ලාභ:
- තෙල් සහ ගෑස් නීති සන්දර්භය තුළ AI ප්රතිදානය සත්යාපනය කිරීමේ වගකීම අවබෝධ කර ගැනීමේ හැකියාව (EMRA, PRMS/SEC සංචිත වාර්තාකරණය, API ප්රමිතීන්)
- වාණිජ රහස්යභාවය, හොඳින් දත්ත සංවේදිතාව සහ සදාචාරාත්මක සීමාවන් මෙහෙයුම් රහස්ය නීති බවට පරිවර්තනය කිරීමේ හැකියාව
- තෙල් සහ ගෑස් ඉංජිනේරු විද්යාවේ AI භාවිතය අන්තයේ සිට අවසානය දක්වා සත්යාපනය සහ පාලන විනය සමඟ පවත්වා ගැනීමේ හැකියාව
මොඩියුල විභාගය
1. තෙල් සහ ගෑස් ඉංජිනේරු විද්යාවේ AI නිමැවුමක අවදානම තීරණය කරන මූලික මූලධර්මය පහත සඳහන් දේවලින් කුමක් ද?
- A) ප්රතිදානයක අවදානම එම ප්රතිදානය දෝෂ සහිත නම් එයින් සිදුවන හානියට සමාන වේ; ඒ අනුව වලංගු කිරීමේ පරිමාණයන් ✔
- B) AI ප්රතිදානය සාමාන්යයෙන් ආරක්ෂිත වන්නේ එය චතුර ලෙස සහ විශ්වාසයෙන් ලියා ඇති බැවිනි
- C) වඩාත්ම වත්මන් ආකෘතිය භාවිතා කරන විට වලංගු කිරීම අනවශ්යය
- D) ප්රතිදානය ප්රමිතියකට යොමු කරන්නේ නම්, අමතර පාලනයක් අවශ්ය නොවේ
පැහැදිලි කිරීම: ප්රතිදානයක අවදානම එම ප්රතිදානය දෝෂ සහිත නම් එයින් සිදුවන හානියට සමාන වේ. සාහිත්ය සාරාංශයක සුළු දෝෂයක් හානිකර විය හැකි අතර, ළිං පීඩන සීමාවක දෝෂයක්, අනතුරු ඇඟවීමේ සීමාවක් කාන්දු වීම හෝ සංචිත වාර්තාවක් පිපිරීමකට, පාරිසරික ව්යසනයකට හෝ විශාල මූල්ය අලාභයකට තුඩු දිය හැකිය; එබැවින් විභව හානියක් සහිත සත්යාපන තීව්රතා පරිමාණයන්.
2. භූ කම්පන ප්රතිලෝමයේ 'අද්විතීය නොවන' ගැටලුව AI භාවිතා කිරීම අවශ්ය කරන්නේ කුමක්ද?
- A) ආකෘතිය විසින් නිෂ්පාදනය කරන ලද පළමු අර්ථ නිරූපණය සෘජුවම පිළිගැනීම
- B) ළිං ලොගය, ළිං ටයි පටිය සහ භූ විද්යාත්මක සීමාවන්ට සම්බන්ධ කිරීමෙන් අර්ථ නිරූපණය පටු කිරීම ✔
- C) ඉහළම විභේදන පෙත්ත පමණක් තෝරන්න.
- D) භූ කම්පන දත්ත සම්පූර්ණයෙන්ම අත්හැර දැමීම
පැහැදිලි කිරීම: එකම භූ කම්පන පරාවර්තන දත්ත විවිධ උප පෘෂ්ඨ ආකෘති එකකට වඩා (සම්බාධනය, පාෂාණ විද්යාව, තරල ව්යාප්තිය) මගින් පැහැදිලි කළ හැක. එබැවින් AI විසින් නිපදවන ලද අර්ථකථනය එකම නිවැරදි එක නොවේ; ළිං ලොගය ලිං ටයි සහ භූ විද්යාත්මක සන්දර්භය වැනි ස්වාධීන බාධක සමඟ සම්බන්ධ කිරීමෙන් එය පටු කළ යුතුය.
3. යන්ත්ර ඉගෙනීම භාවිතයෙන් ළිං ලොගයෙන් පාරගම්යතාව (පාරගම්යතාව) ඇස්තමේන්තු කිරීමේදී විශේෂයෙන් මතක තබා ගත යුතු සීමාව කුමක්ද?
- A) සෑම ක්ෂේත්රයකම සහ සෑම පාෂාණ විද්යාවකම ආකෘතිය ස්වයංක්රීයව වලංගු වේ
- B) උගත් සම්බන්ධතාවය අධ්යාපනික කොන්දේසි වලට විශේෂිත වේ; ✔ විවිධ අඩවි වලට නිස්සාරණය කිරීම අවදානම් සහිත වන අතර හරය/ළිඳ පරීක්ෂාවට සම්බන්ධ කළ යුතුය ✔
- C) ලඝු-සටහන් වලින් පාරගම්යතාව සෘජු සහ දෝෂ රහිත මැනීම
- D) පුරෝකථන අවිනිශ්චිතතාවය කිසිසේත් වාර්තා නොකළ යුතුය.
පැහැදිලි කිරීම: පාරගම්යතාව ලඝු-සටහන් වලින් සෘජුවම මනිනු නොලැබේ; ආකෘතිය විසින් ඉගෙන ගන්නා ලද සම්බන්ධතාවය පුහුණු දත්තවල මුහුණු සහ පීඩන තත්ත්වයන් සඳහා විශේෂිත වේ. වෙනත් වෙබ් අඩවියකට අන්ධ ලෙස යෙදීම (පිටකිරීම) හෝ නුහුරු පාෂාණ විද්යාව විශාල දෝෂයක් ඇති කළ හැකිය; ප්රතිදානය මූලික මිනුම් සහ හොඳින් පරීක්ෂා කිරීමට සම්බන්ධ කළ යුතුය.
4. Arps හයිපර්බෝලික් මොඩලයේ 'b' ඝාතකය ඉතා ඉහළ මට්ටමක තබාගෙන (උදා: b>1) දිගු කාලයක් ඩ්රෝඩවුන් වක්ර විශ්ලේෂණයේදී (DCA) පිටකර ඇත්නම් කුමක් සිදුවේද?
- A) EUR ඊට වඩා අඩු වන අතර සංචිතය සැඟවී ඇත
- B) පහත වැටීම යථාර්ථවාදී නොවන ලෙස මන්දගාමී වන අතර EUR අතිශයින් ඉහළ, ශුභවාදී බවට පත් වේ ✔
- C) නිෂ්පාදන දත්ත ස්වයංක්රීයව නිෂ්කාශනය වේ
- D) හොඳින් පීඩනය භෞතිකව වැඩි වේ
පැහැදිලි කිරීම: ආර්ප්ස් හයිපර්බෝලික් ආකෘතියේ, ප්රයිම් b විසින් කාලයත් සමඟ පරිහානියේ වේගය කොපමණ අඩු වේද යන්න තීරණය කරයි. b>1 ගෙන එය දිගු කාලීනව විකාශනය කිරීම පහත වැටීම යථාර්ථවාදී නොවන ලෙස මන්දගාමී වීමටත් EUR (අවසාන ඇස්තමේන්තුගත නිෂ්පාදනය) අධික ලෙස ඉහළ යාමටත් හේතු වේ. එබැවින්, අවසාන කාලපරිච්ඡේදයේ දී, ඝාතීය පරිහානිය වෙත සංක්රමණයක් හෝ අවම ඇඳීම් සීමාවක් යොදනු ලබන අතර ප්රතිඵලය ද්රව්යමය ශේෂය සමඟ පරීක්ෂා කරනු ලැබේ.
5. සිදුරු සහ ජල සන්තෘප්තිය සඳහා වන Archie සමීකරණය කෘත්රිම භෞතික පරිවර්ථනයෙහි AI නිමැවුමක වලංගු නැංගුරම වන්නේ ඇයි?
- A) එය ළිං පිරිවැය පමණක් පෙන්නුම් කරන බැවිනි
- B) එය ප්රතිරෝධය, සිදුරු සහ ජල සන්තෘප්තිය අතර භෞතික සම්බන්ධතාවය තහවුරු කරන අතර ප්රතිදානය පරීක්ෂා කරයි ✔
- C) එය ලොගයේ වර්ණය නිර්වචනය කරන නිසා
- D) එය රසායනාගාර පසුබිමක පමණක් අර්ථවත් වන බැවිනි
විස්තරය: Archi සමීකරණය මගින් ලොග් ප්රතිරෝධකතාව සහ ජල සන්තෘප්තිය අතර භෞතික සම්බන්ධතාවය තහවුරු කරයි. AI විසින් යෝජනා කරන ලද ජල සන්තෘප්තිය අගයක් භෞතිකව පරීක්ෂා කරනු ලබන්නේ එය සිදුරු සහ ප්රතිරෝධක යෙදවුම් සමඟ Archi සමීකරණයට ඇතුළු කිරීම සහ එය දේශීය ගොඩනැගීමේ සංගුණක සමඟ සංසන්දනය කිරීමෙනි; ප්රතිඵලය 0-1 පරාසයේ විය යුතු අතර හරයට අනුකූල විය යුතුය.
6. නල මාර්ග කාන්දුව හඳුනාගැනීමේදී 'ව්යාජ සෘණ' (මිස්) විශේෂයෙන් තීරණාත්මක වන්නේ ඇයි?
- A) එය සැබෑ කාන්දුව 'කිසිවක්' ලෙස වර්ගීකරණය කර මැදිහත්වීම ප්රමාද කර පරිසරයට/ජීවිතයට අවදානමක් ඇති කරන නිසා ✔
- B) එය SCADA තිරයේ වර්ණය පමණක් වෙනස් කරන බැවිනි
- C) එය වාර්තාවේ පිටු ගණන වැඩි කරන නිසා
- D) බොරු සෘණ සෑම විටම හානිකර නොවන නිසා
පැහැදිලි කිරීම: ව්යාජ නිෂේධනයක් යනු ඇත්ත වශයෙන්ම පවතින කාන්දුවක් සඳහා 'නොපැමිණීම' වර්ගීකරණයකි; මෙම අවස්ථාවේ දී, මැදිහත්වීම ප්රමාද වන අතර පාරිසරික ව්යසනය, ගින්න / පිපිරීම් සහ ජීවිත හානි සිදුවීමේ අවදානම පවතී. වැරදි ධනාත්මක ප්රතිඵලය අනවශ්ය නැවතුම් පිරිවැයක් ඇති කරයි. ආරක්ෂිත-විවේචනාත්මක නල මාර්ගවලදී, ව්යාජ සෘණ අවම කිරීම සඳහා එළිපත්ත ප්රවේශමෙන් තෝරා ගනු ලබන අතර ක්ෂේත්ර තහවුරු කිරීම මගින් සහාය වේ.
7. අනාවැකි නඩත්තු කිරීමේදී, සම්පීඩකයක කම්පන දත්ත වලින් 'ඉතිරි ප්රයෝජනවත් ජීවිතය' (RUL) ඇස්තමේන්තුවක් නිපදවීමේදී වඩාත් සුදුසු භාවිතය කුමක්ද?
- A) ඇස්තමේන්තුගත නිශ්චිත අසාර්ථක දිනයක් පිළිගැනීම සහ එම දිනය දක්වා කිසිදු චෙක්පතක් සිදු නොකිරීම.
- B) ඇස්තමේන්තුගත අවිනිශ්චිතතා පරාසය තීරණ සහාය ලෙස ගැනීම සහ ක්ෂේත්ර පරීක්ෂාව සහ මූල හේතු විශ්ලේෂණය සමඟ තීරණාත්මක උපකරණ තහවුරු කිරීම ✔
- C) කම්පනය වැඩි වන විට අනතුරු ඇඟවීම සම්පූර්ණයෙන්ම අක්රිය කිරීම
- D) RUL අඩු නම්, අවිනිශ්චිතතාවයකින් තොරව උපකරණ උපරිම ලෙස ක්රියාත්මක කරන්න.
විස්තරය: RUL (ඉතුරු ප්රයෝජනවත් ජීවිතය) ඇස්තමේන්තුව සම්භාවිතා ඇස්තමේන්තුවක් මිස නිශ්චිත දිනයක් නොවේ. නිසි භාවිතය යනු එහි අවිනිශ්චිතතා පරාසය සමඟ ඇස්තමේන්තුව ලබා ගැනීම සහ නඩත්තු සැලසුම් කිරීමේදී තීරණ සහාය ලෙස භාවිතා කිරීමයි. තීරනාත්මක උපකරණ වලදී, එය ක්ෂේත්ර පරීක්ෂාව සහ කම්පන වර්ණාවලිය මූල හේතු විශ්ලේෂණය මගින් තහවුරු වේ. අන්ධ දිනයක් මත පදනම්ව උපකරණ දිගටම ක්රියාත්මක කිරීම අවදානම් සහිතයි.
8. H2S (හයිඩ්රජන් සල්ෆයිඩ්) වැනි විෂ වායූන් ඇතිවීමේ අවදානමක් ඇති අඩවියක AI මත පදනම් වූ වායු හඳුනාගැනීමක් භාවිතා කරන්නේ නම් අත්යවශ්ය වන මූලධර්මය කුමක්ද?
- A) සහතික කළ භෞතික අනාවරක වෙනුවට AI හඳුනාගැනීම එකම ආරක්ෂිත ස්ථරය විය හැකිය
- B) AI යනු සහායක ස්ථරයකි; ස්වාධීනව සහතික කළ අනාවරක සහ ක්රියා පටිපාටි සඳහා ආදේශකයක් නොමැත, බහු ස්ථර ආරක්ෂාව අත්යවශ්ය ✔
- C) ආදර්ශ විශ්වාස ලකුණු ඉහළ නම්, භෞතික අනාවරක අක්රිය කළ හැක
- D) H2S හඳුනාගැනීම කළ හැක්කේ කාර්යාල විශ්ලේෂණවලින් පමණි
විස්තරය: H2S යනු ජීවිත ආරක්ෂාව සම්බන්ධයෙන් මාරාන්තික වායුවකි; AI හඳුනාගැනීම ප්රයෝජනවත් ස්ථරයක් විය හැකි නමුත් එයට ස්වාධීන, සහතික කළ භෞතික වායු අනාවරක සහ ඉවත් කිරීමේ ක්රියා පටිපාටි ප්රතිස්ථාපනය කළ නොහැක. ආරක්ෂක-විවේචනාත්මක කාර්යයන් තනි කෘතිම බුද්ධි ආකෘතියක් මත පදනම් නොවිය යුතුය, නමුත් බහු-ස්ථර සහ ස්වාධීන ආරක්ෂක පද්ධති මත (ගැඹුරේ ආරක්ෂාව).
9. AI සමඟ නොමිලේ පෙළ විදුම් ලොග් වාර්තාවක් ('ROP මුරය පුරා පහත වැටී, ව්යවර්ථ උච්චාවචනය විය හැකි, මැටි ඉදිමීම') සැකසීමේදී ප්රධාන අරමුණ කුමක්ද?
- A) අහඹු ලෙස වාර්තාව නැවත ලිවීම
- B) විදුම් ගැඹුර ස්වයංක්රීයව වැඩි කිරීම
- C) නොගැලපෙන නිදහස් පෙළ සම්මත ක්ෂේත්රවලට පරිවර්තනය කිරීමෙන් දත්ත විමසිය හැකි බවට පත් කිරීම; 'හැකි' ✔ ටැගය සමඟ අදහස් ඉංජිනේරුවරයාට තබන්න
- D) ළිඳ භෞතිකව නැවත අංකනය කිරීම
විස්තරය: AI විසින් නොගැලපෙන නිදහස්-පෙළ මෙහෙයුම් වාර්තා සම්මත ක්ෂේත්ර බවට පරිවර්තනය කරයි (සිදුවීම් වර්ගය, ගැඹුර, දර්ශක වෙනස් කිරීම, විය හැකි හේතුව, ක්රියාව), දත්ත විමසිය හැකි සහ සංසන්දනය කරයි. කෙසේ වෙතත්, මූල හේතුව සහ මෙහෙයුම් තීරණය කැණීම් ඉංජිනේරුවරයා විසින් තහවුරු කරනු ලැබේ; ආකෘතිය 'හැකි' ලේබලය රඳවා ගත යුතුය.
10. සාමාන්ය AI මෙවලමකට අඩවි-විශේෂිත ළිං ලොගය, නිෂ්පාදනය සහ සංචිත දත්ත ඇතුළත් කිරීමේදී නිවැරදි ප්රවේශය කුමක්ද?
- A) සත්ය ඛණ්ඩාංක සහ නිෂ්පාදන අගයන් හරියටම ඇතුළත් කර වේගවත්ම ප්රතිචාරය ලබා ගැනීම
- B) අනන්යතා සහ අගයන් නිර්නාමික කිරීම, නියෝජිත අගයන් සමඟ වැඩ කිරීම සහ අනුමත/පාලිත මෙවලම් පමණක් භාවිතා කිරීම ✔
- C) සම්පූර්ණ ක්ෂේත්ර දත්ත ගබඩාව පූරණය කිරීම සහ ආකෘතියට ඉගෙන ගැනීමට ඉඩ දීම
- D) දත්ත රහසිගත බව සලකන්න සහ එය බෙදා ගන්න.
විස්තරය: හොඳින් ඛණ්ඩාංක, නිෂ්පාදන ප්රවාහ සහ සංචිත තොරතුරු වාණිජමය වශයෙන් අතිශයින් සංවේදී වන අතර බොහෝ විට බලපත්ර හිමියාට/හවුල්කාරිත්වයට අයත් රහස්ය දත්ත වේ; එය සමහර රටවල මහජන නියාමනයට යටත් වේ. පාලනයකින් තොරව බාහිර සේවාවකට ඇතුල් වීම තරඟකාරීත්වය, කොන්ත්රාත්තුව උල්ලංඝනය කිරීම සහ නීතිමය අවදානමක් ඇති කරයි. නිවැරදි ප්රවේශය නම් අනන්යතාවය/ඛණ්ඩාංක/සැබෑ අගයන් නිර්නාමික කිරීම හෝ නියෝජන අගයන් සමඟ වැඩ කිරීම සහ අනුමත, ආයතන පාලිත මෙවලම් පමණක් භාවිතා කිරීමයි.
11. AI සමඟ ඉංජිනේරු ගණනය කිරීමකදී 'විශාලත්වය පාලනය කිරීමේ අනුපිළිවෙල' යන්නෙන් අදහස් කරන්නේ කුමක්ද?
- A) ප්රතිඵලයේ දශම ස්ථාන සංඛ්යාව වැඩි කිරීම
- B) ප්රතිඵලය දළ වශයෙන් 10 පරාසයක අපේක්ෂිත බලය තුළ තිබේ දැයි ඉක්මන් අතින් ගණනය කිරීමකින් පරීක්ෂා කිරීම ✔
- C) ප්රතිඵලයේ චිත්රක විභේදනය මැනීම
- D) ප්රතිඵලයේ වර්ණය ප්රමිතිකරණය කිරීම
විස්තරය: විශාලත්වය පිරික්සීමේ අනුපිළිවෙල යනු ප්රතිඵලය දළ වශයෙන් 10 පරාසයක අපේක්ෂිත බලය තුළ තිබේද යන්න ඉක්මන් අතින් ගණනය කිරීම මගින් පරීක්ෂා කිරීමයි. උදාහරණයක් ලෙස, වැලි ජලාශයක පාරගම්යතාව මිලිඩර්සි පරාසය තුළ අපේක්ෂා කෙරේ, නමුත් darcys වෙනුවට darcys දහස් ගණනක් ඇතිවීම විස්තරාත්මකව තොරව ඒකකයක් හෝ සංස්කරණය කිරීමේ දෝෂයක් හෙළි කරයි.
12. Python සමඟ නිෂ්පාදන දත්ත විශ්ලේෂණ කේතය AI වෙත මුද්රණය කිරීමේදී ප්රතිඵලය සත්යාපනය කිරීමට වඩාත්ම ශක්තිමත් ක්රමය කුමක්ද?
- A) කේතය ක්රියාත්මක වන අතර දෝෂයක් ලබා නොදෙන්නේ නම්, ප්රතිඵලය නිවැරදි ලෙස පිළිගන්න.
- B) ඒකක පරීක්ෂාව, භෞතික සීමාවන් පරීක්ෂා කිරීම සහ දන්නා කුඩා නියැදිය සමඟ ස්වාධීන ක්රමය සමඟ සංසන්දනය කිරීම ✔
- C) කේත රේඛා විශාල සංඛ්යාවක් මත විශ්වාසය තැබීම
- D) ග්රැෆික් ප්රතිදානය වර්ණවත් දැයි පරීක්ෂා කිරීම
පැහැදිලි කිරීම: උත්පාදනය කරන ලද කේතය සුමට හා නිවැරදි ලෙස පෙනුනද, එහි සැඟවුණු දෝෂ (වැරදි ඒකකය, මාරු කළ දිනය, කාන්දු වූ දත්ත, වැරදි එකතු කිරීම) අඩංගු විය හැක. වඩාත්ම ශක්තිමත් සත්යාපනය වන්නේ කුඩා දන්නා නියැදියක අපේක්ෂිත ප්රතිදානය අතින් ගණනය කිරීම, කේතය (ඒකක පරීක්ෂාව) තුළ එය සත්යාපනය කිරීම, භෞතික සීමාවන්ට එරෙහිව අතරමැදි ප්රතිඵල පරීක්ෂා කිරීම (සෘණ ප්රවාහ අනුපාතය වැනි) සහ ස්වාධීන ක්රමයක් සමඟ ඒවා සංසන්දනය කිරීමයි.
13. සංචිත වාර්තාකරණයේදී (උදා: PRMS/SEC) AI-ජනනය කරන ලද EUR අනාවැකියක් භාවිතා කිරීම සඳහා වඩාත්ම නිවැරදි ප්රකාශය කුමක්ද?
- A) AI ප්රතිදානය ස්වයංක්රීයව වලංගු වන බැවින් තක්සේරුකරු අනුමැතිය අනවශ්යයි
- B) AI උපකාරී වේ; ක්රමය, ආදානය සහ අවිනිශ්චිතභාවය නිසි ඇගයුම්කරු විසින් සොයා ගත හැකි, ලේඛනගත කර සහ අනුමත කළ යුතුය ✔
- C) ඉහළම EUR අගය සහිත ආකෘතිය සැමවිටම මනාප විය යුතුය.
- D) සංචිත ප්රකාශය සම්පූර්ණයෙන්ම ස්වයංක්රීය කළ හැකි අතර මානව පාලනය ඉවත් කළ හැකිය
පැහැදිලි කිරීම: සංචිත වාර්තා යනු විගණනය කළ හැකි ලේඛන වන අතර ඒවා ආයෝජකයින් සහ නියාමන තීරණ සඳහා පදනම වන අතර සුදුසුකම් ලත් සංචිත තක්සේරුකරුගේ වගකීම යටතේ පවතී. AI දත්ත පිරිසිදු කිරීම, සිහින සවි කිරීම සහ අවස්ථා උත්පාදනය සඳහා උපකාර කළ හැකිය; කෙසේ වෙතත්, සංඛ්යාවල ක්රමය, යෙදවුම් සහ අවිනිශ්චිතභාවය සොයා ගත හැකි ආකාරයෙන් ලේඛනගත කළ යුතු අතර බලයලත් ඇගයුම්කරු විසින් අනුමත කළ යුතුය. AI හට පමණක් සංචිත ප්රකාශ කළ නොහැක.
14. තෙල් සහ ගෑස් ඉංජිනේරු විද්යාවේ AI භාවිතයේ අවසාන වගකීම සම්බන්ධයෙන් වඩාත් නිවැරදි ප්රකාශය කුමක්ද?
- A) AI ප්රතිදානය නිපදවන බැවින් වගකීම මෘදුකාංග සමාගම වෙත පැවරේ
- B) AI සහාය සහ ත්වරණය සපයයි; තීරණය සහ වාර්තාව සඳහා වගකීම බලයලත් ඉංජිනේරුවරයා සතුව පවතී, නිමැවුම සත්යාපනය කළ හැකි සහ මානව අනුමැතිය තිබිය යුතුය ✔
- C) AI ප්රතිදානය ස්වයංක්රීයව වලංගු වන බැවින් ඉංජිනේරු අනුමැතිය අනවශ්යයි
- D) වගකීම ඇත්තේ ක්ෂේත්ර කණ්ඩායමට පමණි, එය කාර්යාල ඉංජිනේරුවරයාට අදාළ නොවේ
විස්තරය: AI යනු දත්ත සැකසීම, කෙටුම්පත් කිරීම, සොයාගැනීම් සහ ප්රශස්තිකරණ ත්වරණය වැනි උපකාරක කාර්යයේ ප්රබල මෙවලමකි; කෙසේ වෙතත්, අත්සන් කරන ලද වාර්තාව, ආරක්ෂිත-විවේචනාත්මක තීරණය, හොඳින් සැලසුම් කිරීම සහ සංචිත ප්රකාශය සඳහා වගකීම බලයලත් ඉංජිනේරු/ඇගයුම්කරු වෙත පවතී. නිමැවුම් විගණනය කළ හැකි, සත්යාපනය කළ හැකි සහ මානව-අනුමත විය යුතුය.