ਲਾਭ:
- ਇਹ ਜਾਣਨ ਦੀ ਸਮਰੱਥਾ ਕਿ AI ਊਰਜਾ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਇੰਜੀਨੀਅਰਿੰਗ ਵਰਕਫਲੋ ਵਿੱਚ ਅਸਲ ਮੁੱਲ ਕਿੱਥੇ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਕਿਹੜੇ ਫੈਸਲੇ ਇੰਜੀਨੀਅਰ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਬਣੇ ਰਹਿਣੇ ਚਾਹੀਦੇ ਹਨ
- ਤਿੰਨ ਐਂਕਰ ਅਨੁਸ਼ਾਸਨਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜੋ ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਨੂੰ ਤੀਬਰਤਾ ਦੇ ਕ੍ਰਮ, ਇੰਜੀਨੀਅਰਿੰਗ ਪ੍ਰਸ਼ੰਸਾਯੋਗਤਾ, ਅਤੇ ਫੀਲਡ/ਮਾਪ ਸਬੂਤ ਦੇ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕਰਦੇ ਹਨ
- ਅਨਿਸ਼ਚਿਤਤਾ, ਭਰਮ, ਡੇਟਾ ਗੋਪਨੀਯਤਾ ਅਤੇ ਨੈਟਵਰਕ ਸੁਰੱਖਿਆ ਦੇ ਜੋਖਮਾਂ ਨੂੰ ਪਛਾਣ ਕੇ ਅਤੇ ਸੰਦਰਭ ਨੂੰ ਅਗਿਆਤ ਕਰਕੇ ਸੁਰੱਖਿਅਤ ਪ੍ਰੋਂਪਟ ਸਥਾਪਤ ਕਰਨ ਦੀ ਆਦਤ ਪਾਓ।
ਐਨਰਜੀ ਸਿਸਟਮ ਇੰਜਨੀਅਰਿੰਗ ਅਜਿਹੇ ਕਾਰੋਬਾਰ ਨਾਲ ਸੰਬੰਧਿਤ ਹੈ ਜੋ ਕਦੇ ਨਹੀਂ ਰੁਕਦਾ। ਬਿਜਲੀ ਪੈਦਾ ਹੁੰਦੇ ਹੀ ਖਪਤ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ; ਜੇਕਰ ਸਪਲਾਈ ਅਤੇ ਮੰਗ ਨੂੰ ਹਰ ਸਕਿੰਟ ਵਿੱਚ ਸੰਤੁਲਨ ਵਿੱਚ ਨਹੀਂ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਬਾਰੰਬਾਰਤਾ ਬਦਲ ਜਾਵੇਗੀ, ਸੁਰੱਖਿਆ ਪ੍ਰਣਾਲੀਆਂ ਸਰਗਰਮ ਹੋ ਜਾਣਗੀਆਂ ਅਤੇ ਸਭ ਤੋਂ ਮਾੜੀ ਸਥਿਤੀ ਵਿੱਚ, ਇੱਕ ਵੱਡਾ ਖੇਤਰ ਹਨੇਰੇ ਵਿੱਚ ਡੁੱਬ ਜਾਵੇਗਾ। ਇਸ ਲਈ ਊਰਜਾ ਪ੍ਰਣਾਲੀਆਂ ਇੱਕ ਅਜਿਹਾ ਖੇਤਰ ਹਨ ਜਿੱਥੇ ਗਲਤੀ ਦਾ ਹਾਸ਼ੀਏ ਛੋਟਾ ਹੁੰਦਾ ਹੈ ਅਤੇ ਨਤੀਜੇ ਵੱਡੇ ਹੁੰਦੇ ਹਨ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI; ਸਾਫਟਵੇਅਰ ਸਿਸਟਮ ਜੋ ਵੱਡੇ ਡੇਟਾ ਪੈਟਰਨਾਂ ਤੋਂ ਸਿੱਖਦੇ ਹਨ ਅਤੇ ਟੈਕਸਟ, ਚਿੱਤਰ ਜਾਂ ਨੰਬਰ ਪੈਦਾ ਕਰਦੇ ਹਨ) ਇਸ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਵਧੀਆ ਪ੍ਰਵੇਗ ਕਰਨ ਵਾਲਾ ਹੈ: ਸਕਿੰਟਾਂ ਵਿੱਚ ਲੱਖਾਂ ਮੀਟਰ ਰਿਕਾਰਡਾਂ ਨੂੰ ਸਕੈਨ ਕਰਨਾ, ਮੌਸਮ ਦੀ ਭਵਿੱਖਬਾਣੀ ਨੂੰ ਉਤਪਾਦਨ ਵਿੱਚ ਬਦਲਣਾ, ਟ੍ਰਾਂਸਫਾਰਮਰ ਦੀ ਖਰਾਬੀ ਦੇ ਚੁੱਪ ਚਿੰਨ੍ਹ ਦਾ ਪਤਾ ਲਗਾਉਣਾ। ਪਰ ਉਹੀ ਨਕਲੀ ਬੁੱਧੀ ਭਰੋਸੇਮੰਦ ਭਾਸ਼ਾ ਨਾਲ ਉਹੀ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਛੁਪਾ ਸਕਦੀ ਹੈ। ਇਹ ਯੂਨਿਟ ਦੋ ਬੁਨਿਆਦ ਰੱਖਦਾ ਹੈ ਜਿਸ 'ਤੇ ਪੂਰਾ ਮੋਡੀਊਲ ਬਣਾਇਆ ਜਾਵੇਗਾ: ਊਰਜਾ ਵਰਕਫਲੋ ਵਿੱਚ AI ਕਿੱਥੇ ਅਸਲ ਮੁੱਲ ਪੈਦਾ ਕਰਦਾ ਹੈ ਅਤੇ ਅਸੀਂ ਹਰੇਕ ਆਉਟਪੁੱਟ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਮਾਣਿਤ ਕਰਦੇ ਹਾਂ।
ਆਓ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਸਪੱਸ਼ਟ ਕਰੀਏ: ਇਸ ਮੋਡੀਊਲ ਦੌਰਾਨ ਤੁਸੀਂ ਜੋ ਵੀ ਤਕਨੀਕਾਂ ਸਿੱਖਦੇ ਹੋ, ਉਹ ਕਿਸੇ ਯੋਗਤਾ ਪ੍ਰਾਪਤ ਪਾਵਰ ਇੰਜੀਨੀਅਰ ਦੇ ਹਸਤਾਖਰ, ਫੀਲਡ ਮਾਪ, ਅਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਨਿਰਣੇ ਨੂੰ ਬਦਲਣ ਲਈ ਨਹੀਂ ਹਨ। ਨਕਲੀ ਬੁੱਧੀ ਇੱਕ ਸਹਾਇਕ ਹੈ; ਤੇਜ਼ੀ ਨਾਲ ਪੜ੍ਹਦਾ ਹੈ, ਤੇਜ਼ੀ ਨਾਲ ਲਿਖਦਾ ਹੈ, ਪੈਟਰਨ ਫੜਦਾ ਹੈ। ਪਰ ਜੇਕਰ ਇੱਕ ਰੀਲੇਅ ਗਲਤ ਢੰਗ ਨਾਲ ਸੈਟ ਕੀਤਾ ਗਿਆ ਹੈ, ਇੱਕ ਟ੍ਰਾਂਸਫਾਰਮਰ ਓਵਰਲੋਡ ਹੈ, ਇੱਕ ਸਟੋਰੇਜ ਸਿਸਟਮ ਥਰਮਲ ਰਨਅਵੇ ਵਿੱਚ ਚਲਾ ਜਾਂਦਾ ਹੈ, ਜਾਂ ਇੱਕ ਪੂਰਵ ਅਨੁਮਾਨ ਗਲਤੀ ਦੇ ਕਾਰਨ ਗਰਿੱਡ ਅਸਥਿਰ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਜ਼ਿੰਮੇਵਾਰੀ ਇੰਜੀਨੀਅਰ ਦੀ ਹੁੰਦੀ ਹੈ ਜਿਸਨੇ ਸਾਈਨ ਆਫ ਕੀਤਾ ਸੀ, ਨਾ ਕਿ ਸੌਫਟਵੇਅਰ ਦੀ। ਤੁਸੀਂ ਇਸ ਵਾਕ ਨੂੰ ਮੋਡੀਊਲ ਦੀ ਹਰੇਕ ਇਕਾਈ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਰੂਪਾਂ ਵਿੱਚ ਦੁਬਾਰਾ ਦੇਖੋਗੇ, ਕਿਉਂਕਿ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਇਹੀ ਸੱਚਾਈ ਹੈ।
ਐਨਰਜੀ ਵਰਕਫਲੋ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਕਿੱਥੇ ਮੁੱਲ ਪੈਦਾ ਕਰਦੀ ਹੈ?
ਇੱਕ ਪਾਵਰ ਇੰਜੀਨੀਅਰ ਦੇ ਹਫ਼ਤੇ ਨੂੰ ਮੋਟੇ ਤੌਰ 'ਤੇ ਤਿੰਨ ਕਿਸਮਾਂ ਦੇ ਕੰਮ ਵਿੱਚ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ: ਡਾਟਾ ਤਿਆਰ ਕਰਨਾ (SCADA ਲੌਗਸ ਨੂੰ ਕਲੀਅਰ ਕਰਨਾ, ਮੀਟਰ ਡੇਟਾ ਦਾ ਆਯੋਜਨ ਕਰਨਾ, ਯੂਨਿਟ ਮਾਨਕੀਕਰਨ), ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਪੂਰਵ ਅਨੁਮਾਨ (ਲੋਡ ਪੂਰਵ ਅਨੁਮਾਨ, ਉਤਪਾਦਨ ਪੂਰਵ ਅਨੁਮਾਨ, ਵਿਗਾੜ ਖੋਜ, ਅਨੁਕੂਲਤਾ), ਅਤੇ ਸੰਚਾਰ (ਰਿਪੋਰਟ, ਪੇਸ਼ਕਾਰੀ, ਪ੍ਰਸਤਾਵ, ਰੈਗੂਲੇਟਰੀ ਐਪਲੀਕੇਸ਼ਨ)। AI ਤਿੰਨੋਂ ਖੇਤਰਾਂ ਨੂੰ ਛੂੰਹਦਾ ਹੈ, ਪਰ ਹਰ ਇੱਕ ਵਿੱਚ ਇਸਦਾ ਯੋਗਦਾਨ ਅਤੇ ਜੋਖਮ ਵੱਖ-ਵੱਖ ਹਨ।
ਆਉ ਸੰਖੇਪ ਵਿੱਚ ਸ਼ਰਤਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੀਏ: SCADA (ਸੁਪਰਵਾਈਜ਼ਰੀ ਕੰਟਰੋਲ ਅਤੇ ਡਾਟਾ ਪ੍ਰਾਪਤੀ) ਇੱਕ ਪ੍ਰਣਾਲੀ ਹੈ ਜੋ ਪਾਵਰ ਪਲਾਂਟ ਅਤੇ ਨੈਟਵਰਕ ਸਾਜ਼ੋ-ਸਾਮਾਨ ਤੋਂ ਤੁਰੰਤ ਮਾਪਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਦੀ ਹੈ ਅਤੇ ਰਿਮੋਟ ਨਿਗਰਾਨੀ/ਨਿਯੰਤਰਣ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ। ਇੱਕ ਸਮਾਰਟ ਮੀਟਰ ਇੱਕ ਬਿਜਲੀ ਮੀਟਰ ਹੁੰਦਾ ਹੈ ਜੋ ਖਪਤ ਨੂੰ ਮਾਪਦਾ ਹੈ ਅਤੇ ਇਸਨੂੰ ਰਿਮੋਟ ਤੋਂ ਸੰਚਾਰਿਤ ਕਰਦਾ ਹੈ, ਆਮ ਤੌਰ 'ਤੇ 15-ਮਿੰਟ ਦੇ ਅੰਤਰਾਲਾਂ 'ਤੇ।
ਡਾਟਾ ਤਿਆਰ ਕਰਨਾ ਨਕਲੀ ਬੁੱਧੀ ਦਾ ਸਭ ਤੋਂ ਸੁਰੱਖਿਅਤ ਅਤੇ ਸਭ ਤੋਂ ਵੱਧ ਲਾਭਦਾਇਕ ਖੇਤਰ ਹੈ। ਮੀਟਰ ਆਉਟਪੁੱਟ ਦੀਆਂ ਹਜ਼ਾਰਾਂ ਲਾਈਨਾਂ ਵਿੱਚ ਆਊਟਲੀਅਰਾਂ ਨੂੰ ਫਲੈਗ ਕਰਨਾ, ਅਸੰਗਤ ਯੂਨਿਟਾਂ ਨੂੰ ਮਾਨਕੀਕਰਨ ਕਰਨਾ (ਜਿਵੇਂ ਕਿ kWh ਨਾਲ kW ਨੂੰ ਮਿਲਾਉਣਾ), ਫ੍ਰੀ-ਟੈਕਸਟ ਫਾਲਟ ਨੋਟਸ ਨੂੰ ਇੱਕ ਢਾਂਚਾਗਤ ਸਾਰਣੀ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਨਾ — ਇਹ ਦੁਹਰਾਉਣ ਵਾਲੇ, ਨਿਯਮ-ਅਧਾਰਿਤ, ਤਸਦੀਕ ਕਰਨ ਵਿੱਚ ਆਸਾਨ ਕੰਮ ਹਨ। ਭਾਵੇਂ ਇੱਥੇ ਕੋਈ ਗਲਤੀ ਹੈ, ਇਸ ਨੂੰ ਸਰੋਤ (ਕੱਚੀ ਰਿਕਾਰਡਿੰਗ) 'ਤੇ ਵਾਪਸ ਜਾਣ ਅਤੇ ਜਾਂਚ ਕਰਨ ਲਈ ਮਿੰਟ ਲੱਗਦੇ ਹਨ।
ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਭਵਿੱਖਬਾਣੀ ਦਾ ਖੇਤਰ ਸਭ ਤੋਂ ਉੱਚਾ ਮੁੱਲ ਅਤੇ ਸਭ ਤੋਂ ਵੱਧ ਜੋਖਮ ਰੱਖਦਾ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਕੱਲ੍ਹ ਦੇ ਲੋਡ ਕਰਵ, ਸੂਰਜੀ ਊਰਜਾ ਪਲਾਂਟ ਦੇ ਦੁਪਹਿਰ ਦੇ ਉਤਪਾਦਨ, ਜਾਂ ਟਰਬਾਈਨ ਦੇ ਫੇਲ ਹੋਣ ਦੀ ਪ੍ਰਵਿਰਤੀ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰ ਸਕਦੀ ਹੈ। ਇਹ ਉਹਨਾਂ ਨਮੂਨਿਆਂ ਨੂੰ ਪ੍ਰਗਟ ਕਰਦਾ ਹੈ ਜੋ ਮਨੁੱਖੀ ਅੱਖ ਗੁਆ ਸਕਦੇ ਹਨ। ਪਰ ਉਹੀ ਮਾਡਲ ਭਰੋਸੇ ਨਾਲ ਇੱਕ ਪੈਟਰਨ ਨੂੰ ਫਿੱਟ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਮੌਜੂਦ ਨਹੀਂ ਹੈ (ਇਸ ਵਰਤਾਰੇ ਨੂੰ ਭਰਮ ਕਿਹਾ ਜਾਂਦਾ ਹੈ: ਮਾਡਲ ਅਜਿਹੀ ਜਾਣਕਾਰੀ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਮੌਜੂਦ ਨਹੀਂ ਹੈ, ਜਿਵੇਂ ਕਿ ਇਹ ਅਸਲ ਸੀ)। ਇਸ ਖੇਤਰ ਵਿੱਚ, AI ਇੱਕ ਪਰਿਕਲਪਨਾ ਜਨਰੇਟਰ ਹੈ, ਇੱਕ ਫੈਸਲਾ ਲੈਣ ਵਾਲਾ ਨਹੀਂ।
ਸੰਚਾਰ ਦੇ ਖੇਤਰ ਵਿੱਚ, ਨਕਲੀ ਬੁੱਧੀ ਇੱਕ ਡਰਾਫਟ ਐਕਸਲੇਟਰ ਹੈ। ਇੱਕ ਵਿਵਹਾਰਕਤਾ ਰਿਪੋਰਟ, ਇੱਕ ਰੈਗੂਲੇਟਰੀ ਸੰਖੇਪ, ਜਾਂ ਇੱਕ ਕਲਾਇੰਟ ਈਮੇਲ ਦੇ ਵਿਧੀ ਭਾਗ ਨੂੰ ਮਿੰਟਾਂ ਵਿੱਚ ਡਰਾਫਟ ਕਰਦਾ ਹੈ। ਇੱਥੇ ਖਤਰਾ ਇਹ ਹੈ ਕਿ ਕਾਨੂੰਨ ਦੇ ਬਣੇ ਟੁਕੜੇ ਜਾਂ ਇੱਕ ਗਲਤ ਨੰਬਰ ਨੂੰ ਵਹਿਣ ਵਾਲੇ ਟੈਕਸਟ ਵਿੱਚ ਅਣਦੇਖਿਆ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
ਪ੍ਰਮਾਣਿਕਤਾ ਅਨੁਸ਼ਾਸਨ: ਤਿੰਨ ਐਂਕਰ ਨਿਯਮ
ਇਸ ਮੋਡੀਊਲ ਦਾ ਦਿਲ ਇੱਕ ਸਿੰਗਲ ਆਦਤ ਹੈ: ਕਿਸੇ ਵੀ AI ਆਉਟਪੁੱਟ ਨੂੰ ਇਸ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕੀਤੇ ਬਿਨਾਂ ਇੰਜੀਨੀਅਰਿੰਗ ਫੈਸਲੇ ਵਿੱਚ ਸ਼ਾਮਲ ਨਾ ਕਰਨਾ। ਅਸੀਂ ਤਿੰਨ ਸੁਤੰਤਰ ਐਂਕਰਾਂ 'ਤੇ ਪ੍ਰਮਾਣਿਕਤਾ ਨੂੰ ਆਧਾਰਿਤ ਕਰਦੇ ਹਾਂ।
ਪਹਿਲਾ ਐਂਕਰ - ਤੀਬਰਤਾ ਦਾ ਕ੍ਰਮ। ਕੀ ਨਤੀਜਾ ਮੋਟੇ ਤੌਰ 'ਤੇ 10 ਰੇਂਜ ਦੀ ਸੰਭਾਵਿਤ ਸ਼ਕਤੀ ਦੇ ਅੰਦਰ ਹੈ? ਇੱਕ ਨਿਵਾਸ ਦੀ ਸਾਲਾਨਾ ਖਪਤ ਆਮ ਤੌਰ 'ਤੇ ਹਜ਼ਾਰਾਂ kWh ਦੇ ਕ੍ਰਮ ਵਿੱਚ ਹੁੰਦੀ ਹੈ; ਜੇਕਰ ਮਾਡਲ ਇੱਕ ਫਲੈਟ ਲਈ 5 ਮਿਲੀਅਨ kWh ਦਿੰਦਾ ਹੈ, ਤਾਂ ਇੱਕ ਯੂਨਿਟ ਜਾਂ ਸੰਪਾਦਨ ਗਲਤੀ ਹੈ ਅਤੇ ਇਸ ਨੂੰ ਵਿਸਥਾਰ ਵਿੱਚ ਜਾਣ ਤੋਂ ਬਿਨਾਂ ਸਮਝਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਇੱਕ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਟ੍ਰਾਂਸਫਾਰਮਰ ਦੀ ਸ਼ਕਤੀ ਸੈਂਕੜੇ ਕੇਵੀਏ ਤੋਂ ਲੈ ਕੇ ਕਈ ਐਮਵੀਏ ਤੱਕ ਹੁੰਦੀ ਹੈ; ਆਂਢ-ਗੁਆਂਢ ਦੇ ਟਰਾਂਸਫਾਰਮਰ ਲਈ 500 MVA ਹਾਸੋਹੀਣਾ ਹੈ। ਇਹ ਜਾਂਚ ਸਕਿੰਟ ਲੈਂਦੀ ਹੈ ਅਤੇ ਜ਼ਿਆਦਾਤਰ ਤਰੁੱਟੀਆਂ ਨੂੰ ਫੜਦੀ ਹੈ।
ਦੂਜਾ ਐਂਕਰ - ਇੰਜਨੀਅਰਿੰਗ ਪ੍ਰਸੰਨਤਾ। ਕੀ ਆਉਟਪੁੱਟ ਸਿਸਟਮ ਦੇ ਭੌਤਿਕ ਵਿਗਿਆਨ ਅਤੇ ਵਪਾਰਕ ਤਰਕ ਨਾਲ ਇਕਸਾਰ ਹੈ? ਇਹ ਰਾਤ ਨੂੰ ਪੈਦਾ ਕਰਨ ਲਈ ਸੂਰਜੀ ਊਰਜਾ ਪਲਾਂਟ ਲਈ ਭੌਤਿਕ ਵਿਗਿਆਨ ਦੇ ਨਿਯਮਾਂ ਦੀ ਉਲੰਘਣਾ ਕਰਦਾ ਹੈ, ਇੱਕ ਲੋਡ ਨੂੰ ਨਕਾਰਾਤਮਕ ਖਪਤ ਦਿਖਾਉਣ ਲਈ (ਜੇ ਕੋਈ ਉਤਪਾਦਨ ਨਹੀਂ ਹੈ), ਬੈਟਰੀ ਦੀ ਕੁਸ਼ਲਤਾ 100 ਪ੍ਰਤੀਸ਼ਤ ਤੋਂ ਵੱਧ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਊਰਜਾ ਦੀ ਸੰਭਾਲ, ਪਾਵਰ ਫੈਕਟਰ ਸੀਮਾਵਾਂ, ਸਾਜ਼ੋ-ਸਾਮਾਨ ਦੀਆਂ ਰੇਟਿੰਗਾਂ - ਇਹ ਤਰਕਸ਼ੀਲਤਾ ਦੇ ਫਿਲਟਰ ਹਨ ਜੋ ਹਰ ਆਉਟਪੁੱਟ ਨੂੰ ਪਾਸ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।
ਤੀਜਾ ਐਂਕਰ — ਮਾਪ/ਫੀਲਡ ਸਬੂਤ। ਇਹ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਐਂਕਰ ਹੈ। ਮੀਟਰ ਮਾਪ, ਅਸਲ ਉਤਪਾਦਨ ਡੇਟਾ, ਫੀਲਡ ਨਿਰੀਖਣ। ਇੱਕ ਲੋਡ ਪੂਰਵ ਅਨੁਮਾਨ ਦੀ ਤੁਲਨਾ ਅਸਲ ਖਪਤ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਫੀਲਡ ਨਿਰੀਖਣ ਅਤੇ ਵਾਈਬ੍ਰੇਸ਼ਨ ਮਾਪ ਦੁਆਰਾ ਇੱਕ ਅਸਫਲਤਾ ਦੀ ਭਵਿੱਖਬਾਣੀ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਜ਼ਮੀਨੀ ਸੱਚ ਦੀ ਹਮੇਸ਼ਾ ਜਿੱਤ ਹੁੰਦੀ ਹੈ; ਮਾਡਲ ਕਿੰਨਾ ਵੀ ਭਰੋਸੇ ਨਾਲ ਬੋਲਦਾ ਹੈ, ਟਰਮੀਨਲ ਵਿੱਚ ਮਾਪ ਦੀ ਆਖਰੀ ਗੱਲ ਹੁੰਦੀ ਹੈ।
ਸੰਕੇਤ: ਤਿੰਨ ਐਂਕਰਾਂ ਨੂੰ ਇੱਕ ਚੈਕਲਿਸਟ ਵਾਂਗ ਯਾਦ ਰੱਖੋ: "ਕੀ ਆਰਡਰ ਸਹੀ ਹੈ? ਕੀ ਭੌਤਿਕ ਵਿਗਿਆਨ ਵਾਜਬ ਹੈ? ਮਾਪ ਕੀ ਕਹਿੰਦਾ ਹੈ?" ਇਹ ਤਿੰਨ ਸਵਾਲ ਰਿਪੋਰਟ 'ਤੇ ਹਸਤਾਖਰ ਕੀਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਊਰਜਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿਚ ਜ਼ਿਆਦਾਤਰ ਤਰੁੱਟੀਆਂ ਨੂੰ ਫੜ ਲੈਂਦੇ ਹਨ।
ਤਿੰਨ ਮਿੰਨੀ ਕੇਸ: ਨੰਬਰ ਦੁਆਰਾ
ਕੇਸ 1 - ਮੀਟਰ ਕਲੀਅਰਿੰਗ ਵਿੱਚ ਸਮੇਂ ਦੀ ਬਚਤ। ਇੱਕ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਕੰਪਨੀ ਵਿਸ਼ਲੇਸ਼ਕ 1,200 ਗਾਹਕਾਂ (ਲਗਭਗ 2,880 ਕਤਾਰਾਂ ਪ੍ਰਤੀ ਗਾਹਕ) ਲਈ ਇੱਕ ਮਹੀਨੇ ਦੇ 15-ਮਿੰਟ ਮੀਟਰ ਡੇਟਾ ਨੂੰ ਹੱਥੀਂ ਰਗੜ ਰਿਹਾ ਸੀ; ਸੰਚਾਰ ਟੁੱਟਣ ਅਤੇ ਡੁਪਲੀਕੇਟ ਰਿਕਾਰਡਿੰਗਾਂ ਕਾਰਨ ਗੈਪ ਦਿਨ ਲੈ ਰਹੇ ਸਨ. ਇੱਕ ਨਕਲੀ ਬੁੱਧੀ-ਸਮਰਥਿਤ ਨਿਯਮ ਜਨਰੇਸ਼ਨ ਦੇ ਨਾਲ ਸਵੈਚਲਿਤ ਅੰਤਰ ਅਤੇ ਡੁਪਲੀਕੇਸ਼ਨ ਖੋਜ; ਨੇਤਰਹੀਣ ਤੌਰ 'ਤੇ ਚਿੰਨ੍ਹਿਤ ਰਿਕਾਰਡਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ। ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਲਗਭਗ ਤਿੰਨ ਦਿਨਾਂ ਤੋਂ ਘਟਾ ਕੇ ਅੱਧਾ ਦਿਨ ਕਰ ਦਿੱਤਾ ਗਿਆ ਸੀ, ਅਤੇ ਬਚਤ ਸਮਾਂ ਤਸਦੀਕ 'ਤੇ ਖਰਚ ਕੀਤਾ ਗਿਆ ਸੀ।
ਕੇਸ 2 - ਕੈਪਚਰ ਕੀਤਾ ਭਰਮ। ਜਦੋਂ ਇੱਕ ਇੰਟਰਨਲ ਕੋਲ ਇੱਕ ਖੇਤਰ ਦੇ ਵਿਤਰਣ ਨਿਯਮਾਂ ਦਾ ਸਾਰ ਸੀ, ਤਾਂ ਟੈਕਸਟ ਵਿੱਚ ਵਾਕ ਸ਼ਾਮਲ ਸੀ "ਰੈਗੂਲੇਸ਼ਨ ਦੇ ਆਰਟੀਕਲ 47 ਦੇ ਅਨੁਸਾਰ, ਪਾਵਰ ਪਲਾਂਟਾਂ ਨੂੰ 30 ਸਕਿੰਟਾਂ ਦੇ ਅੰਦਰ ਗਰਿੱਡ ਨਾਲ ਸਮਕਾਲੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।" ਅਜਿਹਾ ਕੋਈ ਪਦਾਰਥ ਨਹੀਂ ਸੀ; ਮਾਡਲ ਨੇ ਇੱਕ ਵਾਜਬ ਦਿੱਖ ਵਾਲਾ ਪਰ ਫਰਜ਼ੀ ਨੰਬਰ ਤਿਆਰ ਕੀਤਾ ਸੀ। ਸਰੋਤ ਦਸਤਾਵੇਜ਼ 'ਤੇ ਵਾਪਸ ਜਾਣ ਦੀ ਆਦਤ ਨੇ ਦਸਤਖਤ ਤੋਂ ਪਹਿਲਾਂ ਗਲਤੀ ਨੂੰ ਫੜ ਲਿਆ.
ਕੇਸ 3 - ਯੂਨਿਟ ਗਲਤੀ। ਇੱਕ ਊਰਜਾ ਬੱਚਤ ਗਣਨਾ ਵਿੱਚ, ਮਾਡਲ ਨੇ ਊਰਜਾ (kWh) ਨਾਲ ਪਾਵਰ (kWh) ਨੂੰ ਉਲਝਾਇਆ ਅਤੇ 24-ਘੰਟੇ ਦੀ ਖਪਤ ਨੂੰ 24 ਦੇ ਇੱਕ ਗੁਣਕ ਦੁਆਰਾ ਘਟਾ ਦਿੱਤਾ। "ਕੀ ਇਹ ਇਮਾਰਤ ਸਿਰਫ਼ 40 kWh ਪ੍ਰਤੀ ਦਿਨ, ਜਾਂ 960 kWh ਦੀ ਖਪਤ ਕਰਦੀ ਹੈ?" ਤੀਬਰਤਾ ਦੀ ਜਾਂਚ ਦੇ ਆਦੇਸ਼ ਨੇ ਤੁਰੰਤ ਗਲਤੀ ਦਾ ਖੁਲਾਸਾ ਕੀਤਾ; ਬਿਲਿੰਗ ਡੇਟਾ ਨੇ 960 kWh ਦੀ ਰੇਂਜ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਸ ਪਾਵਰ ਪਲਾਂਟ ਦੀ ਕੁਸ਼ਲਤਾ 'ਤੇ ਟਿੱਪਣੀ ਕਰੋ ਅਤੇ ਸੁਧਾਰਾਂ ਦਾ ਸੁਝਾਅ ਦਿਓ।[ਡਾਟਾ]
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਇੱਕ ਸੀਨੀਅਰ ਊਰਜਾ ਪ੍ਰਣਾਲੀ ਇੰਜੀਨੀਅਰ। ਦਿੱਤੇ ਗਏ ਨੰਬਰਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਹੇਠਾਂ ਦਿੱਤੇ ਡੇਟਾ 'ਤੇ ਟਿੱਪਣੀ ਕਰੋ। - ਕੋਈ ਵੀ ਮੁੱਲ, ਰੈਗੂਲੇਟਰੀ ਧਾਰਾਵਾਂ ਜਾਂ ਧਾਰਨਾਵਾਂ ਨਾ ਜੋੜੋ ਜੋ ਡੇਟਾ ਵਿੱਚ ਨਹੀਂ ਹਨ। - ਹਰੇਕ ਟਿੱਪਣੀ ਦੇ ਅੱਗੇ, ਡੇਟਾ ਦੀ ਕਤਾਰ/ਕਾਲਮ ਨੂੰ ਦਰਸਾਓ ਜਿਸ 'ਤੇ ਤੁਸੀਂ ਇਸਨੂੰ ਬਰੈਕਟਾਂ ਵਿੱਚ ਅਧਾਰਤ ਕਰਦੇ ਹੋ। - ਹਰੇਕ ਸੰਖਿਆਤਮਕ ਨਤੀਜੇ ਲਈ, ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਇਕਾਈ ਲਿਖੋ (kW ਜਾਂ kWh ਦਿਓ)।
ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ ਮਾਡਲ 'ਤੇ ਤਿੰਨ ਚੀਜ਼ਾਂ ਲਾਗੂ ਕਰਦਾ ਹੈ: ਸਰੋਤ ਨਾਲ ਜੁੜੇ ਰਹਿਣਾ, ਇਕਾਈ ਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਦੱਸਣਾ, ਅਤੇ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨਾ। ਇਸ ਨਾਲ ਭਰਮ ਪੂਰੀ ਤਰ੍ਹਾਂ ਖਤਮ ਨਹੀਂ ਹੁੰਦਾ, ਪਰ ਇਸ ਨੂੰ ਦਿਸਦਾ ਹੈ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਨਮੂਨੇ
1) ਅਗਿਆਤ ਸੰਦਰਭ ਸਥਾਪਤ ਕਰਨਾ:
ਮੈਂ ਊਰਜਾ ਸਿਸਟਮ ਇੰਜਨੀਅਰਿੰਗ ਅਸਾਈਨਮੈਂਟ ਲਈ ਮਦਦ ਲੱਭ ਰਿਹਾ/ਰਹੀ ਹਾਂ। ਕੰਪਨੀ, ਫੀਲਡ ਦਾ ਨਾਮ, ਕੋਆਰਡੀਨੇਟ ਅਤੇ ਗਾਹਕ ਜਾਣਕਾਰੀ ਗੁਪਤ ਹਨ; ਮੈਂ ਉਹਨਾਂ ਨੂੰ ਪ੍ਰਤੀਨਿਧੀ ਲੇਬਲ ਜਿਵੇਂ ਕਿ "ਫੀਲਡ-ਏ", "ਫੀਡਰ-3" ਦੇ ਨਾਲ ਦੇਵਾਂਗਾ। ਖੋਜ: [ਖੋਜ]। ਸਿਰਫ ਮੇਰੇ ਦੁਆਰਾ ਦਿੱਤੇ ਤਕਨੀਕੀ ਡੇਟਾ ਦੇ ਅਧਾਰ ਤੇ; ਮੈਂ ਨਾਜ਼ੁਕ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਵੇਰਵੇ ਨਹੀਂ ਮੰਗਾਂਗਾ।
2) ਤਿੰਨ ਐਂਕਰ ਪੁਸ਼ਟੀਕਰਨ ਬੇਨਤੀਆਂ:
ਨਿਮਨਲਿਖਤ ਆਉਟਪੁੱਟ ਲਈ ਤਿੰਨ ਜਾਂਚ ਕਰੋ ਅਤੇ ਹਰੇਕ ਨੂੰ ਇੱਕ ਵੱਖਰੇ ਸਿਰਲੇਖ ਹੇਠ ਰਿਪੋਰਟ ਕਰੋ: 1) ਤੀਬਰਤਾ ਦਾ ਕ੍ਰਮ: ਕੀ ਹਰੇਕ ਸੰਖਿਆ ਸੰਭਾਵਿਤ ਸੀਮਾ ਦੇ ਅੰਦਰ ਹੈ? ਜੇਕਰ ਨਹੀਂ, ਤਾਂ ਜਾਂਚ ਕਰੋ। 2) ਭੌਤਿਕ ਵਿਗਿਆਨ/ਇੰਜੀਨੀਅਰਿੰਗ ਦੀ ਪ੍ਰਸ਼ੰਸਾਯੋਗਤਾ: ਕੀ ਊਰਜਾ ਸੰਭਾਲ, ਉਪਕਰਨ ਰੇਟਿੰਗ, ਓਪਰੇਟਿੰਗ ਤਰਕ ਦੀ ਉਲੰਘਣਾ ਕੀਤੀ ਗਈ ਹੈ? 3) ਪੁਸ਼ਟੀਕਰਨ ਸਿਫ਼ਾਰਿਸ਼: ਕਿਹੜਾ ਮਾਪ/ਫੀਲਡ ਸਬੂਤ ਇਸ ਆਉਟਪੁੱਟ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ?
3) ਇਕਾਈ ਅਤੇ ਧਾਰਨਾ ਨਿਯੰਤਰਣ:
ਹੇਠਾਂ ਕਦਮ ਦਰ ਕਦਮ ਗਣਨਾ ਦੀ ਜਾਂਚ ਕਰੋ। ਹਰੇਕ ਲਾਈਨ ਵਿੱਚ ਵਰਤੀ ਗਈ ਇਕਾਈ ਲਿਖੋ, ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਇਕਾਈ ਰੂਪਾਂਤਰਨ ਦਿਖਾਉਂਦੇ ਹੋਏ (kW→kWh, MWh→GWh ਆਦਿ)। ਇੱਕ ਵੱਖਰੀ ਸੂਚੀ ਵਿੱਚ ਲੁਕੀਆਂ ਧਾਰਨਾਵਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰੋ। ਜੇ ਨਤੀਜਾ ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਅਸੰਭਵ ਹੈ, ਤਾਂ ਇਸ ਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਦੱਸੋ।
4) ਫੈਸਲਾ-ਸਮਰਥਨ ਸੰਖੇਪ:
ਇਸ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਇੱਕ ਇੰਜੀਨੀਅਰਿੰਗ ਫੈਸਲੇ ਨੋਟ ਵਿੱਚ ਬਦਲੋ: (a) ਖੋਜ, (b) ਡੇਟਾ ਜਿਸ 'ਤੇ ਇਹ ਅਧਾਰਤ ਹੈ, (c) ਅਨਿਸ਼ਚਿਤਤਾ/ਜੋਖਮ, (d) ਅਧਿਕਾਰਤ ਪ੍ਰਵਾਨਗੀ ਦੀ ਲੋੜ ਵਾਲੇ ਹਿੱਸੇ। "ਫੈਸਲੇ ਲਈ ਸਿਫ਼ਾਰਸ਼" ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕਰੋ, "ਨਿਰਧਾਰਤ" ਨਹੀਂ।
ਅਕਸਰ ਵਰਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਸ਼ਰਤਾਂ ਦੀ ਸਾਰਣੀ
ਮਿਆਦ
ਸੰਖੇਪ ਵਰਣਨ
ਲੋਡ
ਇੱਕ ਨਿਸ਼ਚਿਤ ਪਲ 'ਤੇ ਖਪਤ ਕੀਤੀ ਬਿਜਲੀ ਦੀ ਸ਼ਕਤੀ (kW/MW)
ਮੰਗ ਪੂਰਵ ਅਨੁਮਾਨ
ਭਵਿੱਖ ਦੇ ਲੋਡ ਦੀ ਭਵਿੱਖਬਾਣੀ
ਸਮਰੱਥਾ ਕਾਰਕ
ਪੈਦਾ ਕੀਤੀ ਊਰਜਾ ਦਾ ਅਨੁਪਾਤ ਉਸ ਊਰਜਾ ਨਾਲ ਜੋ ਪੈਦਾ ਕੀਤੀ ਜਾਵੇਗੀ ਜੇਕਰ ਇਹ ਪੂਰੀ ਸ਼ਕਤੀ ਨਾਲ ਨਿਰੰਤਰ ਚਲਦੀ ਹੈ
ਬਾਰੰਬਾਰਤਾ
ਨੈੱਟਵਰਕ ਅਲਟਰਨੇਟਿੰਗ ਕਰੰਟ ਦੀ ਔਸਿਲੇਸ਼ਨ ਦਰ (ਤੁਰਕੀਏ ਵਿੱਚ 50 Hz), ਸਪਲਾਈ-ਮੰਗ ਸੰਤੁਲਨ ਦਾ ਸੂਚਕ
ਭਰਮ
AI ਗੈਰ-ਮੌਜੂਦ ਜਾਣਕਾਰੀ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਇਹ ਅਸਲ ਸੀ
ਤਿੰਨ ਐਂਕਰ
ਆਰਡਰ + ਭੌਤਿਕ ਵਿਗਿਆਨ ਪ੍ਰਸ਼ੰਸਾਯੋਗਤਾ + ਮਾਪ ਪ੍ਰਮਾਣ ਪ੍ਰਮਾਣਿਕਤਾ ਅਨੁਸ਼ਾਸਨ
ਆਮ ਗਲਤੀਆਂ
- ਸ਼ੁੱਧਤਾ ਲਈ ਰਵਾਨਗੀ ਨੂੰ ਭੁਲਾਉਣਾ। ਸਿਰਫ਼ ਟੈਕਸਟ ਸਹੀ ਹੋਣ ਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਨੰਬਰ ਸਹੀ ਹਨ। ਊਰਜਾ ਡੇਟਾ ਵਿੱਚ, ਯੂਨਿਟ ਅਤੇ ਆਰਡਰ ਦੀ ਹਮੇਸ਼ਾ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
- ਇਕਾਈਆਂ ਨੂੰ ਅਨਿਸ਼ਚਿਤ ਛੱਡਣਾ। kW ਅਤੇ kWh, MW ਅਤੇ MWh ਵਿਚਕਾਰ ਉਲਝਣ ਊਰਜਾ ਗਣਨਾਵਾਂ ਵਿੱਚ ਸਭ ਤੋਂ ਆਮ ਅਤੇ ਮਹਿੰਗੀ ਗਲਤੀ ਹੈ।
- ਨਾਜ਼ੁਕ ਡਾਟਾ ਸਾਂਝਾ ਕਰਨਾ ਜਿਵੇਂ ਕਿ ਇਹ ਹੈ। SCADA ਅਤੇ ਗਰਿੱਡ ਟੋਪੋਲੋਜੀ ਮਹੱਤਵਪੂਰਨ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਹਨ; ਇਹ ਕਿਸੇ ਜਨਤਕ ਟੂਲ ਨੂੰ ਬਿਨਾਂ ਗੁਪਤਕਰਨ ਦੇ ਨਹੀਂ ਭੇਜਿਆ ਜਾਂਦਾ ਹੈ।
- ਫੈਸਲੇ ਲੈਣ ਲਈ AI ਨੂੰ ਗਲਤ ਕਰਨਾ। ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲਿਆਂ ਵਿੱਚ, AI ਸਿਫਾਰਸ਼ਾਂ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਅਧਿਕਾਰਤ ਇੰਜੀਨੀਅਰ ਫੈਸਲਾ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ ਲੈਂਦਾ ਹੈ।
- ਇਕੋ ਲੰਗਰ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ। ਸਿਰਫ਼ "ਮਾਡਲ ਸੁਰੱਖਿਅਤ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ" ਜਾਂ ਸਿਰਫ਼ ਰੈਂਕ ਦੀ ਜਾਂਚ ਕਰਨਾ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ; ਤਿੰਨ ਲੰਗਰ ਇਕੱਠੇ ਵਰਤੇ ਜਾਂਦੇ ਹਨ।
ਸਾਵਧਾਨ: ਕਿਸੇ AI ਟੂਲ ਵਿੱਚ ਗਰਿੱਡ ਦੀ ਟੌਪੋਲੋਜੀ, ਸੁਰੱਖਿਆ ਸੈਟਿੰਗਾਂ, ਜਾਂ ਨਾਜ਼ੁਕ ਸੰਪਤੀ ਸਥਾਨਾਂ ਵਰਗੀ ਜਾਣਕਾਰੀ ਦਾਖਲ ਕਰਨਾ ਇੱਕ ਗੋਪਨੀਯਤਾ ਅਤੇ ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਕਮਜ਼ੋਰੀ ਹੈ। ਅਜਿਹੇ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕੇਵਲ ਸੰਸਥਾ ਦੁਆਰਾ ਪ੍ਰਵਾਨਿਤ ਬੰਦ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
ਸੰਖੇਪ ਵਿੱਚ
ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਊਰਜਾ ਇੰਜਨੀਅਰਿੰਗ ਵਿੱਚ ਡਾਟਾ ਤਿਆਰ ਕਰਨ, ਵਿਸ਼ਲੇਸ਼ਣ/ਪੂਰਵ ਅਨੁਮਾਨ ਅਤੇ ਸੰਚਾਰ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਸਮਾਂ ਬਚਾਉਂਦੀ ਹੈ; ਪਰ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਪੂਰਵ-ਅਨੁਮਾਨ ਦਾ ਖੇਤਰ ਜੋ ਸਭ ਤੋਂ ਵੱਧ ਮੁੱਲ ਰੱਖਦਾ ਹੈ, ਸਭ ਤੋਂ ਵੱਧ ਜੋਖਮ ਵੀ ਰੱਖਦਾ ਹੈ। ਇਸ ਮੋਡੀਊਲ ਦੀ ਰੀੜ੍ਹ ਦੀ ਹੱਡੀ ਇੱਕ ਅਨੁਸ਼ਾਸਨ ਹੈ ਜੋ ਹਰੇਕ ਆਉਟਪੁੱਟ ਨੂੰ ਤਿੰਨ ਐਂਕਰਾਂ ਦੇ ਵਿਰੁੱਧ ਪਰਖਦਾ ਹੈ - ਤੀਬਰਤਾ ਦਾ ਕ੍ਰਮ, ਇੰਜੀਨੀਅਰਿੰਗ ਪ੍ਰਸ਼ੰਸਾਯੋਗਤਾ, ਅਤੇ ਮਾਪ ਸਬੂਤ। ਅਧਿਕਾਰਤ ਇੰਜੀਨੀਅਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ਤੋਂ ਬਿਨਾਂ AI ਆਉਟਪੁੱਟ ਲਈ ਕੋਈ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲੇ ਨਹੀਂ ਛੱਡੇ ਜਾਂਦੇ ਹਨ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਆਪਣੀ ਖੁਦ ਦੀ ਵਰਕਸਾਈਟ (ਜਾਂ ਇੱਕ ਖੁੱਲੀ ਉਦਾਹਰਣ) ਤੋਂ ਇੱਕ ਦਿਨ-ਅੱਗੇ ਦਾ ਲੋਡ ਜਾਂ ਉਤਪਾਦਨ ਪੂਰਵ ਅਨੁਮਾਨ ਪ੍ਰਾਪਤ ਕਰੋ। ਉਪਰੋਕਤ "ਤਿੰਨ ਐਂਕਰ ਪ੍ਰਮਾਣਿਕਤਾ ਬੇਨਤੀਆਂ" ਟੈਂਪਲੇਟ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, AI ਨੂੰ ਤਿੰਨ ਸਿਰਲੇਖਾਂ ਦੇ ਅਧੀਨ ਆਉਟਪੁੱਟ ਦਾ ਆਡਿਟ ਕਰਨ ਲਈ ਕਹੋ। ਫਿਰ ਹਰੇਕ ਸਿਰਲੇਖ ਲਈ ਆਪਣੇ ਹੱਥੀਂ ਜਾਂਚ ਕਰੋ: ਕੀ ਆਰਡਰ ਸਹੀ ਹੈ, ਕੀ ਭੌਤਿਕ ਵਿਗਿਆਨ ਵਾਜਬ ਹੈ, ਤੁਸੀਂ ਕਿਸ ਮੈਟ੍ਰਿਕ ਦੁਆਰਾ ਇਸ ਦੀ ਜਾਂਚ ਕਰੋਗੇ? ਘੱਟੋ-ਘੱਟ ਇੱਕ ਸਮੱਸਿਆ ਜੋ ਤੁਸੀਂ ਲੱਭੀ ਹੈ ਅਤੇ ਤੁਸੀਂ ਇਸਨੂੰ ਪੈਰਾਗ੍ਰਾਫ ਵਿੱਚ ਕਿਵੇਂ ਫੜਿਆ ਹੈ, ਲਿਖੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਕੰਮ ਨੂੰ ਡੇਟਾ ਤਿਆਰੀ / ਵਿਸ਼ਲੇਸ਼ਣ / ਸੰਚਾਰ ਦੇ ਰੂਪ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ ਕੀਤਾ ਅਤੇ ਇਸਦੇ ਜੋਖਮ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ
- [ ] ਮੈਂ ਆਉਟਪੁੱਟ ਦੀ ਤੀਬਰਤਾ ਦੇ ਕ੍ਰਮ ਦੁਆਰਾ ਜਾਂਚ ਕੀਤੀ
- [ ] ਮੈਂ ਭੌਤਿਕ ਵਿਗਿਆਨ ਅਤੇ ਇੰਜਨੀਅਰਿੰਗ ਪ੍ਰਸੰਨਤਾ ਦੇ ਵਿਰੁੱਧ ਆਉਟਪੁੱਟ ਦੀ ਜਾਂਚ ਕੀਤੀ
- [ ] ਮੈਂ ਨਿਰਧਾਰਤ ਕੀਤਾ ਹੈ ਕਿ ਕਿਹੜਾ ਮਾਪ/ਫੀਲਡ ਸਬੂਤ ਪ੍ਰਮਾਣਿਤ ਕਰੇਗਾ
- [ ] ਮੈਂ ਸਾਰੀਆਂ ਇਕਾਈਆਂ (kW/kWh, MW/MWh) ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਚੈੱਕ ਕੀਤਾ
- [ ] ਮੈਂ ਨਾਜ਼ੁਕ/ਗੁਪਤ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕੀਤਾ, ਨਾਜ਼ੁਕ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਵੇਰਵੇ ਸਾਂਝੇ ਨਹੀਂ ਕੀਤੇ
- [ ] ਮੈਂ ਨੋਟ ਕੀਤਾ ਹੈ ਕਿ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲਾ ਅਧਿਕਾਰਤ ਇੰਜੀਨੀਅਰ ਦੀ ਮਨਜ਼ੂਰੀ ਨਾਲ ਰਹਿੰਦਾ ਹੈ