ਲਾਭ:
- ਉਦੇਸ਼ ਫੰਕਸ਼ਨ, ਫੈਸਲੇ ਵੇਰੀਏਬਲ ਅਤੇ ਰੁਕਾਵਟਾਂ ਦੇ ਨਾਲ ਅਨੁਕੂਲਤਾ ਸਮੱਸਿਆ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਬਣਾਉਣ ਅਤੇ ਨਕਲੀ ਬੁੱਧੀ ਨਾਲ ਦ੍ਰਿਸ਼ਾਂ ਅਤੇ ਵਿਚਾਰਾਂ ਨੂੰ ਤਿਆਰ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਪਾਬੰਦੀਆਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਦੇ ਮਹੱਤਵ ਨੂੰ ਸਮਝਣਾ ਅਤੇ ਸੁਰੱਖਿਆ ਅਤੇ ਲਾਗੂ ਹੋਣ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਗਣਿਤ ਦੇ ਸਰਵੋਤਮ ਨੂੰ ਹੋਰ ਪਰਖਣ ਦੇ ਯੋਗ ਹੋਣਾ।
- ਇਹ ਸਮਝਣਾ ਕਿ ਸੁਰੱਖਿਆ ਰੁਕਾਵਟ ਇੱਕ ਗੈਰ-ਵਿਚਾਰਯੋਗ ਸੀਮਾ ਹੈ ਜੋ ਕੁਸ਼ਲਤਾ ਲਈ ਬਦਲੀ ਨਹੀਂ ਜਾ ਸਕਦੀ।
ਇੱਕ ਪ੍ਰਕਿਰਿਆ "ਚੱਲ ਰਹੀ" ਹੋ ਸਕਦੀ ਹੈ, ਪਰ ਕੀ ਇਹ "ਅਨੁਕੂਲ" ਚੱਲ ਰਹੀ ਹੈ? ਕੀ ਘੱਟ ਊਰਜਾ, ਉੱਚ ਕੁਸ਼ਲਤਾ ਅਤੇ ਘੱਟ ਲਾਗਤ ਨਾਲ ਇੱਕੋ ਉਤਪਾਦ ਪੈਦਾ ਕਰਨ ਦਾ ਕੋਈ ਤਰੀਕਾ ਹੈ? ਫੀਲਡ ਜੋ ਇਹਨਾਂ ਪ੍ਰਸ਼ਨਾਂ ਦਾ ਪਿੱਛਾ ਕਰਦਾ ਹੈ ਉਹ ਹੈ ਪ੍ਰਕਿਰਿਆ ਅਨੁਕੂਲਨ - ਕੁਝ ਰੁਕਾਵਟਾਂ ਦੇ ਅਧੀਨ ਇੱਕ ਟੀਚੇ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਦੇ ਵੇਰੀਏਬਲਾਂ ਨੂੰ ਅਨੁਕੂਲ ਕਰਨਾ। ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਹਮੇਸ਼ਾ ਸੰਤੁਲਨ ਦਾ ਮਾਮਲਾ ਹੁੰਦਾ ਹੈ: ਊਰਜਾ ਨੂੰ ਘਟਾਉਂਦੇ ਹੋਏ ਸ਼ੁੱਧਤਾ ਬਣਾਈ ਰੱਖਣਾ, ਕੁਸ਼ਲਤਾ ਵਧਾਉਂਦੇ ਹੋਏ ਸੁਰੱਖਿਆ ਅਤੇ ਲਾਗਤ ਨੂੰ ਬਣਾਈ ਰੱਖਣਾ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਕਿਵੇਂ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਅਨੁਕੂਲਨ ਸਮੱਸਿਆ ਨੂੰ ਤਿਆਰ ਕਰਨ, ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨ, ਅਤੇ ਸੁਧਾਰ ਦੇ ਵਿਚਾਰ ਪੈਦਾ ਕਰਨ ਵਿੱਚ ਸਹਾਇਤਾ ਵਜੋਂ ਕਰਨੀ ਹੈ; ਪਰ ਅਸੀਂ ਸਿਖਾਂਗੇ ਕਿ ਕਿਉਂ ਹਰ ਪ੍ਰਸਤਾਵਿਤ "ਸੁਧਾਰ" ਨੂੰ ਸਿਮੂਲੇਸ਼ਨ, ਸੁਰੱਖਿਆ ਅਤੇ ਅਰਥ ਸ਼ਾਸਤਰ ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਵਿੱਚ, ਤੁਸੀਂ ਲਗਾਤਾਰ ਤਿੰਨ ਸੰਕਲਪਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹੋ। ਉਦੇਸ਼ ਫੰਕਸ਼ਨ (ਓਬਜੈਕਟਿਵ ਫੰਕਸ਼ਨ - ਅਨੁਕੂਲਿਤ ਕੀਤੀ ਜਾਣ ਵਾਲੀ ਮਾਤਰਾ; ਉਦਾਹਰਨ ਲਈ, ਕੁੱਲ ਊਰਜਾ ਦੀ ਲਾਗਤ), ਨਿਰਣਾਇਕ ਵੇਰੀਏਬਲ (ਵਿਵਸਥਿਤ ਮਾਤਰਾਵਾਂ; ਤਾਪਮਾਨ, ਦਬਾਅ, ਰਿਫਲਕਸ ਦਰ) ਅਤੇ ਰੁਕਾਵਟਾਂ (ਸੀਮਾਵਾਂ ਜੋ ਵੱਧ ਨਹੀਂ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ; ਉਤਪਾਦ ਸ਼ੁੱਧਤਾ, ਸੁਰੱਖਿਆ ਸੀਮਾ, ਉਪਕਰਣ ਦੀ ਸਮਰੱਥਾ)। ਇੱਕ ਚੰਗਾ ਅਨੁਕੂਲਨ ਇਹਨਾਂ ਤਿੰਨਾਂ ਨੂੰ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ। ਪਛਾਣ ਅਤੇ ਵਿਕਲਪ ਪੈਦਾ ਕਰਨ ਦੇ ਇਸ ਪੜਾਅ 'ਤੇ AI ਬਿਲਕੁਲ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ।
ਆਪਟੀਮਾਈਜ਼ੇਸ਼ਨ ਵਿੱਚ ਕਦਮ ਦਰ ਕਦਮ ਏਆਈ ਸਹਾਇਤਾ
1. ਸਮੱਸਿਆ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਤਿਆਰ ਕਰੋ। ਮੈਂ AI ਨੂੰ ਪੁੱਛਦਾ ਹਾਂ "ਮੈਂ ਕੀ ਅਨੁਕੂਲ ਬਣਾਉਣਾ ਚਾਹੁੰਦਾ ਹਾਂ, ਮੈਂ ਕੀ ਬਦਲ ਸਕਦਾ ਹਾਂ, ਮੈਂ ਕੀ ਕਦੇ ਪਾਰ ਨਹੀਂ ਕਰ ਸਕਦਾ?" ਆਪਣੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਪ੍ਰਾਪਤ ਕਰੋ। ਟੀਚਾ, ਵੇਰੀਏਬਲ ਅਤੇ ਰੁਕਾਵਟਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਨਾ ਅੱਧਾ ਕੰਮ ਹੈ।
2. ਵੇਰੀਏਬਲ ਦੇ ਪ੍ਰਭਾਵ ਦੀ ਖੋਜ ਕਰੋ। AI ਇਸ ਬਾਰੇ ਪਰਿਕਲਪਨਾ ਪੈਦਾ ਕਰਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਵੇਰੀਏਬਲ ਦਾ ਟੀਚਾ (ਸੰਵੇਦਨਸ਼ੀਲਤਾ) 'ਤੇ ਵਧੇਰੇ ਪ੍ਰਭਾਵ ਹੋ ਸਕਦਾ ਹੈ। ਇਹ ਸਿਮੂਲੇਸ਼ਨ ਨਾਲ ਟੈਸਟ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਵਿਚਾਰ ਹਨ।
3. ਥਰਮਲ ਏਕੀਕਰਣ ਵਿਚਾਰ. AI ਕਲਾਸੀਕਲ ਊਰਜਾ ਬਚਾਉਣ ਦੇ ਤਰੀਕਿਆਂ ਦੀ ਯਾਦ ਦਿਵਾਉਂਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਰਹਿੰਦ-ਖੂੰਹਦ ਦੀ ਰਿਕਵਰੀ (ਪਿੰਚ ਵਿਸ਼ਲੇਸ਼ਣ - ਇੱਕ ਵਿਧੀ ਜੋ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਗਰਮੀ ਦੀ ਰਿਕਵਰੀ ਦੀ ਸਿਧਾਂਤਕ ਸੀਮਾ ਨੂੰ ਲੱਭਦੀ ਹੈ)। ਤੁਸੀਂ ਵਿਵਹਾਰਕਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੇ ਹੋ.
4. ਵਪਾਰ-ਸੰਬੰਧਾਂ ਨੂੰ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਉਣਾ। AI ਪੁੱਛਦਾ ਹੈ "ਜੇਕਰ ਤੁਸੀਂ ਊਰਜਾ ਨੂੰ 10% ਘਟਾਉਂਦੇ ਹੋ, ਤਾਂ ਸ਼ੁੱਧਤਾ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਹੋਵੇਗੀ, ਲਾਗਤ ਕੀ ਹੋਵੇਗੀ?" ਇਹ ਟਰੇਡ-ਆਫ ਨੂੰ ਚਾਰਟ ਕਰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ. ਨੰਬਰ ਸਿਮੂਲੇਸ਼ਨ ਤੋਂ ਆਉਣੇ ਚਾਹੀਦੇ ਹਨ; AI ਫਰੇਮਵਰਕ ਬਣਾਉਂਦਾ ਹੈ।
5. ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਕੋਡ ਡਰਾਫਟ। AI ਪਾਈਥਨ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਸਕ੍ਰਿਪਟ ਦਾ ਡਰਾਫਟ ਲਿਖਦਾ ਹੈ (ਜਿਵੇਂ ਕਿ scipy.optimize); ਉਦੇਸ਼ ਫੰਕਸ਼ਨ, ਰੁਕਾਵਟਾਂ ਅਤੇ ਹੱਲ ਕਰਨ ਵਾਲੇ ਨੂੰ ਸਥਾਪਿਤ ਕਰਦਾ ਹੈ। ਤੁਸੀਂ ਕੋਡ ਅਤੇ ਨਤੀਜੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹੋ।
6. ਸੁਰੱਖਿਆ ਅਤੇ ਤਰਕਸ਼ੀਲਤਾ ਫਿਲਟਰ। ਕੀ ਪ੍ਰਸਤਾਵਿਤ ਸਰਵੋਤਮ ਸੁਰੱਖਿਆ ਸੀਮਾਵਾਂ ਦੇ ਅੰਦਰ ਹੈ? ਕੀ ਇਹ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਸੰਭਵ ਹੈ? ਇਹ ਅੰਤਿਮ ਨਿਰਣਾ ਤੁਹਾਡਾ ਹੈ।
ਸੁਝਾਅ: ਅਨੁਕੂਲਤਾ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਅਕਸਰ ਭੁੱਲ ਜਾਣ ਵਾਲੀ ਚੀਜ਼ ਸੀਮਾਵਾਂ ਹਨ। AI ਨੂੰ ਸਮੱਸਿਆ ਦਿੰਦੇ ਸਮੇਂ ਸੁਰੱਖਿਆ ਅਤੇ ਗੁਣਵੱਤਾ ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਲਿਖੋ; ਨਹੀਂ ਤਾਂ AI ਇੱਕ ਸਰਵੋਤਮ ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ ਜੋ ਕਾਗਜ਼ 'ਤੇ "ਮਹਾਨ" ਹੈ ਪਰ ਅਸਲ ਵਿੱਚ ਉਤਪਾਦ ਲਈ ਖਤਰਨਾਕ ਜਾਂ ਵਿਘਨਕਾਰੀ ਹੈ।
"ਅਨੁਕੂਲ" ਇੱਕ ਸਿਫ਼ਾਰਸ਼ ਨਹੀਂ ਹੈ, ਪਰ ਇੱਕ ਪਰਿਕਲਪਨਾ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਹੈ
ਜਦੋਂ AI ਜਾਂ ਇੱਕ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਐਲਗੋਰਿਦਮ ਇੱਕ "ਮਿੱਠਾ ਸਥਾਨ" ਵਾਪਸ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਗਣਿਤਿਕ ਮਾਡਲ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਹੁੰਦਾ ਹੈ - ਅਸਲ ਪ੍ਰਕਿਰਿਆ ਨਹੀਂ। ਜੇਕਰ ਮਾਡਲ ਵਿੱਚ ਇੱਕ ਗੁੰਮ ਸੀਮਾ ਹੈ, ਤਾਂ ਇਹ ਸਰਵੋਤਮ ਸੁਰੱਖਿਆ ਸੀਮਾ ਨੂੰ ਪਾਰ ਕਰ ਸਕਦਾ ਹੈ। ਇੱਕ ਵੇਰੀਏਬਲ ਨੂੰ ਸੀਮਿਤ ਕਰਨਾ (ਜਿਵੇਂ ਕਿ ਵੱਧ ਤੋਂ ਵੱਧ ਤਾਪਮਾਨ) ਕਾਗਜ਼ 'ਤੇ ਉਪਜ ਨੂੰ ਵਧਾ ਸਕਦਾ ਹੈ, ਪਰ ਅਸਲ ਵਿੱਚ ਸਾਈਡ ਪ੍ਰਤੀਕ੍ਰਿਆ, ਉਤਪ੍ਰੇਰਕ ਜੀਵਨ, ਜਾਂ ਸੁਰੱਖਿਆ ਦੇ ਰੂਪ ਵਿੱਚ ਅਸਵੀਕਾਰਨਯੋਗ ਹੋ ਸਕਦਾ ਹੈ। ਹਰੇਕ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਨਤੀਜੇ ਦੀ ਸੁਰੱਖਿਆ ਅਤੇ ਲਾਗੂ ਹੋਣ ਲਈ ਹੋਰ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
ਸਾਵਧਾਨ: ਜੇਕਰ ਕੋਈ ਅਨੁਕੂਲਨ ਸੁਝਾਅ ਸੁਰੱਖਿਆ ਸੀਮਾ ਦੀ ਉਲੰਘਣਾ ਕਰਦਾ ਹੈ ("ਦਬਾਅ ਕਦੇ ਵੀ ਵੱਧ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ", "ਤਾਪਮਾਨ ਬਚਣ ਦੀ ਥ੍ਰੈਸ਼ਹੋਲਡ ਤੋਂ ਹੇਠਾਂ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ"), ਇਹ ਕੁਸ਼ਲਤਾ ਦੀ ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ ਲਾਗੂ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਸੁਰੱਖਿਆ ਦੀ ਪਾਬੰਦੀ ਅਨੁਕੂਲਤਾ ਦੀ ਗੈਰ-ਵਿਚਾਰਯੋਗ ਸੀਮਾ ਹੈ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਊਰਜਾ ਬਚਾਉਣ ਦਾ ਵਿਚਾਰ। ਇੱਕ ਡਿਸਟਿਲੇਸ਼ਨ ਸੈਕਸ਼ਨ ਵਿੱਚ, YZ ਨੇ ਦੋ ਧਾਰਾਵਾਂ ਦੇ ਵਿਚਕਾਰ ਹੀਟ ਏਕੀਕਰਣ (ਗਰਮ ਉਤਪਾਦ ਦੇ ਨਾਲ ਠੰਡੇ ਫੀਡ ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਗਰਮ ਕਰਨ) ਦਾ ਪ੍ਰਸਤਾਵ ਕੀਤਾ। ਟੀਮ ਨੇ ਸਿਮੂਲੇਸ਼ਨ ਵਿੱਚ ਇਸ ਦੀ ਜਾਂਚ ਕੀਤੀ; ਰੀਬੋਇਲਰ ਡਿਊਟੀ ਲਗਭਗ 18% ਘਟੀ, ਸ਼ੁੱਧਤਾ ਬਣਾਈ ਰੱਖੀ। ਇਹ ਵਿਚਾਰ AI ਤੋਂ ਆਇਆ ਸੀ, ਇਹ ਫੈਸਲਾ ਸਿਮੂਲੇਸ਼ਨ ਅਤੇ ਲਾਗਤ ਵਿਸ਼ਲੇਸ਼ਣ ਦੁਆਰਾ ਲਿਆ ਗਿਆ ਸੀ।
ਕੇਸ 2 - ਬੇਰੋਕ ਸਰਵੋਤਮ ਦਾ ਖ਼ਤਰਾ। ਇੱਕ ਇੰਜੀਨੀਅਰ ਨੇ ਏਆਈ ਨੂੰ "ਊਰਜਾ ਨੂੰ ਘੱਟ ਤੋਂ ਘੱਟ" ਕਰਨ ਲਈ ਰਿਫਲਕਸ ਦਰ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਨ ਲਈ ਕਿਹਾ ਪਰ ਸ਼ੁੱਧਤਾ ਦੀ ਕਮੀ ਨੂੰ ਲਿਖਣਾ ਭੁੱਲ ਗਿਆ। YZ ਨੇ ਬਹੁਤ ਘੱਟ ਰਿਫਲਕਸ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ; ਸਿਮੂਲੇਸ਼ਨ ਵਿੱਚ, ਉਤਪਾਦ ਸ਼ੁੱਧਤਾ ਨਿਰਧਾਰਨ ਤੋਂ ਹੇਠਾਂ ਡਿੱਗ ਗਈ। ਜਦੋਂ ਰੁਕਾਵਟ ਨੂੰ ਜੋੜਿਆ ਗਿਆ ਸੀ, ਇੱਕ ਯਥਾਰਥਵਾਦੀ ਸਰਵੋਤਮ ਲੱਭਿਆ ਗਿਆ ਸੀ. ਸਬਕ: ਬੇਰੋਕ ਅਨੁਕੂਲਨ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ।
ਕੇਸ 3 — ਅਨੁਕੂਲਨ ਕੋਡ। ਇੱਕ ਟੀਮ ਨੂੰ ਤਿੰਨ-ਪਰਿਵਰਤਨਸ਼ੀਲ ਲਾਗਤ ਘੱਟ ਕਰਨ ਲਈ AI ਤੋਂ scipy.optimize ਦਾ ਡਰਾਫਟ ਪ੍ਰਾਪਤ ਹੋਇਆ। ਕੋਡ ਨੂੰ ਅਸਲ ਮਾਡਲ ਨਾਲ ਜੋੜਿਆ ਗਿਆ ਸੀ ਜਦੋਂ ਇਸ ਨੇ ਇੱਕ ਸਧਾਰਨ ਜਾਣੀ-ਪਛਾਣੀ ਜਾਂਚ ਸਮੱਸਿਆ 'ਤੇ ਸਹੀ ਨਤੀਜਾ ਦਿੱਤਾ ਸੀ। ਗਰਿੱਡ ਖੋਜ ਦੁਆਰਾ ਤਸਦੀਕ ਕੀਤੇ ਜਾਣ 'ਤੇ ਹੱਲ ਇਕਸਾਰ ਸੀ; ਪਰ ਇੰਜੀਨੀਅਰ ਨੇ ਅੱਗੇ ਪੁਸ਼ਟੀ ਕੀਤੀ ਕਿ ਸਰਵੋਤਮ ਸੁਰੱਖਿਆ ਵਿੰਡੋ ਦੇ ਅੰਦਰ ਸੀ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਇੱਕ ਅਨੁਕੂਲਨ ਸਮੱਸਿਆ ਬਣਾਉਣਾ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਪ੍ਰਕਿਰਿਆ ਅਨੁਕੂਲਨ ਇੰਜੀਨੀਅਰ. ਮੇਰੀ ਪ੍ਰਕਿਰਿਆ: [ਛੋਟਾ ਵੇਰਵਾ]. ਸਮੱਸਿਆ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਨ ਵਿੱਚ ਮੇਰੀ ਮਦਦ ਕਰੋ: (1) ਉਦੇਸ਼ ਫੰਕਸ਼ਨ ਕੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ (ਊਰਜਾ/ਲਾਗਤ/ਉਪਜ), (2) ਕਿਹੜੇ ਫੈਸਲੇ ਵੇਰੀਏਬਲ ਨੂੰ ਐਡਜਸਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, (3) ਕਿਹੜੀਆਂ ਰੁਕਾਵਟਾਂ (ਸ਼ੁੱਧਤਾ, ਸੁਰੱਖਿਆ, ਸਮਰੱਥਾ) ਨੂੰ ਕਦੇ ਵੀ ਪਾਰ ਨਹੀਂ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਪਾਬੰਦੀਆਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੂਚੀਬੱਧ ਕਰੋ; ਕੋਈ ਭੁੱਲੀ ਹੋਈ ਸੁਰੱਖਿਆ ਰੁਕਾਵਟ ਹੋ ਸਕਦੀ ਹੈ, ਮਿਡੀਏ ਨੂੰ ਖਾਸ ਤੌਰ 'ਤੇ ਪੁੱਛੋ। ਫਿਰ ਹੱਲ ਦੀ ਪਹੁੰਚ ਦਾ ਸੁਝਾਅ ਦਿਓ।
2) ਵਪਾਰ ਬੰਦ ਸਾਰਣੀ:
ਇੱਕ ਟਰੇਡ-ਆਫ ਟੇਬਲ ਦਿਖਾਓ ਕਿ ਜਦੋਂ ਮੈਂ ਹੇਠਾਂ ਦਿੱਤੇ ਵੇਰੀਏਬਲ ([ਵੇਰੀਏਬਲ], ਹੇਠਾਂ ਦਿੱਤੀ ਰੇਂਜ ਵਿੱਚ) ਨੂੰ ਬਦਲਦਾ ਹਾਂ ਤਾਂ ਟੀਚੇ ਅਤੇ ਰੁਕਾਵਟਾਂ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਹੋ ਸਕਦੀਆਂ ਹਨ: ਊਰਜਾ, ਸ਼ੁੱਧਤਾ, ਉਪਜ, ਲਾਗਤ, ਸੁਰੱਖਿਆ। ਸੰਖਿਆਤਮਕ ਮੁੱਲ ਫਿਟਿੰਗ; ਹਰੇਕ ਸੈੱਲ ਵਿੱਚ "ਸਿਮੂਲੇਸ਼ਨ ਦੁਆਰਾ ਭਰਨ ਲਈ" ਲਿਖੋ ਅਤੇ ਸਿਰਫ਼ ਰੁਝਾਨ ਦੀ ਦਿਸ਼ਾ (ਵਧਣਾ/ਘਟਣਾ) ਨਿਰਧਾਰਤ ਕਰੋ। ਮੇਰੇ ਲਈ ਮਾਪਣ ਲਈ ਦ੍ਰਿਸ਼ਾਂ ਦਾ ਸੁਝਾਅ ਦਿਓ।
3) ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਕੋਡ (ਪਾਈਥਨ) ਡਰਾਫਟ:
scipy.optimize.Purpose: [purpose] ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਅਨੁਕੂਲਨ ਸਕ੍ਰਿਪਟ ਡਰਾਫਟ ਲਿਖੋ। ਨਿਰਣਾਇਕ ਵੇਰੀਏਬਲ: [ਸੂਚੀ ਅਤੇ ਸੀਮਾਵਾਂ]। ਪਾਬੰਦੀਆਂ: [ਸਮਾਨਤਾ/ਅਸਮਾਨਤਾ ਦੀਆਂ ਪਾਬੰਦੀਆਂ]। (1) ਉਦੇਸ਼ ਅਤੇ ਰੁਕਾਵਟ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਪਲੇਸਹੋਲਡਰ ਦੇ ਤੌਰ 'ਤੇ ਸੈੱਟ ਕਰੋ, (2) ਉਚਿਤ ਹੱਲ ਕਰਨ ਵਾਲੇ ਦੀ ਚੋਣ ਕਰੋ ਅਤੇ ਦੱਸੋ ਕਿ ਤੁਸੀਂ ਇਸਨੂੰ ਕਿਉਂ ਚੁਣਿਆ ਹੈ, (3) ਨਤੀਜੇ ਦੀ ਰਿਪੋਰਟ ਕਰੋ ਅਤੇ ਕੀ ਰੁਕਾਵਟਾਂ ਸੰਤੁਸ਼ਟ ਹਨ। ਮੈਂ ਇੱਕ ਜਾਣੇ-ਪਛਾਣੇ ਟੈਸਟ ਸਮੱਸਿਆ ਨਾਲ ਕੋਡ ਦੀ ਪੁਸ਼ਟੀ ਕਰਾਂਗਾ। ਇਕਾਈ ਅਤੇ ਧਾਰਨਾਵਾਂ ਦੱਸੋ।
4) ਊਰਜਾ ਏਕੀਕਰਣ ਵਿਚਾਰ ਸਕ੍ਰੀਨਿੰਗ:
ਕਲਾਸੀਕਲ ਪਹੁੰਚਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ ਜੋ ਇਸ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਊਰਜਾ ਦੀ ਖਪਤ ਨੂੰ ਘਟਾ ਸਕਦੇ ਹਨ (ਹੀਟ ਏਕੀਕਰਣ, ਚੂੰਡੀ, ਪ੍ਰੀਹੀਟਿੰਗ, ਰਿਕਵਰੀ, ਓਪਰੇਟਿੰਗ ਕੰਡੀਸ਼ਨ ਐਡਜਸਟਮੈਂਟ) ਅਤੇ ਇਸ ਪ੍ਰਕਿਰਿਆ ਲਈ ਹਰੇਕ ਦੀ ਅਨੁਕੂਲਤਾ ਦਾ ਪੂਰਵ-ਮੁਲਾਂਕਣ ਕਰੋ। ਹਰੇਕ ਵਿਚਾਰ ਲਈ, ਸੰਭਾਵੀ ਜੋਖਮਾਂ (ਨਿਯੰਤਰਣ ਮੁਸ਼ਕਲ, ਸੁਰੱਖਿਆ, ਗੰਦਗੀ) ਨੂੰ ਵੀ ਦਰਸਾਓ। ਇਹ ਵਿਚਾਰਾਂ ਦੇ ਸਕੈਚ ਹਨ; ਮੈਂ ਇਸਨੂੰ ਸਿਮੂਲੇਸ਼ਨ ਅਤੇ ਅਰਥ ਸ਼ਾਸਤਰ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕਰਾਂਗਾ. ਪ੍ਰਕਿਰਿਆ: [ਪਰਿਭਾਸ਼ਾ]
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਓ, ਊਰਜਾ ਘਟਾਓ.
ਕੋਈ ਪਾਬੰਦੀਆਂ ਨਹੀਂ, ਕੋਈ ਮਾਪਦੰਡ ਨਹੀਂ। AI ਇੱਕ "ਉੱਤਮ" ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ ਜੋ ਸ਼ੁੱਧਤਾ ਜਾਂ ਸੁਰੱਖਿਆ ਦੀ ਬਲੀ ਦਿੰਦਾ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਅਨੁਕੂਲਨ ਇੰਜੀਨੀਅਰ। ਉਦੇਸ਼: ਡਿਸਟਿਲੇਸ਼ਨ ਕਾਲਮ ਵਿੱਚ ਰੀਬੋਇਲਰ ਊਰਜਾ ਨੂੰ ਘੱਟ ਤੋਂ ਘੱਟ ਕਰਨਾ। ਵੇਰੀਏਬਲ: ਰਿਫਲਕਸ ਅਨੁਪਾਤ (1.2-3.0). ਪਾਬੰਦੀਆਂ (ਵੱਧ ਨਹੀਂ ਜਾ ਸਕਦੀਆਂ): ਪੀਕ ਉਤਪਾਦ ਸ਼ੁੱਧਤਾ >= 99%, ਕਾਲਮ ਫਲੱਡਿੰਗ ਸੀਮਾ, ਕੰਡੈਂਸਰ ਸਮਰੱਥਾ। ਮੈਨੂੰ ਦੱਸੋ: (1) ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਮੈਂ ਸਮੱਸਿਆ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਸੈੱਟ ਕੀਤਾ ਹੈ, (2) ਪੁੱਛੋ ਕਿ ਕੀ ਕੋਈ ਗੁੰਮ ਸੁਰੱਖਿਆ/ਗੁਣਵੱਤਾ ਰੁਕਾਵਟਾਂ ਹਨ, (3) ਸੁਝਾਅ ਦਿਓ ਕਿ ਸਿਮੂਲੇਸ਼ਨ ਵਿੱਚ ਕਿਹੜੇ ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨੀ ਹੈ। ਮੁੱਲ ਬਣਾਉਣਾ; ਮੈਂ ਸਿਮੂਲੇਸ਼ਨ ਦੁਆਰਾ ਫੈਸਲਾ ਕਰਾਂਗਾ।
ਫਰਕ ਸਪੱਸ਼ਟ ਹੈ: ਟੀਚਾ, ਵੇਰੀਏਬਲ ਦੀ ਰੇਂਜ, ਅਸੰਭਵ ਰੁਕਾਵਟਾਂ, ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ ਫਰੇਮਵਰਕ ਅਨੁਕੂਲਨ ਨੂੰ ਸੁਰੱਖਿਅਤ ਬਣਾਉਂਦੇ ਹਨ।
ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਵਿੱਚ ਰੋਲ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ
ਕਦਮ
ਏਆਈ ਦੀ ਭੂਮਿਕਾ
ਆਦਮੀ ਦਾ ਫੈਸਲਾ
ਸਮੱਸਿਆ ਸੈਟਿੰਗ
ਉਦੇਸ਼/ਵੇਰੀਏਬਲ/ਸਬੰਧੀ ਸਪਸ਼ਟੀਕਰਨ
ਪਾਬੰਦੀਆਂ ਦੀ ਸੰਪੂਰਨਤਾ
ਸੰਵੇਦਨਸ਼ੀਲਤਾ
ਪਰਿਕਲਪਨਾ ਪੀੜ੍ਹੀ
ਸਿਮੂਲੇਸ਼ਨ ਦੁਆਰਾ ਟੈਸਟਿੰਗ
ਵਪਾਰ ਬੰਦ
ਫਰੇਮ, ਮੇਜ਼
ਸੰਖਿਆ (ਸਿਮੂਲੇਸ਼ਨ)
ਕੋਡ
scipy ਸਕੈਚ
ਟੈਸਟਿੰਗ, ਤਸਦੀਕ
ਸਰਵੋਤਮ
ਉਮੀਦਵਾਰ ਬਿੰਦੂ
ਸੁਰੱਖਿਆ/ਲਾਗੂ ਹੋਣ ਦੀ ਪੁਸ਼ਟੀ
ਆਮ ਗਲਤੀਆਂ
- ਬੰਦਸ਼ਾਂ ਦੀ ਘਾਟ. ਅਨਿਯਮਿਤ ਅਨੁਕੂਲਨ ਇੱਕ ਗੁੰਮਰਾਹਕੁੰਨ ਸਰਵੋਤਮ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਸੁਰੱਖਿਆ ਜਾਂ ਗੁਣਵੱਤਾ ਦੀ ਬਲੀ ਦਿੰਦਾ ਹੈ।
- ਸਰਵੋਤਮ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਲਾਗੂ ਕਰਨਾ। ਸੁਰੱਖਿਆ ਅਤੇ ਵਿਵਹਾਰਕਤਾ ਲਈ ਗਣਿਤ ਦੇ ਸਰਵੋਤਮ ਦੀ ਹੋਰ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
- AI ਨੂੰ ਟ੍ਰੇਡ-ਆਫ ਨੰਬਰਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣਾ। ਵਪਾਰ-ਬੰਦ ਮੁੱਲ ਸਿਮੂਲੇਸ਼ਨ ਤੋਂ ਆਉਣਾ ਚਾਹੀਦਾ ਹੈ; AI ਸਿਰਫ ਫਰੇਮਵਰਕ ਬਣਾਉਂਦਾ ਹੈ।
- ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਕੋਡ ਦੀ ਜਾਂਚ ਕੀਤੇ ਬਿਨਾਂ ਇਸ ਦੀ ਵਰਤੋਂ ਕਰਨਾ। ਕੋਡ ਨੂੰ ਕਿਸੇ ਜਾਣੀ-ਪਛਾਣੀ ਸਮੱਸਿਆ ਦੇ ਵਿਰੁੱਧ ਪ੍ਰਮਾਣਿਤ ਕੀਤੇ ਬਿਨਾਂ ਅਸਲ ਮਾਡਲ ਨਾਲ ਕਨੈਕਟ ਨਹੀਂ ਕੀਤਾ ਜਾਵੇਗਾ।
- ਕੁਸ਼ਲਤਾ ਲਈ ਵਪਾਰ ਸੁਰੱਖਿਆ ਪਾਬੰਦੀ. ਸੁਰੱਖਿਆ ਮਾਰਜਿਨ ਗੈਰ-ਗੱਲਬਾਤ ਹੈ; ਕੁਸ਼ਲਤਾ ਲਈ ਉਲੰਘਣਾ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ.
ਸੰਖੇਪ ਵਿੱਚ
ਪ੍ਰਕਿਰਿਆ ਅਨੁਕੂਲਨ ਵਿੱਚ AI; ਇਹ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਕ ਹੈ ਜੋ ਸਮੱਸਿਆ ਨੂੰ ਫਰੇਮ ਕਰਦਾ ਹੈ, ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਧਾਰਨਾਵਾਂ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਫਰੇਮ ਟਰੇਡ-ਆਫ ਕਰਦਾ ਹੈ, ਊਰਜਾ ਬਚਾਉਣ ਦੇ ਵਿਚਾਰਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ, ਅਤੇ ਅਨੁਕੂਲਨ ਕੋਡ ਦਾ ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਪਰ ਅਨੁਕੂਲਨ ਨਤੀਜਾ ਗਣਿਤਿਕ ਮਾਡਲ ਦਾ ਸਰਵੋਤਮ ਹੈ; ਸੁਰੱਖਿਆ, ਗੁਣਵੱਤਾ ਅਤੇ ਲਾਗੂ ਹੋਣ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਇੰਜੀਨੀਅਰਾਂ ਦੁਆਰਾ ਤਸਦੀਕ ਕੀਤੇ ਬਿਨਾਂ ਇਸਨੂੰ ਲਾਗੂ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ। ਰੁਕਾਵਟਾਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ ਅਤੇ ਗੱਲਬਾਤ ਤੋਂ ਬਿਨਾਂ ਸੁਰੱਖਿਆ ਹਾਸ਼ੀਏ ਨੂੰ ਕਾਇਮ ਰੱਖਣਾ ਸੁਰੱਖਿਅਤ ਅਨੁਕੂਲਨ ਦਾ ਆਧਾਰ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਅਨੁਕੂਲਨ ਸਮੱਸਿਆ ਚੁਣੋ (ਉਦਾਹਰਨ ਲਈ ਇੱਕ ਕਾਲਮ ਵਿੱਚ ਊਰਜਾ ਘੱਟ ਕਰਨਾ)। "ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਸਮੱਸਿਆ ਪੋਜ਼ਿੰਗ" ਟੈਂਪਲੇਟ ਨਾਲ ਟੀਚਾ, ਵੇਰੀਏਬਲ ਅਤੇ ਰੁਕਾਵਟਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੋ; AI ਨੂੰ ਖਾਸ ਤੌਰ 'ਤੇ ਪੁੱਛਣ ਲਈ ਕਹੋ ਕਿ ਕੀ ਕੋਈ ਗੁੰਮ ਸੁਰੱਖਿਆ ਰੁਕਾਵਟਾਂ ਹਨ। ਫਿਰ "ਟ੍ਰੇਡ-ਆਫ ਟੇਬਲ" ਟੈਂਪਲੇਟ ਨਾਲ ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਪਛਾਣ ਕਰੋ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸਿਮੂਲੇਸ਼ਨ ਵਿੱਚ ਸੰਖਿਆਤਮਕ ਰੂਪ ਵਿੱਚ ਭਰੋ (ਜੇ ਲਾਗੂ ਹੋਵੇ)।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਉਦੇਸ਼, ਫੈਸਲੇ ਵੇਰੀਏਬਲ ਅਤੇ ਰੁਕਾਵਟਾਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਸੁਰੱਖਿਆ ਅਤੇ ਗੁਣਵੱਤਾ ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਲਿਖਿਆ ਅਤੇ AI ਨੂੰ ਗੁੰਮ ਰੁਕਾਵਟਾਂ ਲਈ ਕਿਹਾ।
- [ ] ਮੈਂ ਸਿਮੂਲੇਸ਼ਨ ਤੋਂ ਟ੍ਰੇਡ-ਆਫ ਨੰਬਰ ਲਏ, ਮੈਂ ਉਹਨਾਂ ਨੂੰ AI ਲਈ ਫਿੱਟ ਨਹੀਂ ਕੀਤਾ।
- [ ] ਮੈਂ ਇੱਕ ਜਾਣੀ-ਪਛਾਣੀ ਸਮੱਸਿਆ ਨਾਲ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਕੋਡ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
- [ ] ਮੈਂ ਸੁਰੱਖਿਆ ਅਤੇ ਲਾਗੂ ਹੋਣ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਪਾਏ ਗਏ ਸਰਵੋਤਮ ਦੀ ਵੀ ਜਾਂਚ ਕੀਤੀ।