Analiza e të dhënave metalurgjike dhe kufijtë e AI me Python

Fitimet:

• Aftësia për të prodhuar dhe kuptuar kodin që pastron, analizon dhe vizualizon të dhënat metalurgjike me Python, me mbështetjen e AI
• Aftësia për të krijuar një zakon për të vërtetuar kodin e gjeneruar nga AI me kontrollin e njësisë, rastin e testimit dhe besueshmërinë fizike
• Një kuptim gjithëpërfshirës i kufijve, përgjegjësisë dhe kornizës etike të AI në metalurgji

Puna metalurgjike bëhet gjithnjë e më shumë me më shumë të dhëna: qindra rezultate të provës në tërheqje, mijëra matje SPC, të dhëna të furrës së trajtimit të nxehtësisë, rezultate të karakterizimit. Ndjekja manuale e këtyre të dhënave në Excel është e ngadaltë dhe e prirur ndaj gabimeve; Python (një gjuhë e zakonshme programimi për analizën e të dhënave dhe llogaritjen shkencore) e bën këtë të përsëritshme, të auditueshme dhe automatike. Inteligjenca artificiale është shumë e fuqishme në shkrimin, korrigjimin dhe shpjegimin e kodit Python – por kodi që prodhon mund të duket i drejtë, por të japë rezultatin e gabuar: gabim njësie, koeficient të gabuar, humbje të heshtur të të dhënave. Në këtë njësi përfundimtare, do të mësoni se si të analizoni të dhënat metalurgjike me mbështetjen e AI në Python dhe të verifikoni çdo kod, më pas të rrumbullakosni në mënyrë holistike kufijtë e AI, përgjegjësinë dhe kornizën e etikës të mbuluar në të gjithë modulin.

Detyra tipike në analizën e të dhënave metalurgjike

Detyrat e zakonshme me mbështetjen e AI në Python:

• Pastrimi i të dhënave: Mungon vlera, konfuzioni i njësisë (MPa kundrejt ksi), heqja e pjesës së jashtme. Të dhënat e pista korruptojnë edhe analizat më të mira.
• Vizualizimi: Vizatimi i kurbës në tërheqje, grafiku i kontrollit, shpërndarja e madhësisë së kokrrizave, profili temperaturë-kohë.
• Hesap ve ilişki: Hall-Petch (tane boyutu-akma dayanımı ilişkisi: σ = σ₀ + k·d^(-1/2)), Arrhenius (sıcaklık-hız), regresyon, istatistik.
• Automatizimi: Përpunimi në grup i një numri të madh skedarësh dhe prodhimi i tabelave/raporteve përmbledhëse.

Marrëdhënia Hall-Petch është një shembull i mirë këtu: forca e rendimentit rritet në përpjesëtim të zhdrejtë me rrënjën katrore të diametrit të kokrrës. AI mund ta përkthejë këtë formulë në kod; Por nëse përdorni d si mikrometër ose metër dhe çfarë njësie përdorni për koeficientin k ndryshon plotësisht rezultatin. Korrektësia e kodit nuk qëndron në memorizimin e formulës, por në vërtetimin e njësive dhe një rasti testimi.

Këshillë: Sigurohuni që të përfshini një "test të njohur përgjigjeje" në çdo llogari që shkruan AI. Jepni një të dhënë të vogël rezultatin e të cilit e dini me dorë (p.sh. forca e pritshme për d = 100 µm); Nëse kodi e jep atë vlerë, mund t'i besoni; nëse jo, gabimi fshihet.

Hap pas hapi: Një rrjedhë e sigurt e analizës me AI

1. Përshkruani detyrën dhe të dhënat: Cili skedar, cilat kolona, ​​cilat njësi, çfarë do të llogaritet?
2. Skeleti i kodit të kërkesës: Kërkoni nga AI një skelet të komentuar, të ndarë me hapa; Përcaktoni njësitë me variabla eksplicite në krye.
3. Test me të dhëna të vogla: Ekzekutoni fillimisht me disa rreshta/vlera të njohura; Kontrolloni rezultatin me dorë.
4. Kontrolli i njësisë dhe kufirit: A është rezultati fizikisht i arsyeshëm? A ka ndonjë marrëzi si forca negative, norma 120%?
5. Vizualizoni dhe shikoni: A tregon grafiku tendencën e pritur? A janë gabime të dhënat e jashtme?
6. Verifiko dhe dokumento: Krahaso rezultatin me një llogaritje/standard të pavarur; Komentoni kodin dhe supozimet.

Tabela e verifikimit të kodit të AI

Rreziku

simptomë

Metoda e kontrollit

Gabim i njësisë

Rezultati është 1000 herë pervers

Përcaktoni njësitë në variablin eksplicit, kontrollin e madhësisë

Koeficienti/formula e pasaktë

Vlera e arsyeshme por e gabuar

Skenar testimi me përgjigje të njohura

Humbje e heshtur e të dhënave

Numri i rreshtave është më i vogël se sa pritej

Printoni numrin e rreshtave para/pas përpunimit

shtrembërim i jashtëm

kajak mesatar

Vizualizoni me një grafik, shikoni shpërndarjen

Mbi përshtatje (bibliotekë halucinative)

funksion joekzistent

Ekzekutoni, gabim leximi, shikoni dokumentacionin

tre mini kuti

Rasti 1 - Gabim i fshehur i volumit. Një inxhinier kërkon kodin nga AI për llogaritjen Hall-Petch; Kodi pret diametrin e kokrrës në metra, por inxhinieri fut mikrometra. Rezultati është 1000 herë pervers, por nuk bie në sy në pamje të parë sepse duket si një “numër”. Mühendis d = 100 µm için elle beklediği ~350 MPa ile kodun verdiği absürt değeri karşılaştırınca hatayı yakalar, birim dönüşümünü koda ekler. Mësimi: Testimi me përgjigje të njohur zbulon gabimin e njësisë në sekonda.

Rasti 2 - Humbje e heshtur e të dhënave. Një ekip pastron 500 rezultate të testit të tërheqjes me kod të shkruar nga AI; Ndërsa kodi heq rreshtat me vlera që mungojnë, ai gjithashtu hedh aksidentalisht disa nga rreshtat e vlefshëm, duke lënë 300 rreshta. Forca mesatare është më e lartë se sa pritej, sepse grupi me vlerë të ulët eliminohet. Kur ekipi printon numrin e rreshtave para/pas përpunimit, ata shohin që 200 rreshta janë zhdukur në heshtje dhe rregullojnë filtrin. Mësimi: printimi i numrit të rreshtave në çdo hap të përpunimit të të dhënave kap humbje të heshtura.

Rasti 3 - Përdorimi i saktë, raport i përsëritshëm. Një ekip cilësor duhet të përpunojë dhjetëra të dhëna të furrës dhe të prodhojë raporte përmbledhëse çdo javë. Kërkon nga AI të shkruajë një skript të komentuar që lexon skedarët në masë dhe prodhon grafikë dhe tabela përmbledhëse. Ekipi teston kodin me disa skedarë të njohur, verifikon numrin e njësive dhe linjave, inspekton vizualisht grafikun e daljes. Më pas përdor skenarin çdo javë; Orët e punës reduktohen në minuta dhe punoni në të njëjtën mënyrë të auditueshme çdo javë. AI mundësoi automatizimin e përsëritshëm, konfirmoi ekipi.

Modele të shpejtë të kopjueshëm

SHBALLIN E SKELETIT TË KODIVE"Roli: Ju jeni ndihmësi i kodit për analizën e të dhënave të metalurgjisë. Detyra: [p.sh. lexoni rezultatet e vizatimit nga CSV dhe forca mesatare e rendimentit]. Të dhënat: [skedar, kolona, NJËSI]. shkruani një skelet të komentuar me panda: (1) përcaktoni njësitë në të hapur 2, lexoni numrin në krye 2 dhe lexoni variablin e sipërm shtypni përsëri numrin e rreshtave, (4) bëni llogaritjen, (5) shtypni rezultatin dhe një kontroll të besueshmërisë. Shënoni ku duhet të verifikoj.

TESTIMI I NJOHUR I PËRGJIGJEVE"Shkruani një 'test të njohur përgjigjesh' për funksionin e mëposhtëm: [funksion]. Zgjidhni një hyrje të vogël, rezultati i të cilit mund të llogaritet me dorë, komentoni rezultatin e pritur dhe kontrollojeni me pohim. Gjithashtu provoni konsistencën e njësisë. Nëse testi nuk kalon, renditni arsyet e mundshme (njësia, koeficienti, formula).

SHQYRTIMI I KODIVE / SHBALLIN E KORDIMIT "Shqyrtoni kodin e mëposhtëm: [kodi]. Kontrolloni dhe shënoni sa vijon: (1) qëndrueshmëria e vëllimit, (2) rreziku i humbjes së të dhënave të heshtura, (3) ndikimi i jashtëm, (4) prodhimi fizikisht i pamundur (forca negative, norma >100%). Shkruani se si të verifikoni për secilin rrezik. Mos e konfirmoni kodin "i papunë".

TABLETI I VIZUALIZIMIT"komplot [lakorja e tërheqjes / grafiku i kontrollit / shpërndarja] me matplotlib. Shtoni NJËSI në etiketat e boshteve, vendosni titullin dhe rrjetën. Shënoni anët e jashtme ndryshe. Vini re se më duhet të inspektoj vizualisht grafikun dhe të verifikoj prirjen e pritshme (p.sh. rritja e tendosjes së tensionit). Mos fsheh asnjë pikë për të "zbukuruar" të dhënat."

Prompt i dobët / Prompt i fortë

PROMPT I DOBËT: "Më shkruaj kodin që bën llogaritjen Hall-Petch."

PROMPT FORTË:"Roli: Ju jeni ndihmësi i kodit për analizën e të dhënave metalurgjike. Shkruani një funksion Python për të llogaritur Hall-Petch(σy = σ0 + k·d^(-1/2)). Njësitë: d mikrometër, σ0 dhe σy MPa, k MPa·µm^(1/2). Kthejeni manualisht konvertimin e njësisë dhe komentoni gjithashtu 10 rezultatin e pritshëm ON μm,σ0 = 50 MPa, k = 300 MPa·µm^0,5 dhe provoni me pohimin e besueshmërisë (σy nuk mund të jetë i besueshëm pa testim).

Prompt i dobët prodhon kod që nuk ka njësi dhe testim dhe mund të gabojë në heshtje. Kërkesat e forta përcaktojnë qartë njësitë, zbatojnë konvertimin, kërkojnë testimin e përgjigjeve të njohura dhe kontrollin e besueshmërisë - duke e bërë kodin të verifikueshëm.

Përmbledhje holistike e modulit: Vendi dhe kufijtë e AI në metalurgji

Një parim i vetëm u përsërit gjatë gjithë këtij moduli: AI është një asistent, jo një vendimmarrës. Në dymbëdhjetë njësi, ne përdorëm AI nga fundi në fund, nga përzgjedhja e materialit te parashikimi i pronës, analiza fazore te mikrostruktura, trajtimi i nxehtësisë deri te fabrikimi, kontrolli i cilësisë deri te analiza e dëmtimit, karakterizimi te standardizimi dhe analiza e Python. Në çdo njësi, AI shpjegoi konceptet, gjeneroi hipoteza, shkroi drafte dhe kode - por në asnjë njësi nuk e mori vendimin vetëm. Kufijtë ishin të qartë: halucinacione (numri i krijuar dhe standardi), mos delegueshmëria e përgjegjësisë kritike të sigurisë, varësia nga cilësia e të dhënave dhe matja/kalibrimi, rreziku i ekstrapolimit dhe konfidencialiteti. Disiplina e verifikimit ka mbetur gjithmonë tek njerëzit në trekëndëshin standard-laborator-llogari.

Gabimet e zakonshme

• Zbatimi i kodit në të dhëna reale pa testuar me përgjigje të njohura.
• Mos përcaktimi i qartë i njësive; Me pamje nga konfuzioni MPa/ksi, μm/m.
• Mos printimi i numrit të rreshtave gjatë hapave të përpunimit të të dhënave dhe mos vërejtja e humbjes së heshtur.
• Mbështetja në mesataren pa vizualizuar vlerat e jashtme.
• Pranimi i bibliotekës/funksionit joekzistent të krijuar nga AI pa e ekzekutuar atë.
• Duke supozuar se kodi është i saktë sepse "duket se funksionon"; dështimi për të kontrolluar besueshmërinë fizike.

Në përmbledhje

AI në analizën e të dhënave metalurgjike me Python është një përshpejtues i fuqishëm për kodimin, korrigjimin dhe automatizimin; por kodi që prodhon mund të ketë gabime në njësi, koeficientë të pasaktë dhe humbje të heshtur të të dhënave. Verifikoni çdo kod me testimin e përgjigjeve të njohura, kontrollin e njësisë, gjurmimin e numrit të rreshtave dhe besueshmërinë fizike. Këtu, si në të gjithë modulin, AI është asistent: siguron që shpejtësia dhe organizimi, saktësia dhe përgjegjësia të merren nga inxhinieri i autorizuar. Në vendimet metalurgjike kritike për sigurinë, prodhimi i AI nuk është kurrë një zëvendësues për standardet, eksperimentet, llogaritjet dhe miratimin e inxhinierit kompetent.

Detyra e aplikimit

Zgjidhni një llogaritje metalurgjike (p.sh. Hall-Petch ose një mesatare e të dhënave në tërheqje). Me shabllonin "CODE SKELETON", kërkoni nga AI një kod të komentuar që printon numrin e rreshtave me njësi të qarta. Pastaj shtoni një skenar provë ku e dini rezultatin manualisht me shabllonin "TESTI I PËRGJIGJEVE NJOHUR" dhe ekzekutoni atë. Nëse kodi nuk jep vlerën e pritur, gjeni gabimin (njësia, koeficienti, të dhënat) dhe rregulloni atë. Më në fund, shkruani për disiplinën e verifikimit të AI që mësuat në këtë modul duke e përshtatur atë me biznesin tuaj në tre artikuj.

listë kontrolli

• [ ] I përcaktova qartë detyrën, të dhënat dhe njësitë për UA.
• [ ] I përcaktova njësitë me variabla eksplicite në krye të kodit.
• [ ] Në hapat e përpunimit të të dhënave, printova numrin e rreshtave dhe kontrollova humbjen e heshtur.
• [ ] E verifikova kodin me një rast testimi me një përgjigje të njohur.
• [ ] Kontrollova besueshmërinë fizike (vlera negative/absurde) e prodhimit.
• [ ] Kam përdorur AI si një përshpejtues; Kam ruajtur integritetin dhe përgjegjësinë.

Provimi i Modulit

1. Kur punoni me një mjet AI si inxhinier materialesh, përgjegjësia përfundimtare për cilën nga sa vijon duhet t'i mbetet gjithmonë njeriut (inxhinierit ligjor)?

• A) Miratimi dhe nënshkrimi i përshtatshmërisë së një pjese për shërbim ✔
• B) Përgatitja e draftit të parë të raportit të dëmit
• C) Redaktimi i etiketave të boshteve të një grafiku të mikrostrukturës
• D) Përgatitja e një fjalori të termave metalurgjikë për një prezantim

Përshkrimi: AI; Mund të shpejtojë detyra të tilla si sqarimi i konceptit, hartimi i raportit, lista e hipotezave dhe skeleti i kodit. Megjithatë, miratimi i përshtatshmërisë së një pjese për shërbim/fluturim është një vendim që rezulton në sigurinë e jetës dhe pronës; nuk mund të transferohet në AI pa testimin e akredituar dhe miratimin e inxhinierit të autorizuar.

2. Ju pyetët AI për forcën e rrjedhjes së çelikut AISI 4140 kur shuhet dhe kalohet në 200 °C, dhe ai u përgjigj '1500 MPa me siguri'. Cili është veprimi i parë i saktë që duhet ndërmarrë?

• A) Vendosni vlerën drejtpërdrejt në llogarinë e projektimit sepse AI duket e sigurt
• B) Verifikimi i vlerës me fletën e të dhënave të materialit/certifikatën e mullirit dhe testin e tërheqjes nëse është e nevojshme, duke mos u mbështetur në vlerën e një pike ✔
• C) Ulja e rastësishme e vlerës për të qëndruar në anën e sigurt
• D) Pranoni vlerën dhe kaloni drejtpërdrejt në recetën e trajtimit termik

Shpjegim: Modelet gjuhësore mund të fabrikojnë bindshëm numra të pavërtetuar (halucinacione). Forca e rendimentit; Ai ndryshon në një gamë të gjerë në varësi të temperaturës së kalitjes, trashësisë së seksionit dhe ngurtësimit. Është e nevojshme të merret vlera nga certifikata e mullirit ose testi i tërheqjes në përputhje me standardin dhe të mos përfshihet një dalje e vetme AI në dizajn.

3. Me një model të mësimit të makinerive që parashikon vetinë e një çeliku, AI prodhoi një vlerë 'të sigurt' për një aliazh shumë jashtë gamës së përbërjes në të dhënat e trajnimit. Cili është problemi kryesor me këtë prodhim?

• A) Modeli gjithmonë jep rezultate në përqindje, MPa është e gabuar
• B) Parashikimi nuk është i besueshëm sepse është bërë jashtë gamës së të dhënave të trajnimit (ekstrapolimi) dhe duhet të verifikohet me eksperiment ✔
• C) Modeli funksionon vetëm për çelik inox
• D) Prodhimi i modelit është gjithmonë saktësisht dyfishi i vlerës aktuale

Shpjegim: Modelet e të mësuarit të makinerive funksionojnë në mënyrë të arsyeshme brenda gamës së të dhënave të trajnimit (interpolimi); Kur janë jashtë këtij diapazoni (ekstrapolimi), parashikimet bëhen të pasigurta dhe modeli shpesh nuk e tregon këtë. Vlera e krijuar në një pikë jashtë shpërndarjes së të dhënave të trajnimit nuk mund të përdoret pa vërtetimin eksperimental.

4. Keni aplikuar AI për të llogaritur raportin e fazës në një aliazh dyfazor. Çfarë të dhënash duhet të përdorë saktë AI kur zbatohet 'rregulli i levës'?

• A) Vetëm temperatura; kombinimet janë të panevojshme
• B) Vetëm dendësia e aliazhit
• C) Përbërja totale e aliazhit me përbërjet kufitare fazore në temperaturën përkatëse ✔
• D) Vetëm temperaturën e shkrirjes

Shpjegim: Rregulli i levës jep sasitë fazore duke përdorur distancat midis përbërjeve kufitare të fazës (p.sh. përbërjet e fazës së ngurtë dhe të lëngët) dhe përbërjes totale të aliazhit në një temperaturë të caktuar. Nëse kombinimet e kufirit të fazës lexohen gabimisht, raporti do të jetë krejtësisht i gabuar; Prandaj, konfirmimi i vlerave nga diagrami fazor është i detyrueshëm.

5. Keni matur madhësinë e kokrrizave nga mikrostruktura me një rrjedhë të përpunimit të imazhit të fuqizuar nga AI, por keni harruar të kalibroni shiritin e shkallës në piksel. Pse rezultati nuk është i besueshëm?

• A) Të gjitha matjet dimensionale janë në shkallë të gabuar sepse kalibrimi i gjatësisë së pikselit nuk është kryer ✔
• B) Matja është e shtrembëruar sepse përdoret imazhi me ngjyra
• C) Madhësia e kokrrizave mund të matet vetëm me SEM, mikroskopi optik është i pasaktë
• D) Matja është e panevojshme sepse rezolucioni i imazhit është i lartë

Përshkrimi: Në metalografinë sasiore, çdo piksel korrespondon me një gjatësi; Nëse ky transformim nuk është i kalibruar me shiritin e shkallës, të gjitha matjet dimensionale si madhësia e kokrrizave, raporti i fazës dhe poroziteti do të shfaqen në shkallën e gabuar. Kalibrimi është hapi i parë dhe i detyrueshëm i matjes së bazuar në imazh.

6. AI sugjeroi një recetë për trajtimin e nxehtësisë (austenitizim + shuarje + kalitje) për të arritur fortësinë e synuar për një çelik. Cili është hapi më i mirë përpara se të aplikoni recetën?

• A) Zbatimi i recetës direkt në prodhimin masiv
• B) Aplikoni recetën në copën e provës, matni fortësinë/mikrostrukturën dhe krahasojeni me standardin ✔
• C) Thjesht rrisni në mënyrë të rastësishme temperaturën e kalitjes në anën e sigurt
• D) Korrigjimi dhe miratimi vetëm i drejtshkrimit të parashkrimit

Përshkrimi: Si rezultat i trajtimit termik; Trashësia e seksionit të pjesës, ngurtësimi (Jominy) ndryshojnë shumë me realitetin e furrës dhe mjedisit ftohës. Receta e dhënë nga UA është një hipotezë fillestare; Duhet të verifikohet duke e aplikuar në copën e provës dhe duke matur fortësinë dhe mikrostrukturën dhe duke e krahasuar me standardin.

7. Ju kërkuat nga AI një 'numër specifik i substancës' të një standardi ASTM për një vlerë kufi të materialit dhe ajo u përgjigj me një vlerë të saktë. Cila është sjellja e saktë inxhinierike?

• A) Shkrimi i vlerës direkt në raport sepse UA është e përditësuar
• B) Ndryshimi i vlerës në mënyrë të rastësishme për të qëndruar në anën e sigurt
• C) Verifikoni numrin, versionin dhe vlerën e substancës nga teksti standard zyrtar dhe aktual ✔
• D) Shtimi i numrit të artikullit në dosjen e konformitetit pa e kontrolluar atë

Shpjegim: Edhe nëse modelet e gjuhës e dinë saktë emrin standard, ata mund të mbajnë mend gabimisht ose të përbëjnë numrin, versionin dhe pikën e ndërprerjes së artikullit. Në fushat detyruese si ASTM/ISO/EN, çdo substancë dhe vlerë duhet të verifikohet fjalë për fjalë nga burimi zyrtar dhe aktual; Dalja e AI tregon vetëm se ku të shikoni.

8. I treguat inteligjencës artificiale fotografinë e sipërfaqes së thyer të një bulon dhe morët përgjigjen 'kjo është padyshim një frakturë lodhjeje'. Cila është qasja e duhur për analizën e shkakut rrënjësor?

• A) Shkrimi i diagnozës direkt në raport sepse AI flet saktësisht
• B) Thjesht rrisni rezolucionin e fotos dhe konfirmoni diagnozën
• C) Instalimi i një pjese të re pa ekzaminuar sipërfaqen e thyer
• D) Konfirmoni diagnozën si hipotezë me fraktografi, histori ngarkimi dhe dëshmi mikrostrukturore ✔

Përshkrimi: Interpretimi i sipërfaqes së thyer; Fraktografia (striacioni, linjat e plazhit, ndarja e gropëzave/ndarjes me SEM) kërkon shqyrtimin e historisë së ngarkesës, mjedisit dhe dëshmive të mikrostrukturës së bashku. Diagnoza përfundimtare që AI bën nga një foto e vetme është një hipotezë; Shkaku kryesor nuk mund të deklarohet pa konfirmim nga gjetjet laboratorike.

9. AI caktoi një kulm për një fazë specifike në një model XRD (difraksioni i rrezeve X). Cila është metoda më e përshtatshme për ta bërë të besueshëm identifikimin e fazës?

• A) Përputhja e majës me bazën e të dhënave të modelit të referencës (p.sh. kartat PDF) dhe kontrollimi për mbivendosje dhe objekte ✔
• B) Pranimi i detyrës drejtpërdrejt sepse AI thotë emrin e fazës
• C) Duke marrë parasysh vetëm majën më të lartë dhe duke injoruar pjesën tjetër
• D) Ngjyrosni modelin dhe bëjeni të bukur vizualisht

Përshkrimi: Identifikimi i fazës XRD bëhet duke përputhur pozicionet dhe intensitetet e matura të pikut me modelet e njohura të referencës (p.sh. kartat ICDD/PDF). Caktimi i një pike të vetme në izolim është mashtrues; Majat e mbivendosura, orientimi preferencial dhe artefaktet e sfondit duhet të merren parasysh dhe caktimi të konfirmohet me bazën e të dhënave të referencës.

10. Drafti i raportit të dëmtimit/inspektimit i përgatitur nga UA përmban vlera teknike që janë fluide, por me origjinë të panjohur. Cila është sjellja e duhur?

• A) Paraqitja e raportit ashtu siç është sepse teksti është i rrjedhshëm
• B) Rrumbullakimi dhe shkëlqimi i vlerave
• C) Thjesht lexoni përmbledhjen ekzekutive dhe kaloni pjesën tjetër
• D) Përputhni secilën vlerë me matjen/burimin origjinal dhe hiqni ✔-në e pakonfirmuar

Përshkrimi: Çdo vlerë teknike në raport; Ai duhet të jetë i gjurmueshëm në matje, të dhënat e kalibruar të pajisjes, standarde ose të dhënat e prodhuesit. Edhe nëse është një vlerë në një fjali të rrjedhshme, asnjë numër burimi i të cilit nuk është verifikuar nuk duhet të përfshihet në raport ose në bazën e vendimit; Përndryshe, një vlerë fiktive i transferohet dokumentit që krijon detyrim.

11. Cili është hapi më i mirë përpara se të përdorni një përllogaritje Python të gjeneruar nga AI (p.sh., marrëdhënia Hall-Petch për madhësinë e kokrrizës dhe forcën e rendimentit)?

• A) Zbatimi i kodit direkt në të dhënat aktuale të prodhimit
• B) Vetëm sigurohuni që kodi të duket i shkurtër dhe i rregullt
• C) Ekzekutoni kodin në një skenar testimi me rezultate të njohura dhe verifikoni njësitë dhe daljen ✔
• D) Fshirja e një pjese të kodit për ta shkurtuar atë

Shpjegim: Një kod mund të duket i saktë, por të japë rezultatin e gabuar: mund të ketë një gabim njësi, koeficient të pasaktë ose gabim formule. Ekzekutimi i kodit në një rast të vogël testimi ku e dini rezultatin me dorë dhe duke e krahasuar atë me daljen e pritur dhe kontrollimi i njësive kap gabimin përpara se të kalojë në vendimin aktual.

12. Ju dëshironi të ngjisni recetën e aliazhit të patentuar ende të kompanisë suaj dhe parametrat e procesit në një mjet AI të disponueshëm publikisht dhe analizën e kërkesave. Cila është qasja më e saktë?

• A) Ngjitja e recetës ashtu siç është për ta bërë më të shpejtë
• B) Mjafton vetëm të fshini emrin e kompanisë dhe të ndani të gjithë parametrat e mbetur.
• C) Ndarja e të dhënave dhe më pas kërkimi i AI që t'i fshijë ato
• D) Kontrollimi i politikës institucionale dhe anonimizimi i të dhënave ose përdorimi i një mjeti të sigurt/institucional ✔

Përshkrimi: Receta e aliazhit, parametrat e procesit dhe specifikimet e klientit janë sekrete tregtare dhe të ndjeshme ndaj pronës intelektuale. Përpara shkëmbimit të të dhënave, është e nevojshme të kontrolloni politikën e korporatës, ta anonimizoni atë ose të përdorni një mjet institucional/në vend që nuk i dërgon të dhënat.

13. Sistemi SPC (kontrolli i procesit statistikor) i fuqizuar nga AI shënoi se një kufi i grafikut të kontrollit ishte tejkaluar në një grup prodhimi. Cila është sjellja e saktë inxhinierike?

• A) Injoroni paralajmërimin dhe vazhdoni prodhimin
• B) Zgjerimi i kufijve të kontrollit në mënyrë që të mos ndodhë asnjë paralajmërim
• C) Konsideroni paralajmërimin si një shkaktar, konfirmoni matjen, hetoni shkakun rrënjësor dhe vendosni me kriteret e pranimit ✔
• D) Heqja e drejtpërdrejtë e të gjithë grupit pa matje

Shpjegim: Tejkalimi i kufirit të grafikut të kontrollit është një paralajmërim; Shkaku kryesor nuk është automatikisht i qartë. Mund të jetë gabim i matjes, problem i kampionimit ose zhvendosje aktuale e procesit. Qasja e saktë është të konsideroni paralajmërimin si një shkaktar, të konfirmoni matjen, të hetoni shkakun rrënjësor dhe të merrni një vendim bazuar në kriteret e pranimit dhe rezultatin e NDT/ekzaminimit.

14. Vlerësimi i imazhit i ndihmuar nga AI në një pjesë të derdhjes shënoi një zonë si 'të pranueshme'. Cila është qasja e duhur për një pjesë kritike për sigurinë?

• A) Duke e konsideruar vlerësimin paraprak të UA si një mjet kontrolli dhe duke lidhur pranimin përfundimtar me rezultatin e NDT dhe miratimin e autorizuar ✔
• B) Konsideroni vlerësimin e UA si pranim përfundimtar dhe miratoni pjesën
• C) Kalimi në procesin tjetër pa e inspektuar fare pjesën
• D) Mjafton vetëm të kontrollohet vizualisht sipërfaqja e pjesës.

Përshkrimi: Defektet e brendshme të derdhjes (poroziteti, tkurrja, përfshirjet) janë shpesh të padukshme nga sipërfaqja dhe vlerësohen me teste jo-destruktive (NDT: radiografi, ultratinguj). Vlerësimi paraprak që AI jep përmes imazhit është një mjet kontrolli; Pranimi përfundimtar i pjesës kritike për sigurinë jepet me NDT dhe miratimin e autorizuar të inspektimit në përputhje me standardin.