فائدہ:
- یہ فرق کرنے کی صلاحیت کہ اے آئی کہاں تیز ہو رہی ہے اور کہاں یہ سرکٹ، پاور اور ایمبیڈڈ سسٹم کے کام میں خطرناک ہے۔
- یہ بتانے کی اہلیت کیوں کہ جان و مال کی حفاظت سے متعلق برقی کاموں میں تصدیق اور انجینئر کی منظوری لازمی ہے۔
- AI آؤٹ پٹ کو ایک ڈرافٹ ان پٹ کے بطور آڈٹ کرنے کی اہلیت، بجائے اس کے کہ انجینئرنگ کے فیصلے کے متبادل کے طور پر
جب آپ الیکٹریکل اور الیکٹرانکس انجینئر کا دن دیکھتے ہیں تو جو تصویر ابھرتی ہے وہ زیادہ تر ٹیموں میں ملتی ہے: ڈیٹا شیٹ پڑھنا، اسپریڈ شیٹس کو بھرنا، کوڈ لکھنا اور ڈیبگ کرنا، خاکہ بنانا، معیارات تلاش کرنا، ٹیسٹ رپورٹس تیار کرنا، ای میل اور میٹنگز۔ دوسرے لفظوں میں، حقیقی "انجینئرنگ" کے حصے کے لیے وقف کیا گیا وقت، یعنی کسی نظام کو محفوظ اور درست طریقے سے ڈیزائن کرنے کا فیصلہ، بار بار کام کے تحت کچل دیا جاتا ہے۔ یہ وہ جگہ ہے جہاں مصنوعی ذہانت کھیل میں آتی ہے۔ AI آپ کے لیے ڈیزائن نہیں کرتا ہے۔ یہ آپ کو ڈیزائن کے لیے تیار کرتا ہے، ڈرافٹ تیار کرتا ہے، حساب کو تیز کرتا ہے اور فیصلہ سازی کے لیے آپ کے سامنے پروسیس شدہ معلومات رکھتا ہے۔ اس یونٹ میں، ہم واضح کریں گے کہ الیکٹریکل-الیکٹرانک ورک فلو AI کے کن مراحل میں حقیقی قدر میں اضافہ ہوتا ہے، کون سے فیصلے یقینی طور پر انجینئر کے پاس رہنے چاہئیں، اور یہ کرتے وقت آپ کو حفاظتی نظم و ضبط کی پابندی کرنی چاہیے۔ مقصد واضح ہے: AI کو "خودکار ڈیزائنر" کے طور پر نہیں بلکہ ایک نظم و ضبط والے اسسٹنٹ کے طور پر پوزیشن دینا جس کے آؤٹ پٹ کی ہر بار تصدیق ہوتی ہے۔
کن کاروباروں میں AI ایکسلریٹر ہے، کن کاروباروں میں یہ خطرناک ہے؟
الیکٹریکل اور الیکٹرانک کام اپنے نتائج کے لحاظ سے دو جہتی سپیکٹرم پر واقع ہیں۔ ایک سرے پر قابل تنسیخ، کم خطرے والی دفتری ملازمتیں ہیں۔ دوسری طرف، ایسے ناقابل واپسی فیصلے ہیں جو جان و مال کی حفاظت کو براہ راست متاثر کرتے ہیں۔ AI کی قدر اس بات پر منحصر ہوتی ہے کہ آپ اس سپیکٹرم پر کہاں کھڑے ہیں۔
کاروبار کی قسم
AI کی شراکت
انجینئر کا کردار
ڈیٹا شیٹ/معیاری خلاصہ
طویل دستاویز سے متعلقہ آئٹم کو ہٹا دیں۔
سرکاری ذریعہ سے قدر کی تصدیق کریں۔
کوڈ ڈرافٹ (MCU، Python)
کنکال اور فنکشن جنریشن
رجسٹر، ٹائمنگ، ٹیسٹ کی تصدیق
اکاؤنٹ کا ابتدائی کام
فارمولہ ترتیب، پہلا نمبر
یونٹ، درجہ اور معیاری کنٹرول
دستاویزی
رپورٹ/BOM/ٹیسٹ طریقہ کار کا مسودہ
تکنیکی درستگی اور اصطلاحات
تحفظ کوآرڈینیشن
تجویز، منظر نامہ
حتمی انتخاب اور منظوری
کمیشننگ
چیک لسٹ کا مسودہ
میدان میں پیمائش اور دستخط
قاعدہ آسان ہے: AI آؤٹ پٹ کا خطرہ اس نقصان کے برابر ہے جو آؤٹ پٹ سے غلطی ہوجانے پر ہو گا۔ محور کے لیبل کی غلط ہجے کرنا بے ضرر ہے۔ بریکر کرنٹ سیٹنگ کا غلط اندازہ لگانے سے آگ لگ سکتی ہے۔ لہذا آؤٹ پٹ استعمال کرنے سے پہلے پوچھنے کا پہلا سوال یہ ہے: "اگر یہ غلط ہے تو کیا ہوگا اور کون نوٹس کرے گا؟"
دھیان دیں: AI روانی اور پراعتماد متن تیار کرتا ہے۔ روانی درستگی کی کوئی ضمانت نہیں ہے۔ ایک زبان کا ماڈل قابل اعتماد فارمولوں، آئٹم نمبرز، اور ڈیٹا شیٹ کی قدروں کو "منقطع" (فریب) کر سکتا ہے یہاں تک کہ جب اس کے پاس کوئی حقیقی ڈیٹا نہ ہو۔ بجلی میں یہ کاغذ پر نہیں رہتا۔ میدان میں خرابی، نقصان یا حادثے میں بدل جاتا ہے۔
وہ فیصلے جو انجینئر پر چھوڑے جائیں۔
کچھ فیصلے کبھی بھی مکمل طور پر خودکار نہیں ہونے چاہئیں۔ یہ تکنیکی، قانونی اور اخلاقی خطرات لاحق ہیں:
- حفاظت کے لیے اہم انتخاب: بریکر/فیوز کی درجہ بندی، تحفظ کوآرڈینیشن، گراؤنڈ اور موصلیت کی کلاس۔
- کمیشن اور توانائی پیدا کرنا: بورڈ، موٹر، یا بورڈ کی پاور لائن پر پہلی بار وولٹیج لگانے کا فیصلہ۔
- معیاری مطابقت کا اعلان: بیان "یہ ڈیزائن متعلقہ معیار کے مطابق ہے" کے لیے انجینئر کے دستخط کی ضرورت ہوتی ہے۔
- انسانوں کے ساتھ رابطے میں اقدار: بقایا موجودہ تحفظ کی حد، ٹچ وولٹیج، EMC/EMF حدود۔
انتباہ: یہاں تک کہ اگر AI سے تیار کردہ کیلکولیشن کے نتیجے میں "50 A بریکر کافی ہے" جیسا کچھ نکلتا ہے، تو شارٹ سرکٹ کرنٹ، سلیکٹیوٹی اور کیبل کی طاقت کے ساتھ کسی انجینئر کی تصدیق کیے بغیر اسے لاگو کرنا ناقابل قبول ہے۔ لاگو کرنے سے پہلے ہر حفاظتی اہم آؤٹ پٹ کی آزادانہ طور پر تصدیق اور منظوری مجاز انجینئر سے ہونی چاہیے۔
توثیق کا نظم و ضبط: تین پرتوں کا کنٹرول
AI آؤٹ پٹ کو آنکھ بند کرنے کے بجائے ایڈیٹر اور آڈیٹر کی آنکھوں سے استعمال کرنے کے لیے، تھری لیئر کنٹرول لگائیں:
- یونٹ اور درجہ (سینٹی چیک): کیا نتیجہ کی اکائی درست ہے؟ کیا سائز جسمانی طور پر مناسب ہے؟ اگر 100 کے وی اے ٹرانسفارمر میں 500 کلو واٹ کا نقصان ہے تو کہیں خرابی ہے۔
- آزادانہ پنروتپادن: حساب کتاب کو دستی طور پر، کیلکولیٹر کے ساتھ، یا ایک مختصر Python/SPICE رن کے ساتھ دوبارہ پیش کریں۔ اگر دو مختلف طریقے ایک ہی نتیجہ دیتے ہیں تو اعتماد بڑھتا ہے۔
- معیاری اور ماخذ کی توثیق: ہر آئٹم نمبر، ڈیٹا شیٹ کی قیمت اور AI کی طرف سے دی گئی حد کی سرکاری ذریعہ سے لفظ بہ لفظ تصدیق ہونی چاہیے۔
تصدیق کا اشارہ (آؤٹ پٹ کو چیک کرنا آسان بناتا ہے): "واضح طور پر ان تمام مفروضوں، فارمولوں اور اکائیوں کی فہرست بنائیں جو آپ نے درج ذیل کے حساب میں استعمال کیے ہیں۔ ہر درمیانی قدم کو ایک الگ لائن پر دکھائیں۔ معیاری قدر یا ڈیٹا شیٹ نمبر کو نشان زد کریں جو آپ نے 'ذریعہ مطلوب' ٹیگ کے ساتھ استعمال کیا ہے؛ کوئی ایسا نمبر نہ بنائیں جو آپ یقینی طور پر نہیں جانتے ہوں۔"
کمزور پرامپٹ / مضبوط اشارہ
کمزور:"مجھے اس موٹر کے لیے موزوں کیبل کراس سیکشن بتائیں۔" (نتیجہ: سیاق و سباق کے بغیر واحد نمبر؛ یہ واضح نہیں ہے کہ کون سا کرنٹ، لمبائی، بڑھتے ہوئے طریقہ اور وولٹیج ڈراپ کی حد فرض کی گئی ہے۔) STRONG:" درج ذیل شرائط کے لیے ابتدائی طور پر کاپر کیبل کراس سیکشن کا حساب لگائیں اور مراحل دکھائیں:-، KW coφ5-04-4 موٹر 0.85، کارکردگی 0.90- کیبل کی لمبائی: 60 میٹر، کنڈیٹ کی تنصیب، 35 ° C- قابل اجازت وولٹیج ڈراپ: 3% کرنٹ، وولٹیج ڈراپ اور تھرمل کرنٹ لے جانے کی صلاحیت کو الگ الگ لکھیں اور اس کا نتیجہ درست کرنے کے قابل نہیں ہے۔
فرق یہ ہے کہ مضبوط پرامپٹ ماڈل کو اصل ان پٹ اور باؤنڈری دونوں دیتا ہے (کوئی اعلان نہ کریں، اقدامات نہ دکھائیں)۔ یہ آؤٹ پٹ کو قابل سماعت بناتا ہے۔
منی کیس
ایمبیڈڈ سسٹم انجینئر ڈینیز درجہ حرارت کی پیمائش کے کارڈ کے لیے ADC ریڈ کوڈ کو AI پر پرنٹ کرتا ہے۔ AI 12-bit ADC کے لیے حوالہ وولٹیج 5 V سمجھ کر فارمولہ قائم کرتا ہے۔ ڈینیز کارڈ کی ڈیٹا شیٹ کھولتا ہے۔ حوالہ دراصل 3.3 V ہے۔ AI کے 5 V کے مفروضے میں ہر پیمائش کو تقریباً 50% تعصب کے ساتھ پڑھا جائے گا۔ سمندر حوالہ درست کرتا ہے، کارڈ پر کوڈ اپ لوڈ کرتا ہے، اور ایک معلوم درجہ حرارت پر ریڈنگ کا اصل تھرمامیٹر سے موازنہ کرتا ہے۔ AI نے رفتار دی؛ سمندر نے مفروضے کی تصدیق کرکے اور پیمائش کے ساتھ اس کی تصدیق کرکے اعتبار کا اضافہ کیا۔ اگر AI پر اندھا اعتماد کیا جاتا تو غلطی کو میدان میں لے جایا جاتا۔
عام غلطیاں
- بغیر سوال کیے AI کے مفروضوں (حوالہ وولٹیج، درجہ حرارت، کنڈکٹر کی قسم) کو قبول کرنا۔
- بغیر تصدیق کے حفاظتی اہم اقدار (بریکر، پروٹیکشن، گراؤنڈنگ) کا اطلاق کرنا۔
- میک اپ ڈیٹا شیٹ نمبرز اور معیاری آئٹم نمبرز پر توجہ نہیں دینا۔
- ہارڈ ویئر میں اس کی پیمائش کیے بغیر کوڈ کو "کام کرتا ہے" کو فرض کرنا۔
- حجم کنٹرول کو نظرانداز کرنا؛ V, A, W, VA, VAR الجھن کو نظر انداز کرنا۔
- انجینئرنگ کی منظوری کے لیے AI آؤٹ پٹ کو تبدیل کرنا۔
ٹپ: ہر اے آئی آؤٹ پٹ سے یہ تین سوالات پوچھیں: (1) کن مفروضوں سے یہ نتیجہ نکلا، اور کیا مفروضے درست ہیں؟ (2) کیا میں نے اسے آزادانہ طریقے سے دوبارہ پیش کیا ہے؟ (3) کیا یہ سیکورٹی کے لیے اہم ہے، اور اگر ایسا ہے تو کیا میں نے مستند تصدیق اور منظوری حاصل کی ہے؟ اگر تینوں واضح ہیں تو آگے بڑھیں۔
خلاصہ میں
- AI الیکٹریکل اور الیکٹرانک کاموں کی تیاری، حساب کتاب، کوڈ اور دستاویز کے مراحل میں رفتار اور پیمانے کا اضافہ کرتا ہے۔ لیکن وہ فیصلہ ساز نہیں ہے۔
- نتیجہ کا خطرہ اس نقصان کے برابر ہے اگر اس سے غلطی ہو جائے گی۔ حفاظت کے لیے اہم کام کے لیے آزاد تصدیق اور انجینئر کی منظوری درکار ہوتی ہے۔
- سیال متن درست متن نہیں ہے۔ ہر مفروضے، نمبر اور معیاری قدر کی تصدیق ہونی چاہیے۔
- کنٹرول کی تین پرتیں (یونٹ/رینک، آزادانہ تولید، ماخذ کی تصدیق) آؤٹ پٹ کو قابل اعتماد بناتی ہیں۔
- طاقتور پرامپٹ ماڈل کو اصل ان پٹ اور باؤنڈری ایک ساتھ دیتا ہے۔
- AI کو "ایک تیز اسسٹنٹ جس کے ہر آؤٹ پٹ کی نگرانی کی جاتی ہے۔"
درخواست کا کام
AI سے کہو کہ آپ نے حال ہی میں کیا ہوا حساب (کیبل کراس سیکشن، ریزسٹر سلیکشن، پاور کا نقصان، وغیرہ) شروع سے حل کریں۔ پھر آؤٹ پٹ میں ہر مفروضے اور نمبر کو ایک فہرست میں نکالیں۔ ہر ایک کے لیے "تصدیق شدہ / وسائل کی ضرورت / ناقص" کا فیصلہ کریں۔ خود حساب کتاب کو دوبارہ تیار کریں، یا تو دستی طور پر یا ایک مختصر Python رن کے ساتھ، اور دونوں نتائج کا موازنہ کریں۔ اگر مختلف ہے تو اس کی وجہ معلوم کریں۔ یہ مشق آڈیٹر کے نظم و ضبط کے ساتھ AI استعمال کرنے کی عادت بناتی ہے۔