युनिट्स
1. नौदल आणि सागरी अभियांत्रिकीमधील कृत्रिम बुद्धिमत्ता आणि सत्यापन शिस्तीचा परिचय 2. हल फॉर्म डिझाईन आणि हायड्रोडायनामिक विश्लेषण मध्ये AI 3. स्ट्रक्चरल ॲनालिसिस, मर्यादित घटक आणि सामग्री निवडीमध्ये ए.आय 4. प्रोपल्शन सिस्टीम, मुख्य इंजिन आणि ऊर्जा कार्यक्षमतेमध्ये AI 5. अंदाजात्मक देखभाल आणि इंजिन रूम कंडिशन मॉनिटरिंग 6. ट्रिप ऑप्टिमायझेशन, एअर रूटिंग आणि ट्रिम 7. इंधन कार्यक्षमता, उत्सर्जन आणि पर्यावरणीय अनुपालन (EEXI, CII, MARPOL) 8. स्वायत्त जहाजे, नेव्हिगेशन सुरक्षा आणि टक्कर प्रतिबंध 9. शिपयार्ड, उत्पादन, संसाधन आणि प्रकल्प व्यवस्थापन मध्ये AI 10. वर्ग नियम, सर्वेक्षण, कायदे आणि तांत्रिक दस्तऐवजीकरण 11. फ्लीट मॅनेजमेंट, लॉजिस्टिक आणि पोर्ट ऑपरेशन्समध्ये AI 12. सागरी क्षेत्रातील AI च्या सीमा: सुरक्षा, सायबर जोखीम, नैतिकता आणि जबाबदारी
युनिट 1 / 12

नौदल आणि सागरी अभियांत्रिकीमधील कृत्रिम बुद्धिमत्ता आणि सत्यापन शिस्तीचा परिचय

नफा:

  • जहाज आणि सागरी अभियांत्रिकी कार्यप्रवाहात एआय वास्तविक वेळेची कुठे बचत करते आणि जीवन/मालमत्ता सुरक्षितता आणि वर्गाची जबाबदारी अभियंत्याकडे कोठे राहिली पाहिजे हे वेगळे करण्यास सक्षम असणे.
  • तीन-स्तरीय शिस्त लागू करण्याची क्षमता जी प्रत्येक अभियांत्रिकी आउटपुट परिमाण, स्वतंत्र पुनर्गणना आणि वर्ग नियम/स्रोत नियंत्रणाद्वारे सत्यापित करते
  • जहाज, शिपयार्ड आणि जहाजमालक यांचा व्यावसायिक आणि तांत्रिक गोपनीय डेटा सामायिक न करता संदर्भ निनावी करण्याची आणि AI चा लाभ घेण्यासाठी प्रॉम्प्ट तयार करण्याची सवय लावण्याची क्षमता.

सागरी अभियंता दिवस पहा: हुल फॉर्म पुनरावृत्ती, प्रतिकार आणि प्रणोदन गणना, स्थिरता आणि सामर्थ्य तपासणी, वर्ग नियम स्कॅन, इंजिन रूम सेन्सर रेकॉर्ड, सर्वेक्षण अहवाल, शिपयार्ड पत्रव्यवहार आणि जहाज मालकासह अंतहीन ईमेल. वास्तविक अभियांत्रिकी निकालासाठी दिलेला वेळ, म्हणजे, "ही बोट सुरक्षित आहे का, हे बांधकाम वर्ग कोड पूर्ण करते का, ही जलप्रवास योजना खरोखरच इंधनाचा वापर कमी करते का" या प्रश्नांची पुनरावृत्ती होणारी गणना आणि दस्तऐवजाच्या कामाखाली चिरडले जाते. इथेच कृत्रिम बुद्धिमत्ता (थोडक्यात AI; मोठ्या भाषेचे मॉडेल आणि मशीन लर्निंगसह मजकूर, कोड आणि संख्यांवर काम करणारे सॉफ्टवेअर) कामात येते. एआय तुमच्यासाठी निर्णय घेत नाही; ते तुम्हाला निर्णयासाठी तयार करते, मसुदा तयार करते, गणना वेगवान करते आणि प्रक्रिया केलेली माहिती तुमच्यासमोर ठेवते.

तथापि, सागरी अभियांत्रिकी हे असे क्षेत्र आहे जिथे चुका मजकूराद्वारे नव्हे तर जीवन, पर्यावरण आणि लाखो डॉलर्सद्वारे मोजल्या जातात. भाषा मॉडेल, चुकीचे युनिट रूपांतरण किंवा "वाजवी-दिसणारे" परंतु शारीरिकदृष्ट्या अशक्य स्थिरतेचा परिणाम इतर क्षेत्रांमध्ये किरकोळ सुधारणा असू शकते, परंतु येथे ते कॅप्साइझ, संरचनात्मक कोसळणे किंवा तेल गळतीमध्ये बदलू शकते. त्यामुळे या संपूर्ण मॉड्यूलमध्ये आम्ही AI ला "स्वयंचलित अभियंता" म्हणून नाही तर सुरक्षा-गंभीर शिस्तबद्ध सहाय्यक म्हणून ठेवू ज्याचे आउटपुट प्रत्येक वेळी सत्यापित केले जाते.

या पहिल्या युनिटमध्ये, आम्ही तीन गोष्टी स्पष्ट करतो: जहाजबोर्ड आणि सागरी अभियांत्रिकी कार्यप्रवाहाच्या कोणत्या टप्प्यावर AI वास्तविक मूल्य जोडते; कोणते निर्णय योग्य व्यक्तीकडे (अभियंता, वर्ग सर्वेक्षक, मास्टर) काटेकोरपणे असले पाहिजेत; आणि ते करताना तुम्ही कोणती पडताळणी, गोपनीयता आणि दायित्व शिस्त पाळली पाहिजे. हे छप्पर योग्यरित्या स्थापित केल्याशिवाय, त्यानंतरच्या युनिट्समधील तंत्र धोकादायक बनू शकतात.

संकल्पना: मतिभ्रम: AI ची संख्या, गुणांक, वर्ग नियम खंड, किंवा प्रत्यक्षात अस्तित्वात नसलेल्या स्त्रोताची खात्रीशीर बनावट. संदर्भ: तुम्ही AI ला दिलेला इनपुट (बोट डेटा, गृहीतके, प्रश्न). पडताळणी: आउटपुट स्वतंत्र पद्धतीने तपासणे (हात गणना, दुसरे सॉफ्टवेअर, नियम मजकूर, मॉडेल प्रयोग). वर्गीकरण सोसायटी: नियम सेटनुसार जहाजाच्या डिझाइन आणि बांधकामाची तपासणी आणि प्रमाणित करणारी संस्था (उदा. ABS, DNV, लॉयड्स रजिस्टर, ब्यूरो व्हेरिटास, TL/Türk Loydu). या संकल्पना संपूर्ण मॉड्यूलचा कणा आहेत.

कोणत्या व्यवसायांमध्ये AI एक्सीलरेटर आहे, कोणत्या व्यवसायांमध्ये ते धोकादायक आहे?

सागरी अभियांत्रिकी कार्ये त्यांच्या परिणामांच्या दृष्टीने दोन-पक्षीय स्पेक्ट्रमवर येतात. एका टोकाला पुनर्प्राप्त करण्यायोग्य, कमी जोखमीची तयारी कार्य (साहित्य सारांश, कोड सांगाडा, एक सादरीकरण बाह्यरेखा); दुसऱ्या टोकाला, अपरिवर्तनीय निर्णय आहेत (सुरक्षा गुणांक, एक स्थिरता निकष, एक संरचनात्मक मान्यता) जे थेट सागरी सुरक्षा, जीवन/मालमत्ता सुरक्षा आणि पर्यावरण निश्चित करतात. या स्पेक्ट्रमवर तुम्ही कुठे उभे आहात त्यानुसार AI चे मूल्य बदलते.

व्यवसाय प्रकार

AI योगदान

अभियंत्याची भूमिका

नियम/मानक सारांश

दीर्घ नियम पुस्तकातून सार काढणे

मूळ वर्गाच्या मजकुराशी खंडाची तुलना करणे

हाताची गणना / प्री-साइजिंग

सूत्र सेटिंग, प्रथम क्रमांक

युनिट, रँक आणि गृहीतक तपासणी

विश्लेषण कोड / पायथन स्क्रिप्ट

स्केलेटन आणि लॉजिक जनरेशन

चाचणी इनपुट, एज केस चाचणीसह प्रमाणीकरण

अहवाल/सर्वेक्षण मसुदा

रचना आणि कथा सुचत आहे

प्रत्येक मूल्याचा मापन आणि स्त्रोताशी दुवा साधा

सेन्सर/IoT डेटा विश्लेषण

नमुना आणि विसंगती उमेदवार निष्कर्षण

कच्चा डेटा आणि भौतिक व्यवहार्यतेने पुष्टी केली

स्थिरता/शक्ती मंजूरी

विश्लेषण सामग्रीची तयारी

अंतिम मूल्यांकन, वर्ग मान्यता, स्वाक्षरी

नियम सोपा आहे: एआय आउटपुटचा धोका हा आउटपुटमध्ये त्रुटी असल्यास होणाऱ्या नुकसानीच्या बरोबरीचा आहे. स्लाइडच्या शीर्षकाचे चुकीचे स्पेलिंग करणे निरुपद्रवी आहे; लोडिंग स्थितीत, GM (मेटासेंट्रिक उंची; जहाजाच्या योग्य क्षमतेचे मोजमाप) मूल्याची चुकीची गणना करणे आणि जहाजाची रोलओव्हर मर्यादा चुकीच्या पद्धतीने निर्धारित करणे विनाशकारी आहे. म्हणून आउटपुट वापरण्यापूर्वी विचारण्याचा पहिला प्रश्न आहे: "हे चुकीचे असल्यास काय होते, कोणाला दुखापत झाली आणि कोणाला लक्षात आले?"

लक्ष द्या: AI अस्खलित आणि आत्मविश्वासपूर्ण मजकूर तयार करते. ओघ अचूकतेची हमी नाही. भाषेच्या मॉडेलमध्ये अचूक डेटा नसला तरीही, सांख्यिकीयदृष्ट्या "बहुधा" शब्दांनी अंतर भरले जाते; सागरी क्षेत्रात, हे अंतर भरणे मेड-अप मटेरियल उत्पन्न शक्ती किंवा अस्तित्वात नसलेले SOLAS खंड म्हणून दिसू शकते.

सुरक्षा-गंभीर पडताळणी शिस्त: तीन स्तर

सागरी संस्कृती आधीच "विश्वास ठेवा परंतु सत्यापित करा" या तत्त्वावर आधारित आहे; सर्वेक्षण, दुहेरी तपासणी आणि स्वतंत्र वर्ग प्रमाणपत्र हे या संस्कृतीचा भाग आहेत. हे तत्व बळकट करण्यासाठी AI चा वापर केला पाहिजे, कमजोर करू नये. प्रत्येक AI आउटपुट तीन-लेयर फिल्टरद्वारे पास करा.

पहिला स्तर: परिमाण नियंत्रणाचा क्रम. परिणाम अंदाजे 10 श्रेणीच्या अपेक्षित पॉवरमध्ये आहे का ते पहा. पॅनमॅक्स बल्क कॅरिअरचे विस्थापन (बुडलेल्या व्हॉल्यूमचे वजन) हजारो टनांच्या क्रमाने आहे; जर एआय तुम्हाला 800 टन सांगत असेल, तर तुम्हाला माहिती आहे की तपशीलात न जाता चूक झाली आहे. कंटेनर जहाजाचा समुद्रपर्यटन वेग 18-24 नॉट्सच्या श्रेणीत असतो; 90 नॉट्स शारीरिकदृष्ट्या अशक्य आहे.

दुसरा स्तर: एकक आणि आकार सुसंगतता. सागरी मध्ये, युनिट गोंधळ हा त्रुटीचा उत्कृष्ट स्रोत आहे: नॉट्स विरुद्ध m/s, टन विरुद्ध किप, kW विरुद्ध अश्वशक्ती (BHP), मीटर विरुद्ध फूट, बार विरुद्ध kPa. एआय आउटपुटमधील प्रत्येक संख्येचे एकक स्पष्टपणे सांगितले पाहिजे आणि मितीय विश्लेषण केले पाहिजे. रेझिस्टन्स व्हॅल्यू kN किंवा kgf मध्ये दिलेली आहे का? हे थेट प्रणोदन शक्ती आणि म्हणून इंधन बजेट बदलते.

तिसरा स्तर: स्वतंत्र पुनरुत्पादन. दुसऱ्या पद्धतीसह गंभीर परिणाम पुनरुत्पादित करा (वेगळा मॅन्युअल खाते, स्वतंत्र सॉफ्टवेअर, मंजूर लोडिंग संगणक किंवा दुसरा अभियंता). दोन स्वतंत्र मार्गांनी एकच उत्तर दिल्यास आत्मविश्वास वाढतो; तसे न झाल्यास, ते वेगळे का आहे हे समजेपर्यंत थांबा.

टीप: जेव्हा तुम्ही AI ला निकालासाठी विचारता तेव्हा तोच प्रश्न उलट विचारा. "या बोटीसाठी आवश्यक असलेल्या प्रोपल्शन पॉवरची गणना करा" म्हटल्यानंतर, "तुम्ही पुरवलेल्या पॉवरसह समुद्रपर्यटन गती पुन्हा मोजा आणि सामान्य जहाजासाठी ते वाजवी आहे का ते मला सांगा." मॉडेलला त्याचे स्वतःचे आउटपुट क्रॉस-चेक करण्यास सांगल्याने मूक त्रुटी दृश्यमान होतात.

गोपनीयता आणि व्यापार रहस्य: मेरीटाईम खाजगी सीमा

हुल फॉर्म, हायड्रोडायनामिक परफॉर्मन्स वक्र, जहाजमालक-शिपयार्ड कॉन्ट्रॅक्ट डेटा आणि जहाजाची ऑपरेशनल टेलीमेट्री हे ट्रेड सिक्रेट आणि बौद्धिक संपत्तीच्या बाबतीत अत्यंत संवेदनशील आहेत. अनियंत्रित बाह्य AI सेवेमध्ये बोटचा खरा प्रतिकार वक्र किंवा जहाजमालकाचा खरा इंधन वापर डेटा प्रविष्ट करणे कराराचे उल्लंघन, बौद्धिक संपत्तीचे नुकसान आणि स्पर्धात्मक गैरसोय दोन्ही असू शकते. याव्यतिरिक्त, आधुनिक जहाजांच्या OT (ऑपरेशनल टेक्नॉलॉजी; कंट्रोल सॉफ्टवेअर जे मशिनरी आणि नेव्हिगेशन सिस्टम्स व्यवस्थापित करते) आर्किटेक्चरची माहिती सायबर सुरक्षेच्या कारणास्तव शेअर केली जाऊ नये.

अंगठ्याचा नियम: कधीही खरा, गोपनीय किंवा करारानुसार संरक्षित डेटा अनमंजूर बाह्य साधनामध्ये प्रविष्ट करू नका. त्याऐवजी, संदर्भ निनावी करा आणि प्रतिनिधी मूल्यांसह वास्तविक संख्या पुनर्स्थित करा. उदाहरणार्थ, वास्तविक जहाजाचा फॉर्म डेटा सामायिक करण्याऐवजी, "नमुनेदार हँडसाईज बल्क कॅरियरच्या मुख्य परिमाणांच्या क्रमानुसार प्रतिकार दृष्टीकोन उदाहरणासह स्पष्ट करा."

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

कमकुवत प्रॉम्प्ट:

जहाज मालकाचा वास्तविक फॉर्म डेटा

शक्तिशाली सूचना:

भूमिका: तुम्ही जहाज हायड्रोडायनामिक्सचे अनुभवी सल्लागार आहात. संदर्भ: मी बल्क कॅरियरसाठी सामान्य प्राथमिक विश्लेषण करत आहे (मूल्ये प्रातिनिधिक आहेत, वास्तविक प्रकल्प डेटा नाही): Lpp ~180 m, beam ~32 m, मसुदा ~12.5 m, ब्लॉक गुणांक ~0.84, क्रुझिंग स्पीड ~14 नॉट्स. कार्य: प्राथमिक प्रोपल्शन अंदाज कोणत्या पायऱ्यांद्वारे केला जातो हे स्पष्ट करा (प्रतिकार घटक, प्रणोदन कार्यक्षमता, समुद्र भत्ता) आणि मला यादी मोजण्यासाठी/पडताळणी करण्यासाठी कोणता डेटा आवश्यक आहे. मर्यादा: प्रत्येक सूत्र आणि गृहितक स्पष्टपणे लिहा; तुम्ही संख्यात्मक उदाहरण दिल्यास, एकक (kN, kW, knots) निर्दिष्ट करा आणि सत्यापित कसे करायचे ते जोडा.

शक्तिशाली प्रॉम्प्ट वास्तविक प्रकल्प डेटाचे संरक्षण करते, भूमिका आणि मर्यादा स्पष्ट करते आणि सत्यापन मार्गाची विनंती करते.

सामान्य उद्देश प्रमाणीकरण टेम्पलेट्स

तुम्ही संपूर्ण मॉड्यूलमध्ये खालील टेम्पलेट्स वारंवार वापराल.

सत्यापन विनंती जोडण्यासाठी सामान्य टेम्पलेट:

खालील अभियांत्रिकी प्रश्नाचे उत्तर द्या. तुमच्या उत्तरात: 1) प्रत्येक संख्येचे एकक सांगा. 2) परिणामाच्या परिमाणाच्या क्रमाची तुलना ठराविक जहाजाशी करा. 3) तुम्ही वापरत असलेल्या प्रत्येक गुणांक/सूत्रासाठी स्त्रोत (पद्धतीचे नाव) लिहा; कोणताही स्रोत नसल्यास, "अस्पष्ट" म्हणून चिन्हांकित करा. 4) गणनेचा दुसरा मार्ग सुचवा जेणेकरून मी स्वतंत्रपणे निकाल तपासू शकेन. प्रश्न: [येथे प्रश्न]

हेलुसिनेशन हंट टेम्पलेट:

खाली तुमच्या उत्तरातील सर्व संख्यात्मक मूल्ये, गुणांक आणि नियम/मानक संदर्भ यांचे सारणी बनवा. प्रत्येक पंक्तीसाठी:- मूल्य, एकक- आधार (गणना / ज्ञात गुणांक / गृहितक / अनिश्चित)- मी हे स्वतंत्रपणे कसे सत्यापित करू तसेच प्रत्येक पंक्ती ज्याचा आधार "अनिश्चित" आहे ते हायलाइट करा.

मिनी केसेस

केस 1 - फॅब्रिकेटेड क्लास क्लॉज. स्ट्रक्चरल शेअरला समर्थन देण्यासाठी “कोणत्या क्लास कोड क्लॉजमध्ये शीटची ही किमान जाडी आवश्यक आहे”, एक कनिष्ठ अभियंता AI ला विचारतो. AI एक "धडा 6, कलम 3.4.7" कलम उद्धृत करते जे प्रत्यक्षात अस्तित्वात नाही. जेव्हा अभियंता वर्ग नियमाच्या सध्याच्या PDF सोबत त्याची तुलना करतात, तेव्हा तो कलम बनावट असल्याचे पाहतो आणि योग्य कलम शोधतो. धडा: AI द्वारे जारी केलेला प्रत्येक नियम संदर्भ मूळ, वर्तमान वर्गीकरण मजकूरावरून सत्यापित केला जातो.

केस 2 - युनिट ट्रॅप. डिस्पॅच पॉवर कॅल्क्युलेशनमध्ये टीमला AI कडून मदत मिळते. AI "8500" म्हणून पॉवर देते, परंतु त्याचे युनिट "kW किंवा BHP" आहे की नाही हे स्पष्ट नाही. 8500 kW आणि 8500 BHP मध्ये अंदाजे 1.34 पट फरक आहे; हा फरक होस्टची निवड आणि वार्षिक इंधन बजेट पूर्णपणे बदलतो. जर क्रू युनिट स्पष्टपणे न विचारता पुढे गेले तर ते चुकीच्या मशीन वर्गाकडे जाईल. धडा: एककाशिवाय कोणतीही संख्या स्वीकारली जात नाही.

केस 3 - रँक कंट्रोल जीव वाचवतो. विद्यार्थ्यांच्या टीमने AI ने 15,000 DWT जहाजाच्या नौकानयन प्रतिकाराची गणना केली आणि एकूण प्रतिकार 12 kN असल्याचे आढळले. या आकाराच्या जहाजासाठी, नेव्हिगेशनल प्रतिकार शेकडो kN च्या क्रमाने आहे आणि प्रणोदन शक्ती अनेक हजार kW च्या क्रमाने आहे. सुमारे 100 पट फरक संपादन त्रुटीचा त्वरित विश्वासघात करतो; विद्यार्थ्यांना घर्षण गुणांक सूत्रामध्ये घातांक त्रुटी आढळते. धडा: नेहमी ज्ञात संदर्भ श्रेणीसह निकालाची तुलना करा.

सामान्य चुका

  • अचूकतेसाठी चुकीचा प्रवाह. चांगले लिहिलेले स्पष्टीकरण संख्यात्मकदृष्ट्या चुकीचे असू शकते. मजकुराची गुणवत्ता आणि निकालाची अचूकता या दोन भिन्न गोष्टी आहेत.
  • एककविरहित संख्या स्वीकारत आहे. सागरी मध्ये, नॉट/m·s, टन/किप, kW/BHP, m/ft गोंधळ या करिअरच्या समाप्तीच्या चुका आहेत.
  • बाह्य साधनामध्ये गोपनीय/करारित डेटा प्रविष्ट करणे. व्यापार गुप्त आणि बौद्धिक संपदा उल्लंघन; एकदा लीक झाल्यानंतर, फॉर्म आणि कार्यप्रदर्शन डेटा पुनर्प्राप्त केला जाऊ शकत नाही.
  • एकाच स्त्रोतावर विश्वास ठेवणे. गंभीर परिणाम दुसऱ्या मार्गाने न बनवता वापरणे म्हणजे सुरक्षा-गंभीर शिस्तीच्या सर्वात मूलभूत नियमाचे उल्लंघन करणे होय.
  • नियम विशेषता सत्यापित करण्यात अयशस्वी. AI द्वारे प्रदान केलेले वर्ग/SOLAS आयटम क्रमांक काल्पनिक असू शकतात; प्रत्येक संदर्भ मूळ, वर्तमान मजकूरातून सत्यापित केला जातो.

सारांशात

सागरी आणि सागरी अभियांत्रिकीमधील गणना, कोड, दस्तऐवज आणि डेटाच्या पुनरावृत्तीच्या कामाला एआय नाटकीयपणे गती देते; परंतु सागरी सुरक्षा, वर्ग अनुपालन आणि पर्यावरणीय सुरक्षितता ठरवणारे निर्णय पात्र लोकांकडेच राहतात. प्रत्येक आउटपुट परिमाण, एकक सुसंगतता आणि स्वतंत्र पुनरुत्पादनाच्या क्रमाने फिल्टर केले जाणे आवश्यक आहे. व्यावसायिक गोपनीयता आणि सायबर सुरक्षेच्या कारणास्तव, वास्तविक बोट/कार्यप्रदर्शन डेटा अनामित असावा आणि फक्त मंजूर साधने वापरली जावीत. ही शिस्त पुढील सर्व घटकांसाठी एक पूर्व शर्त आहे.

अर्ज कार्य

तुमच्या फील्डमधून अभियांत्रिकी प्रश्न निवडा (फॉर्म, स्थिरता, प्रणोदन, देखभाल, नेव्हिगेशन). प्रथम "कमकुवत प्रॉम्प्ट" टाइप करा आणि AI ला विचारा; नंतर एक "पॉवर प्रॉम्प्ट" लिहा ज्यामध्ये भूमिका, निनावी संदर्भ, मर्यादा आणि सत्यापन विनंती समाविष्ट आहे आणि तोच प्रश्न पुन्हा विचारा. परिमाण आणि एकक सुसंगततेच्या क्रमानुसार दोन उत्तरांची तुलना करा, "विभ्रम शोध टेम्पलेट" लागू करा आणि स्वतंत्र हाताने मोजणी करून किमान एक निकाल निश्चित करा. अर्ध्या पानात तुमचे निष्कर्ष सारांशित करा.

चेकलिस्ट

  • [ ] मी आउटपुटच्या जोखमीचे "चुकीचे झाल्यास कोणाला दुखापत होते?" या प्रश्नासह मूल्यांकन केले.
  • [ ] मी परिणामाची तुलना आकाराच्या दृष्टीने ज्ञात जहाजाशी केली.
  • [ ] मी सर्व संख्यांचे एकक स्पष्टपणे पुष्टी केली आहे (नॉट, kW, टन, m).
  • [ ] मी दुसऱ्या स्वतंत्र पद्धतीने गंभीर परिणाम पुनरुत्पादित केले.
  • मी वास्तविक/लपलेल्या बोट डेटाऐवजी अनामित प्रॉक्सी मूल्य वापरले.
  • [ ] मी मूळ, वर्तमान मजकूरातून AI द्वारे दिलेला प्रत्येक वर्ग/SOLAS संदर्भ सत्यापित केला आहे.