பைதான் மூலம் மேம்படுத்தல், தரவு செயலாக்கம், சரிபார்ப்பு மற்றும் பாதுகாப்பு

ஆதாயங்கள்:

• AI-இயங்கும் பைதான் குறியீடு மூலம் மேம்படுத்தல் மற்றும் தரவு செயலாக்க பணிகளை தானியங்குபடுத்தும் திறன்
• யூனிட் செக்கிங், டெஸ்டிங் மற்றும் எட்ஜ் கேஸ்கள் மூலம் AI-உருவாக்கப்பட்ட குறியீட்டைச் சரிபார்க்கும் திறன்
• ரகசிய உற்பத்தித் தரவைப் பாதுகாக்கும் திறன் மற்றும் பொறுப்பான AI பயன்பாட்டுக் கொள்கைகளைச் செயல்படுத்துதல்

தொழில்துறை பொறியியலில், மீண்டும் மீண்டும் கணக்கீடுகள், தரவு சுத்திகரிப்பு மற்றும் தேர்வுமுறை மாதிரிகள் பைத்தானுடன் தானியங்குபடுத்தப்படும் போது வேகம் மற்றும் மீண்டும் நிகழ்தகவு இரண்டும் பெறப்படுகின்றன. இந்த குறியீட்டை எழுதுவதற்கு AI மிகவும் சக்திவாய்ந்த முடுக்கி: பாண்டாக்களுடன் தரவு செயலாக்கம், PuLP/SciPy உடன் மேம்படுத்துதல், நிமிடங்களில் matplotlib வரைவுக் குறியீட்டைக் கொண்டு காட்சிப்படுத்தல். ஆனால் AI குறியீடு "வேலை செய்வது போல் தோன்றுகிறது" மற்றும் "துல்லியமாக இருப்பது" ஆகியவற்றுக்கு இடையே உள்ள வேறுபாட்டிற்கு இயல்பாக உத்தரவாதம் அளிக்காது. இந்த யூனிட்டில், AI-இயங்கும் பொறியியல் ஆட்டோமேஷன், குறியீட்டைச் சரிபார்க்கும் ஒழுக்கம் மற்றும் ரகசிய உற்பத்தித் தரவைப் பாதுகாப்பதற்கான கொள்கைகள் ஆகியவற்றை நாங்கள் இணைக்கிறோம். இந்த அலகு அனைத்து முந்தைய அலகுகளுக்கும் "நம்பிக்கையுடன் விண்ணப்பிக்கவும்" அடுக்கு ஆகும்.

ஏன் குறியீடு? மீண்டும் நிகழும் தன்மை மற்றும் தணிக்கைத்திறன்

Excel இல் ஒரு கைமுறை கணக்கீடு ஆறு மாதங்களுக்குப் பிறகு "அந்த எண் எங்கிருந்து வந்தது?" கேள்விக்கு பதில் சொல்ல முடியாது. மறுபுறம், குறியீடு உள்ளீடு, படிகள் மற்றும் வெளியீட்டை தெளிவாகவும் மீண்டும் மீண்டும் செய்யக்கூடியதாகவும் வைத்திருக்கிறது. குறியீட்டில் பொறியியல் கணக்கீடு செய்வதன் மூன்று நன்மைகள்: (1) ஒரே உள்ளீட்டில் எப்போதும் ஒரே முடிவு, (2) ஒவ்வொரு அடியையும் காணக்கூடியதாகவும் மதிப்பாய்வு செய்யவும், (3) உள்ளீடு மாறும்போது தானாகவே முடிவைப் புதுப்பித்தல்.

# EOQ கணக்கீட்டை சரிபார்க்கக்கூடிய செயல்பாடாக மாற்றுதல் mathdef eoq(வருடாந்திர_தேவை, ஆர்டர்_செலவு, வைத்திருக்கும்_செலவு): """பொருளாதார ஒழுங்கு அளவு. அலகுகள் சீரானதாக இருக்க வேண்டும்: வருடாந்திர_தேவை [பொருட்கள்/ஆண்டு], ஆர்டர்_செலவு [TL/order], ording_pieces/year/year holding_cost <= 0: உயர்த்த மதிப்புப் பிழை ("தேவை மற்றும் வைத்திருக்கும் செலவு நேர்மறையாக இருக்க வேண்டும்") math.sqrt((2 * வருடாந்திர_தேவை * ஒழுங்கு_செலவு) / holding_cost)# தெரிந்த முடிவுடன் சோதனை (சரிபார்ப்பு):# D=3600, S=120, H=8 -> ~320,06 உறுதிப்படுத்தல் 328.63) < 0.1அச்சு(சுற்று(eoq(3600, 120, 8), 1)) #328.6

இங்கே வலியுறுத்தல் வரி முக்கியமானது: அறியப்பட்ட முடிவுக்கு எதிராக சோதனை. AI எழுதும் ஒவ்வொரு கணக்கீட்டு செயல்பாட்டிற்கும் குறைந்தது ஒரு "தெரிந்த முடிவு சோதனை" சேர்ப்பதன் மூலம், குறியீடு உண்மையில் சரியாக கணக்கிடுகிறது என்பதை நிரூபிக்கிறீர்கள்.

AI உடன் குறியீட்டை உருவாக்குவதற்கான சரியான வழி

AIக்கு குறியீட்டை எழுதும் போது நிச்சயமற்ற தன்மை குறைவாக இருந்தால், வெளியீடு மிகவும் நம்பகமானது.

பங்கு: நீங்கள் பைதான் மற்றும் தொழில்துறை பொறியியல் தரவு பகுப்பாய்வில் நிபுணர். பணி: ஒரு CSV இல் தினசரி உற்பத்தித் தரவை (தேதி, தயாரிக்கப்பட்ட, தவறான, செயலிழந்த_நிமிடங்கள்) செயலாக்கும் ஒரு செயல்பாட்டை எழுதவும் மற்றும் தினசரி விரயம் விகிதம் மற்றும் தோராயமாக OEE கூறுகளைக் கணக்கிடுகிறது. தேவைகள்:- பாண்டாக்களைப் பயன்படுத்துங்கள், நெடுவரிசைப் பெயர்களைச் சரிபார்க்கவும் (காணாமல் இருந்தால் புரிந்துகொள்ளக்கூடிய பிழையைக் கொடுங்கள்).- கழிவு விகிதம் = தவறானது / உற்பத்தி செய்யப்பட்டது; பூஜ்ஜியத்தால் வகுபடாமல் பாதுகாக்கவும்.- செயல்பாட்டிற்கு தெரிந்த முடிவுடன் ஒரு சோதனையை (உறுதிப்படுத்துதல்) சேர்க்கவும்.- யூனிட் மற்றும் அனுமானங்களை docstring இல் எழுதவும். விதி: பிணையம்/கோப்பு அமைப்பில் எழுதும் மறைக்கப்பட்ட செயல்முறையைச் சேர்க்க வேண்டாம். கணக்கீடுகளை மட்டும் செய்யுங்கள். உங்களுக்கு உறுதியாகத் தெரியாத கருத்துகளைக் குறிக்கவும்.

பலவீனமான ப்ராம்ட் / ஸ்ட்ராங் ப்ராம்ட்

பலவீனமான உடனடி:

உற்பத்தித் திறனைக் கணக்கிடும் குறியீட்டை எழுதவும்.

"விளைச்சல்" என்பது வரையறுக்கப்படவில்லை, தரவுத் திட்டம் இல்லை, சோதனை இல்லை. வெளியீடு வேலை செய்தாலும், அது என்ன கணக்கிடுகிறது என்பது தெளிவாகத் தெரியவில்லை.

சக்திவாய்ந்த தூண்டுதல்:

பின்வரும் வரைபடத்தில் CSV க்கான OEE ஐக் கணக்கிடவும்: நெடுவரிசைகள் [திட்டமிடப்பட்ட_நேரம், இயக்க நேரம், சிறந்த_சுழற்சி, உற்பத்தி, தரம்]. கிடைக்கும் தன்மை = வேலை/திட்டமிடப்பட்டது, செயல்திறன் = (ஐடியல்_சைக்கிள் × உற்பத்தி)/ரன், தரம் = தரம்/உற்பத்தி. OEE என்பது இந்த மூன்றின் விளைபொருளாகும். ஒவ்வொரு கூறுகளையும் தனித்தனியாகத் திருப்பி, பூஜ்ஜியத்தால் வகுப்பைக் கையாளவும், மேலும் அறியப்பட்ட மதிப்புகளுடன் உறுதிப்படுத்தும் சோதனையைச் சேர்க்கவும்.

இரண்டாவது வரியில் ஒவ்வொரு சூத்திரத்தையும் வரைபடத்தையும் தெளிவாகக் கொடுக்கிறது; இது AI தவறாக "விளைச்சல்" புரிவதற்கான வாய்ப்பை நீக்குகிறது மற்றும் சோதனை மூலம் சரிபார்ப்பை கட்டாயப்படுத்துகிறது.

குறியீடு சரிபார்ப்பு சரிபார்ப்பு பட்டியல்

தயாரிப்பு முடிவில் AI குறியீட்டைப் பயன்படுத்துவதற்கு முன், இந்தப் படிகளைப் பின்பற்றவும்:

படி

என்ன சரிபார்க்க வேண்டும்

அலகு/அளவு

உள்ளீடு-வெளியீட்டு அலகுகள் சீரானதா?

அறியப்பட்ட முடிவு சோதனை

இது கையால் கணக்கிடப்பட்ட உதாரணத்தை சரியாக கொடுக்கிறதா?

விளிம்பு வழக்குகள்

பூஜ்யம், எதிர்மறை, வெற்று தரவு, ஒற்றை வரி என்ன செய்யும்?

எண்கணித குறுக்கு சரிபார்ப்பு

ஒரு சிறிய மாதிரியில் முடிவு தெளிவாக இருக்கிறதா?

கண்ணுக்கு தெரியாத பக்க விளைவு

குறியீடு தரவை நீக்குகிறதா/அனுப்புகிறதா?

எச்சரிக்கை: AI சில சமயங்களில் "வேலை செய்யும் ஆனால் தவறு" என்ற குறியீட்டை உருவாக்குகிறது: எடுத்துக்காட்டாக, இது தவறான/மொத்தத்திற்குப் பதிலாக தவறாக/உற்பத்தி செய்யப்படும் வீண் வீதத்தைக் கணக்கிடுகிறது அல்லது சதவீதத்தை விகிதத்துடன் குழப்புகிறது. குறியீடு பிழைகள் இல்லாமல் செயல்படுவதால் அது சரியானது என்று அர்த்தமல்ல. அறியப்பட்ட முடிவுடன் சோதிக்கவும்.

பாதுகாப்பு மற்றும் தரவு தனியுரிமை

உற்பத்தித் தரவு வர்த்தக ரகசியங்கள்: திறன்கள், செலவுகள், வாடிக்கையாளர் கோரிக்கைகள், சப்ளையர் விலைகள். ஒரு AI சேவையில் இவற்றைத் தூண்டுதலாக ஒட்டிக்கொள்வது ஒரு தீவிர ஆபத்து.

• தரவை அநாமதேயமாக்குங்கள்: உண்மையான வாடிக்கையாளர்/சப்ளையர் பெயர்களுக்குப் பதிலாக குறியீடுகளைப் பயன்படுத்தவும்; துல்லியமான செலவுகளை மாதிரி மதிப்புகளுடன் மாற்றவும்.
• கார்ப்பரேட் கொள்கையைப் பின்பற்றவும்: உங்கள் நிறுவனத்தால் அங்கீகரிக்கப்பட்ட AI கருவிகள் மற்றும் தரவு வகைப்பாடு விதிகளைப் பயன்படுத்தவும்.
• குறியீட்டைக் கோரவும், தரவை உள்நாட்டில் இயக்கவும்: AI எழுதும் குறியீட்டை வைத்திருங்கள், ஆனால் உண்மையான தரவுகளுடன் உங்கள் சொந்த சூழலில் குறியீட்டை இயக்கவும். இந்த வழியில், முக்கியமான தரவு வெளியேறாது.
• வெளியீட்டை மதிப்பாய்வு செய்யவும்: AI குறியீடு எதிர்பாராத இடத்திற்குத் தரவை அனுப்புகிறதா என்பதைச் சரிபார்க்கவும் (நெட்வொர்க் அழைப்பு, வெளிப்புற API).

உதவிக்குறிப்பு: "AI எழுதும் குறியீட்டை உருவாக்கவும், தரவை உள்நாட்டில் செயலாக்கவும்" கொள்கையானது தனியுரிமையைப் பாதுகாக்கிறது மற்றும் போலி எண்களை உருவாக்குவதிலிருந்து AI ஐத் தடுக்கிறது. உண்மையான தீர்வு / நூலகம் கணக்கீடு செய்கிறது, AI எலும்புக்கூட்டை உருவாக்குகிறது.

மினி கேஸ்: வேலை ஆனால் தவறான குறியீடு

ஒரு தொழிற்சாலையில், தொழில்துறை பொறியாளர் மெர்ட், AI ஐ மாதாந்திர OEE அறிக்கையை உருவாக்கும் ஸ்கிரிப்டை எழுத வைக்கிறார். குறியீடு சீராக இயங்குகிறது மற்றும் 92% OEE ஐ வழங்குகிறது. ஆனால் தெரிந்த நாளுக்கு எதிராக மெர்ட் அதைச் சோதிக்கும் போது (அவர் கைமுறையாகக் கணக்கிட்ட ஒரு நாள், அதில் 78% OEE இருக்க வேண்டும்), குறியீடு 92% திரும்பப் பெறுகிறது. மதிப்பாய்வில், AI செயல்திறன் கூறுகளை தவறாக அமைத்துள்ளதை அவர் கண்டறிந்தார் (சிறந்த சுழற்சிக்குப் பதிலாக சராசரி சுழற்சியைப் பயன்படுத்தி). சரி செய்யும்போது, ​​மதிப்பு யதார்த்தத்துடன் பொருந்துகிறது. குறியீடு எந்தப் பிழையும் இல்லாமல் தவறான முடிவுகளைத் தருகிறது. பாடம்: அறியப்பட்ட முடிவுகளுடன் சோதனை செய்யாமல், தவறான OEE பல மாதங்களுக்கு நிர்வாக முடிவுகளை எடுத்திருக்கும்.

பொதுவான தவறுகள்

• "வேலை = சரி" என்று நினைப்பது: பிழைகளை சரியானதாகக் கொடுக்காத குறியீட்டை ஏற்றுக்கொள்வது; தெரிந்த முடிவுடன் சோதனை செய்யவில்லை.
• எட்ஜ் கேஸ்களைத் தவிர்ப்பது: பூஜ்ஜியத்தால் வகுத்தல், வெற்று தரவு, எதிர்மறை உள்ளீடு போன்ற சூழ்நிலைகளை முயற்சிக்காமல் வெளியிடுதல்.
• ரகசியத் தரவை ஒட்டுதல்: உண்மையான விலை/வாடிக்கையாளர் தரவை அநாமதேயமாக்காமல் AIக்கு அனுப்புதல்.
• AI ஐ ஒரு தீர்வாக தவறாகப் புரிந்துகொள்வது: AI கூறும் தேர்வுமுறை வெளியீட்டைப் பயன்படுத்தி, உண்மையான தீர்வு வெளியீடாக "முடிவு இதுதான்".
• தணிக்கைத் திறனை இழப்பது: அனுமானங்கள் மற்றும் அலகுகளை ஆவணப்படுத்தாமல் குறியீட்டைப் பகிர்தல்.

சுருக்கமாக

• குறியீடு பொறியியல் கணக்கில் மீண்டும் மீண்டும் செய்யக்கூடிய தன்மையையும் தணிக்கைத் திறனையும் சேர்க்கிறது; AI இந்த குறியீட்டை வேகப்படுத்துகிறது.
• ஒவ்வொரு AI கணக்கீடு செயல்பாட்டிலும் அறியப்பட்ட முடிவுடன் உறுதிமொழியைச் சேர்ப்பதன் மூலம் சரியானதை நிரூபிக்கவும்.
• ஒரு யூனிட், எட்ஜ் கேஸ் மற்றும் எண்கணித குறுக்கு சரிபார்ப்பு பட்டியல் மூலம் அனுப்பாமல், உற்பத்தி முடிவில் குறியீட்டைப் பயன்படுத்த வேண்டாம்.
• "பணிக் குறியீடு" என்பது சரியான குறியீட்டைக் குறிக்காது; இது பிழையின்றி செயல்படலாம் மற்றும் தவறாக கணக்கிடலாம்.
• ரகசிய உற்பத்தித் தரவை அநாமதேயமாக்குதல், கார்ப்பரேட் கொள்கைக்கு இணங்குதல்; குறியீட்டை AI க்கு அச்சிடவும் ஆனால் தரவை உள்நாட்டில் செயலாக்கவும்.

விண்ணப்ப பணி

பொறியியல் கணக்கீட்டைத் தேர்ந்தெடுக்கவும் (EOQ, பாதுகாப்பு பங்கு, OEE அல்லது நிலையான நேரம்). இந்தக் கணக்கீட்டைச் செய்யும் AIக்கு ஒரு பைதான் செயல்பாட்டை எழுதுங்கள்; டாக்ஸ்ட்ரிங்கில் யூனிட்களைச் செயல்படுத்தவும் மற்றும் உறுதியான சோதனை மூலம் அறியப்பட்ட முடிவு. முக்கியமான சரிபார்ப்பு: குறைந்தபட்சம் மூன்று விளிம்பு நிலைகளுடன் (பூஜ்ஜியம், எதிர்மறை, பூஜ்யம்) செயல்பாட்டை முயற்சிக்கவும் மற்றும் கையால் கணக்கிடப்பட்ட உதாரணத்துடன் ஒப்பிடவும்; குறியீடு பிழைகள் இல்லாமல் இயங்கினாலும், முடிவு சரியானது என்பதை அறியப்பட்ட மதிப்புடன் நிரூபிக்கவும். பின்னர் குறியீட்டை "தரவு தனியுரிமை" கண்ணோட்டத்தில் ஆராயவும்: தரவை அனுப்பும் செயல்முறை உள்ளதா? இறுதியாக, இந்த யூனிட்டின் சரிபார்ப்பு பட்டியலை உங்கள் சொந்த பணிப்பாய்வுக்கு மாற்றி சரிபார்ப்பு பட்டியலை உருவாக்கவும்.

தொகுதி தேர்வு

1. மெலிந்த உற்பத்தியில், மதிப்பு ஸ்ட்ரீம் வரைபடத்தை (VSM) உருவாக்க AI ஐப் பயன்படுத்தியுள்ளீர்கள். பரிந்துரையை செயல்படுத்தும் முன் சிறந்த படி என்ன?

• A) புலம் (ஜெம்பா) கண்காணிப்பு மற்றும் உண்மையான சுழற்சி/குடியிருப்பு நேரங்களுடன் AI வரைபடத்தை சரிபார்க்கவும் ✔
• B) AI ஆக வரைபடத்தை நேரடியாக போர்டில் தொங்கவிடுவது தற்போதைய மாதிரி
• C) வரைபடத்தின் நிறங்கள் மற்றும் பெட்டி வடிவங்களை மட்டும் சரிசெய்யவும்
• D) கழிவு வகைகளின் வரிசையை மாற்றி அவற்றை வெளியிடுதல்

விளக்கம்: நீங்கள் வழங்கும் தகவலின் அடிப்படையில் AI ஒரு நியாயமான VSM ஸ்கெட்சை உருவாக்குகிறது, ஆனால் உண்மையான செயல்முறை நேரங்கள் மற்றும் கழிவுகளை கவனிக்க முடியாது. மெலிந்ததன் அடிப்படைக் கொள்கை 'கெம்பா' ஆகும்: புலத்தில் மதிப்பாய்வு மற்றும் அளவிடுவதன் மூலம் மதிப்பு ஸ்ட்ரீம் சரிபார்க்கப்பட வேண்டும், ஆனால் முன்னேற்ற முடிவுகளுக்கு அடிப்படையாகப் பயன்படுத்தப்படும்.

2. தேவை முன்னறிவிப்பு மாதிரியின் துல்லியத்தை மதிப்பிடுவதற்கான எந்த அளவீடுகள் இந்த நோக்கத்தை நேரடியாகக் குறிப்பிடுகின்றன?

• A) Cp மற்றும் Cpk
• B) MAPE, MAE மற்றும் RMSE ✔
• C) OEE மற்றும் MTBF
• D) டேக்ட் டைம் மற்றும் விஐபி

விளக்கம்: MAPE (சராசரி சதவீத பிழை), MAE மற்றும் RMSE ஆகியவை முன்னறிவிப்பு பிழையை அளவிடும் அளவீடுகள்; முன்னறிவிப்பை உண்மையான தேவையுடன் ஒப்பிடுவதன் மூலம் மாதிரியின் துல்லியத்தை மதிப்பீடு செய்ய இது உங்களை அனுமதிக்கிறது. Cp/Cpk என்பது செயல்முறை திறன் மற்றும் OEE என்பது உபகரண செயல்திறன் அளவீடு ஆகும்.

3. மறுவரிசைப் புள்ளி (ROP) கணக்கீட்டில், AI உங்களுக்கு மதிப்பைக் கொடுத்தது. முடிவைப் பாதுகாப்பாகப் பயன்படுத்த முதலில் என்ன செய்ய வேண்டும்?

• A) முடிவைச் சுற்றி, நேரடியாக ERP இல் உள்ளிடவும்
• B) AIயிடம் 'நீங்கள் உறுதியாக இருக்கிறீர்களா?' மற்றும் 'ஆம்' என்ற பதிலில் திருப்தி அடையுங்கள்
• C) பயன்படுத்தப்படும் சூத்திரம், உள்ளீடுகள் மற்றும் அலகுகளை அச்சிட்டு, கணக்கீட்டை கைமுறையாக/குறியீட்டுடன் மீண்டும் உருவாக்கவும் ✔
• D) பாதுகாப்பு இருப்பை முழுமையாக மீட்டமைக்கவும்

விளக்கம்: இது ROP = சராசரி தேவை × முன்னணி நேரம் + பாதுகாப்பு பங்கு சூத்திரத்துடன் செயல்படுகிறது. அது பயன்படுத்தும் சூத்திரம் மற்றும் உள்ளீடுகள் (தேவை விகிதம், முன்னணி நேரம், பாதுகாப்பு இருப்பு) ஆகியவற்றை வெளிப்படையாக அச்சிட்டு, அதை கைமுறையாக/குறியீட்டில் மீண்டும் கணக்கிடுவதன் மூலம் AI வழங்கும் முடிவைச் சரிபார்க்க வேண்டியது அவசியம்; இல்லையெனில் அலகு அல்லது எண்கணித பிழை கவனிக்கப்படாது.

4. வேலை திட்டமிடலில் குறுகிய செயலாக்க நேரம் (SPT) விதி பொதுவாக என்ன மேம்படுத்துகிறது?

• A) இது அமைவு நேரங்களை மட்டுமே மீட்டமைக்கிறது
• பி) இயந்திரங்களின் எண்ணிக்கையை உடல் ரீதியாக அதிகரிக்கிறது
• C) உறுதியுடன் ஆற்றல் நுகர்வு பாதியாக குறைக்கப்படுகிறது
• D) சராசரி ஓட்ட நேரம் மற்றும் சராசரி தாமதத்தை குறைக்கும் ✔

விளக்கம்: SPT (குறுகிய செயலாக்க நேரம்) விதியானது குறுகிய வேலைகளை முன்னோக்கி கொண்டு வருவதன் மூலம் சராசரி ஓட்ட நேரத்தையும் சராசரி தாமதத்தையும் குறைக்க முனைகிறது. இருப்பினும், அவர் தொடர்ந்து நீண்ட பணிகளை ஒத்திவைக்க முடியும்; டெலிவரி தேதி முக்கியமானதாக இருந்தால், EDD போன்ற விதிகள் மிகவும் பொருத்தமானவை. விதி தேர்வு நோக்கத்தால் நியாயப்படுத்தப்பட வேண்டும்.

5. SPC இல் Cp ஐ விட Cpk மதிப்பு கணிசமாகக் குறைவாக இருந்தால் என்ன அர்த்தம்?

• A) சகிப்புத்தன்மை மையத்திலிருந்து செயல்முறை சராசரி மாறிவிட்டது (மையப்படுத்துதல் சிக்கல்) ✔
• B) செயல்முறையின் மாறுபாடு பூஜ்ஜியமாகும்
• C) இது மாதிரிகளின் எண்ணிக்கை அதிகமாக இருப்பதைக் காட்டுகிறது
• D) கட்டுப்பாட்டு விளக்கப்படம் தேவையற்றது என்பதை நிரூபிக்கிறது

விளக்கம்: Cp என்பது சகிப்புத்தன்மை அகலத்திற்கு பரவும் செயல்முறையின் விகிதத்தை கணக்கில் எடுத்துக் கொள்ளும் திறன் குறியீடாகும், மேலும் Cpk என்பது சகிப்புத்தன்மை மையத்துடன் தொடர்புடைய சராசரியின் மாற்றத்தையும் கணக்கில் எடுத்துக் கொள்ளும் போதுமான அளவு குறியீடாகும். Cpk ஆனது Cp ஐ விட குறைவாக இருந்தால், செயல்முறையானது ஆஃப்-சென்டர் என்பதைக் குறிக்கிறது (சராசரியானது இலக்கிலிருந்து விலகி உள்ளது); பரவல் ஒரே மாதிரியாக இருந்தாலும், மையப்படுத்தல் சிக்கல் உள்ளது.

6. நேர ஆய்வில் நிலையான நேரத்தைக் கணக்கிடும்போது AI வழங்கிய சூத்திரத்தைப் பயன்படுத்துகிறீர்கள். பின்வருவனவற்றில் எதன் மூலம் நிலையான நேரம் சரியாகப் பெறப்படுகிறது?

• A) நிலையான நேரம் = கவனிக்கப்பட்ட நேரம், விளிம்பு மற்றும் டெம்போ கணக்கில் எடுத்துக்கொள்ளப்படவில்லை
• B) நிலையான நேரம் = இயல்பான நேரம் × (1 + பங்கு விகிதம்); சாதாரண நேரம் = கவனிக்கப்பட்ட நேரம் × வேகம் ✔
• C) நிலையான நேரம் = கவனிக்கப்பட்ட நேரம் ÷ இயந்திரங்களின் எண்ணிக்கை
• D) நிலையான நேரம் எப்போதும் வேகமான ஆபரேட்டரின் நேரமாகும்

விளக்கம்: நிலையான நேரம் = இயல்பான நேரம் × (1 + பங்கு விகிதம்) என கணக்கிடப்பட்டது; சாதாரண நேரம் கவனிக்கப்பட்ட நேரம் × டெம்போ (மதிப்பீடு) மூலம் கண்டறியப்படுகிறது. பங்குகளைச் சேர்ப்பது கட்டாயமாகும் (ஓய்வு, தனிப்பட்ட, தாமதம்). AI சூத்திரத்தை வழங்க முடியும், ஆனால் டெம்போ மற்றும் பங்கு மதிப்புகள் உண்மையான கண்காணிப்பு மற்றும் நிறுவனத்தின் கொள்கை மூலம் சரிபார்க்கப்பட வேண்டும்.

7. வாகன வழித்தடம் (VRP) பிரச்சனைக்கு 'சிறந்த' தீர்வை வழங்கியதாக AI கூறியது. மிகவும் துல்லியமான மதிப்பீடு எது?

• A) AI 'சிறந்தது' எனக் கூறுவதால், நேரடியாக ஓட்டுநர்களுக்கு வழியை அனுப்புதல்
• B) திறன், நேர சாளரம் மற்றும் செலவுக் கட்டுப்பாடுகளுக்கு எதிராக தீர்வைச் சரிபார்த்தல் ✔
• C) நிறுத்தங்களின் எண்ணிக்கையைக் குறைத்து வெளியிடவும்
• D) வரைபடத்தை காட்சிப்படுத்துதல் மற்றும் தடைகளை புறக்கணித்தல்

விளக்கம்: AI தடைகளை (வாகனத்தின் திறன், நேர ஜன்னல்கள், ஓட்டும் நேரம்) தவறாக மாதிரியாக மாற்றலாம் அல்லது ஒரு துணை தீர்வை 'சிறந்தது' என வழங்கலாம். தீர்வு; இது திறன், நேர சாளரம் மற்றும் மொத்த தூரம்/செலவுக் கட்டுப்பாடுகளுக்கு எதிராகச் சரிபார்க்கப்பட வேண்டும், மேலும் முடிந்தால், மறுஉருவாக்கம் செய்து தீர்வியுடன் ஒப்பிட வேண்டும்.

8. OEE (ஒட்டுமொத்த உபகரண செயல்திறன்) என்பது எந்த மூன்று கூறுகளின் தயாரிப்பு?

• A) தேவை, பங்கு மற்றும் செலவு
• பி) சிபி, சிபிகே மற்றும் சிக்மா
• C) பயன்பாடு, செயல்திறன் மற்றும் தரம் ✔
• D) டேக்ட், சுழற்சி மற்றும் விநியோக நேரம்

விளக்கம்: OEE = கிடைக்கும் தன்மை × செயல்திறன் × தரம். கிடைக்கும் தன்மை வேலையில்லா நேரத்தை பிரதிபலிக்கிறது, செயல்திறன் வேக இழப்புகளை பிரதிபலிக்கிறது மற்றும் தரம் தவறான தயாரிப்புகளை பிரதிபலிக்கிறது. AI ஒரு OEE மதிப்பை வழங்கினால், இந்த மூன்று கூறுகளும் தனித்தனியாக கணக்கிடப்பட்டு பெருக்கப்படுவதை உறுதி செய்வது அவசியம்.

9. தனித்துவமான நிகழ்வு உருவகப்படுத்துதலின் வெளியீட்டை விளக்கும் போது மிகவும் முக்கியமான சரிபார்ப்பு படி என்ன?

• A) உள்ளீட்டு விநியோகங்கள் மற்றும் அனுமானங்களை உண்மையான தரவுகளுடன் சரிபார்த்தல் ✔
• B) வேலை நேரத்தை சுருக்கவும் மற்றும் ஒரே நிலையில் முடிவெடுக்கவும்
• C) கிராபிக்ஸ் வண்ணத் தட்டுகளை மேம்படுத்துதல்
• ஈ) சீரற்ற விதையை மறைத்து, முடிவை மீண்டும் செய்ய முடியாதபடி செய்தல்

விளக்கம்: சிமுலேஷன் வெளியீடு உள்ளீட்டு அனுமானங்களைப் போலவே சிறப்பாக உள்ளது. விநியோகங்கள், இடை-வருகை நேரம், சேவை நேரங்கள் மற்றும் சூழ்நிலை அளவுருக்கள் உண்மையான தரவுகளுடன் ஒப்பிடப்பட்டு சரிபார்க்கப்பட வேண்டும்; கூடுதலாக, மாதிரி சரியாக நிறுவப்பட்டுள்ளதா என்பதை சரிபார்க்க வேண்டும் (சரிபார்ப்பு). இல்லையெனில், 'குப்பை உள்ளே, குப்பை வெளியே'.

10. தயாரிப்பு முடிவில் AI-உருவாக்கப்பட்ட பைதான் தேர்வுமுறை ஸ்கிரிப்டைப் பயன்படுத்துவதற்கு முன் எது கட்டாயம்?

• A) குறியீடு பிழைகள் இல்லாமல் செயல்படுவதால், முடிவை நேரடியாகப் பயன்படுத்துதல்
• B) அறியப்பட்ட முடிவுகளுடன் சோதனை செய்தல், அலகு சரிபார்ப்பு மற்றும் விளிம்பு வழக்குகள் மூலம் சரிபார்த்தல் மற்றும் தரவு ரகசியத்தன்மையைப் பாதுகாத்தல் ✔
• C) மாறி பெயர்களை சுருக்கவும் மற்றும் கருத்துகளை நீக்கவும்
• D) ஒரு பொது சேவையில் அனைத்து தயாரிப்பு தரவுகளுடன் ஸ்கிரிப்டை பதிவேற்றுதல்

விளக்கம்: AI குறியீடு தவறான அலகு மாற்றம், தவறான கட்டுப்பாடு அல்லது விளிம்பு நிலைகளில் தவறான முடிவு ஆகியவற்றைக் கொண்டிருக்கலாம். குறியீடு; அறியப்பட்ட முடிவுகளுடன் கூடிய சிறிய சோதனை உள்ளீடுகள் யூனிட்/அளவு கட்டுப்பாடு மற்றும் விளிம்பு நிலைகள் மூலம் சரிபார்க்கப்பட வேண்டும், மேலும் ரகசிய தயாரிப்பு தரவு அனுமதியின்றி வெளிப்புற சேவைகளுக்கு அனுப்பப்படக்கூடாது. முடிவு பொறியியல் தீர்ப்பின் மூலம் உறுதிப்படுத்தப்பட்டுள்ளது.