മെറ്റീരിയൽ സെലക്ഷൻ, ഡിസിഷൻ സപ്പോർട്ട് സിസ്റ്റങ്ങളിൽ AI

നേട്ടങ്ങൾ:

• ആവശ്യകതകൾ, നിയന്ത്രണങ്ങൾ, പ്രകടന സൂചികകൾ എന്നിവ ഉപയോഗിച്ച് മെറ്റീരിയൽ സെലക്ഷൻ പ്രശ്നം രൂപപ്പെടുത്താനും അത് AI- യോട് കൃത്യമായി വിവരിക്കാനും ഉള്ള കഴിവ്
• ആഷ്‌ബി സമീപനവും വെയ്റ്റഡ് ഡിസിഷൻ മാട്രിക്‌സും കാൻഡിഡേറ്റ് മെറ്റീരിയലുകളെ താരതമ്യം ചെയ്യുമ്പോൾ AI ഒരു ഹൈപ്പോതെസിസ് ജനറേറ്ററായി ഉപയോഗിക്കാനുള്ള കഴിവ്
• ഡാറ്റ ഷീറ്റ്, സ്റ്റാൻഡേർഡ്, ചെലവ്/വിതരണ വസ്തുത എന്നിവയ്‌ക്കെതിരെ AI ശുപാർശ ചെയ്യുന്ന ഓരോ മെറ്റീരിയലും ഫീച്ചർ മൂല്യവും പരിശോധിക്കാനുള്ള കഴിവ്

മെറ്റലർജിക്കൽ ആൻഡ് മെറ്റീരിയൽസ് എഞ്ചിനീയറുടെ ഏറ്റവും ദൃശ്യവും ഉത്തരവാദിത്തമുള്ളതുമായ ജോലിയാണ് മെറ്റീരിയൽ സെലക്ഷൻ. സൈക്കിൾ ഫ്രെയിമിനുള്ള അലുമിനിയം, കാർബൺ ഫൈബർ അല്ലെങ്കിൽ സ്റ്റീൽ; ഒരു പമ്പ് ഷാഫ്റ്റിനായി 316 സ്റ്റെയിൻലെസ് അല്ലെങ്കിൽ ഡ്യുപ്ലെക്സ് സ്റ്റെയിൻലെസ്; ഒരു ഹോട്ട് ഡൈക്കുള്ള ടൂൾ സ്റ്റീൽ ഏതാണ്? ഈ തീരുമാനങ്ങൾക്ക് ശക്തി, ഭാരം, തുരുമ്പെടുക്കൽ, താപനില, യന്ത്രസാമഗ്രി, ചെലവ്, വിതരണം എന്നിവ പോലുള്ള ഡസൻ കണക്കിന് വൈരുദ്ധ്യമുള്ള നിയന്ത്രണങ്ങൾ ഒരേസമയം സന്തുലിതമാക്കേണ്ടതുണ്ട്. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (ടെക്‌സ്റ്റും നമ്പറുകളും പ്രോസസ്സ് ചെയ്യുകയും നിർദ്ദേശങ്ങൾ നിർമ്മിക്കുകയും ചെയ്യുന്ന സിസ്റ്റങ്ങൾ) ഒരു കാൻഡിഡേറ്റ് ലിസ്റ്റ് സൃഷ്ടിക്കുന്നതിനും ഒരു താരതമ്യ മാട്രിക്സ് സ്ഥാപിക്കുന്നതിനും ന്യായീകരണം എഴുതുന്നതിനുമുള്ള പ്രക്രിയയെ ത്വരിതപ്പെടുത്തുന്നു. എന്നാൽ ഡാറ്റ ഷീറ്റ്, സ്റ്റാൻഡേർഡ്, ആവശ്യമുള്ളിടത്ത് പരിശോധന എന്നിവ മാത്രമേ നിങ്ങൾ തിരഞ്ഞെടുത്ത മെറ്റീരിയൽ യഥാർത്ഥത്തിൽ അനുയോജ്യമാണെന്ന് തെളിയിക്കുന്നു. ഈ യൂണിറ്റിൽ, AI ഉപയോഗിച്ച് അച്ചടക്കത്തോടെ മെറ്റീരിയൽ തിരഞ്ഞെടുപ്പ് എങ്ങനെ നടത്താമെന്ന് നിങ്ങൾ പഠിക്കും.

മെറ്റീരിയൽ തിരഞ്ഞെടുക്കൽ പ്രശ്നം ശരിയായി സ്ഥാപിക്കുന്നു

ഒരു മോശം മെറ്റീരിയൽ തിരഞ്ഞെടുപ്പ് പലപ്പോഴും ഉണ്ടാകുന്നത് ഒരു മോശം മോഡലിൽ നിന്നല്ല, മറിച്ച് തെറ്റായി നിർവചിക്കപ്പെട്ട ഒരു പ്രശ്നത്തിൽ നിന്നാണ്. "ഏറ്റവും മികച്ച മെറ്റീരിയൽ ഏതാണ്" എന്ന് AI-യോട് ചോദിക്കുന്നത് അർത്ഥശൂന്യമാണ്; കാരണം "മികച്ചത്" അത് ഏത് നിയന്ത്രണത്തിൽ ഏത് പ്രവർത്തനമാണ് നിർവഹിക്കുന്നത് എന്നതിനെ ആശ്രയിച്ചിരിക്കുന്നു. ഒരു ശബ്‌ദ മെറ്റീരിയൽ തിരഞ്ഞെടുക്കൽ പ്രശ്നം ഈ നാല് ഘടകങ്ങളാൽ നിർവചിക്കപ്പെടുന്നു:

• പ്രവർത്തനം: കഷണം എന്ത് ചെയ്യും? (ഉദാ. അച്ചുതണ്ട് ചുമക്കുന്ന ഒരു വടി, സമ്മർദ്ദത്തെ പ്രതിരോധിക്കുന്ന ഒരു പാത്രം.)
• നിയന്ത്രണങ്ങൾ: കവിയാൻ പാടില്ലാത്ത പരിധികൾ. (ഉദാ. വിളവ് ശക്തി ≥ 350 MPa, പ്രവർത്തന താപനില 200 °C, ഉപ്പുവെള്ളത്തോടുള്ള പ്രതിരോധം.)
• ലക്ഷ്യം: നമ്മൾ എന്താണ് ചെറുതാക്കും/ വലുതാക്കും? (ഉദാ. ഭാരം കുറയ്ക്കുക, ചെലവ് കുറയ്ക്കുക.)
• സ്വതന്ത്ര വേരിയബിൾ: നമുക്ക് എന്ത് തിരഞ്ഞെടുക്കാം? (മെറ്റീരിയലും പലപ്പോഴും ഒരു അളവും, ഉദാ. വിഭാഗം.)

ഈ ചട്ടക്കൂടാണ് ആഷ്ബിയുടെ മെറ്റീരിയൽ സെലക്ഷൻ സമീപനത്തിൻ്റെ അടിസ്ഥാനം. പ്രകടന സൂചിക എന്നത് ഒരു പ്രത്യേക ഉദ്ദേശ്യം നിറവേറ്റുന്ന മെറ്റീരിയൽ ഗുണങ്ങളുടെ സംയോജനം നൽകുന്ന ഒരു പദപ്രയോഗമാണ്; ഉദാഹരണത്തിന്, ഒരു നിശ്ചിത കാഠിന്യത്തിൻ്റെ ഏറ്റവും ഭാരം കുറഞ്ഞ ബീമിനായി നിർദ്ദിഷ്ട ശക്തി പോലുള്ള ഒരു സൂചിക ഉപയോഗിക്കുന്നു. പ്രവർത്തനവും പരിമിതികളും കണക്കിലെടുക്കുമ്പോൾ, ശരിയായ പ്രകടന സൂചികയും റാങ്ക് കാൻഡിഡേറ്റ് മെറ്റീരിയൽ ക്ലാസുകളും കണ്ടെത്തുന്നതിന് AI നിങ്ങളെ സഹായിക്കും - എന്നാൽ അത് നേടിയ സൂചികയുടെ ഫിസിക്കൽ ഡെറിവേഷൻ പരിശോധിക്കുന്നത് ഉറപ്പാക്കുക.

ഘട്ടം ഘട്ടമായി: AI- പവർഡ് മെറ്റീരിയൽ സെലക്ഷൻ

1. ആവശ്യകതകൾ എഴുതുക: പ്രവർത്തനം, നിയന്ത്രണങ്ങൾ, ഉദ്ദേശ്യം, സ്വതന്ത്ര വേരിയബിൾ. അത് സംഖ്യാപരമായതും അളക്കാവുന്നതുമായിരിക്കട്ടെ.
2. കാൻഡിഡേറ്റ് ക്ലാസുകൾ തിരിച്ചറിയുക: മെറ്റീരിയൽ ക്ലാസുകൾ (സ്റ്റീൽസ്, സ്റ്റെയിൻലെസ്, അലുമിനിയം അലോയ്‌കൾ, ടൈറ്റാനിയം, പോളിമറുകൾ, കോമ്പോസിറ്റുകൾ) ലിസ്റ്റ് ചെയ്യാൻ AI-യോട് ആവശ്യപ്പെടുകയും ഈ ഫംഗ്‌ഷനുള്ള ഓരോന്നിൻ്റെയും അനുയോജ്യത ന്യായീകരിക്കുകയും ചെയ്യുക.
3. നിയന്ത്രണത്തോടെ ഇല്ലാതാക്കുക: നിയന്ത്രണങ്ങൾ പാലിക്കാത്ത ഗ്രേഡുകൾ നീക്കം ചെയ്യുക (ഉദാ. കോറഷൻ കൺസ്ട്രൈൻ്റ് കാർബൺ സ്റ്റീലിനെ ഇല്ലാതാക്കുന്നു).
4. പ്രകടന സൂചിക പ്രകാരം അടുക്കുക: ശേഷിക്കുന്ന കാൻഡിഡേറ്റുകളെ ഉദ്ദേശ്യമനുസരിച്ച് അടുക്കുക (ലാഘവം, ചെലവ്).
5. ഒരു തീരുമാന മാട്രിക്സ് സജ്ജീകരിക്കുക: അന്തിമ സ്ഥാനാർത്ഥികളെ വെയ്റ്റഡ് സ്കോറിംഗ് ടേബിളുമായി താരതമ്യം ചെയ്യുക.
6. പരിശോധിച്ചുറപ്പിക്കുക: ഡാറ്റ ഷീറ്റ്/സ്റ്റാൻഡേർഡിൽ നിന്ന് തിരഞ്ഞെടുത്ത മെറ്റീരിയലിൻ്റെ പ്രോപ്പർട്ടി മൂല്യങ്ങൾ നേടുക, വിതരണവും വിലയും സ്ഥിരീകരിക്കുക, ആവശ്യമെങ്കിൽ സാമ്പിൾ പരിശോധിക്കുക.

നുറുങ്ങ്: AI നൽകുന്ന മെറ്റീരിയൽ പ്രോപ്പർട്ടികൾ അന്തിമ മൂല്യങ്ങളായി ഒരിക്കലും എടുക്കരുത്. "6061-T6 അലൂമിനിയത്തിൻ്റെ വിളവ് ശക്തി 276 MPa ആണ്" എന്ന് AI പറഞ്ഞാലും, യഥാർത്ഥ മൂല്യം ടെമ്പർ സ്റ്റേറ്റ്, സെമി-ഫിനിഷ്ഡ് ഉൽപ്പന്ന രൂപം (പ്ലേറ്റ്, ബാർ, എക്സ്ട്രൂഷൻ), സെക്ഷൻ കനം എന്നിവയെ ആശ്രയിച്ച് വ്യത്യാസപ്പെടുന്നു. EN/ASTM ഡാറ്റ ഷീറ്റിൽ നിന്ന് മൂല്യം സ്ഥിരീകരിക്കുക.

വെയ്റ്റഡ് ഡിസിഷൻ മാട്രിക്സ്

അന്തിമ സ്ഥാനാർത്ഥികളെ തിരഞ്ഞെടുക്കുമ്പോൾ വെയ്റ്റഡ് ഡിസിഷൻ മാട്രിക്സ് സുതാര്യവും പ്രതിരോധിക്കാവുന്നതുമായ ഒരു രീതിയാണ്. ഓരോ മാനദണ്ഡത്തിനും ഒരു പ്രാധാന്യമുള്ള ഭാരം നൽകിയിരിക്കുന്നു, ഓരോ സ്ഥാനാർത്ഥിക്കും ഓരോ മാനദണ്ഡത്തിൽ സ്കോർ ചെയ്യുന്നു, കൂടാതെ വെയ്റ്റഡ് ടോട്ടൽ കണക്കാക്കുന്നു. കടൽജല പമ്പ് ഷാഫ്റ്റിൻ്റെ ഒരു ഉദാഹരണം ചുവടെയുണ്ട് (സ്കോറുകൾ 1-5, ഭാരത്തിൻ്റെ ആകെത്തുക 1.0).

മാനദണ്ഡം

ഭാരം

316L സ്റ്റെയിൻലെസ്സ്

ഡ്യൂപ്ലെക്സ് 2205

നി-അൽ വെങ്കലം

നാശ പ്രതിരോധം (കടൽ വെള്ളം)

0.35

3

5

4

വിളവ് ശക്തി

0.25

3

5

3

യന്ത്രസാമഗ്രി

0.15

4

3

4

ചെലവ് (കുറവാണ് നല്ലത്)

0.15

4

3

2

വിതരണം / ലീഡ് സമയം

0.10

5

3

3

ആകെ തൂക്കം

1.00

3.40

4.30

3.45

ഈ പട്ടിക duplex 2205 ഹൈലൈറ്റ് ചെയ്യുന്നു; പക്ഷേ, മേശ ഒരു തീരുമാനമല്ല, ചർച്ചയ്ക്കുള്ള വേദിയാണ്. നിങ്ങൾ ഭാരവും സ്കോറുകളും നിർണ്ണയിക്കുന്നു; AI അവ പതിവായി കണക്കാക്കുകയും ന്യായീകരണം എഴുതുകയും ചെയ്യുന്നു. സ്‌കോറുകളുടെ അടിസ്ഥാനം (കോറഷനുള്ള PREN മൂല്യം, ശക്തിയുടെ സ്റ്റാൻഡേർഡ് മിനിമം) പരിശോധിച്ചുറപ്പിച്ചിരിക്കണം.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - തെറ്റായ കോപം, തെറ്റായ ശക്തി. ഒരു ഡിസൈനർ AI-യോട് ഒരു ബ്രാക്കറ്റിനായി "6061 അലൂമിനിയത്തിൻ്റെ വിളവ് ശക്തി" ചോദിക്കുന്നു; AI പറയുന്നു "276 MPa". ഡിസൈനർ ഈ മൂല്യം ഉപയോഗിക്കുന്നു, എന്നാൽ വിതരണം ചെയ്ത മെറ്റീരിയൽ T4 ടെമ്പറിലാണ്, കൂടാതെ ~145 MPa മാത്രമേ വിളവ് ശക്തിയുള്ളൂ. പ്രതീക്ഷിക്കുന്ന ലോഡിനേക്കാൾ താഴ്ന്ന നിലയിൽ ഭാഗം ശാശ്വതമായി രൂപഭേദം വരുത്തുന്നു. പാഠം: വസ്തുവിൻ്റെ മൂല്യം മെറ്റീരിയലിൻ്റെ അവസ്ഥയെ ആശ്രയിച്ചിരിക്കുന്നു (T4 / T6); കോപം വ്യക്തമാക്കാതെ AI നൽകുന്ന മൂല്യം അർത്ഥശൂന്യമാണ് കൂടാതെ ഡാറ്റ ഷീറ്റിൽ നിന്ന് സ്ഥിരീകരിക്കുകയും വേണം.

കേസ് 2 - ശരിയായ ഉന്മൂലനം. 6 ബാർ മർദ്ദത്തിലും സ്ഥിരമായ ഉപ്പുവെള്ള സമ്പർക്കത്തിലും പ്രവർത്തിക്കുന്ന ഒരു വാൽവ് ബോഡിക്കായി ഒരു ടീം AI-യിൽ നിന്ന് ഉദ്യോഗാർത്ഥികളുടെ ലിസ്റ്റ് അഭ്യർത്ഥിക്കുന്നു. കാർബൺ സ്റ്റീൽ, ലോ അലോയ് സ്റ്റീൽ എന്നിവ നാശത്തിൻ്റെ പരിമിതി കാരണം AI ഒഴിവാക്കുന്നു; 316L ഡ്യൂപ്ലക്സും വെങ്കലവും ശുപാർശ ചെയ്യുന്നു കൂടാതെ ഓരോന്നിനും PREN (പിറ്റിംഗ് റെസിസ്റ്റൻസ് ഇക്വലൻ്റ് നമ്പർ) ആശയം വിശദീകരിക്കുന്നു. ടീം ഈ പ്രാഥമിക സ്ക്രീനിംഗ് അംഗീകരിക്കുന്നു, എന്നാൽ യഥാർത്ഥ ക്ലോറിൻ സാന്ദ്രതയും താപനില കോറഷൻ ടെസ്റ്റ് ഡാറ്റയും അടിസ്ഥാനമാക്കിയാണ് അന്തിമ തീരുമാനം എടുക്കുന്നത്. AI ഒഴിവാക്കി പരീക്ഷണം നടത്തി.

കേസ് 3 - ചെലവിൻ്റെ യാഥാർത്ഥ്യം. ഒരു ഉൽപ്പന്നത്തിന്, AI ടൈറ്റാനിയം Ti-6Al-4V ശുപാർശ ചെയ്യുന്നു; ഭാരം കുറഞ്ഞതിലും നാശത്തിലും ഇത് മികച്ചതാണ്. എന്നാൽ, പ്രതിവർഷം 50,000 യൂണിറ്റുകളിൽ ഈ ഭാഗം ഉൽപ്പാദിപ്പിക്കുമെന്നും വില സമ്മർദം ഉണ്ടെന്നും പറഞ്ഞിട്ടില്ല. ഒരു കിലോഗ്രാം വിലയും ടൈറ്റാനിയത്തിൻ്റെ പ്രോസസ്സിംഗ് ബുദ്ധിമുട്ടും ഉൽപ്പന്നത്തെ വാണിജ്യപരമായി അപ്രായോഗികമാക്കുന്നു. ടീം സന്ദർഭം ചേർത്ത് വീണ്ടും ചോദിക്കുന്നു; ചെലവ് കുറഞ്ഞ സ്റ്റെയിൻലെസ് സ്റ്റീലാണ് ഇത്തവണ തിരഞ്ഞെടുത്തിരിക്കുന്നത്. പാഠം: നിങ്ങൾ ആദ്യം മുതൽ ചെലവും നിർമ്മാണക്ഷമതയും നൽകുന്നില്ലെങ്കിൽ, AI സാങ്കേതികമായി ശരിയായതും എന്നാൽ വാണിജ്യപരമായി തെറ്റായതുമായ ഉപദേശം നൽകും.

പകർത്താവുന്ന പ്രോംപ്റ്റ് ടെംപ്ലേറ്റുകൾ

മെറ്റീരിയൽ സെലക്ഷൻ ഫ്രെയിംവർക്ക് ടെംപ്ലേറ്റ്"റോൾ: നിങ്ങളാണ് അസിസ്റ്റൻ്റ് മെറ്റീരിയൽ സെലക്ഷൻ സ്പെഷ്യലിസ്റ്റ്. ഭാഗം: [വിവരണം]. ചുവടെയുള്ള ഫ്രെയിം പൂരിപ്പിക്കുക:- ഫംഗ്ഷൻ: [...]- നിയന്ത്രണങ്ങൾ (സംഖ്യാപരമായത്): [ശക്തി, താപനില, തുരുമ്പെടുക്കൽ, ഭാരം...]- ഉദ്ദേശ്യം: [കുറഞ്ഞത്: [കുറഞ്ഞത്: വ്യത്യസ്‌തമായത് അതനുസരിച്ച്, അത് ഘട്ടം ഘട്ടമായി കാണിക്കുക, ഉറവിടത്തിനൊപ്പം പ്രോപ്പർട്ടി മൂല്യങ്ങൾ നൽകുകയും 'ഡാറ്റാഷീറ്റിൽ നിന്ന് സ്ഥിരീകരിക്കണം' മുന്നറിയിപ്പ് ചേർക്കുകയും ചെയ്യുക.

കാൻഡിഡേറ്റ് സ്‌ക്രീനിംഗ് ടെംപ്ലേറ്റ്"ഇനിപ്പറയുന്ന നിയന്ത്രണങ്ങൾ പാലിക്കാത്ത മെറ്റീരിയൽ ക്ലാസുകളിൽ ഒപ്പിടുകയും ന്യായീകരിക്കുകയും ചെയ്യുക: [ലിസ്‌റ്റ് നിയന്ത്രണങ്ങൾ]. ശേഷിക്കുന്ന കാൻഡിഡേറ്റുകളെ ഉദ്ദേശ്യമനുസരിച്ച് അടുക്കുക. ഏത് സ്റ്റാൻഡേർഡാണ് (ഉദാ. EN, ASTM) ഓരോ കാൻഡിഡേറ്റും നിർവചിച്ചിരിക്കുന്നതെന്ന് സംസ്ഥാനം. കൃത്യമായ പ്രോപ്പർട്ടി നമ്പറുകൾ നൽകരുത്; പരിധി നൽകുക, 'പരിശോധിച്ചിരിക്കണം' റേറ്റിംഗ്."

ഡിസിഷൻ മാട്രിക്സ് ടെംപ്ലേറ്റ് "ഇനിപ്പറയുന്ന കാൻഡിഡേറ്റുകൾക്കായി ഒരു വെയ്റ്റഡ് ഡിസിഷൻ മാട്രിക്സ് സജ്ജീകരിക്കുക: [കാൻഡിഡേറ്റ്സ്]. എൻ്റെ മാനദണ്ഡങ്ങളും തൂക്കങ്ങളും: [മാനദണ്ഡം=വെയ്റ്റ് ലിസ്റ്റ്]. ഓരോ കാൻഡിഡേറ്റും 1-5 പോയിൻ്റുകൾ ഉപയോഗിച്ച് റേറ്റ് ചെയ്ത് ഓരോ സ്‌കോറിൻ്റെയും അടിസ്ഥാനം (ഏത് ഫീച്ചർ, ഏത് ഉറവിടം) ഒരു വാക്യത്തിൽ എഴുതുക. ഫലം ആകെ വെയ്റ്റഡ് പട്ടികയായി കണക്കാക്കി 'ഫലം കണക്കാക്കുക. പരിശോധിച്ചുറപ്പിച്ചു."

കോറോഷൻ കോംപാറ്റിബിലിറ്റി ടെംപ്ലേറ്റ് "പരിസ്ഥിതി: [താപനില, ക്ലോറിൻ/ആസിഡിൻ്റെ സാന്ദ്രത, pH]. കാൻഡിഡേറ്റ് സ്റ്റെയിൻലെസ് എന്നതിൻ്റെ PREN യുക്തി വിശദീകരിക്കുക, ഏത് ടെസ്റ്റാണ് (ഉദാ. ASTM G48 പിറ്റ് ടെസ്റ്റ്) അത് പരിശോധിച്ചുറപ്പിക്കേണ്ടതെന്ന് പറയുക. പരീക്ഷിക്കാതെ മെറ്റീരിയൽ ലിസ്റ്റ് അന്തിമമാക്കരുത്."

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ നിർദ്ദേശം: "കടൽജലത്തിൽ ഒരു പമ്പ് ഷാഫ്റ്റ് ഉപയോഗിക്കുന്നതിനുള്ള ഏറ്റവും മികച്ച മെറ്റീരിയൽ ഏതാണ്?"

ശക്തമായ നിർദ്ദേശം:"റോൾ: നിങ്ങൾ മെറ്റീരിയൽ തിരഞ്ഞെടുക്കൽ വിദഗ്ധനാണ്. ഭാഗം: അപകേന്ദ്രമായ കടൽജല പമ്പ് ഷാഫ്റ്റ്. നിയന്ത്രണങ്ങൾ: തുടർച്ചയായ കടൽജല സമ്പർക്കം (~20,000 ppm ക്ലോറൈഡ്, 25-40 °C), വിളവ് ശക്തി ≥ 450 MPa, ക്ഷീണം ലോഡ് ലഭ്യമാണ്, ലാത്ത് ഉപയോഗിച്ച് മെഷീൻ ചെയ്യാൻ, കാൻഡിഡേറ്റിന് മിനിമം. 300 കഷണങ്ങൾ പ്രതിവർഷം ചെലവ്. സ്റ്റെയിൻലെസ്, വെങ്കലം എന്നിവ ഓരോന്നിനും ഏത് സ്റ്റാൻഡേർഡ്, ഏത് വെരിഫിക്കേഷൻ ടെസ്റ്റ് ആവശ്യമാണെന്ന് എഴുതുക, അന്തിമമാക്കുക.

ശക്തമായ പ്രോംപ്റ്റ്; ഇത് പരിസ്ഥിതിയെ സംഖ്യാപരമായി നൽകുന്നു, ശക്തി പരിമിതി സ്ഥാപിക്കുന്നു, ഉൽപ്പാദന അളവും ചെലവും നിർവചിക്കുന്നു, കൂടാതെ പരിശോധനാ പരിശോധന അഭ്യർത്ഥിക്കുന്നു. അങ്ങനെ, വാണിജ്യപരമായും സാങ്കേതികമായും അനുയോജ്യമായ സ്ഥാനാർത്ഥികളുടെ ഒരു ലിസ്റ്റ് AI നിർമ്മിക്കുന്നു.

സാധാരണ തെറ്റുകൾ

• പ്രവർത്തനവും നിയന്ത്രണങ്ങളും കണക്കാക്കാതെ "മികച്ച മെറ്റീരിയൽ" ആവശ്യപ്പെടുന്നു.
• മെറ്റീരിയലിൻ്റെ അവസ്ഥ (കോപം, ആകൃതി, വിഭാഗം) വ്യക്തമാക്കാതെ പ്രോപ്പർട്ടി മൂല്യം നേടുക.
• ചെലവ്, വിതരണം, ഉൽപ്പാദനക്ഷമത എന്നിവയുടെ നിയന്ത്രണങ്ങൾ സന്ദർഭത്തിൽ ഉൾപ്പെടുത്തുന്നില്ല.
• AI ഉൽപ്പാദിപ്പിക്കുന്ന പ്രകടന സൂചികയുടെ ഫിസിക്കൽ ഡെറിവേഷൻ നിയന്ത്രിക്കുന്നില്ല.
• ഡിസിഷൻ മാട്രിക്‌സിലെ സ്‌കോറുകളുടെ അടിസ്ഥാനം പരിശോധിക്കാതെ തന്നെ റിസൾട്ട് ഡെഫിനിറ്റീവ് ആയി എടുക്കൽ.
• പരീക്ഷണങ്ങളില്ലാതെ നാശം പോലുള്ള പരിസ്ഥിതിയെ ആശ്രയിച്ചുള്ള തീരുമാനങ്ങൾ സ്ഥിരീകരിക്കുന്നു.

ചുരുക്കത്തിൽ

മെറ്റീരിയൽ സെലക്ഷനിൽ, നിങ്ങൾ പ്രവർത്തനവും നിയന്ത്രണങ്ങളും വ്യക്തമാക്കിക്കഴിഞ്ഞാൽ, AI ഒരു ശക്തമായ തീരുമാന പിന്തുണാ ഉപകരണമാണ്: അത് സ്ഥാനാർത്ഥികളുടെ ഒരു ലിസ്റ്റ് നിർമ്മിക്കുന്നു, ഒരു പ്രകടന സൂചിക ഉണ്ടാക്കുന്നു, ഒരു തീരുമാന മാട്രിക്സ് നിർമ്മിക്കുന്നു, ന്യായീകരണം എഴുതുന്നു. എന്നിരുന്നാലും, ഓരോ പ്രോപ്പർട്ടി മൂല്യവും ഡാറ്റ ഷീറ്റിൽ നിന്നും സ്റ്റാൻഡേർഡിൽ നിന്നും പരിശോധിച്ചുറപ്പിച്ചിരിക്കണം, കൂടാതെ ഓരോ കോറഷൻ/റെസിസ്റ്റൻസ് നിർണായക തീരുമാനവും പരീക്ഷണത്തിലൂടെ പരിശോധിച്ചുറപ്പിക്കേണ്ടതാണ്. ഫംഗ്‌ഷൻ-നിയന്ത്രണം-ഒബ്‌ജക്‌റ്റീവ്-ഫ്രീ വേരിയബിളിൻ്റെ ചട്ടക്കൂടിനുള്ളിൽ പ്രശ്‌നം രൂപപ്പെടുത്തുന്നത് നല്ല തിരഞ്ഞെടുപ്പിൻ്റെ പകുതിയാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു യഥാർത്ഥ അല്ലെങ്കിൽ സാങ്കൽപ്പിക ഭാഗം തിരഞ്ഞെടുക്കുക (ഉദാ. ഒരു ബാഹ്യ ഫാസ്റ്റനർ). ഫംഗ്ഷൻ, നിയന്ത്രണങ്ങൾ, ഒബ്ജക്റ്റീവ്, ഫ്രീ വേരിയബിൾ എന്നിവ സംഖ്യാപരമായി എഴുതുക. "മെറ്റീരിയൽ സെലക്ഷൻ ഫ്രെയിംവർക്ക്" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് AI-യിൽ നിന്ന് കാൻഡിഡേറ്റ് ലിസ്റ്റും പ്രകടന സൂചികയും അഭ്യർത്ഥിക്കുക. തുടർന്ന് "ഡിസിഷൻ മാട്രിക്സ്" ടെംപ്ലേറ്റ് കുറഞ്ഞത് മൂന്ന് കാൻഡിഡേറ്റുകളെങ്കിലും പൂരിപ്പിക്കുക. അവസാനമായി, നിങ്ങൾ തിരഞ്ഞെടുത്ത മെറ്റീരിയലിൻ്റെ വിളവ് ശക്തിയും നാശ സ്വഭാവവും പരിശോധിക്കാൻ ഏത് സ്റ്റാൻഡേർഡും ടെസ്റ്റും ഉപയോഗിക്കുമെന്ന് ഒരു ഖണ്ഡികയിൽ എഴുതുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഫംഗ്‌ഷൻ, നിയന്ത്രണങ്ങൾ, ഉദ്ദേശ്യം, ഫ്രീ വേരിയബിൾ എന്നിവ ഞാൻ സംഖ്യാപരമായി നിർവചിച്ചു.
• [ ] ന്യായീകരണത്തോടെ നിയന്ത്രണങ്ങൾ പാലിക്കാത്ത ക്ലാസുകൾ ഞാൻ ഒഴിവാക്കി.
• [ ] മെറ്റീരിയൽ അവസ്ഥ (കോപം/രൂപം) വ്യക്തമാക്കിക്കൊണ്ട് എനിക്ക് പ്രോപ്പർട്ടി മൂല്യങ്ങൾ ലഭിച്ചു.
• തീരുമാന മാട്രിക്സ് സ്കോറുകളുടെ അടിസ്ഥാനം ഞാൻ ശ്രദ്ധിച്ചു.
• [ ] ഞാൻ ചെലവ്, വിതരണം, ഉൽപ്പാദനക്ഷമത എന്നിവ സന്ദർഭത്തിൽ ഉൾപ്പെടുത്തി.
• [ ] ഡാറ്റ ഷീറ്റ്, സ്റ്റാൻഡേർഡ്, ആവശ്യമായ പരീക്ഷണങ്ങൾ എന്നിവ ഉപയോഗിച്ച് തിരഞ്ഞെടുപ്പ് പരിശോധിക്കാൻ ഞാൻ ഒരു പ്ലാൻ തയ്യാറാക്കി.