अन्त-देखि-अन्त एआई कार्यप्रवाह, प्रमाणीकरण, गोपनीयता र नैतिकता — सिभिल ईन्जिनियरिङ् मा कृत्रिम बुद्धिमत्ता

लाभ:

डिजाइन देखि प्रगति भुक्तानी सम्म एक निर्माण परियोजना मा अन्त देखि अन्त र नियन्त्रित कार्यप्रवाह मा AI तैनात गर्ने क्षमता
प्रमाणीकरण, स्रोत पुष्टिकरण, प्रत्येक चरणमा गोपनीयता र दायित्व जाँचहरू समावेश गर्ने एआई प्रयोग प्रोटोकल स्थापना गर्ने क्षमता।
व्यावसायिक नैतिकता, डाटा गोपनीयता र सक्षम इन्जिनियर अनुमोदनलाई एआई कार्यप्रवाहको अभिन्न अंग बनाउन सक्ने क्षमता

यस मोड्युलमा, हामीले सिभिल इन्जिनियरिङको हरेक चरणमा एआईलाई छलफल गर्यौं, संरचनात्मक विश्लेषणदेखि प्रबलित कंक्रीट र स्टिल गणनाहरू, मानक अनुसन्धानदेखि BIM सम्म, मात्रा सर्वेक्षणदेखि कार्य तालिकासम्म, विशिष्टतादेखि OHS र प्रगति भुक्तानीसम्म। यस अन्तिम एकाईमा, हामीले टुक्राहरू सँगै राख्छौं: हामी कसरी निर्माण परियोजनामा अन्त-देखि-अन्त, नियन्त्रित र नैतिक कार्यप्रवाहमा AI को प्रयोग गर्ने प्रोटोकोलाइज गर्छौं, डिजाइनदेखि गुणसम्म। लक्ष्य प्रत्येक चरणमा प्रमाणीकरण, स्रोत प्रमाणिकरण, गोपनीयता र दायित्व नियन्त्रणहरू कायम राख्दै, र योग्य इन्जिनियर अनुमोदनलाई कार्यप्रवाहको अभिन्न अंग बनाउँदै AI को गति लाभहरूको लाभ उठाउनु हो।

अन्त-देखि-अन्त कार्यप्रवाह नक्शा

एक विशिष्ट परियोजना जीवनचक्रमा AI को भूमिका र अनिवार्य नियन्त्रणलाई निम्नानुसार संक्षेप गर्न सकिन्छ:

स्टेज

AI को भूमिका

अनिवार्य जाँच

प्रारम्भिक डिजाइन/विश्लेषण

आन्तरिक शक्ति रूपरेखा, विचार

निहित सूत्र + क्रम

प्रबलित कंक्रीट/स्टील गणना

खण्ड/सुदृढीकरण मस्यौदा

ह्यान्ड खाता + सफ्टवेयर + मानक

मानक अनुसन्धान

अनुसन्धान नक्सा

आधिकारिक पाठबाट पुष्टि

BIM/स्वचालन

लिपि, डाटा क्वेरी

ब्याकअप + परीक्षण + कोड पढाइ

मात्रा सर्वेक्षण/टोही

मात्रा/लागत मस्यौदा

इकाई + श्रेणी + मूल्य पुष्टि

कार्य तालिका

गतिविधि/अवधि रूपरेखा

निर्भरता + क्षेत्र तर्क

विवरण / रिपोर्ट

पाठ मस्यौदा

मापन योग्यता + विशेषता पुष्टिकरण

OHS

जोखिम विश्लेषण मस्यौदा

विशेषज्ञ अनुमोदन + क्षेत्र

प्रगति भुक्तानी

खाता/तालिका मस्यौदा

अंकगणित + संचयी + अनुबंध

यो नक्साले प्रत्येक चरणमा उही सिद्धान्त दोहोर्याउँछ: AI ले ड्राफ्ट उत्पादन गर्छ, इन्जिनियरले प्रमाणीकरण गर्छ र अनुमोदन गर्छ। प्रमाणीकरण बिना कुनै सुरक्षा-महत्वपूर्ण आउटपुट अगाडि बढ्दैन।

यस कार्यप्रवाहको सबैभन्दा कपटी जोखिम यो हो कि त्रुटिहरू चरणहरू बीचमा गरिन्छ। निर्माण परियोजना एक श्रृंखला हो: विश्लेषणले मात्राको बिल, मात्राको बिल र कार्य तालिका, र कार्य तालिकाले प्रगति भुक्तानी फीड गर्दछ। एक चरणमा बेवास्ता गरिएको एउटा सानो त्रुटि (गलत एकाई, हराइरहेको लोड, गलत गुणांक) अर्को चरणहरूमा लैजान्छ र प्रत्येक चरणमा बढ्छ। त्यसकारण, प्रमाणीकरण परियोजनाको अन्त्यमा एकल जाँच होइन, तर प्रत्येक चरण संक्रमणमा दोहोर्याइएको गेट हो। अर्को चरणमा "इनपुट" को रूपमा दिनु अघि आउटपुट जाँच गर्न निश्चित हुनुहोस्; किनभने त्यस क्षणदेखि, त्रुटि समात्न अझ गाह्रो र महँगो दुवै हुन्छ। AI कार्यप्रवाहको गति बढ्दै जाँदा यो अनुशासन अझ महत्त्वपूर्ण हुन्छ: गति प्रमाणीकरण छोड्ने बहाना हुनु हुँदैन, तर प्रमाणीकरण व्यवस्थित बनाउनको लागि औचित्य हुनुपर्छ।

स्तरित प्रमाणीकरण प्रोटोकल

हामीले सम्पूर्ण मोड्युलमा देख्ने नियन्त्रणहरूलाई एकल प्रोटोकलमा सङ्कलन गर्नुहोस्। प्रत्येक AI आउटपुट यी तहहरूको उपयुक्त माध्यमबाट पास हुनुपर्छ:

एकाइ र अर्डर जाँच: के परिणाम भौतिक रूपमा व्यावहारिक छ, के एकाइहरू एकरूप छन्?
स्वतन्त्र क्रस-प्रमाणीकरण: के नतिजा बन्द सूत्र, हात गणना, फरक सफ्टवेयर वा दोस्रो विधिसँग सहमत छ?
मानक/स्रोत प्रमाणिकरण: के गुणांक, वस्तु, एकाइ मूल्य आधिकारिक र हालको स्रोतबाट प्रमाणित गरिएको छ?
एकरूपता जाँच: के कागजात/खाता भित्र कुनै विरोधाभास, दोहोरो गणना वा भूलहरू छन्?
गोपनीयता जाँच: के प्रयोग गरिएको डाटामा व्यापार गोप्य/व्यक्तिगत डाटा समावेश छ, उपयुक्त उपकरण प्रयोग गरिएको थियो?
इन्जिनियरको स्वीकृति: अन्तिम जिम्मेवारी सक्षम इन्जिनियरको हुन्छ; हस्ताक्षर भएको छ ?

व्यक्तिगत AI उपयोग प्रोटोकल (प्रत्येक कार्यको लागि) 1) इनपुट: के मैले इनपुट-बाधा-मानकसँग कार्यलाई स्पष्ट रूपमा परिभाषित गरेको छु? 2) गोपनीयता: के डाटा संवेदनशील छ? के मैले अज्ञात/उपयुक्त उपकरण छु? 3) आउटपुट: के मैले AI लाई मध्यवर्ती चरणहरू र स्रोतहरूको लागि सोधेको छु? 4) RANK: के परिणाम भौतिक रूपमा/तार्किक रूपमा प्रशंसनीय छ? 5) CROSS: के मैले स्वतन्त्र रूपमा प्रमाणित गरेको छु? 6) स्रोत: के मानक/मूल्य/वस्तु पुष्टि भएको छ? 7) इन्जिनमा AP मा हस्ताक्षर गरिएको छ र? कुनै पनि चरण "होइन" आउटपुट प्रयोग गरिएको छैन।

सुझाव: यो प्रोटोकललाई आफ्नो डेस्कटपमा चेकलिस्टको रूपमा राख्नुहोस्। समयको साथ, चरणहरू रिफ्लेक्स हुन्छन्; तर जब तपाइँ सुरक्षा-महत्वपूर्ण कार्यमा एक कदम छोड्न प्रलोभनमा हुनुहुन्छ, सूचीको अस्तित्वले तपाइँलाई रोक्छ। सबैभन्दा महँगो गल्तीहरू तब हुन्छन् जब तपाईं हतार गर्नुहुन्छ र भन्नुहुन्छ "म यो समय छोड्छु"।

कमजोर प्रम्प्ट / बलियो प्रम्प्ट

कमजोर:"एआईसँग सुरुदेखि अन्त्यसम्म यो परियोजना गर्नुहोस्।"(एउटा चरणमा, असुरक्षित, कुनै गोपनीयता र प्रमाणिकरण।) STRONG:"यस कार्यलाई चरणबद्ध रूपमा समर्थन गर्नुहोस्। प्रत्येक चरणमा:- तपाईंले प्रयोग गर्नुभएको सूत्र/स्रोत/धारणा स्पष्ट रूपमा लेख्नुहोस्- मध्यवर्ती चरणहरू देखाउनुहोस् ताकि म नतिजा प्रमाणित गर्न सकूँ- मार्क गर्नुहोस् जहाँ तपाईं निश्चित हुनुहुन्छ/स्रोतको आवश्यकता छैन भने निश्चित गर्नुहोस्- (यदि तपाईंले मानक मान दिनु भएको छैन भने) यो अप) म प्रत्येक आउटपुट रैंक, क्रस-प्रमाणीकरण र म अन्तिम निर्णय गर्नेछु र म सार्वजनिक/अनाम नमूनासँग काम गर्नेछु।

नैतिकता र गोपनीयता को स्थायी सिद्धान्तहरू

अन्त-देखि-अन्त कार्यप्रवाहमा, नैतिकता र गोपनीयता एक पटकको जाँच होइन, तर निरन्तर अडान हो:

गोपनीयता: परियोजना डेटा, लागत, व्यक्तिगत डेटा (KVKK) सुरक्षित छन्; संवेदनशील डेटा अनुमोदित बाह्य सेवामा अपलोड गरिँदैन, र आवश्यक पर्दा गुमनाम राखिन्छ वा घरभित्रको उपकरण प्रयोग गरिन्छ।
पारदर्शिता: AI प्रयोग लुकेको छैन, तर जिम्मेवारी AI मा राखिएको छैन।
योग्यता: यद्यपि AI ले तपाईंलाई कुनै क्षेत्रमा विश्वासको भावना दिन्छ जहाँ तपाईं विशेषज्ञ हुनुहुन्न, यसले तपाईंको निर्णयलाई प्रतिस्थापन गर्दैन; आवश्यक पर्दा विशेषज्ञसँग परामर्श लिनुहोस्।
जिम्मेवारी: भवन सुरक्षालाई असर गर्ने प्रत्येक निर्णय सक्षम र जिम्मेवार इन्जिनियरको पर्यवेक्षण र हस्ताक्षरमा मान्य हुन्छ। यो एक व्यावसायिक दायित्व साथै एक कानूनी दायित्व हो।

सावधानी: AI छिटो हुँदै जाँदा, प्रमाणीकरणलाई बाइपास गर्ने दबाब बढ्छ। जे होस्, एआई जतिसुकै राम्रो होस्, सिभिल इन्जिनियरिङमा जीवन र सम्पत्तिको सुरक्षा गर्ने आउटपुट इन्जिनियरको स्वीकृति बिना कहिल्यै प्रयोग गर्न सकिँदैन। जब गतिले सुरक्षालाई पराजित गर्छ, एआई उपकरणको सट्टा जोखिम बन्छ।

तीन मिनी केसहरू

केस १ - सही अन्त-देखि-अन्त उपयोग। सानो निर्माणको लागि, प्राविधिक कार्यालयले प्रत्येक चरणमा एआईलाई समर्थनको रूपमा प्रयोग गर्दछ: विश्लेषण मस्यौदा, मात्रा सर्वेक्षण, कार्य तालिका, विशिष्टता। तिनीहरूले प्रत्येक आउटपुट प्रोटोकलको साथ प्रमाणित गर्छन्। नतिजा: परियोजना समय लगभग 30% द्वारा छोटो छ, त्रुटि दर घट्छ किनभने प्रत्येक चरण निरीक्षण गरिन्छ। एआई गति प्रदान गर्दछ, इन्जिनियरहरूले सुरक्षा प्रदान गर्दछ।

केस 2 - चेन त्रुटि। अर्को कार्यालयले प्रमाणीकरणदेखि कार्य तालिका र त्यहाँबाट भुक्तानी प्रगतिसम्म AI को मात्रा सर्वेक्षण आउटपुट बोक्छ। प्रारम्भिक एकाइ त्रुटि (m² को सट्टा m³) ले सम्पूर्ण चेनलाई दूषित बनाउँछ र अधिक भुक्तानीमा जान्छ। पाठ: प्रमाणीकरण हरेक चरणमा गरिनुपर्छ; एक चरणमा त्रुटि अर्को चरणमा अगाडि बढाइन्छ।

मामला 3 - गोपनीयता को अनुशासन। एक इन्जिनियरले AI को साथ टेन्डर चरणबाट लागत डेटा विश्लेषण गर्न चाहन्छ, तर पहिले उसले डेटा गुमनाम गर्दछ, परियोजना आईडी निकाल्छ र संस्था द्वारा अनुमोदित सुरक्षित उपकरण प्रयोग गर्दछ। यसैले, यसले गोपनीयतालाई जोखिम नलिइकन गति लाभहरू प्राप्त गर्दछ।

प्रतिलिपि गर्न मिल्ने प्रम्प्ट टेम्प्लेटहरू

स्टेज पासेज चेक प्रम्प्ट: "अर्को चरणमा जानु अघि, मलाई अघिल्लो चरणको आउटपुट जाँच गर्न मद्दत गर्नुहोस्:- के यो आउटपुट एकाई र अर्डरको हिसाबले उचित छ?- म कसरी स्वतन्त्र रूपमा क्रस-प्रमाणीकरण गर्न सक्छु, विधि सुझाव दिनुहोस्- कुन मानक/स्रोत/सम्झौता खण्ड मैले प्रमाणीकरण गर्नुपर्छ? म यो चरण प्रमाणित नगरी अर्कोमा जान सक्दिन।

प्राइभेसी प्रि-स्क्रिन प्रम्प्ट: "मैले यस कार्यमा AI लाई दिने डाटामा ट्रेड गोप्य वा व्यक्तिगत डाटा (लागत, एकाई मूल्य, नाम, स्थान, परियोजना आईडी) छ कि छैन जाँच गर्नुहोस्। यदि त्यसो हो भने, एउटा बेनामी/नमूना संस्करण सुझाव दिनुहोस् ताकि खाताले अझै काम गर्नेछ तर संवेदनशील डाटा जारी हुनेछैन। डाटा: [टाँस्नुहोस्]"

सामान्य गल्तीहरू

अप्रमाणित आउटपुटलाई एक चरणबाट अर्को चरणमा लैजाने र त्रुटिलाई चेनमा फैलाउने।
"एआईले राम्रो काम गर्छ" भनी प्रमाणीकरणका तहहरू बाइपास गर्दै।
गोपनीयतालाई एक पटकको नियन्त्रणको रूपमा हेरेर होइन तर निरन्तर नियन्त्रणको रूपमा।
इन्जिनियर अनुमोदन बिना एक सुरक्षा-महत्वपूर्ण निर्णय अग्रिम।
गतिको लागि दबाबको कारण स्रोत/मानक प्रमाणीकरण बाइपास गर्दै।
एआई वा सफ्टवेयरमा दोष लगाउने प्रयास गर्दै।

संक्षेपमा

ड्राफ्ट जनरेटर र इन्जिनियरलाई डिजाइनदेखि बिलिङसम्मको प्रत्येक चरणमा प्रमाणिकरणकर्ता र अनुमोदनकर्ताको रूपमा स्थान दिनुहोस्।
प्रत्येक आउटपुटमा स्तरित प्रमाणीकरण प्रोटोकल (इकाई/रैंक, क्रस-प्रमाणीकरण, स्रोत प्रमाणीकरण, स्थिरता, गोपनीयता, प्रमाणीकरण) लागू गर्नुहोस्।
एउटा चरणमा भएको त्रुटि अर्को चरणमा पुग्छ; प्रत्येक चरणमा प्रमाणीकरण गर्नुहोस्।
गोपनीयता, पारदर्शिता, योग्यता र जिम्मेवारी नैतिक सिद्धान्तहरू हुन्।
गति बढ्दै जाँदा, प्रमाणीकरण बाइपास गर्न दबाब बढ्छ; यसको विरोध गर्नुहोस्।
भवन सुरक्षालाई असर गर्ने प्रत्येक निर्णय सक्षम इन्जिनियरको हस्ताक्षरमा मान्य हुन्छ; AI ले यसलाई लिन सक्दैन।

आवेदन कार्य

एउटा सानो स्केल कार्य श्रृंखला छनोट गर्नुहोस् (जस्तै सरल तत्व विश्लेषण → मात्रा सर्वेक्षण → छोटो कार्य तालिका)। प्रत्येक चरणमा AI लाई समर्थनको रूपमा प्रयोग गर्नुहोस् र स्तरित प्रमाणिकरण प्रोटोकल लागू गर्नुहोस्: अर्को चरणमा सार्नु अघि प्रत्येक आउटपुटलाई एकाइ/रैंक, क्रस-प्रमाणीकरण, र स्रोत प्रमाणीकरणको अधीनमा राख्नुहोस्। तपाईंले प्रयोग गर्नुभएको डाटामा गोपनीयता जोखिमको मूल्याङ्कन गर्नुहोस्। अन्त्यमा, एउटा अनुच्छेदमा लेख्नुहोस् कि प्रोटोकलको कुन चरणले तपाईंलाई गल्तीबाट बचायो र तपाईंले सबैभन्दा धेरै समय कहाँ बचत गर्नुभयो।

चेकलिस्ट

[ ] मैले AI लाई ड्राफ्ट जेनेरेटरको रूपमा र प्रत्येक चरणमा प्रमाणिकरणकर्ताको रूपमा आफूलाई राखें।
[] मैले प्रत्येक आउटपुटमा स्तरित प्रमाणीकरण प्रोटोकल लागू गरें।
[ ] मैले प्रमाणीकरण बिना एक चरणको आउटपुट अर्कोमा लैजान सकेको छैन।
[ ] मैले प्रयोग गरेको डाटामा गोपनीयता/KVKK जाँच गरें।
[] मैले आधिकारिक स्रोतबाट मानक, मूल्य र वस्तु मानहरू पुष्टि गरें।
गतिको लागि दबाबको बावजुद, मैले प्रमाणीकरण चरणहरू छोडिन।
[ ] मैले सक्षम इन्जिनियरको स्वीकृतिमा सुरक्षा-महत्वपूर्ण निर्णयहरू गरेको छु।

मोड्युल परीक्षा

1. सिभिल ईन्जिनियरिङ् मा AI को प्रयोगको सन्दर्भमा सबैभन्दा सही आधारभूत सिद्धान्त के हो?

A) AI ले सुरक्षा-महत्वपूर्ण गणनाहरूमा इन्जिनियरको स्वीकृति बदल्न सक्दैन; यो जाँच गर्न को लागी एक मस्यौदा मात्र हो ✔
B) AI पर्याप्त उन्नत छ कि स्थिर खाताहरू अहस्ताक्षरित प्रयोग गर्न कुनै समस्या छैन
C) AI आउटपुट ISO प्रमाणित भएकोले कुनै थप प्रमाणीकरण आवश्यक पर्दैन
D) इन्जिनियर केवल वस्तुहरूमा संलग्न हुनुपर्छ जुन AI ले डेलिभर गर्न सक्दैन

स्पष्टीकरण: भवन सुरक्षालाई असर गर्ने गणना र निर्णयहरूले जीवन र सम्पत्तिको सुरक्षा गर्दछ। एआई आउटपुटले द्रुत मस्यौदा उत्पादन गर्न सक्छ, तर यो सक्षम र जिम्मेवार इन्जिनियरबाट निरीक्षण र स्वीकृतिको विकल्प होइन; जिम्मेवारी सधैं इन्जिनियरको साथ रहन्छ।

2. AI- गणना गरिएको बीम मिड-स्प्यान पल प्रमाणित गर्दा सबैभन्दा भरपर्दो पहिलो चरण के हो?

A) सीधा नतिजा स्वीकार गर्दै किनभने AI एकदम सही देखिन्छ
B) बन्द सूत्र वा हात गणना ✔ प्रयोग गरी क्रम र आकार जाँच गर्दै
C) परिणामलाई दशमलव बिन्दु पछि थप अंकहरूमा राउन्ड गर्दै
D) केवल किरणको आकार बढाउनुहोस् र जारी राख्नुहोस्

विवरण: बन्द सूत्रहरू केवल लोड गरिएका स्प्यानहरूमा दायरा नियन्त्रणको लागि उपयुक्त छन् (जस्तै wL²/8 समान रूपमा वितरित लोडको साथ)। AI को नम्बरलाई स्वतन्त्र बन्द सूत्र वा हात गणनासँग तुलना गर्दा इनपुट र अंकगणितीय त्रुटिहरू तुरुन्तै प्रकट हुन्छ।

3. AI ले प्रबलित कंक्रीट बीममा आवश्यक सुदृढीकरण क्षेत्र गणना गर्यो। यो मान प्रयोग गर्नु अघि कुन चेक गर्नु पर्छ?

A) अनियमित रूपमा सुदृढीकरण व्यास विस्तार गर्दै
ख) केवल कंक्रीट वर्ग उठाउँदै
ग) मानक अनुसार न्यूनतम र अधिकतम सुदृढीकरण सीमा र स्पेसिङ/कभरेज नियमहरू जाँच गर्दै ✔
D) सुदृढीकरण दोहोरो

स्पष्टीकरण: गणना गरिएको सुदृढीकरण क्षेत्र मात्र पर्याप्त छैन। TS 500 / Eurocode 2 ले न्यूनतम र अधिकतम सुदृढीकरण अनुपात सीमा, स्पेसिङ र कभर नियमहरू प्रदान गर्नुपर्छ। यी सीमाहरू पूरा नगरी चयन गरिएको सुदृढीकरण अमान्य छ।

4. स्टिल स्तम्भको बकलिंग बल गणना गर्दा, AI भन्छ 'मैले स्तम्भको लम्बाइ बराबर बकलिंग लम्बाइ लिएँ'। सही इन्जिनियरिङ प्रतिक्रिया के हो?

A) नियन्त्रण टिप अवस्था र प्रभावकारी लम्बाइ गुणांक K; स्प्रेनको लम्बाइ अवस्था अनुसार फरक हुन्छ ✔
ख) जसरी स्वीकृति लिईन्छ, यो प्रत्येक स्तम्भको लागि मान्य हुन्छ
C) बृहदान्त्रको लम्बाइ नाप्नुहोस् र यसलाई दोब्बर गर्नुहोस्
घ) स्टिल वर्ग बढाएर मात्र पुग्छ

स्पष्टीकरण: बकलिंग लम्बाइ प्रभावकारी लम्बाइ गुणांक (K) द्वारा निर्धारण गरिन्छ समर्थन र अन्त्य अवस्थाहरूमा निर्भर गर्दै; भौतिक रंग सधैं बराबर छैन। यो जाँच गरिनु पर्छ कि चरम अवस्थाहरू सही मानिन्छ र K गुणांक उपयुक्त रूपमा छनोट गरिएको छ।

5. AI ले भूकम्प नियमन (TBDY) लेखलाई सन्दर्भ गरेर गुणांक दिन्छ। सबैभन्दा सही व्यवहार कुन हो?

A) मान सीधै प्रयोग गर्दै किनभने AI विश्वस्त देखिन्छ
ख) आधिकारिक, वर्तमान नियमन पाठबाट लेख संख्या र गुणांक पुष्टि गर्दै ✔
C) सुरक्षित पक्षमा रहन अनियमित रूपमा गुणांक बढाउँदै
घ) जाँच नगरी रिपोर्टमा वस्तु नम्बर थप्दै

स्पष्टीकरण: भाषा मोडेलहरूले वस्तु नम्बरहरू र गुणांकहरू गलत सम्झन वा बन्न सक्छन्। कुनै पनि नियममा आधारित मान आधिकारिक र हालको नियमन पाठबाट शब्दशः प्रमाणित गरिनु पर्छ; AI ले तपाईंलाई कहाँ हेर्ने भनेर देखाउँछ।

6. BIM मोडेलमा तपाईंले AI मार्फत उत्पादन गर्नुभएको Dynamo/pyRevit स्क्रिप्ट लागू गर्नु अघि उत्तम दृष्टिकोण के हो?

A) एउटा मोडेल ब्याकअप लिएर र सानो नमूनामा लिपि परीक्षण गरेर परिणाम प्रमाणित गर्नुहोस् ✔
ख) वास्तविक मोडेलका सबै तत्वहरूमा सिधै लिपि लागू गर्दै
C) यदि स्क्रिप्टले काम गर्यो भने, यो सही छ, यसलाई प्रमाणित गर्न आवश्यक छैन।
घ) पटक्कै नपढाई स्क्रिप्ट चलाउने

विवरण: स्वचालन स्क्रिप्टहरूले बल्क र मोडेलमा परिवर्तनहरू पूर्ववत गर्न गाह्रो बनाउन सक्छ। स्क्रिप्ट पहिले ब्याकअप/प्रतिलिपि मोडेलमा सानो स्केलमा परीक्षण गरिनु पर्छ, नतिजा प्रमाणित गर्नुहोस् र त्यसपछि मात्र यसलाई मूल मोडेलमा लागू गर्नुहोस्।

7. AI मा मात्रा सर्वेक्षण गर्दा, तपाईंले आउटपुट देख्नुहुन्छ 'मैले 45 m³ को रूपमा पर्खाल क्षेत्र गणना गरेको छु'। तपाईको पहिलो प्रतिक्रिया कस्तो हुनुपर्छ?

A) खोजमा सीधै मूल्य लेख्दै
B) एकाइ विसंगति (क्षेत्रको लागि m³) ध्यान दिनुहोस् र सूत्र र एकाइ त्रुटि खोज्नुहोस् ✔
C) म्यानुअल रूपमा एकाइलाई m² मा परिवर्तन गर्नुहोस् र जारी राख्नुहोस्
घ) ठूलो फन्टमा नतिजा लेख्ने

स्पष्टीकरण: क्षेत्रफल m² मा व्यक्त गरिन्छ र भोल्युम m³ मा व्यक्त गरिन्छ। भित्ता क्षेत्रको लागि m³ एकाइले एकाइ/सूत्र त्रुटिलाई संकेत गर्छ। एकाइ स्थिरता जाँचले तुरुन्त मात्रा सर्वेक्षणमा सबैभन्दा सामान्य र महँगो त्रुटिहरू समात्छ।

8. क्रिटिकल पथ एआई द्वारा उत्पन्न कार्य तालिकामा दिइएको छ। यो प्रमाणित गर्दा सबैभन्दा महत्त्वपूर्ण जाँच के हो?

A) कार्यक्रमको रंगहरू सम्पादन गर्दै
ख) केवल कुल समय हेर्नुहोस् र पुष्टि गर्नुहोस्
C) गतिविधि निर्भरता, अवधि र क्षेत्र अनुक्रम को तर्क र यथार्थता जाँच गर्दै ✔
घ) क्रियाकलापको संख्या घटाएर कार्यक्रमलाई छोटो बनाउने

विवरण: महत्वपूर्ण मार्ग प्राथमिकता (निर्भरता) सम्बन्ध र गतिविधिहरूको अवधिमा आधारित छ। AI ले तर्क सम्बन्धहरू गलत रूपमा निर्माण गर्न सक्छ। गतिविधि निर्भरता, अवधि, र क्षेत्र अनुक्रम को यथार्थता जाँच सबैभन्दा महत्वपूर्ण कदम हो।

9. तपाईंले AI सँग प्राविधिक विवरणको मस्यौदा तयार गर्नुभएको छ। पाठमा कथन छ: 'उपयुक्त मोटाईको इन्सुलेशन प्रदान गरिनेछ'। तपाईं कस्तो व्यवहार गर्नुहुन्छ?

क) मानकमा आधारित ठोस मूल्य र सहिष्णुताको साथ कथन स्पष्ट गर्दै ✔
ख) व्यावहारिक टिप्पणीहरू जस्तै अस्पष्ट अभिव्यक्ति छोड्दै
C) अभिव्यक्तिलाई पूर्ण रूपमा मेटाउनुहोस् र विनिर्देशबाट इन्सुलेशन हटाउनुहोस्
घ) वाक्यलाई थप औपचारिक देखाउनको लागि लम्ब्याउने

स्पष्टीकरण: निर्दिष्टीकरणहरू मापनयोग्य र लेखा योग्य हुनुपर्छ। 'उपयुक्त मोटाई' जस्ता अस्पष्ट अभिव्यक्तिहरूले विवाद र अनुप्रयोग त्रुटिहरू सिर्जना गर्दछ। कथन मानकको आधारमा ठोस मूल्य र सहिष्णुता (जस्तै मोटाई, सामग्री वर्ग) संग स्पष्ट हुनुपर्छ।

10. AI ले निर्माण स्थल जोखिम मूल्याङ्कन तयार गर्दा उत्तम तरिका के हो?

A) AI प्रिन्टआउटमा हस्ताक्षर गर्नुहोस् र यसलाई सिधै बोर्डमा झुण्डाउनुहोस्
ख) सबैभन्दा सामान्य खतराहरू मात्र छोडेर बाँकीलाई मेटाउने
C) सबै जोखिम स्कोरहरूलाई कममा परिवर्तन गर्दै
D) साइट अवस्था, कानून र वास्तविक निर्माण विधिको साथ एआई ड्राफ्टलाई विशेषज्ञ रूपमा समीक्षा र पूरा गर्नुहोस् ✔

स्पष्टीकरण: जोखिम मूल्याङ्कन कानुनी जिम्मेवारी वहन गर्ने कागजात हो। AI ले राम्रो मस्यौदा उत्पादन गर्न सक्छ, तर जोखिमहरू OHS विशेषज्ञ/इन्जिनियरले साइटको अवस्था, कानून र वास्तविक उत्पादन विधिको आधारमा समीक्षा गरी पूरा गर्नुपर्छ।

11. AI सँग प्रगति भुक्तानी गणना गर्दा कुल रकम प्रमाणित गर्ने सबैभन्दा भरपर्दो तरिका के हो?

A) स्वीकार गर्नुहोस् यदि कुल लगभग छ
ख) अन्तिम पङ्क्तिमा मात्र ठूलो कुल हेर्दै
C) वस्तु-द्वारा-वस्तु मात्रा × एकाइ मूल्य, कटौती र संचयी रकमहरू स्वतन्त्र रूपमा प्रमाणित गर्नुहोस् ✔
D) अघिल्लो प्रगति भुक्तानीको रकम बराबर गर्दै

स्पष्टीकरण: प्रगति भुक्तानी उत्पादन वस्तुहरूको कुल (मात्रा × एकाइ मूल्य) र कटौती र अघिल्लो प्रगति भुक्तानीहरूको संचयी अफसेटमा आधारित हुन्छ। वस्तुको आधारमा अंकगणित, एकाइ मूल्य प्रावधान र संचयी रकमहरू स्वतन्त्र रूपमा जाँच गर्न अनिवार्य छ।

12. तपाईंले AI सँग पाइथन प्रयोग गरेर स्तम्भको लागि अक्षीय लोड क्षमता गणना गर्नुभयो, नतिजा 12,000 kN थियो; जबकि स्तम्भ 30x30 सेमी छ। तपाईको पहिलो प्रतिक्रिया कस्तो हुनुपर्छ?

क) नतिजा सिधै रिपोर्टमा लेख्ने
ख) नतिजा फिट गर्न क्रस सेक्शन ठूलो गर्दै
C) कोलन खण्डलाई बेवास्ता गर्दै
घ) अर्डर भौतिक रूपमा व्यावहारिक नभएको देखेर र एकाइ र सूत्र त्रुटिहरू खोज्दै ✔

स्पष्टीकरण: सानो क्रस-सेक्शन स्तम्भको लागि, 12,000 kN भौतिक रूपमा अप्रत्याशित रूपमा उच्च छ। सेनिटी चेकले तुरुन्तै एकाइ (kN/N, cm/m) वा सूत्र त्रुटिहरू प्रकट गर्दछ। इनपुटहरू र सूत्रहरू उचित दायरा भित्र नभएसम्म समीक्षा गरिनुपर्छ।

13. AI मा ग्राहक परियोजना डेटा अपलोड गर्दा गोपनीयता को मामला मा सबै भन्दा राम्रो व्यवहार के हो?

A) अज्ञात र अनुमोदन प्राप्त नगरी छिटो डाटा अपलोड गर्दै
B) डाटा पहिले नै AI मा भएको हुनाले गोपनीयता आवश्यक छैन भनी मान्दै
C) कर्पोरेट डेटा नीतिको पालना गर्ने र स्वीकृति बिना गोप्य/व्यक्तिगत डेटा अपलोड नगर्ने, आवश्यक भएमा गुमनाम राख्ने ✔
D) सबै डाटा साझा गर्दै र एआई प्रदायकलाई जिम्मेवारी छोड्ने

खुलासा: परियोजना डेटा (योजना, लागत, व्यक्तिगत डाटा) व्यापार गोप्य र व्यक्तिगत डाटा समावेश हुन सक्छ। संस्थागत स्वीकृति बिना बाह्य सेवामा गोप्य डाटा अपलोड नगर्न, आवश्यक परेको बेला गुमनाम राख्न र डाटा प्रोसेसिंग नीतिहरूको पालना गर्न अनिवार्य छ।

14. मानक सूत्र लागू गर्दा, AI ले लोड सुरक्षा गुणांक (अर्थात् लोड गुणांक) 1.0 को रूपमा लियो। सही मूल्याङ्कन के हो?

A) गुणांकलाई जस्तै छाडेर, AI छनौट गरियो
ख) सान्दर्भिक मानक ✔ अनुसार सही लोड/सामग्री गुणांक जाँच गर्नुहोस् र सच्याउनुहोस्
C) सबै गुणांकहरू 1.0 मा सेट गरेर गणनालाई सरल बनाउन
D) गुणांकको सट्टा स्वेच्छाचारी रूपमा क्रस खण्ड विस्तार गर्दै

स्पष्टीकरण: बोक्ने क्षमता डिजाइनमा, लोड र सामग्री सुरक्षा गुणांक (जस्तै 1.4/1.5 लोड वृद्धि, सामग्री बल कमी) परिणाम निर्धारण गर्ने महत्वपूर्ण मापदण्डहरू हुन्। यो गुणांक सान्दर्भिक मानक अनुसार सही रूपमा लिइएको छ कि छैन जाँच गर्नुपर्छ; 1.0 धेरै अवस्थामा असुरक्षित पक्षमा छ।

15. अन्त-देखि-अन्त AI कार्यप्रवाहमा सबैभन्दा सटीक प्रमाणिकरण दृष्टिकोण के हो?

A) AI आत्म-नियन्त्रणमा मात्र भर पर्दै
B) भर्खरको आउटपुट हेर्नुहोस् र पुष्टि गर्नुहोस्
ग) त्रुटि देखा पर्दा मात्र प्रमाणीकरण गर्नुहोस्
D) तहगत रूपमा एकाइ/रैंक, क्रस-प्रमाणीकरण, मानक पुष्टिकरण र इन्जिनियर अनुमोदन कार्यान्वयन गर्दै ✔

विवरण: भरपर्दो कार्यप्रवाहमा, प्रत्येक एआई आउटपुट; यो एकाइ र श्रेणी नियन्त्रणको तहहरू, बन्द सूत्र/सफ्टवेयरको साथ क्रस-प्रमाणीकरण, मानक पुष्टिकरण र सक्षम इन्जिनियर अनुमोदनको माध्यमबाट जान्छ। प्रमाणीकरणलाई एकल चरणमा घटाउनुले जोखिम लुकाउँछ।