಾಗುವ ಮೂಲಕ; ಇದರರ್ಥ ಕ್ಯಾಬಿನೆಟ್ಗೆ ಹೆಚ್ಚಿನ ಹೊಡೆತಗಳು. ಕ್ರಷ್ ಇನಿಶಿಯೇಟರ್ ಅನ್ನು ಸೇರಿಸುವ ಮೂಲಕ ವಿನ್ಯಾಸವನ್ನು ಸರಿಪಡಿಸಲಾಗಿದೆ. ತೀರ್ಮಾನ: ಸ್ಥಿರ ಶಕ್ತಿ ಸಾಕಾಗುವುದಿಲ್ಲ; ಘರ್ಷಣೆಯ ವರ್ತನೆಯ ಪ್ರತ್ಯೇಕ ಪರಿಶೀಲನೆ.

ಪ್ರಕರಣ 3 - ಟೋಪೋಲಜಿ ಆಪ್ಟಿಮೈಸೇಶನ್ ಗಳಿಕೆ. ಟೋಪೋಲಜಿ ಆಪ್ಟಿಮೈಸೇಶನ್‌ನೊಂದಿಗೆ ಅಮಾನತು ಬ್ರಾಕೆಟ್ ಅನ್ನು ಮರುವಿನ್ಯಾಸಗೊಳಿಸಲಾಗುತ್ತಿದೆ; 22% ದ್ರವ್ಯರಾಶಿ ಕಡಿಮೆಯಾಗುತ್ತದೆ, ಒತ್ತಡ ವಿತರಣೆ ಸುಧಾರಿಸುತ್ತದೆ. ಆದರೆ ಪರಿಣಾಮವಾಗಿ ಸಾವಯವ ಜ್ಯಾಮಿತಿಯನ್ನು ಪ್ರಸ್ತುತ ಎರಕಹೊಯ್ದ ಅಚ್ಚಿನಿಂದ ಉತ್ಪಾದಿಸಲಾಗುವುದಿಲ್ಲ. ಮ್ಯಾನುಫ್ಯಾಕ್ಚರಬಿಲಿಟಿ ನಿರ್ಬಂಧವನ್ನು ಆಪ್ಟಿಮೈಸೇಶನ್‌ಗೆ ಸೇರಿಸಿದಾಗ ಮತ್ತು ಮತ್ತೆ ರನ್ ಮಾಡಿದಾಗ, 17% ಗಳಿಕೆಯೊಂದಿಗೆ ಬಿತ್ತರಿಸಬಹುದಾದ ವಿನ್ಯಾಸವನ್ನು ಪಡೆಯಲಾಗುತ್ತದೆ. ತೀರ್ಮಾನ: ಮ್ಯಾನುಫ್ಯಾಕ್ಚರಬಿಲಿಟಿಯನ್ನು ಪ್ರಾರಂಭದಿಂದಲೂ ಆಪ್ಟಿಮೈಸೇಶನ್ ನಿರ್ಬಂಧವಾಗಿ ಪರಿಚಯಿಸಬೇಕಾಗಿತ್ತು.

ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೆಟ್ಗಳು

ಟೆಂಪ್ಲೇಟ್ 1 - ಅಭ್ಯರ್ಥಿ ವಸ್ತು ಸ್ಕ್ರೀನಿಂಗ್:

ಪಾತ್ರ: ನೀವು ಮೆಟೀರಿಯಲ್ ಇಂಜಿನಿಯರ್. ಕಾರ್ಯ: ಬ್ರಾಕೆಟ್‌ಗಾಗಿ 3 ಅಭ್ಯರ್ಥಿ ವಸ್ತುಗಳನ್ನು ಸೂಚಿಸಿ ಮತ್ತು ಅವುಗಳ ವ್ಯಾಪಾರ-ವಹಿವಾಟುಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ. ಸಂದರ್ಭ: ಸ್ಥಿರ ಲೋಡ್ 4 kN + ಕಂಪನ; ತುಕ್ಕುಗೆ ಒಳಪಟ್ಟಿರುತ್ತದೆ (ಚಕ್ರ ಪ್ರದೇಶ); ಪ್ರಸ್ತುತ ಉತ್ಪಾದನಾ ಎರಕಹೊಯ್ದ; ಗುರಿ ಸಮೂಹ ಕಡಿತ. ನಿರ್ಬಂಧ: ಕೇವಲ ಲಘುತೆ ಅಲ್ಲ; ಶಕ್ತಿ, ಆಯಾಸ, ತುಕ್ಕು, ತಯಾರಿಕೆ ಮತ್ತು ವೆಚ್ಚವನ್ನು ಒಟ್ಟಿಗೆ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ; ನಿಖರವಾದ ಮೌಲ್ಯವನ್ನು ಕ್ಲೈಮ್ ಮಾಡಬೇಡಿ, ಡೇಟಾಶೀಟ್‌ನಿಂದ ದೃಢೀಕರಣವನ್ನು ಸೂಚಿಸಿ. ಔಟ್‌ಪುಟ್: ಮೆಟೀರಿಯಲ್ | ಜೊತೆಗೆ | ಮೈನಸ್ | ಪರೀಕ್ಷಾ ಕೋಷ್ಟಕವನ್ನು ಪರಿಶೀಲಿಸಬೇಕು.

ಟೆಂಪ್ಲೇಟ್ 2 - ಎಲ್ಲಾ ಉದ್ದೇಶದ ಸಮತೋಲನ:

ಪಾತ್ರ: ನೀವು ಆಪ್ಟಿಮೈಸೇಶನ್ ಸಲಹೆಗಾರರು. ಕಾರ್ಯ: ತೂಕ-ವೆಚ್ಚ-ಬಲದ ನಡುವಿನ ವ್ಯಾಪಾರವನ್ನು ವಿವರಿಸಿ. ಸಂದರ್ಭ: 3 ಅಭ್ಯರ್ಥಿ ವಸ್ತುಗಳಿಗೆ (ಅನಾಮಧೇಯ) ಅಂದಾಜುಗಳನ್ನು ಸೇರಿಸಲಾಗಿದೆ. ನಿರ್ಬಂಧ: ಪ್ಯಾರೆಟೋ ತರ್ಕವನ್ನು ಸರಳವಾಗಿ ವಿವರಿಸಿ; ಯಾವ ಆಯ್ಕೆಯು ಯಾವ ಆದ್ಯತೆಯೊಂದಿಗೆ ಅರ್ಥಪೂರ್ಣವಾಗಿದೆ ಎಂಬುದನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ. ಔಟ್‌ಪುಟ್: ಆದ್ಯತೆಯ ಸನ್ನಿವೇಶ | ಶಿಫಾರಸು ಮಾಡಿದ ಅಭ್ಯರ್ಥಿ | ಕಾರಣ.

ಟೆಂಪ್ಲೇಟ್ 3 - ಟೋಪೋಲಜಿ ಆಪ್ಟಿಮೈಸೇಶನ್ ಸೆಟಪ್:

ಪಾತ್ರ: ನೀವು ರಚನಾತ್ಮಕ ಆಪ್ಟಿಮೈಸೇಶನ್ ಪರಿಣಿತರು. ಕಾರ್ಯ: ಬ್ರಾಕೆಟ್‌ಗಾಗಿ ಡ್ರಾಫ್ಟ್ ಟೋಪೋಲಜಿ ಆಪ್ಟಿಮೈಸೇಶನ್ ಸಮಸ್ಯೆಯ ವ್ಯಾಖ್ಯಾನವನ್ನು ಬರೆಯಿರಿ. ಸಂದರ್ಭ: 3 ಕೀಲುಗಳನ್ನು ನಿವಾರಿಸಲಾಗಿದೆ, ನಿಷೇಧಿತ ಪರಿಮಾಣವಿದೆ, ವಸ್ತು ಅಲ್ಯೂಮಿನಿಯಂ ಅನ್ನು ಎರಕಹೊಯ್ದಿದೆ, ಉತ್ಪಾದನೆಯು ಎರಕಹೊಯ್ದಿದೆ. ನಿರ್ಬಂಧ: ಉತ್ಪಾದನೆಯನ್ನು (ಎರಕಹೊಯ್ದ ಹೊರಹೊಮ್ಮುವ ಕೋನ, ಕನಿಷ್ಠ ಗೋಡೆಯ ದಪ್ಪ) ಮೊದಲಿನಿಂದಲೂ ನಿರ್ಬಂಧವಾಗಿ ಸೇರಿಸಿ. ಔಟ್ಪುಟ್: ಲೋಡ್ | ನಿರ್ಬಂಧ | ಗುರಿ | ಉತ್ಪಾದನಾ ನಿರ್ಬಂಧಗಳ ಕೋಷ್ಟಕ.

ಟೆಂಪ್ಲೇಟ್ 4 - ಪರಿಶೀಲನೆ ಯೋಜನೆ:

ಪಾತ್ರ: ನೀವು ಪರಿಶೀಲನಾ ಇಂಜಿನಿಯರ್ ಆಗಿದ್ದೀರಿ. ಕಾರ್ಯ: ವಸ್ತು ಬದಲಾವಣೆಗೆ ಅಗತ್ಯವಿರುವ ಪರೀಕ್ಷಾ ಯೋಜನೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿ. ಸಂದರ್ಭ: ಅಲ್ಯೂಮಿನಿಯಂನಿಂದ ಮೆಗ್ನೀಸಿಯಮ್ಗೆ ಸ್ವಿಚ್ ಅನ್ನು ಪ್ರಸ್ತಾಪಿಸಲಾಗಿದೆ; ಭಾಗವು ಕಂಪಿಸುವ ಲೋಡ್‌ನಲ್ಲಿದೆ ಮತ್ತು ಉಕ್ಕು ಪಕ್ಕದ ಭಾಗದೊಂದಿಗೆ ಸಂಪರ್ಕದಲ್ಲಿದೆ. ಔಟ್‌ಪುಟ್: ಪರೀಕ್ಷೆ (ಆಯಾಸ/ಸವೆತ/ಕ್ರ್ಯಾಶ್...) | ಉದ್ದೇಶ | ಸ್ವೀಕಾರ ಮಾನದಂಡ | ಆದ್ಯತೆ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಈ ಭಾಗಕ್ಕೆ ಹಗುರವಾದ ವಸ್ತುವನ್ನು ಹೆಸರಿಸಿ.

ಒಂದು ಮಾನದಂಡ (ಲಘುತೆ) ನಿಮ್ಮನ್ನು ಅಸುರಕ್ಷಿತ ಅಥವಾ ತಯಾರಿಸಲಾಗದ ಆಯ್ಕೆಗೆ ಕೊಂಡೊಯ್ಯಬಹುದು.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ಪಾತ್ರ: ನೀವು ವಸ್ತು ಮತ್ತು ವಿನ್ಯಾಸ ಎಂಜಿನಿಯರ್. ಕಾರ್ಯ: ಅಮಾನತು ಬ್ರಾಕೆಟ್ ಅನ್ನು ಹಗುರಗೊಳಿಸಲು 3 ಆಯ್ಕೆಗಳನ್ನು ಸೂಚಿಸಿ ಮತ್ತು ಪ್ರತಿಯೊಂದರ ಪರಿಶೀಲನೆಯ ಅಗತ್ಯವನ್ನು ತಿಳಿಸಿ. ಸಂದರ್ಭ: ಕಂಪಿಸುವ ಲೋಡ್, ತುಕ್ಕುಗೆ ಒಳಪಟ್ಟಿರುತ್ತದೆ, ಎರಕಹೊಯ್ದ ಉತ್ಪಾದನೆ, ಸುರಕ್ಷತಾ ಅಂಶವು ಕನಿಷ್ಠ 1.5 ಅನ್ನು ನಿರ್ವಹಿಸಬೇಕು, ಘರ್ಷಣೆಯ ಹಾದಿಯಲ್ಲಿ ಅಲ್ಲ. ನಿರ್ಬಂಧ: ಶಕ್ತಿ, ಆಯಾಸ, ತುಕ್ಕು, ಉತ್ಪಾದನೆ ಮತ್ತು ವೆಚ್ಚವನ್ನು ಲಘುತೆಯೊಂದಿಗೆ ತೂಕ ಮಾಡಿ; ಯಾವುದೇ ಸಲಹೆಗಳನ್ನು ಪರೀಕ್ಷಿಸದೆ 'ಸುರಕ್ಷಿತ' ಎಂದು ಘೋಷಿಸಬೇಡಿ. ಔಟ್‌ಪುಟ್: ಆಯ್ಕೆ | ಅಂದಾಜು ಆದಾಯ | ಅಪಾಯ | ಅಗತ್ಯವಿರುವ ಪರೀಕ್ಷಾ ಟೇಬಲ್.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

ಒಂದೇ ಮಾನದಂಡದೊಂದಿಗೆ ನಿರ್ಧರಿಸುವುದು (ಲಘುತೆ). ವಸ್ತುವಿನ ಆಯ್ಕೆಯು ಹಲವಾರು ಮಾನದಂಡಗಳನ್ನು ಹೊಂದಿದೆ.
ಕ್ರ್ಯಾಶ್ ನಡವಳಿಕೆಯನ್ನು ಮರೆತುಬಿಡುವುದು. ಸ್ಥಿರ ಶಕ್ತಿ ಸಾಕಾಗುವುದಿಲ್ಲ; ಶಕ್ತಿ ಹೀರಿಕೊಳ್ಳುವಿಕೆಯು ವಿಭಿನ್ನ ಅವಶ್ಯಕತೆಯಾಗಿದೆ.
ಉತ್ಪಾದಕತೆಯನ್ನು ಉಳಿಯಲು ಬಿಡುವುದು. ಉತ್ಪಾದಿಸಲಾಗದ ಆಪ್ಟಿಮಮ್ ಸೂಕ್ತವಲ್ಲ.
ತುಕ್ಕು/ಗಾಲ್ವನಿಕ್ ಪರಸ್ಪರ ಕ್ರಿಯೆಯನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು. ವಿವಿಧ ಲೋಹಗಳ ನಡುವಿನ ಸಂಪರ್ಕವು ಹೊಸ ಸಮಸ್ಯೆಗಳನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ.
ದೈಹಿಕ ಪರೀಕ್ಷೆಯನ್ನು ಬಿಟ್ಟುಬಿಡುವುದು. ಮೂಲಮಾದರಿ ಪರೀಕ್ಷೆಯಿಂದ ಸಾಬೀತಾಗುವವರೆಗೆ ಕಾಗದದ ಮೇಲಿನ ಲಾಭವು ಒಂದು ಊಹೆಯಾಗಿದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

ಹಗುರವಾದವು ನೇರವಾಗಿ ಇಂಧನ/ಶ್ರೇಣಿ, ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು ಹೊರಸೂಸುವಿಕೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ ಆದರೆ ಬಹು-ಮಾನದಂಡ ಸಮತೋಲನವಾಗಿದೆ.
ವಸ್ತುವಿನ ಆಯ್ಕೆಯು ಶಕ್ತಿ, ಆಯಾಸ, ಪ್ರಭಾವ, ಉತ್ಪಾದನೆ, ತುಕ್ಕು ಮತ್ತು ವೆಚ್ಚವನ್ನು ಪರಿಗಣಿಸುತ್ತದೆ.
ವಸ್ತು ಸ್ಕ್ರೀನಿಂಗ್, ಮಲ್ಟಿ-ಆಬ್ಜೆಕ್ಟಿವ್ ಆಪ್ಟಿಮೈಸೇಶನ್ ಮತ್ತು ಟೋಪೋಲಜಿ ಆಪ್ಟಿಮೈಸೇಶನ್‌ನಲ್ಲಿ AI ಪ್ರಬಲ ಸಹಾಯಕವಾಗಿದೆ.
"ಲೈಟರ್" ಮಾತ್ರ ಸ್ವೀಕಾರದ ಮಾನದಂಡವಲ್ಲ; ಪ್ರತಿಯೊಂದು ಬದಲಾವಣೆಯು ಮತ್ತೆ ಎಲ್ಲಾ ಸಂಬಂಧಿತ ಪರೀಕ್ಷೆಗಳಲ್ಲಿ ಉತ್ತೀರ್ಣರಾಗಿರಬೇಕು.
ಅಂತಿಮ ಪುರಾವೆಯು ದೈಹಿಕ ಪರೀಕ್ಷೆಯಾಗಿದೆ; ಪರಿಶೀಲಿಸುವವರೆಗೆ AI ಸಲಹೆಯು ಊಹೆಯಾಗಿದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಒಂದು ಭಾಗವನ್ನು ಆಯ್ಕೆಮಾಡಿ (ಉದಾ. ಬಾಗಿಲಿನ ಒಳ ಆವರಣ). (1) ಈ ಭಾಗವು ಪೂರೈಸಬೇಕಾದ ಎಲ್ಲಾ ಮಾನದಂಡಗಳನ್ನು (ಶಕ್ತಿ, ಆಯಾಸ, ಕುಸಿತ, ತಯಾರಿಕೆ, ತುಕ್ಕು, ವೆಚ್ಚ) ಪಟ್ಟಿ ಮಾಡಿ. (2) ಟೆಂಪ್ಲೇಟ್ 1 ಮತ್ತು 3 ಅಭ್ಯರ್ಥಿ ಸಾಮಗ್ರಿಗಳನ್ನು ಮತ್ತು ಅವುಗಳ ವ್ಯಾಪಾರ-ವಹಿವಾಟುಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ. (3) ಅಭ್ಯರ್ಥಿಗಾಗಿ ಟೆಂಪ್ಲೇಟ್ 4 ನೊಂದಿಗೆ ಪರಿಶೀಲನಾ ಯೋಜನೆಯನ್ನು ರಚಿಸಿ. (4) "ಹಗುರ" ಮಾತ್ರ ಏಕೆ ಸಾಕಾಗುವುದಿಲ್ಲ ಎಂಬುದಕ್ಕೆ ಮೂರು ಕಾಂಕ್ರೀಟ್ ಕಾರಣಗಳನ್ನು ವಿವರಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

[ ] ನಾನು ಭಾಗದ ಎಲ್ಲಾ ಅವಶ್ಯಕತೆಗಳನ್ನು (ಕೇವಲ ಮಾನದಂಡವಲ್ಲ) ಪಟ್ಟಿ ಮಾಡಿದ್ದೇನೆ.
[ ] ನಾನು ಕ್ರ್ಯಾಶ್ ನಡವಳಿಕೆಯನ್ನು ಪ್ರತ್ಯೇಕ ಮಾನದಂಡವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ್ದೇನೆ.
[ ] ನಾನು ಮೊದಲಿನಿಂದಲೂ ಉತ್ಪಾದನೆಯನ್ನು ನಿರ್ಬಂಧವಾಗಿ ಸೇರಿಸಿದೆ.
[ ] ನಾನು ತುಕ್ಕು/ಗಾಲ್ವನಿಕ್ ಹಸ್ತಕ್ಷೇಪವನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
[ ] ನಾನು ಪ್ರತಿ ವಸ್ತು ಬದಲಾವಣೆಗೆ ಪರಿಶೀಲನೆ ಪರೀಕ್ಷೆಗಳನ್ನು ಯೋಜಿಸಿದೆ.
[ ] ನಾನು ಅಂತಿಮ ನಿರ್ಧಾರವನ್ನು ಭೌತಿಕ ಪರೀಕ್ಷೆಯ ಸಾಕ್ಷ್ಯದ ಮೇಲೆ ಆಧರಿಸಿದೆ.