இயந்திரப் பொறியியலில் செயற்கை நுண்ணறிவு (AI), சிக்கலான பிரச்சனைகளைக் கையாள்வதற்கும், பணிப்பாய்வுகளை வேகப்படுத்துவதற்கும், பத்து ஆண்டுகளுக்கு முன்பு நம்மால் யதார்த்தமாக முயற்சி செய்ய முடியாத வடிவமைப்பு வழிகளைத் திறப்பதற்கும் கூட, ஒரு நிலையான கருவித்தொகுப்பின் அங்கமாக வேகமாக மாறி வருகிறது. முன்கணிப்புப் பராமரிப்பு முதல் உருவாக்க வடிவமைப்பு வரை, நிஜ உலகில் இயந்திரப் பொறியாளர்கள் அமைப்புகளைப் பற்றி சிந்திக்கும், சோதிக்கும் மற்றும் செம்மைப்படுத்தும் விதத்தை செயற்கை நுண்ணறிவு மாற்றி வருகிறது.
செயற்கை நுண்ணறிவு உண்மையில் எங்கு பொருந்துகிறது (அது வெறும் ஆரவாரமா அல்லது உண்மையிலேயே பயனுள்ளதா) என்பது குறித்து உங்களுக்குச் சந்தேகம் இருந்துவந்தால், இந்தக் கட்டுரை அதை வெறும் யூகங்கள் அல்லாமல், தரவுகள் மற்றும் உண்மையான நிகழ்வுகளின் ஆதரவுடன் நேரடியாகத் தெளிவுபடுத்துகிறது.
இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:
🔗 ஒரு AI பொறியாளராக எப்படி மாறுவது
வெற்றிகரமான AI பொறியியல் வாழ்க்கையைத் தொடங்குவதற்கான படிப்படியான வழிகாட்டி.
🔗 பொறியாளர்களுக்கான செயல்திறன் மற்றும் புத்தாக்கத்தை மேம்படுத்தும் செயற்கை நுண்ணறிவு கருவிகள்
பொறியியல் பணிகளையும் திட்டங்களையும் நெறிப்படுத்தும் அத்தியாவசியமான செயற்கை நுண்ணறிவு கருவிகளைக் கண்டறியுங்கள்.
🔗 செயற்கை நுண்ணறிவை மாற்றும் தொழில்களின் பொறியியல் பயன்பாடுகள்
உலகளாவிய தொழில்துறைகளில் பொறியியல் நடைமுறைகளில் செயற்கை நுண்ணறிவு எவ்வாறு புரட்சியை ஏற்படுத்துகிறது என்பதை ஆராயுங்கள்.
🔗 CAD-க்கான AI-ஐ உண்மையில் சிறந்ததாக மாற்றுவது எது?
பொறியாளர்களுக்கான செயல்திறன் மிக்க AI-ஆற்றல் பெற்ற CAD கருவிகளை வரையறுக்கும் முக்கிய காரணிகள்.
இயந்திரப் பொறியாளர்களுக்கு செயற்கை நுண்ணறிவை உண்மையில் பயனுள்ளதாக்குவது எது? 🌟
-
வேகம் + துல்லியம்: பயிற்சி பெற்ற மாதிரிகள் மற்றும் இயற்பியல்-அறிவுள்ள பதிலீடுகள், குறிப்பாக குறைக்கப்பட்ட-வரிசை மாதிரிகள் அல்லது நரம்பியல் இயக்கிகளைப் பயன்படுத்தும் போது, உருவகப்படுத்துதல் அல்லது உகப்பாக்க சுழற்சிகளை மணிநேரத்திலிருந்து வினாடிகளாகக் குறைக்கின்றன [5].
-
செலவு சேமிப்பு : முன்கணிப்பு பராமரிப்பு திட்டங்கள் சரியாக செயல்படுத்தப்பட்டால், இயந்திரத்தின் ஆயுளை 20-40% வரை நீட்டிக்கும் அதே வேளையில், வேலையில்லா நேரத்தை 30-50% வரை சீராகக் குறைக்கின்றன [1]
-
புத்திசாலித்தனமான வடிவமைப்பு : உருவாக்கும் வழிமுறைகள், கட்டுப்பாடுகளுக்குக் கட்டுப்படும் அதே வேளையில், இலகுவான மற்றும் வலிமையான வடிவங்களைத் தொடர்ந்து உருவாக்கி வருகின்றன; GM-இன் புகழ்பெற்ற 3D-அச்சிடப்பட்ட இருக்கை அடைப்பு அதன் முன்னோடியை விட 40% இலகுவாகவும் 20 % வலிமையாகவும் வெளிவந்துள்ளது [2]
-
தரவு சார்ந்த நுண்ணறிவு: முற்றிலும் உள்ளுணர்வை மட்டும் சார்ந்திருப்பதற்குப் பதிலாக, பொறியாளர்கள் இப்போது பழைய சென்சார் அல்லது உற்பத்தித் தரவுகளுடன் மாற்று வழிகளை ஒப்பிட்டுப் பார்த்து, மிக வேகமாகப் புதிய முயற்சிகளை மேற்கொள்கின்றனர்.
-
கூட்டு முயற்சி, கையகப்படுத்துதல் அல்ல: செயற்கை நுண்ணறிவை ஒரு “துணை விமானியாக” கருதுங்கள். மனித நிபுணத்துவம், செயற்கை நுண்ணறிவின் வடிவங்களைக் கண்டறியும் மற்றும் முழுமையான ஆய்வுத் திறனுடன் கைகோர்க்கும்போது மிகச் சிறந்த முடிவுகள் கிடைக்கின்றன.
ஒப்பீட்டு அட்டவணை: இயந்திரப் பொறியாளர்களுக்கான பிரபலமான செயற்கை நுண்ணறிவு கருவிகள் 📊
| கருவி/தளம் | (பார்வையாளர்களுக்கு) சிறந்தது | விலை/அணுகல் | இது ஏன் நடைமுறையில் செயல்படுகிறது |
|---|---|---|---|
| ஆட்டோடெஸ்க் ஃப்யூஷன் 360 (உருவாக்க வடிவமைப்பு) | வடிவமைப்பாளர்கள் மற்றும் ஆராய்ச்சி மற்றும் மேம்பாட்டுக் குழுக்கள் | சந்தா (நடுத்தர அடுக்கு) | வலிமைக்கும் எடைக்கும் இடையே சமநிலையை ஏற்படுத்தும் பலவிதமான வடிவவியல்களை ஆராய்கிறது; AM-க்கு மிகவும் சிறந்தது |
| ஆன்சிஸ் (செயற்கை நுண்ணறிவு முடுக்கிவிடப்பட்ட சிமுலேட்டர்) | பகுப்பாய்வாளர்கள் மற்றும் ஆராய்ச்சியாளர்கள் | $$$ (நிறுவனம்) | காட்சிகளைக் குறைப்பதற்கும் இயக்கங்களை வேகப்படுத்துவதற்கும் குறைக்கப்பட்ட வரிசை மற்றும் இயந்திர கற்றல் பதிலீடுகளை ஒருங்கிணைக்கிறது |
| சீமென்ஸ் மைண்ட்ஸ்பியர் | ஆலை மற்றும் நம்பகத்தன்மை பொறியாளர்கள் | தனிப்பயன் விலை நிர்ணயம் | PdM டாஷ்போர்டுகள் மற்றும் செயல்பாட்டுத் தொகுப்பின் தெரிவுநிலைக்காக, IoT ஊட்டங்களை பகுப்பாய்வுகளுடன் இணைக்கிறது |
| மேட்லேப் + ஏஐ டூல்பாக்ஸ் | மாணவர்கள் + வல்லுநர்கள் | கல்வி மற்றும் தொழில்முறை நிலைகள் | பரிச்சயமான சூழல்; இயந்திர கற்றல் மற்றும் சிக்னல் செயலாக்கத்தின் விரைவான முன்மாதிரி உருவாக்கம் |
| அல்டெய்ர் ஹைப்பர்வொர்க்ஸ் (AI) | ஆட்டோ & விண்வெளி | பிரீமியம் விலை | திடமான இடவியல் உகப்பாக்கம், தீர்வு ஆழம், சூழல் அமைப்புப் பொருத்தம் |
| ChatGPT + CAD/CAE செருகுநிரல்கள் | அன்றாட பொறியாளர்கள் | ஃப்ரீமியம்/ப்ரோ | சிந்தனைத் தூண்டல், ஸ்கிரிப்ட் எழுதுதல், அறிக்கை வரைவு, விரைவான குறியீட்டுத் துண்டுகள் |
விலைக் குறிப்பு: இருக்கைகள், மாட்யூல்கள், HPC துணைக்கருவிகள் ஆகியவற்றைப் பொறுத்து விலை பெரிதும் மாறுபடும் - எப்போதும் விற்பனையாளரின் விலை விவரங்களை உறுதிப்படுத்திக் கொள்ளவும்.
இயந்திரப் பொறியியல் பணிப்பாய்வுகளில் செயற்கை நுண்ணறிவின் பங்கு 🛠️
-
வடிவமைப்பு உகப்பாக்கம்
-
உருவாக்க மற்றும் இடவியல் உகப்பாக்கம் ஆகியவை செலவு, மூலப்பொருள் மற்றும் பாதுகாப்பு வரம்புகளுக்கு உட்பட்டு வடிவமைப்பு வெளிகளை ஆராய்கின்றன.
-
ஆதாரம் ஏற்கனவே உள்ளது: ஒற்றை-துண்டு அடைப்புக்குறிகள், மவுண்ட்கள் மற்றும் லேட்டிஸ் கட்டமைப்புகள் எடையைக் குறைக்கும் அதே வேளையில் விறைப்பு இலக்குகளை அடைகின்றன [2].
-
-
உருவகப்படுத்துதல் மற்றும் சோதனை
-
ஒவ்வொரு சூழ்நிலைக்கும் FEA/CFD-ஐ வலுக்கட்டாயமாகப் பயன்படுத்துவதற்குப் பதிலாக, பதிலீடுகள் அல்லது குறைக்கப்பட்ட-வரிசை மாதிரிகளைப் . பயிற்சி மேலதிகச் செலவைத் தவிர, ஸ்வீப்கள் பல மடங்கு வேகத்தை அதிகரிக்கின்றன [5].
-
மொழிபெயர்ப்பு: மதிய உணவுக்கு முன் அதிகமான “என்ன நடந்தால் என்ன?” ஆய்வுகள், குறைவான இரவு நேர வேலைகள்.
-
-
முன்கணிப்பு பராமரிப்பு (PdM)
-
மாதிரிகள் அதிர்வு, வெப்பநிலை, ஒலியியல் போன்றவற்றைக் கண்காணித்து, செயலிழப்புக்கு முன் அசாதாரணங்களைக் கண்டறிகின்றன. முடிவுகள்? திட்டங்கள் சரியாக வரையறுக்கப்படும்போது 30–50% செயலிழப்பு நேரக் குறைப்பு மற்றும் நீண்ட சொத்து ஆயுள் [1]
-
ஒரு விரைவான உதாரணம்: அதிர்வு மற்றும் வெப்பநிலை உணர்விகளைக் கொண்ட ஒரு பம்ப் தொகுப்பு, தாங்கித் தேய்மானத்தை சுமார் 2 வாரங்களுக்கு முன்பே கண்டறிய ஒரு சரிவு-அதிகரிப்பு மாதிரியைப் பயிற்றுவித்தது. பழுதுகள் அவசர நிலையிலிருந்து திட்டமிடப்பட்ட மாற்றங்களுக்கு மாற்றப்பட்டன.
-
-
ரோபோடிக்ஸ் மற்றும் ஆட்டோமேஷன்
-
இயந்திரக் கற்றல் (ML) பற்றவைப்பு அமைப்புகளை நுட்பமாகச் சரிசெய்கிறது, பார்வை வழிகாட்டுதலுடன் பொருட்களை எடுத்து வைக்கிறது, மற்றும் பொருத்துதலை மாற்றியமைக்கிறது. இயக்குபவரின் பின்னூட்டத்திலிருந்து தொடர்ந்து கற்றுக்கொள்ளும் செல்களைப் பொறியாளர்கள் வடிவமைக்கின்றனர்.
-
-
டிஜிட்டல் இரட்டையர்கள்
-
தயாரிப்புகள், உற்பத்தி வரிசைகள் அல்லது ஆலைகளின் மெய்நிகர் பிரதிகள், வன்பொருளைத் தொடாமல் மாற்றங்களைச் சோதிக்க குழுக்களை அனுமதிக்கின்றன. பகுதி (“தனித்தனி”) இரட்டையர்கள் கூட 20–30% செலவுக் குறைப்புகளைக் காட்டியுள்ளன [3].
-
உருவாக்க வடிவமைப்பு: கட்டுக்கடங்காத பக்கம் 🎨⚙️
வரைவதற்குப் பதிலாக, நீங்கள் இலக்குகளை நிர்ணயிக்கிறீர்கள் ( ஆயிரக்கணக்கான வடிவவியல்களில் நிறைச் சுழற்சிகளைத் தொடரவும்)
-
பலவும் பவளம், எலும்புகள் அல்லது வேற்றுக்கிரகவாசிகளின் வடிவங்களைப் போலத் தோற்றமளிக்கின்றன - அது பரவாயில்லை; இயற்கை ஏற்கனவே செயல்திறனுக்காக தன்னை உகந்ததாக்கிக் கொண்டுள்ளது.
-
உற்பத்தி விதிகள் முக்கியமானவை: சில வெளியீடுகள் வார்ப்பு/அரைத்தல் முறைக்கு ஏற்றவை, மற்றவை சேர்க்கை முறையைச் சார்ந்தவை.
-
உண்மையான உதாரணம்: GM-இன் பிராக்கெட் (ஒற்றை துருப்பிடிக்காத துண்டு, எட்டு பாகங்களுக்கு எதிராக) சிறந்த உதாரணமாக விளங்குகிறது - இலகுவானது, வலிமையானது, எளிதாக அசெம்பிள் செய்யக்கூடியது [2].
உற்பத்தி மற்றும் தொழில்துறைக்கான செயற்கை நுண்ணறிவு 4.0 🏭
உற்பத்தித் தளத்தில், செயற்கை நுண்ணறிவு பின்வரும் விஷயங்களில் சிறந்து விளங்குகிறது:
-
விநியோகச் சங்கிலி மற்றும் திட்டமிடல்: தேவை, கையிருப்பு மற்றும் செயல்வேகம் ஆகியவற்றின் மேம்பட்ட முன்கணிப்புகள் - "எதிர்பாராத சூழ்நிலைகளுக்கான" சரக்கு இருப்பு குறைவு.
-
செயல்முறை தானியக்கம்: CNC வேகங்கள்/ஊட்டங்கள் மற்றும் நிர்ணயிக்கப்பட்ட அளவுகள், மாறுபாடுகளுக்கு ஏற்ப நிகழ் நேரத்தில் மாற்றியமைக்கப்படுகின்றன.
-
டிஜிட்டல் இரட்டைகள்: மாற்றங்களுக்கு முன் மாற்றங்களை உருவகப்படுத்துதல், தர்க்கத்தை சரிபார்த்தல், செயலிழப்பு நேர சாளரங்களை சோதித்தல். 20-30% செலவுக் குறைப்புகள் இதன் நன்மையை எடுத்துக்காட்டுகின்றன [3].
பொறியாளர்கள் இன்னமும் சந்திக்கும் சவால்கள் 😅
-
கற்றல் வளைவு: சிக்னல் செயலாக்கம், குறுக்கு சரிபார்ப்பு, MLOps - இவை அனைத்தும் பாரம்பரிய கருவித்தொகுப்பின் மீது அடுக்குகளாக அமைகின்றன.
-
நம்பகத்தன்மை காரணி: பாதுகாப்பு வரம்புகளைச் சுற்றியுள்ள பிளாக்-பாக்ஸ் மாதிரிகள் கலக்கமூட்டுகின்றன. இயற்பியல் கட்டுப்பாடுகள், விளக்கக்கூடிய மாதிரிகள், பதிவுசெய்யப்பட்ட முடிவுகள் ஆகியவற்றைச் சேர்க்கவும்.
-
ஒருங்கிணைப்புச் செலவு: சென்சார்கள், தரவுக் குழாய்கள், குறியிடுதல், உயர் செயல்திறன் கணினி (HPC) - இவை எதுவுமே இலவசமானவை அல்ல. கவனமாக முன்னோட்டமிடுங்கள்.
-
பொறுப்புக்கூறல்: செயற்கை நுண்ணறிவு ஆதரவுடனான ஒரு வடிவமைப்பு தோல்வியுற்றால், அதற்கான பொறுப்பு பொறியாளர்களையே சாரும். சரிபார்ப்பு மற்றும் பாதுகாப்பு காரணிகள் இன்றியமையாதவையாகத் தொடர்கின்றன.
நிபுணர் குறிப்பு: PdM-க்கு, , துல்லியத்தன்மை மற்றும் மீட்டெடுப்பு ஆகியவற்றைக் கண்காணிக்கவும். விதிகள் அடிப்படையிலான ஒரு அடிப்படை அளவோடு ஒப்பிடுங்கள்; வெறுமனே "ஒன்றுமில்லாததை விடச் சிறந்தது" என்பதை விடுத்து, "உங்கள் தற்போதைய முறையை விடச் சிறந்தது" என்பதை இலக்காகக் கொள்ளுங்கள்.
இயந்திரப் பொறியாளர்களுக்குத் தேவைப்படும் திறன்கள் 🎓
-
பைதான் அல்லது மேட்லேப் (நம்பை/பாண்டாஸ், சிக்னல் பிராசஸிங், ஸ்கிகிட்-லெர்ன் அடிப்படைகள், மேட்லேப் எம்எல் டூல்பாக்ஸ்)
-
இயந்திரக் கற்றல் அடிப்படைகள் (கண்காணிக்கப்பட்ட மற்றும் கண்காணிக்கப்படாத முறைகள், பின்னடைவு மற்றும் வகைப்பாடு, மிகைப்பொருத்தம், குறுக்கு சரிபார்ப்பு)
-
CAD/CAE ஒருங்கிணைப்பு (API-கள், தொகுதிப் பணிகள், அளவுரு ஆய்வுகள்)
-
IoT + தரவு (சென்சார் தேர்வு, மாதிரி எடுத்தல், குறியிடல், நிர்வாகம்)
சாதாரண நிரலாக்கத் திறன் கூட, கடினமான பணிகளைத் தானியக்கமாக்கவும், பெரிய அளவில் பரிசோதனைகள் செய்யவும் உங்களுக்கு ஒரு வாய்ப்பை அளிக்கிறது.
எதிர்காலக் கண்ணோட்டம் 🚀
மீண்டும் மீண்டும் வரும் மெஷிங், செட்டப் மற்றும் முன்-உகந்ததாக்கல் ஆகியவற்றை AI “துணை விமானிகள்” கையாளும் என எதிர்பார்க்கலாம் - இது பொறியாளர்களை முடிவெடுக்கும் திறனுக்காக விடுவிக்கும். ஏற்கனவே உருவாகி வருபவை:
-
நிர்ணயிக்கப்பட்ட பாதுகாப்பு வரம்புகளுக்குள் சரிசெய்துகொள்ளும் தன்னாட்சி வழித்தடங்கள்
-
AI-ஆல் கண்டுபிடிக்கப்பட்ட பொருட்கள் விருப்ப இடத்தை விரிவுபடுத்துகின்றன - டீப்மைண்டின் மாதிரிகள் 2.2 மில்லியன் வேட்பாளர்களைக் கணித்துள்ளன, இதில் ~381 ஆயிரம் சாத்தியமான நிலையானதாகக் குறிக்கப்பட்டுள்ளன (தொகுப்பு இன்னும் நிலுவையில் உள்ளது) [4].
-
வேகமான சிமுலேஷன்கள்: குறைக்கப்பட்ட-வரிசை மாதிரிகள் மற்றும் நரம்பியல் ஆபரேட்டர்கள் சரிபார்க்கப்பட்டவுடன் மிகப்பெரிய வேகத்தை வழங்குகின்றன, விளிம்பு-வழக்கு பிழைகளுக்கு எதிராக கவனம் செலுத்தப்படுகிறது [5].
நடைமுறைச் செயலாக்க வரைவுத் திட்டம் 🧭
-
அதிக பாதிப்பை ஏற்படுத்தும் ஒரு பயன்பாட்டுச் சூழலைத் தேர்ந்தெடுக்கவும் (பம்ப் பேரிங் செயலிழப்புகள், சேசிஸின் விறைப்புத்தன்மை மற்றும் எடைக்கு இடையிலான முரண்பாடு).
-
கருவி + தரவு: மாதிரியெடுத்தல், அலகுகள், குறியீடுகள் மற்றும் சூழல் (பணிச்சுழற்சி, சுமை) ஆகியவற்றை உறுதிப்படுத்துதல்.
-
முதலில் அடிப்படை நிலை: கட்டுப்பாட்டிற்காக எளிய வரம்புகள் அல்லது இயற்பியல் அடிப்படையிலான சோதனைகள்.
-
மாதிரியாக்குதல் + சரிபார்த்தல்: காலவரிசைப்படி பிரித்தல், குறுக்குச் சரிபார்ப்பு செய்தல், சோதனைத் தொகுப்புடன் ஒப்பிட்டு மீளப்பெறுதல்/துல்லியம் அல்லது பிழையைக் கண்காணித்தல்.
-
மனிதத் தலையீடு: அதிக தாக்கத்தை ஏற்படுத்தும் அழைப்புகள் பொறியாளர் மதிப்பாய்வின் மூலம் கட்டுப்படுத்தப்படுகின்றன. பின்னூட்டம் மறுபயிற்சிக்கு வழிகாட்டுகிறது.
-
(ROI) அளவிடுங்கள்: ஆதாயங்களை, தவிர்க்கப்பட்ட வேலையின்மை நேரம், சேமிக்கப்பட்ட கழிவுகள், சுழற்சி நேரம், ஆற்றல் ஆகியவற்றுடன் தொடர்புபடுத்துங்கள்.
-
முன்னோட்டத் திட்டம் (தொழில்நுட்ப மற்றும் பொருளாதார ரீதியாக) தகுதி பெற்ற பின்னரே விரிவாக்கப் பணிகளைத் தொடங்க வேண்டும்
புகழுக்குரியதா? ✅
ஆம். இது ஒன்றும் மாயாஜாலம் அல்ல, அடிப்படைகளையும் இது அழித்துவிடாது - ஆனால் ஒரு டர்போ-அசிஸ்டன்ட், செயற்கை நுண்ணறிவு (AI) உங்களை அதிக விருப்பங்களை ஆராயவும், பல நிகழ்வுகளைச் சோதிக்கவும், குறைந்த நேர இழப்புடன் கூர்மையான முடிவுகளை எடுக்கவும் அனுமதிக்கிறது. இயந்திரப் பொறியாளர்களுக்கு, இப்போது இதில் இறங்குவது என்பது, ஆரம்ப நாட்களில் CAD-ஐக் கற்றுக்கொண்டதைப் போன்றது. இதை முதலில் ஏற்றுக்கொண்டவர்கள் ஒரு படி மேலே இருந்தனர்.
குறிப்புகள்
[1] மெக்கின்சி & கம்பெனி (2017). உற்பத்தி: பகுப்பாய்வு உற்பத்தித்திறனையும் லாபத்தையும் கட்டவிழ்த்து விடுகிறது. இணைப்பு
[2] ஆட்டோடெஸ்க். ஜெனரல் மோட்டார்ஸ் | கார் உற்பத்தியில் ஜெனரேட்டிவ் டிசைன். (GM இருக்கை பிராக்கெட் வழக்கு ஆய்வு). இணைப்பு
[3] டெலாய்ட் (2023). டிஜிட்டல் இரட்டையர்கள் தொழில்துறை விளைவுகளை அதிகரிக்க முடியும். இணைப்பு
[4] நேச்சர் (2023). பொருள் கண்டுபிடிப்புக்கான ஆழமான கற்றலை அளவிடுதல். இணைப்பு
[5] ஃபிரான்டியர்ஸ் இன் ஃபிசிக்ஸ் (2022). திரவ இயக்கவியலில் தரவு சார்ந்த மாதிரியாக்கம் மற்றும் உகப்பாக்கம் (தலையங்கம்). இணைப்பு