ਲਾਭ:
- ਸਕ੍ਰਿਪਟਾਂ ਤਿਆਰ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜੋ AI ਸਮਰਥਨ ਦੇ ਨਾਲ, ਪਾਈਥਨ ਨਾਲ ਸਿਗਨਲ, ਲੌਗ ਅਤੇ ਟੈਲੀਮੈਟਰੀ ਡੇਟਾ ਨੂੰ ਸਾਫ਼ ਅਤੇ ਕਲਪਨਾ ਕਰਦੀਆਂ ਹਨ
- ਸਧਾਰਨ ਪੂਰਵ-ਅਨੁਮਾਨ ਅਤੇ ਅਸੰਗਤ ਮਾਡਲ ਬਣਾਉਣ ਵੇਲੇ ਡਾਟਾ ਗੁਣਵੱਤਾ, ਓਵਰਲਰਨਿੰਗ ਅਤੇ ਐਕਸਟਰਪੋਲੇਸ਼ਨ ਜੋਖਮਾਂ ਨੂੰ ਪਛਾਣਨ ਦੀ ਸਮਰੱਥਾ
- ਏਆਈ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਕੋਡ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਯੂਨਿਟ ਨਿਯੰਤਰਣ, ਸੰਦਰਭ ਡੇਟਾ, ਅਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਪ੍ਰਸੰਨਤਾ ਨਾਲ ਨਤੀਜਾ
ਮੋਡੀਊਲ ਪ੍ਰੀਖਿਆ
1. ਇੱਕ ਇੰਟਰਨਲ ਇੱਕ LNA (ਘੱਟ ਸ਼ੋਰ ਐਂਪਲੀਫਾਇਰ) ਲਈ ਲੋੜੀਂਦੇ ਸਪਲਾਈ ਕਰੰਟ ਲਈ AI ਚੈਟ ਟੂਲ ਨੂੰ ਪੁੱਛਦਾ ਹੈ ਅਤੇ ਪਾਵਰ ਬਜਟ ਟੇਬਲ ਵਿੱਚ ਸਿੱਧਾ '15 mA' ਦਾ ਨਤੀਜਾ ਮੁੱਲ ਲਿਖਦਾ ਹੈ। ਇਸ ਪਹੁੰਚ ਵਿੱਚ ਬੁਨਿਆਦੀ ਗਲਤੀ ਕੀ ਹੈ?
- ਏ) ਮੌਜੂਦਾ ਮੁੱਲ ਡੇਟਾ ਸ਼ੀਟ ਅਤੇ ਚੁਣੇ ਹੋਏ ਹਿੱਸੇ ਦੀ ਓਪਰੇਟਿੰਗ ਸਥਿਤੀ ਤੋਂ ਆਉਣਾ ਚਾਹੀਦਾ ਹੈ; AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਨੰਬਰ ਇੱਕ ਗੈਰ-ਸਰੋਤ ਬਨਾਵਟ ਹੋ ਸਕਦਾ ਹੈ ✔
- ਅ) ਇਸ ਨੂੰ mA ਦੀ ਬਜਾਏ µA ਵਿੱਚ AI ਨੂੰ ਕਿਹਾ ਜਾਣਾ ਚਾਹੀਦਾ ਸੀ
- C) ਮੁੱਲ ਸਹੀ ਹੈ, ਕੇਵਲ ਇਕਾਈ ਸਪੈਲਿੰਗ ਨੂੰ ਠੀਕ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
- D) AI ਨੂੰ ਇੱਕੋ ਸਵਾਲ ਤਿੰਨ ਵਾਰ ਪੁੱਛਣਾ ਅਤੇ ਔਸਤ ਲੈਣਾ ਕਾਫ਼ੀ ਹੈ
ਵਿਆਖਿਆ: ਭਾਸ਼ਾ ਮਾਡਲ ਤੁਹਾਡੇ ਦੁਆਰਾ ਚੁਣੇ ਗਏ ਖਾਸ ਭਾਗ ਦੀ ਡੇਟਾਸ਼ੀਟ ਨੂੰ ਨਹੀਂ ਜਾਣਦਾ ਹੈ; ਇੱਕ ਸੰਖਿਆ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਸਭ ਤੋਂ ਵੱਧ ਸੰਭਾਵਤ ਜਾਪਦਾ ਹੈ (ਭਰਮ)। ਸਪਲਾਈ ਵਰਤਮਾਨ ਸਿਰਫ ਡੇਟਾ ਸ਼ੀਟ ਅਤੇ ਵਰਤੇ ਗਏ ਹਿੱਸੇ ਦੀ ਓਪਰੇਟਿੰਗ ਸਥਿਤੀ ਤੋਂ ਆਉਂਦਾ ਹੈ; AI ਆਉਟਪੁੱਟ ਪ੍ਰਮਾਣਿਕਤਾ ਤੋਂ ਬਿਨਾਂ ਸਾਰਣੀ ਵਿੱਚ ਦਾਖਲ ਨਹੀਂ ਹੋ ਸਕਦੀ।
2. ਇਲੈਕਟ੍ਰੋਨਿਕਸ/ਸੰਚਾਰ ਕੰਮ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਵਿੱਚ 'ਜੋਖਮ-ਅਧਾਰਤ ਵਰਗੀਕਰਨ' ਕੀ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ?
- ਏ) ਏਆਈ ਟੂਲ ਦੀ ਗਾਹਕੀ ਫੀਸ ਨੂੰ ਘਟਾਉਣਾ
- ਅ) AI ਦੀ ਭੂਮਿਕਾ ਅਤੇ ਕਾਰਜ ਦੇ ਜੋਖਮ ਪੱਧਰ ਦੇ ਅਨੁਸਾਰ ਤਸਦੀਕ ਦੀ ਲਾਜ਼ਮੀ ਡੂੰਘਾਈ ਦਾ ਪਤਾ ਲਗਾਓ ✔
- C) ਪ੍ਰੋਂਪਟ ਛੋਟੇ ਲਿਖੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ
- ਡੀ) ਸਾਰੇ ਫੈਸਲਿਆਂ ਨੂੰ ਸਵੈਚਲਿਤ ਤੌਰ 'ਤੇ AI ਨੂੰ ਸੌਂਪਣਾ
ਵਿਆਖਿਆ: ਹਰ ਮਿਸ਼ਨ ਇੱਕੋ ਜੋਖਮ ਪੱਧਰ 'ਤੇ ਨਹੀਂ ਹੁੰਦਾ। ਕੰਮ ਨੂੰ ਘੱਟ/ਮੱਧਮ/ਉੱਚ/ਨਾਜ਼ੁਕ ਵਜੋਂ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨਾ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ ਕਿ ਕਿਹੜੀ ਆਉਟਪੁੱਟ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਵਰਤੀ ਜਾ ਸਕਦੀ ਹੈ ਅਤੇ ਜਿਸ ਲਈ ਮਾਪ, ਸਿਮੂਲੇਸ਼ਨ ਅਤੇ ਯੋਗਤਾ ਪ੍ਰਾਪਤ ਇੰਜੀਨੀਅਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
3. ਸਿਗਨਲ ਪ੍ਰੋਸੈਸਿੰਗ ਵਿੱਚ Nyquist ਨਮੂਨਾ ਮਾਪਦੰਡ ਕੀ ਕਹਿੰਦਾ ਹੈ ਅਤੇ ਜੇਕਰ ਇਸਦੀ ਉਲੰਘਣਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਤਾਂ ਕੀ ਹੁੰਦਾ ਹੈ?
- ਏ) ਨਮੂਨਾ ਲੈਣ ਦੀ ਬਾਰੰਬਾਰਤਾ ਸਭ ਤੋਂ ਵੱਧ ਬਾਰੰਬਾਰਤਾ ਤੋਂ ਘੱਟੋ ਘੱਟ ਦੁੱਗਣੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ; ਨਹੀਂ ਤਾਂ, ਅਲੀਅਸਿੰਗ ਹੋਵੇਗੀ ਅਤੇ ਸਿਗਨਲ ਨੂੰ ਅਟੱਲ ਤੌਰ 'ਤੇ ਡੀਗਰੇਡ ਕੀਤਾ ਜਾਵੇਗਾ ✔
- ਅ) ਨਮੂਨਾ ਲੈਣ ਦੀ ਬਾਰੰਬਾਰਤਾ ਜਿੰਨੀ ਘੱਟ ਹੋਵੇਗੀ, ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਓਨਾ ਹੀ ਉੱਚਾ ਹੋਵੇਗਾ
- C) ਨਮੂਨਾ ਸਿਰਫ ਐਨਾਲਾਗ ਸਿਗਨਲਾਂ ਲਈ ਲੋੜੀਂਦਾ ਹੈ, ਡਿਜੀਟਲ ਨਹੀਂ
- D) Nyquist ਮਾਪਦੰਡ ਸਿਰਫ ਰੌਲੇ ਦੇ ਪੱਧਰ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ
ਸਪਸ਼ਟੀਕਰਨ: ਇੱਕ ਸਿਗਨਲ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਮੁੜ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ, ਨਮੂਨਾ ਲੈਣ ਦੀ ਬਾਰੰਬਾਰਤਾ ਸਿਗਨਲ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਬਾਰੰਬਾਰਤਾ ਤੋਂ ਘੱਟੋ-ਘੱਟ ਦੁੱਗਣੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਜੇ ਇਹ ਸ਼ਰਤ ਪੂਰੀ ਨਹੀਂ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਉੱਚ ਫ੍ਰੀਕੁਐਂਸੀ ਘੱਟ ਫ੍ਰੀਕੁਐਂਸੀ ਦੇ ਰੂਪ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ; ਇਸ ਨੂੰ ਅਲੀਅਸਿੰਗ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਡੇਟਾ ਸਥਾਈ ਤੌਰ 'ਤੇ ਖਰਾਬ ਹੋ ਜਾਂਦਾ ਹੈ।
4. AI ਕੋਲ PCB ਲੇਆਉਟ ਦਾ ਸੁਝਾਅ ਦੇਣ ਵੇਲੇ ਸਭ ਤੋਂ ਵਧੀਆ ਪਹੁੰਚ ਕੀ ਹੈ?
- ਏ) AI ਨੂੰ ਸੁਝਾਏ ਗਏ ਖਾਕੇ ਨੂੰ ਸਿੱਧੇ ਉਤਪਾਦਨ ਵਿੱਚ ਭੇਜਣਾ
- B) DRC, ਸਿਮੂਲੇਸ਼ਨ ਅਤੇ ਪ੍ਰੋਟੋਟਾਈਪ ਮਾਪ ਦੁਆਰਾ ਤਸਦੀਕ ਕੀਤੇ ਜਾਣ ਲਈ ਇੱਕ ਚੈਕਲਿਸਟ/ਸ਼ੁਰੂਆਤ ਵਜੋਂ ਪ੍ਰਸਤਾਵ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ ✔
- C) ਡੇਟਾ ਸ਼ੀਟਾਂ ਨੂੰ ਖੋਲ੍ਹੇ ਬਿਨਾਂ AI ਟੈਕਸਟ ਦੀ ਨਕਲ ਕਰਨਾ
- ਡੀ) ਸਿਗਨਲ ਇਕਸਾਰਤਾ ਨਿਯਮਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ ਕਿਉਂਕਿ AI ਉਹਨਾਂ ਨੂੰ ਰੱਦ ਕਰਦਾ ਹੈ
ਵਰਣਨ: AI ਆਮ ਲੇਆਉਟ ਅਤੇ ਸਿਗਨਲ ਇਕਸਾਰਤਾ ਸਿਧਾਂਤਾਂ ਨੂੰ ਯਾਦ ਕਰ ਸਕਦਾ ਹੈ (ਛੋਟਾ ਵਾਪਸੀ ਮਾਰਗ, ਹਵਾਲਾ ਜਹਾਜ਼, ਡੀਕਪਲਿੰਗ ਕੈਪੇਸੀਟਰ ਪਲੇਸਮੈਂਟ); ਹਾਲਾਂਕਿ, ਅੰਤਿਮ ਖਾਕਾ DRC (ਡਿਜ਼ਾਈਨ ਨਿਯਮ ਜਾਂਚ), ਸਿਮੂਲੇਸ਼ਨ ਅਤੇ ਪ੍ਰੋਟੋਟਾਈਪ ਮਾਪ ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। AI ਆਉਟਪੁੱਟ ਇੱਕ ਚੈਕਲਿਸਟ ਅਤੇ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਹੈ।
5. RF ਲਿੰਕ ਬਜਟ ਵਿੱਚ 'EIRP' ਦਾ ਕੀ ਅਰਥ ਹੈ?
- ਏ) ਪ੍ਰਭਾਵੀ ਰੇਡੀਏਟਿਡ ਪਾਵਰ, ਜੋ ਨੁਕਸਾਨ ਨੂੰ ਘਟਾ ਕੇ ਟ੍ਰਾਂਸਮੀਟਰ ਦੀ ਸ਼ਕਤੀ ਅਤੇ ਐਂਟੀਨਾ ਦੇ ਲਾਭ ਨੂੰ ਜੋੜਦੀ ਹੈ ✔
- ਬੀ) ਰਿਸੀਵਰ 'ਤੇ ਸ਼ੋਰ ਫਲੋਰ ਦਾ ਸੰਪੂਰਨ ਮੁੱਲ
- C) ਐਂਟੀਨਾ ਦਾ ਭੌਤਿਕ ਆਕਾਰ
- ਡੀ) ਕੇਬਲ ਦੀ ਵਿਸ਼ੇਸ਼ ਰੁਕਾਵਟ
ਵਿਆਖਿਆ: EIRP (ਪ੍ਰਭਾਵੀ ਆਈਸੋਟ੍ਰੋਪਿਕ ਰੇਡੀਏਟਿਡ ਪਾਵਰ) ਇੱਕ ਆਈਸੋਟ੍ਰੋਪਿਕ ਐਂਟੀਨਾ ਦੁਆਰਾ ਰੇਡੀਏਟ ਕੀਤੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸ਼ਕਤੀ ਹੈ, ਜੋ ਕਿ ਟ੍ਰਾਂਸਮੀਟਰ ਦੀ ਆਉਟਪੁੱਟ ਪਾਵਰ ਅਤੇ ਐਂਟੀਨਾ ਦੇ ਲਾਭ ਦੇ ਨਾਲ ਮਿਲਾ ਕੇ, ਕੇਬਲ/ਕਨੈਕਟਰ ਦੇ ਨੁਕਸਾਨ ਨੂੰ ਘਟਾਉਂਦੀ ਹੈ। ਲਿੰਕ ਬਜਟ ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਸੀਮਾਵਾਂ ਜ਼ਿਆਦਾਤਰ EIRP 'ਤੇ ਨਿਰਭਰ ਕਰਦੀਆਂ ਹਨ; ਅੰਤਮ ਮੁੱਲ ਨੂੰ ਮਾਪ ਅਤੇ ਨਿਯਮ ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
6. ਇਸਦਾ ਕੀ ਅਰਥ ਹੈ ਜਦੋਂ AI ਨੂੰ ਪੂਰਵ-ਅਨੁਮਾਨਿਤ ਰੱਖ-ਰਖਾਅ ਵਿੱਚ ਤਾਪਮਾਨ ਅਤੇ ਮੌਜੂਦਾ ਡੇਟਾ ਵਿੱਚ 'ਅਸੰਗਤਤਾ' ਮਿਲਦੀ ਹੈ?
- ਏ) ਸਬੂਤ ਕਿ ਸਾਜ਼-ਸਾਮਾਨ ਯਕੀਨੀ ਤੌਰ 'ਤੇ ਅਸਫਲ ਹੋ ਗਿਆ ਹੈ
- ਬੀ) ਇੱਕ ਚੇਤਾਵਨੀ ਹੈ ਕਿ ਡੇਟਾ ਆਮ ਨਾਲੋਂ ਭਟਕ ਜਾਂਦਾ ਹੈ; ਇੱਕ ਨਿਸ਼ਚਿਤ ਨੁਕਸ ਨਿਦਾਨ ਨਹੀਂ, ਪਰ ਇੱਕ ਨਿਸ਼ਾਨੀ ਜਿਸਦੀ ਫੀਲਡ ਨਿਰੀਖਣ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕੀਤੇ ਜਾਣ ਦੀ ਲੋੜ ਹੈ ✔
- ਸੀ) ਆਰਡਰ ਕਰੋ ਕਿ ਉਪਕਰਣ ਆਪਣੇ ਆਪ ਬੰਦ ਹੋ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ
- ਡੀ) ਗਾਰੰਟੀ ਦਿਓ ਕਿ ਡੇਟਾ ਗਲਤ ਦਰਜ ਕੀਤਾ ਗਿਆ ਸੀ
ਵਿਆਖਿਆ: ਇੱਕ ਵਿਗਾੜ ਆਮ ਵਿਵਹਾਰ ਤੋਂ ਡੇਟਾ ਦਾ ਇੱਕ ਭਟਕਣਾ ਹੈ ਅਤੇ ਇੱਕ ਖਰਾਬੀ ਦਾ ਸੰਕੇਤ ਕਰ ਸਕਦਾ ਹੈ; ਪਰ ਇਹ ਇੱਕ ਨਿਸ਼ਚਿਤ ਨਿਦਾਨ ਨਹੀਂ ਹੈ। ਕਾਰਡ/ਉਪਕਰਨ ਨੂੰ ਅਯੋਗ ਕਰਨ ਜਾਂ ਬਦਲਣ ਦਾ ਫੈਸਲਾ ਸਾਈਟ 'ਤੇ ਸਰੀਰਕ ਨਿਯੰਤਰਣ ਅਤੇ ਓਪਰੇਸ਼ਨ ਮੈਨੇਜਰ ਦੀ ਮਨਜ਼ੂਰੀ ਨਾਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
7. ਹਾਰਡਵੇਅਰ ਵਿੱਚ AI-ਲਿਖਤ ਫਰਮਵੇਅਰ ਇੰਟਰੱਪਟ ਸਰਵਿਸ ਰੂਟੀਨ (ISR) ਕੋਡ ਨੂੰ ਲੋਡ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸੁਰੱਖਿਆ/ਸਥਿਰਤਾ ਲਈ ਕਿਹੜਾ ਲਾਜ਼ਮੀ ਹੈ?
- ਏ) ਕੋਡ ਨੂੰ ਪੜ੍ਹੇ ਬਿਨਾਂ ਫੀਲਡ ਵਿੱਚ ਡਿਵਾਈਸਾਂ 'ਤੇ ਸਿੱਧਾ ਤੈਨਾਤ ਕਰੋ
- ਅ) ਬਸ ਜਾਂਚ ਕਰੋ ਕਿ ਇਹ ਕੰਪਾਇਲ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਇਸਨੂੰ ਸਥਾਪਿਤ ਕਰੋ
- C) ਕੋਡ ਨੂੰ ਪੜ੍ਹਨਾ, ਇਸਨੂੰ ਸਥਿਰ ਵਿਸ਼ਲੇਸ਼ਣ ਦੁਆਰਾ ਪਾਸ ਕਰਨਾ, ਸਾਂਝਾ ਡੇਟਾ/ਟਾਈਮਿੰਗ ਸੁਰੱਖਿਆ ਦੀ ਜਾਂਚ ਕਰਨਾ ਅਤੇ ਹਾਰਡਵੇਅਰ 'ਤੇ ਇਸ ਦੀ ਜਾਂਚ ਕਰਨਾ ✔
- ਡੀ) ਆਉਟਪੁੱਟ ਦੀਆਂ ਛੋਟੀਆਂ ਲਾਈਨਾਂ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ
ਸਪੱਸ਼ਟੀਕਰਨ: AI ਕੋਡ ਸ਼ੇਅਰਡ ਵੇਰੀਏਬਲ (ਅਸਥਿਰ/ਪਰਮਾਣੂ) ਦੀ ਸੁਰੱਖਿਆ ਨੂੰ ਛੱਡ ਸਕਦਾ ਹੈ, ISR ਵਿੱਚ ਲੰਮਾ/ਬਲਾਕ ਕਰਨ ਵਾਲਾ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ, ਜਾਂ ਗਲਤ ਰਜਿਸਟਰ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ। ਕੋਡ ਨੂੰ ਪੜ੍ਹਨਾ, ਇਸਨੂੰ ਸਥਿਰ ਵਿਸ਼ਲੇਸ਼ਣ ਦੁਆਰਾ ਚਲਾਉਣਾ, ਅਤੇ ਹਾਰਡਵੇਅਰ 'ਤੇ ਅਸਲ ਸਥਿਤੀਆਂ ਵਿੱਚ ਇਸ ਦੀ ਜਾਂਚ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ; ISR ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਹੋ ਸਕਦਾ ਹੈ।
8. ਡਿਜੀਟਲ ਸੰਚਾਰਾਂ ਵਿੱਚ BER (ਬਿੱਟ ਗਲਤੀ ਦਰ) ਅਤੇ SNR (ਸਿਗਨਲ-ਟੂ-ਨੋਇਸ ਅਨੁਪਾਤ) ਵਿਚਕਾਰ ਖਾਸ ਸਬੰਧ ਕੀ ਹੈ ਅਤੇ ਇਸਦੀ ਵਿਆਖਿਆ ਕਰਦੇ ਸਮੇਂ AI ਨੂੰ ਕੀ ਯਾਦ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ?
- ਏ) ਦੋਵੇਂ ਹਮੇਸ਼ਾ ਇਕੱਠੇ ਵਧਦੇ ਹਨ
- ਅ) ਉਨ੍ਹਾਂ ਵਿਚਕਾਰ ਕੋਈ ਸਬੰਧ ਨਹੀਂ ਹੈ
- C) ਆਮ ਤੌਰ 'ਤੇ, ਜਿਵੇਂ ਕਿ SNR ਵਧਦਾ ਹੈ, BER ਘਟਦਾ ਹੈ; ਅਸਲ ਮੁੱਲ ਮੋਡੂਲੇਸ਼ਨ, ਚੈਨਲ ਅਤੇ ਕੋਡਿੰਗ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਅਤੇ ਸਿਮੂਲੇਸ਼ਨ/ਮਾਪ ਦੁਆਰਾ ਤਸਦੀਕ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ ✔
- D) ਰਿਸ਼ਤਾ ਸਥਿਰ ਹੈ ਅਤੇ ਸਾਰੇ ਸਿਸਟਮਾਂ ਵਿੱਚ ਇੱਕੋ ਸੰਖਿਆਤਮਕ ਮੁੱਲ ਹੈ
ਵਿਆਖਿਆ: ਆਮ ਤੌਰ 'ਤੇ, ਜਿਵੇਂ ਕਿ SNR ਵਧਦਾ ਹੈ, BER ਘਟਦਾ ਹੈ (ਸ਼ੋਰ ਦੇ ਮੁਕਾਬਲੇ ਸਿਗਨਲ ਮਜ਼ਬੂਤ ਹੋਣ ਕਾਰਨ ਗਲਤੀ ਘੱਟ ਜਾਂਦੀ ਹੈ)। AI ਇਸ ਆਮ ਰੁਝਾਨ ਅਤੇ ਸਿਧਾਂਤਕ ਵਕਰਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਅਸਲ ਮੁੱਲ ਮੋਡੂਲੇਸ਼ਨ ਕਿਸਮ, ਚੈਨਲ, ਕੋਡਿੰਗ ਅਤੇ ਹਾਰਡਵੇਅਰ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਅਤੇ ਸਿਮੂਲੇਸ਼ਨ/ਮਾਪ ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ; ਆਮ ਕਰਵ ਸਿਸਟਮ-ਵਿਸ਼ੇਸ਼ ਸੱਚਾਈ ਨੂੰ ਨਹੀਂ ਬਦਲਦਾ।
9. AI ਨਾਲ I2C ਸੰਚਾਰ ਸਮੱਸਿਆ (ਡਿਵਾਈਸ ਜਵਾਬ ਨਹੀਂ ਦੇ ਰਹੀ) ਨੂੰ ਹੱਲ ਕਰਨ ਵੇਲੇ ਸਭ ਤੋਂ ਢੁਕਵੀਂ ਵਰਤੋਂ ਕੀ ਹੈ?
- ਏ) ਅਨੁਮਾਨਾਂ ਦੀ ਸੂਚੀ ਵਿੱਚ ਸੰਭਵ ਕਾਰਨਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ; ਵਿਸ਼ਲੇਸ਼ਕ/ਔਸੀਲੋਸਕੋਪ ਮਾਪ ਨਾਲ ਇੱਕ ਨਿਸ਼ਚਤ ਨਿਦਾਨ ਕਰਨਾ ✔
- ਅ) AI ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਪਹਿਲੇ ਕਾਰਨ ਨੂੰ ਇੱਕ ਨਿਸ਼ਚਿਤ ਨੁਕਸ ਵਜੋਂ ਸਵੀਕਾਰ ਕਰੋ ਅਤੇ ਹਾਰਡਵੇਅਰ ਨੂੰ ਬਦਲੋ।
- C) ਲਾਈਨ ਨੂੰ ਮਾਪੇ ਬਿਨਾਂ ਕਈ ਵਾਰ AI ਦੁਆਰਾ ਸੁਝਾਏ ਗਏ ਕੋਡ ਨੂੰ ਲੋਡ ਕਰਨਾ
- ਡੀ) ਵਿਸ਼ਲੇਸ਼ਕ ਮਾਪ ਛੱਡਣਾ ਅਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ AI ਭਵਿੱਖਬਾਣੀ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ
ਵਰਣਨ: AI ਅਨੁਮਾਨਾਂ ਦੀ ਇੱਕ ਯੋਜਨਾਬੱਧ ਸੂਚੀ ਦੇ ਰੂਪ ਵਿੱਚ ਸੰਭਾਵੀ ਕਾਰਨਾਂ (ਗਲਤ ਪਤਾ, ਪੁੱਲ-ਅੱਪ ਰੋਧਕ ਦੀ ਘਾਟ, ਸਪੀਡ ਬੇਮੇਲ, ਆਮ ਜ਼ਮੀਨ ਦੀ ਘਾਟ, ਵਿਵਾਦ) ਨੂੰ ਕੱਢ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇੱਕ ਤਰਕ ਵਿਸ਼ਲੇਸ਼ਕ ਜਾਂ ਔਸੀਲੋਸਕੋਪ ਨਾਲ ਲਾਈਨ ਨੂੰ ਮਾਪ ਕੇ ਨਿਸ਼ਚਤ ਨਿਦਾਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ; ਏਆਈ ਆਉਟਪੁੱਟ ਇੱਕ ਖੋਜ ਨਕਸ਼ਾ ਹੈ, ਇੱਕ ਨਿਸ਼ਚਿਤ ਨਿਦਾਨ ਨਹੀਂ ਹੈ.
10. ਸੈਲੂਲਰ ਨੈਟਵਰਕ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਵਿੱਚ, ਇੱਕ 'ਖਰਾਬ' ਚਿੰਨ੍ਹ ਪ੍ਰਤੀ ਸਭ ਤੋਂ ਸਹੀ ਰਵੱਈਆ ਕੀ ਹੈ ਜੋ AI RSRP/SINR ਰੁਝਾਨ ਵਿੱਚ ਲੱਭਦਾ ਹੈ?
- ਏ) ਸਿੱਧੇ AI ਆਉਟਪੁੱਟ ਦੇ ਅਧਾਰ ਤੇ ਲਾਈਵ ਨੈਟਵਰਕ ਮਾਪਦੰਡਾਂ ਨੂੰ ਬਦਲਣਾ
- ਅ) ਚੇਤਾਵਨੀ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰੋ ਅਤੇ ਦੇਖਣਾ ਜਾਰੀ ਰੱਖੋ
- C) ਫੀਲਡ ਮਾਪ/ਡਰਾਈਵ ਟੈਸਟਿੰਗ ਅਤੇ ਨੈਟਵਰਕ ਇੰਜੀਨੀਅਰ ਵਿਸ਼ਲੇਸ਼ਣ ਦੁਆਰਾ ਮੂਲ ਕਾਰਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ, ਫਿਰ ਫੈਸਲਾ ਕਰੋ ✔
- ਡੀ) ਸਿਰਫ਼ ਏਆਈ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਅਤੇ ਫੀਲਡ ਮਾਪ ਨੂੰ ਰੱਦ ਕਰਨਾ
ਸਪੱਸ਼ਟੀਕਰਨ: ਇਹ AI KPI ਰੁਝਾਨ ਵਿੱਚ ਇੱਕ ਸੰਭਾਵੀ ਕਵਰੇਜ/ਦਖਲਅੰਦਾਜ਼ੀ ਮੁੱਦੇ ਦਾ ਛੇਤੀ ਸੰਕੇਤ ਦੇ ਸਕਦਾ ਹੈ; ਹਾਲਾਂਕਿ, ਮੂਲ ਕਾਰਨ (ਐਂਟੀਨਾ ਟਿਲਟ, ਗੁਆਂਢੀ ਸੈੱਲ ਦਖਲਅੰਦਾਜ਼ੀ, ਹਾਰਡਵੇਅਰ ਅਸਫਲਤਾ) ਨੈਟਵਰਕ ਇੰਜੀਨੀਅਰ ਦੁਆਰਾ ਫੀਲਡ ਮਾਪ/ਡਰਾਈਵ ਟੈਸਟਿੰਗ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। AI ਆਉਟਪੁੱਟ ਇੱਕ ਸਕੈਨ ਚੇਤਾਵਨੀ ਹੈ, ਨਾ ਕਿ ਪੈਰਾਮੀਟਰ ਤਬਦੀਲੀ ਦਾ ਫੈਸਲਾ।
11. EMC/EMI ਅਧਿਐਨ ਵਿੱਚ AI ਦੁਆਰਾ ਸੁਝਾਏ ਗਏ ਹੱਲ ਨਾਲ ਨਜਿੱਠਣ ਲਈ ਸਭ ਤੋਂ ਸਹੀ ਪਹੁੰਚ ਕੀ ਹੈ (ਜਿਵੇਂ ਕਿ ਫੇਰਾਈਟ ਬੀਡ ਜੋੜਨਾ)?
- ਏ) AI ਸਿਫਾਰਿਸ਼ ਨੂੰ ਲਾਗੂ ਕਰਨ ਤੋਂ ਬਾਅਦ ਸਿੱਧੇ ਉਤਪਾਦ ਨੂੰ ਅਨੁਕੂਲ ਘੋਸ਼ਿਤ ਕਰਨਾ
- ਅ) ਸੁਝਾਅ ਨੂੰ ਇੱਕ ਸੰਭਾਵੀ ਹੱਲ ਪਰਿਕਲਪਨਾ ਵਜੋਂ ਵਿਚਾਰੋ ਅਤੇ ਇੱਕ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਵਿੱਚ ਮਿਆਰੀ ਸੀਮਾ ਦੇ ਅਨੁਸਾਰ ਮਾਪਾਂ ਨਾਲ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। ✔
- C) AI ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਮੁੱਲਾਂ ਨਾਲ ਮਿਆਰੀ ਸੀਮਾਵਾਂ ਨੂੰ ਫਿਕਸ ਕਰਨਾ
- ਡੀ) ਮਾਪ ਛੱਡਣਾ ਅਤੇ ਸਿਰਫ ਸਿਮੂਲੇਸ਼ਨ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ
ਵਰਣਨ: AI ਸੰਭਵ ਦਖਲਅੰਦਾਜ਼ੀ ਮਾਰਗਾਂ ਅਤੇ ਖਾਸ ਹੱਲਾਂ (ਫਿਲਟਰਿੰਗ, ਸ਼ੀਲਡਿੰਗ, ਗਰਾਉਂਡਿੰਗ, ਕੇਬਲ ਪ੍ਰਬੰਧਨ) ਨੂੰ ਯਾਦ ਕਰ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਅਨੁਕੂਲਤਾ 'ਤੇ ਫੈਸਲਾ ਮਿਆਰੀ ਸੀਮਾ (ਉਦਾਹਰਨ ਲਈ CISPR/EN) ਦੇ ਅਨੁਸਾਰ ਇੱਕ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਵਿੱਚ ਮਾਪ ਦੁਆਰਾ ਲਿਆ ਜਾਂਦਾ ਹੈ; AI ਆਉਟਪੁੱਟ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਪਰਿਕਲਪਨਾ ਹੈ, ਤੰਦਰੁਸਤੀ ਦਾ ਬਿਆਨ ਨਹੀਂ।
12. ਜਦੋਂ ਤੁਸੀਂ 3GPP ਜਾਂ IEEE 802.11 ਵਰਗੇ ਸਟੈਂਡਰਡ ਦੇ ਭਾਗ/ਕਲਾਜ਼ ਨੰਬਰ ਲਈ ਪੁੱਛਦੇ ਹੋ ਤਾਂ AI ਨੂੰ ਮੇਕ-ਅੱਪ (ਭ੍ਰਮ) ਸੰਦਰਭ ਪ੍ਰਾਪਤ ਕਰਨ ਤੋਂ ਰੋਕਣ ਦਾ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਤਰੀਕਾ ਕੀ ਹੈ?
- A) AI ਦੁਆਰਾ ਦਿੱਤੇ ਆਈਟਮ ਨੰਬਰ ਅਤੇ ਸਾਰਣੀ ਮੁੱਲ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ
- ਅ) ਵੱਖ-ਵੱਖ ਸ਼ਬਦਾਂ ਨਾਲ ਇੱਕੋ ਸਵਾਲ ਦੁਬਾਰਾ ਪੁੱਛਣਾ
- C) ਸਟੈਂਡਰਡ ਦੀ ਬਜਾਏ ਇੱਕ ਫੋਰਮ ਪੋਸਟ ਨੂੰ ਵੇਖਣਾ
- D) ਸਟੈਂਡਰਡ (ਸਹੀ ਰੀਲੀਜ਼/ਵਰਜਨ) ਦੇ ਮੌਜੂਦਾ ਅਧਿਕਾਰਤ ਟੈਕਸਟ ਤੋਂ ਹਰੇਕ ਸੰਦਰਭ ਨੂੰ ਖੋਲ੍ਹਣਾ ਅਤੇ ਪੁਸ਼ਟੀ ਕਰਨਾ ਅਤੇ ਲੋੜ ਪੈਣ 'ਤੇ ਅਧਿਕਾਰਤ ਪ੍ਰਵਾਨਗੀ ਪ੍ਰਾਪਤ ਕਰਨਾ ✔
ਵਿਆਖਿਆ: ਭਾਵੇਂ ਭਾਸ਼ਾ ਮਾਡਲ ਨੂੰ ਮਿਆਰੀ ਦਾ ਨਾਮ ਸਹੀ ਢੰਗ ਨਾਲ ਪਤਾ ਹੋਵੇ, ਇਹ ਸੈਕਸ਼ਨ ਨੰਬਰ, ਸਾਰਣੀ ਮੁੱਲ, ਅਤੇ ਟੈਕਸਟ ਨੂੰ ਭੁਲੇਖਾ ਪਾ ਸਕਦਾ ਹੈ; ਇਸ ਤੋਂ ਇਲਾਵਾ, ਰੀਲੀਜ਼ਾਂ ਵਿਚਕਾਰ ਮੁੱਲ ਵੱਖ-ਵੱਖ ਹੁੰਦੇ ਹਨ। ਹਰੇਕ ਹਵਾਲੇ ਨੂੰ ਸਟੈਂਡਰਡ ਦੇ ਮੌਜੂਦਾ ਅਧਿਕਾਰਤ ਪਾਠ ਤੋਂ ਖੋਲ੍ਹਿਆ ਅਤੇ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ, ਜਿੱਥੇ ਲੋੜ ਹੋਵੇ, ਅਧਿਕਾਰਤ ਵਿਅਕਤੀ ਦੀ ਪ੍ਰਵਾਨਗੀ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।
13. AI ਦੁਆਰਾ ਲਿਖੀ ਗਈ ਪਾਈਥਨ ਸਿਗਨਲ ਵਿਸ਼ਲੇਸ਼ਣ ਸਕ੍ਰਿਪਟ ਨੂੰ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਜਾਂਚ ਕੀ ਹੈ?
- A) ਕੋਡ ਨੂੰ ਪੜ੍ਹਨਾ ਅਤੇ ਨਮੂਨੇ/ਯੂਨਿਟ ਦੇ ਮੇਲ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ, ਕਿਸੇ ਜਾਣੇ-ਪਛਾਣੇ ਸੰਦਰਭ ਸਿਗਨਲ ਨਾਲ ਟੈਸਟ ਕਰਨਾ ਅਤੇ ਨਤੀਜੇ ਦੀ ਸੁਚੱਜੀਤਾ ਦੀ ਜਾਂਚ ਕਰਨਾ ✔
- ਅ) ਕੋਡ ਨੂੰ ਬਿਨਾਂ ਪੜ੍ਹੇ ਪੂਰੇ ਡੇਟਾ ਸੈੱਟ 'ਤੇ ਸਿੱਧਾ ਚਲਾਉਣਾ
- ਗ) ਇਹ ਦੇਖਣਾ ਕਿ ਕੋਈ ਗਲਤੀ ਨਹੀਂ ਹੈ ਅਤੇ ਨਤੀਜਾ ਸਵੀਕਾਰ ਕਰਨਾ
- ਡੀ) ਦ੍ਰਿਸ਼ਟੀ ਤੋਂ ਸੁੰਦਰ ਹੋਣ ਲਈ ਆਉਟਪੁੱਟ ਦੇ ਗ੍ਰਾਫਿਕ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ
ਵਰਣਨ: AI ਕੋਡ ਨਮੂਨਾ ਲੈਣ ਦੀ ਬਾਰੰਬਾਰਤਾ, ਮਿਕਸ ਯੂਨਿਟਾਂ (Hz/kHz, V/mV), ਵਿੰਡੋਿੰਗ/ਸਧਾਰਨਕਰਨ ਨੂੰ ਛੱਡ ਸਕਦਾ ਹੈ, ਜਾਂ ਬੇਮੇਲ ਕਾਲਮਾਂ ਨੂੰ ਗਲਤ ਢੰਗ ਨਾਲ ਮੰਨ ਸਕਦਾ ਹੈ। ਕੋਡ ਨੂੰ ਪੜ੍ਹਨਾ, ਇਕਾਈ ਅਤੇ ਨਮੂਨੇ ਲੈਣ ਦੇ ਮਾਪਦੰਡਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ, ਕਿਸੇ ਜਾਣੇ-ਪਛਾਣੇ ਸੰਦਰਭ ਸੰਕੇਤ ਨਾਲ ਜਾਂਚ ਕਰਨਾ ਅਤੇ ਇਹ ਜਾਂਚ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ ਕਿ ਨਤੀਜਾ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਸਹੀ ਹੈ ਜਾਂ ਨਹੀਂ।
14. ਕਲਾਉਡ-ਅਧਾਰਿਤ AI ਟੂਲ ਨੂੰ ਡਿਜ਼ਾਈਨ ਫਾਈਲਾਂ ਜਾਂ ਗਾਹਕ ਨੈਟਵਰਕ ਡੇਟਾ ਪ੍ਰਦਾਨ ਕਰਦੇ ਸਮੇਂ ਗੋਪਨੀਯਤਾ ਅਤੇ ਬੌਧਿਕ ਸੰਪੱਤੀ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਕਾਰਵਾਈ ਕੀ ਹੈ?
- ਏ) ਸਾਰਾ ਕੱਚਾ ਡਿਜ਼ਾਈਨ/ਜਾਲ ਡੇਟਾ ਜਿਵੇਂ ਹੈ, ਪੇਸਟ ਕਰਨਾ
- ਅ) ਸੰਦਰਭ ਨੂੰ ਅਗਿਆਤ ਕਰੋ ਅਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਡਿਜ਼ਾਈਨ/ਗਾਹਕ/ਮਾਪ ਡੇਟਾ ਨੂੰ ਸਾਫ਼ ਕਰੋ ਅਤੇ ਕਾਰਪੋਰੇਟ, ਨੀਤੀ-ਅਨੁਕੂਲ ਟੂਲਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰੋ ✔
- C) ਇਹ ਮੰਨ ਕੇ ਕਿ ਨਤੀਜਾ ਗੁਣਵੱਤਾ ਲਈ ਅਸਲ ਗਾਹਕ ਅਤੇ IP ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ
- ਡੀ) ਗੋਪਨੀਯਤਾ ਅਤੇ ਬੌਧਿਕ ਸੰਪਤੀ ਨੀਤੀ ਨੂੰ ਬਿਲਕੁਲ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ
ਵਰਣਨ: ਯੋਜਨਾਬੱਧ/ਪੀਸੀਬੀ ਫਾਈਲਾਂ, ਫਰਮਵੇਅਰ ਸਰੋਤ, ਗਾਹਕ ਟੋਪੋਲੋਜੀ ਅਤੇ ਗਾਹਕ/ਮਾਪ ਡੇਟਾ ਵਪਾਰਕ ਰਾਜ਼ ਅਤੇ ਕਾਨੂੰਨ (KVKK/GDPR) ਦੇ ਰੂਪ ਵਿੱਚ ਸੰਵੇਦਨਸ਼ੀਲ ਹਨ। ਸੰਦਰਭ ਨੂੰ ਅਗਿਆਤ ਕਰਨਾ, ਅਸਲ IP/MAC/ਕੋਆਰਡੀਨੇਟ/ਕਲਾਇੰਟ ਦੇ ਨਾਮ ਸਾਫ਼ ਕਰਨਾ, ਕਾਰਪੋਰੇਟ ਅਤੇ ਨੀਤੀ ਅਨੁਕੂਲ ਟੂਲ ਚੁਣਨਾ ਅਤੇ ਕੰਪਨੀ ਨੀਤੀ ਦੀ ਪਾਲਣਾ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ।