లాభాలు:
- ఫెయిల్యూర్ మోడ్లు, సెన్సార్ డేటా మరియు ఎనర్జీ పరికరాలలో ప్రిడిక్టివ్ మెయింటెనెన్స్ యొక్క వ్యాపార విలువను వివరించండి.
- కృత్రిమ మేధస్సుతో అసాధారణతను గుర్తించడం, మిగిలిన ఉపయోగకరమైన జీవిత అంచనా మరియు అలారం ప్రాధాన్యతను కాన్ఫిగర్ చేయగల సామర్థ్యం
- తప్పుడు అలారం/తప్పిపోయిన తప్పు బ్యాలెన్స్ను నిర్వహించగల సామర్థ్యం మరియు నిర్వహణ నిర్ణయాలలో నిపుణుల ఆమోదం అవసరం
విద్యుత్ వ్యవస్థలో పరికరాల వైఫల్యం ఖరీదైనది మరియు కొన్నిసార్లు ప్రమాదకరమైనది: పవర్ ట్రాన్స్ఫార్మర్ పేలుడు మిలియన్ల డాలర్ల నష్టం మరియు దీర్ఘ అంతరాయాలకు కారణమవుతుంది; విండ్ టర్బైన్ గేర్బాక్స్ను బద్దలు కొట్టడం అంటే నెలల తరబడి ఉత్పత్తిని కోల్పోవడం. సంప్రదాయ నిర్వహణ అనేది "విచ్ఛిన్నమైనప్పుడు దాన్ని పరిష్కరించండి" (బ్రేక్డౌన్ నిర్వహణ) లేదా "షెడ్యూల్ ద్వారా భర్తీ చేయండి" (ఆవర్తన నిర్వహణ) తర్కంపై పనిచేస్తుంది; ఇద్దరూ చాలా ఆలస్యంగా లేదా చాలా తొందరగా జోక్యం చేసుకుంటారు. ప్రిడిక్టివ్ మెయింటెనెన్స్ అనేది పరికరాల యొక్క వాస్తవ స్థితిని నిరంతరం పర్యవేక్షించడం, అది సంభవించే ముందు పనిచేయకపోవడాన్ని అంచనా వేయడం మరియు సకాలంలో జోక్యం చేసుకోవడం లక్ష్యంగా పెట్టుకుంది. కృత్రిమ మేధస్సు అనేది సెన్సార్ల వరదలను ప్రాసెస్ చేయడంలో మరియు ఈ అంతర్దృష్టిని ఉత్పత్తి చేయడంలో ఒక శక్తివంతమైన సాధనం. ఈ యూనిట్లో, మేము వైఫల్య మోడ్లు, AI-సహాయక క్రమరాహిత్యాల గుర్తింపు మరియు మిగిలిన జీవిత అంచనా మరియు వాటి పరిమితుల గురించి నేర్చుకుంటాము.
వైఫల్య మోడ్లు మరియు సెన్సార్ డేటా
ప్రిడిక్టివ్ మెయింటెనెన్స్ యొక్క ఆధారం ఏమిటంటే, పరికరాలు విచ్ఛిన్నమైనప్పుడు జాడలను వదిలివేస్తాయి. ఒక లోపం అకస్మాత్తుగా జరగదు, కానీ సాధారణంగా ఒక ప్రక్రియగా అభివృద్ధి చెందుతుంది మరియు ఈ ప్రక్రియ కొలవగల లక్షణాలను ఉత్పత్తి చేస్తుంది.
- పవర్ ట్రాన్స్ఫార్మర్: చమురు ఉష్ణోగ్రత, లోడ్ మరియు ముఖ్యంగా కరిగిన వాయువు విశ్లేషణ (DGA; చమురులో పేరుకుపోయిన వాయువుల కొలత). కొన్ని వాయువుల పెరుగుదల అంతర్గత ఆర్సింగ్, వేడెక్కడం లేదా ఇన్సులేషన్ క్షీణతను సూచిస్తుంది.
- విండ్ టర్బైన్: గేర్బాక్స్ మరియు బేరింగ్ వైబ్రేషన్, ఉష్ణోగ్రత, చమురు కణాలు, పవర్ కర్వ్ నుండి విచలనం. బేరింగ్ డిగ్రేడేషన్ లక్షణ వైబ్రేషన్ ఫ్రీక్వెన్సీలను ఉత్పత్తి చేస్తుంది.
- కేబుల్ మరియు లైన్: పాక్షిక ఉత్సర్గ (ఇన్సులేషన్లో చిన్న విద్యుత్ డిశ్చార్జెస్), ఉష్ణోగ్రత.
- బ్రేకర్ మరియు స్విచ్ గేర్: ఆన్-ఆఫ్ స్విచ్ల సంఖ్య, ప్రారంభ సమయం, కాంటాక్ట్ రెసిస్టెన్స్.
కృత్రిమ మేధస్సు మానవ కన్ను తప్పిపోయే ఈ సంకేతాలలో సూక్ష్మ పోకడలు మరియు బహుళ నమూనాలను సంగ్రహిస్తుంది. అసాధారణత అనేది సాధారణ ప్రవర్తన నుండి డేటా యొక్క గణాంక విచలనం; ఇది తరచుగా ముందస్తు నిర్వహణ యొక్క మొదటి సంకేతం.
చిట్కా: మంచి అంచనా నిర్వహణ అనేది "సాధారణ" గురించి బాగా తెలుసుకోవడంతో ప్రారంభమవుతుంది. సరిగ్గా పనిచేసేటప్పుడు పరికరం యొక్క భాగాన్ని ఏ రకమైన సెన్సార్ సంతకం ఉత్పత్తి చేస్తుందో తెలియకుండా విచలనాన్ని గుర్తించడం సాధ్యం కాదు. కాబట్టి మొదటి పెట్టుబడి "ఆరోగ్యకరమైన ప్రవర్తన" యొక్క స్వచ్ఛమైన పునాదిని ఏర్పాటు చేయడం.
రెండు ముఖ్యమైన పనులు: అనామలీ డిటెక్షన్ మరియు మిగిలిన జీవితం
ప్రిడిక్టివ్ మెయింటెనెన్స్లో కృత్రిమ మేధస్సుకు రెండు ప్రధాన పనులు ఉన్నాయి.
పరికరాలు సాధారణం నుండి వైదొలిగినప్పుడు క్రమరాహిత్యాలను గుర్తించడం త్వరగా జరుగుతుంది. మోడల్ ఆరోగ్యకరమైన ప్రవర్తనను నేర్చుకుంటుంది మరియు దానికి వ్యతిరేకంగా ఇన్కమింగ్ డేటాను పరీక్షిస్తుంది; విచలనం అలారాన్ని సృష్టిస్తుంది. ఇక్కడ అత్యంత క్లిష్టమైన పరామితి థ్రెషోల్డ్: ఎంత విచలనం అలారంగా పరిగణించబడుతుంది?
మిగిలిన ఉపయోగకరమైన జీవితం (RUL) అనేది పరికరాలు విఫలమయ్యే వరకు ఎంత కాలం పాటు ఉందో అంచనా వేస్తుంది. ఇది నిర్వహణను ప్లాన్ చేయడానికి అనుమతిస్తుంది (భాగాల ఆర్డర్, అవుట్టేజ్ విండో). RUL అంచనా అంతర్లీనంగా అనిశ్చితంగా ఉంటుంది మరియు పరిధితో ఇవ్వాలి.
తప్పుడు అలారం / మిస్డ్ ఫాల్ట్ బ్యాలెన్స్
అంచనా నిర్వహణ యొక్క గుండె వద్ద సంతులనం ఉంది. ఫాల్స్ అలారం (తప్పుడు పాజిటివ్) అనేది తప్పు లేనప్పుడు అలారంను ఉత్పత్తి చేస్తుంది; ఇది అనవసరమైన నిర్వహణ, పనికిరాని సమయం వృధా చేయడం మరియు - అత్యంత ప్రమాదకరమైనది - అలారాలపై జట్టు విశ్వాసం కోల్పోవడం ("తోడేలు వచ్చింది" ప్రభావం). తప్పిన తప్పు (తప్పుడు ప్రతికూలం) అనేది అసలు తప్పును అంచనా వేయడంలో వైఫల్యం; ఊహించని పేలుడు అంటే నష్టం మరియు భద్రతా ప్రమాదం.
మీరు థ్రెషోల్డ్ను తగ్గిస్తే, తప్పిన లోపాలు తగ్గుతాయి కానీ తప్పుడు అలారాలు పెరుగుతాయి; మీరు దానిని పెంచినట్లయితే, వ్యతిరేకం జరుగుతుంది. ఈ రెండు వైఫల్యాల ధర ప్రకారం సరైన థ్రెషోల్డ్ సెట్ చేయబడింది: డిస్ట్రిబ్యూషన్ ట్రాన్స్ఫార్మర్ మిస్డ్ ఫాల్ట్ ధర వీధి దీపం కంటే చాలా ఎక్కువగా ఉంటుంది, కాబట్టి థ్రెషోల్డ్ క్లిష్టమైన పరికరాలలో మరింత సున్నితంగా (తప్పుడు అలారాలకు ఎక్కువ అవకాశం) ఉంచబడుతుంది.
జాగ్రత్త: "మోడల్ 95 శాతం ఖచ్చితమైనది" అని చెప్పడం అంచనా నిర్వహణలో తప్పుదారి పట్టించేది. వైఫల్యాలు చాలా అరుదు కాబట్టి, అలారాలను ఉత్పత్తి చేయని మోడల్ కూడా 95 శాతం "ఖచ్చితమైనది" కావచ్చు - కానీ అది ఒక్క అసలు వైఫల్యాన్ని కూడా పట్టుకోదు. అందువల్ల, విజయాన్ని వ్యక్తిగతంగా తప్పిపోయిన వైఫల్యం మరియు తప్పుడు అలారం రేట్ల ద్వారా కొలుస్తారు, మొత్తం ఖచ్చితత్వంతో కాదు.
స్టెప్ బై స్టెప్: AI-పవర్డ్ ప్రిడిక్టివ్ మెయింటెనెన్స్
దశ 1 - ఆరోగ్యకరమైన పునాదిని ఏర్పాటు చేయండి. తగినంత డేటాతో పరికరాల సాధారణ ఆపరేటింగ్ సంతకాన్ని తెలుసుకోండి.
దశ 2 - సెన్సార్లను ఎంచుకోండి మరియు ధృవీకరించండి. వైఫల్య మోడ్కు తగిన సంకేతాలు (వైబ్రేషన్, DGA, ఉష్ణోగ్రత); సెన్సార్ క్రమాంకనం తనిఖీ చేయబడింది.
దశ 3 - అసాధారణ నమూనాను రూపొందించండి. సాధారణ నుండి విచలనాన్ని గుర్తించే మోడల్; థ్రెషోల్డ్ పరికరాల క్రిటికల్ ఆధారంగా సెట్ చేయబడింది.
దశ 4 - అలారాలకు ప్రాధాన్యత ఇవ్వండి. అన్ని విచలనాలు ఒకే ఆవశ్యకతను కలిగి ఉండవు; AI అలారాలను తీవ్రత మరియు సాధ్యమయ్యే తప్పు రకం ఆధారంగా క్రమబద్ధీకరిస్తుంది.
దశ 5 - నిపుణుల ధృవీకరణ. ప్రతి ముఖ్యమైన అలారం సమీక్ష కోసం నిర్వహణ ఇంజనీర్కు వెళుతుంది; AI నిర్ధారణ చేయదు, ఇది పరికల్పనలు మరియు ప్రాధాన్యతలను అందిస్తుంది.
దశ 6 - అభిప్రాయం. వాస్తవ తప్పు/సాధారణ ఫలితాలు మోడల్కు తిరిగి అందించబడతాయి; థ్రెషోల్డ్ మరియు మోడల్ మెరుగుపరచబడ్డాయి.
మూడు చిన్న కేసులు: సంఖ్యల వారీగా
కేస్ 1 — ట్రాన్స్ఫార్మర్ యొక్క ముందస్తు హెచ్చరిక. పవర్ ట్రాన్స్ఫార్మర్ యొక్క DGA డేటాలో, AI కొన్ని వాయువుల (ఇథిలీన్) నెమ్మదిగా కానీ స్థిరమైన పెరుగుదలను సంగ్రహించింది; ఒకే కొలత సాధారణ పరిధిలో ఉంది, కానీ ధోరణి అసాధారణంగా ఉంది. నిపుణుల సమీక్ష హాట్ స్పాట్ను కనుగొంది (వేడెక్కడం కనెక్షన్). ప్రణాళికాబద్ధమైన జోక్యం ద్వారా సాధ్యమయ్యే లోపం నిరోధించబడింది; అంచనా వేయబడిన నివారించబడిన నష్టం అనేక మిలియన్ లిరా క్రమంలో ఉంది.
కేసు 2 - తోడేలు ప్రభావం చూపింది. ఒక పవన క్షేత్రంలో థ్రెషోల్డ్ చాలా తక్కువగా సెట్ చేయబడింది; మోడల్ వారానికి డజన్ల కొద్దీ తప్పుడు వైబ్రేషన్ అలారాలను ఉత్పత్తి చేస్తోంది. కాలక్రమేణా, జట్టు అలారాలను విస్మరించడం ప్రారంభించింది మరియు అసలు బేరింగ్ వైఫల్యాన్ని కోల్పోయింది. చారిత్రక డేటాలో వాస్తవ వైఫల్యాల ఆధారంగా థ్రెషోల్డ్ రీకాలిబ్రేట్ చేయబడినప్పుడు, తప్పుడు అలారాలు వారానికి ఒకటికి పడిపోయాయి మరియు విశ్వాసం తిరిగి వచ్చింది.
కేసు 3 — RUL పరిధి. గేర్బాక్స్ కోసం మోడల్ "మిగిలిన జీవితం సుమారు 6 వారాలు" అని చెప్పింది కానీ బేసి సంఖ్యగా ఉంది. నిజానికి, అనిశ్చితి పెరిగింది; భాగం 9వ వారంలో వచ్చింది, 5వ వారంలో వైఫల్యం సంభవించింది మరియు ప్రణాళిక లేని అంతరాయం ఏర్పడింది. తదుపరి వ్యాయామంలో, RUL విరామంతో ("3-8 వారాలు, 80 శాతం విశ్వాసం") ఇవ్వబడింది మరియు సహేతుకమైన చెత్త దృష్టాంతం ఆధారంగా విడిభాగాల క్రమం ముందుకు తీసుకురాబడింది.
బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్
బలహీనమైన ప్రాంప్ట్:
ఈ వైబ్రేషన్ డేటాను చూడండి, ఏదైనా లోపం ఉందా?[data]
శక్తివంతమైన ప్రాంప్ట్:
మీ పాత్ర: ప్రిడిక్టివ్ మెయింటెనెన్స్ అనలిస్ట్. పరికరాలు: విండ్ టర్బైన్ గేర్బాక్స్.- మొదట డేటాలోని సాధారణ (ఆరోగ్యకరమైన) ప్రవర్తనను సంగ్రహించండి; దానికి వ్యతిరేకంగా క్రమరాహిత్యాన్ని గుర్తించండి.- తీవ్రత మరియు సాధ్యం వైఫల్యం రకం ద్వారా విచలనాలకు ప్రాధాన్యత ఇవ్వండి; ఖచ్చితమైన రోగ నిర్ధారణ చేయవద్దు, పరికల్పనలను రూపొందించండి. - ప్రతి పరికల్పన కోసం, ఏ అదనపు కొలత/పరీక్ష దానిని నిర్ధారిస్తాయో సూచించండి. - తప్పుడు అలారాలు మరియు తప్పిన లోపాల సమతుల్యతను పరిగణించండి; ఈ పరికరం యొక్క క్లిష్టత ఆధారంగా మీ థ్రెషోల్డ్ సిఫార్సును సమర్థించండి. - RUL అభ్యర్థించబడితే, దానిని విశ్వాస విరామంతో ఇవ్వండి, ఒకే సంఖ్య కాదు. డేటా: [వైబ్రేషన్/ఉష్ణోగ్రత సిరీస్]
శక్తివంతమైన ప్రాంప్ట్ మొదట సాధారణతను నిర్వచిస్తుంది, నిర్ధారణలకు బదులుగా పరికల్పనలను అడుగుతుంది, ధృవీకరణ దశ మరియు థ్రెషోల్డ్ ఆఫ్సెట్ను జోడిస్తుంది, RULని విరామాలలో ప్రాంప్ట్ చేస్తుంది - ప్రారంభం నుండి ప్రిడిక్టివ్ మెయింటెనెన్స్ యొక్క క్లాసిక్ ఆపదలను నివారిస్తుంది.
నాలుగు కాపీ చేయగల టెంప్లేట్లు
1) ఆరోగ్యకరమైన ప్రాథమిక వెలికితీత:
ఈ పరికరాల డేటా నుండి సాధారణ/ఆరోగ్యకరమైన ఆపరేటింగ్ సంతకాన్ని సంగ్రహించండి: సాధారణ పరిధులు, కాలానుగుణ/లోడ్ ఆధారిత వైవిధ్యం. దీని ఆధారంగా క్రమరాహిత్యాన్ని నిర్వచించండి. నిజమైన క్రమరాహిత్యాల నుండి లోడ్ లేదా ఉష్ణోగ్రత ద్వారా వివరించబడే మార్పులను వేరు చేయండి.
2) అలారం ప్రాధాన్యత:
తీవ్రత, అభివృద్ధి రేటు మరియు సాధ్యం వైఫల్యం రకం ద్వారా క్రింది విచలనాలకు ప్రాధాన్యత ఇవ్వండి. ప్రతిదానికి: అత్యవసరం (అత్యవసరం/మానిటర్/సాధారణం), సంభావ్య కారణ పరికల్పనలు మరియు ధృవీకరణ దశ. ఖచ్చితమైన రోగ నిర్ధారణ చేయడం; నిర్వహణ ఇంజనీర్కు నిర్ణయ గమనిక జారీ చేయబడుతుంది.
3) థ్రెషోల్డ్ బ్యాలెన్స్ విశ్లేషణ:
ఈ క్రమరాహిత్య స్కోర్ కోసం తప్పుడు అలారాలు మరియు తప్పిన లోపాల సంఖ్యపై విభిన్న థ్రెషోల్డ్ల ప్రభావాన్ని చారిత్రక డేటాతో చూపండి. పరికరాలు ([అధిక/మధ్యస్థం/తక్కువ]) యొక్క క్లిష్టతను పరిగణనలోకి తీసుకుని థ్రెషోల్డ్లను సూచించండి మరియు సమర్థించండి. మొత్తం ఖచ్చితత్వం కాకుండా రెండు ఎర్రర్ రకాలను విడిగా చూడండి.
4) RUL అనిశ్చితి నివేదిక:
శ్రేణి మరియు విశ్వాస స్థాయితో మిగిలిన ఉపయోగకరమైన జీవితాన్ని అంచనా వేయండి. "చెత్త ఆమోదయోగ్యమైన దృశ్యం"లో వైఫల్యాన్ని ఎప్పుడు ఆశించాలి? ఈ చెత్త దృష్టాంతం ఆధారంగా విడిభాగాల సేకరణ మరియు అంతరాయం ప్రణాళికను సిఫార్సు చేయండి.
ఫాల్ట్ మోడ్ మరియు సిగ్నల్ టేబుల్
పరికరాలు
పర్యవేక్షించబడిన సిగ్నల్
ప్రారంభ లక్షణం
పవర్ ట్రాన్స్ఫార్మర్
DGA, చమురు ఉష్ణోగ్రత
గ్యాస్ పెరుగుదల, హాట్ స్పాట్
గాలి టర్బైన్
కంపనం, చమురు కణం
బేరింగ్/గేర్ ఫ్రీక్వెన్సీ
కేబుల్/లైన్
పాక్షిక ఉత్సర్గ, ఉష్ణోగ్రత
ఇన్సులేషన్ క్షీణత
కట్టర్
ప్రారంభ సమయం, కాంటాక్ట్ రెసిస్టెన్స్
యాంత్రిక మందగమనం
జనరేటర్
కంపనం, ఉష్ణోగ్రత, కరెంట్
అసమతుల్యత, రాపిడి
సాధారణ తప్పులు
- సాధారణ ఖచ్చితత్వంపై ఆధారపడటం. వైఫల్యాలు చాలా అరుదు కాబట్టి, "నో అలారం" కూడా అధిక ఖచ్చితత్వాన్ని చూపుతుంది; తప్పిన తప్పును విడిగా కొలవాలి.
- థ్రెషోల్డ్ను తప్పుగా సెట్ చేస్తోంది. థ్రెషోల్డ్ చాలా తక్కువగా ఉంటే "తోడేలు వచ్చింది" ప్రభావం చూపుతుంది, చాలా ఎక్కువ థ్రెషోల్డ్ తప్పిన తప్పుకు దారి తీస్తుంది.
- AI నిర్ధారణ కలిగి. AI పరికల్పనలు మరియు ప్రాధాన్యతలను రూపొందిస్తుంది; తుది రోగ నిర్ధారణ మరియు జోక్యం నిర్ణయం నిపుణుడికి చెందినది.
- RULకి బేసి సంఖ్యను ఇవ్వడం. అనిశ్చితి విరామం లేకుండా ఇచ్చిన జీవితకాల అంచనా ప్రణాళికేతర అంతరాయానికి దారి తీస్తుంది.
- మాములుగా గుర్తించకుండా అవకతవకల కోసం వెతుకుతున్నారు. ఆరోగ్యకరమైన పునాదిని ఏర్పరచకుండా చేసిన గుర్తింపు లోడ్/కాలానుగుణ మార్పును ఒక లోపంగా పొరబడవచ్చు.
సారాంశంలో
ప్రిడిక్టివ్ మెయింటెనెన్స్ అనేది పరికరాల సెన్సార్ ట్రేస్ల నుండి పనిచేయకపోవడాన్ని అంచనా వేయడం ద్వారా సకాలంలో జోక్యం చేసుకోవాలని లక్ష్యంగా పెట్టుకుంది. కృత్రిమ మేధస్సు క్రమరాహిత్యాలను గుర్తించడంలో మరియు మిగిలిన జీవిత అంచనాలో శక్తివంతమైనది; కానీ దాని విజయం మొత్తం ఖచ్చితత్వంతో కాకుండా తప్పుడు అలారాలు మరియు తప్పిన లోపాల సమతుల్యత ద్వారా కొలవబడుతుంది. థ్రెషోల్డ్ ఎక్విప్మెంట్ క్రిటికల్టీ ఆధారంగా సెట్ చేయబడింది, AI రోగనిర్ధారణల కంటే పరికల్పనలను ఉత్పత్తి చేస్తుంది, RUL ఖాళీ చేయబడుతుంది మరియు ప్రతి ముఖ్యమైన అలారం నిపుణుల ధృవీకరణకు వెళుతుంది.
అప్లికేషన్ టాస్క్
పరికరాల ముక్క (ట్రాన్స్ఫార్మర్, టర్బైన్, మోటార్) సెన్సార్ సమయ శ్రేణిని పొందండి. "ఆరోగ్యకరమైన బేస్లైన్ వెలికితీత" మరియు "అలారం ప్రాధాన్యత" టెంప్లేట్లతో AI నుండి విశ్లేషణను అభ్యర్థించండి. మీరు ముందుగా నార్మల్ని నిర్వచించారని నిర్ధారించుకోండి; అప్పుడు కనుగొనబడిన ఏదైనా విచలనం లోడ్ లేదా ఉష్ణోగ్రత ద్వారా వివరించబడుతుందా అని మీరే ప్రశ్నించుకోండి. థ్రెషోల్డ్ని ఎంచుకుని, ఆ థ్రెషోల్డ్ తప్పుడు అలారం/మిస్డ్ ఫాల్ట్ బ్యాలెన్స్ని ఎలా మారుస్తుందో రాయండి.
చెక్లిస్ట్
- [ ] నేను పరికరాల యొక్క ఆరోగ్యకరమైన/సాధారణ ప్రవర్తనకు ఆధారాన్ని నిర్వచించాను
- [ ] నేను ఫాల్ట్ మోడ్కు తగిన సెన్సార్ సిగ్నల్లను ఎంచుకున్నాను మరియు క్రమాంకనం పరిగణించాను
- [ ] నేను లోడ్/సీజన్ ప్రభావం నుండి క్రమరాహిత్యాన్ని వేరు చేసాను
- [ ] నేను పరికరాల క్లిష్టత మరియు రెండు వైఫల్య రకాల ధరల ఆధారంగా థ్రెషోల్డ్ని నిర్ణయించాను
- [ ] నేను మొత్తం ఖచ్చితత్వం కంటే తప్పుడు అలారం / తప్పిన వైఫల్యం రేట్లు చూశాను
- [ ] నేను AIని పరికల్పన మరియు ధృవీకరణ దశ కోసం అడిగాను, రోగ నిర్ధారణ కోసం కాదు
- [ ] నేను RUL అంచనాను విశ్వాస విరామంతో సమర్పించాను మరియు నిపుణుల ఆమోదానికి లోబడి ఉన్నాను