නව පරම්පරාවේ ස්ප්‍රිං යන්ත්‍රය සමඟ සම්බන්ධ කර ඇති බුද්ධිමත් කාර්යයන් කුමක්ද

කෘතිම බුද්ධිය සමඟ සම්බන්ධිත යථාර්ථ කාලීන අනුවර්තනය ද්‍රව්‍ය විචල්‍යතාවට

උස් තත්ත්වයේ ස්ප්‍රින්ග් යන්ත්‍ර වල සාමාන්‍ය ක්‍රියාකාරිත්වය විඛණ්ඩනය වන්නේ ද්‍රව්‍ය අස්ථායිතාව හේතුවෙන් ය

තාරයේ ගුණාංග—උදාහරණයක් ලෙස ආතති ශක්තිය, විෂ්කම්භය සීමාව සහ පෘෂ්ඨ තෘෂ්ණතාව—ස්වාභාවිකවම කුණියේ සහ බැච් අතර වෙනස් වේ. සාමාන්‍ය ස්ප්‍රින්ග් යන්ත්‍ර ස්ථිර යාන්ත්‍රික කැම් පැතිකඩ සහ පූර්ව-සකස් කළ බල වක්‍ර මත පදනම් වේ. ද්‍රව්‍යය අනුමානිත පදනමෙන් වෙනස් වුවහොත්, මෙම යන්ත්‍ර අනුවර්තනය කළ නොහැකි අතර, එය නිදහස් දිගේ, බල අල්ලා ගැනීමේ අපාරතාවයේ සහ මාන විචල්‍යතාවේ අස්ථායිතාවය ඇතුළු අස්ථායිතා ඇති කරයි. ක්‍රියාකාරිත්වය අතිශයින් අඩු වීම සහ අපාරතා වැඩි වීම වැළැක්වීම සඳහා ක්‍රියාත්මක කරන්නන් නිෂ්පාදනය නතුවී සැකසුම් සැකසුම් පරාමිතීන් නැවත සකස් කිරීම සඳහා ස්වයං ක්‍රියාත්මක විය යුතුය. මිනිත්තුවකට කොටස් 200 කට වැඩි වේගයෙන් ක්‍රියා කරන පෙළවල දී, ද්‍රව්‍ය හැසිරීමේ 2% වෙනසක් පමණක් පැයකට දෝෂිත කොටස් සහස් ගණනක් ජනනය කළ හැකිය. මෙය සමස්ත උපකරණ කාර්යක්ෂමතාව (OEE) අඩු කරයි. අනුවර්තන බුද්ධිය නොමැති විට, යන්ත්‍රය සැකසුම් සැකසුම් අනුව අඳුනා නොගෙන ක්‍රියා කරයි. එය සෑම නිෂ්පාදන චක්‍රයකම පුනර් සැකසුම් සහ ද්‍රව්‍ය වියැඟිය ඇතුළු කරයි.

අභ්‍යන්තර කෘතිම බුද්ධි මොඩල ලෝහ විද්‍යාත්මක දත්ත සහ සැන්සර් සංයෝජනය භාවිතා කරන ආකාරය

ඉහළ පරම්පරාවේ ස්ප්‍රින්ග් යන්ත්‍ර වල කෘතිම බුද්ධිය මොඩල් අඩංගු වේ. එය සත්‍ය කාලීන සැන්සර් දත්ත සහ ලෝහ විද්‍යාත්මක දැනුම ඒකාබද්ධ කරයි. බල-සංවේදී බර සැන්සර්, ලේසර් සූක්ෂ්ම මිනුම්, සහ එඩි-කරන්ට් සැන්සර් යන ඒවා සෑම ස්ප්‍රින්ගයක් සඳහාම සැකසීමේ බලය, කොයිලයේ විෂ්කම්භය සහ උෂ්ණත්වය ලබා ගනී. මෙම බහු-සැන්සර් දත්ත ප්‍රවාහය සම්පූර්ණ ස්ප්‍රින්ග් වයර් ශ්‍රේණි සමූහ වල සියලු දත්ත ඇතුළත් වූ දත්ත සමූහය මත පුහුණු කළ යන්ත්‍ර ඉගෙනීමේ ක්‍රමයකට යැවේ. මෙම මොඩලය ප්‍රතිබල ශක්තිය හෝ ස්ප්‍රින්ග්-බැක් හැසිරීමේ සුක්ෂ්ම වෙනස්කම් අනුමාන කර සේවෝ ධාවිත අක්ෂි ස්වයංක්‍රීයව සකස් කරයි—කොයිලින් පිච්, පෝෂණ වේගය හෝ කපා දැමීමේ දිග වෙනස් කරයි. උදාහරණයක් ලෙස, ඉහළ ආතති ශක්තියක් සොයාගත් විට, කෘතිම බුද්ධිය ඉලක්කගත නිදහස් දිග රැක ගැනීම සඳහා අර්බර් අධික විකුර්ණතාව වැඩි කරයි—කිසිදු කාර්ය සාධක ආදේශනයකින් තොරව. මෙම සැන්සර් ඒකාබද්ධ කිරීම දෘඩ පෙර-නියමිත විධිමත් ක්‍රම වෙනුවට ස්වයං-අනුකූලීකරණය සහිත ස්වයං-උත්තේජනය වූ නිෂ්පාදනයක් සැපයීම සඳහා භාවිතා වේ. එය ද්‍රව්‍ය විචල්‍යතාවය සාමාන්‍ය ක්‍රියාකාරී තත්ත්වයක් ලෙස සැලකිය හැක.

සාධිත බලපෑම: ජර්මානු ඕඊඑම් පෙළවල ස්ටේන්ලෙස් සීල් සඳහා සැකසුමේ වේගය මියුසික් වයර් සඳහා විය හැකි වේගයට වඩා 68% වැඩි වේ

ජර්මනියේ ස්වයංචාලිත වාහන නිෂ්පාදන සමූහයක් විසින් වාල්ව් ස්ප්‍රින්ග් පේළියක කෘතිම බුද්ධිමත් අනුකූල පාලනය හඳුන්වා දී ඇත. මෙය ස්ටේන්ලෙස් සීල් (1.4310) සහ සංගීත වයර් (EN 10270-1) යන දෙකම එකට ලිපි කිරීම සඳහා යොදා ගැනීමට හැකිය. මෙය හඳුන්වා දීමට පෙර, ද්‍රව්‍ය වෙනස් කිරීම සඳහා අතින් ෂිමින් කිරීම සහ පරීක්ෂණ ලිපි කිහිපයක් අවශ්‍ය විය. මෙය සම්පූර්ණයෙන් සිදු කිරීමට විනාඩි 45 ක් දක්වා කාලය ගත විය. අන්තර්නිර්මිත කෘතිම බුද්ධිය සහ සත්‍ය කාලීන ලෝහ විද්‍යාත්මක ප්‍රතිපෝෂණය සමඟ, යන්ත්‍රය ස්වයංක්‍රීයව වයර් වර්ගය හඳුනා ගෙන විනාඩි 15 ක් තුළ නැවත සකස් කර ගත්තේය. මෙය සැකසුමේ කාලය 68% කින් අඩු විය (2024). පළමු පාසියේ ඵලදායිතාව 93% සිට 99.2% දක්වා ඉහළ ගිය අතර, පේළිය තුළ වර්ගීකරණය අවශ්‍ය නොවිය. දැන් මෙම පද්ධතිය පැයකට කෝපි මිනිත්තු 400 කට වැඩි වේගයෙන් දෝෂ රහිත නිෂ්පාදනය සැපයීමට හැකිය. මෙයින් පෙන්වා දෙනු ලබන්නේ අනුකූල බුද්ධිය හරහා ද්‍රව්‍ය අස්ථායිතාව අවාසියක් වෙනුවට තරඟකාරී වාසියක් බවට පත් කළ හැකි බවයි.

අධික කාර්ය කාලය උපරිම කිරීම සඳහා IoT සම්බන්ධිත පූර්වානුමාන අංගනය

ඉහළ පරිමාණයේ ස්ප්‍රින්ග් නිෂ්පාදනයේ සැලසුම් නොකළ විවෘත කාලයේ වියදම

අනපේක්ෂිත විරාමය නිසා නිෂ්පාදකයින්ට පැයකට සාමාන්‍යයෙන් ඩොලර් 260,000 ක අයවැය සිදු වේ (ඇබර්ඩීන් කණ්ඩායම, 2023). ඉහළ ප්‍රමාණයේ ස්ප්‍රින්ග් පේළි සඳහා පැයක විරාමයක් ස්ප්‍රින්ග් 30,000 කට වැඩි ප්‍රමාණයක් අස්වැරැදි කිරීමට හේතු විය හැකි අතර, එය දින කිහිපයක් ගත වන සාමාන්‍ය ධාරිතාව වෙනුවෙන් යළි ලබා ගැනීමට අවශ්‍ය වේ. සාම්ප්‍රදායික වැළැක්වීමේ අංශ පරිපාලනය උපරිම අසාමාන්‍යතා වළැක්වීම සඳහා ක්‍රියා කරයි, නමුත් බොහෝ විට අනවශ්‍ය සැකසුම් ඇතුළත් වේ; සුවිශේෂී අංශ පරිපාලනය මත පමණක් රඳා පවතින සැකසුම් සැකසුම් 68% ක් තවමත් පවතී, එය සැමවිටම අත්‍යවශ්‍ය අලුත්වැඩියා කිරීම් වෙත යායුතු වේ. මෙම අතුරු අඩි නිෂ්පාදනය නතුවීම පමණක් නොව, මිනිත්තු සහ මිලිමීටර් ප්‍රමාණයේ සැබෑ අගයන් සත්‍යාපනය කිරීම සඳහා විශාල ප්‍රමාණයේ පසු-ප්‍රතිසාධන ගුණත්ව පරීක්ෂණ ද අවශ්‍ය වේ. IoT පදනම් වූ පුරෝකථන අංශ පරිපාලනය මගින් මෙම සංකල්පය වෙනස් කරයි — එය උපකරණ ආතතියේ මුල් සලකුණු හඳුනා ගෙන, විනාශකාරී අසාමාන්‍යතා වළැක්වීම සඳහා සැලසුම් කළ, නිශ්චිත සැකසුම් සිදු කිරීමට හැකියාව ලබා දෙයි.

උච්චතම මට්ටමේ විශ්ලේෂණය: PLC සම්බන්ධිත ගේට්වේ හරහා කම්පන, උෂ්ණත්වය සහ ස්නේහන නිරීක්ෂණය

සීමාව මත පදනම් වූ විශ්ලේෂණය ක්‍රමය සෑම ස්ප්‍රින්ග් යන්ත්‍රයකටම සෘජුවම සවි කර ඇති කම්පන සංවේදක, අධෝරක්ත සිසිල් කැමරා සහ ස්නේහන තත්ත්ව නිරීක්ෂකයන්ගෙන් සත්‍ය-කාලීන දත්ත ආහරණය කරයි. මෙම සංඥා ස්ථානීයව සැකසීම සඳහා ප්‍රතිස්ථාපන පාලක (PLC) සමඟ ඒකාබද්ධ වූ ගේට්වේ එකකට යොමු වේ. මෙම සැකසුම ඓතිහාසික අසාර්ථකතා රටා මත පුහුණු කර ඇති යන්ත්‍ර ඉගෙනීමේ මොඩල භාවිතයෙන් සිදු වේ. මෙම පද්ධතිය ශාෆ්ට් අසමතුලිතතාව, බෙයාරින්ග් වැඩියාව සහ තෙල් අපක්ෂය තක්සේරු කරයි—සීමාවන් ඉකුත් වීමට පෙර අනතුරු සංඥා දැක්වීම සිදු කරයි. උදාහරණයක් ලෙස, කොයිලින් ස්පින්ඩලයේ කම්පන විශාලත්වය හි 2% වැඩිවීම මෙහෙයුම් අසාර්ථකතාව පෙර 48 පැය කාලයකින් පෙරහැර කරයි. මෙය හතර පැයක අසාර්ථකතාවක් වෙනුවට පහ විනාඩි පැහැදිලි කිරීමක් සිදු කිරීමට හැකියාව ලබා දෙයි. මෙම සැම්පූර්ණ පාලන වාස්තු විද්‍යාව ඩයි ජීවිත කාලය 50% කින් වැඩි කරයි සහ අංග නඩත්තු වියදම් 65% කින් අඩු කරයි (ඩෙලොයිට්, 2023).

උස් වේගයේ බුද්ධිමත් පරීක්ෂණය සහ දෝෂයක් නොමැති සහතිකය

400 CPM ට වැඩි වේගයෙන් සිදු කරන අතින් කරන පරීක්ෂණයේ සීමාවන් සහ දෘශ්‍ය කෘතිම බුද්ධිය ඒවා ජය ගන්නේ කෙසේද

පිටු මිනිත්තුවට කුණාටු 400 ක් වැඩි වේගයෙන් යන විට, ස්වයං පරීක්ෂාව ස්වභාවිකවම විශ්වසනීය නොවේ. මිනිසුන් විසින් සිදු කරන පරීක්ෂාවේදී පරීක්ෂකයින් ඉක්මනින් ක්ලාන්ත වෙති, සුළු පෘෂ්ඨ විභේදන අත්හැරිය හැකි අතර, උත්පාදන වේගය සමඟ වැඩි වන මිනුම් වෙනස්කම් හඳුනා ගැනීමට අසමත් විය හැකිය. අධ්‍යයන වලින් පෙනී යන්නේ හුදු පරිශීලකයින් මෙම වේගයන් සමඟ දෝෂ 10% ක් දක්වා අත්හැරිය හැකි බවයි—එය අධික ප්‍රති-කාර්යය සහ වාර්ෂික වගකීම් අවදානම වැඩි කරයි. නියැදි පරීක්ෂාව හේතුවෙන් සැලකිය යුතු දෝෂ අත්හැරීමේ අවදානමක් පවතී. දෘශ්‍ය AI මෙම හිඩැස අඩු කරයි, සියලුම සෑම ස්ප්‍රින්ග් එකක්ම සම්පූර්ණ පෙළ වේගයෙන් පරීක්ෂා කරමින්. සෑම ඒකකයක්ම මිලි සෙකන්ඩු 20 කට වඩා අඩු කාලයකින් රැස් කර විශ්ලේෂණය කරමින්, මෙම පද්ධති විසින් 99% ට වැඩි දෝෂ හඳුනා ගැනීමේ නිරවද්‍යතාවක් සහ 98.5% හුදු නිශ්චිතතාවක් (2025) සපයයි. නිෂ්පාදන කෙළින් අනුමානය සිදු කිරීම හේතුවෙන්, AI මගින් සක්‍රිය කරන ලද පරීක්ෂාව සැකෙවින් සිදු වන බැත්ති මට්ටමේ ගුණත්ව පරීක්ෂාවේ ප්‍රතිබන්ධනය ඉවත් කරයි—එය අනුමත නොවන කොටස් ක්ෂණිකව ප්‍රතික්ෂේප කිරීමට සහ ශුන්‍ය-දෝෂ සහතිකය සැලසීමට හැකියාව ලබා දෙයි.

සෑම මිලි සෙකන්ඩුවකට වඩා අඩු කාලයකින් වර්ගීකරණය සඳහා ස්ප්‍රින්ග් ඡායාරූප 2.7 මිලියනයක් මත පුහුණු කරන ලද ResNet-18 වර්ගීකරණ යාන්ත්‍රිකයන්

ශුන්‍ය-තැඩි ප්‍රතිදානය විශාල පරිමාණයෙන් නිරන්තරව පවත්වා ගැනීම සඳහා, සමකාලීන ස්ප්‍රින්ග් යන්ත්‍ර වල කෙනෙක් හි කෙනෙක් හි සැකසුම් උපාංගය මත ResNet-18 ගැඹුරු ඉගෙනීමේ වර්ගීකරණ ක්‍රමයක් අඩංගු වේ. සූක්ෂ්ම-පැළෑටි, කොයිල් හැඩයේ වෙනස්වීම් සහ අනෙකුත් අපරාධ වර්ග 50 කට වැඩි විය හැකි ස්ප්‍රින්ග් රූප 2.7 මිලියනයක් මත පුහුණු වූ මෙම මෝඩලය සෑම ස්ප්‍රින්ග් එකක්ම මිලි සෙකන්ඩ 0.8 කට වඩා අඩු කාලයකින් තක්සේරු කරයි. නිෂ්පාදන පරිසරයේදී, එය 99.7% වර්ගීකරණ නිරවද්‍යතාවක් ලබා දෙන අතර අපරාධ සහිත ඒකක අතිරේකව පිටවීම 0.1% ට අඩු කරයි. මෙම අනුමානය PLC සමඟ ඒකාබද්ධ ගේට්වේ මත ස්ථානීයව ක්‍රියාත්මක වීම හේතුවෙන්, වායු මාර්ගයේ විලම්බනය වළක්වා ගැනීමට සහ අසාර්ථක ඒකක ක්ෂණිකව ප්‍රතික්ෂේප කිරීම සහතික කරයි. මෙම මෝඩලය සත්‍යාපිත ප්‍රතික්ෂේප දත්ත භාවිතයෙන් සතත් ලෙස ස්වයං-සැකසීමට සමත් වන අතර, නව අපරාධ රටා සමඟ අනුවර්තනය වේ. ප්‍රමුඛ නිෂ්පාදකයෙකු විසින් මෙම ක්‍රමය හඳුන්වා දීමෙන් පසු අපයෝජනය 38% කින් අඩු වූ අතර, පසු පිළියෙල කිරීමේ මානව පරීක්ෂණය සම්පූර්ණයෙන් අත්හැරීම සාර්ථක විය (2025).

ISO 2690 සම්මතයට අනුකූල වන මයික්‍රෝමීටර-නිරවද්‍ය අනුකූල පාලනය

පුනරාවර්තනය අහිතකර වීමේ මූලික හේතු වනුයේ සාදාරණ විචලනය සහ සර්වෝ විලම්බනයයි

සුළි යන්ත්‍රයක ව්‍යුහාත්මක ජ්‍යාමිතිය වෙනස් කරන තාප නියැදි වෙනස්වීම් ඉතා කුඩා වුවද, මාර්ගෝපදේශක ස්ථාන සහ පිරික්කීමේ ලක්ෂ්‍ය මයික්‍රෝ මීටර් කිහිපයක් පමණ වෙනස් කරයි. සර්වෝ ප්‍රතිචාර ප්‍රමාදය මෙම ගැටළුව තවදුරටත් වැඩි කරයි: විද්‍යුත් මෝටරයන් උණු වෙන විට, ඒවායේ ප්‍රතිචාර වක්‍ර වෙනස් වී සිතියම් දැමීම සහ පිච් සැකසීම ප්‍රමාද වේ. මෙම වෙනස්වීම් නිෂ්පාදන ධාවන සමූහය පුරා එකතු වී යයි, එබැවින් ±10 මයික්‍රෝ මීටරයට වඩා සියුම් සීමාවන් රැඳවීම සෘජු හසුරුවීමකින් තොරව අසැහැයි. සොයා හෙලි කිරීම් වලට අනුව, උණුසුමෙන් විස්තීර්ණ වීම පමණක් ඉහළ වේගයේ කැම්-චාලිත සුළි යන්ත්‍රවල පැයකට 0.3% මාන වෙනසක් හඳුනා දිය හැකිය (උත්පාදන ඉංජිනේරු විද්‍යාව, 2022). සත්‍ය කාලීන සංශෝධනයකින් තොරව, ISO 2690 සම්මතය සපුරා ගැනීම අසැහැයි—එසේම සුළි සිතියම් සඳහා අපාය අනුපාතය 15% ට වැඩි වේ.

ලේසර් මයික්‍රෝමීටර සහ පයිසෝ විද්‍යුත් ප්‍රතිචාර සංවේදක භාවිතයෙන් සැකසුම් පිරික්කීම

ආධුනික ස්ප්‍රින් යන්ත්‍ර වල අනුකූලී සැමියා පාර්ශ්වික සැකැසුම හරහා විචලනය ඉවත් කරයි. පිටතේ ස්ථාපිත වූ ලේසර් සූක්ෂ්ම මිනුම් යන්ත්‍රය ස්වාධීන දිග, කුණි විෂ්කම්භය සහ වයරයේ ස්ථානය සෙකන්ඩයට වරකට විඛ්‍යාත 10 කිලෝහර්ට්ස් තරම් වේගයෙන් මැනීමට සමත් වේ. මෙම විචලනයන් පාලන ඒකකයකට ඇතුළු වී පයිසෝ විද්‍යුත් ක්‍රියාකාරීන් වෙත සංඥා යැවීමට සහ උපකරණ විස්ථාපනයන් සැකසීමට මයික්‍රෝ සෙකන්ඩයෙන් දෙකක් ඇතුළත කාලයක් තුළ සමත් වේ. මෙම ගතික සංශෝධනය ශීතල වෙනස්වීම් සහ සර්වෝ පිඩියාව යන දෙකම සංශෝධනය කරයි, එම නිසා මිනුම් නිරවද්‍යතාව ±1 මයික්‍රෝමීටරය දක්වා පවත්වා ගැනීමට සමත් වේ. ඉහළ පරිමාණයේ ස්වයංචාලිත වාල්ව් ස්ප්‍රින් නිෂ්පාදන රේඛාවක මෙම පද්ධතිය මිනුම් විචලනය 82% කින් අඩු කළ අතර, 12 මාස කාලයක් පැවති පරීක්ෂණය තුළ ISO 2690 අනුරූපතාවය නොමැති වීම සම්පූර්ණයෙන් අතුරුදන් කළේය (කොයිල් ස්ප්‍රින් තාක්ෂණ, 2023). ප්‍රතිඵලය වූයේ ස්වයං-සංශෝධනය කරන ස්ප්‍රින් යන්ත්‍රයකි — එය සෑම ස්ප්‍රින් එකක්ම නිශ්චිත විශේෂාංග සපුරා ගැනීම සහතික කරයි, මිනිසුන්ගේ සෘජු සැහැල්ලු මෙහෙයුමකින් තොරව.

FAQ

ස්ප්‍රින් නිෂ්පාදනයේ දී ද්‍රව්‍ය විචලනය යනු කුමක්ද?

පාදක ද්‍රව්‍ය විචලනය යනු ස්ප්‍රිං නිෂ්පාදනය අතරතුර කුණ්ඩලිය සහ සැකෙත් අතර ඇතිවන තන්තු ශක්තිය, විෂ්කම්භය සීමාව සහ පෘෂ්ඨ තෘෂ්ණතාව වැනි ස්වාභාවික වෙනස්කම් වේ.

AI මගින් පාදක ද්‍රව්‍ය අස්ථායිතාවට අනුවර්තනය වීමට උපකාරී වන්නේ ෙසේද?

AI සංවේදක දත්ත සහ ලෝහ විද්‍යාත්මක ආකෘති භාවිතා කරමින් පාදක ද්‍රව්‍ය වෙනස්කම් සැබෑ කාලයේ හඳුනාගෙන නිෂ්පාදන සැකෙත් ස්වයංක්‍රීයව සකස් කරයි. මෙය ස්ථායි ගුණත්වය සහ අඩු විරාම කාලය සැලසීම සිදු කරයි.

IoT-ආධාරිත පූර්වානුමාන අංග රැකබලා ගැනීම යනු කුමක්ද?

IoT-ආධාරිත පූර්වානුමාන අංග රැකබලා ගැනීම සැබෑ කාලයේ සංවේදක දත්ත භාවිතා කරමින් උපකරණ තැඹිලිය හෝ පැහැර යාම පිළිබඳ මුල් සංඥා හඳුනාගෙන සැලසුම් කළ අත්දැකීම් සිදු කිරීමට සහ සැලසුම් නොකළ විරාම වළැන්නට සහය වේ.

AI-ආධාරිත ගුණත්ව පරීක්ෂණයේ හරිය කෙතරම් ද?

ResNet-18 වර්ගීකරණය භාවිතා කරන AI-ආධාරිත ගුණත්ව පරීක්ෂණ පද්ධති විසින් දෝෂ හඳුනාගැනීමේ හරිය 99% ට වැඩි වන අතර වර්ගීකරණය ඉතා වේගයෙන් සිදු වේ. මෙය දෝෂ රහිත සහතිකය සැලසීම සිදු කරයි.

ISO 2690 සම්පූර්ණත්වය යනු කුමක්ද සහ එය පවත්වා ගැනීම සිදු වන්නේ කෙසේද?

ඉසෝ 2690 සම්පූර්ණත්වය යනු ස්ප්‍රින්ග් වල ප්‍රමාණික නිරවද්‍යතාව සම්බන්ධ කෙටි මිනුම් සම්මතයයි. ලේසර් සූක්ෂ්ම මීටර සහ පයිසෝ විද්‍යුත් සැන්සර භාවිතා කරන අනුකූල තාක්ෂණ මගින් මෙම අවශ්‍යතා සපුරා ගැනීම සඳහා නිෂ්පාදනය අතරතුර ඉහළ සියුම් නිරවද්‍යතාව සහතික කරයි.