ਹਲ ਫਾਰਮ ਡਿਜ਼ਾਈਨ ਅਤੇ ਹਾਈਡ੍ਰੋਡਾਇਨਾਮਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਏ.ਆਈ

ਲਾਭ:

• ਇੱਕ ਢਾਂਚਾਗਤ ਫਾਰਮੈਟ ਵਿੱਚ AI ਨੂੰ ਹਲ ਫਾਰਮ, ਪ੍ਰਤੀਰੋਧ ਅਤੇ ਪ੍ਰੋਪਲਸ਼ਨ ਪੈਰਾਮੀਟਰ ਦੇ ਕੇ ਸ਼ੁਰੂਆਤੀ ਆਕਾਰ ਅਤੇ ਡਿਜ਼ਾਈਨ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• ਏਆਈ ਸਹਾਇਤਾ ਦੇ ਨਾਲ ਸੀਐਫਡੀ (ਕੰਪਿਊਟੇਸ਼ਨਲ ਤਰਲ ਡਾਇਨਾਮਿਕਸ) ਅਧਿਐਨ, ਨੈਟਵਰਕ ਅਤੇ ਸੀਮਾ ਸਥਿਤੀ ਤਰਕ ਦੇ ਸੈੱਟਅੱਪ ਦੀ ਪੁੱਛਗਿੱਛ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• ਮਾਡਲ ਪ੍ਰਯੋਗ, ਅਨੁਭਵੀ ਵਿਧੀ, ਅਤੇ ਭੌਤਿਕ ਪ੍ਰਸੰਸਾਯੋਗਤਾ ਦੇ ਨਾਲ AI ਦੇ ਹਾਈਡ੍ਰੋਡਾਇਨਾਮਿਕ ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਦੀ ਕਰਾਸ-ਚੈਕਿੰਗ ਦੁਆਰਾ ਫਿਟਿੰਗ ਗੁਣਾਂ ਅਤੇ ਨਤੀਜਿਆਂ ਨੂੰ ਹਾਸਲ ਕਰਨ ਦੀ ਸਮਰੱਥਾ

ਸਮੁੰਦਰੀ ਜਹਾਜ਼ ਦੀ ਸਮੁੱਚੀ ਆਰਥਿਕਤਾ ਇਸ ਦੇ ਡੁੱਬੇ ਰੂਪ ਵਿੱਚ ਛੁਪੀ ਹੋਈ ਹੈ। ਜਦੋਂ ਹਲ ਦਾ ਰੂਪ (ਹੱਲ ਦਾ ਰੂਪ; ਜਹਾਜ਼ ਦੀ ਪਾਣੀ ਦੇ ਹੇਠਾਂ ਅਤੇ ਸਤਹ ਦੀ ਹਲ ਦੀ ਜਿਓਮੈਟਰੀ) ਇੱਕ ਮਿਲੀਮੀਟਰ ਤੱਕ ਵੀ ਬਦਲ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਇਹ ਜੋ ਬਾਲਣ ਸਾੜੇਗਾ, ਇਹ ਜੋ ਮਾਲ ਲੈ ਜਾਵੇਗਾ ਅਤੇ ਉਸ ਜਹਾਜ਼ ਦੇ ਪੂਰੇ ਜੀਵਨ ਦੌਰਾਨ ਨਿਕਾਸੀ ਬਿੱਲ ਬਦਲ ਜਾਵੇਗਾ। ਇਸ ਲਈ, ਫਾਰਮ ਡਿਜ਼ਾਈਨ ਅਤੇ ਹਾਈਡ੍ਰੋਡਾਇਨਾਮਿਕਸ (ਕਿਸ਼ਤੀ ਦੇ ਆਲੇ ਦੁਆਲੇ ਪਾਣੀ ਦੇ ਵਹਾਅ ਦਾ ਵਿਗਿਆਨ ਅਤੇ ਇਸ ਨਾਲ ਪੈਦਾ ਹੋਣ ਵਾਲੀਆਂ ਸ਼ਕਤੀਆਂ) ਉਹ ਪੜਾਅ ਹਨ ਜਿੱਥੇ ਜਲ ਸੈਨਾ ਇੰਜੀਨੀਅਰਿੰਗ ਦੇ ਸਭ ਤੋਂ ਮਹਿੰਗੇ ਫੈਸਲੇ ਲਏ ਜਾਂਦੇ ਹਨ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਇਸ ਪੜਾਅ 'ਤੇ ਤਿੰਨ ਕੰਮਾਂ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ: ਸ਼ੁਰੂਆਤੀ ਆਕਾਰ ਅਤੇ ਡਿਜ਼ਾਈਨ ਖੋਜ, ਅਨੁਭਵੀ ਪ੍ਰਤੀਰੋਧਕ ਤਰੀਕਿਆਂ ਦੀ ਸਥਾਪਨਾ, ਅਤੇ ਕੰਪਿਊਟੇਸ਼ਨਲ ਤਰਲ ਡਾਇਨਾਮਿਕਸ (CFD) ਅਧਿਐਨਾਂ ਦੀ ਯੋਜਨਾਬੰਦੀ।

ਪਰ ਆਓ ਇਸ ਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਲਾਗੂ ਕਰੀਏ: ਕੋਈ ਪ੍ਰਤੀਰੋਧ ਵਕਰ ਨਹੀਂ, AI ਦੁਆਰਾ ਦਿੱਤਾ ਗਿਆ ਕੋਈ ਵੀ ਫਾਰਮ ਗੁਣਾਂਕ ਮਾਡਲ ਪ੍ਰਯੋਗ ਜਾਂ ਪ੍ਰਮਾਣਿਤ ਵਿਧੀ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਇੱਕ ਪ੍ਰੋਪਲਸ਼ਨ ਫੈਸਲੇ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਦਾ ਹੈ। ਪਾਣੀ ਫਾਰਮੂਲੇ ਨਹੀਂ ਪੜ੍ਹਦਾ; ਕਿਸ਼ਤੀ ਦਾ ਅਸਲ ਵਿਵਹਾਰ ਸਿਰਫ ਮਾਪ ਅਤੇ ਭੌਤਿਕ ਸੁਹਜਤਾ ਦੁਆਰਾ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ. ਏਆਈ ਇੱਥੇ ਇੱਕ ਐਕਸਲੇਟਰ ਅਤੇ ਵਿਚਾਰ ਜਨਰੇਟਰ ਹੈ; ਹਾਈਡ੍ਰੋਡਾਇਨਾਮਿਕਸ ਅਸਲੀਅਤ ਦਾ ਗਵਾਹ ਨਹੀਂ ਹੈ।

ਧਾਰਨਾਵਾਂ: ਪ੍ਰਤੀਰੋਧ: ਕਿਸ਼ਤੀ 'ਤੇ ਪਾਣੀ ਦੁਆਰਾ ਅੱਗੇ ਵਧਣ ਦੇ ਨਾਲ ਵਿਰੋਧੀ ਸ਼ਕਤੀ ਦਾ ਅਭਿਆਸ; ਇਸ ਵਿੱਚ ਰਗੜ, ਤਰੰਗ ਅਤੇ ਵੌਰਟੈਕਸ ਭਾਗ ਹੁੰਦੇ ਹਨ। ਬਲਾਕ ਗੁਣਾਂਕ (Cb): ਇਸ ਦੇ ਆਲੇ ਦੁਆਲੇ ਦੇ ਆਇਤਾਕਾਰ ਪ੍ਰਿਜ਼ਮ ਅਤੇ ਹਲ ਦੇ ਪਾਣੀ ਦੇ ਹੇਠਲੇ ਹਿੱਸੇ ਦਾ ਅਨੁਪਾਤ; ਸੰਪੂਰਨਤਾ ਦਾ ਇੱਕ ਮਾਪ ਹੈ। ਫਰਾਉਡ ਨੰਬਰ (Fn): ਕਿਸ਼ਤੀ ਦੀ ਲੰਬਾਈ ਨਾਲ ਗਤੀ ਨਾਲ ਸਬੰਧਤ ਅਯਾਮ ਰਹਿਤ ਸੰਖਿਆ; ਤਰੰਗ ਪ੍ਰਤੀਰੋਧ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ। ਪ੍ਰੋਪਲਸ਼ਨ ਕੁਸ਼ਲਤਾ: ਇੰਜਣ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੀ ਸ਼ਕਤੀ ਦਾ ਕਿੰਨਾ ਹਿੱਸਾ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਥ੍ਰਸਟ ਵਿੱਚ ਬਦਲਿਆ ਜਾਂਦਾ ਹੈ। EHP/DHP: ਪ੍ਰਭਾਵੀ ਸ਼ਕਤੀ (ਪ੍ਰਭਾਵੀ ਹਾਰਸ ਪਾਵਰ, ਕਿਸ਼ਤੀ ਦੇ ਵਿਰੋਧ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਸ਼ਕਤੀ) ਅਤੇ ਡਿਲੀਵਰਡ ਪਾਵਰ (ਡਿਲੀਵਰਡ ਹਾਰਸ ਪਾਵਰ, ਪ੍ਰੋਪੈਲਰ ਤੱਕ ਪਹੁੰਚਣ ਵਾਲੀ ਸ਼ਕਤੀ)।

ਸ਼ੁਰੂਆਤੀ ਆਕਾਰ ਅਤੇ ਡਿਜ਼ਾਈਨ ਖੋਜ

ਫਾਰਮ ਡਿਜ਼ਾਈਨ ਇੱਕ ਖੋਜ ਸਮੱਸਿਆ ਹੈ: ਮੁੱਖ ਮਾਪਾਂ (ਲੰਬਾਈ Lpp, ਚੌੜਾਈ B, ਡਰਾਫਟ T), ਫਾਰਮ ਗੁਣਾਂਕ (Cb, ਪ੍ਰਿਜ਼ਮੈਟਿਕ ਗੁਣਾਂਕ Cp, ਮੱਧ-ਸੈਕਸ਼ਨ ਗੁਣਾਂਕ Cm) ਅਤੇ ਗਤੀ ਵਿਚਕਾਰ ਬੇਅੰਤ ਸੰਜੋਗ ਹਨ। ਕਲਾਸੀਕਲ ਵਿਧੀ ਵਿੱਚ, ਇੰਜਨੀਅਰ ਸਮਾਨ ਜਹਾਜ਼ਾਂ (ਮੁੱਖ ਲੰਬਾਈ ਦੀ ਲੜੀ, ਰਿਗਰੈਸ਼ਨ ਸਬੰਧ) ਦੇ ਡੇਟਾ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ। AI ਇਸ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ: ਮਿੰਟਾਂ ਵਿੱਚ ਇਹ ਦਰਜਨਾਂ ਉਮੀਦਵਾਰਾਂ ਦੇ ਵੱਡੇ ਆਕਾਰ ਦੇ ਸੰਜੋਗਾਂ ਨੂੰ ਸਾਰਣੀਬੱਧ ਕਰਦਾ ਹੈ, ਹਰੇਕ ਦਾ ਅਨੁਮਾਨਿਤ ਵਿਸਥਾਪਨ, ਅਤੇ ਕੀ L/B, B/T ਅਨੁਪਾਤ ਆਮ ਰੇਂਜਾਂ ਵਿੱਚ ਆਉਂਦੇ ਹਨ।

ਇੱਥੇ ਕਦਮ ਦਰ ਕਦਮ ਪ੍ਰਕਿਰਿਆ ਹੈ. ਪਹਿਲਾ ਕਦਮ ਮਿਸ਼ਨ ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਠੀਕ ਕਰਨਾ ਹੈ: ਲਿਜਾਇਆ ਜਾਣ ਵਾਲਾ ਮਾਲ, ਸੀਮਾ, ਸੇਵਾ ਦੀ ਗਤੀ, ਚੈਨਲ/ਪੋਰਟ ਦੀਆਂ ਰੁਕਾਵਟਾਂ (ਜਿਵੇਂ ਪਨਾਮਾ, ਸੁਏਜ਼ ਚੌੜਾਈ-ਡਰਾਫਟ ਸੀਮਾਵਾਂ)। ਦੂਜਾ ਕਦਮ ਹੈ ਮੋਟੇ ਤੌਰ 'ਤੇ ਸਮਾਨ ਜਹਾਜ਼ ਡੇਟਾ ਦੇ ਨਾਲ ਪਹਿਲੀ ਵੱਡੀ ਲੰਬਾਈ ਦਾ ਪਤਾ ਲਗਾਉਣਾ। ਤੀਜਾ ਕਦਮ ਸਪੀਡ-ਪਹਿਲੂ ਅਨੁਪਾਤ (ਫਰੌਡ ਨੰਬਰ) ਦੇ ਅਨੁਸਾਰ ਇੱਕ ਵਾਜਬ ਸੀਮਾ ਦੇ ਅੰਦਰ ਫਾਰਮ ਗੁਣਾਂਕ ਦੀ ਚੋਣ ਕਰਨਾ ਹੈ। ਚੌਥਾ ਕਦਮ ਇੱਕ ਅਨੁਭਵੀ ਵਿਧੀ (ਜਿਵੇਂ ਕਿ ਹੋਲਟ੍ਰੋਪ-ਮੇਨੇਨ ਰਿਗਰੈਸ਼ਨ) ਦੁਆਰਾ ਪ੍ਰਤੀਰੋਧ ਅਤੇ ਸ਼ਕਤੀ ਦਾ ਮੁਢਲਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਹੈ। ਇਹਨਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਪੜਾਅ 'ਤੇ, AI ਫਾਰਮੂਲਾ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਨੰਬਰ ਬਣਾਉਂਦਾ ਹੈ; ਪਰ ਇਹ ਲਾਜ਼ਮੀ ਹੈ ਕਿ ਤੁਸੀਂ ਹਰੇਕ ਗੁਣਾਂਕ ਦੇ ਸਰੋਤ ਨੂੰ ਪੁੱਛੋ ਅਤੇ ਇਸਦੀ ਆਮ ਰੇਂਜ ਨਾਲ ਤੁਲਨਾ ਕਰੋ।

ਸੰਕੇਤ: ਜਦੋਂ ਤੁਹਾਡੇ ਕੋਲ AI ਇੱਕ ਫਾਰਮ ਗੁਣਾਂਕ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਪੁੱਛੋ "ਕੀ ਇਹ Cb ਮੁੱਲ ਇਸ ਫਰਾਉਡ ਨੰਬਰ ਲਈ ਖਾਸ ਹੈ; ਇਹ ਕਿਸ ਰੇਂਜ ਵਿੱਚ ਆਉਣਾ ਚਾਹੀਦਾ ਹੈ?" ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਉੱਚ-ਗਤੀ ਦੇ ਰੂਪ ਵਿੱਚ, ਇੱਕ ਪੂਰਾ Cb (0.80+) ਤਰੰਗ ਪ੍ਰਤੀਰੋਧ ਨੂੰ ਵਿਸਫੋਟ ਕਰਦਾ ਹੈ; AI ਤੁਹਾਨੂੰ ਇਸ ਦੀ ਯਾਦ ਦਿਵਾ ਸਕਦਾ ਹੈ, ਪਰ ਆਖਰੀ ਚੋਣ ਸਮਾਨ ਸ਼ਿਪ ਡੇਟਾ ਦੇ ਨਾਲ ਤੁਹਾਡੀ ਹੈ।

CFD ਸੈੱਟਅੱਪ ਵਿੱਚ ਅਨੁਭਵੀ ਢੰਗ ਅਤੇ AI

ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ ਵਿੱਚ, ਪ੍ਰਤੀਰੋਧ ਦਾ ਅਨੁਮਾਨ ਮਾਡਲ ਪ੍ਰਯੋਗਾਂ ਦੀ ਬਜਾਏ ਅਨੁਭਵੀ ਰਿਗਰੈਸ਼ਨ ਵਿਧੀਆਂ ਦੁਆਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਹੋਲਟ੍ਰੋਪ-ਮੇਨੇਨ ਵਰਗੀਆਂ ਵਿਧੀਆਂ ਪ੍ਰਤੀਰੋਧ ਨੂੰ ਇਸਦੇ ਹਿੱਸਿਆਂ ਵਿੱਚ ਤੋੜ ਦਿੰਦੀਆਂ ਹਨ: ਜਹਾਜ਼ਾਂ ਦੇ ਇੱਕ ਵੱਡੇ ਡੇਟਾਬੇਸ ਤੋਂ ਲਏ ਗਏ ਫਾਰਮੂਲਿਆਂ ਦੇ ਨਾਲ, ਰਗੜ ਪ੍ਰਤੀਰੋਧ, ਰੂਪ ਪ੍ਰਭਾਵ, ਤਰੰਗ ਪ੍ਰਤੀਰੋਧ, ਬਲਜ, ਅਤੇ ਹਵਾ ਪ੍ਰਤੀਰੋਧ। AI ਇਸ ਵਿਧੀ ਦੇ ਕਦਮਾਂ ਨੂੰ ਯਾਦ ਕਰਦਾ ਹੈ, ਵਿਚਕਾਰਲੇ ਗੁਣਾਂ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ ਅਤੇ ਇੱਕ ਸਪ੍ਰੈਡਸ਼ੀਟ ਪਿੰਜਰ ਬਣਾਉਂਦਾ ਹੈ। ਪਰ ਵਿਧੀ ਦੀ ਆਪਣੀ ਵੈਧਤਾ ਸੀਮਾ ਹੈ: ਹੋਲਟ੍ਰੋਪ ਕੁਝ ਖਾਸ Cb, Fn ਅਤੇ L/B ਰੇਂਜਾਂ ਲਈ ਲਿਆ ਗਿਆ ਹੈ; ਜੇਕਰ ਤੁਸੀਂ ਇਸ ਸੀਮਾ ਤੋਂ ਬਾਹਰ ਜਾਂਦੇ ਹੋ, ਤਾਂ ਨਤੀਜਾ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਹੋਵੇਗਾ। AI ਨੂੰ ਤੁਹਾਨੂੰ ਇਸ ਸੀਮਾ ਦੀ ਯਾਦ ਦਿਵਾਉਣੀ ਚਾਹੀਦੀ ਹੈ; ਜੇਕਰ ਉਹ ਤੁਹਾਨੂੰ ਯਾਦ ਨਹੀਂ ਦਿਵਾਉਂਦਾ, ਤਾਂ ਤੁਹਾਨੂੰ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ।

CFD ਵਾਲੇ ਪਾਸੇ, AI ਖੁਦ ਹੱਲ ਨਹੀਂ ਕਰਦਾ ਹੈ, ਪਰ ਇਹ ਤੁਹਾਨੂੰ ਸੈੱਟਅੱਪ ਦੀ ਪੁੱਛਗਿੱਛ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ: ਜਾਲ ਦੇ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਨੂੰ ਕਿੱਥੇ ਕੱਸਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਸੀਮਾ ਪਰਤ ਲਈ ਸ਼ੁਰੂਆਤੀ ਸੈੱਲ ਦੀ ਉਚਾਈ (y+) ਕੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ, ਗੜਬੜ ਮਾਡਲ (ਜਿਵੇਂ k-ω SST) ਕਿਉਂ ਚੁਣਿਆ ਗਿਆ ਹੈ, ਕਨਵਰਜੈਂਸ ਨੂੰ ਕਿਵੇਂ ਕੰਟਰੋਲ ਕਰਨਾ ਹੈ। ਇਹ ਅਧਿਆਪਕ-ਵਿਦਿਆਰਥੀ ਸੰਵਾਦ ਹੈ; ਜੋ ਸੰਖਿਆਤਮਕ ਨਤੀਜੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ ਉਹ ਹੈ ਜਾਲ ਸੁਤੰਤਰਤਾ ਅਧਿਐਨ (ਜਾਲ ਦੀ ਸੁਤੰਤਰਤਾ; ਜਦੋਂ ਤੁਸੀਂ ਨੈੱਟਵਰਕ ਨੂੰ ਕੱਸਦੇ ਹੋ ਤਾਂ ਨਤੀਜਾ ਨਹੀਂ ਬਦਲਦਾ) ਅਤੇ, ਜੇ ਸੰਭਵ ਹੋਵੇ, ਮਾਡਲ ਪ੍ਰਯੋਗ ਕੈਲੀਬ੍ਰੇਸ਼ਨ।

ਵਿਧੀ

ਕੀ ਦਿੰਦਾ ਹੈ

ਮਜ਼ਬੂਤ ਬਿੰਦੂ

ਸੀਮਾ/ਤਸਦੀਕ

ਸਮਾਨ ਜਹਾਜ਼/ਰਿਗਰੈਸ਼ਨ

ਪਹਿਲਾ ਵੱਡਾ ਆਕਾਰ, ਵਹਿਸ਼ੀ ਫੋਰਸ

ਬਹੁਤ ਤੇਜ਼, ਡਾਟਾ ਸਸਤਾ ਹੈ

ਸਿਰਫ਼ ਸਮਾਨ ਜਿਓਮੈਟਰੀ ਲਈ ਵੈਧ ਹੈ

ਹੋਲਟ੍ਰੋਪ-ਮੈਨੇਨ

ਕੰਪੋਨੈਂਟ ਪ੍ਰਤੀਰੋਧ ਕਰਵ

ਸਾਹਮਣੇ ਡਿਜ਼ਾਈਨ ਲਈ ਮਿਆਰੀ

Cb/Fn/L·B ਸੀਮਾ ਸੀਮਾ; ਮਾਡਲ ਦੀ ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਹੈ

CFDs

ਵਿਸਤ੍ਰਿਤ ਵਹਾਅ, ਦਬਾਅ ਖੇਤਰ

ਸਥਾਨਕ ਪ੍ਰਭਾਵ ਦੇਖਦਾ ਹੈ

ਨੈਟਵਰਕ ਅਤੇ ਗੜਬੜ ਵਾਲੇ ਮਾਡਲ ਲਈ ਸੰਵੇਦਨਸ਼ੀਲ; ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਜ਼ਰੂਰੀ ਹੈ

ਮਾਡਲ ਪ੍ਰਯੋਗ (ਪੂਲ)

ਅਸਲ ਵਿਰੋਧ ਨੂੰ ਮਾਪਿਆ

ਸਭ ਭਰੋਸੇਯੋਗ

ਮਹਿੰਗਾ, ਸਮਾਂ ਲੈਣ ਵਾਲਾ; ਸਕੇਲ ਪ੍ਰਭਾਵ ਸੁਧਾਰ

ਮਿੰਨੀ ਕੇਸ

ਕੇਸ 1 — ਫਿੱਟ ਕੀਤਾ ਸੁਧਾਰ ਗੁਣਾਂਕ। ਇੱਕ ਟੀਮ 190 ਮੀਟਰ ਟੈਂਕਰ ਲਈ ਹੋਲਟ੍ਰੋਪ ਨਾਲ ਕੁੱਲ ਖਿੱਚ ਦੀ ਗਣਨਾ 620 kN ਵਜੋਂ ਕਰਦੀ ਹੈ। ਜਦੋਂ ਉਹ AI ਨੂੰ "ਨਤੀਜੇ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ" ਲਈ ਕਹਿੰਦੇ ਹਨ, ਤਾਂ ਮਾਡਲ ਅਣਜਾਣ ਮੂਲ ਦਾ "0.80 ਫਾਰਮ ਸੁਧਾਰ ਗੁਣਕ" ਜੋੜਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਪ੍ਰਤੀਰੋਧ ਨੂੰ 496 kN ਤੱਕ ਘਟਾਉਂਦਾ ਹੈ। ਇਹ 20% ਕਟੌਤੀ ਲਗਭਗ ਇੱਕ ਹੋਸਟ ਕਲਾਸ ਦੁਆਰਾ ਪ੍ਰੋਪਲਸ਼ਨ ਨੂੰ ਘਟਾਉਂਦੀ ਹੈ। ਟੀਮ ਗੁਣਕ ਦੇ ਆਧਾਰ ਬਾਰੇ ਪੁੱਛਦੀ ਹੈ; AI ਸਰੋਤਾਂ ਦਾ ਹਵਾਲਾ ਨਹੀਂ ਦੇ ਸਕਦਾ। ਜਦੋਂ ਉਹ ਮਾਡਲ ਟੈਸਟ ਡੇਟਾ ਨਾਲ ਇਸਦੀ ਤੁਲਨਾ ਕਰਦੇ ਹਨ, ਤਾਂ ਉਹ ਦੇਖਦੇ ਹਨ ਕਿ ਅਸਲ ਪ੍ਰਤੀਰੋਧ ਲਗਭਗ 610 kN ਹੈ। ਪਾਠ: ਸਰੋਤ ਤੋਂ ਬਿਨਾਂ ਕੋਈ ਸੁਧਾਰ ਕਾਰਕ ਨਤੀਜੇ ਵਿੱਚ ਦਾਖਲ ਨਹੀਂ ਹੁੰਦਾ।

ਕੇਸ 2 — ਫਰਾਉਡ ਸੀਮਾ ਨੂੰ ਪਾਰ ਕਰਨਾ। ਇੱਕ ਵਿਦਿਆਰਥੀ ਕੋਲ 30 ਗੰਢਾਂ ਦੀ ਸੇਵਾ ਦੀ ਗਤੀ ਲਈ 50 ਮੀਟਰ ਫੈਰੀ ਦੇ ਟਾਕਰੇ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਹੋਲਟ੍ਰੋਪ ਹੈ। ਇਸ ਲੰਬਾਈ-ਸਪੀਡ ਲਈ ਫਰਾਊਡ ਨੰਬਰ ~ 0.70 ਤੱਕ ਵਧਦਾ ਹੈ; ਹੋਲਟ੍ਰੋਪ ਦੀ ਭਰੋਸੇਮੰਦ ਰੇਂਜ ਤੋਂ ਉੱਪਰ ਹੈ। AI ਪਹਿਲਾਂ ਬਿਨਾਂ ਦੱਸੇ ਨਤੀਜੇ ਦਿੰਦਾ ਹੈ। ਜਦੋਂ ਵਿਦਿਆਰਥੀ ਵੈਧਤਾ ਸੀਮਾ ਬਾਰੇ ਪੁੱਛਦਾ ਹੈ, ਤਾਂ ਇਹ ਪਤਾ ਚਲਦਾ ਹੈ ਕਿ ਇਹ ਵਿਧੀ ਇਸ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਢੁਕਵੀਂ ਨਹੀਂ ਹੈ ਅਤੇ ਪਲੈਨਰ/ਅਰਧ-ਵਿਸਥਾਪਨ ਫਾਰਮਾਂ ਲਈ ਇੱਕ ਵੱਖਰੀ ਵਿਧੀ (ਸਾਵਿਤਸਕੀ, ਆਦਿ) ਦੀ ਲੋੜ ਹੈ। ਪਾਠ: ਹਰ ਅਨੁਭਵੀ ਵਿਧੀ ਦੀ ਵੈਧਤਾ ਲਿਫਾਫੇ 'ਤੇ ਸਵਾਲ ਕਰੋ।

ਕੇਸ 3 — ਨੈੱਟਵਰਕ ਤੋਂ ਗਲਤੀ। ਇੱਕ CFD ਅਧਿਐਨ ਵਿੱਚ AI ਇੱਕ ਮੋਟੇ ਜਾਲ ਨਾਲ ਪ੍ਰਤੀਰੋਧ 540 kN ਦਿੰਦਾ ਹੈ। ਜਦੋਂ ਇੰਜੀਨੀਅਰ ਨੈਟਵਰਕ ਨੂੰ ਕੱਸਦਾ ਹੈ ਅਤੇ ਸੁਤੰਤਰਤਾ ਅਧਿਐਨ ਕਰਦਾ ਹੈ, ਤਾਂ ਨਤੀਜਾ 605 kN ਹੁੰਦਾ ਹੈ; ਸ਼ੁਰੂਆਤੀ ਮੁੱਲ 11% ਘੱਟ ਸੀ ਕਿਉਂਕਿ ਏਫਟ ਵੇਵ ਫੀਲਡ ਨੂੰ ਕਾਫ਼ੀ ਹੱਲ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਸੀ। ਪਾਠ: CFD ਨਤੀਜੇ ਨੂੰ ਨੈੱਟਵਰਕ ਸੁਤੰਤਰਤਾ ਅਧਿਐਨ ਤੋਂ ਬਿਨਾਂ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਕਾਪੀ ਕਰਨ ਯੋਗ ਪ੍ਰੋਂਪਟ ਟੈਂਪਲੇਟਸ

ਟੈਮਪਲੇਟ 1 — ਪ੍ਰੀ-ਸਾਈਜ਼ਿੰਗ ਖੋਜ:

ਭੂਮਿਕਾ: ਤੁਸੀਂ ਇੱਕ ਜਹਾਜ਼ ਦੇ ਸ਼ੁਰੂਆਤੀ ਡਿਜ਼ਾਈਨ ਸਲਾਹਕਾਰ ਹੋ। ਸੰਦਰਭ (ਪ੍ਰਤੀਨਿਧੀ): ਬਲਕ ਕੈਰੀਅਰ ਲਈ ਪੇਲੋਡ ~ 40,000 t, ਸੇਵਾ ਦੀ ਗਤੀ ~ 14.5 ਗੰਢ, ਸੁਏਜ਼ ਡਰਾਫਟ ਸੀਮਾ ਦੇ ਅੰਦਰ। ਕਾਰਜ: 1) 4 ਉਮੀਦਵਾਰ ਮੁੱਖ ਲੰਬਾਈ ਸੰਜੋਗਾਂ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰੋ (Lpp, B, T). 2) ਹਰੇਕ ਉਮੀਦਵਾਰ ਲਈ L/T, B/T, B/T ਡਿਸਪਲੇਸ, ਡਿਸਪਲੇਸ ਐਪਰੋ ver.3) ਨਿਸ਼ਾਨ ਲਗਾਓ ਕਿ ਕਿਹੜੇ ਅਨੁਪਾਤ ਆਮ ਰੇਂਜ ਤੋਂ ਬਾਹਰ ਆਉਂਦੇ ਹਨ। ਪਾਬੰਦੀ: ਹਰੇਕ ਸੰਖਿਆ ਦੀ ਇਕਾਈ ਲਿਖੋ; ਰਿਗਰੈਸ਼ਨ/ਡਾਟਾਬੇਸ ਦਿਓ ਜੋ ਤੁਸੀਂ ਵਰਤ ਰਹੇ ਹੋ; ਅੰਤਮ ਫੈਸਲਾ ਨਾ ਕਰੋ, ਉਮੀਦਵਾਰ ਜਮ੍ਹਾਂ ਕਰੋ।

ਟੈਂਪਲੇਟ 2 — ਹੋਲਟ੍ਰੋਪ ਰੋਧਕ ਗਣਨਾ ਨੂੰ ਕੌਂਫਿਗਰ ਕਰਨਾ:

ਹੋਲਟ੍ਰੋਪ-ਮੈਨੇਨ ਵਿਧੀ ਨਾਲ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਪ੍ਰਤੀਰੋਧ ਗਣਨਾ ਫਰੇਮਵਰਕ ਸੈਟ ਅਪ ਕਰੋ। ਇਨਪੁਟਸ (ਪ੍ਰਤੀਨਿਧੀ): Lpp, B, T, Cb, Cp, ਸੇਵਾ ਦੀ ਗਤੀ, ਗਿੱਲਾ ਖੇਤਰ. ਮੈਂ ਚਾਹੁੰਦਾ ਹਾਂ: 1) ਪ੍ਰਤੀਰੋਧਕ ਭਾਗਾਂ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਸੂਚੀਬੱਧ ਕਰੋ (ਘੜਨ, ਰੂਪ, ਤਰੰਗ, ਪ੍ਰੋਜੈਕਸ਼ਨ, ਹਵਾ)। 2) ਫਾਰਮੂਲਾ ਅਤੇ ਗੁਣਾਂਕ ਲਿਖੋ ਜੋ ਤੁਸੀਂ ਹਰੇਕ ਕੰਪੋਨੈਂਟ ਲਈ ਵਰਤਦੇ ਹੋ। 3) ਵਿਧੀ ਦੀ ਵੈਧਤਾ ਰੇਂਜ (Cb, Fn, L/B) ਨਿਰਧਾਰਤ ਕਰੋ ਅਤੇ ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਮੇਰੇ ਇਨਪੁੱਟ ਇਸ ਰੇਂਜ ਵਿੱਚ ਹਨ। et.4) ਮਾਡਲ ਪ੍ਰਯੋਗ ਦੇ ਨਾਲ ਨਤੀਜੇ ਨੂੰ ਕੈਲੀਬਰੇਟ ਕਰਨ ਦਾ ਤਰੀਕਾ ਸ਼ਾਮਲ ਕਰੋ।

ਟੈਮਪਲੇਟ 3 — CFD ਸੈੱਟਅੱਪ ਪੁੱਛਗਿੱਛ:

ਮੈਂ ਇੱਕ ਕਿਸ਼ਤੀ ਪ੍ਰਤੀਰੋਧ CFD ਅਧਿਐਨ ਸਥਾਪਤ ਕਰ ਰਿਹਾ/ਰਹੀ ਹਾਂ। ਨਿਮਨਲਿਖਤ ਫੈਸਲਿਆਂ ਨੂੰ ਜਾਇਜ਼ਤਾ ਦੇ ਨਾਲ ਸਮਝਾਓ ਅਤੇ ਮੁੱਲਾਂ ਦੀ ਇੱਕ ਖਾਸ ਰੇਂਜ ਦਿਓ: - ਗੜਬੜ ਮਾਡਲ ਦੀ ਚੋਣ ਅਤੇ ਕਾਰਨ - ਨੇੜੇ-ਦੀਵਾਰ ਹੱਲ (y+ ਟੀਚਾ) ਅਤੇ ਸ਼ੁਰੂਆਤੀ ਸੈੱਲ ਉਚਾਈ - ਮੁਫਤ ਸਤਹ (VOF) ਸੈਟਿੰਗਾਂ - ਕਨਵਰਜੈਂਸ ਅਤੇ ਜਾਲ ਦੀ ਸੁਤੰਤਰਤਾ ਦੀ ਜਾਂਚ ਕਿਵੇਂ ਕਰੀਏ ਹਰ ਸੁਝਾਅ ਲਈ "ਮੈਂ ਇਸ ਦੀ ਪੁਸ਼ਟੀ ਕਿਵੇਂ ਕਰਾਂ" ਲਾਈਨ ਸ਼ਾਮਲ ਕਰੋ।

ਨਮੂਨਾ 4 — ਨਤੀਜਾ ਤਰਕਸ਼ੀਲਤਾ ਜਾਂਚ:

ਹੇਠਾਂ ਦਿੱਤੇ ਪ੍ਰਤੀਰੋਧ/ਸ਼ਕਤੀ ਦੇ ਨਤੀਜੇ ਦੀ ਆਲੋਚਨਾ ਕਰੋ: [EHP, DHP, ਸਪੀਡ, ਪ੍ਰਤੀਰੋਧ ਮੁੱਲਾਂ ਨੂੰ ਪੇਸਟ ਕਰੋ] 1) ਕੀ ਇਸ ਆਕਾਰ ਦੇ ਜਹਾਜ਼ ਲਈ ਤੀਬਰਤਾ ਦਾ ਕ੍ਰਮ ਆਮ ਹੈ? 2) ਕੀ ਤੁਹਾਡੀ ਪ੍ਰੋਪਲਸ਼ਨ ਕੁਸ਼ਲਤਾ ਦੀ ਧਾਰਨਾ ਵਾਜਬ ਹੈ (ਆਮ ਤੌਰ 'ਤੇ 0.55-0.70)? 3) ਕੀ ਇਸ ਦੀ ਗਣਨਾ ਕਰੋ, ਕੀ ਇਸਦੀ ਸਪੀਡ ਬੈਕ ਐਂਟਰਿਸਟ ਮਾਰਕ ਕੀਤੀ ਗਈ ਹੈ? ਸ਼ੱਕੀ ਜਾਂ ਬੇਬੁਨਿਆਦ ਮੁੱਲ।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:

ਇਸ ਕਿਸ਼ਤੀ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਫਾਰਮ ਅਤੇ ਪ੍ਰਤੀਰੋਧਕ ਕਰਵ ਦਿਓ।

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:

ਭੂਮਿਕਾ: ਤੁਸੀਂ ਇੱਕ ਹਾਈਡ੍ਰੋਡਾਇਨਾਮਿਕ ਸ਼ੁਰੂਆਤੀ ਡਿਜ਼ਾਈਨ ਸਲਾਹਕਾਰ ਹੋ। ਸੰਦਰਭ (ਪ੍ਰਤੀਨਿਧੀ, ਅਸਲ ਪ੍ਰੋਜੈਕਟ ਨਹੀਂ): Lpp ~ 180 m, B ~ 32 m, T ~ 12.5 m, Cb ~ 0.84, ਸੇਵਾ ਦੀ ਗਤੀ ~ 14.5 ਗੰਢਾਂ। ਟਾਸਕ: ਹੋਲਟ੍ਰੋਪ ਵਿਧੀ ਦੁਆਰਾ ਕੰਪੋਨੈਂਟ ਸ਼ੁਰੂਆਤੀ ਪ੍ਰਤੀਰੋਧ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਓ; ਹਰੇਕ ਗੁਣਾਂਕ ਦਾ ਸਰੋਤ ਅਤੇ ਵਿਧੀ ਦੀ ਵੈਧਤਾ ਸੀਮਾ ਲਿਖੋ। ਪਾਬੰਦੀ: ਸਰੋਤ ਤੋਂ ਬਿਨਾਂ ਸੁਧਾਰ ਕਾਰਕ ਸ਼ਾਮਲ ਕਰੋ। ਸੂਚੀ ਬਣਾਓ ਕਿ ਮਾਡਲ ਟੈਸਟਿੰਗ ਨਾਲ ਨਤੀਜੇ ਦੀ ਪੁਸ਼ਟੀ ਕਿਵੇਂ ਕਰਨੀ ਹੈ ਅਤੇ ਮੈਨੂੰ ਕਿਹੜੇ ਮਾਪ ਲੈਣ ਦੀ ਲੋੜ ਹੈ। ਰਾਜ ਇਕਾਈਆਂ (kN, kW, ਗੰਢਾਂ) ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ ਫਾਰਮ "ਸਭ ਤੋਂ ਵਧੀਆ" ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਨਹੀਂ ਛੱਡਦਾ ਹੈ ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ ਦੀ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ ਹੈ; ਮਜ਼ਬੂਤ ​​ਪ੍ਰੋਂਪਟ ਸੰਦਰਭ, ਵਿਧੀ, ਵੈਧਤਾ ਸੀਮਾ, ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਮਾਰਗ ਦੀ ਬੇਨਤੀ ਕਰਦਾ ਹੈ।

ਆਮ ਗਲਤੀਆਂ

• ਵੈਧਤਾ ਲਿਫਾਫੇ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਹੋਲਟ੍ਰੋਪ ਜਾਂ ਉਸ ਰੇਂਜ ਤੋਂ ਬਾਹਰ ਕਿਸੇ ਹੋਰ ਰਿਗਰੈਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਜਿਸ ਤੋਂ ਇਹ ਲਿਆ ਗਿਆ ਸੀ, ਵਾਜਬ ਦਿੱਖ ਵਾਲਾ ਪਰ ਗਲਤ ਪ੍ਰਤੀਰੋਧ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
• ਇੱਕ ਗੈਰ-ਸਰੋਤ ਸੁਧਾਰ ਕਾਰਕ ਨੂੰ ਅਪਣਾਉਣਾ। "ਸੁਧਾਰ ਕਰੋ" ਕਹੋ ਅਤੇ AI ਜੋੜੇ ਗੁਣਾਂਕ ਚੁੱਪਚਾਪ ਨਤੀਜੇ ਨੂੰ ਵਿਗਾੜ ਦਿੰਦੇ ਹਨ।
• ਨੈੱਟਵਰਕ ਸੁਤੰਤਰਤਾ ਤੋਂ ਬਿਨਾਂ CFD ਦੀ ਵਰਤੋਂ ਕਰਨਾ। ਮੋਟਾ ਜਾਲ ਸਖ਼ਤ ਤਰੰਗ ਅਤੇ ਵੌਰਟੇਕਸ ਖੇਤਰ ਨੂੰ ਹੱਲ ਨਹੀਂ ਕਰ ਸਕਦਾ; ਪ੍ਰਤੀਰੋਧ ਘੱਟ ਹੋ ਜਾਂਦਾ ਹੈ।
• ਪੈਮਾਨੇ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਭੁੱਲਣਾ. ਮਾਡਲ ਪ੍ਰਯੋਗ ਦੇ ਨਤੀਜੇ ਨੂੰ ਪੂਰੇ ਪੈਮਾਨੇ 'ਤੇ ਜਾਣ ਵੇਲੇ ਰਗੜ ਸੁਧਾਰ (ITTC ਵਿਧੀ) ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ; AI ਇਸ ਨੂੰ ਬਾਈਪਾਸ ਕਰ ਸਕਦਾ ਹੈ।
• ਡਿਸਪੈਚ ਕੁਸ਼ਲਤਾ ਨੂੰ ਆਸ਼ਾਵਾਦੀ ਢੰਗ ਨਾਲ ਲੈਣਾ। ਭਾਵੇਂ ਪ੍ਰਤੀਰੋਧ ਸਹੀ ਹੈ, ਇੱਕ ਬਹੁਤ ਜ਼ਿਆਦਾ ਆਸ਼ਾਵਾਦੀ ਡਰਾਈਵ ਕੁਸ਼ਲਤਾ ਲੋੜੀਂਦੀ ਮਸ਼ੀਨ ਸ਼ਕਤੀ ਨੂੰ ਘੱਟ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦੀ ਹੈ।

ਸੰਖੇਪ ਵਿੱਚ

AI ਹਲ ਫਾਰਮ ਦੀ ਖੋਜ, ਅਨੁਭਵੀ ਪ੍ਰਤੀਰੋਧ ਗਣਨਾ ਸੈੱਟਅੱਪ, ਅਤੇ CFD ਰਨ ਯੋਜਨਾਬੰਦੀ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ; ਉਮੀਦਵਾਰਾਂ ਦੇ ਦਰਜਨਾਂ ਫਾਰਮ ਮਿੰਟਾਂ ਵਿੱਚ ਤੁਲਨਾਤਮਕ ਬਣਾਉਂਦਾ ਹੈ। ਪਰ ਹਰ ਅਨੁਭਵੀ ਵਿਧੀ ਦਾ ਇੱਕ ਵੈਧਤਾ ਲਿਫਾਫਾ ਹੁੰਦਾ ਹੈ, ਹਰੇਕ CFD ਨਤੀਜੇ ਵਿੱਚ ਇੱਕ ਨੈੱਟਵਰਕ ਨਿਰਭਰਤਾ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਹਰੇਕ ਪੂਰੇ-ਪੈਮਾਨੇ ਦੇ ਅਨੁਮਾਨ ਵਿੱਚ ਇੱਕ ਸਕੇਲ ਸੁਧਾਰ ਹੁੰਦਾ ਹੈ। AI ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੇ ਗਏ ਪ੍ਰਤੀਰੋਧ ਅਤੇ ਸ਼ਕਤੀ ਮੁੱਲਾਂ ਨੂੰ ਮਾਡਲ ਪ੍ਰਯੋਗ, ਅਨੁਭਵੀ ਪੁਸ਼ਟੀ ਅਤੇ ਭੌਤਿਕ ਪ੍ਰਸੰਸਾ ਦੇ ਫਿਲਟਰ ਵਿੱਚੋਂ ਲੰਘਣ ਤੋਂ ਬਾਅਦ ਹੀ ਇੱਕ ਰੈਫਰਲ ਫੈਸਲੇ ਵਿੱਚ ਅਨੁਵਾਦ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਇੱਕ ਪ੍ਰਤੀਨਿਧੀ ਜਹਾਜ਼ ਲਈ (ਜਿਵੇਂ ਕਿ Lpp ~ 150 m, B ~ 25 m, T ~ 9 m, Cb ~ 0.75, ਸਪੀਡ ~ 15 ਗੰਢ), ਹੋਲਟ੍ਰੋਪ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ AI ਦੀ ਗਣਨਾ ਕਰੋ ਸ਼ੁਰੂਆਤੀ ਡਰੈਗ ਅਤੇ EHP। ਫਿਰ "ਸਿੱਟਾ ਪ੍ਰਸ਼ੰਸਾਯੋਗਤਾ ਜਾਂਚ" ਟੈਂਪਲੇਟ ਨੂੰ ਲਾਗੂ ਕਰਕੇ ਵਿਸ਼ਾਲਤਾ ਅਤੇ ਡਿਸਪੈਚ ਕੁਸ਼ਲਤਾ ਧਾਰਨਾ ਦੇ ਕ੍ਰਮ ਦੀ ਪੁੱਛਗਿੱਛ ਕਰੋ। AI ਨੂੰ ਵਿਧੀ ਦੀ ਵੈਧਤਾ ਸੀਮਾ ਲਈ ਪੁੱਛੋ ਅਤੇ ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਤੁਹਾਡੇ ਇਨਪੁਟਸ ਇਸ ਸੀਮਾ ਦੇ ਅੰਦਰ ਹਨ। ਤੁਹਾਨੂੰ ਮਿਲੀ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਅਸੰਗਤਤਾ ਦੀ ਰਿਪੋਰਟ ਕਰੋ ਅਤੇ ਤੁਸੀਂ ਇਸ ਨੂੰ ਅੱਧੇ ਪੰਨੇ ਵਿੱਚ ਕਿਵੇਂ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਹੈ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਆਪਣੇ ਇਨਪੁਟਸ ਨਾਲ ਵਰਤੀ ਗਈ ਅਨੁਭਵੀ ਵਿਧੀ ਦੀ ਵੈਧਤਾ ਸੀਮਾ ਦੀ ਤੁਲਨਾ ਕੀਤੀ।
• [ ] ਮੈਂ AI ਦੁਆਰਾ ਸ਼ਾਮਲ ਕੀਤੇ ਗਏ ਹਰੇਕ ਸੁਧਾਰ ਕਾਰਕ ਦੇ ਸਰੋਤ ਨੂੰ ਪੁੱਛਿਆ ਅਤੇ ਪੁਸ਼ਟੀ ਕੀਤੀ।
• [ ] ਮੈਂ ਪ੍ਰਤੀਰੋਧ ਅਤੇ ਸ਼ਕਤੀ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਤੁਲਨਾ ਇੱਕ ਆਮ ਜਹਾਜ਼ ਨਾਲ ਤੀਬਰਤਾ ਦੇ ਕ੍ਰਮ ਨਾਲ ਕੀਤੀ।
• [ ] ਜੇਕਰ ਮੈਂ CFD ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਹੈ, ਤਾਂ ਮੈਂ ਨੈੱਟਵਰਕ ਸੁਤੰਤਰਤਾ ਅਧਿਐਨ ਦੀ ਯੋਜਨਾ ਬਣਾਈ/ਕੀਤੀ।
• [ ] ਮੈਂ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ ਕਿ ਡਿਸਪੈਚ ਕੁਸ਼ਲਤਾ ਧਾਰਨਾ ਇੱਕ ਉਚਿਤ ਸੀਮਾ ਦੇ ਅੰਦਰ ਹੈ।
• [] ਮੈਂ ਮਾਡਲ ਪ੍ਰਯੋਗ/ਪ੍ਰਮਾਣਿਤ ਵਿਧੀ 'ਤੇ ਅੰਤਿਮ ਪ੍ਰੋਪਲਸ਼ਨ ਫੈਸਲੇ ਨੂੰ ਅਧਾਰਤ ਕੀਤਾ।