ஆதாயங்கள்:
- செயற்கை நுண்ணறிவின் உதவியுடன் அறிக்கையிடுவதற்கு தரவுகளில் இருந்து இறுதி முதல் இறுதி வரையிலான பைதான் பகுப்பாய்வு பணிப்பாய்வுகளை நிறுவும் திறன்
- யூனிட் இணக்கத்தன்மை, கசிவு மற்றும் மறுஉருவாக்கம் ஆகியவற்றின் அடிப்படையில் உருவாக்கப்பட்ட குறியீட்டைச் சரிபார்க்கும் திறன்
- ஆற்றல் திட்டங்களில் நெறிமுறைகள், ரகசியத்தன்மை, இணைய பாதுகாப்பு மற்றும் பொறியாளர் பொறுப்பு வரம்புகளை நடைமுறைப்படுத்துவதற்கான திறன்
தொகுதி தேர்வு
1. ஆற்றல் அமைப்புகள் பொறியியலில் AI வெளியீட்டின் அபாயத்தைத் தீர்மானிக்கும் அடிப்படைக் கொள்கை எது?
- A) ஒரு வெளியீட்டின் ஆபத்து, அந்த வெளியீடு தவறாக இருந்தால் அது ஏற்படுத்தும் தீங்குக்கு சமம்; அதன்படி சரிபார்ப்பு அளவுகள் ✔
- B) AI வெளியீடு பொதுவாக பாதுகாப்பானது, ஏனெனில் இது சரளமாகவும் நம்பிக்கையுடனும் எழுதப்பட்டுள்ளது
- C) தற்போதைய மாதிரியைப் பயன்படுத்தும்போது சரிபார்ப்பு தேவையற்றது
- D) வெளியீடு ஒரு தரநிலையைக் குறிக்கிறது என்றால், கூடுதல் கட்டுப்பாடு தேவையில்லை
விளக்கம்: ஒரு வெளியீட்டின் ஆபத்து, அந்த வெளியீடு தவறாக இருந்தால் அது ஏற்படுத்தும் தீங்குக்கு சமம். விளக்கக்காட்சி உரையில் ஒரு சிறிய பிழை பாதிப்பில்லாததாக இருக்கலாம், ரிலே பாதுகாப்பு அமைப்பு அல்லது மின்மாற்றி ஏற்றுதல் முடிவுகளில் ஏற்படும் பிழையானது உபகரணங்கள் சேதம், செயலிழப்பு மற்றும் உயிர் பாதுகாப்பு அபாயங்களை ஏற்படுத்தும்; எனவே சரிபார்ப்பு தீவிரம் சாத்தியமான தீங்குடன் அளவிடப்படுகிறது.
2. செயற்கை நுண்ணறிவு மூலம் ஆற்றல் நேரத் தொடர் தரவைத் தயாரிக்கும் போது மிகவும் பொதுவான ஆபத்து மற்றும் முடிவுகளை மிகவும் சிதைப்பது எது?
- A) கிராஃபிக் வண்ணங்களின் தவறான தேர்வு
- B) நேர மண்டலம், பகல் சேமிப்பு நேரம் மற்றும் நேர முத்திரை லேபிள் குழப்பம் ✔
- C) கோப்பின் பெயர் மிக நீளமாக உள்ளது
- D) CSVக்கு பதிலாக எக்செல் இல் தரவை வைத்திருத்தல்
விளக்கம்: நேர மண்டலத்தின் தொடக்க/முடிவு குறிச்சொல் குழப்பங்கள், பகல் சேமிப்பு நேரம் (DST), மற்றும் நேர முத்திரை ஆகியவை ஆற்றல் தரவுகளில் மிகவும் பொதுவானவை; ஒரு மணி நேர ஷிப்ட் முழு நாள் வகை மற்றும் உச்ச நேர பகுப்பாய்வை சிதைக்கிறது. எனவே, ஒவ்வொரு பகுப்பாய்விற்கும் முன் நேர அச்சு தரப்படுத்தப்பட வேண்டும் மற்றும் AI வெளியீடு சூரிய உதயம்/உச்ச நேரம் போன்ற இயற்பியல் அறிவிப்பாளர்களுக்கு எதிராக சோதிக்கப்பட வேண்டும்.
3. குறுகிய கால சுமை முன்னறிவிப்பில் MAPE (சராசரி முழுமையான சதவீதப் பிழை) குறைவாகத் தோன்றினாலும், முன்னறிவிப்பு இன்னும் நம்பமுடியாததாக இருக்கலாம் என்பதை எந்தச் சூழ்நிலை காட்டுகிறது?
- A) MAPE என்பது முன்னறிவிப்பு தரத்தின் முழுமையான மற்றும் போதுமான அளவீடு ஆகும்
- ஆ) சராசரி குறைவாக இருந்தாலும், பீக் ஹவர்ஸில் முறையான விலகல் இருக்கலாம், அங்குதான் கட்டம் முக்கியமானது ✔
- சி) நீண்ட கால முன்னறிவிப்பில் மட்டுமே MAPE அர்த்தமுள்ளதாக இருக்கும்
- D) குறைந்த MAPE மாதிரியானது உடல் ரீதியாக சரியானது என்பதை நிரூபிக்கிறது
விளக்கம்: MAPE என்பது சராசரி பிழை; மொத்தத் தொகை நன்றாகத் தெரிந்தாலும், அதிக நேரம் மற்றும் பருவகால மாற்றங்களில் முறையான விலகல்கள் இருக்கலாம். இந்த உச்ச தருணங்களில் நெட்வொர்க் இருப்பு மிகவும் முக்கியமானது, எனவே சராசரி மெட்ரிக் நன்றாக இருப்பதால் கணிக்க பாதுகாப்பானதாக கருத முடியாது; நேரம் மற்றும் ஆட்சியின் அடிப்படையில் பிழை தனித்தனியாக பகுப்பாய்வு செய்யப்பட வேண்டும்.
4. சோலார் ஆலை உற்பத்தி முன்னறிவிப்பின் நியாயத்தன்மையை சோதிக்க மிகவும் வலுவான உடல் மேல் எல்லை எது?
- A) கடந்த ஆண்டு மொத்த பில்
- B) கதிர்வீச்சு, பேனல் பகுதி மற்றும் நிறுவப்பட்ட சக்தி (இரவில் பூஜ்யம் உட்பட) ஆகியவற்றால் வரையறுக்கப்பட்ட உடல் உற்பத்தி உச்சவரம்பு ✔
- சி) மாதிரி வழங்கிய நம்பிக்கையின் சதவீதம்
- D) காற்றின் வேக அளவீடு
விளக்கம்: ஒரு சூரிய மின் நிலையம் சூரிய கதிர்வீச்சு மற்றும் பேனல் திறன் அனுமதிப்பதை விட அதிகமாக உற்பத்தி செய்ய முடியாது; உற்பத்தி இரவில் பூஜ்ஜியமாக இருக்கும் என்று எதிர்பார்க்கப்படுகிறது, நண்பகலில் உச்சத்தை எட்டும், மேலும் நிறுவப்பட்ட சக்தி மற்றும் தொகுதி பகுதியால் வரையறுக்கப்படுகிறது. மாடல் இரவு உற்பத்தி அல்லது நிறுவப்பட்ட திறனைக் காட்டிலும் அதிகமான மதிப்பைக் கொடுத்தால் அது உடல் ரீதியாக சாத்தியமற்றது. இந்தச் சரிபார்ப்பு புள்ளிவிவரங்களைப் பார்க்காமலேயே கணிப்பை நீக்குகிறது.
5. ஸ்மார்ட் கிரிட்டில் நேரடியாகச் செயல்படுத்தப்படுவதற்கு முன் AI தேர்வுமுறை முன்மொழிவு அனுப்பப்பட வேண்டிய வடிகட்டி என்ன?
- A) குறைந்த செலவில் வழங்க பரிந்துரை மட்டும் போதுமானது.
- B) மாடல் அதிக துல்லியத்துடன் பயிற்சி பெற்றால் போதுமானது
- C) பாதுகாப்புக் கட்டுப்பாடுகள் (மின்னழுத்தம், வெப்பம், N-1) கட்டுப்பாடு மற்றும் அங்கீகரிக்கப்பட்ட ஆபரேட்டர் ஒப்புதல் ✔
- D) பரிந்துரை வரலாற்றுத் தரவுகளுடன் பொருந்தினால் போதுமானது
விளக்கம்: நெட்வொர்க் பாதுகாப்பு முக்கியமானது: மின்னழுத்தம், மின்னோட்டம், வெப்பம் மற்றும் N-1 (உறுப்பு தோல்வி) தடைகளை மீறும் எந்த பரிந்துரைகளையும் செயல்படுத்த முடியாது. AI வெளியீடு முதலில் இந்த பாதுகாப்புக் கட்டுப்பாடுகள் வழியாக அனுப்பப்பட்டு, அங்கீகரிக்கப்பட்ட ஆபரேட்டரிடம் ஒப்புதலுக்காக சமர்ப்பிக்கப்படுகிறது; உகப்பாக்கம் ஒருபோதும் பாதுகாப்புக் கட்டுப்பாட்டின் வழியில் வராது.
6. பேட்டரி சேமிப்பு வணிகத்தில் AI உடன் ஆர்பிட்ரேஜ் (மலிவாக வாங்கவும், அதிக விலைக்கு விற்கவும்) உத்தியை நிறுவும் போது எந்தச் செலவு அடிக்கடி கவனிக்கப்படாமல் மற்றும் லாபத்தைத் தவறாக வழிநடத்துகிறது?
- A) இணைய இணைப்பு கட்டணம்
- B) சிதைவு (உடைகள்) மற்றும் ஒரு சுழற்சிக்கான செயல்திறன் இழப்பு செலவு ✔
- C) ஊழியர்களின் காபி இடைவேளையின் காலம்
- D) பேட்டரியின் நிறம்
விளக்கம்: ஒவ்வொரு சார்ஜ்-டிஸ்சார்ஜ் சுழற்சியும் பேட்டரி தேய்கிறது; சீரழிவு (உடல்நலம் இழப்பு) ஒரு உண்மையான செலவு மற்றும் உத்தரவாத வரம்புகளை வெளியேற்றுகிறது. விலை வேறுபாட்டை மட்டுமே பார்க்கும் நடுநிலை பகுப்பாய்வு, ஒரு சுழற்சிக்கான சிதைவு செலவு மற்றும் செயல்திறன் இழப்பை புறக்கணித்தால், லாபத்தை மிகைப்படுத்தி, பேட்டரியின் ஆயுளைக் குறைக்கும்.
7. முன்கணிப்பு பராமரிப்பில் ஒரு ஒழுங்கின்மை கண்டறிதல் மாதிரியின் நுழைவு மதிப்பை நிர்ணயிக்கும் போது முக்கிய சமநிலை என்ன?
- A) தவறான அலாரம் மற்றும் தவறவிட்ட தோல்வி செலவுகளுக்கு இடையே உள்ள உணர்வு சமநிலை ✔
- B) வாசலை எப்போதும் முடிந்தவரை குறைவாக வைத்திருக்க வேண்டும்
- சி) மாதிரியின் துல்லிய சதவீதத்தைப் பார்ப்பதன் மூலம் மட்டுமே வாசல் தீர்மானிக்கப்படுகிறது
- D) வாசலை அமைத்தவுடன், அதை ஒருபோதும் மாற்றக்கூடாது.
விளக்கம்: வாசலைக் குறைத்தால், தவறான அலாரங்கள் (தவறு இல்லாதபோது அலாரங்கள்) அதிகரித்து, அணி அலாரங்கள் மீது அவநம்பிக்கை அடையும்; வரம்பு அதிகரித்தால், தவறவிட்ட பிழையின் ஆபத்து (உண்மையான தவறைக் காணவில்லை) அதிகரிக்கிறது. சரியான வரம்பு என்பது தவறான அலாரத்தின் விலை மற்றும் தவறிய பிழையின் விலை (எ.கா. மின்மாற்றி வெடிப்பு) ஆகியவற்றுக்கு இடையே உள்ள நனவான சமநிலையாகும், மேலும் இது சாதனத்தின் முக்கியத்துவத்திற்கு ஏற்ப சரிசெய்யப்படுகிறது.
8. ஆற்றல் திறன் திட்டத்தில் சேமிப்புக் கோரிக்கையைச் சரிபார்ப்பதற்கான அளவீடு மற்றும் சரிபார்ப்பு (M&V) கட்டமைப்பின் அடிப்படை தர்க்கம் என்ன?
- A) விலைப்பட்டியல் தொகையில் ஏற்படும் ஒவ்வொரு குறைவும் நேரடி சேமிப்பாகக் கருதப்படுகிறது
- B) சேமிப்பு என்பது சரிசெய்யப்பட்ட அடிப்படை மற்றும் அளவிடப்பட்ட நுகர்வுக்கு இடையே உள்ள வித்தியாசம் ✔
- C) உற்பத்தியாளரின் அட்டவணை மதிப்பில் மட்டுமே சேமிப்பு அறிவிக்கப்படுகிறது
- D) மாதிரி கணித்ததற்குச் சமமான சேமிப்பு
விளக்கம்: சேமிப்பை நேரடியாக அளவிட முடியாது; முன்னெச்சரிக்கை நடவடிக்கைகளுக்குப் பிறகு நுகர்வு அளவிடப்படுகிறது. சேமிப்பு என்பது அளவிடப்பட்ட நுகர்வுக்கும், 'அளவிடாமல் என்ன நுகரப்படும்' என்பதற்கும் உள்ள வித்தியாசம். எனவே வானிலை/உற்பத்தி, இந்த சரிசெய்யப்பட்ட குறிப்பிற்கு எதிராக கணக்கிடப்படும் சேமிப்புகள் போன்ற மாறிகளுக்கு அடிப்படை மாதிரி சரி செய்யப்பட வேண்டும்.
9. மின்சார விலை முன்கணிப்பு மாதிரியில் 'அதிக பொருத்துதல்' ஏன் ஆபத்தானது?
- A) ஏனெனில் இது மாதிரியை மெதுவாக்குகிறது
- B) இது கடந்த கால சத்தத்தை மனப்பாடம் செய்கிறது, எதிர்காலத்தில் சரிகிறது, குறிப்பாக ஆட்சி மாறும் போது, அதிக நம்பிக்கையுடன் தவறாக வழிநடத்துகிறது ✔
- C) அதிக நினைவகத்தைப் பயன்படுத்துவதால்
- D) ஏனெனில் இது கிராபிக்ஸ் படிக்க கடினமாக உள்ளது
விளக்கம்: ஓவர் ஃபிட்டிங் என்பது, மாடல் சத்தம் மற்றும் வரலாற்றுத் தரவுகளில் உள்ள வடிவங்களை நினைவுபடுத்தும் போது, அது மீண்டும் வராது; பேக்டெஸ்டிங் சரியானதாகத் தெரிகிறது ஆனால் எதிர்காலத்தில் செயலிழக்கிறது. விலைத் தரவு ஆட்சியை மாற்றும் போது (எரிபொருள் விலை அதிர்ச்சி, சட்ட மாற்றம்), மனப்பாடம் செய்யப்பட்ட முறை செல்லாது மற்றும் அதிக நம்பிக்கையுடன் தவறான ஏலத்திற்கு வழிவகுக்கிறது.
10. சுமை மாற்றத்திற்கு மணிநேர கார்பன் தீவிரம் (அந்த மணிநேரத்தில் ஒரு kWh மின்சாரத்தின் gCO2 மதிப்பு) கருத்து ஏன் முக்கியமானது?
- A) கார்பன் அடர்த்தி ஒவ்வொரு மணி நேரமும் ஒரே மாதிரியாக இருக்கும், அது ஒரு பொருட்டல்ல
- B) ஏனெனில் இது விலைப்பட்டியல் தொகையை மட்டுமே பாதிக்கிறது
- C) புதுப்பிக்கத்தக்க பங்கைப் பொறுத்து மணிநேரத்திற்கு மாறுபடும்; நெகிழ்வான சுமையை குறைந்த தீவிரம் கொண்ட மணிநேரத்திற்கு மாற்றுவது உமிழ்வைக் குறைக்கிறது ✔
- D) ஏனெனில் இது இரவு கட்டணத்துடன் மட்டுமே தொடர்புடையது
விளக்கம்: கட்டத்தின் கார்பன் தீவிரம் ஒவ்வொரு மணி நேரமும் மாறுபடும்: புதுப்பிக்கத்தக்க உற்பத்தி அதிகமாக இருக்கும் மணிநேரங்களில் குறைவாகவும், புதைபடிவ மின் உற்பத்தி நிலையங்கள் ஆன்லைனில் வரும்போது உச்ச நேரங்களில் அதிகமாகவும் இருக்கும். நெகிழ்வான சுமைகளை குறைந்த உச்ச நேரங்களுக்கு மாற்றுவது அதே ஆற்றலை உட்கொள்ள அனுமதிக்கிறது ஆனால் குறைவான உமிழ்வை உருவாக்குகிறது. சராசரி வருடாந்திர காரணி இந்த வாய்ப்பை மறைக்கிறது.
11. செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட பைதான் பகுப்பாய்வு குறியீட்டில் 'தரவு கசிவு' என்றால் என்ன, அது ஏன் ஆபத்தானது?
- A) வட்டில் இருந்து தரவை நீக்குதல்
- B) முன்கணிப்பு நேரத்தில் கிடைக்காத பயிற்சியில் எதிர்காலத் தகவலை மாதிரி பயன்படுத்துகிறது; சோதனை நல்லது ஆனால் உண்மை கெட்டது ✔
- C) தரவு இணையத்தில் கசிவதைத் தவிர வேறு எந்த அர்த்தமும் இல்லை
- D) குறியீடு மிகவும் மெதுவாக இயங்கும்
விளக்கம்: தரவு கசிவு என்பது பயிற்சியின் போது எதிர்காலத்தில் உண்மையில் கண்டறியப்படும் தகவலை மாதிரி அணுகும் போது; எடுத்துக்காட்டாக, ஒரு பண்புக்கூறாக கணிக்கப்படும் மணிநேரத்தின் உண்மையான மதிப்பைப் பயன்படுத்துதல். இது சரியான பின்பரிசோதனையை விளைவிக்கும் ஆனால் உண்மையில் பயனற்றது. நேரத் தொடரில் கடந்த/எதிர்கால எல்லைக் குறியீடு கவனமாகப் பராமரிக்கப்பட வேண்டும்.
12. எரிசக்தி நிறுவனமான SCADA தரவை ஒரு பொதுவான AI கருவிக்கு அனுப்பும்போது சரியான அணுகுமுறை என்ன?
- A) எல்லா தரவையும் அப்படியே அனுப்புவது மிகவும் துல்லியமான முடிவுகளை அளிக்கிறது
- B) தரவை அநாமதேயமாக்குதல் மற்றும் அங்கீகரிக்கப்பட்ட கருவியுடன் தேவையான தொழில்நுட்ப துணைக்குழுவை மட்டும் பகிர்தல் ✔
- C) தரவு எப்படியும் திறந்திருக்கும் என்பதால் முன்னெச்சரிக்கை தேவையற்றது
- D) கோப்பு பெயரை மாற்றினால் போதும்
விளக்கம்: SCADA மற்றும் நெட்வொர்க் டோபாலஜி தரவு முக்கியமான உள்கட்டமைப்பு தகவல்; பொது மேகக்கணிக்கு அனுப்புவது தனியுரிமை, போட்டி மற்றும் இணைய பாதுகாப்பு அபாயங்களை ஏற்படுத்துகிறது. பிரதிநிதி குறிச்சொற்களுடன் தளம்/சொத்து பெயர்களை அநாமதேயமாக்குவது, பணிக்குத் தேவையான தொழில்நுட்ப துணைக்குழுவை மட்டும் பகிர்வது மற்றும் நிறுவனம்-அங்கீகரிக்கப்பட்ட/மூடப்பட்ட கருவிகளைத் தேர்ந்தெடுப்பது சரியான அணுகுமுறையாகும்.
13. காற்றாலை உற்பத்தியை முன்னறிவிப்பதில் 'திறன் காரணி' (முழு திறனில் தொடர்ந்து இயங்கினால் உற்பத்தியாகும் ஆற்றலுடன் உற்பத்தி செய்யப்படும் ஆற்றலின் விகிதம்) ஏன் நியாயமான நங்கூரமாகப் பயன்படுத்தப்படுகிறது?
- A) ஏனெனில் இது சந்தைப்படுத்தல் நோக்கத்திற்காக மட்டுமே
- B) அவர் நேரடியாக விலைப்பட்டியல் கொடுத்ததால்
- C) ஏனெனில் இது அறியப்பட்ட வழக்கமான வரம்பில் (தோராயமாக 25-45%) ✔ கணிப்பு அளவின் வரிசையை சோதிக்கும் ஒரு உடல் அளவுகோலாகும்.
- D) ஏனெனில் இது விசையாழியின் நிறத்தை தீர்மானிக்கிறது
விளக்கம்: கடலோர காற்றாலைகளின் திறன் காரணி பொதுவாக தோராயமாக 25-45 சதவீதம் வரம்பில் இருக்கும். இந்த வரம்பிற்கு வெளியே இருக்கும் (எ.கா., 90 சதவீதம்) நீண்ட கால சராசரியில் உற்பத்தியை முன்னறிவித்தால், ஒரு முன்னறிவிப்பு உடல் ரீதியாக நம்பமுடியாதது. இந்த விகிதம் விவரங்களுக்குச் செல்லாமல் கணிப்பின் அளவின் வரிசையைச் சோதிக்க உங்களை அனுமதிக்கிறது.
14. பாதுகாப்பு முக்கியத்துவம் வாய்ந்த ஆற்றல் அமைப்பு முடிவில் செயற்கை நுண்ணறிவின் பங்கை எவ்வாறு மிகத் துல்லியமாக வரையறுக்க முடியும்?
- A) அங்கீகரிக்கப்பட்ட பொறியாளர் ஒப்புதலை AI மாற்றும்
- B) AI கருதுகோள்கள் மற்றும் அவுட்லைன்களை உருவாக்குகிறது; பாதுகாப்பு-முக்கியமான முடிவிற்கான ஒப்புதல் மற்றும் பொறுப்பு அங்கீகரிக்கப்பட்ட பொறியாளரிடம் உள்ளது ✔
- C) AI போதுமான சக்தி வாய்ந்ததாக இருந்தால், மனித உறுதிப்படுத்தல் தேவையற்றது
- D) AI வெளியீடு பயனற்றது மற்றும் முற்றிலும் புறக்கணிக்கப்பட வேண்டும்
விளக்கம்: செயற்கை நுண்ணறிவு ஒரு சக்திவாய்ந்த உதவியாளர், இது விரைவாகப் படிக்கிறது, வடிவங்களைப் பிடிக்கிறது, வரைவுகளை உருவாக்குகிறது; ஆனால் பாதுகாப்பு சரிசெய்தல், மின்மாற்றி ஏற்றுதல், நெட்வொர்க் சூழ்ச்சி போன்ற பாதுகாப்பு-முக்கியமான முடிவுகளில் திறமையான நிபுணரின் ஒப்புதல் மற்றும் பொறுப்பை இது மாற்றாது. AI கருதுகோள்கள் மற்றும் அவுட்லைன்களை உருவாக்குகிறது; அங்கீகரிக்கப்பட்ட பொறியாளர் முடிவு மற்றும் கையொப்பத்தை வழங்குகிறார்.