ਲਾਭ:
- ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨਾਲ ਸੈਂਸਰ ਡੇਟਾ ਨੂੰ ਸਾਫ਼ ਕਰਨ ਅਤੇ SPC ਨਿਯਮਾਂ ਨਾਲ ਵਿਗਾੜਾਂ ਅਤੇ ਰੁਝਾਨਾਂ ਨੂੰ ਮਾਰਕ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਇੱਕ ਭਰੋਸੇਯੋਗਤਾ ਫਿਲਟਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਹ ਪਤਾ ਲਗਾਉਣ ਲਈ ਕਿ ਕੀ ਇੱਕ ਭਟਕਣਾ ਇੱਕ ਅਸਲ ਪ੍ਰਕਿਰਿਆ ਘਟਨਾ ਹੈ ਜਾਂ ਇੱਕ ਸੈਂਸਰ/ਮਾਪ ਦੀ ਸਮੱਸਿਆ ਹੈ, ਸਬੰਧ ਅਤੇ ਕਾਰਣਸ਼ੀਲਤਾ ਵਿੱਚ ਫਰਕ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਇਹ ਸਮਝਣਾ ਕਿ ਨਕਲੀ ਬੁੱਧੀ ਇੱਕ ਨਿਰਣਾਇਕ ਸਹਾਇਤਾ ਪਰਤ ਹੈ ਅਤੇ ਇਹ ਕਿ ਜੀਵਨ ਅਤੇ ਸਹੂਲਤ ਸੁਰੱਖਿਆ ਸੁਤੰਤਰ ਸੁਰੱਖਿਆ ਪ੍ਰਣਾਲੀਆਂ (SIS) ਨਾਲ ਸਬੰਧਤ ਹੈ।
ਜਿਵੇਂ ਕਿ ਇੱਕ ਪਲਾਂਟ ਕੰਮ ਕਰਦਾ ਹੈ, ਇਹ ਚੁੱਪਚਾਪ ਡੇਟਾ ਦਾ ਇੱਕ ਹੜ੍ਹ ਪੈਦਾ ਕਰਦਾ ਹੈ: ਤਾਪਮਾਨ, ਦਬਾਅ, ਪ੍ਰਵਾਹ, ਪੱਧਰ, pH ਅਤੇ ਉਤਪਾਦ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਤੀਜੇ ਹਰ ਸਕਿੰਟ ਦਰਜਨਾਂ ਸੈਂਸਰਾਂ ਤੋਂ ਆਉਂਦੇ ਹਨ। ਇਹ ਡੇਟਾ ਪ੍ਰਕਿਰਿਆ ਦੀ "ਨਬਜ਼" ਹੈ; ਇਸ ਵਿੱਚ ਪ੍ਰਕਿਰਿਆ ਦੀ ਸਿਹਤ ਦੇ ਦੋਵੇਂ ਸਬੂਤ ਅਤੇ ਆਉਣ ਵਾਲੀ ਅਸਫਲਤਾ ਜਾਂ ਗੁਣਵੱਤਾ ਦੇ ਭਟਕਣ ਦੇ ਸ਼ੁਰੂਆਤੀ ਸੰਕੇਤ ਸ਼ਾਮਲ ਹਨ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਇਸ ਡੇਟਾ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ, ਵਿਗਾੜਾਂ ਨੂੰ ਫਲੈਗ ਕਰਨ, ਅਤੇ ਗੁਣਵੱਤਾ ਦੇ ਰੁਝਾਨਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਿੱਚ ਸਹਾਇਤਾ ਵਜੋਂ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ; ਪਰ ਅਸੀਂ ਇਹ ਸਿੱਖਾਂਗੇ ਕਿ ਇਹ ਅਜੇ ਵੀ ਇੰਜੀਨੀਅਰ 'ਤੇ ਨਿਰਭਰ ਕਿਉਂ ਹੈ ਕਿ ਕਿਹੜਾ ਭਟਕਣਾ ਅਸਲ ਹੈ ਅਤੇ ਕਿਹੜੀ ਕਾਰਵਾਈ ਕਰਨੀ ਹੈ।
ਆਉ ਦੋ ਬੁਨਿਆਦੀ ਧਾਰਨਾਵਾਂ ਨਾਲ ਸ਼ੁਰੂ ਕਰੀਏ. SPC (ਅੰਕੜਾ ਪ੍ਰਕਿਰਿਆ ਨਿਯੰਤਰਣ; ਵਿਧੀ ਜੋ ਅੰਕੜਾ ਸੀਮਾਵਾਂ ਦੇ ਨਾਲ ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਦੀ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਦੀ ਨਿਗਰਾਨੀ ਕਰਦੀ ਹੈ ਅਤੇ ਅਸਲ ਵਿਵਹਾਰ ਤੋਂ ਆਮ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ ਨੂੰ ਵੱਖ ਕਰਦੀ ਹੈ) ਅਤੇ ਨਿਯੰਤਰਣ ਚਾਰਟ (ਕੰਟਰੋਲ ਚਾਰਟ - ਇੱਕ ਚਾਰਟ ਜੋ ਸਮੇਂ ਦੇ ਵਿਰੁੱਧ ਇੱਕ ਪਰਿਵਰਤਨ ਦਰਸਾਉਂਦਾ ਹੈ, ਉਪਰਲੀ/ਹੇਠਲੀ ਨਿਯੰਤਰਣ ਸੀਮਾਵਾਂ ਦੇ ਨਾਲ)। SPC ਦਾ ਸਾਰ ਕੁਦਰਤੀ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ (ਆਮ ਕਾਰਨ - ਪ੍ਰਕਿਰਿਆ ਦਾ ਆਮ, ਅਟੱਲ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ) ਅਤੇ ਵਿਸ਼ੇਸ਼ ਕਾਰਨ - ਬਾਹਰੋਂ ਇੱਕ ਅਸਲ ਭਟਕਣਾ ਹੈ ਜਿਸਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਵਿਚਕਾਰ ਅੰਤਰ ਹੈ। AI ਇਸ ਅੰਤਰ ਨੂੰ ਬਣਾਉਣ ਅਤੇ ਵੱਡੇ ਡੇਟਾ ਵਿੱਚ ਪੈਟਰਨ ਲੱਭਣ ਵਿੱਚ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ; ਪਰ ਇੱਕ ਭਟਕਣ ਦਾ ਮੂਲ ਕਾਰਨ ਅਤੇ ਦਖਲ ਦੇਣ ਦਾ ਫੈਸਲਾ ਇੰਜੀਨੀਅਰ ਦਾ ਹੈ।
ਗੁਣਵੱਤਾ ਅਤੇ ਨਿਯੰਤਰਣ ਡੇਟਾ ਵਿੱਚ ਕਦਮ-ਦਰ-ਕਦਮ AI ਸਮਰਥਨ
1. ਡਾਟਾ ਤਿਆਰ ਕਰੋ ਅਤੇ ਸਾਫ਼ ਕਰੋ। ਗਾਇਬ ਮੁੱਲ, ਸੈਂਸਰ ਫੇਲ੍ਹ ਹੋਣ ਕਾਰਨ ਜੰਪ, ਯੂਨਿਟ ਅਸੰਗਤਤਾਵਾਂ। AI ਪਾਇਥਨ ਕੋਡ ਦੀ ਰੂਪਰੇਖਾ ਅਤੇ ਸਫਾਈ ਲਈ ਚੈੱਕਲਿਸਟ ਬਣਾਉਂਦਾ ਹੈ। ਪਰ ਤੁਸੀਂ ਪ੍ਰਕਿਰਿਆ ਦੇ ਗਿਆਨ ਨਾਲ ਫੈਸਲਾ ਕਰਦੇ ਹੋ ਕਿ "ਅਵੈਧ ਡੇਟਾ" ਕੀ ਗਿਣਿਆ ਜਾਂਦਾ ਹੈ।
2. ਰੁਝਾਨ ਅਤੇ ਅਸੰਗਤਤਾ ਮਾਰਕਿੰਗ। AI ਸੈਂਸਰ 'ਤੇ ਪੈਟਰਨਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਹੌਲੀ ਡ੍ਰਾਈਫਟ, ਅਚਾਨਕ ਛਾਲ, ਜਾਂ ਵਧੀਆਂ ਦੋਲਾਂ। ਇਹ ਪ੍ਰੀਖਿਆ ਲਈ ਉਮੀਦਵਾਰ ਹਨ, ਨਤੀਜੇ ਨਹੀਂ।
3. SPC ਟਿੱਪਣੀ। AI ਕੰਟਰੋਲ ਚਾਰਟ ਨਿਯਮਾਂ ਨੂੰ ਯਾਦ ਕਰ ਸਕਦਾ ਹੈ (ਉਦਾਹਰਨ ਲਈ, ਜਦੋਂ ਕੋਈ ਬਿੰਦੂ ਸੀਮਾ ਤੋਂ ਬਾਹਰ ਜਾਂਦਾ ਹੈ, ਲਗਾਤਾਰ ਪੁਆਇੰਟ ਇੱਕ ਦਿਸ਼ਾ ਵਿੱਚ ਜਾਂਦੇ ਹਨ) ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਡੇਟਾ 'ਤੇ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹਨ। ਦੁਬਾਰਾ ਫਿਰ, ਇੰਜੀਨੀਅਰਿੰਗ ਨਿਰਣਾ ਫੈਸਲਾ ਕਰਦਾ ਹੈ.
4. ਸਬੰਧ ਖੋਜ. AI ਸਬੰਧਾਂ ਨੂੰ ਫਲੈਗ ਕਰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ "ਤਾਪਮਾਨ ਵਧਣ ਨਾਲ ਸ਼ੁੱਧਤਾ ਘਟਦੀ ਜਾਪਦੀ ਹੈ।" ਸਬੰਧ ਕਾਰਣ ਨਹੀਂ ਹੈ (ਸਬੰਧ ≠ ਕਾਰਨ — ਇਹ ਤੱਥ ਕਿ ਦੋ ਮਾਤਰਾਵਾਂ ਇਕੱਠੀਆਂ ਵੱਖਰੀਆਂ ਹੁੰਦੀਆਂ ਹਨ ਇਹ ਸਾਬਤ ਨਹੀਂ ਕਰਦਾ ਕਿ ਇੱਕ ਦੂਜੇ ਦਾ ਕਾਰਨ ਬਣਦਾ ਹੈ); ਤੁਸੀਂ ਪ੍ਰਕਿਰਿਆ ਦੇ ਗਿਆਨ ਨਾਲ ਇਸ ਰਿਸ਼ਤੇ ਦੀ ਜਾਂਚ ਕਰਦੇ ਹੋ.
5. ਮੂਲ ਕਾਰਨ ਦੀਆਂ ਧਾਰਨਾਵਾਂ। AI ਇੱਕ ਭਟਕਣ (ਫੀਡ ਪਰਿਵਰਤਨ, ਉਤਪ੍ਰੇਰਕ ਬੁਢਾਪਾ, ਸੈਂਸਰ ਅਸਫਲਤਾ) ਦੇ ਸੰਭਾਵਿਤ ਕਾਰਨਾਂ ਨੂੰ ਸੂਚੀਬੱਧ ਕਰਦਾ ਹੈ। ਇਹ ਖੋਜ ਦੇ ਵਿਸ਼ੇ ਹਨ, ਨਿਦਾਨ ਨਹੀਂ।
6. ਕਾਰਵਾਈ ਦਾ ਫੈਸਲਾ। ਅਲਾਰਮ ਨੂੰ ਗੰਭੀਰਤਾ ਨਾਲ ਲੈਣਾ, ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਰੋਕਣਾ ਜਾਂ ਅਡਜਸਟਮੈਂਟ ਕਰਨਾ - ਇਹ ਸੁਰੱਖਿਆ ਅਤੇ ਗੁਣਵੱਤਾ ਦਾ ਫੈਸਲਾ ਇੰਜੀਨੀਅਰ ਦੇ ਕੋਲ ਹੈ।
ਸੰਕੇਤ: ਜਦੋਂ AI ਸੈਂਸਰ ਡੇਟਾ ਵਿੱਚ ਇੱਕ ਅਸੰਗਤਤਾ ਨੂੰ ਫਲੈਗ ਕਰਦਾ ਹੈ, ਤਾਂ ਪਹਿਲਾ ਸਵਾਲ ਇਹ ਹੁੰਦਾ ਹੈ "ਕੀ ਇਹ ਇੱਕ ਅਸਲ ਪ੍ਰਕਿਰਿਆ ਘਟਨਾ ਹੈ ਜਾਂ ਸੈਂਸਰ/ਮਾਪ ਅਸਫਲਤਾ?" ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਜ਼ਿਆਦਾਤਰ “ਵਿਸੰਗਤੀਆਂ” ਟੁੱਟੇ ਹੋਏ ਸੈਂਸਰ ਜਾਂ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਡ੍ਰਾਈਫਟ ਹਨ; ਦਖਲਅੰਦਾਜ਼ੀ ਤੋਂ ਪਹਿਲਾਂ ਖੁਦ ਮਾਪ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ।
ਸੈਂਸਰ ਡੇਟਾ: ਹਰ ਭਟਕਣਾ ਅਸਲੀ ਨਹੀਂ ਹੈ
ਸੈਂਸਰ ਝੂਠ ਬੋਲ ਸਕਦੇ ਹਨ: ਇੱਕ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਖਿਸਕ ਜਾਂਦਾ ਹੈ, ਇੱਕ ਥਰਮੋਕਲ ਢਿੱਲਾ ਹੁੰਦਾ ਹੈ, ਇੱਕ ਟ੍ਰਾਂਸਮਿਸ਼ਨ ਲਾਈਨ ਰੌਲਾ ਪਾਉਂਦੀ ਹੈ। AI ਡੇਟਾ ਵਿੱਚ ਇੱਕ ਛਾਲ ਦੇਖ ਸਕਦਾ ਹੈ ਅਤੇ ਕਹਿ ਸਕਦਾ ਹੈ "ਪ੍ਰਕਿਰਿਆ ਬਦਲ ਗਈ ਹੈ"; ਹਾਲਾਂਕਿ, ਇਹ ਪ੍ਰਕਿਰਿਆ ਨਹੀਂ ਹੈ ਜੋ ਬਦਲਦੀ ਹੈ, ਪਰ ਸੈਂਸਰ. ਇਸ ਲਈ ਇੱਕ ਅਸੰਗਤ ਸੰਕੇਤ ਨੂੰ ਪਹਿਲਾਂ ਡੇਟਾ ਭਰੋਸੇਯੋਗਤਾ ਲਈ ਫਿਲਟਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ: ਕੀ ਇਹ ਕਿਸੇ ਹੋਰ ਸੈਂਸਰ ਨਾਲ ਇਕਸਾਰ ਹੈ, ਕੀ ਇਹ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਸੰਭਵ ਹੈ, ਕੀ ਇਹ ਰੱਖ-ਰਖਾਅ ਦੇ ਰਿਕਾਰਡ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ? ਇਹਨਾਂ ਦੇ ਪਾਸ ਹੋਣ ਤੋਂ ਬਾਅਦ ਹੀ ਇਸਦੀ ਅਸਲ ਪ੍ਰਕਿਰਿਆ ਘਟਨਾ ਵਜੋਂ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
ਸਾਵਧਾਨ: ਇੱਕ AI-ਅਧਾਰਿਤ ਵਿਗਾੜ/ਸ਼ੁਰੂਆਤੀ ਚੇਤਾਵਨੀ ਪ੍ਰਣਾਲੀ ਸੁਰੱਖਿਆ ਯੰਤਰ ਪ੍ਰਣਾਲੀ (SIS — ਇੱਕ ਸਟੈਂਡਅਲੋਨ, ਪ੍ਰਮਾਣਿਤ ਸੁਰੱਖਿਆ ਸੁਰੱਖਿਆ ਪਰਤ) ਦਾ ਬਦਲ ਨਹੀਂ ਹੈ। AI ਮਾਡਲ ਇੱਕ ਨਿਗਰਾਨੀ ਅਤੇ ਫੈਸਲੇ-ਸਹਿਯੋਗੀ ਪਰਤ ਹੈ; ਉਹ ਸੁਰੱਖਿਆ, ਸੁਤੰਤਰ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਸੁਰੱਖਿਆ ਪ੍ਰਣਾਲੀਆਂ ਹਨ ਜੋ ਜੀਵਨ ਅਤੇ ਸੁਵਿਧਾ ਦੀ ਸੁਰੱਖਿਆ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦੀਆਂ ਹਨ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਅਰਲੀ ਡਰਿਫਟ ਕੈਪਚਰ। ਇੱਕ ਰਿਐਕਟਰ ਵਿੱਚ, AI ਨੇ ਤਾਪਮਾਨ ਸੰਵੇਦਕ 'ਤੇ ਇੱਕ ਹੌਲੀ ਵਹਿਣ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ, 10 ਦਿਨਾਂ ਵਿੱਚ ਔਸਤਨ 0.3°C ਪ੍ਰਤੀ ਦਿਨ ਵਧ ਰਿਹਾ ਹੈ। ਟੀਮ ਨੇ ਜਾਂਚ ਕੀਤੀ; ਹੀਟ ਐਕਸਚੇਂਜਰ ਵਿੱਚ ਫਾਊਲਿੰਗ ਸ਼ੁਰੂ ਹੋ ਗਈ ਸੀ। ਸ਼ੁਰੂਆਤੀ ਦਖਲਅੰਦਾਜ਼ੀ ਨੇ ਗੈਰ ਯੋਜਨਾਬੱਧ ਡਾਊਨਟਾਈਮ ਨੂੰ ਰੋਕਿਆ। ਸਿਗਨਲ AI ਤੋਂ ਆਇਆ, ਨਿਦਾਨ ਅਤੇ ਫੈਸਲਾ ਟੀਮ ਤੋਂ ਆਇਆ।
ਕੇਸ 2 — ਗਲਤ ਅਲਾਰਮ ਹਟਾਇਆ ਗਿਆ। AI ਨੇ ਇੱਕ ਪ੍ਰੈਸ਼ਰ ਸੈਂਸਰ ਵਿੱਚ ਅਚਾਨਕ ਛਾਲ ਦੇਖੀ ਅਤੇ ਇਸਨੂੰ "ਸੰਭਵ ਲੀਕ" ਵਜੋਂ ਫਲੈਗ ਕੀਤਾ। ਇੰਜੀਨੀਅਰ ਨੇ ਦੇਖਿਆ ਕਿ ਦੋ ਗੁਆਂਢੀ ਸੈਂਸਰ ਨਹੀਂ ਬਦਲੇ ਹਨ ਅਤੇ ਉਸ ਸਮੇਂ ਇੱਕ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਪ੍ਰਕਿਰਿਆ ਕੀਤੀ ਗਈ ਸੀ; ਸਿਗਨਲ ਸੈਂਸਰ ਤੋਂ ਸੀ। ਡੇਟਾ ਭਰੋਸੇਯੋਗਤਾ ਫਿਲਟਰ ਇੱਕ ਬੇਲੋੜੇ ਡਾਊਨਟਾਈਮ ਨੂੰ ਰੋਕਦਾ ਹੈ.
ਕੇਸ 3 - ਸਬੰਧਾਂ ਦਾ ਜਾਲ। YZ ਨੇ ਸਬੰਧ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ "ਜਦੋਂ ਫੀਡ ਵਹਾਅ ਦੀ ਦਰ ਵਧਦੀ ਹੈ ਤਾਂ ਉਤਪਾਦ ਸ਼ੁੱਧਤਾ ਘੱਟ ਜਾਂਦੀ ਹੈ"। ਇੰਜੀਨੀਅਰ ਨੇ ਪਾਇਆ ਕਿ ਅਸਲ ਕਾਰਨ ਵਹਾਅ ਦੀ ਦਰ ਨਹੀਂ ਬਲਕਿ ਸਪਲਾਈ ਦਾ ਤਾਪਮਾਨ ਸੀ, ਜੋ ਕਿ ਇੱਕੋ ਸ਼ਿਫਟ ਦੌਰਾਨ ਬਦਲਦਾ ਸੀ; ਵਹਾਅ ਦੀ ਦਰ ਅਤੇ ਸ਼ੁੱਧਤਾ ਸਿਰਫ ਇਕੱਠੇ ਗਏ ਸਨ. ਕਾਰਣਤਾ ਲਈ ਗਲਤ ਸਬੰਧਾਂ ਨੂੰ ਗਲਤ ਸੈਟਿੰਗ ਵੱਲ ਲੈ ਜਾਵੇਗਾ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਡੇਟਾ ਕਲੀਨਿੰਗ ਕੋਡ ਡਰਾਫਟ:
ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਸੈਂਸਰ ਡੇਟਾਸੈਟ ਲਈ ਮੈਨੂੰ ਇੱਕ ਕਲੀਨਅੱਪ ਪਾਈਥਨ ਸਕ੍ਰਿਪਟ ਲਿਖੋ। ਇਨਪੁਟ: ਟਾਈਮਸਟੈਂਪਡ CSV, ਕਾਲਮ [ਸੂਚੀ]। (1) ਫਲੈਗ ਗੁੰਮ ਮੁੱਲ (ਮਿਟਾਓ, ਭਰਨ ਦੇ ਵਿਕਲਪ), (2) ਫਲੈਗ ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਅਸੰਭਵ ਮੁੱਲ (ਨਕਾਰਾਤਮਕ ਪ੍ਰਵਾਹ ਦਰ, ਰੇਂਜ ਤੋਂ ਬਾਹਰ ਦਾ ਤਾਪਮਾਨ), (3) ਇਕਾਈ ਦੀ ਇਕਸਾਰਤਾ ਦੀ ਜਾਂਚ ਕਰੋ, (4) ਸਫਾਈ ਦੇ ਫੈਸਲਿਆਂ ਦੀ ਰਿਪੋਰਟ ਕਰੋ ਪਰ ਆਟੋ-ਡਿਲੀਟ ਨਾ ਕਰੋ; ਮੈਂ ਪੁਸ਼ਟੀ ਕਰਾਂਗਾ। ਰਾਜ ਦੀਆਂ ਧਾਰਨਾਵਾਂ।
2) SPC / ਕੰਟਰੋਲ ਚਾਰਟ ਵਿਆਖਿਆ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਗੁਣਵੱਤਾ ਇੰਜੀਨੀਅਰ. ਮੈਂ ਤੁਹਾਨੂੰ ਇੱਕ ਵੇਰੀਏਬਲ ਦੀ ਸਮਾਂ ਲੜੀ ਅਤੇ ਨਿਯੰਤਰਣ ਸੀਮਾਵਾਂ (UCL/LCL) ਦੇਵਾਂਗਾ। ਮਿਆਰੀ SPC ਨਿਯਮ ਲਾਗੂ ਕਰੋ (ਸੀਮਾ ਤੋਂ ਬਾਹਰ, ਕ੍ਰਮਵਾਰ ਰੁਝਾਨ, ਇੱਕ ਪਾਸੇ ਕਲੱਸਟਰ) ਅਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ ਕਿ ਕਿਹੜੇ ਬਿੰਦੂ "ਵਿਸ਼ੇਸ਼ ਕਾਰਨ" ਉਮੀਦਵਾਰ ਹਨ। ਹਰੇਕ ਚਿੰਨ੍ਹ ਲਈ, ਇਹ ਵੀ ਦਰਸਾਓ ਕਿ ਕੀ ਇਹ ਇੱਕ ਅਸਲ ਪ੍ਰਕਿਰਿਆ ਘਟਨਾ ਹੈ ਜਾਂ ਇੱਕ ਸੰਭਵ ਮਾਪ ਸਮੱਸਿਆ ਹੈ। ਫੈਸਲਾ ਮੇਰੇ ਉੱਤੇ ਹੈ; ਤੁਸੀਂ ਉਮੀਦਵਾਰ ਅਤੇ ਤਰਕ ਪੇਸ਼ ਕਰਦੇ ਹੋ। ਡੇਟਾ: [ਪੇਸਟ]
3) ਅਸੰਗਤ ਭਰੋਸੇਯੋਗਤਾ ਫਿਲਟਰ:
ਤੁਸੀਂ ਨਿਮਨਲਿਖਤ ਅਸੰਗਤਤਾ ਨੂੰ ਫਲੈਗ ਕੀਤਾ ਹੈ: [ਵੇਰਵਾ]। ਕੋਈ ਫੈਸਲਾ ਲੈਣ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਭਰੋਸੇਯੋਗਤਾ ਚੈਕਲਿਸਟ ਲਾਗੂ ਕਰੋ: (1) ਕੀ ਇਹ ਆਸ ਪਾਸ/ਸਬੰਧਤ ਸੈਂਸਰਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ, (2) ਕੀ ਇਹ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਸੰਭਵ ਹੈ, (3) ਕੀ ਇਹ ਰੱਖ-ਰਖਾਅ/ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਰਿਕਾਰਡ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ, (4) ਕੀ ਇਹ ਇੱਕ ਸਿੰਗਲ ਪੁਆਇੰਟ ਜਾਂ ਨਿਰੰਤਰਤਾ ਹੈ? Evaluate whether it is a "real process event" or a "possible sensor problem". ਇੱਕ ਨਿਸ਼ਚਤ ਨਿਦਾਨ ਬਣਾਉਣਾ; ਖੋਜ ਸਿਰਲੇਖ ਦਿਓ.
4) ਮੂਲ ਕਾਰਨ ਅਨੁਮਾਨ (ਨਿਦਾਨ ਨਹੀਂ):
ਨਿਮਨਲਿਖਤ ਗੁਣਵੱਤਾ/ਪ੍ਰਕਿਰਿਆ ਵਿਵਹਾਰ ਦੇਖਿਆ ਗਿਆ ਸੀ: [ਵੇਰਵਾ, ਸੰਖਿਆ]। ਸੰਭਾਵਨਾ ਦੇ ਕ੍ਰਮ ਵਿੱਚ ਸੰਭਾਵਿਤ ਮੂਲ ਕਾਰਨਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ (ਫੀਡ, ਉਤਪ੍ਰੇਰਕ, ਸੈਂਸਰ, ਓਪਰੇਟਿੰਗ ਸਥਿਤੀ, ਰੱਖ-ਰਖਾਅ)। ਹਰੇਕ ਪਰਿਕਲਪਨਾ ਲਈ, ਇਹ ਲਿਖੋ ਕਿ ਮੈਨੂੰ ਇਸਦੀ ਪੁਸ਼ਟੀ/ਨਿਰਮਾਣ ਕਰਨ ਲਈ ਕਿਹੜਾ ਡੇਟਾ ਜਾਂ ਟੈਸਟ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਕੋਈ ਨਿਦਾਨ ਨਹੀਂ ਹੈ, ਇਹ ਇੱਕ ਜਾਂਚ ਯੋਜਨਾ ਹੈ; ਇੱਕ ਨਿਸ਼ਚਿਤ ਕਾਰਨ ਦਾ ਐਲਾਨ ਨਾ ਕਰੋ.
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਕੀ ਇਸ ਸੈਂਸਰ ਡੇਟਾ ਵਿੱਚ ਕੋਈ ਸਮੱਸਿਆ ਹੈ?
"ਸਮੱਸਿਆ" ਪਰਿਭਾਸ਼ਿਤ ਹੈ, ਕੋਈ ਪ੍ਰਸੰਗ ਨਹੀਂ ਹੈ। AI ਬੇਤਰਤੀਬੇ ਛਾਲਾਂ ਨੂੰ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਦੱਸ ਸਕਦਾ ਹੈ ਜਾਂ ਅਸਲ ਵਹਿਣ ਤੋਂ ਖੁੰਝ ਸਕਦਾ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਪ੍ਰਕਿਰਿਆ ਨਿਯੰਤਰਣ ਇੰਜੀਨੀਅਰ. ਮੈਂ ਤੁਹਾਨੂੰ 14 ਦਿਨ ਅਤੇ 1 ਮਿੰਟ ਦਾ ਰਿਐਕਟਰ ਤਾਪਮਾਨ ਡਾਟਾ ਦੇ ਰਿਹਾ ਹਾਂ। ਸਧਾਰਣ ਰੇਂਜ 78-82°C, UCL 84, LCL 76. ਟਾਸਕ: (1) ਹੌਲੀ ਵਹਿਣ, ਅਚਾਨਕ ਛਾਲ, ਦੋਲਨ ਵਧਾਉਣ ਦੇ ਪੈਟਰਨ, (2) ਹਰੇਕ ਚਿੰਨ੍ਹ ਲਈ ਸੰਕੇਤ ਕਰੋ ਕਿ ਇਹ ਅਸਲ ਘਟਨਾ ਜਾਂ ਸੈਂਸਰ ਹੋ ਸਕਦਾ ਹੈ, (3) ਸੂਚੀ ਜਿਸਦੀ ਪਹਿਲਾਂ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ। ਇੱਕ ਨਿਸ਼ਚਤ ਨਿਦਾਨ ਬਣਾਉਣਾ; ਸਿਰਫ਼ ਅਸਲ ਡਾਟਾ 'ਤੇ ਆਧਾਰਿਤ ਹੈ, ਨਹੀਂ ਬਣਾਇਆ ਗਿਆ। ਡੇਟਾ: [ਪੇਸਟ]
ਫਰਕ ਸਪੱਸ਼ਟ ਹੈ: ਵੇਰੀਏਬਲ, ਆਮ ਰੇਂਜ, ਸੀਮਾਵਾਂ, ਅਤੇ "ਉਮੀਦਵਾਰ, ਨਿਦਾਨ ਨਹੀਂ" ਫਰੇਮਵਰਕ ਆਉਟਪੁੱਟ ਨੂੰ ਉਪਯੋਗੀ ਬਣਾਉਂਦੇ ਹਨ।
ਗੁਣਵੱਤਾ/ਨਿਯੰਤਰਣ ਡੇਟਾ ਵਿੱਚ ਭੂਮਿਕਾ ਦੀ ਵੰਡ
ਕਾਰੋਬਾਰ
ਏਆਈ ਦੀ ਭੂਮਿਕਾ
ਆਦਮੀ ਦਾ ਫੈਸਲਾ
ਡਾਟਾ ਸਫਾਈ
ਕੋਡ, ਝੰਡਾ
Invalid data decision
ਵਿਗਾੜ
ਨਿਸ਼ਾਨਦੇਹੀ
ਅਸਲ/ਸੈਂਸਰ ਅੰਤਰ
ਐਸ.ਪੀ.ਸੀ
ਨਿਯਮ ਲਾਗੂ ਕਰਨਾ
ਦਖਲ ਦਾ ਫੈਸਲਾ
ਸਬੰਧ
ਰਿਸ਼ਤੇ ਦੀ ਨਿਸ਼ਾਨਦੇਹੀ
ਕਾਰਨ ਦੀ ਜਾਂਚ
ਮੂਲ ਕਾਰਨ
ਕਲਪਨਾ ਸੂਚੀ
ਨਿਦਾਨ, ਕਾਰਵਾਈ
ਸੁਰੱਖਿਆ ਸੁਰੱਖਿਆ
- (ਦਾਇਰੇ ਤੋਂ ਬਾਹਰ)
ਸੁਤੰਤਰ SIS
ਆਮ ਗਲਤੀਆਂ
- ਇੱਕ ਅਸਲ ਪ੍ਰਕਿਰਿਆ ਘਟਨਾ ਲਈ ਹਰ ਅਸੰਗਤਤਾ ਨੂੰ ਗਲਤ ਕਰਨਾ. Most of it is a sensor/calibration issue; ਡੇਟਾ ਭਰੋਸੇਯੋਗਤਾ ਪਹਿਲਾਂ ਫਿਲਟਰ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
- ਕਾਰਨ ਦੇ ਤੌਰ 'ਤੇ ਸਬੰਧ ਨੂੰ ਸਮਝਣਾ। ਇਕੱਠੇ ਕੰਮ ਕਰਨ ਵਾਲੇ ਵੇਰੀਏਬਲ ਇੱਕ ਦੂਜੇ ਦਾ ਕਾਰਨ ਨਹੀਂ ਹੋ ਸਕਦੇ।
- ਇੱਕ ਸੁਰੱਖਿਆ ਪ੍ਰਣਾਲੀ ਦੇ ਤੌਰ ਤੇ AI ਦੀ ਵਰਤੋਂ ਕਰਨਾ। ਜੀਵਨ/ਸੁਵਿਧਾ ਦੀ ਸੁਰੱਖਿਆ ਇੱਕ ਸੁਤੰਤਰ, ਪ੍ਰਮਾਣਿਤ SIS ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ।
- Allow automatic data deletion. ਇੰਜੀਨੀਅਰ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਕਿ ਉਸ ਦੇ ਪ੍ਰਕਿਰਿਆ ਗਿਆਨ ਨਾਲ ਕੀ ਅਯੋਗ ਹੈ।
- ਨਿਦਾਨ ਲਈ AI ਮੂਲ ਕਾਰਨ ਦੀ ਪਰਿਕਲਪਨਾ ਨੂੰ ਗਲਤ ਕਰਨਾ. ਕਲਪਨਾ ਉਦੋਂ ਤੱਕ ਖੋਜ ਦੇ ਵਿਸ਼ੇ ਹਨ ਜਦੋਂ ਤੱਕ ਉਹਨਾਂ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਹੋ ਜਾਂਦੀ, ਸਿੱਟੇ ਨਹੀਂ।
ਸੰਖੇਪ ਵਿੱਚ
ਗੁਣਵੱਤਾ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਨਿਯੰਤਰਣ ਡੇਟਾ ਵਿੱਚ AI; ਇਹ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਕ ਹੈ ਜੋ ਡੇਟਾ ਨੂੰ ਸਾਫ਼ ਕਰਦਾ ਹੈ, ਵਿਗਾੜਾਂ ਅਤੇ ਰੁਝਾਨਾਂ ਨੂੰ ਫਲੈਗ ਕਰਦਾ ਹੈ, SPC ਨਿਯਮਾਂ ਨੂੰ ਲਾਗੂ ਕਰਦਾ ਹੈ, ਅਤੇ ਸਬੰਧਾਂ ਅਤੇ ਮੂਲ ਕਾਰਨ ਦੀਆਂ ਧਾਰਨਾਵਾਂ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਪਰ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਇੰਜੀਨੀਅਰ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਕੋਈ ਭਟਕਣਾ ਅਸਲ ਹੈ ਜਾਂ ਸੈਂਸਰ, ਕੀ ਸਬੰਧ ਕਾਰਨ ਹੈ, ਮੂਲ ਕਾਰਨ ਅਤੇ ਦਖਲ ਹੈ। AI ਇੱਕ ਨਿਗਰਾਨੀ ਅਤੇ ਫੈਸਲੇ-ਸਹਿਯੋਗੀ ਪਰਤ ਹੈ; ਉਹ ਸੁਰੱਖਿਆ, ਸੁਤੰਤਰ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਸੁਰੱਖਿਆ ਪ੍ਰਣਾਲੀਆਂ ਹਨ ਜੋ ਜੀਵਨ ਅਤੇ ਸੁਵਿਧਾ ਦੀ ਸੁਰੱਖਿਆ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦੀਆਂ ਹਨ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਸੈਂਸਰ ਡੇਟਾ ਸੈੱਟ (ਜਾਂ ਨਮੂਨਾ ਸਮਾਂ ਲੜੀ) ਲਓ। "SPC / ਨਿਯੰਤਰਣ ਚਾਰਟ ਵਿਆਖਿਆ" ਟੈਮਪਲੇਟ ਨਾਲ AI ਫਲੈਗ ਵਿਸ਼ੇਸ਼ ਕਾਰਨ ਉਮੀਦਵਾਰਾਂ ਨੂੰ ਰੱਖੋ। ਹਰੇਕ ਚਿੰਨ੍ਹ ਲਈ, "ਅਨੁਮਾਲੀ ਭਰੋਸੇਯੋਗਤਾ ਫਿਲਟਰ" ਟੈਮਪਲੇਟ ਨੂੰ ਇਹ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਲਾਗੂ ਕਰੋ ਕਿ ਇਹ ਇੱਕ ਅਸਲ ਘਟਨਾ ਹੈ ਜਾਂ ਇੱਕ ਸੈਂਸਰ ਸਮੱਸਿਆ ਹੈ। ਆਪਣੇ ਪ੍ਰਕਿਰਿਆ ਦੇ ਗਿਆਨ ਦੇ ਨਾਲ ਕਾਰਣ ਲਈ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਸਬੰਧ ਦੀ ਜਾਂਚ ਕਰੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਪਹਿਲਾਂ ਡੇਟਾ ਭਰੋਸੇਯੋਗਤਾ (ਸੈਂਸਰ/ਕੈਲੀਬ੍ਰੇਸ਼ਨ) ਲਈ ਅਸੰਗਤ ਸੰਕੇਤਾਂ ਨੂੰ ਫਿਲਟਰ ਕੀਤਾ।
- [ ] ਮੈਂ ਪ੍ਰਕਿਰਿਆ ਦੀ ਜਾਣਕਾਰੀ ਦੇ ਨਾਲ ਕਾਰਨ ਲਈ ਸਬੰਧਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ।
- [ ] ਮੈਂ SPC ਸਿਗਨਲਾਂ ਨੂੰ ਦਖਲਅੰਦਾਜ਼ੀ ਦੇ ਫੈਸਲੇ ਵਿੱਚ ਬਦਲ ਦਿੱਤਾ, ਮੈਂ ਇਸਨੂੰ AI ਤੇ ਨਹੀਂ ਛੱਡਿਆ।
- [ ] ਡੇਟਾ ਕਲੀਨਿੰਗ ਵਿੱਚ, ਮੈਂ ਪ੍ਰਵਾਨਿਤ ਫੈਸਲੇ ਨੂੰ ਲਾਗੂ ਕੀਤਾ, ਆਟੋਮੈਟਿਕ ਮਿਟਾਉਣਾ ਨਹੀਂ।
- [ ] ਮੈਂ ਸੁਰੱਖਿਆ ਸੁਰੱਖਿਆ ਨੂੰ ਸੁਤੰਤਰ ਸਿਸਟਮ ਲਈ ਛੱਡ ਦਿੱਤਾ ਹੈ, ਨਾ ਕਿ AI ਨੂੰ।