فائدہ:
- مصنوعی ذہانت کی مدد سے ڈیٹا سے رپورٹ کرنے کے لیے اینڈ ٹو اینڈ پائتھون تجزیہ ورک فلو قائم کرنے کی صلاحیت
- یونٹ کی مطابقت، رساو اور تولیدی صلاحیت کے لحاظ سے تیار کردہ کوڈ کی تصدیق کرنے کی اہلیت
- توانائی کے منصوبوں میں اخلاقیات، رازداری، سائبر سیکورٹی اور انجینئر کی ذمہ داری کی حدود کو عملی جامہ پہنانے کی صلاحیت
ماڈیول امتحان
1. مندرجہ ذیل میں سے کون سا بنیادی اصول ہے جو توانائی کے نظام انجینئرنگ میں AI آؤٹ پٹ کے خطرے کا تعین کرتا ہے؟
- A) آؤٹ پٹ کا خطرہ اس نقصان کے برابر ہے اگر وہ آؤٹ پٹ ناقص ہوتا۔ اس کے مطابق توثیق کے پیمانے ✔
- B) AI آؤٹ پٹ عام طور پر محفوظ ہے کیونکہ یہ روانی اور اعتماد سے لکھا جاتا ہے۔
- C) توثیق غیر ضروری ہے جب سب سے زیادہ موجودہ ماڈل استعمال کیا جاتا ہے
- D) اگر آؤٹ پٹ کسی معیار سے مراد ہے، تو کسی اضافی کنٹرول کی ضرورت نہیں ہے۔
وضاحت: آؤٹ پٹ کا خطرہ اس نقصان کے برابر ہے اگر وہ آؤٹ پٹ ناقص ہے۔ اگرچہ پریزنٹیشن کے متن میں ایک معمولی غلطی بے ضرر ہو سکتی ہے، ریلے پروٹیکشن سیٹنگ یا ٹرانسفارمر لوڈ کرنے کے فیصلے میں خرابی سامان کو نقصان، بندش اور زندگی کی حفاظت کے خطرات کا سبب بن سکتی ہے۔ توثیق کی شدت ممکنہ نقصان کے ساتھ پیمانہ۔
2. مصنوعی ذہانت کے ساتھ انرجی ٹائم سیریز کا ڈیٹا تیار کرتے وقت سب سے زیادہ کیا نقصان ہوتا ہے اور جو نتائج کو سب سے زیادہ مسخ کرتا ہے؟
- A) گرافک رنگوں کا غلط انتخاب
- ب) ٹائم زون، ڈے لائٹ سیونگ ٹائم اور ٹائم اسٹیمپ لیبل کنفیوژن ✔
- C) فائل کا نام بہت لمبا ہے۔
- D) ڈیٹا کو CSV کے بجائے Excel میں رکھنا
وضاحت: ٹائم زون، ڈے لائٹ سیونگ ٹائم (DST)، اور ٹائم اسٹیمپ کی شروعات/اختتام ٹیگ کی الجھنیں توانائی کے ڈیٹا میں بہت عام ہیں۔ ایک گھنٹے کی شفٹ پورے دن کی قسم اور چوٹی گھنٹے کے تجزیہ کو بگاڑ دیتی ہے۔ لہذا، ہر تجزیہ سے پہلے وقت کے محور کو معیاری بنایا جانا چاہیے اور AI آؤٹ پٹ کو فزیکل اینکرز جیسے طلوع آفتاب/پیک ٹائم کے خلاف ٹیسٹ کیا جانا چاہیے۔
3. کونسی صورت حال یہ ظاہر کرتی ہے کہ جب کہ MAPE (مطلب مطلق فیصدی خرابی) ایک مختصر مدت کے بوجھ کی پیشن گوئی میں کم دکھائی دیتی ہے، پھر بھی پیشن گوئی ناقابل اعتبار ہو سکتی ہے؟
- A) MAPE ہمیشہ پیشن گوئی کے معیار کا ایک مکمل اور مناسب پیمانہ ہوتا ہے۔
- ب) اوسط کم ہونے کے باوجود زیادہ وقت میں منظم انحراف ہوسکتا ہے اور یہ وہ جگہ ہے جہاں گرڈ اہم ہے ✔
- C) MAPE صرف طویل مدتی پیشین گوئی میں معنی خیز ہے۔
- D) کم MAPE ثابت کرتا ہے کہ ماڈل جسمانی طور پر درست ہے۔
وضاحت: MAPE ایک اوسط غلطی ہے؛ یہاں تک کہ اگر مجموعی طور پر اچھا لگتا ہے، تو زیادہ سے زیادہ اوقات اور موسمی تبدیلیوں میں منظم انحراف ہو سکتا ہے۔ نیٹ ورک بیلنس ان چوٹی کے لمحات میں بالکل اہم ہے، لہذا صرف اس وجہ سے کہ اوسط میٹرک اچھا ہے پیشین گوئی کرنا محفوظ نہیں سمجھا جا سکتا ہے۔ وقت اور نظام کی بنیاد پر غلطی کا الگ الگ تجزیہ کیا جانا چاہیے۔
4. شمسی پلانٹ کی پیداوار کی پیشن گوئی کی معقولیت کو جانچنے کے لیے سب سے مضبوط جسمانی اوپری پابند کیا ہے؟
- A) پچھلے سال کا کل بل
- ب) فزیکل پروڈکشن کی حد تابکاری، پینل ایریا اور انسٹال پاور (بشمول رات کے وقت صفر) کے ذریعے محدود ہے ✔
- C) ماڈل کے ذریعہ دیے گئے اعتماد کا فیصد
- D) ہوا کی رفتار کی پیمائش
تفصیل: سولر پاور پلانٹ شمسی تابکاری اور پینل کی گنجائش سے زیادہ پیدا نہیں کر سکتا۔ پیداوار رات کے وقت صفر ہونے کی توقع ہے، دوپہر کے قریب چوٹی، اور نصب شدہ پاور اور ماڈیول کے علاقے سے محدود۔ یہ جسمانی طور پر ناممکن ہے اگر ماڈل نے رات کی پیداوار یا نصب شدہ صلاحیت سے زیادہ قیمت دی ہو۔ یہ چیک اعداد و شمار کو دیکھے بغیر پیشین گوئی کو ختم کرتا ہے۔
5. وہ کون سا فلٹر ہے جسے سمارٹ گرڈ میں براہ راست لاگو کرنے سے پہلے AI آپٹیمائزیشن کی تجویز کو پاس کرنا ضروری ہے؟
- A) تجویز کے لیے صرف سب سے کم قیمت فراہم کرنا کافی ہے۔
- ب) ماڈل کے لیے یہ کافی ہے کہ اسے اعلیٰ درستگی کی تربیت دی جائے۔
- سی) حفاظتی رکاوٹیں (وولٹیج، تھرمل، N-1) کنٹرول اور مجاز آپریٹر کی منظوری ✔
- D) یہ کافی ہے کہ سفارش تاریخی اعداد و شمار کے مطابق ہو۔
تفصیل: نیٹ ورک حفاظتی لحاظ سے اہم ہے: وولٹیج، کرنٹ، تھرمل اور N-1 (عنصر کی ناکامی) کی رکاوٹوں کی خلاف ورزی کرنے والی کوئی بھی سفارشات لاگو نہیں کی جا سکتیں۔ AI آؤٹ پٹ کو پہلے ان حفاظتی رکاوٹوں سے گزارا جاتا ہے اور پھر منظوری کے لیے مجاز آپریٹر کو پیش کیا جاتا ہے۔ اصلاح کبھی بھی حفاظتی رکاوٹ کے راستے میں نہیں آتی ہے۔
6. بیٹری اسٹوریج کے کاروبار میں AI کے ساتھ ثالثی (سستی خریدیں، زیادہ فروخت کریں) حکمت عملی قائم کرتے وقت کون سی لاگت کو اکثر نظر انداز کیا جاتا ہے اور منافع کو گمراہ کرتا ہے؟
- A) انٹرنیٹ کنکشن فیس
- ب) تنزلی (پہننے) اور کارکردگی میں کمی کی لاگت فی سائیکل ✔
- C) عملے کی کافی وقفے کی مدت
- D) بیٹری کا رنگ
تفصیل: ہر چارج ڈسچارج سائیکل سے بیٹری ختم ہوجاتی ہے۔ انحطاط (صحت کا نقصان) ایک حقیقی قیمت ہے اور وارنٹی کی حدود کو ختم کر دیتی ہے۔ ایک ثالثی تجزیہ جو صرف قیمت کے فرق کو دیکھتا ہے منافع کو بڑھاوا دے گا اور بیٹری کی زندگی کو کم کر دے گا اگر یہ ہر دور میں کمی کی لاگت اور کارکردگی کے نقصان کو نظر انداز کر دیتا ہے۔
7. پیشین گوئی کی دیکھ بھال میں بے ضابطگی کا پتہ لگانے والے ماڈل کی حد کی قیمت کا تعین کرتے وقت کلیدی توازن کیا ہے؟
- A) جھوٹے الارم اور ناکامی کے اخراجات کے درمیان ہوش میں توازن ✔
- ب) حد کو ہمیشہ جتنا ممکن ہو کم رکھا جائے۔
- C) حد کا تعین مکمل طور پر ماڈل کی درستگی کے فیصد کو دیکھ کر کیا جاتا ہے۔
- D) ایک بار جب حد مقرر ہو جائے تو اسے کبھی تبدیل نہیں کرنا چاہیے۔
وضاحت: اگر حد کم کر دی جائے تو جھوٹے الارم (الارمز جب کوئی غلطی نہ ہو) بڑھ جاتی ہے اور ٹیم کو الارم پر اعتماد نہیں ہوتا۔ اگر حد بڑھا دی جاتی ہے، تو مسڈ فالٹ (اصل غلطی کی کمی) کا خطرہ بڑھ جاتا ہے۔ درست حد غلط الارم کی لاگت اور گم شدہ فالٹ (جیسے ٹرانسفارمر کا دھماکہ) کی لاگت کے درمیان ایک شعوری توازن ہے اور اسے آلات کی نازکیت کے مطابق ایڈجسٹ کیا جاتا ہے۔
8. توانائی کی کارکردگی کے منصوبے میں بچت کے دعوے کی تصدیق کے لیے پیمائش اور تصدیق (M&V) فریم ورک کی بنیادی منطق کیا ہے؟
- A) انوائس کی رقم میں ہر کمی کو براہ راست بچت سمجھا جاتا ہے۔
- B) بچتیں ایڈجسٹ شدہ بیس لائن اور ناپے ہوئے کھپت کے درمیان فرق ہیں ✔
- C) بچت کا اعلان صرف مینوفیکچرر کی کیٹلاگ کی قیمت پر کیا جاتا ہے۔
- D) ماڈل کی پیشن گوئی کے برابر بچت
وضاحت: بچت کی براہ راست پیمائش نہیں کی جا سکتی۔ احتیاطی تدابیر اختیار کرنے کے بعد کھپت کی پیمائش کی جاتی ہے۔ بچت ناپی گئی کھپت اور بیس لائن کے درمیان فرق ہے 'بغیر پیمائش کے کیا کھایا جائے گا'۔ لہٰذا بیس لائن ماڈل کو متغیرات کے لیے درست کیا جانا چاہیے جیسے کہ موسم/پیداوار، اس ایڈجسٹ شدہ حوالہ کے حساب سے بچت۔
9. بجلی کی قیمت کی پیشن گوئی کرنے والے ماڈل میں 'اوور فٹنگ' خاص طور پر خطرناک کیوں ہے؟
- A) کیونکہ یہ ماڈل کو سست کر دیتا ہے۔
- ب) یہ ماضی کے شور کو یاد رکھتا ہے، مستقبل میں گر جاتا ہے، خاص طور پر جب حکومت بدلتی ہے، اور بڑے اعتماد کے ساتھ گمراہ کرتی ہے ✔
- ج) صرف اس لیے کہ یہ زیادہ میموری استعمال کرتا ہے۔
- D) کیونکہ یہ گرافکس کو پڑھنا مشکل بناتا ہے۔
وضاحت: اوور فٹنگ اس وقت ہوتی ہے جب ماڈل تاریخی اعداد و شمار میں شور اور پیٹرن کو یاد رکھتا ہے جو دوبارہ نہیں ہوگا؛ بیک ٹیسٹنگ کامل نظر آتی ہے لیکن مستقبل میں کریش ہو جاتی ہے۔ جیسا کہ قیمت کے اعداد و شمار کے نظام میں تبدیلی آتی ہے (ایندھن کی قیمت کا جھٹکا، قانون سازی میں تبدیلی)، حفظ شدہ پیٹرن غلط ہو جاتا ہے اور اعلی اعتماد کے ساتھ غلط بولی لگاتا ہے۔
10. لوڈ شفٹنگ کے لیے فی گھنٹہ کاربن کی شدت (اس گھنٹے میں ایک کلو واٹ بجلی کی جی سی او 2 ویلیو) کا تصور کیوں اہم ہے؟
- A) کاربن کی کثافت ہر گھنٹے یکساں ہے، اس لیے اس سے کوئی فرق نہیں پڑتا
- ب) کیونکہ یہ صرف انوائس کی رقم کو متاثر کرتا ہے۔
- C) قابل تجدید حصص کے لحاظ سے فی گھنٹہ مختلف ہوتا ہے۔ لچکدار بوجھ کو کم شدت والے گھنٹے میں منتقل کرنا اخراج کو کم کرتا ہے ✔
- D) کیونکہ یہ صرف رات کے ٹیرف سے متعلق ہے۔
وضاحت: گرڈ کی کاربن کی شدت فی گھنٹہ مختلف ہوتی ہے: یہ گھنٹوں کے دوران کم ہوتی ہے جب قابل تجدید پیداوار زیادہ ہوتی ہے اور چوٹی کے اوقات میں جب فوسل پاور پلانٹس آن لائن آتے ہیں۔ لچکدار بوجھ کو کم چوٹی کے اوقات میں منتقل کرنا ایک جیسی توانائی استعمال کرنے کی اجازت دیتا ہے لیکن کم اخراج پیدا کرتا ہے۔ اوسط سالانہ عنصر اس موقع کو چھپاتا ہے۔
11. مصنوعی ذہانت سے تیار کردہ پائیتھون تجزیہ کوڈ میں 'ڈیٹا لیکیج' کا کیا مطلب ہے اور یہ خطرناک کیوں ہے؟
- A) ڈسک سے ڈیٹا کو حذف کرنا
- ب) ماڈل تربیت میں مستقبل کی معلومات کا استعمال کرتا ہے جو پیشین گوئی کے وقت دستیاب نہیں ہوں گی۔ امتحان اچھا ہے لیکن حقیقت بری ہے ✔
- C) ڈیٹا کا انٹرنیٹ پر لیک ہونے کے علاوہ کوئی مطلب نہیں ہے۔
- D) کوڈ بہت آہستہ چلتا ہے۔
وضاحت: ڈیٹا کا اخراج اس وقت ہوتا ہے جب ماڈل ان معلومات تک رسائی حاصل کرتا ہے جو درحقیقت تربیت کے دوران مستقبل میں پائی جائے گی۔ مثال کے طور پر، گھنٹہ کی اصل قدر کا استعمال کرتے ہوئے بطور خاص پیش گوئی کی جائے۔ یہ کامل بیک ٹیسٹنگ کا نتیجہ ہے لیکن حقیقت میں بیکار ہے۔ ٹائم سیریز میں ماضی/مستقبل کی حد کو کوڈ میں احتیاط سے برقرار رکھا جانا چاہیے۔
12. توانائی کمپنی SCADA ڈیٹا کو ایک عام AI ٹول پر بھیجتے وقت صحیح طریقہ کیا ہے؟
- A) تمام ڈیٹا کو جیسا ہے بھیجنا انتہائی درست نتائج دیتا ہے۔
- ب) ڈیٹا کو گمنام کرنا اور منظور شدہ ٹول کے ساتھ صرف ضروری تکنیکی سبسیٹ کا اشتراک کرنا ✔
- ج) احتیاط غیر ضروری ہے کیونکہ ڈیٹا بہرحال کھلا ہے۔
- D) صرف فائل کا نام تبدیل کرنا کافی ہے۔
تفصیل: SCADA اور نیٹ ورک ٹوپولوجی ڈیٹا بنیادی ڈھانچے کی اہم معلومات ہے۔ اسے عوامی کلاؤڈ پر بھیجنے سے رازداری، مقابلہ اور سائبرسیکیوریٹی کے خطرات لاحق ہوتے ہیں۔ صحیح طریقہ یہ ہے کہ سائٹ/اثاثہ کے ناموں کو نمائندہ ٹیگز کے ساتھ گمنام رکھیں، کام کے لیے درکار صرف تکنیکی ذیلی سیٹ کا اشتراک کریں، اور ادارے سے منظور شدہ/بند ٹولز کا انتخاب کریں۔
13. 'کپیسیٹی فیکٹر' (توانائی کا تناسب اس توانائی سے پیدا ہوتا ہے جو پیدا ہو گی اگر یہ پوری صلاحیت کے ساتھ مسلسل چلتی رہے) کو ہوا کی پیداوار کی پیشن گوئی میں معقولیت کے لنگر کے طور پر کیوں استعمال کیا جاتا ہے؟
- A) کیونکہ یہ صرف مارکیٹنگ کے مقاصد کے لیے نمبر ہے۔
- ب) کیونکہ اس نے براہ راست رسید دی تھی۔
- C) کیونکہ یہ ایک طبعی معیار ہے جو پیشین گوئی کی شدت کی ترتیب کو جانچتا ہے، ایک معلوم عام رینج (تقریباً 25-45%) ✔
- D) کیونکہ یہ ٹربائن کے رنگ کا تعین کرتا ہے۔
تفصیل: ساحلی ونڈ فارمز کی صلاحیت کا عنصر عام طور پر تقریباً 25-45 فیصد کی حد میں ہوتا ہے۔ ایک پیشن گوئی جسمانی طور پر ناقابل تصور ہے اگر یہ طویل مدتی اوسط پر پیداوار کی پیش گوئی کرتی ہے جو اس حد سے باہر ہے (مثلاً، 90 فیصد)۔ یہ تناسب آپ کو تفصیل میں جانے کے بغیر پیشین گوئی کی شدت کی ترتیب کو جانچنے کی اجازت دیتا ہے۔
14. حفاظت کے لیے اہم توانائی کے نظام کے فیصلے میں مصنوعی ذہانت کے کردار کو کس طرح درست طریقے سے بیان کیا جا سکتا ہے؟
- A) AI مجاز انجینئر کی منظوری کی جگہ لے سکتا ہے۔
- ب) AI مفروضے اور خاکہ تیار کرتا ہے۔ حفاظت کے لیے اہم فیصلے کی منظوری اور ذمہ داری مجاز انجینئر کے پاس ہے ✔
- C) اگر AI کافی طاقتور ہے، تو انسانی تصدیق غیر ضروری ہے۔
- D) AI آؤٹ پٹ بیکار ہے اور اسے مکمل طور پر نظر انداز کر دینا چاہیے۔
تفصیل: مصنوعی ذہانت ایک طاقتور اسسٹنٹ ہے جو جلدی پڑھتی ہے، پیٹرن پکڑتی ہے، ڈرافٹ تیار کرتی ہے۔ لیکن یہ حفاظت سے متعلق اہم فیصلوں جیسے کہ پروٹیکشن ایڈجسٹمنٹ، ٹرانسفارمر لوڈنگ، نیٹ ورک مینیوورنگ میں کسی قابل ماہر کی منظوری اور ذمہ داری کو تبدیل نہیں کرتا ہے۔ AI مفروضے اور خاکہ تیار کرتا ہے۔ مجاز انجینئر فیصلہ اور دستخط دیتا ہے۔