ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ, ਨੁਕਸ ਖੋਜ ਅਤੇ ਅੰਕੜਾ ਪ੍ਰਕਿਰਿਆ ਨਿਯੰਤਰਣ

ਲਾਭ:

• AI ਨਾਲ ਉਤਪਾਦਨ ਅਤੇ ਨਿਰੀਖਣ ਡੇਟਾ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਅਤੇ ਨੁਕਸ ਅਤੇ ਭਟਕਣ ਦੇ ਪੈਟਰਨਾਂ ਦਾ ਛੇਤੀ ਪਤਾ ਲਗਾਉਣ ਦੀ ਸਮਰੱਥਾ
• ਏਆਈ ਸਹਾਇਤਾ ਨਾਲ ਅੰਕੜਾ ਪ੍ਰਕਿਰਿਆ ਨਿਯੰਤਰਣ (ਐਸਪੀਸੀ), ਸੀਪੀਕੇ ਅਤੇ ਨਿਯੰਤਰਣ ਚਾਰਟਾਂ ਨੂੰ ਸਥਾਪਤ ਕਰਨ ਅਤੇ ਵਿਆਖਿਆ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• NDT ਨਤੀਜੇ, ਸਵੀਕ੍ਰਿਤੀ ਮਾਪਦੰਡ ਅਤੇ ਅਧਿਕਾਰਤ ਨਿਰੀਖਣ ਪੁਸ਼ਟੀ ਦੇ ਨਾਲ AI ਦੇ ਨੁਕਸ ਵਰਗੀਕਰਣ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਸਮਰੱਥਾ

ਇਹ ਧਾਤੂ ਅਤੇ ਗੁਣਵੱਤਾ ਇੰਜੀਨੀਅਰ ਦਾ ਨਿਰੰਤਰ ਫਰਜ਼ ਹੈ ਕਿ ਉਹ ਧਿਆਨ ਦੇਵੇ ਕਿ ਇੱਕ ਉਤਪਾਦਨ ਲਾਈਨ ਵਿੱਚੋਂ ਲੰਘਣ ਵਾਲੇ ਹਜ਼ਾਰਾਂ ਹਿੱਸਿਆਂ ਵਿੱਚੋਂ ਕਿਹੜਾ ਨੁਕਸਦਾਰ ਹੈ ਅਤੇ ਕਿਸ ਸਮੇਂ ਪ੍ਰਕਿਰਿਆ ਫਿਸਲਣੀ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ। ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ, ਇਹ ਜਾਂਚ ਕਰਨਾ ਕਿ ਕੀ ਉਤਪਾਦ ਨਿਰਧਾਰਤ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ; ਨੁਕਸ ਦਾ ਪਤਾ ਲਗਾਉਣਾ, ਉਤਪਾਦ ਵਿੱਚ ਗਲਤੀਆਂ ਨੂੰ ਕੈਪਚਰ ਕਰਨਾ (ਸਕ੍ਰੈਚ, ਪੋਰਸ, ਚੀਰ, ਆਯਾਮੀ ਭਟਕਣਾ); ਸਟੈਟਿਸਟੀਕਲ ਪ੍ਰਕਿਰਿਆ ਨਿਯੰਤਰਣ (SPC) ਇਹ ਸਮਝਣ ਦਾ ਇੱਕ ਤਰੀਕਾ ਹੈ ਕਿ ਕੀ ਪ੍ਰੋਡਕਸ਼ਨ ਡੇਟਾ ਨੂੰ ਅੰਕੜਾਤਮਕ ਤੌਰ 'ਤੇ ਨਿਗਰਾਨੀ ਕਰਕੇ ਪ੍ਰਕਿਰਿਆ ਨਿਯੰਤਰਣ ਵਿੱਚ ਹੈ ਜਾਂ ਨਹੀਂ। ਨਕਲੀ ਬੁੱਧੀ ਚਿੱਤਰਾਂ ਤੋਂ ਆਟੋਮੈਟਿਕ ਨੁਕਸ ਵਰਗੀਕਰਣ, ਵੱਡੇ ਮਾਪ ਡੇਟਾ ਵਿੱਚ ਪੈਟਰਨ ਕੈਪਚਰ, ਅਤੇ SPC ਗ੍ਰਾਫਾਂ ਦੀ ਉਸਾਰੀ ਅਤੇ ਵਿਆਖਿਆ ਨੂੰ ਤੇਜ਼ ਕਰਦੀ ਹੈ। ਪਰ ਇੱਕ ਅਲਾਰਮ ਇੱਕ ਆਟੋਮੈਟਿਕ ਫੈਸਲਾ ਨਹੀਂ ਹੈ; ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਦੀ NDT ਨਤੀਜੇ, ਸਵੀਕ੍ਰਿਤੀ ਮਾਪਦੰਡ ਅਤੇ ਅਧਿਕਾਰਤ ਨਿਰੀਖਣ ਪ੍ਰਵਾਨਗੀ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।

ਐਸਪੀਸੀ ਦੀਆਂ ਬੁਨਿਆਦੀ ਧਾਰਨਾਵਾਂ ਅਤੇ ਏਆਈ ਦੀ ਭੂਮਿਕਾ

• ਕੰਟਰੋਲ ਚਾਰਟ: ਇੱਕ ਮੱਧ ਰੇਖਾ ਅਤੇ ਨਿਯੰਤਰਣ ਸੀਮਾਵਾਂ (ਆਮ ਤੌਰ 'ਤੇ ±3 ਮਿਆਰੀ ਵਿਵਹਾਰ) ਦੇ ਨਾਲ, ਸਮੇਂ ਦੇ ਨਾਲ ਇੱਕ ਮਾਪ (ਉਦਾਹਰਨ ਲਈ ਵਿਆਸ, ਕਠੋਰਤਾ) ਦੀ ਤਬਦੀਲੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਇੱਕ ਗ੍ਰਾਫ। ਸੀਮਾ ਪਾਰ ਕਰਨਾ ਇਸ ਗੱਲ ਦਾ ਸੰਕੇਤ ਹੈ ਕਿ ਪ੍ਰਕਿਰਿਆ ਬਦਲ ਗਈ ਹੈ।
• ਕੰਟਰੋਲ ਸੀਮਾ ਆਦਿ। ਸਹਿਣਸ਼ੀਲਤਾ: ਨਿਯੰਤਰਣ ਸੀਮਾਵਾਂ ਪ੍ਰਕਿਰਿਆ ਦੇ ਕੁਦਰਤੀ ਪਰਿਵਰਤਨ ਤੋਂ ਆਉਂਦੀਆਂ ਹਨ; ਸਹਿਣਸ਼ੀਲਤਾ (ਵਿਸ਼ੇਸ਼ਤਾ ਸੀਮਾ) ਉਹ ਹੈ ਜੋ ਗਾਹਕ ਚਾਹੁੰਦਾ ਹੈ। ਦੋਵਾਂ ਨੂੰ ਉਲਝਣ ਵਿੱਚ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ.
• Cp ਅਤੇ Cpk (ਪ੍ਰਕਿਰਿਆ ਸਮਰੱਥਾ ਸੂਚਕਾਂਕ): ਇਹ ਮਾਪਦਾ ਹੈ ਕਿ ਪ੍ਰਕਿਰਿਆ ਸਹਿਣਸ਼ੀਲਤਾ ਦੇ ਅੰਦਰ ਕਿੰਨੀ ਆਸਾਨੀ ਨਾਲ ਫਿੱਟ ਹੁੰਦੀ ਹੈ। Cp ਫੈਲਾਅ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ, ਅਤੇ Cpk ਫੈਲਾਅ + ਵਿਕੇਂਦਰੀਕਰਣ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ। Cpk ≥ 1.33 ਨੂੰ ਆਮ ਤੌਰ 'ਤੇ ਕਾਫੀ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ।
• ਨਿੱਜੀ ਬਨਾਮ ਆਮ ਕਾਰਨ: ਆਮ ਕਾਰਨ ਪ੍ਰਕਿਰਿਆ ਦਾ ਅੰਦਰੂਨੀ ਰੌਲਾ ਹੈ; ਖਾਸ ਕਾਰਨ (ਉਦਾਹਰਨ ਲਈ ਟੂਲ ਵੀਅਰ, ਗਲਤ ਬੈਚ) ਇੱਕ ਭਟਕਣਾ ਹੈ ਜਿਸ ਲਈ ਦਖਲ ਦੀ ਲੋੜ ਹੈ। SPC ਦਾ ਉਦੇਸ਼ ਦੋਵਾਂ ਨੂੰ ਵੱਖ ਕਰਨਾ ਹੈ।

AI ਇਹਨਾਂ ਸੰਕਲਪਾਂ ਨੂੰ ਸਿਖਾਉਣ ਵਿੱਚ, ਕੋਡ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ ਜੋ ਇੱਕ ਡੇਟਾ ਤੋਂ ਇੱਕ ਨਿਯੰਤਰਣ ਚਾਰਟ/Cpk ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ, ਅਤੇ ਚਾਰਟ ਪੈਟਰਨਾਂ (ਰੁਝਾਨ, ਵਹਿਣ, ਮਿਆਦ) ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ। ਪਰ ਇੰਜੀਨੀਅਰ ਸੀਮਾ ਤੋਂ ਵੱਧ ਹੋਣ ਦਾ ਕਾਰਨ ਅਤੇ ਸਹੀ ਦਖਲਅੰਦਾਜ਼ੀ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ।

ਧਿਆਨ ਦਿਓ: "ਅਲਾਰਮ ਨੂੰ ਰੋਕਣ ਲਈ" ਨਿਯੰਤਰਣ ਸੀਮਾਵਾਂ ਦਾ ਵਿਸਥਾਰ ਕਰਨਾ ਸਭ ਤੋਂ ਖਤਰਨਾਕ ਗਲਤੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਸੀਮਾਵਾਂ ਦੀ ਗਣਨਾ ਪ੍ਰਕਿਰਿਆ ਦੀ ਅਸਲ ਪਰਿਵਰਤਨ ਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; ਉਹਨਾਂ ਨੂੰ ਮਨਮਰਜ਼ੀ ਨਾਲ ਵਧਾਉਣਾ ਅਸਲ ਭਟਕਣਾ ਨੂੰ ਅਦਿੱਖ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਖਰਾਬ ਉਤਪਾਦ ਨੂੰ ਗਾਹਕ ਤੱਕ ਪਹੁੰਚਾਉਂਦਾ ਹੈ।

ਕਦਮ ਦਰ ਕਦਮ: ਏਆਈ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਗੁਣਵੱਤਾ ਨਿਗਰਾਨੀ

1. ਵਿਸ਼ੇਸ਼ਤਾ ਚੁਣੋ: ਕਿਹੜੀ ਨਾਜ਼ੁਕ ਮੈਟ੍ਰਿਕ ਦੀ ਨਿਗਰਾਨੀ ਕੀਤੀ ਜਾਵੇਗੀ (CQ: ਨਾਜ਼ੁਕ ਗੁਣਵੱਤਾ ਵਿਸ਼ੇਸ਼ਤਾ)? ਕੀ ਮਾਪ ਪ੍ਰਣਾਲੀ ਭਰੋਸੇਯੋਗ ਹੈ (ਗੇਜ ਆਰ ਐਂਡ ਆਰ)?
2. ਡੇਟਾ ਇਕੱਠਾ ਕਰੋ: ਉਪ ਸਮੂਹਾਂ ਵਿੱਚ ਨਿਯਮਤ ਨਮੂਨਾ ਲੈਣਾ। ਕੀ ਮੀਟਰ ਕੈਲੀਬਰੇਟ ਕੀਤਾ ਗਿਆ ਹੈ?
3. ਚਾਰਟ ਸੈੱਟ ਕਰੋ: AI ਨੂੰ ਉਚਿਤ ਕੰਟਰੋਲ ਚਾਰਟ (X-bar/R, ਵਿਅਕਤੀਗਤ-ਮੂਵਿੰਗ ਰੇਂਜ) ਕਿਸਮ ਅਤੇ ਕੋਡ ਲਈ ਪੁੱਛੋ।
4. ਟਿੱਪਣੀ: ਕੀ ਕੋਈ ਓਵਰਸ਼ੂਟ, ਰੁਝਾਨ, ਬੈਚ ਨਿਯਮ ਹਨ (ਉਦਾਹਰਨ ਲਈ ਪੱਛਮੀ ਇਲੈਕਟ੍ਰਿਕ ਨਿਯਮ)?
5. ਮੂਲ ਕਾਰਨ ਲੱਭੋ: ਅਲਾਰਮ ਇੱਕ ਟਰਿੱਗਰ ਹੈ; ਮਾਪ, ਸਮੀਖਿਆ ਪ੍ਰਕਿਰਿਆ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ।
6. ਫੈਸਲਾ ਕਰੋ: ਸਵੀਕ੍ਰਿਤੀ ਦੇ ਮਾਪਦੰਡ ਅਤੇ NDT ਨਤੀਜੇ ਦੇ ਆਧਾਰ 'ਤੇ; ਭਟਕਣ ਵਾਲੇ ਬੈਚ ਨੂੰ ਵੱਖ ਕਰੋ ਅਤੇ ਸੁਧਾਰਾਤਮਕ ਕਾਰਵਾਈ ਲਾਗੂ ਕਰੋ।

ਫਲਾਅ ਖੋਜ ਅਤੇ ਗੈਰ-ਵਿਨਾਸ਼ਕਾਰੀ ਟੈਸਟਿੰਗ

ਚਿੱਤਰ-ਅਧਾਰਿਤ AI (ਡੂੰਘੀ ਸਿਖਲਾਈ ਕਲਾਸੀਫਾਇਰ) ਤੇਜ਼ੀ ਨਾਲ ਸਤਹ ਦੇ ਨੁਕਸ (ਖੁਰਚਿਆਂ, ਬਰਰ, ਆਕਸਾਈਡ, ਪੋਰਸ) ਨੂੰ ਕੱਢ ਸਕਦਾ ਹੈ। ਅੰਦਰੂਨੀ ਨੁਕਸਾਂ ਲਈ ਗੈਰ-ਵਿਨਾਸ਼ਕਾਰੀ ਟੈਸਟਿੰਗ (NDT) ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ: ਰੇਡੀਓਗ੍ਰਾਫੀ (RT), ਅਲਟਰਾਸੋਨਿਕ (UT), ਚੁੰਬਕੀ ਕਣ (MT), penetrant (PT). AI RT/UT ਚਿੱਤਰਾਂ ਨੂੰ ਪ੍ਰੀ-ਸਕ੍ਰੀਨ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਅੰਤਿਮ ਮੁਲਾਂਕਣ ਪ੍ਰਮਾਣਿਤ NDT ਕਰਮਚਾਰੀਆਂ ਅਤੇ ਮਿਆਰੀ ਸਵੀਕ੍ਰਿਤੀ ਮਾਪਦੰਡ ਦੁਆਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਨੁਕਸ ਦੀ ਕਿਸਮ

ਆਮ ਢੰਗ

AI ਯੋਗਦਾਨ

ਅੰਤਿਮ ਫੈਸਲਾ

ਸਰਫੇਸ ਸਕ੍ਰੈਚ/ਬਰਰ

ਆਪਟੀਕਲ ਚਿੱਤਰ

ਆਟੋਮੈਟਿਕ ਵਰਗੀਕਰਨ

ਸਵੀਕ੍ਰਿਤੀ ਮਾਪਦੰਡ + ਆਪਰੇਟਰ

ਅੰਦਰੂਨੀ ਪੋਰ/ਕਰੈਕ

RT/UT

ਚਿੱਤਰ ਦੀ ਪ੍ਰੀ-ਸਕ੍ਰੀਨਿੰਗ

ਪ੍ਰਮਾਣਿਤ NDT+ ਮਿਆਰ

ਦਰਾੜ (ਸਤਹ ਲਈ ਖੁੱਲ੍ਹਾ)

MT/PT

ਸੰਕੇਤ ਮਾਰਕਿੰਗ

NDT ਪੱਧਰ II/III ਪ੍ਰਵਾਨਗੀ

ਆਕਾਰ ਵਿਚ ਵਿਵਹਾਰ

CMM / ਮਾਪ

SPC ਨਾਲ ਰੁਝਾਨ ਟਰੈਕਿੰਗ

ਸਹਿਣਸ਼ੀਲਤਾ + ਫੈਸਲਾ

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 - ਬਾਰਡਰ ਵਿਸਤਾਰ ਜਾਲ। ਇੱਕ ਲਾਈਨ 'ਤੇ ਵਿਆਸ ਮਾਪ ਵਿੱਚ ਉੱਪਰਲੀ ਨਿਯੰਤਰਣ ਸੀਮਾ ਨੂੰ ਅਕਸਰ ਪਾਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਆਪਰੇਟਰ ਚੇਤਾਵਨੀਆਂ ਨੂੰ ਘਟਾਉਣ ਲਈ ਸੀਮਾਵਾਂ ਨੂੰ ਵਧਾਉਣ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਦਾ ਹੈ। ਗੁਣਵੱਤਾ ਇੰਜੀਨੀਅਰ ਇਸ 'ਤੇ ਇਤਰਾਜ਼ ਕਰਦਾ ਹੈ; ਉਸ ਕੋਲ ਏਆਈ ਨੇ ਐਸਪੀਸੀ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਹੈ ਅਤੇ ਇਹ ਪਤਾ ਲਗਾਇਆ ਹੈ ਕਿ ਦੁਪਹਿਰ ਦੀ ਸ਼ਿਫਟ ਵਿੱਚ ਇੱਕ ਯੋਜਨਾਬੱਧ ਸ਼ਿਫਟ (ਖਾਸ ਕਾਰਨ) ਹੈ, ਸੰਭਵ ਤੌਰ 'ਤੇ ਟੂਲ ਵੀਅਰ ਕਾਰਨ। ਜਦੋਂ ਟੂਲ ਬਦਲਣ ਦੀ ਮਿਆਦ ਨੂੰ ਛੋਟਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਪ੍ਰਕਿਰਿਆ ਸੀਮਾਵਾਂ ਦੇ ਅੰਦਰ ਵਾਪਸ ਆਉਂਦੀ ਹੈ। ਪਾਠ: ਅਲਾਰਮ ਜਾਣਕਾਰੀ ਦਾ ਇੱਕ ਸਰੋਤ ਹੈ; ਉਸ ਨੂੰ ਚੁੱਪ ਕਰਾਉਣ ਦੀ ਨਹੀਂ, ਸਗੋਂ ਕਾਰਨ ਲੱਭਣ ਦੀ ਲੋੜ ਹੈ।

ਕੇਸ 2 — Cpk ਦੀ ਗਲਤ ਵਿਆਖਿਆ। ਇੱਕ ਰਿਪੋਰਟ ਕਹਿੰਦੀ ਹੈ ਕਿ ਪ੍ਰਕਿਰਿਆ "Cpk = 1.8, ਸੰਪੂਰਨ" ਹੈ ਪਰ ਹਿੱਸੇ ਗਾਹਕਾਂ ਨੂੰ ਸਮੱਸਿਆਵਾਂ ਦੇ ਰਹੇ ਹਨ। ਇੰਜੀਨੀਅਰ ਕੋਲ ਏਆਈ ਡੇਟਾ ਦੀ ਜਾਂਚ ਹੈ; ਉਸਨੇ ਦੇਖਿਆ ਕਿ ਅਸਲ ਤਬਦੀਲੀ ਲੁਕੀ ਹੋਈ ਹੈ ਕਿਉਂਕਿ ਮਾਪ ਪ੍ਰਣਾਲੀ ਦਾ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਨਾਕਾਫ਼ੀ ਹੈ (ਗੇਜ ਆਰ ਐਂਡ ਆਰ ਖਰਾਬ ਹੈ), ਉੱਚ ਸੀਪੀਕੇ ਮਾਪ ਅੰਨ੍ਹੇਪਣ ਤੋਂ ਆਉਂਦੀ ਹੈ। ਪਹਿਲਾਂ, ਮਾਪ ਪ੍ਰਣਾਲੀ ਨੂੰ ਠੀਕ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਅਸਲ Cpk 1.1 ਹੈ। ਸਬਕ: ਖਰਾਬ ਮਾਪ ਪ੍ਰਣਾਲੀ 'ਤੇ ਆਧਾਰਿਤ ਕੋਈ ਵੀ ਅੰਕੜਾ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ; ਪਹਿਲਾਂ ਮਾਪ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ।

ਕੇਸ 3 - NDT ਦਾ ਸਹੀ ਖਾਤਮਾ। ਇੱਕ ਨਿਰਮਾਤਾ ਕਾਸਟਿੰਗ 'ਤੇ AI-ਪਾਵਰਡ RT ਪ੍ਰੀ-ਕੁਆਲੀਫਾਇੰਗ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ; ਸ਼ੱਕੀ ਹਿੱਸਿਆਂ ਨੂੰ ਫਲੈਗ ਕਰਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ NDT ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਭੇਜਦਾ ਹੈ। AI ਤੇਜ਼ੀ ਨਾਲ ਜ਼ਿਆਦਾਤਰ ਸਾਫ਼ ਟੁਕੜਿਆਂ ਵਿੱਚੋਂ ਲੰਘਦਾ ਹੈ, ਸਟਾਫ ਸਿਰਫ਼ ਚਿੰਨ੍ਹਿਤ ਲੋਕਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇੱਕ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਲੜੀ ਵਿੱਚ, ਭਾਗ ਜਿਨ੍ਹਾਂ ਨੂੰ AI "ਸਾਫ਼" ਕਹਿੰਦਾ ਹੈ, ਉਹਨਾਂ ਦਾ ਨਮੂਨਾ ਵੀ ਲਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ NDT ਨਾਲ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; ਕਿਉਂਕਿ AI ਇੱਕ ਸਕ੍ਰੀਨਿੰਗ ਟੂਲ ਹੈ, ਦਾਖਲਾ ਅਥਾਰਟੀ ਨਹੀਂ। ਪਾਠ: AI ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦਾ ਹੈ ਪਰ ਅੰਤਮ ਸਵੀਕ੍ਰਿਤੀ ਮਿਆਰੀ NDT ਅਤੇ ਅਧਿਕਾਰਤ ਪ੍ਰਵਾਨਗੀ ਨਾਲ ਆਉਂਦੀ ਹੈ।

ਕਾਪੀ ਕਰਨ ਯੋਗ ਪ੍ਰੋਂਪਟ ਟੈਂਪਲੇਟਸ

ਕੰਟਰੋਲ ਚਾਰਟ ਸੈੱਟਅੱਪ ਟੈਮਪਲੇਟ "ਰੋਲ: ਤੁਸੀਂ SPC/ਗੁਣਵੱਤਾ ਸਹਾਇਕ ਹੋ। ਮੇਰੇ ਕੋਲ ਨਿਮਨਲਿਖਤ ਮਾਪ ਡੇਟਾ ਹੈ: [ਉਪ-ਸਮੂਹ ਡੇਟਾ]। ਵਿਸ਼ੇਸ਼ਤਾ: [ਵਿਆਸ/ਕਠੋਰਤਾ]। ਮੈਨੂੰ ਉਚਿਤ ਕਿਸਮ ਦੇ ਨਿਯੰਤਰਣ ਚਾਰਟ (ਐਕਸ-ਬਾਰ/ਆਰ ਜਾਂ ਆਈ-ਐਮਆਰ) ਦੀ ਉਚਿਤਤਾ ਦੇ ਨਾਲ ਸਿਫ਼ਾਰਸ਼ ਕਰੋ ਅਤੇ ਸੈਂਟਰ ਲਾਈਨ ਦੀ ਗਣਨਾ ਕਰੋ + ਕੰਟਰੋਲ ਸੀਮਾ Pphaython ਨਾਲ ਕੋਡ ਦੀਆਂ ਸੀਮਾਵਾਂ ਵੱਖਰੀਆਂ ਹਨ। ਸਹਿਣਸ਼ੀਲਤਾ ਸੀਮਾ ਤੋਂ ਵੱਧ ਹੋਣ 'ਤੇ ਟਿੱਪਣੀ ਕਰੋ, ਪਰ ਦੱਸੋ ਕਿ ਕਾਰਨ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।

Cpk COMMENT ਟੇਮਪਲੇਟ "Cp = [...], Cpk = [...], ਸਹਿਣਸ਼ੀਲਤਾ = [...], ਮਾਪੀ ਵੰਡ = [...]। ਇਹਨਾਂ ਮੁੱਲਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰੋ: ਕੀ ਪ੍ਰਕਿਰਿਆ ਕਾਫ਼ੀ ਹੈ, ਕੀ ਵਿਕੇਂਦਰੀਕਰਣ ਹੈ? ਮੈਨੂੰ ਪਹਿਲਾਂ ਇਹ ਪੁੱਛਣ ਲਈ ਯਾਦ ਦਿਵਾਓ ਕਿ ਕੀ ਮਾਪ ਪ੍ਰਣਾਲੀ ਭਰੋਸੇਯੋਗ ਹੈ (ਗੇਜ ਆਰ ਐਂਡ ਆਰ)। ਇਹ ਸਮਝਾਓ ਕਿ ਉੱਚ ਮਾਪ ਦੀ ਫਰਮ ਤੋਂ ਉੱਚ ਪੱਧਰੀ ਕਮੀ ਆ ਸਕਦੀ ਹੈ। ਪ੍ਰਯੋਗ/ਨਿਰੀਖਣ ਲਈ 'ਉਚਿਤ' ਫੈਸਲਾ।"

ਨੁਕਸ ਵਰਗੀਕਰਣ ਮੁਲਾਂਕਣ ਟੈਮਪਲੇਟ "ਏਆਈ ਚਿੱਤਰ ਮਾਡਲ ਨੇ ਹੇਠਾਂ ਦਿੱਤੇ ਨੁਕਸਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਹੈ: [ਸੂਚੀ]। ਹਰੇਕ ਲਈ: ਕਿਸ ਸਵੀਕ੍ਰਿਤੀ ਮਾਪਦੰਡ (ਸਟੈਂਡਰਡ) ਦੇ ਵਿਰੁੱਧ ਇਸਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਪੁਸ਼ਟੀ ਲਈ ਕਿਹੜੀ NDT ਵਿਧੀ ਦੀ ਲੋੜ ਹੈ, ਗਲਤ-ਸਕਾਰਾਤਮਕ/ਨਕਾਰਾਤਮਕ ਦਾ ਜੋਖਮ ਕੀ ਹੈ? ਨਿਸ਼ਚਿਤ ਕਰੋ ਕਿ ਅੰਤਮ ਸਵੀਕ੍ਰਿਤੀ ਨੂੰ ਐਨਡੀਟੀਏਆਈ ਦੇ ਨਾਲ ਦਿੱਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। 'ਪ੍ਰੀ-ਸਕ੍ਰੀਨਿੰਗ'।"

SPC ਪੈਟਰਨ ਵਿਸ਼ਲੇਸ਼ਣ ਟੈਮਪਲੇਟ "ਹੇਠ ਦਿੱਤੇ ਨਿਯੰਤਰਣ ਚਾਰਟ ਡੇਟਾ ਦੀ ਜਾਂਚ ਕਰੋ: [ਡੇਟਾ/ਟਾਈਮ ਸੀਰੀਜ਼]। ਕੀ ਇੱਥੇ ਕੋਈ ਰੁਝਾਨ, ਵਹਿਣ, ਮਿਆਦ, ਜਾਂ ਲੜੀ ਨਿਯਮ ਦੀ ਉਲੰਘਣਾ ਹੈ (ਪੱਛਮੀ ਇਲੈਕਟ੍ਰਿਕ)? ਹਰੇਕ ਪੈਟਰਨ ਲਈ, ਸੰਭਾਵੀ ਪ੍ਰਕਿਰਿਆ ਕਾਰਨ (ਟੂਲ ਵੀਅਰ, ਬੈਚ ਬਦਲਾਅ, ਤਾਪਮਾਨ) ਨੂੰ ਇੱਕ ਹਾਈਪੋਥੀਸਿਸ ਵਜੋਂ ਸੂਚੀਬੱਧ ਕਰੋ ਅਤੇ ਲਿਖੋ ਕਿ ਇਹ ਕਿਵੇਂ ਸਪੱਸ਼ਟ ਕਾਰਨ ਨਹੀਂ ਹੋਵੇਗਾ।"

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ​​ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ: "ਕੀ ਇਸ ਡੇਟਾ ਦੀ ਗੁਣਵੱਤਾ ਚੰਗੀ ਹੈ?"

ਮਜ਼ਬੂਤ ਸੰਕੇਤ: "ਭੂਮਿਕਾ: ਤੁਸੀਂ SPC ਸਹਾਇਕ ਹੋ। ਮੇਰੇ ਕੋਲ ਹੇਠਾਂ ਦਿੱਤੇ ਸ਼ਾਫਟ ਵਿਆਸ ਡੇਟਾ (25 ਉਪ-ਸਮੂਹ, n=5): [ਡਾਟਾ]। ਸਹਿਣਸ਼ੀਲਤਾ 20.00 ± 0.05 ਮਿਲੀਮੀਟਰ ਹੈ। ਮੇਰੇ ਕੋਲ ਹੈ: (1) ਲਈ ਕੇਂਦਰ ਅਤੇ ਨਿਯੰਤਰਣ ਸੀਮਾਵਾਂ ਦੀ ਗਣਨਾ ਕਰੋ, ਨਤੀਜੇ ਦੀ ਤੁਲਨਾ ਸਵੀਕ੍ਰਿਤੀ ਪ੍ਰਣਾਲੀ ਦੇ ਨਾਲ ਕਰੋ (ਪਰ R&G ਮਾਪਦੰਡ ਨੂੰ ਮੁੜ ਮਾਪਦੰਡ ਦੀ ਲੋੜ ਹੈ) ਪ੍ਰਮਾਣਿਤ।"

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ ਇੱਕ ਜਵਾਬ ਦਿੰਦਾ ਹੈ ਜੋ ਅਸਪਸ਼ਟ ਅਤੇ ਟਿੱਪਣੀ ਤੋਂ ਬਿਨਾਂ ਹੈ। ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ ਸਪਸ਼ਟ ਡੇਟਾ, ਸਹਿਣਸ਼ੀਲਤਾ ਅਤੇ ਲੋੜੀਂਦੇ ਆਉਟਪੁੱਟ ਦਿੰਦਾ ਹੈ; ਇਹ ਨਿਯੰਤਰਣ ਸੀਮਾ/ਸਹਿਣਸ਼ੀਲਤਾ ਅੰਤਰ, ਗੇਜ ਆਰ ਐਂਡ ਆਰ ਨਿਯੰਤਰਣ, ਅਤੇ ਇਹ ਕਿ ਅੰਤਮ ਫੈਸਲਾ ਇੰਜੀਨੀਅਰ ਕੋਲ ਰਹਿੰਦਾ ਹੈ।

ਆਮ ਗਲਤੀਆਂ

• ਸਹਿਣਸ਼ੀਲਤਾ ਦੇ ਨਾਲ ਕੰਟਰੋਲ ਸੀਮਾਵਾਂ ਨੂੰ ਉਲਝਾਉਣਾ ਜਾਂ ਉਹਨਾਂ ਦਾ ਵਿਸਤਾਰ ਕਰਨਾ ਤਾਂ ਜੋ ਕੋਈ ਅਲਾਰਮ ਨਾ ਆਵੇ।
• ਮਾਪ ਪ੍ਰਣਾਲੀ (ਗੇਜ ਆਰ ਐਂਡ ਆਰ) ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ Cpk 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ।
• ਸੀਮਾ ਤੋਂ ਵੱਧ ਹੋਣ ਨੂੰ ਆਟੋਮੈਟਿਕ "ਰੂਟ ਕਾਰਨ" ਵਜੋਂ ਮੰਨਣਾ ਅਤੇ ਮਾਪ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਸਕ੍ਰੈਪ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕਰਨਾ।
• AI ਨੁਕਸ ਵਰਗੀਕਰਣ ਨੂੰ ਅੰਤਿਮ ਸਵੀਕ੍ਰਿਤੀ ਦੇ ਫੈਸਲੇ ਵਜੋਂ ਵਿਚਾਰੋ; NDT ਅਤੇ ਅਧਿਕਾਰਤ ਪ੍ਰਵਾਨਗੀ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ।
• ਆਮ ਕਾਰਨ ਅਤੇ ਖਾਸ ਕਾਰਨ (ਓਵਰ-ਅਡਜਸਟਮੈਂਟ) ਵਿਚਕਾਰ ਫਰਕ ਕੀਤੇ ਬਿਨਾਂ ਹਰ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ ਵਿੱਚ ਦਖਲ ਦੇਣਾ।
• ਇੱਕ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਲੜੀ ਵਿੱਚ, ਪੂਰੀ ਤਰ੍ਹਾਂ ਭਰੋਸਾ ਕਰਨਾ ਕਿ AI ਕੀ ਕਹਿੰਦਾ ਹੈ "ਸਾਫ਼" ਹੈ ਅਤੇ ਨਮੂਨਾ ਤਸਦੀਕ ਨਹੀਂ ਕਰਨਾ।

ਸੰਖੇਪ ਵਿੱਚ

ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ ਵਿੱਚ AI ਨੁਕਸ ਵਰਗੀਕਰਣ, ਵੱਡੇ ਡੇਟਾ ਵਿੱਚ ਪੈਟਰਨ ਕੈਪਚਰ ਅਤੇ SPC ਗ੍ਰਾਫ/Cpk ਗਣਨਾ ਦੇ ਨਾਲ ਗੁਣਵੱਤਾ ਇੰਜੀਨੀਅਰ ਦੀ ਨਜ਼ਰ ਅਤੇ ਗਤੀ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਜੇਕਰ ਨਿਯੰਤਰਣ ਸੀਮਾ-ਸਹਿਣਸ਼ੀਲਤਾ ਅੰਤਰ, ਮਾਪ ਪ੍ਰਣਾਲੀ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ ਵਿਸ਼ੇਸ਼/ਆਮ ਕਾਰਨ ਦਾ ਭੇਦ ਸਹੀ ਢੰਗ ਨਾਲ ਨਹੀਂ ਬਣਾਇਆ ਗਿਆ ਹੈ, ਤਾਂ ਅੰਕੜੇ ਗੁੰਮਰਾਹਕੁੰਨ ਹੋ ਸਕਦੇ ਹਨ। ਹਰੇਕ ਅਲਾਰਮ ਨੂੰ ਇੱਕ ਟਰਿੱਗਰ ਵਜੋਂ ਮੰਨੋ, ਮਾਪ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ, ਮੂਲ ਕਾਰਨ ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਅੰਤਿਮ ਸਵੀਕ੍ਰਿਤੀ ਨੂੰ ਸਵੀਕ੍ਰਿਤੀ ਮਾਪਦੰਡ, ਮਿਆਰੀ NDT ਅਤੇ ਅਧਿਕਾਰਤ ਪ੍ਰਵਾਨਗੀ ਨਾਲ ਲਿੰਕ ਕਰੋ। AI ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਚੋਣ ਕਰਦਾ ਹੈ, ਇੰਜੀਨੀਅਰ ਫੈਸਲਾ ਕਰਦਾ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਮਾਪਾਂ ਦੀ ਇੱਕ ਅਸਲੀ ਜਾਂ ਕਾਲਪਨਿਕ ਲੜੀ (ਜਿਵੇਂ ਕਿ ਵਿਆਸ/ਕਠੋਰਤਾ ਡੇਟਾ ਦੇ 20-25 ਉਪ ਸਮੂਹ) ਅਤੇ ਇੱਕ ਸਹਿਣਸ਼ੀਲਤਾ ਨਿਰਧਾਰਤ ਕਰੋ। "ਸੈਟਅੱਪ ਕੰਟਰੋਲ ਚਾਰਟ" ਟੈਂਪਲੇਟ ਦੇ ਨਾਲ, AI ਨੂੰ ਉਚਿਤ ਚਾਰਟ ਕਿਸਮ ਅਤੇ ਗਣਨਾ ਕੋਡ ਲਈ ਪੁੱਛੋ ਅਤੇ ਇਸਨੂੰ ਕੰਟਰੋਲ ਸੀਮਾਵਾਂ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਕਹੋ। ਫਿਰ "Cpk COMMENT" ਟੈਂਪਲੇਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰਕਿਰਿਆ ਦੀ ਢੁਕਵੀਂਤਾ 'ਤੇ ਟਿੱਪਣੀ ਕਰੋ ਅਤੇ ਗੇਜ R&R ਜਾਂਚ ਨੂੰ ਨੋਟ ਕਰੋ। ਅੰਤ ਵਿੱਚ, ਇੱਕ ਸੀਮਾ ਤੋਂ ਵੱਧ ਦ੍ਰਿਸ਼ ਬਣਾਓ ਅਤੇ ਇੱਕ ਪੈਰੇ ਵਿੱਚ ਲਿਖੋ ਕਿ ਤੁਸੀਂ ਕਿਹੜੇ ਕਦਮਾਂ 'ਤੇ ਫੈਸਲਾ ਕਰੋਗੇ (ਮਾਪ ਦੀ ਪੁਸ਼ਟੀ, ਮੂਲ ਕਾਰਨ, ਸਵੀਕ੍ਰਿਤੀ ਮਾਪਦੰਡ)।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਨਿਰੀਖਣ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਨਾਜ਼ੁਕ ਗੁਣਵੱਤਾ ਗੁਣ ਅਤੇ ਮਾਪ ਪ੍ਰਣਾਲੀ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਦੀ ਪਛਾਣ ਕੀਤੀ ਹੈ।
• [ ] ਮੈਂ ਉਚਿਤ ਕੰਟਰੋਲ ਚਾਰਟ ਕਿਸਮ ਦੀ ਚੋਣ ਕੀਤੀ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਤੋਂ ਸੀਮਾਵਾਂ ਦੀ ਗਣਨਾ ਕੀਤੀ।
• [ ] ਮੈਂ ਨਿਯੰਤਰਣ ਸੀਮਾ ਅਤੇ ਸਹਿਣਸ਼ੀਲਤਾ ਨੂੰ ਵੱਖ ਕੀਤਾ; ਮੈਂ ਆਪਹੁਦਰੇ ਢੰਗ ਨਾਲ ਹੱਦਾਂ ਦਾ ਵਿਸਤਾਰ ਨਹੀਂ ਕੀਤਾ।
• [ ] ਮੈਂ ਮਾਪ ਸਿਸਟਮ ਭਰੋਸੇਯੋਗਤਾ ਦੇ ਨਾਲ Cpk ਦੀ ਵਿਆਖਿਆ ਕੀਤੀ।
• [ ] ਮੈਂ ਅਲਾਰਮ ਨੂੰ ਇੱਕ ਟਰਿੱਗਰ ਮੰਨਿਆ, ਮਾਪ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ, ਅਤੇ ਮੂਲ ਕਾਰਨ ਦੀ ਜਾਂਚ ਕੀਤੀ।
• [ ] ਮੈਂ ਸਵੀਕ੍ਰਿਤੀ ਦੇ ਮਾਪਦੰਡ, ਮਿਆਰੀ NDT ਅਤੇ ਅਧਿਕਾਰਤ ਮਨਜ਼ੂਰੀ 'ਤੇ ਅੰਤਿਮ ਸਵੀਕ੍ਰਿਤੀ ਨੂੰ ਆਧਾਰਿਤ ਕੀਤਾ ਹੈ।