ਲਾਭ:
- ਬਾਲਣ/ਸੀਮਾ, ਨਿਕਾਸ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਸਮੱਗਰੀ ਦੀ ਚੋਣ ਵਿੱਚ ਬਹੁ-ਮਾਪਦੰਡ ਸੰਤੁਲਨ 'ਤੇ ਹਲਕੇ ਭਾਰ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਸਮਝਣਾ
- ਮਟੀਰੀਅਲ ਡੇਟਾਬੇਸ, ਮਲਟੀ-ਓਬਜੈਕਟਿਵ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਅਤੇ ਟੌਪੋਲੋਜੀ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਵਿੱਚ ਸਟ੍ਰਕਚਰਡ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਮਕੈਨੀਕਲ ਸੰਪੱਤੀ, ਨਿਰਮਾਣਯੋਗਤਾ, ਲਾਗਤ ਅਤੇ ਸੁਰੱਖਿਆ ਲੋੜਾਂ ਦੇ ਨਾਲ AI ਸਮੱਗਰੀ ਦੀ ਸਿਫਾਰਸ਼ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਇੱਕ ਵਾਹਨ ਦਾ ਭਾਰ ਇਸਦੇ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਲਗਭਗ ਹਰ ਮਾਪ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ: ਬਾਲਣ ਦੀ ਖਪਤ, ਇੱਕ ਇਲੈਕਟ੍ਰਿਕ ਵਾਹਨ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਸੀਮਾ, ਪ੍ਰਵੇਗ, ਬ੍ਰੇਕਿੰਗ ਦੂਰੀ, ਕੋਨੇ ਦਾ ਵਿਵਹਾਰ ਅਤੇ ਨਿਕਾਸ। ਅੰਗੂਠੇ ਦਾ ਇੱਕ ਮੋਟਾ ਨਿਯਮ: ਇੱਕ ਯਾਤਰੀ ਕਾਰ ਦਾ ਭਾਰ 10% ਘਟਾਉਣ ਨਾਲ ਲਗਭਗ 6-8% ਤੱਕ ਬਾਲਣ ਦੀ ਖਪਤ ਵਿੱਚ ਸੁਧਾਰ ਹੋ ਸਕਦਾ ਹੈ। ਇਸ ਲਈ ਆਟੋਮੋਟਿਵ ਇੰਜਨੀਅਰਿੰਗ ਵਿੱਚ ਲਾਈਟਵੇਟਿੰਗ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਅਤੇ ਚੁਣੌਤੀਪੂਰਨ ਚੁਣੌਤੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਸਮੱਗਰੀ ਦੀ ਚੋਣ ਦੀ ਬਹੁ-ਮਾਪਦੰਡ ਪ੍ਰਕਿਰਤੀ ਨੂੰ ਦੇਖਾਂਗੇ, AI ਇਸ ਚੋਣ ਵਿੱਚ ਕਿਵੇਂ ਮਦਦ ਕਰਦਾ ਹੈ, ਅਤੇ ਕਿਉਂ ਇੱਕ AI ਸਿਫ਼ਾਰਿਸ਼ ਕਦੇ ਵੀ ਕਾਫ਼ੀ ਨਹੀਂ ਹੁੰਦੀ ਹੈ।
ਘਟਾਉਣਾ ਮੁਸ਼ਕਲ ਕਿਉਂ ਹੈ? ਬਹੁ-ਮਾਪਦੰਡ ਸੰਤੁਲਨ
ਇਹ ਕਹਿਣਾ ਆਸਾਨ ਹੈ ਕਿ "ਸਿਰਫ਼ ਹਲਕਾ ਸਮੱਗਰੀ ਚੁਣੋ", ਪਰ ਇੱਕ ਅਸਲੀ ਹਿੱਸੇ ਨੂੰ ਇੱਕੋ ਸਮੇਂ ਕਈ ਲੋੜਾਂ ਪੂਰੀਆਂ ਕਰਨੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ:
- ਤਾਕਤ ਅਤੇ ਕਠੋਰਤਾ: ਇਹ ਭਾਰ ਚੁੱਕਣ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਨਾ ਕਿ ਖਿੱਚਣ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
- ਥਕਾਵਟ ਪ੍ਰਤੀਰੋਧ: ਇਸ ਨੂੰ ਸਾਲਾਂ ਤੱਕ ਦੁਹਰਾਉਣ ਵਾਲੇ ਲੋਡ ਦੇ ਹੇਠਾਂ ਦਰਾੜ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ।
- ਦੁਰਘਟਨਾ ਦੀ ਸਥਿਤੀ ਵਿੱਚ ਇਹ ਊਰਜਾ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਜਜ਼ਬ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ. ਲਾਈਟਰ ਹਮੇਸ਼ਾ ਸੁਰੱਖਿਅਤ ਨਹੀਂ ਹੁੰਦਾ।
- ਨਿਰਮਾਣਯੋਗਤਾ: ਕੀ ਇਸਨੂੰ ਕਾਸਟ, ਮਸ਼ੀਨ, ਵੇਲਡ, ਮੋਲਡ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ?
- ਲਾਗਤ: ਸਮੱਗਰੀ + ਉਤਪਾਦਨ + ਅਸੈਂਬਲੀ.
- ਖੋਰ ਅਤੇ ਟਿਕਾਊਤਾ: ਸੜਕ ਲੂਣ, ਨਮੀ, ਗਰਮੀ ਦੇ ਸਾਲ.
- ਰੀਸਾਈਕਲਿੰਗ ਅਤੇ ਸਥਿਰਤਾ.
ਇੱਕ ਸਮੱਗਰੀ ਇੱਕ ਮਾਪਦੰਡ ਵਿੱਚ ਵਧੀਆ ਅਤੇ ਦੂਜੇ ਵਿੱਚ ਮਾੜੀ ਹੋ ਸਕਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਕਾਰਬਨ ਫਾਈਬਰ ਬਹੁਤ ਹਲਕਾ ਅਤੇ ਮਜ਼ਬੂਤ ਹੁੰਦਾ ਹੈ, ਪਰ ਇਹ ਮਹਿੰਗਾ, ਮੁਰੰਮਤ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਧਾਤ ਵਾਂਗ "ਕੁਚਲਣ" ਦੀ ਬਜਾਏ "ਤੋੜਨ" ਦੁਆਰਾ ਇੱਕ ਟੱਕਰ ਵਿੱਚ ਊਰਜਾ ਨੂੰ ਸੋਖ ਲੈਂਦਾ ਹੈ; ਇਸ ਲਈ ਇੱਕ ਵੱਖਰੇ ਡਿਜ਼ਾਈਨ ਦੀ ਲੋੜ ਹੈ।
ਆਮ ਆਟੋਮੋਟਿਵ ਲਾਈਟਵੇਟਿੰਗ ਸਮੱਗਰੀ
ਸਮੱਗਰੀ
ਮਜ਼ਬੂਤ ਬਿੰਦੂ
ਕਮਜ਼ੋਰੀ
ਉੱਚ ਤਾਕਤ ਵਾਲਾ ਸਟੀਲ (AHSS)
ਸਸਤੀ, ਮਜ਼ਬੂਤ, ਉਤਪਾਦਨ ਪਰਿਪੱਕ
ਉੱਚ ਘਣਤਾ
ਅਲਮੀਨੀਅਮ ਮਿਸ਼ਰਤ
ਹਲਕਾ, ਖੋਰ ਰੋਧਕ
ਮਹਿੰਗਾ, ਵੇਲਡ/ਇਕੱਠਾ ਕਰਨਾ ਔਖਾ
ਮੈਗਨੀਸ਼ੀਅਮ
ਬਹੁਤ ਹਲਕਾ
ਮਹਿੰਗਾ, ਖੋਰ ਅਤੇ ਜਲਣਸ਼ੀਲਤਾ ਦਾ ਜੋਖਮ
ਕਾਰਬਨ ਫਾਈਬਰ (CFRP)
ਵੱਧ ਤੋਂ ਵੱਧ ਤਾਕਤ/ਵਜ਼ਨ
ਬਹੁਤ ਮਹਿੰਗਾ, ਮੁਰੰਮਤ/ਟੱਕਰ ਗੁੰਝਲਦਾਰ
ਪਲਾਸਟਿਕ/ਕੰਪੋਜ਼ਿਟ
ਹਲਕਾ ਭਾਰ, ਸ਼ਕਲ ਦੀ ਆਜ਼ਾਦੀ
ਤਾਪਮਾਨ/ਸਹਿਣਸ਼ੀਲਤਾ ਸੀਮਾ
ਨੋਟ: ਇਹ ਸਾਰਣੀ ਇੱਕ ਆਮ ਸਥਿਤੀ ਹੈ; ਸਟੀਕ ਮੁੱਲ ਮਿਸ਼ਰਤ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ ਦੁਆਰਾ ਵੱਖ-ਵੱਖ ਹੁੰਦੇ ਹਨ ਅਤੇ ਅਧਿਕਾਰਤ ਸਮੱਗਰੀ ਡੇਟਾਸ਼ੀਟ ਤੋਂ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।
AI ਸਮੱਗਰੀ ਦੀ ਚੋਣ ਵਿੱਚ ਕਿਵੇਂ ਮਦਦ ਕਰਦਾ ਹੈ?
- ਸਮੱਗਰੀ ਡੇਟਾਬੇਸ ਸਕੈਨਿੰਗ: ਦਿੱਤੇ ਗਏ ਮਾਪਦੰਡਾਂ ਦੇ ਅਨੁਸਾਰ ਹਜ਼ਾਰਾਂ ਸਮੱਗਰੀ ਨੂੰ ਫਿਲਟਰ ਕਰਨਾ ਅਤੇ ਉਮੀਦਵਾਰਾਂ ਨੂੰ ਸੂਚੀਬੱਧ ਕਰਨਾ।
- ਮਲਟੀ-ਓਬਜੈਕਟਿਵ ਓਪਟੀਮਾਈਜੇਸ਼ਨ: ਵਿਰੋਧੀ ਟੀਚਿਆਂ ਜਿਵੇਂ ਕਿ ਭਾਰ, ਲਾਗਤ ਅਤੇ ਤਾਕਤ ਦੇ ਵਿਚਕਾਰ "ਪੈਰੇਟੋ ਫਰੰਟੀਅਰ" (ਵਧੀਆ ਵਪਾਰਕ ਵਕਰ ਜਿੱਥੇ ਤੁਸੀਂ ਦੂਜੇ ਨੂੰ ਸੁਧਾਰੇ ਬਿਨਾਂ ਸੁਧਾਰ ਨਹੀਂ ਕਰ ਸਕਦੇ) ਨੂੰ ਲੱਭਣਾ।
- ਟੌਪੋਲੋਜੀ ਓਪਟੀਮਾਈਜੇਸ਼ਨ: ਕਿਸੇ ਹਿੱਸੇ ਤੋਂ ਬੇਲੋੜੀ ਸਮੱਗਰੀ ਨੂੰ ਹਟਾਉਣਾ ਅਤੇ ਜਿਓਮੈਟਰੀ ਪੈਦਾ ਕਰਨਾ ਜੋ ਘੱਟ ਪੁੰਜ ਦੇ ਨਾਲ ਸਮਾਨ ਤਾਕਤ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ (ਯੂਨਿਟ 2 ਵਿੱਚ ਜਨਰੇਟਿਵ ਡਿਜ਼ਾਈਨ ਨਾਲ ਨੇੜਿਓਂ ਸਬੰਧਤ)।
- ਜਾਇਦਾਦ ਦੀ ਭਵਿੱਖਬਾਣੀ: ਇੱਕ ਨਵੀਂ ਮਿਸ਼ਰਤ ਰਚਨਾ (ਪਦਾਰਥ ਵਿਗਿਆਨ + ਮਸ਼ੀਨ ਸਿਖਲਾਈ) ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ।
ਸੁਝਾਅ: AI ਨੂੰ "ਸਭ ਤੋਂ ਹਲਕਾ ਸਮੱਗਰੀ ਦਾ ਸੁਝਾਅ" ਦੇਣ ਲਈ ਨਾ ਕਹੋ; ਕਹੋ, "3 ਉਚਿਤ ਉਮੀਦਵਾਰਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ ਅਤੇ ਹੇਠਾਂ ਦਿੱਤੀਆਂ ਰੁਕਾਵਟਾਂ (ਤਾਕਤ, ਉਤਪਾਦਨ, ਲਾਗਤ, ਖੋਰ) ਦੇ ਅਧੀਨ ਹਰੇਕ ਲਈ ਟ੍ਰੇਡ-ਆਫ ਕਰੋ।" ਇੱਕ ਮਾਪਦੰਡ ਤੁਹਾਨੂੰ ਅਜਿਹੀ ਚੋਣ ਵੱਲ ਲੈ ਜਾ ਸਕਦਾ ਹੈ ਜੋ ਸੁਰੱਖਿਅਤ ਜਾਪਦਾ ਹੈ ਪਰ ਗੈਰ-ਉਤਪਾਦਕ ਜਾਂ ਖਤਰਨਾਕ ਹੈ।
ਏਆਈ ਸਮੱਗਰੀ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਿਉਂ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ?
ਇੱਕ AI ਕਹਿ ਸਕਦਾ ਹੈ "ਇਸ ਬਰੈਕਟ ਨੂੰ ਅਲਮੀਨੀਅਮ ਤੋਂ ਮੈਗਨੀਸ਼ੀਅਮ ਵਿੱਚ ਬਦਲੋ ਅਤੇ ਇਹ 33% ਹਲਕਾ ਹੋਵੇਗਾ।" ਇਹ ਇੱਕ ਵਾਕ ਹੈ ਜੋ ਸਿਰਫ ਘਣਤਾ ਅਨੁਪਾਤ ਨੂੰ ਵੇਖਦਾ ਹੈ। ਤਸਦੀਕ ਕਰਨ ਲਈ ਚੀਜ਼ਾਂ:
- ਮਕੈਨੀਕਲ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ: ਕੀ ਉਪਜ ਦੀ ਤਾਕਤ ਅਤੇ ਮੈਗਨੀਸ਼ੀਅਮ ਦੀ ਲਚਕਤਾ ਦਾ ਮਾਡਿਊਲ ਇਸ ਲੋਡ ਲਈ ਕਾਫੀ ਹੈ?
- ਥਕਾਵਟ: ਕੀ ਇਹ ਵਾਰ-ਵਾਰ ਬੋਝ ਹੇਠ ਜੀਵਨ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ?
- ਟੱਕਰ: ਕੀ ਇਹ ਟੁਕੜਾ ਟੱਕਰ ਦੇ ਰਸਤੇ ਵਿੱਚ ਹੈ? ਕੀ ਵੱਖ-ਵੱਖ ਟੁੱਟਣ ਵਾਲੇ ਵਿਵਹਾਰ ਦਾ ਖਤਰਾ ਹੈ?
- ਨਿਰਮਾਣਯੋਗਤਾ: ਕੀ ਮੌਜੂਦਾ ਕਾਸਟਿੰਗ/ਮਸ਼ੀਨਿੰਗ ਲਾਈਨ ਮੈਗਨੀਸ਼ੀਅਮ ਨੂੰ ਸੰਭਾਲੇਗੀ?
- ਖੋਰ: ਮੈਗਨੀਸ਼ੀਅਮ ਗੈਲਵੈਨਿਕ ਖੋਰ ਦੀ ਸੰਭਾਵਨਾ ਹੈ; ਕੀ ਗੁਆਂਢੀ ਹਿੱਸਿਆਂ ਨਾਲ ਸੰਪਰਕ ਇੱਕ ਸਮੱਸਿਆ ਹੈ?
- ਲਾਗਤ: ਸਮੱਗਰੀ ਵਧੇਰੇ ਮਹਿੰਗਾ ਹੈ; ਕੀ ਕੁੱਲ ਕਾਰੋਬਾਰ ਦਾ ਕੋਈ ਮਤਲਬ ਹੈ?
- ਸਰੀਰਕ ਟੈਸਟਿੰਗ: ਅੰਤਮ ਸਬੂਤ ਹਮੇਸ਼ਾ ਪ੍ਰੋਟੋਟਾਈਪ ਟੈਸਟਿੰਗ ਹੁੰਦਾ ਹੈ।
ਨੋਟ: ਇਕੱਲਾ "ਹਲਕਾ" ਇੱਕ ਸਵੀਕ੍ਰਿਤੀ ਮਾਪਦੰਡ ਨਹੀਂ ਹੈ। ਲਾਈਟਵੇਟਿੰਗ ਸੁਰੱਖਿਆ ਅਤੇ ਟਿਕਾਊਤਾ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਘੱਟ ਕੀਤੇ ਬਿਨਾਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇੱਕ ਪਦਾਰਥਕ ਤਬਦੀਲੀ ਨੂੰ ਦੁਬਾਰਾ ਸਾਰੇ ਸੰਬੰਧਿਤ ਟੈਸਟਾਂ (ਥਕਾਵਟ, ਪ੍ਰਭਾਵ, ਵਾਤਾਵਰਣ) ਨੂੰ ਪਾਸ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।
ਮਿੰਨੀ ਕੇਸ ਅਧਿਐਨ
ਕੇਸ 1 - ਕਾਗਜ਼ 'ਤੇ ਵਧੀਆ, ਖੇਤਰ 'ਤੇ ਸਮੱਸਿਆ ਵਾਲਾ। ਇੱਕ ਟੀਮ ਇੱਕ AI ਸਿਫ਼ਾਰਿਸ਼ ਦੇ ਨਾਲ ਇੱਕ ਕੰਸੋਲ ਬਰੈਕਟ ਨੂੰ ਅਲਮੀਨੀਅਮ ਤੋਂ ਮੈਗਨੀਸ਼ੀਅਮ ਵਿੱਚ ਬਦਲਦੀ ਹੈ; ਪੁੰਜ 30% ਘਟਦਾ ਹੈ। ਪ੍ਰੋਟੋਟਾਈਪ ਟੈਸਟ ਵਿੱਚ, ਗੈਲਵੈਨਿਕ ਖੋਰ ਨਾਲ ਲੱਗਦੇ ਸਟੀਲ ਬੋਲਟ ਦੇ ਨਾਲ ਹਿੱਸੇ ਦੇ ਸੰਪਰਕ ਦੇ ਬਿੰਦੂ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ। ਜਦੋਂ ਇਨਸੂਲੇਸ਼ਨ ਫਲੇਕ ਅਤੇ ਕੋਟਿੰਗ ਨੂੰ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਲਾਗਤ ਵਧ ਜਾਂਦੀ ਹੈ ਅਤੇ ਮੁਨਾਫਾ ਘੱਟ ਜਾਂਦਾ ਹੈ। ਸਿੱਟਾ: ਘਣਤਾ ਲਾਭ ਅਸਲੀ ਹੈ, ਪਰ ਖੋਰ ਅਤੇ ਲਾਗਤ ਤਸਦੀਕ ਤੋਂ ਬਿਨਾਂ ਫੈਸਲਾ ਅਧੂਰਾ ਸੀ।
ਕੇਸ 2 - ਕਰੈਸ਼ ਹੈਰਾਨੀ। ਸਾਹਮਣੇ ਲੰਮੀ (ਕਰੈਸ਼ ਰੇਲ) ਹਿੱਸੇ ਲਈ, AI ਪਤਲੇ ਉੱਚ-ਸ਼ਕਤੀ ਵਾਲੇ ਸਟੀਲ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਦਾ ਹੈ; ਸਥਿਰ ਤਾਕਤ ਠੀਕ ਹੈ। ਪਰ ਟੱਕਰ ਸਿਮੂਲੇਸ਼ਨ ਵਿੱਚ, ਹਿੱਸਾ ਇੱਕ ਨਿਯੰਤਰਿਤ "ਐਕੌਰਡਿਅਨ" ਵਾਂਗ ਕੁਚਲ ਕੇ ਨਹੀਂ, ਸਗੋਂ ਤੇਜ਼ੀ ਨਾਲ ਝੁਕ ਕੇ ਊਰਜਾ ਨੂੰ ਸੋਖ ਲੈਂਦਾ ਹੈ; ਇਸ ਦਾ ਮਤਲਬ ਮੰਤਰੀ ਮੰਡਲ ਨੂੰ ਹੋਰ ਝਟਕਾ ਲੱਗਾ ਹੈ। ਇੱਕ ਕ੍ਰਸ਼ ਇਨੀਸ਼ੀਏਟਰ ਨੂੰ ਜੋੜ ਕੇ ਡਿਜ਼ਾਈਨ ਨੂੰ ਠੀਕ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਸਿੱਟਾ: ਸਥਿਰ ਤਾਕਤ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ; ਟੱਕਰ ਦੇ ਵਿਵਹਾਰ ਦੀ ਇੱਕ ਵੱਖਰੀ ਤਸਦੀਕ।
ਕੇਸ 3 - ਟੋਪੋਲੋਜੀ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਲਾਭ। ਇੱਕ ਮੁਅੱਤਲ ਬਰੈਕਟ ਨੂੰ ਟੌਪੌਲੋਜੀ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਨਾਲ ਮੁੜ ਡਿਜ਼ਾਇਨ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ; 22% ਪੁੰਜ ਘਟਦਾ ਹੈ, ਤਣਾਅ ਦੀ ਵੰਡ ਵਿੱਚ ਸੁਧਾਰ ਹੁੰਦਾ ਹੈ. ਪਰ ਨਤੀਜੇ ਵਜੋਂ ਜੈਵਿਕ ਜਿਓਮੈਟਰੀ ਮੌਜੂਦਾ ਕਾਸਟਿੰਗ ਮੋਲਡ ਨਾਲ ਪੈਦਾ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ। ਜਦੋਂ ਨਿਰਮਾਣ ਸਮਰੱਥਾ ਦੀ ਰੁਕਾਵਟ ਨੂੰ ਅਨੁਕੂਲਤਾ ਵਿੱਚ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਦੁਬਾਰਾ ਚਲਾਇਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ 17% ਲਾਭ ਦੇ ਨਾਲ ਇੱਕ ਕਾਸਟੇਬਲ ਡਿਜ਼ਾਈਨ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਸਿੱਟਾ: ਨਿਰਮਾਣਯੋਗਤਾ ਨੂੰ ਇੱਕ ਅਨੁਕੂਲਤਾ ਰੁਕਾਵਟ ਦੇ ਰੂਪ ਵਿੱਚ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਪੇਸ਼ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਸੀ।
ਪ੍ਰੋਂਪਟ ਟੈਂਪਲੇਟਸ
ਟੈਮਪਲੇਟ 1 - ਉਮੀਦਵਾਰ ਸਮੱਗਰੀ ਸਕ੍ਰੀਨਿੰਗ:
ਭੂਮਿਕਾ: ਤੁਸੀਂ ਇੱਕ ਸਮੱਗਰੀ ਇੰਜੀਨੀਅਰ ਹੋ। ਟਾਸਕ: ਇੱਕ ਬਰੈਕਟ ਲਈ 3 ਉਮੀਦਵਾਰ ਸਮੱਗਰੀਆਂ ਦਾ ਸੁਝਾਅ ਦਿਓ ਅਤੇ ਉਹਨਾਂ ਦੇ ਟਰੇਡ-ਆਫ ਦੀ ਤੁਲਨਾ ਕਰੋ। ਸੰਦਰਭ: ਸਥਿਰ ਲੋਡ 4 kN + ਵਾਈਬ੍ਰੇਸ਼ਨ; ਖੋਰ ਦੇ ਅਧੀਨ (ਪਹੀਏ ਖੇਤਰ); ਮੌਜੂਦਾ ਉਤਪਾਦਨ ਕਾਸਟਿੰਗ; ਟਾਰਗੇਟ ਪੁੰਜ ਕਟੌਤੀ। ਪਾਬੰਦੀ: ਸਿਰਫ ਹਲਕਾਪਨ ਨਹੀਂ; ਤਾਕਤ, ਥਕਾਵਟ, ਖੋਰ, ਨਿਰਮਾਣਤਾ ਅਤੇ ਲਾਗਤ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ; ਸਹੀ ਮੁੱਲ ਦਾ ਦਾਅਵਾ ਨਾ ਕਰੋ, ਡੇਟਾਸ਼ੀਟ ਤੋਂ ਪੁਸ਼ਟੀ ਦਰਸਾਓ। ਆਉਟਪੁੱਟ: ਸਮੱਗਰੀ | ਪਲੱਸ | ਘਟਾਓ | ਤਸਦੀਕ ਕਰਨ ਲਈ ਟੈਸਟ ਸਾਰਣੀ.
ਟੈਮਪਲੇਟ 2 - ਸਰਬ-ਉਦੇਸ਼ ਸੰਤੁਲਨ:
ਭੂਮਿਕਾ: ਤੁਸੀਂ ਇੱਕ ਅਨੁਕੂਲਨ ਸਲਾਹਕਾਰ ਹੋ। ਕੰਮ: ਭਾਰ-ਕੀਮਤ-ਤਾਕਤ ਵਿਚਕਾਰ ਵਪਾਰ-ਬੰਦ ਦੀ ਵਿਆਖਿਆ ਕਰੋ। ਸੰਦਰਭ: 3 ਉਮੀਦਵਾਰ ਸਮੱਗਰੀ ਲਈ ਜੋੜਿਆ ਗਿਆ (ਅਗਿਆਤ) ਅਨੁਮਾਨ। ਪਾਬੰਦੀ: ਪੈਰੇਟੋ ਤਰਕ ਦੀ ਵਿਆਖਿਆ ਕਰੋ; ਨਿਸ਼ਚਿਤ ਕਰੋ ਕਿ ਕਿਹੜੀ ਚੋਣ ਕਿਸ ਤਰਜੀਹ ਨਾਲ ਅਰਥ ਰੱਖਦੀ ਹੈ। ਆਉਟਪੁੱਟ: ਤਰਜੀਹ ਦ੍ਰਿਸ਼ | ਸਿਫਾਰਸ਼ੀ ਉਮੀਦਵਾਰ | ਕਾਰਨ
ਟੈਮਪਲੇਟ 3 - ਟੋਪੋਲੋਜੀ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਸੈੱਟਅੱਪ:
ਭੂਮਿਕਾ: ਤੁਸੀਂ ਇੱਕ ਢਾਂਚਾਗਤ ਅਨੁਕੂਲਨ ਮਾਹਰ ਹੋ। ਟਾਸਕ: ਇੱਕ ਬਰੈਕਟ ਲਈ ਇੱਕ ਡਰਾਫਟ ਟੋਪੋਲੋਜੀ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਸਮੱਸਿਆ ਪਰਿਭਾਸ਼ਾ ਲਿਖੋ। ਪ੍ਰਸੰਗ: 3 ਜੋੜਾਂ ਨੂੰ ਨਿਸ਼ਚਿਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਇੱਕ ਵਰਜਿਤ ਵਾਲੀਅਮ ਹੈ, ਸਮੱਗਰੀ ਕਾਸਟ ਅਲਮੀਨੀਅਮ ਹੈ, ਉਤਪਾਦਨ ਕਾਸਟਿੰਗ ਹੈ. ਸੀਮਾ: ਨਿਰਮਾਣਤਾ (ਕਾਸਟਿੰਗ ਐਮਰਜੈਂਸ ਐਂਗਲ, ਘੱਟੋ-ਘੱਟ ਕੰਧ ਮੋਟਾਈ) ਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਰੁਕਾਵਟ ਵਜੋਂ ਸ਼ਾਮਲ ਕਰੋ। ਆਉਟਪੁੱਟ: ਲੋਡ | ਪਾਬੰਦੀ | ਟੀਚਾ | ਉਤਪਾਦਨ ਪਾਬੰਦੀ ਸਾਰਣੀ.
ਟੈਮਪਲੇਟ 4 - ਪੁਸ਼ਟੀਕਰਨ ਯੋਜਨਾ:
ਭੂਮਿਕਾ: ਤੁਸੀਂ ਪੁਸ਼ਟੀਕਰਨ ਇੰਜੀਨੀਅਰ ਹੋ। ਕੰਮ: ਸਮੱਗਰੀ ਤਬਦੀਲੀ ਲਈ ਲੋੜੀਂਦੀ ਟੈਸਟ ਯੋਜਨਾ ਦਾ ਵਿਕਾਸ ਕਰੋ। ਸੰਦਰਭ: ਅਲਮੀਨੀਅਮ ਤੋਂ ਮੈਗਨੀਸ਼ੀਅਮ ਤੱਕ ਇੱਕ ਸਵਿੱਚ ਪ੍ਰਸਤਾਵਿਤ ਹੈ; ਭਾਗ ਥਕਾਵਟ ਦੇ ਭਾਰ ਹੇਠ ਹੈ ਅਤੇ ਸਟੀਲ ਨਾਲ ਲੱਗਦੇ ਹਿੱਸੇ ਦੇ ਸੰਪਰਕ ਵਿੱਚ ਹੈ। ਆਉਟਪੁੱਟ: ਟੈਸਟ (ਥਕਾਵਟ/ਖੋਰ/ਕਰੈਸ਼...) | ਮਕਸਦ | ਸਵੀਕ੍ਰਿਤੀ ਮਾਪਦੰਡ | ਤਰਜੀਹ.
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਸ ਟੁਕੜੇ ਲਈ ਸਭ ਤੋਂ ਹਲਕੇ ਸਮੱਗਰੀ ਦਾ ਨਾਮ ਦੱਸੋ।
ਇੱਕ ਮਾਪਦੰਡ (ਹਲਕਾਪਨ) ਤੁਹਾਨੂੰ ਇੱਕ ਅਸੁਰੱਖਿਅਤ ਜਾਂ ਗੈਰ-ਉਪਯੋਗੀ ਚੋਣ ਵੱਲ ਲੈ ਜਾ ਸਕਦਾ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਭੂਮਿਕਾ: ਤੁਸੀਂ ਇੱਕ ਸਮੱਗਰੀ ਅਤੇ ਡਿਜ਼ਾਈਨ ਇੰਜੀਨੀਅਰ ਹੋ। ਕਾਰਜ: ਮੁਅੱਤਲ ਬਰੈਕਟ ਨੂੰ ਹਲਕਾ ਕਰਨ ਲਈ 3 ਵਿਕਲਪਾਂ ਦਾ ਸੁਝਾਅ ਦਿਓ ਅਤੇ ਹਰੇਕ ਦੀ ਤਸਦੀਕ ਦੀ ਲੋੜ ਦੱਸੋ। ਸੰਦਰਭ: ਵਾਈਬ੍ਰੇਟਿੰਗ ਲੋਡ, ਖੋਰ ਦੇ ਅਧੀਨ, ਕਾਸਟਿੰਗ ਉਤਪਾਦਨ, ਸੁਰੱਖਿਆ ਕਾਰਕ ਨੂੰ ਘੱਟੋ-ਘੱਟ 1.5 ਬਰਕਰਾਰ ਰੱਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਨਾ ਕਿ ਟੱਕਰ ਦੇ ਰਸਤੇ ਵਿੱਚ। ਪਾਬੰਦੀ: ਤਾਕਤ, ਥਕਾਵਟ, ਖੋਰ, ਉਤਪਾਦਨ ਅਤੇ ਲਾਗਤ ਦੇ ਨਾਲ-ਨਾਲ ਹਲਕਾ ਭਾਰ; ਬਿਨਾਂ ਜਾਂਚ ਕੀਤੇ ਕਿਸੇ ਵੀ ਸੁਝਾਅ ਨੂੰ 'ਸੁਰੱਖਿਅਤ' ਘੋਸ਼ਿਤ ਨਾ ਕਰੋ। ਆਉਟਪੁੱਟ: ਵਿਕਲਪ | ਅੰਦਾਜ਼ਨ ਕਮਾਈ | ਖਤਰਾ | ਲੋੜੀਂਦਾ ਟੈਸਟ ਸਾਰਣੀ.
ਆਮ ਗਲਤੀਆਂ
- ਇੱਕ ਮਾਪਦੰਡ (ਹਲਕਾਪਣ) ਨਾਲ ਫੈਸਲਾ ਕਰਨਾ. ਸਮੱਗਰੀ ਦੀ ਚੋਣ ਦੇ ਕਈ ਮਾਪਦੰਡ ਹਨ।
- ਕਰੈਸ਼ ਵਿਹਾਰ ਨੂੰ ਭੁੱਲਣਾ। ਸਥਿਰ ਤਾਕਤ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ; ਊਰਜਾ ਸਮਾਈ ਇੱਕ ਵੱਖਰੀ ਲੋੜ ਹੈ.
- ਨਿਰਮਾਣਯੋਗਤਾ ਨੂੰ ਰਹਿਣ ਲਈ ਛੱਡਣਾ। ਇੱਕ ਸਰਵੋਤਮ ਜੋ ਪੈਦਾ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਉਹ ਅਨੁਕੂਲ ਨਹੀਂ ਹੈ।
- ਖੋਰ/ਗੈਲਵੈਨਿਕ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ। ਵੱਖ-ਵੱਖ ਧਾਤਾਂ ਵਿਚਕਾਰ ਸੰਪਰਕ ਨਵੀਆਂ ਸਮੱਸਿਆਵਾਂ ਪੈਦਾ ਕਰਦਾ ਹੈ।
- ਸਰੀਰਕ ਟੈਸਟ ਨੂੰ ਛੱਡਣਾ. ਕਾਗਜ਼ 'ਤੇ ਲਾਭ ਪ੍ਰੋਟੋਟਾਈਪ ਟੈਸਟਿੰਗ ਦੁਆਰਾ ਸਾਬਤ ਹੋਣ ਤੱਕ ਇੱਕ ਕਲਪਨਾ ਹੈ।
ਸਾਰੰਸ਼ ਵਿੱਚ
- ਲਾਈਟਵੇਟਿੰਗ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਈਂਧਨ/ਰੇਂਜ, ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਨਿਕਾਸ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ ਪਰ ਇਹ ਬਹੁ-ਮਾਪਦੰਡ ਸੰਤੁਲਨ ਹੈ।
- ਸਮੱਗਰੀ ਦੀ ਚੋਣ ਤਾਕਤ, ਥਕਾਵਟ, ਪ੍ਰਭਾਵ, ਨਿਰਮਾਣਤਾ, ਖੋਰ ਅਤੇ ਲਾਗਤ 'ਤੇ ਵਿਚਾਰ ਕਰਦੀ ਹੈ।
- AI ਸਮੱਗਰੀ ਸਕ੍ਰੀਨਿੰਗ, ਮਲਟੀ-ਓਬਜੈਕਟਿਵ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਅਤੇ ਟੌਪੋਲੋਜੀ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਕ ਹੈ।
- ਇਕੱਲਾ "ਹਲਕਾ" ਇੱਕ ਸਵੀਕ੍ਰਿਤੀ ਮਾਪਦੰਡ ਨਹੀਂ ਹੈ; ਹਰੇਕ ਤਬਦੀਲੀ ਨੂੰ ਸਾਰੇ ਸੰਬੰਧਿਤ ਟੈਸਟਾਂ ਨੂੰ ਦੁਬਾਰਾ ਪਾਸ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।
- ਅੰਤਮ ਸਬੂਤ ਸਰੀਰਕ ਟੈਸਟਿੰਗ ਹੈ; AI ਸੁਝਾਅ ਪ੍ਰਮਾਣਿਤ ਹੋਣ ਤੱਕ ਪਰਿਕਲਪਨਾ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਹਿੱਸਾ ਚੁਣੋ (ਜਿਵੇਂ ਕਿ ਦਰਵਾਜ਼ੇ ਦੀ ਅੰਦਰਲੀ ਬਰੈਕਟ)। (1) ਸਾਰੇ ਮਾਪਦੰਡਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ (ਤਾਕਤ, ਥਕਾਵਟ, ਕਰੈਸ਼, ਨਿਰਮਾਣ, ਖੋਰ, ਲਾਗਤ) ਜੋ ਇਸ ਹਿੱਸੇ ਨੂੰ ਪੂਰਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। (2) ਟੈਮਪਲੇਟ 1 ਅਤੇ 3 ਉਮੀਦਵਾਰ ਸਮੱਗਰੀ ਅਤੇ ਉਹਨਾਂ ਦੇ ਵਪਾਰ-ਆਫਸ ਲਓ। (3) ਉਮੀਦਵਾਰ ਲਈ ਟੈਂਪਲੇਟ 4 ਨਾਲ ਇੱਕ ਪੁਸ਼ਟੀਕਰਨ ਯੋਜਨਾ ਬਣਾਓ। (4) ਤਿੰਨ ਠੋਸ ਕਾਰਨਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰੋ ਕਿ ਸਿਰਫ਼ “ਹਲਕਾ” ਹੀ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਭਾਗ ਦੀਆਂ ਸਾਰੀਆਂ ਲੋੜਾਂ (ਸਿਰਫ਼ ਮਾਪਦੰਡ ਨਹੀਂ) ਸੂਚੀਬੱਧ ਕੀਤੀਆਂ ਹਨ।
- [ ] ਮੈਂ ਇੱਕ ਵੱਖਰੇ ਮਾਪਦੰਡ ਵਜੋਂ ਕਰੈਸ਼ ਵਿਵਹਾਰ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ।
- [ ] ਮੈਂ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਇੱਕ ਰੁਕਾਵਟ ਵਜੋਂ ਨਿਰਮਾਣਯੋਗਤਾ ਨੂੰ ਜੋੜਿਆ ਹੈ।
- [ ] ਮੈਂ ਖੋਰ/ਗੈਲਵੈਨਿਕ ਦਖਲ ਦੀ ਜਾਂਚ ਕੀਤੀ।
- ਮੈਂ ਹਰੇਕ ਸਮੱਗਰੀ ਤਬਦੀਲੀ ਲਈ ਤਸਦੀਕ ਟੈਸਟਾਂ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਹੈ।
- [ ] ਮੈਂ ਅੰਤਮ ਫੈਸਲੇ ਨੂੰ ਸਰੀਰਕ ਟੈਸਟ ਦੇ ਸਬੂਤ 'ਤੇ ਅਧਾਰਤ ਕਰਦਾ ਹਾਂ।