SensiML ਸਮਾਰਟ ਬਿਲਡਿੰਗ ਡਿਵਾਈਸਾਂ ਵਿੱਚ ਭਵਿੱਖਬਾਣੀ ਰੱਖ-ਰਖਾਅ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ

ਏਜੰਡਾ

ਪ੍ਰੀ-ਵਰਕ: ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਪਹਿਲਾਂ ਤੋਂ ਹੀ ਸਿਮਪਲੀਸਿਟੀ ਸਟੂਡੀਓ ਅਤੇ SensiML ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲਕਿੱਟ ਸਥਾਪਤ ਕਰ ਲਈ ਹੈ

• ਮੇਜ਼ਬਾਨ ਦੀ ਜਾਣ-ਪਛਾਣ - 5 ਮਿੰਟ
• ਲੈਬ ਲਈ ਸੰਕਲਪ ਅਤੇ ਟੀਚਾ ਪੇਸ਼ ਕਰੋ - 10 ਮਿੰਟ
• ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਕਦਮ-ਦਰ-ਕਦਮ ਪ੍ਰਕਿਰਿਆ ਦਾ "ਰੀਅਲ-ਟਾਈਮ" ਐਗਜ਼ੀਕਿਊਸ਼ਨ - 60 ਮਿੰਟ
  • ਥੰਡਰਬੋਰਡ ਸੈਂਸ 2 (TBS2) ਲਈ ਫਲੈਸ਼ SensiML ਅਨੁਕੂਲ ਡੇਟਾ ਕਲੈਕਸ਼ਨ ਫਰਮਵੇਅਰ
  • TBS2 ਨੂੰ SensiML ਡਾਟਾ ਕੈਪਚਰ ਲੈਬ ਨਾਲ ਕੌਂਫਿਗਰ ਕਰੋ ਅਤੇ ਕਨੈਕਟ ਕਰੋ
  • ਬੇਅਰ ਬੋਰਡ ਨਾਲ 'ਸਲਾਈਡ ਡੈਮੋ' ਡੇਟਾ ਕੈਪਚਰ ਕਰੋ (ਉਪਭੋਗਤਾਵਾਂ ਕੋਲ ਫੈਨ ਕਿੱਟਾਂ ਨਹੀਂ ਹੋਣਗੀਆਂ)
  • ਡਾਟਾ ਲੇਬਲ ਕਰੋ ਅਤੇ ਸੇਵ ਕਰੋ ਅਤੇ ਐੱਸample ਪ੍ਰੋਜੈਕਟ (ਹਾਲਾਂਕਿ ਅਸੀਂ ਬਾਕੀ ਦੇ ਕੋਰਸ ਲਈ ਨਹੀਂ ਵਰਤਾਂਗੇ)
  • ਵਿਸ਼ਲੇਸ਼ਣ ਸਟੂਡੀਓ ਨੂੰ ਬੁਲਾਓ (ਇਸ ਸਮੇਂ, ਉਪਭੋਗਤਾ ਪਹਿਲਾਂ ਤੋਂ ਇਕੱਠੇ ਕੀਤੇ TBS2 ਫੈਨ ਡੈਮੋ ਡੇਟਾਸੇਟ ਤੋਂ ਕੰਮ ਕਰਨਗੇ)
  • ਫੈਨ ਸਟੇਟ ਡਿਟੈਕਸ਼ਨ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਕਦਮਾਂ ਰਾਹੀਂ ਕੰਮ ਕਰੋ
  • ਇੱਕ ਗਿਆਨ ਪੈਕ ਬਣਾਓ
  • ਵਿਕਲਪਿਕ: TBS2 ਲਈ ਫਲੈਸ਼ ਮਾਡਲ
• ਸਮਾਰਟ ਬਿਲਡਿੰਗ ਐਪਲੀਕੇਸ਼ਨਜ਼ ਡੈਮੋ ਵੀਡੀਓ - 5 ਮਿੰਟ
• ਸਵਾਲ ਅਤੇ ਜਵਾਬ – 10 ਮਿੰਟ

SensiML ਜਾਣ-ਪਛਾਣ

• SensiML IoT ਕਿਨਾਰੇ 'ਤੇ AI ਲਈ ਇੱਕ B2B ਸੌਫਟਵੇਅਰ ਟੂਲ ਕੰਪਨੀ ਹੈ
  • ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਡਾਟਾ ਵਿਗਿਆਨ ਦੀ ਮੁਹਾਰਤ ਤੋਂ ਬਿਨਾਂ ਅਲਟਰਾ-ਸੰਕੁਚਿਤ ML ਸੈਂਸਰ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ
  • 10KB ਜਿੰਨਾ ਛੋਟੇ ਮਾਡਲ!
  • ਸਾਬਕਾ Intel Curie/Quark MCU AI ਸਾਫਟਵੇਅਰ ਟੂਲਸ ਟੀਮ, 2017 ਵਿੱਚ SensiML ਬਣਾਉਣ ਲਈ ਛੱਡੀ ਗਈ
• ਸਿਲੀਕਾਨ ਲੈਬਜ਼ ਅਤੇ SensiML ਹੱਲ
  • EFR32/EFM32 MCU ਪਰਿਵਾਰ ਵਿੱਚ ਪਾਵਰ ਕੁਸ਼ਲ ML ਲਿਆਉਣਾ
  • ਥੰਡਰਬੋਰਡ ਸੈਂਸ 2 ਦੇ ਨਾਲ ਰੈਪਿਡ ਸਮਾਰਟ ਆਈਓਟੀ ਐਪਲੀਕੇਸ਼ਨ ਪ੍ਰੋਟੋਟਾਈਪਿੰਗ
• SensiML ਕੋਲ ਸਥਿਰਤਾ ਅਤੇ ਵਿਸ਼ਵਵਿਆਪੀ ਸਮਰਥਨ ਹੈ
  • QuickLogic Corp ਦੁਆਰਾ 2019 ਵਿੱਚ ਪ੍ਰਾਪਤ ਕੀਤਾ; ਸੈਟਅਪ ਕਰੋ ਅਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੁਤੰਤਰ ਸੌਫਟਵੇਅਰ ਸਹਾਇਕ (ਪੋਰਟਲੈਂਡ, ਜਾਂ ਵਿੱਚ ਅਧਾਰਤ) ਵਜੋਂ ਚਲਾਓ
  • ਸਥਾਪਤ ਚੈਨਲ ਭਾਈਵਾਲ (Avnet, Future Electronics, Mouser, Shinko Shoji)
  • ਯੂਕੇ, ਯੂਐਸ, ਜਾਪਾਨ, ਤਾਈਵਾਨ, ਚੀਨ ਵਿੱਚ ਵਿਕਰੀ/ਸਹਾਇਤਾ ਦਫਤਰ

ਸਮਾਰਟ ਬਿਲਡਿੰਗਾਂ ਵਿੱਚ TinyML ਲਈ ਮੌਕੇ

ਮੌਜੂਦਾ ਸਮਾਰਟ IoT ਸੈਂਸਰ ਐਪਲੀਕੇਸ਼ਨ ਵਿਕਾਸ ਨਾਲ ਚੁਣੌਤੀਆਂ

ਕਲਾਊਡ-ਸੈਂਟ੍ਰਿਕ AI 

• ਉੱਚ ਨੈੱਟਵਰਕ ਆਵਾਜਾਈ ਲੋਡ
• ਉੱਚ ਲੇਟੈਂਸੀ
• ਘੱਟ ਨੁਕਸ ਸਹਿਣਸ਼ੀਲ
• ਡਾਟਾ ਸੁਰੱਖਿਆ ਦਾ ਅਗਿਆਤ ਖਤਰਾ
• ਗੋਪਨੀਯਤਾ ਦੀਆਂ ਚਿੰਤਾਵਾਂ

ਡੂੰਘੀ ਸਿਖਲਾਈ

• ਵੱਡੀ ਸਿਖਲਾਈ ਡਾਟਾ ਲੋੜ
• ਵੱਡਾ ਮੈਮੋਰੀ ਫੁੱਟਪ੍ਰਿੰਟ
• ਉੱਚ ਪ੍ਰੋਸੈਸਿੰਗ ਵਰਕਲੋਡ
• ਉੱਚ ਬਿਜਲੀ ਦੀ ਖਪਤ
• ਖਰਾਬ ਐਂਡਪੁਆਇੰਟ ਬੈਟਰੀ ਲਾਈਫ

ਹੈਂਡ-ਕੋਡ ਕੀਤੇ ਅੰਤ ਬਿੰਦੂ 

• ਹੌਲੀ ਅਤੇ ਕਿਰਤ-ਤੀਬਰ
• ਅਗਿਆਤ ਕੋਡ ਆਕਾਰ ਅਗਿਆਤ
• ਦੁਰਲੱਭ ਡਾਟਾ ਵਿਗਿਆਨ ਮਹਾਰਤ
• ਕੰਪਲੈਕਸ AI/ML ਕੋਡ ਲਾਇਬ੍ਰੇਰੀਆਂ
• ਮਾਪਯੋਗ/ਮੁਕਾਬਲੇਯੋਗ ਨਹੀਂ

TinyML = IoT Edge ML + AutoML

• IoT Edge ML: ਖੁਦਮੁਖਤਿਆਰ ਅੰਤ ਬਿੰਦੂ
  • ਮਾਮੂਲੀ ਨੈੱਟਵਰਕ ਥ੍ਰੋਪੁੱਟ ਅਤੇ ਲੰਬੀ ਵਾਇਰਲੈੱਸ ਬੈਟਰੀ ਲਾਈਫ
  • ਕੋਈ ਕਲਾਉਡ ਪ੍ਰੋਸੈਸਿੰਗ ਜਾਂ ਨੈੱਟਵਰਕ ਨਿਰਭਰਤਾ ਨਹੀਂ
  • ਰੀਅਲ-ਟਾਈਮ ਜਵਾਬਦੇਹੀ
• ਆਟੋਐਮਐਲ: AI ਮਹਾਰਤ ਤੋਂ ਬਿਨਾਂ ਅਨੁਕੂਲਿਤ ਕਰੋ
  • ਆਟੋ-ਓਪਟੀਮਾਈਜ਼ਰ ਪ੍ਰਦਾਨ ਕੀਤੇ ਗਏ ਡੇਟਾ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲ ਚੁਣਦਾ ਹੈ
  • ਡੂੰਘੀ ਸਿਖਲਾਈ ਰਾਹੀਂ ਕਲਾਸਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ (ML) ਅੱਪ
  • SensiML TinyML 10KB ਜਿੰਨਾ ਛੋਟੇ ਮਾਡਲ ਪੈਦਾ ਕਰਦਾ ਹੈ!
• ਹੈਂਡ-ਕੋਡਿੰਗ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ
  • ਮਾਡਲ ਕੋਡ ML ਸਿਖਲਾਈ ਡੇਟਾਸੈਟਾਂ ਤੋਂ ਸਵੈ-ਤਿਆਰ ਕੀਤਾ ਗਿਆ
  • ਮਹੀਨਿਆਂ ਦੇ ਵਿਕਾਸ ਯਤਨਾਂ, ਅਤੇ ਡਾਟਾ ਵਿਗਿਆਨ ਦੀ ਮੁਹਾਰਤ ਨੂੰ ਬਚਾਉਂਦਾ ਹੈ
  • ਡਿਵੈਲਪਰ ਆਟੋਐਮਐਲ ਕੋਡ ਦੇ ਕਿਸੇ ਵੀ ਪਹਿਲੂ ਨੂੰ ਲੋੜ ਅਨੁਸਾਰ ਬਦਲ ਸਕਦਾ ਹੈ

ਮਾਡਲ ਬਿਲਡਿੰਗ ਵਰਕਫਲੋ

ਡਾਟਾ ਕੈਪਚਰ ਕਰੋ 

• ਸਮਾਂ: ਘੰਟੇ ਤੋਂ ਹਫ਼ਤਿਆਂ ਤੱਕ* (ਐਪਲੀਕੇਸ਼ਨ ਡੇਟਾ ਇਕੱਤਰ ਕਰਨ ਦੀ ਗੁੰਝਲਤਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ)
• ਹੁਨਰ: ਡੋਮੇਨ ਮਹਾਰਤ (ਜਿਵੇਂ ਕਿ ਦਿਲਚਸਪੀ ਦੀਆਂ ਘਟਨਾਵਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਅਤੇ ਲੇਬਲ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਹੈ)

ਨੋਟ: ਅਸੀਂ ਵਰਕਸ਼ਾਪ ਲਈ ਇਸ ਕਦਮ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਪਹਿਲਾਂ ਤੋਂ ਇਕੱਠੇ ਕੀਤੇ ਕੁਝ ਡੇਟਾ ਦਾ ਲਾਭ ਉਠਾਵਾਂਗੇ

ਮਾਡਲ ਬਣਾਓ 

• ਸਮਾਂ: ਮਿੰਟ ਤੋਂ ਘੰਟਿਆਂ ਤੱਕ (ਮਾਡਲ ਕੰਟਰੋਲ ਦੀ ਡਿਗਰੀ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ)
• ਹੁਨਰ: ਕੋਈ ਨਹੀਂ (ਪੂਰਾ ਆਟੋਐਮਐਲ)
  • ਮੂਲ ML ਧਾਰਨਾਵਾਂ (ਐਡਵਾਂਸਡ UI ਟਿਊਨਿੰਗ)
  • ਪਾਈਥਨ ਪ੍ਰੋਗਰਾਮਿੰਗ (ਪੂਰੀ ਪਾਈਪਲਾਈਨ ਨਿਯੰਤਰਣ)

ਟੈਸਟ ਡਿਵਾਈਸ 

• ਸਮਾਂ: ਮਿੰਟ ਤੋਂ ਹਫ਼ਤਿਆਂ ਤੱਕ (ਐਪ ਕੋਡ ਏਕੀਕਰਣ ਲੋੜਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ)
• ਹੁਨਰ: ਕੋਈ ਨਹੀਂ (ਆਟੋ ਤਿਆਰ ਕੀਤੇ I/O ਰੈਪਰ ਕੋਡ ਨਾਲ ਬਾਈਨਰੀ ਫਰਮਵੇਅਰ)
  ਏਮਬੈਡਿੰਗ ਪ੍ਰੋਗਰਾਮਿੰਗ (ਸੇਂਸੀਐਮਐਲ ਲਾਇਬ੍ਰੇਰੀ ਦਾ ਏਕੀਕਰਣ ਜਾਂ ਉਪਭੋਗਤਾ ਕੋਡ ਨਾਲ ਸੀ ਸਰੋਤ)

ਵਰਕਸ਼ਾਪ ਦੇ ਟੀਚੇ

• SensiML ਦੀ TinyML ਟੂਲਕਿੱਟ ਅਤੇ Silicon Labs Thunderboard Sense 2 'ਤੇ ਮਾਡਲ ਬਣਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਪੇਸ਼ ਕਰੋ।
• ਡਾਟਾ-ਚਲਾਏ ਗਏ ਨਿਰੀਖਣ ਕੀਤੇ ML ਸੈਂਸਰ ਐਲਗੋਰਿਦਮ ਵਿਕਾਸ ਨਾਲ ਅਨੁਭਵ ਕਰੋ
• IoT ਮਾਡਲਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਔਨ-ਡਿਵਾਈਸ ਟੈਸਟਿੰਗ ਦੁਆਰਾ ਡਾਟਾ ਇਕੱਤਰ ਕਰਨ ਤੋਂ ਵਰਕਫਲੋ ਸਿੱਖੋ
• ਇੱਕ ਕਾਰਜਸ਼ੀਲ HVAC ਪੂਰਵ-ਅਨੁਮਾਨੀ ਰੱਖ-ਰਖਾਅ ਮਾਡਲ ਸ਼ੁਰੂ-ਤੋਂ-ਮੁਕੰਮਲ ਬਣਾਓ
• TinyML ਮਾਡਲ ਬਣਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਬਾਰੇ ਤੁਹਾਡੇ ਕੋਲ ਸਵਾਲਾਂ ਦਾ ਜਵਾਬ ਦਿਓ

ਇੱਕ ਕਾਰਜਸ਼ੀਲ HVAC ਭਵਿੱਖਬਾਣੀ ਰੱਖ-ਰਖਾਅ ਐਪਲੀਕੇਸ਼ਨ

• ਸਾਡੇ ਹੈਂਡ-ਆਨ ਹਿੱਸੇ ਦੇ ਉਦੇਸ਼ਾਂ ਲਈ, ਅਸੀਂ ਇੱਕ ਸਮਾਰਟ ਪੱਖਾ-ਨਿਗਰਾਨੀ ਯੰਤਰ ਬਣਾਉਣ ਜਾ ਰਹੇ ਹਾਂ
• ਐਚ.ਵੀ.ਏ.ਸੀ. ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਬਣਾਉਣ ਵਿੱਚ ਸਰਵ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਵਰਤੇ ਜਾਂਦੇ ਪ੍ਰਸ਼ੰਸਕ: ਬਲੋਅਰ, ਸਾਜ਼ੋ-ਸਾਮਾਨ ਦੀ ਕਿਰਿਆਸ਼ੀਲ ਕੂਲਿੰਗ, ਏਅਰ ਹੈਂਡਲਰ, ਹਵਾਦਾਰੀ ਡਕਟਿੰਗ
• ਅਸਫਲਤਾ ਜਾਂ ਗਿਰਾਵਟ ਕੁਸ਼ਲਤਾ ਦੇ ਨੁਕਸਾਨ, ਊਰਜਾ ਦੀ ਖਪਤ ਵਿੱਚ ਵਾਧਾ, HVAC ਅਸਫਲਤਾਵਾਂ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੀ ਹੈ
• ਅਸੀਂ ਇੱਕ ਸਧਾਰਨ ਨਿਗਰਾਨੀ ਯੰਤਰ ਬਣਾਵਾਂਗੇ ਜੋ ਕਈ ਆਮ ਅਤੇ ਅਸਧਾਰਨ ਪ੍ਰਸ਼ੰਸਕਾਂ ਦੀਆਂ ਸਥਿਤੀਆਂ ਦਾ ਪਤਾ ਲਗਾ ਸਕਦਾ ਹੈ:
  • ਪੱਖਾ ਬੰਦ / ਚਾਲੂ
  • ਢਿੱਲੇ ਮਾਊਂਟ
  • ਪੱਖਾ ਗਾਰਡ ਰੁਕਾਵਟ
  • ਅੰਸ਼ਕ ਜਾਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਲੌਕ ਕੀਤਾ ਹਵਾ ਦਾ ਪ੍ਰਵਾਹ
  • ਬਲੇਡ ਇਪਿੰਗਮੈਂਟ
  • ਵਾਧੂ ਵਾਈਬ੍ਰੇਸ਼ਨ

ਆਓ ਪ੍ਰਕਿਰਿਆ ਸ਼ੁਰੂ ਕਰੀਏ

ਮਾਡਲ ਬਣਾਉਣ ਲਈ "ਰੀਅਲ-ਟਾਈਮ" ਵਰਕਸ਼ਾਪ ਕਦਮ-ਦਰ-ਕਦਮ ਪ੍ਰਕਿਰਿਆ - 60 ਮਿੰਟ

• ਥੰਡਰਬੋਰਡ ਸੈਂਸ 2 (TBS2) ਲਈ ਫਲੈਸ਼ SensiML ਅਨੁਕੂਲ ਡੇਟਾ ਕਲੈਕਸ਼ਨ ਫਰਮਵੇਅਰ
• TBS2 ਨੂੰ SensiML ਡਾਟਾ ਕੈਪਚਰ ਲੈਬ ਨਾਲ ਕੌਂਫਿਗਰ ਕਰੋ ਅਤੇ ਕਨੈਕਟ ਕਰੋ
• ਬੇਅਰ ਬੋਰਡ ਨਾਲ 'ਸਲਾਈਡ ਡੈਮੋ' ਡੇਟਾ ਕੈਪਚਰ ਕਰੋ (ਉਪਭੋਗਤਾਵਾਂ ਕੋਲ ਫੈਨ ਕਿੱਟਾਂ ਨਹੀਂ ਹੋਣਗੀਆਂ)
• ਡਾਟਾ ਲੇਬਲ ਕਰੋ ਅਤੇ ਸੇਵ ਕਰੋ ਅਤੇ ਐੱਸample ਪ੍ਰੋਜੈਕਟ (ਹਾਲਾਂਕਿ ਅਸੀਂ ਬਾਕੀ ਦੇ ਕੋਰਸ ਲਈ ਨਹੀਂ ਵਰਤਾਂਗੇ)
• ਵਿਸ਼ਲੇਸ਼ਣ ਸਟੂਡੀਓ ਨੂੰ ਬੁਲਾਓ (ਇਸ ਸਮੇਂ, ਉਪਭੋਗਤਾ ਪਹਿਲਾਂ ਤੋਂ ਇਕੱਠੇ ਕੀਤੇ TBS2 ਫੈਨ ਡੈਮੋ ਡੇਟਾਸੇਟ ਤੋਂ ਕੰਮ ਕਰਨਗੇ)
• ਫੈਨ ਸਟੇਟ ਡਿਟੈਕਸ਼ਨ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਕਦਮਾਂ ਰਾਹੀਂ ਕੰਮ ਕਰੋ
• ਇੱਕ ਗਿਆਨ ਪੈਕ ਬਣਾਓ
• TBS2 ਲਈ ਫਲੈਸ਼ ਮਾਡਲ

ਡੈਮੋ ਵੀਡੀਓ

ਕਾਪੀਰਾਈਟ © 2021 SensiML ਕਾਰਪੋਰੇਸ਼ਨ। ਸਾਰੇ ਹੱਕ ਰਾਖਵੇਂ ਹਨ.

ਦਸਤਾਵੇਜ਼ / ਸਰੋਤ

SensiML ਸਮਾਰਟ ਬਿਲਡਿੰਗ ਡਿਵਾਈਸਾਂ ਵਿੱਚ ਭਵਿੱਖਬਾਣੀ ਰੱਖ-ਰਖਾਅ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ [pdf] ਹਦਾਇਤਾਂ ਸਮਾਰਟ ਬਿਲਡਿੰਗ ਡਿਵਾਈਸਾਂ, ਸਮਾਰਟ ਬਿਲਡਿੰਗ ਡਿਵਾਈਸਾਂ, ਸਮਾਰਟ ਬਿਲਡਿੰਗ ਡਿਵਾਈਸਾਂ, ਬਿਲਡਿੰਗ ਡਿਵਾਈਸਾਂ ਵਿੱਚ ਮੇਨਟੇਨੈਂਸ ਵਿੱਚ ਅਨੁਮਾਨਤ ਰੱਖ-ਰਖਾਅ ਸ਼ਾਮਲ ਕਰੋ

ਹਵਾਲੇ

• ਯੂਜ਼ਰ ਮੈਨੂਅਲ