Mtiririko wa Kazi wa AI wa Mwisho hadi Mwisho, Uthibitishaji, Faragha na Maadili — Akili Bandia katika Uhandisi wa Kiraia

Faida:

Uwezo wa kupeleka AI katika mtiririko wa mwisho hadi mwisho na kudhibitiwa katika mradi wa ujenzi kutoka kwa muundo hadi malipo ya maendeleo.
Uwezo wa kuanzisha itifaki ya matumizi ya AI inayojumuisha uthibitishaji, uthibitisho wa chanzo, ukaguzi wa faragha na dhima katika kila hatua.
Uwezo wa kufanya maadili ya kitaaluma, usiri wa data na idhini ya mhandisi mwenye uwezo kuwa sehemu muhimu ya mtiririko wa kazi wa AI.

Katika moduli hii yote, tulijadili AI katika kila hatua ya uhandisi wa kiraia, kutoka kwa uchambuzi wa miundo hadi hesabu za saruji na chuma zilizoimarishwa, kutoka kwa utafiti wa viwango hadi BIM, kutoka kwa upimaji wa kiasi hadi ratiba ya kazi, kutoka kwa vipimo hadi OHS na malipo ya maendeleo. Katika kitengo hiki cha mwisho, tunaweka vipande pamoja: tunaweka itifaki jinsi ya kutumia AI katika mtiririko wa mwisho hadi mwisho, unaodhibitiwa na wa kimaadili kwenye mradi wa ujenzi, kutoka kwa muundo hadi sifa. Lengo ni kuongeza faida za kasi ya AI huku tukidumisha uthibitishaji, uthibitishaji wa chanzo, usiri na udhibiti wa dhima katika kila hatua, na kufanya idhini ya mhandisi aliyehitimu kuwa sehemu muhimu ya mtiririko wa kazi.

Ramani ya Mtiririko wa Kazi wa Mwisho-hadi-Mwisho

Jukumu na udhibiti wa lazima wa AI katika mzunguko wa kawaida wa maisha wa mradi unaweza kufupishwa kama ifuatavyo:

Jukwaa

Jukumu la AI

Cheki cha lazima

Usanifu/uchambuzi wa awali

Muhtasari wa nguvu ya ndani, wazo

Fomula isiyo wazi + agizo

Hesabu ya saruji iliyoimarishwa / chuma

Rasimu ya sehemu/uimarishaji

Akaunti ya mkono + programu + ya kawaida

Utafiti wa kawaida

ramani ya utafiti

Uthibitisho kutoka kwa maandishi rasmi

BIM/otomatiki

Hati, hoja ya data

Hifadhi nakala + majaribio + kusoma msimbo

Uchunguzi wa wingi/upelelezi

Rasimu ya kiasi/gharama

Kitengo + cheo + uthibitisho wa bei

ratiba ya kazi

Muhtasari wa shughuli/muda

Utegemezi + mantiki ya uga

Maelezo/ripoti

rasimu ya maandishi

Upimaji + uthibitisho wa maelezo

OHS

Rasimu ya uchambuzi wa hatari

Idhini ya kitaalam + uwanja

malipo ya maendeleo

Rasimu ya hesabu/jedwali

Hesabu + jumla + mkataba

Ramani hii inarudia kanuni sawa katika kila hatua: AI hutoa rasimu, mhandisi huthibitisha na kuidhinisha. Hakuna matokeo muhimu ya usalama yanayoendelea bila uthibitishaji.

Hatari ya hila zaidi ya mtiririko huu wa kazi ni kwamba makosa hupitishwa kati ya hatua. Mradi wa ujenzi ni mlolongo: uchambuzi unalisha muswada wa kiasi, muswada wa kiasi na ratiba ya kazi, na ratiba ya kazi inalisha malipo ya maendeleo. Hitilafu ndogo iliyopuuzwa katika hatua moja (kipimo kibaya, mzigo uliokosekana, mgawo usio sahihi) hupelekwa kwa hatua zinazofuata kama inavyokua na kukua kwa kila hatua. Kwa hiyo, uthibitishaji sio hundi moja mwishoni mwa mradi, lakini lango ambalo hurudiwa katika kila mpito wa awamu. Hakikisha kuangalia pato kabla ya kuitoa kama "pembejeo" kwa hatua inayofuata; Kwa sababu kutoka wakati huo kuendelea, kukamata kosa inakuwa ngumu zaidi na ghali zaidi. Nidhamu hii inakuwa muhimu zaidi kadri mtiririko wa kazi wa AI unavyoongezeka: kasi haipaswi kuwa kisingizio cha kuruka uthibitishaji, lakini sababu ya kufanya uthibitishaji kuwa wa kimfumo.

Itifaki ya Uthibitishaji ya Tabaka

Kusanya vidhibiti tunavyoviona kote kwenye moduli kuwa itifaki moja. Kila pato la AI lazima lipitie sahihi ya tabaka hizi:

Ukaguzi wa kitengo na mpangilio: Je, matokeo ni ya kuridhisha kimaumbile, je vitengo vinalingana?
Uthibitishaji wa kujitegemea: Je, matokeo yanakubaliana na fomula iliyofungwa, hesabu ya mkono, programu tofauti au mbinu ya pili?
Uthibitishaji wa kawaida/chanzo: Je, mgawo, bidhaa, bei ya kitengo imethibitishwa kutoka kwa chanzo rasmi na cha sasa?
Ukaguzi wa uthabiti: Je, kuna ukinzani wowote, kuhesabu mara mbili au kuachwa ndani ya hati/akaunti?
Ukaguzi wa faragha: Je, data iliyotumiwa ina siri za biashara/data ya kibinafsi, je, chombo kinachofaa kilitumika?
Idhini ya mhandisi: Jukumu la mwisho ni la mhandisi stadi; Je, imesainiwa?

Itifaki ya matumizi ya AI ya kibinafsi (kwa kila kazi)1) PEMBEJEO: Je, nimefafanua kazi kwa uwazi kwa kiwango-kizuizi cha uingizaji?2) FARAGHA: Je, data ni nyeti? Je, nimeficha jina/chombo kinachofaa?3) MATOKEO: Je, nimeiuliza AI kwa hatua na vyanzo vya kati?4) CHEO: Je, matokeo yanawezekana kimwili/kimantiki?5) MSALABA: Je, nimethibitisha kwa njia huru?6) CHANZO: Je, kiwango/bei/kipengee kimethibitishwa? "hapana" matokeo HAYATUMWI.

Kidokezo: Weka itifaki hii kama orodha ya kukagua kwenye eneo-kazi lako. Baada ya muda, hatua huwa reflexes; Lakini unapojaribiwa kuruka hatua kwenye kazi muhimu ya usalama, kuwepo kwa orodha hukuzuia. Makosa ya gharama kubwa zaidi hutokea unapokimbilia na kusema "Nitaruka wakati huu".

Uhamasishaji dhaifu / Uhamasishaji Wenye Nguvu

DHAIFU:"Fanya mradi huu kuanzia mwanzo hadi mwisho ukitumia AI."(Kwa hatua moja, bila kusimamiwa, hakuna faragha na uthibitishaji.)STRONG:"Saidia kazi hii hatua kwa hatua. Katika kila hatua:- Andika kwa uwazi fomula/chanzo/ dhana uliyotumia- Onyesha hatua za kati ili niweze kuthibitisha matokeo- Weka alama mahali ambapo huna uhakika au unahitaji uthibitisho- Ukiipa thamani, weka kiwango/nambari ya kila chanzo uthibitisho wa kawaida na uthibitisho wa kawaida nitafanya uamuzi wa mwisho na kusainiwa sitashiriki data nyeti na sampuli ya umma/isiyojulikana.

Kanuni za Kudumu za Maadili na Faragha

Katika mtiririko wa mwisho hadi mwisho, maadili na faragha sio ukaguzi wa mara moja, lakini msimamo unaoendelea:

Faragha: Data ya mradi, gharama, data ya kibinafsi (KVKK) inalindwa; Data nyeti haijapakiwa kwa huduma ya nje ambayo haijaidhinishwa, na haitambuliki inapohitajika au zana ya ndani inatumiwa.
Uwazi: Utumiaji wa AI haujafichwa, lakini jukumu haliwekwi kwenye AI.
Umahiri: Ingawa AI inakupa hali ya kujiamini katika nyanja ambayo wewe si mtaalamu, haichukui nafasi ya uamuzi wako; Wasiliana na mtaalamu inapobidi.
Wajibu: Kila uamuzi unaoathiri usalama wa jengo ni halali kwa usimamizi na sahihi ya mhandisi mwenye uwezo na wajibu. Hili ni jukumu la kitaaluma na pia la kisheria.

Tahadhari: AI inapoongezeka kasi, shinikizo la kukwepa uthibitishaji huongezeka. Hata hivyo, haijalishi jinsi AI ni nzuri, pato linalolinda maisha na mali katika uhandisi wa umma haliwezi kamwe kutumika bila idhini ya mhandisi. Kasi inapozidi usalama, AI inakuwa hatari badala ya chombo.

Kesi Tatu Ndogo

Kesi ya 1 - Matumizi sahihi ya mwisho hadi mwisho. Kwa ujenzi mdogo, ofisi ya kiufundi hutumia AI kama msaada katika kila hatua: rasimu ya uchambuzi, upimaji wa idadi, ratiba ya kazi, vipimo. Wanathibitisha kila pato kwa itifaki. Matokeo: muda wa mradi umefupishwa kwa takriban 30%, kiwango cha makosa hupungua kwa sababu kila hatua inakaguliwa. AI hutoa kasi, wahandisi hutoa usalama.

Kesi 2 - Hitilafu ya mnyororo. Ofisi nyingine hubeba matokeo ya uchunguzi wa wingi wa AI kutoka kwa uthibitishaji hadi ratiba ya kazi na kutoka hapo hadi kuendeleza malipo. Hitilafu ya awali ya kitengo (m³ badala ya m²) huchafua msururu mzima na kusababisha malipo ya ziada. Somo: uthibitishaji lazima ufanyike kwa kila hatua; Hitilafu katika hatua moja hupelekwa mbele hadi inayofuata.

Kesi ya 3 - Nidhamu ya usiri. Mhandisi anataka kuchanganua data ya gharama kutoka hatua ya zabuni na AI, lakini kwanza anaficha data hiyo, anatoa kitambulisho cha mradi na kutumia zana salama iliyoidhinishwa na taasisi. Kwa hivyo, inafanikisha faida za kasi bila kuhatarisha faragha.

Violezo vya haraka vinavyoweza kunakiliwa

HATUA YA KUANGALIA KIFUNGU CHA HATUA: "Kabla ya kuhamia hatua inayofuata, nisaidie kuangalia matokeo ya hatua iliyotangulia:- Je, pato hili ni la busara katika suala la kitengo na utaratibu?- Je, ninawezaje kuhalalisha kwa kujitegemea, kupendekeza njia- Ni kifungu kipi cha kawaida/chanzo/mkataba ninapaswa kuthibitisha? Sitaendelea na hatua inayofuata bila kuthibitisha hatua hii. Pato: [bandika]"

FARAGHA PRE-SCREEN PROMPT: "Angalia ikiwa kuna siri ya biashara au data ya kibinafsi (gharama, bei ya kitengo, jina, eneo, kitambulisho cha mradi) katika data nitakayowapa AI katika jukumu hili. Ikiwa ndivyo, pendekeza toleo lisilojulikana/sampuli ili akaunti bado ifanye kazi lakini data nyeti haitatolewa. Data: [bandika]"

Makosa ya kawaida

Kubeba matokeo ambayo hayajathibitishwa kutoka hatua moja hadi hatua inayofuata na kueneza hitilafu kwenye mnyororo.
Kukwepa tabaka za uthibitishaji kwa kusema "AI inafanya kazi vizuri."
Sio kuona faragha kama udhibiti wa mara moja lakini kama udhibiti wa kila wakati.
Kuendeleza uamuzi muhimu wa usalama bila idhini ya mhandisi.
Kukwepa chanzo/uthibitishaji wa kawaida kwa sababu ya shinikizo la kasi.
Kujaribu kuweka lawama kwa AI au programu.

Kwa muhtasari

Weka AI kama rasimu ya jenereta na mhandisi kama kithibitishaji na kiidhinishaji katika kila hatua kuanzia muundo hadi utozaji.
Tumia itifaki ya uthibitishaji kwa safu (kitengo/cheo, uthibitishaji mtambuka, uthibitisho wa chanzo, uthabiti, usiri, uthibitisho) kwa kila towe.
Hitilafu katika hatua moja hubeba hadi nyingine; Fanya uthibitishaji kwa kila hatua.
Usiri, uwazi, uwezo na uwajibikaji ni kanuni za kimaadili zinazodumu.
Kadiri kasi inavyoongezeka, shinikizo la kukwepa uthibitishaji huongezeka; kupinga.
Kila uamuzi unaoathiri usalama wa jengo ni halali na sahihi ya mhandisi anayefaa; AI haiwezi kuchukua hii.

Jukumu la maombi

Chagua mlolongo wa kazi wa kiwango kidogo (k.m. uchanganuzi wa vipengele rahisi → uchunguzi wa wingi → ratiba fupi ya kazi). Tumia AI kama usaidizi katika kila hatua na utumie itifaki ya uthibitishaji kwa safu: chini ya kila pato kwa kitengo/cheo, uthibitishaji mtambuka, na uthibitishaji wa chanzo kabla ya kuisogeza hadi hatua inayofuata. Tathmini hatari ya faragha katika data unayotumia. Mwishoni, andika katika aya ambayo hatua ya itifaki ilikuokoa kutokana na kosa na wapi ulihifadhi muda mwingi.

orodha ya ukaguzi

[ ] Niliweka AI kama rasimu ya jenereta na mimi mwenyewe kama mthibitishaji katika kila hatua.
[ ] Nilitumia itifaki ya uthibitishaji kwa kila pato.
[ ] Sikubeba matokeo ya hatua moja hadi nyingine bila uthibitisho.
[ ] Nilifanya ukaguzi wa faragha/KVKK kwenye data niliyotumia.
[ ] Nilithibitisha viwango vya kawaida, bei na bidhaa kutoka kwa chanzo rasmi.
[ ] Licha ya shinikizo la kasi, sikuruka hatua za uthibitishaji.
[ ] Nimeweka maamuzi muhimu ya usalama kwa idhini ya mhandisi anayefaa.

Mtihani wa Moduli

1. Ni kanuni gani sahihi zaidi ya msingi kuhusu matumizi ya AI katika uhandisi wa ujenzi?

A) AI haiwezi kuchukua nafasi ya idhini ya mhandisi kwenye hesabu muhimu za usalama; Ni rasimu tu ya kuangaliwa ✔
B) AI imeboreshwa vya kutosha hivi kwamba kutumia akaunti tuli ambazo hazijasainiwa sio shida
C) Hakuna uthibitishaji wa ziada unaohitajika kwani pato la AI limeidhinishwa na ISO
D) Mhandisi anapaswa kuhusika tu katika vitu ambavyo AI haiwezi kutoa

Maelezo: Mahesabu na maamuzi yanayoathiri usalama wa jengo hubeba usalama wa maisha na mali. Pato la AI linaweza kutoa rasimu ya haraka, lakini si mbadala wa ukaguzi na idhini kutoka kwa mhandisi mwenye uwezo na wajibu; Jukumu daima linabaki kwa mhandisi.

2. Ni hatua gani ya kwanza inayotegemewa zaidi wakati wa kuthibitisha boriti iliyokokotwa na AI katikati ya muda?

A) Kukubali matokeo moja kwa moja kwa sababu AI inaonekana kuwa sahihi sana
B) Kukagua mpangilio na saizi kwa kutumia fomula iliyofungwa au hesabu ya mkono ✔
C) Kuzungusha matokeo hadi tarakimu zaidi baada ya nukta ya desimali
D) Ongeza tu ukubwa wa boriti na uendelee

Maelezo: Fomula zilizofungwa ni bora kwa udhibiti wa masafa katika misururu iliyopakiwa (k.m. wL²/8 yenye mzigo uliosambazwa kwa usawa). Kulinganisha nambari ya AI na fomula huru iliyofungwa au hesabu ya mkono huonyesha haraka makosa ya pembejeo na hesabu.

3. AI ilihesabu eneo linalohitajika la kuimarisha katika boriti ya saruji iliyoimarishwa. Ni hundi gani inapaswa kufanywa kabla ya kutumia thamani hii?

A) Kupanua kwa nasibu kipenyo cha kuimarisha
B) Kuinua tu darasa la zege
C) Kuangalia viwango vya chini na vya juu zaidi vya uimarishaji na sheria za nafasi / chanjo kulingana na kiwango ✔
D) Kuimarisha mara mbili

Maelezo: Eneo la uimarishaji lililohesabiwa pekee haitoshi. TS 500 / Eurocode 2 lazima itoe viwango vya chini na vya juu zaidi vya uwiano wa uimarishaji, nafasi na sheria za bima. Uimarishaji uliochaguliwa bila kufikia viwango hivi ni batili.

4. Wakati wa kuhesabu uimara wa safu wima ya chuma, AI husema 'Nilichukua urefu wa kushikana sawa na urefu wa safu'. Jibu sahihi la uhandisi ni lipi?

A) Kudhibiti hali ya vidokezo na mgawo wa urefu wa ufanisi K; Urefu wa sprain hutofautiana kulingana na hali ✔
B) Kuchukua kukubalika kama ilivyo, ni halali kwa kila safu
C) Pima urefu wa koloni na uifanye mara mbili
D) Kuongeza tu darasa la chuma ni vya kutosha

Ufafanuzi: Urefu wa buckling hutambuliwa na mgawo wa urefu wa ufanisi (K) kulingana na usaidizi na hali ya mwisho; rangi ya kimwili sio sawa kila wakati. Ni lazima iangaliwe kuwa hali mbaya zaidi inachukuliwa kuwa sahihi na mgawo wa K umechaguliwa ipasavyo.

5. AI inatoa mgawo kwa kurejelea makala ya udhibiti wa tetemeko la ardhi (TBDY). Ni tabia ipi iliyo sahihi zaidi?

A) Kutumia thamani moja kwa moja kwa sababu AI inaonekana kujiamini
B) Kuthibitisha nambari ya kifungu na mgawo kutoka kwa maandishi rasmi, ya sasa ya udhibiti ✔
C) Kuinua mgawo kwa nasibu ili kukaa upande salama
D) Kuongeza nambari ya bidhaa kwenye ripoti bila kuiangalia

Ufafanuzi: Miundo ya lugha inaweza kukumbuka vibaya au kuunda (hallucinate) nambari za vitu na coefficients. Thamani yoyote inayotegemea kanuni lazima ithibitishwe neno moja kwa moja kutoka kwa maandishi rasmi na ya sasa ya udhibiti; AI inakuonyesha tu mahali pa kuangalia.

6. Ni ipi njia bora zaidi kabla ya kutumia hati ya Dynamo/pyRevit uliyotoa kwa AI kwa modeli ya BIM?

A) Thibitisha matokeo kwa kuchukua nakala ya mfano na kujaribu hati kwenye sampuli ndogo ✔
B) Kutumia hati moja kwa moja kwa vipengele vyote vya mfano halisi
C) Ikiwa hati ilifanya kazi, ni sawa, hakuna haja ya kuithibitisha.
D) Kuendesha hati bila kuisoma kabisa

Maelezo: Hati za otomatiki zinaweza kufanya mabadiliko mengi na magumu kutendua muundo. Hati inapaswa kwanza kujaribiwa kwa kiwango kidogo kwenye muundo wa chelezo/nakala, thibitisha matokeo na kisha uitumie kwa muundo asili.

7. Wakati unafanya uchunguzi wa wingi kwenye AI, unaona matokeo 'Nilikokotoa eneo la ukuta kama 45 m³'. Je, majibu yako ya kwanza yanapaswa kuwa yapi?

A) Kuandika thamani moja kwa moja kwa ugunduzi
B) Angalia tofauti ya kitengo (m³ kwa eneo) na utafute kosa la fomula na kitengo ✔
C) Badilisha kitenge kuwa m² na uendelee
D) Kuandika matokeo katika fonti kubwa zaidi

Maelezo: Eneo linaonyeshwa kwa m² na sauti inaonyeshwa kwa m³. Kipimo cha m³ cha eneo la ukuta kinaonyesha hitilafu ya kizio/fomula. Ukaguzi wa uthabiti wa kitengo hupata papo hapo makosa ya kawaida na ya gharama kubwa katika uchunguzi wa wingi.

8. Njia muhimu inatolewa katika ratiba ya kazi inayozalishwa na AI. Ni hundi gani muhimu zaidi wakati wa kuthibitisha hili?

A) Kuhariri rangi za programu
B) Angalia tu jumla ya wakati na uthibitishe
C) Kukagua mantiki na uhalisia wa vitegemezi vya shughuli, muda na mpangilio wa sehemu ✔
D) Kufupisha programu kwa kupunguza idadi ya shughuli

Maelezo: Njia muhimu inategemea uhusiano wa kipaumbele (utegemezi) na muda wa shughuli. AI inaweza kuunda uhusiano wa kimantiki vibaya. Kuangalia uhalisia wa utegemezi wa shughuli, muda, na mpangilio wa uga ndiyo hatua muhimu zaidi.

9. Umetoa rasimu ya maelezo ya kiufundi na AI. Kuna taarifa katika maandishi: 'Uhamishaji wa unene unaofaa utatolewa'. Je, una tabia gani?

A) Kufafanua taarifa kwa thamani halisi na uvumilivu kulingana na kiwango ✔
B) Kuacha usemi wenye utata kama ulivyo, maoni ya vitendo
C) Futa usemi kabisa na uondoe insulation kutoka kwa vipimo
D) kurefusha sentensi ili ionekane rasmi zaidi

Ufafanuzi: Vipimo lazima viweze kupimika na kukaguliwa. Misemo isiyoeleweka kama vile 'unene unaofaa' huunda utata na makosa ya programu. Taarifa lazima ifafanuliwe kwa thamani halisi na uvumilivu (k.m. unene, darasa la nyenzo) kulingana na kiwango.

10. Ni ipi njia bora zaidi wakati AI inatayarisha tathmini ya hatari ya tovuti ya ujenzi?

A) Saini uchapishaji wa AI na uiandike moja kwa moja kwenye ubao
B) Kuacha tu hatari za kawaida na kufuta wengine
C) Kubadilisha alama zote za hatari hadi chini
D) Kagua na ukamilishe rasimu ya AI kwa ustadi na hali ya tovuti, sheria na mbinu halisi ya utengenezaji ✔

Maelezo: Tathmini ya hatari ni hati inayobeba jukumu la kisheria. AI inaweza kutoa rasimu nzuri, lakini hatari lazima zikaguliwe na kukamilishwa na mtaalamu/mhandisi wa OHS kulingana na hali ya tovuti, sheria na mbinu halisi ya utengenezaji.

11. Ni ipi njia ya kuaminika zaidi ya kuthibitisha jumla ya kiasi wakati wa kukokotoa malipo ya maendeleo kwa kutumia AI?

A) Kubali ikiwa jumla ni takriban
B) Kuangalia jumla kuu katika safu ya mwisho pekee
C) Thibitisha kwa kujitegemea wingi wa bidhaa kwa bidhaa × bei ya kitengo, makato na viwango vilivyojumlishwa ✔
D) Kusawazisha kiasi cha malipo ya awali ya maendeleo

Ufafanuzi: Malipo ya maendeleo yanatokana na jumla ya bidhaa za utengenezaji (kiasi × bei ya kitengo) na limbikizo la makato na malipo ya awali ya maendeleo. Ni lazima kuangalia hesabu kwa kujitegemea, masharti ya bei ya kitengo na kiasi cha nyongeza kwa misingi ya bidhaa.

12. Ulihesabu uwezo wa mzigo wa axial kwa safu kwa kutumia Python na AI, matokeo yalikuwa 12,000 kN; ambapo safu ni 30x30 cm. Je, majibu yako ya kwanza yanapaswa kuwa yapi?

A) Kuandika matokeo moja kwa moja kwenye ripoti
B) Kupanua sehemu ya msalaba ili kutoshea matokeo
C) Kupuuza sehemu ya koloni
D) Kuona kuwa agizo sio la kuridhisha na kutafuta makosa ya kitengo na fomula ✔

Ufafanuzi: Kwa safu wima ndogo, 12,000 kN ni ya juu sana bila kutarajia. Ukaguzi wa usafi unaonyesha mara moja hitilafu za kitengo (kN/N, cm/m) au fomula. Ingizo na fomula zinapaswa kukaguliwa hadi ziwe ndani ya anuwai inayofaa.

13. Ni tabia gani bora katika suala la faragha wakati wa kupakia data ya mradi wa mteja kwenye AI?

A) Kupakia data haraka bila kuficha utambulisho na kupata idhini
B) Kuchukulia faragha haihitajiki kwa sababu data tayari iko kwenye AI
C) Kutii sera ya data ya shirika na kutopakia data ya siri/ya kibinafsi bila idhini, kutokutambulisha inapohitajika ✔
D) Kushiriki data zote na kuacha jukumu kwa mtoaji wa AI

Ufumbuzi: Data ya mradi (mipango, gharama, data ya kibinafsi) inaweza kuwa na siri za biashara na data ya kibinafsi. Ni lazima kutopakia data ya siri kwa huduma ya nje bila idhini ya kitaasisi, kuificha inapohitajika na kutii sera za usindikaji wa data.

14. Wakati wa kutumia fomula ya kawaida, AI ilichukua mgawo wa usalama wa mzigo (yaani mgawo wa mzigo) kama 1.0. Je, tathmini sahihi ni ipi?

A) Kuacha mgawo kama ulivyo, AI ilichagua
B) Angalia na urekebishe mgawo sahihi wa mzigo/vifaa kulingana na kiwango husika ✔
C) Ili kurahisisha hesabu kwa kuweka coefficients zote kwa 1.0
D) Kupanua sehemu ya msalaba kiholela badala ya mgawo

Maelezo: Katika muundo wa uwezo wa kubeba, mgawo wa usalama wa mzigo na nyenzo (k.m. ongezeko la mzigo 1.4/1.5, kupunguza nguvu ya nyenzo) ni vigezo muhimu vinavyoamua matokeo. Lazima iangaliwe ikiwa mgawo unachukuliwa kwa usahihi kulingana na kiwango kinachofaa; 1.0 iko upande usio salama katika hali nyingi.

15. Ni ipi mbinu sahihi zaidi ya uthibitishaji katika mtiririko wa kazi wa AI wa mwisho hadi mwisho?

A) Kutegemea tu AI kujidhibiti
B) Angalia tu matokeo ya hivi karibuni na uthibitishe
C) Fanya uthibitishaji tu wakati kosa linatokea
D) Utekelezaji wa kitengo/cheo, uthibitisho mtambuka, uthibitisho wa kawaida na idhini ya mhandisi kwa njia ya tabaka ✔

Maelezo: Katika mtiririko wa kuaminika wa kazi, kila pato la AI; Inapitia safu za kitengo na udhibiti wa kiwango, uthibitishaji mtambuka na fomula/programu iliyofungwa, uthibitisho wa kawaida na idhini ya mhandisi anayefaa. Kupunguza uthibitishaji hadi hatua moja huficha hatari.