యూనిట్లు
1. ఆటోమోటివ్ ఇంజినీరింగ్‌లో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మరియు వెరిఫికేషన్ డిసిప్లిన్ పరిచయం 2. వాహన రూపకల్పన మరియు అనుకరణ మద్దతు: CAE, CFD మరియు FEA 3. ADAS మరియు అటానమస్ డ్రైవింగ్: సెన్సింగ్ ఫండమెంటల్స్ 4. ప్రొడక్షన్ లైన్ క్వాలిటీ కంట్రోల్: విజువల్ డిఫెక్ట్ డిటెక్షన్ 5. ప్రిడిక్టివ్ మెయింటెనెన్స్ మరియు వెహికల్ టెలిమెట్రీ 6. పరీక్ష మరియు ధ్రువీకరణ డేటా విశ్లేషణ 7. మెటీరియల్ ఎంపిక మరియు లైట్ వెయిటింగ్ 8. సప్లై చైన్, డిమాండ్ మరియు ఇన్వెంటరీ అనలిటిక్స్ 9. పైథాన్‌తో ఆటోమోటివ్ డేటా విశ్లేషణ: ఎండ్-టు-ఎండ్ 10. ఫంక్షనల్ సేఫ్టీ, SOTIF, నీతి మరియు గోప్యత 11. ఎండ్-టు-ఎండ్ ఇంటిగ్రేషన్, MLOps మరియు ఇంజనీర్ బాధ్యత
యూనిట్ 4 / 11

ప్రొడక్షన్ లైన్ క్వాలిటీ కంట్రోల్: విజువల్ డిఫెక్ట్ డిటెక్షన్

లాభాలు:

  • యంత్ర దృష్టితో ఆటోమోటివ్ ప్రొడక్షన్ లైన్‌లో ఉపరితలం, వెల్డింగ్ మరియు అసెంబ్లీ లోపాలను గుర్తించడం యొక్క వర్క్‌ఫ్లోను అర్థం చేసుకోవడం
  • ఇమేజ్ డేటాసెట్, లేబులింగ్, మోడల్ ట్రైనింగ్ మరియు థ్రెషోల్డ్ నిర్ణయాన్ని ఏర్పాటు చేయడంలో నిర్మాణాత్మక పద్ధతిలో కృత్రిమ మేధస్సును ఉపయోగించగల సామర్థ్యం
  • తప్పించుకోవడం మరియు తప్పుడు తిరస్కరణ రేటు, లైన్ వేగం మరియు ఆపరేటర్ విశ్వాసాన్ని పరిగణనలోకి తీసుకోవడం ద్వారా నాణ్యత నిర్ణయాన్ని ధృవీకరించగల సామర్థ్యం

ఒక కారు వేలాది భాగాలను కలిగి ఉంటుంది మరియు ప్రతి ఒక్కటి సెకన్లలో లైన్ గుండా వెళుతుంది. మానవ కన్నుతో ఎటువంటి లోపాలు లేకుండా ప్రతి వెల్డ్, ప్రతి పెయింట్ ఉపరితలం, ప్రతి అసెంబ్లీని తనిఖీ చేయడం అలసిపోతుంది మరియు అస్థిరంగా ఉంటుంది; కళ్ళు అలసిపోతాయి, దృష్టి మరల్చబడుతుంది. ఇక్కడే మెషిన్ విజన్ మరియు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ వస్తాయి: కెమెరాలు భాగాలను చిత్రీకరిస్తాయి, AI మోడల్ సెకనులోపు లోపాన్ని ఫ్లాగ్ చేస్తుంది. ఈ యూనిట్‌లో, ఆటోమోటివ్ ఉత్పత్తిలో చిత్ర నాణ్యత నియంత్రణ ఎలా ఏర్పాటు చేయబడిందో, AI పాత్ర మరియు అత్యంత క్లిష్టమైన సమస్య, లోపం బ్యాలెన్స్ గురించి మేము చర్చిస్తాము.

ఆటోమోటివ్‌లో సాధారణ దృశ్య లోపాలు

లోపాల యొక్క ప్రధాన రకాలు దృశ్యమానంగా పరిశీలించబడ్డాయి:

  • ఉపరితలం/పెయింట్ లోపాలు: నారింజ పై తొక్క (రఫ్ పెయింట్), దుమ్ము బుడగలు, రక్తస్రావం, గీతలు, రంగు వ్యత్యాసం.
  • వెల్డ్ లోపాలు: అసంపూర్తిగా ఉన్న వెల్డ్, స్పేటర్, సచ్ఛిద్రత, తప్పుగా ఉన్న స్పాట్ వెల్డ్.
  • అసెంబ్లీ లోపాలు: తప్పిపోయిన బోల్ట్, తప్పుగా ఇన్‌స్టాల్ చేయబడిన క్లిప్, రివర్స్డ్ సీల్, లూజ్ కనెక్టర్.
  • లేబుల్/గుర్తు: అస్పష్టమైన VIN, తప్పు లేబుల్, తప్పిపోయిన స్టాంప్.

ఈ లోపాలలో కొన్ని కేవలం సౌందర్యానికి సంబంధించినవి (చిన్న గీతలు), మరికొన్ని భద్రత-క్లిష్టమైనవి (అసంపూర్ణమైన వెల్డింగ్ బాడీ జాయింట్‌లో అలసట పగుళ్లకు దారి తీస్తుంది). ఈ వ్యత్యాసం అన్ని తదుపరి నిర్ణయాలను నిర్ణయిస్తుంది.

చిట్కా: ప్రతి లోపాన్ని ఒకే తీవ్రతతో పరిగణించవద్దు. లోపాన్ని వర్గీకరించేటప్పుడు "సౌందర్యం/ఫంక్షనల్/సేఫ్టీ-క్రిటికల్" ట్యాగ్‌ని జోడించడం అనేది థ్రెషోల్డ్ మరియు నిర్ణయ తర్కాన్ని సరిగ్గా పొందడానికి కీలకం.

రెండు ప్రాథమిక విధానాలు: పర్యవేక్షించబడిన వర్గీకరణ మరియు అసాధారణ గుర్తింపు

దృశ్య లోపాన్ని గుర్తించడానికి రెండు ప్రధాన వ్యూహాలు ఉన్నాయి:

  1. పర్యవేక్షించబడే వర్గీకరణ/గుర్తింపు: మీరు "ఇక్కడ లోపభూయిష్ట ఉదాహరణలు ఉన్నాయి, ఇక్కడ ఖచ్చితమైన ఉదాహరణలు ఉన్నాయి" అని అనేక లేబుల్ చిత్రాలను చూపడం ద్వారా మోడల్‌ను బోధిస్తారు. మీరు లోపాల రకాలను తెలుసుకుంటే మరియు తగినంత ఉదాహరణలు ఉంటే అది శక్తివంతమైనది. సవాలు: అరుదైన లోపాల యొక్క తగినంత నమూనాలను సేకరించడం కష్టం (ఒక లైన్ దాదాపు ఎల్లప్పుడూ ఘన భాగాలను ఉత్పత్తి చేస్తుంది).
  2. అసాధారణ గుర్తింపు: మీరు మోడల్‌కు "సాధారణ/బలమైన" చిత్రాలను మాత్రమే చూపుతారు; మోడల్ సాధారణం ఎలా ఉంటుందో నేర్చుకుంటుంది మరియు సాధారణం నుండి వైదొలిగే దేనినైనా "అనామలీ"గా సూచిస్తుంది. ఇది మీకు ముందుగానే లోపం రకం తెలియకపోయినా కొత్త/ఊహించని లోపాలను పట్టుకోగలదు. ఇబ్బంది: ఏదైనా విచలనాన్ని తప్పుగా పొరబడవచ్చు (లైటింగ్‌లో మార్పు వంటివి).

ఆచరణలో, రెండూ కలిసి ఉపయోగించబడతాయి: క్రమరాహిత్య గుర్తింపు "ఇక్కడ ఏదో విచిత్రం ఉంది" అని చెబుతుంది, వర్గీకరణ "ఇది రిసోర్స్ బౌన్స్" అని చెబుతుంది.

దశల వారీగా: దృశ్య తనిఖీ వ్యవస్థను ఏర్పాటు చేయడం

  1. లోపం కేటలాగ్ మరియు అంగీకార ప్రమాణాలు: నాణ్యత ఇంజనీర్‌లతో ఏ లోపం అంగీకరించబడుతుందో/తిరస్కరించబడుతుందో నిర్వచించండి. ఇది మోడల్ యొక్క "సత్యం".
  2. చిత్ర సేకరణ: స్థిరమైన, స్థిరమైన లైటింగ్ మరియు కెమెరా స్థానం కీలకం. పేలవమైన/అస్థిరమైన లైటింగ్ వైఫల్యానికి అత్యంత సాధారణ కారణం.
  3. లేబులింగ్: నిపుణులు లోపాలను సూచిస్తారు; స్థిరత్వం కోసం లేబులింగ్ మార్గదర్శకత్వం అవసరం.
  4. మోడల్ శిక్షణ: పర్యవేక్షించబడే మరియు/లేదా అసాధారణ మోడల్ శిక్షణ పొందింది.
  5. థ్రెషోల్డింగ్: మోడల్ "లోపం యొక్క సంభావ్యత" ఇస్తుంది; మీరు "తిరస్కరణ"గా పరిగణించే సంభావ్యత పైన ఉన్న థ్రెషోల్డ్. ఇది అత్యంత క్లిష్టమైన వ్యాపార నిర్ణయం (క్రింద).
  6. లైన్ ఇంటిగ్రేషన్: మోడల్ నిర్ణయం తీసుకుంటుంది, అనుమానాస్పద భాగాలు ఆపరేటర్/స్టేషన్‌కు మళ్లించబడతాయి.
  7. మానిటరింగ్ మరియు రీట్రైనింగ్: కొత్త లోపాల రకాలు, కాలానుగుణ మార్పు, కొత్త భాగాలు అందుబాటులోకి వచ్చినందున మోడల్ నవీకరించబడింది.

అత్యంత క్లిష్టమైన సమస్య: లీకేజ్ బ్యాలెన్స్ మరియు తప్పుడు తిరస్కరణ

లోపాన్ని గుర్తించడంలో రెండు లోపాలు ఉన్నాయి మరియు వాటి ఖర్చులు ఆటోమోటివ్‌లో చాలా భిన్నంగా ఉంటాయి:

  • లీక్ (ఎస్కేప్ / తప్పుడు ప్రతికూలం): లోపభూయిష్ట భాగాన్ని "మంచిది"గా పరిగణిస్తారు మరియు లైన్ గుండా వెళుతుంది. సేఫ్టీ పీస్‌లో, ఫీల్డ్‌లోకి వెళ్లే లోపభూయిష్ట వాహనం, కస్టమర్ ఫిర్యాదు లేదా రీకాల్ కూడా అని అర్థం. అత్యంత ఖరీదైన తప్పు.
  • తప్పుడు తిరస్కరణ (తప్పుడు తిరస్కరణ / తప్పుడు సానుకూలం): చెక్కుచెదరకుండా ఉన్న భాగం "లోపభూయిష్టంగా" పరిగణించబడుతుంది మరియు తిరస్కరించబడుతుంది. దీని అర్థం వ్యర్థం, అనవసరమైన రీవర్క్, లైన్ మందగింపు; ఇది బాధిస్తుంది, కానీ ఇది భద్రతా ప్రమాదాన్ని కలిగి ఉండదు.

నిర్ణయం థ్రెషోల్డ్

పారిపోయిన

తప్పుడు తిరస్కరణ

ఎప్పుడు?

వదులుగా (అధిక థ్రెషోల్డ్)

పెరుగుతుంది (ప్రమాదకరమైనది)

తగ్గుతుంది

ఎప్పుడూ సెక్యూరిటీ ట్రాక్‌లో లేదు

కఠినమైన (తక్కువ థ్రెషోల్డ్)

తగ్గుతుంది

పెరుగుతుంది (ఖరీదు)

భద్రత-క్లిష్టమైన భాగాలపై

సమతుల్యం

మధ్యస్థ

మధ్యస్థ

సౌందర్య లోపాలలో

జాగ్రత్త: భద్రత-క్లిష్టమైన భాగంలో (బ్రేక్, స్టీరింగ్, బాడీ వెల్డ్) లీకేజీని తగ్గించడానికి గుమ్మము ఎల్లప్పుడూ గట్టిగా ఉంచబడుతుంది; అనుమానాస్పద భాగం మానవునికి మళ్ళించబడింది. సెక్యూరిటీ పీస్‌లో "తప్పుడు తిరస్కరణ ఖరీదైనది" కాబట్టి థ్రెషోల్డ్‌ను సడలించడం ఆమోదయోగ్యం కాదు.

మానవ-యంత్ర శ్రమ విభజన

బాగా స్థిరపడిన వ్యవస్థలో, మోడల్ తుది నిర్ణయాధికారం కాదు; ఇది "ప్రీ-స్క్రీనర్". మోడల్ స్పష్టమైన లోపాలను పట్టుకుని, మనిషికి ఖచ్చితంగా తెలియని వాటిని తిరిగి పంపుతుంది. దీని వలన ఆపరేటర్ 1,000 భాగాలను చూసే బదులు 30 అనుమానాస్పద భాగాలపై దృష్టి పెట్టవచ్చు. ఆపరేటర్ విశ్వాసం కూడా ముఖ్యం: మోడల్ చాలా తప్పుడు అలారాలను ఉత్పత్తి చేస్తే, ఆపరేటర్ హెచ్చరికలను తీవ్రంగా తీసుకోవడం ఆపివేస్తుంది ("అలారం అలసట"). అందుకే తప్పుడు తిరస్కరణ రేటును కూడా పర్యవేక్షిస్తారు.

మినీ కేస్ స్టడీస్

కేసు 1 - లైటింగ్ ట్రాప్. ప్రయోగశాలలో పెయింట్ తనిఖీ నమూనా 98% విజయవంతమైతే, అది 80%కి కూడా పడిపోతుంది. సమీక్ష: పగటిపూట లైన్ మార్పులపై సీలింగ్ లైటింగ్, మోడల్ ప్రకాశంలో వ్యత్యాసాన్ని "లోపం"గా పరిగణిస్తుంది. స్థిర టన్నెల్ లైటింగ్ జోడించినప్పుడు, విజయం 97%కి పెరుగుతుంది. ముగింపు: మోడల్ కంటే చిత్ర నాణ్యత మరింత నిర్ణయాత్మకంగా ఉంటుంది.

కేసు 2 - లీకేజ్ ఖర్చు. హల్ వెల్డ్ తనిఖీలో థ్రెషోల్డ్ "సమర్థత కోసం" కొద్దిగా సడలించబడుతుంది; తప్పుడు తిరస్కరణ 6% నుండి 3%కి పడిపోతుంది, కానీ ఒక నెల తర్వాత, ఫీల్డ్‌లోని రెండు వాహనాల్లో వెల్డ్ పగుళ్లు నివేదించబడ్డాయి. లీకేజీ రేటు పెరిగినట్లు మూలకారణ విశ్లేషణ చూపిస్తుంది. థ్రెషోల్డ్ మళ్లీ కఠినతరం చేయబడింది మరియు అనుమానాస్పద భాగాలు 100% మానవ నియంత్రణలోకి తీసుకురాబడ్డాయి. ముగింపు: భద్రతా భాగంలో లీకేజీని తగ్గించడం ఎల్లప్పుడూ తప్పుడు తిరస్కరణ కంటే ప్రాధాన్యతనిస్తుంది.

కేసు 3 - అరుదైన లోపం. అప్పుడప్పుడు ఒక కొత్త ఇంజెక్షన్ అచ్చు నుండి చాలా చిన్న బుర్ర లోపం ఉద్భవిస్తుంది, కానీ పర్యవేక్షించబడిన మోడల్ యొక్క శిక్షణలో ఈ లోపం యొక్క ఉదాహరణలు దాదాపుగా లేవు, కనుక ఇది తప్పిపోతుంది. క్రమరాహిత్య గుర్తింపు నమూనా సక్రియం చేయబడినప్పుడు, అది "సాధారణం నుండి విచలనం"గా గుర్తిస్తుంది. ముగింపు: అరుదైన/కొత్త లోపాల కోసం క్రమరాహిత్యాల గుర్తింపు పర్యవేక్షించబడిన మోడల్‌ను పూర్తి చేస్తుంది.

ప్రాంప్ట్ టెంప్లేట్‌లు

టెంప్లేట్ 1 - లోపం కేటలాగ్ మరియు తీవ్రత వర్గీకరణ:

పాత్ర: మీరు ఆటోమోటివ్ క్వాలిటీ ఇంజనీర్. విధి: కింది లోపాల జాబితాను తీవ్రత తరగతులుగా క్రమబద్ధీకరించండి. సందర్భం: బాడీ వెల్డ్ లైన్; లోపాలు: స్ప్లాటర్, రంధ్రాలు, తప్పిపోయిన మచ్చ, కొద్దిగా రంగు వ్యత్యాసం, ఉపరితల గీతలు. ప్రతిబంధకం: ప్రతి లోపాన్ని సౌందర్యం/ఫంక్షనల్/సేఫ్టీ-క్రిటికల్‌గా లేబుల్ చేయండి మరియు నిర్ణయాన్ని సూచించండి (అంగీకారం/మానవ తనిఖీ/తిరస్కరణ).అవుట్‌పుట్: లోపం | ప్రాముఖ్యత | ప్రతిపాదిత నిర్ణయం | సమర్థన పట్టిక.

టెంప్లేట్ 2 - లేబులింగ్ గైడ్:

పాత్ర: చిత్రం లేబులింగ్ నాణ్యత ప్రధాన. పని: పెయింట్ లోపం లేబులింగ్ కోసం స్థిరత్వ నియమాలను వ్రాయండి. సందర్భం: ఆరెంజ్ పీల్, రన్, డస్ట్ బబుల్; వివిధ లైటింగ్‌లో తీసిన చిత్రాలు ఉన్నాయి. అవుట్‌పుట్: నియమం | ఉదాహరణ | పరిమితి స్థితి | టాగర్ నోట్.

టెంప్లేట్ 3 - ఇంటర్‌ప్రెటింగ్ థ్రెషోల్డ్/మెట్రిక్ నిర్ణయం:

పాత్ర: మెషిన్ విజన్ ఎవాల్యుయేటర్. టాస్క్: కింది నిర్ణయం థ్రెషోల్డ్ టేబుల్‌ని అర్థం చేసుకోండి. సందర్భం: సెక్యూరిటీ-క్రిటికల్ రిసోర్స్; థ్రెషోల్డ్ A వద్ద, లీకేజీ 0.3%, తప్పుడు తిరస్కరణ 5%; థ్రెషోల్డ్ B వద్ద లీకేజ్ 1.2% తప్పుడు తిరస్కరణ 2%. నిర్బంధం: భద్రతా ప్రాధాన్యతను గమనించండి; మీరు ఏ థ్రెషోల్డ్‌ని మరియు ఎందుకు సిఫార్సు చేస్తున్నారో వివరించండి మరియు మానవ నియంత్రణ దశను జోడించండి. అవుట్‌పుట్: సిఫార్సు + సమర్థన + మిగిలిన ప్రమాదం.

మూస 4 - మూలకారణ విశ్లేషణ:

పాత్ర: మీరు నాణ్యమైన ఇంజనీర్. టాస్క్: గత 3 షిఫ్ట్‌లలో పెరిగిన స్పాటర్ లోపాలకు సాధ్యమయ్యే మూల కారణాలను జాబితా చేయండి. సందర్భం: రోబోటిక్ స్పాట్ వెల్డింగ్; ఎలక్ట్రోడ్ మార్పు 2 రోజుల క్రితం చేయబడింది; ప్రస్తుత సెట్టింగ్ పరిష్కరించబడింది. అవుట్‌పుట్: సాధ్యమైన కారణం | ధ్రువీకరణ తనిఖీ | ప్రాధాన్యత.

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్:

లోపభూయిష్ట భాగాలను కనుగొనే నమూనాను రూపొందించండి.

ఏ లోపం, ఏ ప్రాముఖ్యత, ఏ త్రెషోల్డ్, ఏ నిర్ణయం అనేది స్పష్టంగా లేదు; ఫలితం నిరుపయోగం.

శక్తివంతమైన ప్రాంప్ట్:

పాత్ర: మీరు ఆటోమోటివ్ నాణ్యత మరియు మెషిన్ విజన్ ఇంజనీర్. టాస్క్: బాడీ వెల్డ్ విజన్ సిస్టమ్ కోసం డిజైన్ చెక్‌లిస్ట్‌ను సృష్టించండి. సందర్భం: భద్రత-క్లిష్టమైన స్పాట్ వెల్డింగ్; లైన్ వేగం ఎక్కువగా ఉంటుంది; అరుదైన లోపాలు ఉన్నాయి; ప్రకాశం వేరియబుల్. నిర్బంధం: లీకేజీని తగ్గించడానికి ప్రాధాన్యత ఇవ్వండి; పర్యవేక్షించబడే వర్గీకరణ మరియు మానవ నియంత్రణ దశతో క్రమరాహిత్య గుర్తింపును ఎలా కలపాలో పేర్కొనండి; 'సున్నా ఎర్రర్‌లకు' హామీ ఇస్తుంది. అవుట్‌పుట్: స్టేజ్ | సూచన | ప్రమాదం | ధృవీకరణ పట్టిక.

సాధారణ తప్పులు

  • లైటింగ్/చిత్ర నాణ్యతను నిర్లక్ష్యం చేయడం. చెడు చిత్రం ఉత్తమ మోడల్‌ను కూడా పాడు చేస్తుంది.
  • లీకేజీ మరియు తప్పుడు తిరస్కరణను సమానంగా పరిగణించడం. ఆటోమోటివ్ సేఫ్టీ విడిభాగాల్లో లీకేజ్ చాలా ఖరీదైనది.
  • అరుదైన లోపాల కోసం పర్యవేక్షించబడే మోడల్‌పై మాత్రమే ఆధారపడటం. క్రమరాహిత్యాన్ని గుర్తించడం పరిపూరకరమైనది.
  • మోడల్‌ను తుది నిర్ణయం తీసుకునే వ్యక్తిగా చేయడం. అనుమానాస్పద భాగాలు మానవులకు దర్శకత్వం వహించాలి.
  • మళ్లీ శిక్షణ ఇవ్వడం మర్చిపోతున్నారు. కొత్త భాగాలు, కొత్త అచ్చులు మరియు కాలానుగుణ మార్పులు మోడల్‌ను పాతవిగా చేస్తాయి.

సారాంశంలో

  • మెషిన్ విజన్ మరియు AI ఆటోమోటివ్ లైన్‌లో ఉపరితలం, వెల్డ్ మరియు అసెంబ్లీ లోపాల కోసం త్వరగా మరియు స్థిరంగా తనిఖీ చేస్తాయి.
  • తెలిసిన లోపాలపై పర్యవేక్షించబడిన వర్గీకరణ బలంగా ఉంటుంది, అరుదైన/కొత్త లోపాలపై క్రమరాహిత్య గుర్తింపు బలంగా ఉంటుంది; రెండూ కలిసి ఉపయోగించబడతాయి.
  • అత్యంత క్లిష్టమైన నిర్ణయం థ్రెషోల్డ్: భద్రత-క్లిష్టమైన భాగంలో లీకేజ్ (తప్పుడు ప్రతికూలత) తగ్గించబడుతుంది, అనుమానాస్పద భాగం మానవునికి వెళుతుంది.
  • చిత్రం నాణ్యత మరియు లైటింగ్ తరచుగా మోడల్ కంటే నిర్ణయాత్మకంగా ఉంటాయి.
  • మోడల్ ప్రీ-సిఫ్టర్; తుది నాణ్యత నిర్ణయం మరియు భద్రత బాధ్యత మానవునిపై ఉంటుంది.

అప్లికేషన్ టాస్క్

ఒక భాగాన్ని/స్టేషన్‌ను ఎంచుకోండి (ఉదా. ముందు బంపర్ అసెంబ్లీ). (1) సాధ్యమయ్యే లోపాలను జాబితా చేయండి మరియు ప్రతి ఒక్కటి సౌందర్యం/ఫంక్షనల్/సేఫ్టీ-క్రిటికల్ అని లేబుల్ చేయండి. (2) టెంప్లేట్ 3తో, లీకేజీ/తప్పుడు తిరస్కరణ కోసం రెండు థ్రెషోల్డ్ ఎంపికలను సరిపోల్చండి మరియు సిఫార్సును సమర్థించండి. (3) మీరు అరుదైన లోపం కోసం పర్యవేక్షించబడిన లేదా అసాధారణ గుర్తింపును ఉపయోగిస్తారో లేదో వివరించండి. (4) మానవ నియంత్రణ దశ మరియు రీట్రైనింగ్ ట్రిగ్గర్‌ను నిర్వచించండి.

చెక్లిస్ట్

  • [ ] నేను లోపాలను తీవ్రత తరగతులుగా విభజించాను (సౌందర్యం/ఫంక్షనల్/సేఫ్టీ-క్రిటికల్).
  • [ ] నేను థ్రెషోల్డ్ నిర్ణయంలో చట్టవిరుద్ధమైన మరియు తప్పుడు తిరస్కరణ యొక్క బ్యాలెన్స్‌ని మూల్యాంకనం చేసాను.
  • [ ] నేను భద్రత-క్లిష్టమైన భాగంలో లీకేజీకి ప్రాధాన్యత ఇచ్చాను.
  • [ ] నేను పర్యవేక్షించబడిన మరియు అసాధారణ విధానాలను తగిన స్థలంలో ఉంచాను.
  • [ ] నేను చిత్ర నాణ్యత/లైటింగ్ అవసరాన్ని పేర్కొన్నాను.
  • [ ] నేను మానవ నియంత్రణ దశ మరియు పునఃశిక్షణ ప్రణాళికను నిర్వచించాను.