Gevinster:
- Evne til å produsere skript som renser og visualiserer signal-, logg- og telemetridata med Python, med AI-støtte
- Evne til å gjenkjenne datakvalitet, overlæring og ekstrapolasjonsrisiko når du bygger enkle prediksjons- og anomalimodeller
- Evne til å verifisere AI-generert kode og resultat med enhetskontroll, referansedata og teknisk plausibilitet
Moduleksamen
1. En praktikant spør AI-chatverktøyet om nødvendig forsyningsstrøm for en LNA (lavstøyforsterker) og skriver den resulterende verdien på '15 mA' direkte inn i strømbudsjetttabellen. Hva er den grunnleggende feilen i denne tilnærmingen?
- A) Gjeldende verdi må komme fra databladet og driftstilstanden til den valgte komponenten; Tallet generert av AI kan være en fabrikasjon uten kilde ✔
- B) Det burde vært bedt om å AI i µA i stedet for mA
- C) Verdien er korrekt, kun enhetsstavingen skal ha blitt korrigert
- D) Det er nok å stille AI det samme spørsmålet tre ganger og ta gjennomsnittet
Forklaring: Språkmodellen kjenner ikke dataarket til den spesifikke komponenten du har valgt; produserer et tall som virker mest sannsynlig (hallusinasjon). Tilførselsstrømmen kommer kun fra databladet og driftstilstanden til delen som brukes; AI-utgang kan ikke komme inn i tabellen uten validering.
2. Hva muliggjør 'risikobasert klassifisering' ved bruk av AI i elektronikk/kommunikasjonsarbeid?
- A) Redusere abonnementsavgiften til AI-verktøyet
- B) Bestem rollen til AI og den obligatoriske verifiseringsdybden i henhold til oppgavens risikonivå ✔
- C) Forespørsler bør skrives kortere
- D) Deleger automatisk alle beslutninger til AI
Forklaring: Ikke alle oppdrag er på samme risikonivå. Klassifisering av oppgaven som lav/middels/høy/kritisk avgjør hvilken utgang som fritt kan benyttes og som krever måling, simulering og kvalifisert ingeniørgodkjenning.
3. Hva sier Nyquists samplingskriteriet ved signalbehandling og hva skjer hvis det brytes?
- A) Samplingsfrekvensen må være minst to ganger den høyeste frekvensen; Ellers vil aliasing oppstå og signalet vil bli irreversibelt degradert ✔
- B) Jo lavere samplingsfrekvens, jo høyere oppløsning
- C) Sampling er kun nødvendig for analoge signaler, ikke digitale
- D) Nyquist-kriteriet bestemmer kun støynivået
Forklaring: For å gjenopprette et signal nøyaktig, må samplingsfrekvensen være minst to ganger den høyeste frekvensen i signalet. Hvis denne betingelsen ikke er oppfylt, vises høye frekvenser som lave frekvenser; Dette kalles aliasing og dataene er permanent ødelagt.
4. Hva er den beste tilnærmingen når AI foreslår et PCB-oppsett?
- A) Sende det foreslåtte oppsettet av AI direkte til produksjon
- B) Evaluer forslaget som en sjekkliste/oppstart som skal verifiseres av DRC, simulering og prototypemåling ✔
- C) Kopiere AI-tekst uten å åpne dataarkene
- D) Ignorerer regler for signalintegritet fordi AI avviser dem
Beskrivelse: AI kan huske generelle layout- og signalintegritetsprinsipper (kort returvei, referanseplan, plassering av frakoblingskondensatorer); den endelige layouten er imidlertid verifisert av DRC (design rule checking), simulering og prototypemåling. AI-utgangen er en sjekkliste og et utgangspunkt.
5. Hva betyr 'EIRP' i RF-koblingsbudsjettet?
- A) Effektiv utstrålt effekt, som kombinerer kraften til senderen og antenneforsterkningen ved å trekke fra tap ✔
- B) Absolutt verdi av støygulvet ved mottakeren
- C) Fysisk størrelse på antennen
- D) Karakteristisk impedans for kabelen
Forklaring: EIRP (Effective Isotropic Radiated Power) er den effektive effekten som utstråles av en isotrop antenne, kombinert med utgangseffekten til senderen og antenneforsterkningen, minus kabel-/kontakttapene. Linkbudsjett og regulatoriske grenser avhenger i stor grad av EIRP; sluttverdien verifiseres ved måling og regulering.
6. Hva betyr det når AI finner en "anomali" i temperatur og gjeldende data i prediktivt vedlikehold?
- A) Bevis på at utstyret definitivt har feilet
- B) En advarsel om at dataene avviker fra det normale; Ikke en definitiv feildiagnose, men et tegn som må bekreftes ved feltbefaring ✔
- C) Beordre at utstyret skal slås av automatisk
- D) Garantere at data ble registrert feil
Forklaring: En anomali er et avvik i data fra normal oppførsel og kan indikere en funksjonsfeil; men det er ikke en definitiv diagnose. Beslutning om deaktivering eller utskifting av kort/utstyr tas med fysisk kontroll på stedet og godkjenning av driftsleder.
7. Hva er obligatorisk for sikkerhet/stabilitet før du laster inn en AI-skrevet firmware interrupt service routine (ISR)-kode i maskinvaren?
- A) Distribuer direkte til enheter i felten uten å lese koden
- B) Bare sjekk at den er kompilert og installer den
- C) Lese koden, sende den gjennom statisk analyse, sjekke delte data/timingsikkerhet og teste den på maskinvare ✔
- D) Stole på det lille antallet linjer i utgangen
Forklaring: AI-kode kan hoppe over å beskytte delte variabler (flyktig/atomisitet), sette lang/blokkerende operasjon i ISR eller bruke feil register. Det er viktig å lese koden, kjøre den gjennom statisk analyse og teste den under reelle forhold på maskinvare; ISR kan være sikkerhetskritisk.
8. Hva er det typiske forholdet mellom BER (bit error rate) og SNR (signal-to-noise ratio) i digital kommunikasjon og hva bør AI huske når man tolker det?
- A) De to øker alltid sammen
- B) Det er ingen sammenheng mellom dem
- C) Generelt, når SNR øker, synker BER; faktiske verdier avhenger av modulering, kanal og koding og må verifiseres ved simulering/måling ✔
- D) Forholdet er konstant og har samme tallverdi i alle systemer
Forklaring: Generelt, når SNR øker, synker BER (feilen reduseres når signalet blir sterkere i forhold til støy). AI kan forklare denne generelle trenden og teoretiske kurver, men faktiske verdier avhenger av modulasjonstype, kanal, koding og maskinvare og må verifiseres ved simulering/måling; Den generelle kurven erstatter ikke den systemspesifikke sannheten.
9. Hva er den mest hensiktsmessige bruken når du løser et I2C-kommunikasjonsproblem (enheten svarer ikke) med AI?
- A) List opp mulige årsaker i en liste over hypoteser; Stille en definitiv diagnose med analysator/oscilloskopmåling ✔
- B) Godta den første årsaken gitt av AI som en definitiv feil og bytt ut maskinvaren.
- C) Laste inn koden foreslått av AI mange ganger uten noen gang å måle linjen
- D) Hoppe over analysatormåling og kun stole på AI-prediksjon
Beskrivelse: AI kan trekke ut mulige årsaker (feil adresse, mangel på pull-up-motstand, hastighetsmismatch, mangel på felles grunnlag, strid) som en systematisk liste over hypoteser. Den definitive diagnosen stilles imidlertid ved å måle linjen med en logisk analysator eller oscilloskop; AI-utgangen er et søkekart, ikke en definitiv diagnose.
10. I mobilnettverksoptimalisering, hva er den mest nøyaktige holdningen til et "forverring"-tegn som AI finner i RSRP/SINR-trenden?
- A) Endring av live nettverksparametere direkte basert på AI-utgang
- B) Ignorer advarselen og fortsett å se
- C) Bekreft grunnårsaken gjennom feltmåling/drivtesting og nettverksingeniøranalyse, og avgjør deretter ✔
- D) Stoler kun på AI og kansellerer feltmåling
Forklaring: Det kan tidlig signalisere et mulig deknings-/interferensproblem i AI KPI-trenden; men grunnårsaken (antennetilt, nabocelleinterferens, maskinvarefeil) bestemmes av feltmåling/stasjonstesting og analyse av nettverksingeniøren. AI-utgangen er et skannevarsel, ikke en parameterendringsbeslutning.
11. Hva er den mest nøyaktige tilnærmingen til å håndtere en løsning foreslått av AI (f.eks. legge til ferrittkuler) i en EMC/EMI-studie?
- A) Erklære produktet kompatibelt direkte etter bruk av AI-anbefalingen
- B) Vurder forslaget som en mulig løsningshypotese og verifiser det med målinger i henhold til standardgrensen i et akkreditert laboratorium. ✔
- C) Fastsette standardgrensene med verdiene gitt av AI
- D) Hoppe over måling og kun stole på simulering
Beskrivelse: AI kan huske mulige interferensveier og typiske løsninger (filtrering, skjerming, jording, kabelhåndtering). Avgjørelsen om egnethet tas imidlertid ved måling i et akkreditert laboratorium i henhold til standardgrensen (f.eks. CISPR/EN); AI-utgangen er en innledende hypotese, ikke en kondisjonserklæring.
12. Hva er den mest robuste måten å forhindre at AI får en sammensatt (hallusinatorisk) referanse når du ber den om del-/klausulnummeret til en standard som 3GPP eller IEEE 802.11?
- A) Stole på varenummeret og tabellverdien gitt av AI
- B) Stille det samme spørsmålet igjen med forskjellige ord
- C) Ser på et foruminnlegg i stedet for standarden
- D) Åpne og bekrefte hver referanse fra gjeldende offisielle tekst til standarden (korrekt utgivelse/versjon) og innhente autorisert godkjenning når nødvendig ✔
Forklaring: Selv om språkmodellen vet navnet på standarden riktig, kan den hallusinere seksjonsnummer, tabellverdi og tekst; I tillegg varierer verdiene mellom utgivelsene. Hver referanse må åpnes og bekreftes fra den gjeldende offisielle teksten til standarden, og om nødvendig må godkjenning av autorisert person innhentes.
13. Hva er den mest kritiske sjekken før du kjører et Python-signalanalyseskript skrevet av AI?
- A) Lese koden og verifisere sampling/enhetsmatching, testing med et kjent referansesignal og sjekke plausibiliteten til resultatet ✔
- B) Kjøre koden direkte på hele datasettet uten å lese det
- C) Bare å se at det ikke er noen feil og akseptere resultatet
- D) Stole på at grafikken til utgangen er visuelt vakker
Beskrivelse: AI-koden kan feilaktig anta samplingsfrekvensen, blandeenheter (Hz/kHz, V/mV), hoppe over vinduer/normalisering eller uoverensstemmelseskolonner. Det er viktig å lese koden, verifisere enheten og prøvetakingsparametrene, teste med et kjent referansesignal og sjekke om resultatet er fysisk plausibelt.
14. Hva er den beste handlingen når det gjelder personvern og åndsverk når du leverer designfiler eller kundenettverksdata til et skybasert AI-verktøy?
- A) Lim inn alle rå design/mesh-data som de er
- B) Anonymize context and clean sensitive design/customer/measurement data and use corporate, policy-compliant tooling ✔
- C) Forutsatt at det å gi reell kunde- og IP-informasjon er avgjørende for resultatkvaliteten
- D) Ignorerer retningslinjer for personvern og immaterielle rettigheter i det hele tatt
Beskrivelse: Skjematiske/PCB-filer, fastvarekilde, kundetopologi og abonnent-/måledata er sensitive i forhold til forretningshemmeligheter og lovgivning (KVKK/GDPR). Det er nødvendig å anonymisere konteksten, fjerne ekte IP/MAC/koordinat/klientnavn, velge bedrifts- og policy-kompatibelt verktøy og overholde selskapets retningslinjer.