
2026-01-10
جب لوگ اے آئی اور استحکام کے بارے میں بات کرتے ہیں تو ، گفتگو اکثر سیدھے مستقبل کے نظارے کی طرف چھلانگ لگاتی ہے: خود مختار گرڈ ، خود کو بہتر بنانے والے شہر۔ اصل مینوفیکچرنگ کی خندقوں میں ، حقیقت زیادہ حوصلہ افزائی اور بڑھتی ہوئی ہے۔ اصل فروغ انسانوں کو روبوٹ سے تبدیل کرنے کے بارے میں نہیں ہے۔ یہ ان نظاموں میں فیصلہ سازی کو بڑھانے کے بارے میں ہے جو بدنام زمانہ بیکار اور مبہم ہیں۔ غلط فہمی یہ ہے کہ استحکام صرف کم توانائی کے استعمال کے بارے میں ہے۔ یہ گہرا ہے - یہ خام مال سے لے کر لاجسٹکس تک سیسٹیمیٹک ریسورس انٹیلیجنس کے بارے میں ہے ، اور یہی وہ جگہ ہے جہاں مشین لرننگ ماڈل ، نہ صرف عام AI ، خاموشی سے کھیل کو تبدیل کر رہے ہیں۔
آپ جس چیز کی پیمائش نہیں کرسکتے اس کا انتظام نہیں کرسکتے ہیں ، اور برسوں سے ، صنعتی استحکام کا اندازہ تھا۔ ہمارے پاس توانائی کے بل تھے ، ہاں ، لیکن پروڈکشن لائن 3 پر کسی خاص بیچ میں کھپت میں اضافے کا تعلق رکھنا اکثر ناممکن تھا۔ پہلا ، غیر متزلزل اقدام سینسر پھیلاؤ اور ڈیٹا کی تاریخی تاریخ ہے۔ میں نے ایسے پودوں کو دیکھا ہے جہاں میراثی کمپریسر سسٹم پر سادہ کمپن اور تھرمل سینسر نصب کرتے ہوئے چکولک نااہلیوں کا انکشاف ہوا جس نے ان کی پاور ڈرا کا 15 فیصد ضائع کیا۔ اے آئی بوسٹ یہاں شروع ہوتا ہے: توانائی اور مادی بہاؤ کی اعلی مخلص ڈیجیٹل جڑواں تشکیل دینا۔ اس فاؤنڈیشن کے بغیر ، کسی بھی استحکام کا دعوی صرف مارکیٹنگ ہے۔
یہ پلگ اینڈ پلے نہیں ہے۔ سب سے بڑی رکاوٹ ڈیٹا سیلوس ہے۔ پیداوار کا ڈیٹا MES میں ، کسی دوسرے سسٹم میں معیاری ڈیٹا ، اور یوٹیلیٹی میٹر سے توانائی کے اعداد و شمار میں بیٹھتا ہے۔ وقت کی ہم آہنگی کا نظارہ حاصل کرنا ایک ڈراؤنا خواب ہے۔ کسی بھی ماڈل کی تربیت سے قبل ہم نے ایک پروجیکٹ پر مہینوں کو ڈیٹا پائپ لائن بنانے میں صرف کیا۔ کلید ایک فینسی الگورتھم نہیں تھی ، بلکہ ایک مضبوط ڈیٹا اونٹولوجی تھی - ہر ڈیٹا پوائنٹ کو سیاق و سباق (مشین ID ، پروسیس مرحلہ ، پروڈکٹ SKU) کے ساتھ جوڑتا ہے۔ یہ گرانولریٹی وہی ہے جو بعد میں بامقصد استحکام کے تجزیے کی اجازت دیتی ہے۔
ایک فاسٹنر مینوفیکچر پر غور کریں ، جیسے ہینڈن زیتائی فاسٹنر مینوفیکچرنگ کمپنی ، لمیٹڈ. ان کے عمل میں مہر ثبت ، تھریڈنگ ، حرارت کا علاج ، اور چڑھانا شامل ہے۔ ہر مرحلے میں توانائی کے مختلف پروفائلز اور مادی پیداوار ہوتی ہے۔ ان کی بھٹیوں اور چڑھانے والے حماموں کو آلہ سازی کرکے ، وہ ماہانہ یوٹیلیٹی اوسط سے فی کلوگرام آف آؤٹ پٹ انرجی لاگت میں جاسکتے ہیں۔ یہ بیس لائن اہم ہے۔ یہ کارپوریٹ کے پی آئی سے استحکام کو ایک پروڈکشن لائن متغیر میں بدل دیتا ہے جسے فرش مینیجر حقیقت میں متاثر کرسکتا ہے۔
ٹائم ٹائم سے گریز کرنے کے ساتھ اس آغاز پر زیادہ تر گفتگو۔ استحکام کا زاویہ زیادہ مجبور ہے: تباہ کن ناکامی توانائی اور مواد کو ضائع کرتی ہے۔ ایک اعلی ٹارک اسٹیمپنگ پریس میں ناکام اثر صرف نہیں ٹوٹتا ہے۔ یہ ہفتوں تک غلط فہمی کا سبب بنتا ہے ، جس کی وجہ سے آف اسپیک پرزے (مادی فضلہ) اور بجلی کی قرعہ اندازی میں اضافہ ہوتا ہے۔ ہم نے موٹر سے چلنے والے نظاموں کے لئے ایک کمپن تجزیہ ماڈل نافذ کیا جس نے صرف ناکامی کی پیش گوئی نہیں کی ، لیکن سب سے زیادہ کارکردگی کی ریاستوں کی نشاندہی کی۔ یہ ٹھیک ٹھیک حصہ ہے۔ ماڈل نے ایک پمپ کو پرچم لگایا جو ابھی تک چل رہا تھا لیکن اس نے 8 فیصد کارکردگی کو کھو دیا تھا ، یعنی یہ کام کرنے کے لئے زیادہ موجودہ ڈرائنگ کر رہا تھا۔ اس کو ٹھیک کرنے سے توانائی کی بچت ہوئی اور موٹر کی زندگی کو بڑھایا ، جس سے مجسم کاربن کو متبادل سے کم کیا گیا۔
ناکامی یہ فرض کر رہی تھی کہ تمام سامان کو ایک ہی نگرانی کی ضرورت ہے۔ ہم نے ایک پوری اسمبلی لائن کو زیادہ نقل کیا ، جو مہنگا تھا اور شور کا ڈیٹا تیار کیا گیا تھا۔ ہم نے سرجیکل بننا سیکھا: اعلی توانائی کے صارفین اور اہم معیار کے نوڈس پر توجہ دیں۔ زیتائی جیسی کمپنی کے لئے ، جس کے بڑے نقل و حمل کے راستوں جیسے بیجنگ-گونگزو ریلوے کے قریب لاجسٹکس کی کارکردگی پر توجہ مرکوز کرتی ہے ، جس سے اپنے HVAC اور کمپریسڈ ایئر سسٹم میں اسی طرح کی پیش گوئی کرنے والے ماڈل کا اطلاق ہوتا ہے-اکثر پلانٹ کی سب سے بڑی توانائی کی نالیوں کو-براہ راست کاربن کی بچت حاصل ہوگی۔ زیتائی فاسٹنرز ویب سائٹ ان کے پروڈکشن پیمانے کو اجاگر کرتی ہے۔ اس حجم میں ، ہوا کے بہاؤ کے ماڈل کے ذریعہ شناخت کردہ کمپریسڈ ہوا کے رساو میں 2 ٪ کمی ، بڑے پیمانے پر مالی اور ماحولیاتی منافع میں ترجمہ کرتی ہے۔
یہاں بھی ایک ثقافتی تبدیلی ہے۔ کسی ایسے حصے کو تبدیل کرنے کے لئے ماڈل کی سفارش جو ٹھیک نظر آتی ہے اس کے لئے اعتماد کی ضرورت ہوتی ہے۔ بحالی ٹیموں سے خریداری حاصل کرنے کے لئے ہمیں کلو واٹ اور ڈالر میں متوقع توانائی کے فضلے کو دکھاتے ہوئے سادہ ڈیش بورڈز بنانا پڑا۔ یہ تقویت اپنانے کے لئے بہت ضروری ہے۔
روایتی عمل کنٹرول ایک مقررہ نقطہ کو برقرار رکھنے کے لئے پی آئی ڈی لوپ کا استعمال کرتا ہے ، جیسے فرنس کا درجہ حرارت۔ لیکن دیئے گئے بیچ کے لئے زیادہ سے زیادہ سیٹ پوائنٹ کیا ہے؟ اس کا انحصار محیط نمی ، خام مال کی کھوٹ کی مختلف حالتوں ، اور مطلوبہ تناؤ کی طاقت پر ہے۔ مشین لرننگ ماڈل متحرک طور پر اس کو بہتر بناسکتے ہیں۔ گرمی کے علاج کے عمل میں ، ہم نے کم سے کم درجہ حرارت کے ریمپ کو تلاش کرنے کے لئے ایک کمک سیکھنے کا ماڈل استعمال کیا اور میٹالرجیکل چشمیوں کو حاصل کرنے کے لئے درکار وقت کو بھگا دیا۔ اس کا نتیجہ ہر بیچ میں قدرتی گیس کی کھپت میں 12 فیصد کمی تھی ، جس میں معیار پر کوئی سمجھوتہ نہیں کیا گیا تھا۔
کیچ؟ آپ کو اجر کی تقریب کو احتیاط سے بیان کرنے کی ضرورت ہے۔ ابتدائی طور پر ، ہم نے مکمل طور پر توانائی کے ل optim بہتر بنایا ، اور ماڈل نے کم درجہ حرارت کی تجویز پیش کی جس نے نادانستہ طور پر بعد کے چڑھانا کے مراحل میں سنکنرن کی شرحوں میں اضافہ کیا - ماحولیاتی بوجھ کو بدلتے ہوئے۔ ہمیں ایک کثیر مقصدی اصلاح کا فریم ورک ، توازن توانائی ، مادی پیداوار ، اور بہاو عمل کی عملداری کو اپنانا تھا۔ یہ جامع نظریہ حقیقی صنعتی استحکام کا جوہر ہے۔ یہ دوسرے کے خرچ پر ایک علاقے کو ذیلی اصلاح کرنے سے گریز کرتا ہے۔
معیاری حصوں کی پیداوار کی بنیاد کے لئے ، ہزاروں ٹن آؤٹ پٹ میں اس طرح کی اصلاح وہ جگہ ہے جہاں میکرو اثر پڑتا ہے۔ یہ بوائلر کے کمرے سے استحکام کو مینوفیکچرنگ کی بنیادی ترکیب میں منتقل کرتا ہے۔
یہیں سے اے آئی کی صلاحیت وسیع اور مایوس کن محسوس کرتی ہے۔ ایک فیکٹری ہائپر موثر ہوسکتی ہے ، لیکن اگر اس کی سپلائی چین بیکار ہے تو ، خالص فائدہ محدود ہے۔ اے آئی ذہین روٹنگ اور انوینٹری کی پیش گوئی کے ذریعے یہاں استحکام کو بڑھاتا ہے۔ ہم نے خام اسٹیل کنڈلی کے لئے ان باؤنڈ لاجسٹکس کو بہتر بنانے کے لئے ایک پروجیکٹ پر کام کیا۔ سپلائر مقامات ، پیداوار کے نظام الاوقات اور ٹریفک کے اعداد و شمار کا تجزیہ کرکے ، ایک ماڈل نے ڈلیوری ونڈوز تیار کیا جس نے ٹرک کے بیکار وقت کو کم سے کم کیا اور مکمل بوجھ کی اجازت دی۔ اس نے کارخانہ دار اور سپلائر دونوں کے لئے اسکوپ 3 کے اخراج کو کم کردیا۔
مایوسی ڈیٹا شیئرنگ سے حاصل ہوتی ہے۔ سپلائی کرنے والے اکثر حقیقی وقت کی صلاحیت یا مقام کے ڈیٹا کو بانٹنے سے گریزاں ہوتے ہیں۔ پیشرفت زیادہ پیچیدہ الگورتھم کے ساتھ نہیں آئی ، بلکہ ایک سادہ بلاکچین پر مبنی لیجر (اجازت نامہ ، کریپٹو نہیں) کے ساتھ آئی جس نے ملکیتی تفصیلات کو بے نقاب کیے بغیر وعدوں کو لاگ ان کیا۔ اعتماد ، ایک بار پھر ، رکاوٹ ہے۔
ہینڈن زیتائی فاسٹنر مینوفیکچرنگ کمپنی ، لمیٹڈبڑی شاہراہوں اور ریل لائنوں سے متصل ’اسٹریٹجک مقام ایک قدرتی لاجسٹک اثاثہ ہے۔ ایک AI- ڈرائیونگ سسٹم متحرک طور پر احکامات کو مستحکم کرنے اور فوری طور پر کم سے کم کاربن ٹرانسپورٹ موڈ (ریل بمقابلہ ٹرک) کا انتخاب کرکے آؤٹ باؤنڈ لاجسٹکس کو بہتر بنا سکتا ہے ، جس میں اس جغرافیائی فائدہ کو فائدہ اٹھایا جاسکتا ہے تاکہ جغرافیائی فائدہ ہو تاکہ اس کے کاربن کے ہر شپمنٹ کو کم سے کم کیا جاسکے۔
استحکام کا سب سے براہ راست راستہ کم مواد استعمال کرنا اور کم فضلہ پیدا کرنا ہے۔ معیار کے معائنہ کے لئے کمپیوٹر وژن عام ہے ، لیکن اس کا استحکام سے لنک گہرا ہے۔ ابتدائی طور پر پائے جانے والے خامی کا مطلب ہے کہ کسی حصے کو دوبارہ کام کیا جاسکتا ہے یا پلانٹ میں ری سائیکل کیا جاسکتا ہے ، اسے کسی صارف کو بھیجنے کی توانائی کی لاگت سے گریز کیا جاسکتا ہے ، مسترد ہوجاتا ہے ، اور واپس بھیج دیا جاسکتا ہے۔ مزید اعلی درجے کی پیداوار کے دوران سپیکٹرمل تجزیہ کا استعمال معیار کی پیش گوئی کے لئے ہے ، جس سے ریئل ٹائم عمل میں ایڈجسٹمنٹ کی جاسکتی ہے۔ ہم نے اسے ایک چڑھانا لائن میں دیکھا: ایک XRF تجزیہ کار نے ایک ایسے ماڈل میں ڈیٹا کھلایا جس میں چڑھانا غسل کیمسٹری کو کنٹرول کیا جاتا ہے ، جس سے بھاری دھات کے استعمال اور کیچڑ کے فضلہ کو 20 ٪ سے کم کیا جاتا ہے۔
پھر سرکلر معیشت کا زاویہ ہے۔ AI ری سائیکلنگ کے لئے مادی چھانٹنے کی سہولت فراہم کرسکتا ہے۔ دھات کے فاسٹنرز کے لئے ، زندگی کے آخر میں چھانٹنا ایک چیلنج ہے۔ ہم نے ہائپر اسپیکٹرل امیجنگ اور ایک سی این این کا استعمال کرتے ہوئے ایک سسٹم کو پائلٹ کیا تاکہ خود بخود جستی اسٹیل سکریپ سے سٹینلیس کو ترتیب دیا جاسکے ، جس سے ری سائیکل فیڈ اسٹاک کی پاکیزگی اور قیمت میں اضافہ ہوتا ہے۔ اس سے مادی لوپ کو معاشی طور پر قابل عمل قرار دیا جاتا ہے۔
ایک اہم پیداوار کی بنیاد کے لئے ، اس معیار کی ذہانت کو مربوط کرنا معیاری حصہ مینوفیکچرنگ چین کا مطلب ہے کم کنواری مواد نکالا گیا اور کم فضلہ لینڈ فل پر بھیج دیا گیا۔ یہ لاگت کے مرکز سے کوالٹی کنٹرول کو بنیادی استحکام ڈرائیور میں تبدیل کرتا ہے۔
اس میں سے کوئی بھی لوگوں کے بغیر کام نہیں کرتا ہے۔ میں نے سب سے بڑی ناکامی کا مشاہدہ کیا تھا وہ لائٹس آؤٹ آپٹیمائزیشن پروجیکٹ تھا جسے انجینئرز نے خلا میں ڈیزائن کیا تھا۔ ماڈلز شاندار تھے ، لیکن انہوں نے آپریٹرز کے متنازعہ علم کو نظرانداز کیا جو جانتے تھے کہ مشین 4 مرطوب دوپہر کے وقت گرم چلتی ہے۔ نظام ناکام ہوگیا۔ کامیابی اس وقت ہوئی جب ہم نے ہائبرڈ ایڈوائزری سسٹم بنائے۔ ماڈل ایک مقررہ نقطہ کی تجویز کرتا ہے ، لیکن آپریٹر اس تاثرات سے سیکھنے کے نظام کے ساتھ اسے منظور ، مسترد یا ایڈجسٹ کرسکتا ہے۔ اس سے اعتماد پیدا ہوتا ہے اور انسانی بدیہی کا فائدہ اٹھاتا ہے۔
عمل درآمد ایک میراتھن ہے۔ اس کے لئے ڈیٹا انفراسٹرکچر بنانے کے لئے صبر کی ضرورت ہوتی ہے ، کسی ایک پروسیس لائن کے ساتھ شروع کرنے کے لئے عاجزی ، اور کراس فنکشنل ٹیمیں جو او ٹی ، آئی ٹی اور پائیداری کی مہارت کو مل جاتی ہیں۔ مقصد ایک چمکدار AI سے چلنے والی پریس ریلیز نہیں ہے۔ یہ سیکڑوں چھوٹی چھوٹی اصلاحات کا غیر متزلزل ، مجموعی اثر ہے: یہاں ایک بھٹی سے کچھ ڈگری منڈوا دی گئی ، وہاں ٹرک کا راستہ مختصر ہوگیا ، سکریپ کا ایک بیچ اس سے گریز کیا۔ اسی طرح اے آئی حقیقی طور پر صنعتی استحکام کو فروغ دیتا ہے۔
تعارف۔
Rainbow Inc. اپنے صارفین کی طرف سے فراہم کردہ تمام ذاتی معلومات کی رازداری کی حفاظت کی اہمیت کو تسلیم کرتا ہے، بشمول www.rainbow-inkjet.com اور دیگر Rainbow Inc. سے منسلک ویب سائٹس (مجموعی طور پر "Rainbow Inc. سائٹس")۔ ہم نے مندرجہ ذیل پالیسی رہنما خطوط اپنے صارفین کے رازداری کے حق کے بنیادی احترام کے ساتھ بنائے ہیں اور کیونکہ ہم اپنے صارفین کے ساتھ اپنے تعلقات کو اہمیت دیتے ہیں۔ Rainbow Inc. سائٹس پر آپ کا دورہ اس رازداری کے بیان اور ہماری آن لائن شرائط و ضوابط سے مشروط ہے۔
تفصیل
یہ رازداری کا بیان ان معلومات کی اقسام کی وضاحت کرتا ہے جو ہم جمع کرتے ہیں اور ہم اس معلومات کو کیسے استعمال کر سکتے ہیں۔ ہمارا رازداری کا بیان ان اقدامات کی بھی وضاحت کرتا ہے جو ہم اس معلومات کی حفاظت کے لیے اٹھاتے ہیں اور ساتھ ہی ساتھ آپ اپنی رابطہ کی معلومات کو اپ ڈیٹ کرنے کے لیے ہم تک کیسے پہنچ سکتے ہیں۔
زائرین سے براہ راست جمع ذاتی ڈیٹا۔
Rainbow Inc. ذاتی معلومات جمع کرتا ہے جب: آپ ہمیں سوالات یا تبصرے بھیجتے ہیں۔ آپ معلومات یا مواد کی درخواست کرتے ہیں؛ آپ وارنٹی یا پوسٹ وارنٹی سروس اور سپورٹ کی درخواست کرتے ہیں۔ آپ سروے میں حصہ لیتے ہیں؛ اور دوسرے ذرائع سے جو خاص طور پر Rainbow Inc. سائٹس پر یا آپ کے ساتھ ہمارے خط و کتابت میں فراہم کیے جا سکتے ہیں۔
ذاتی ڈیٹا کی قسم۔
صارف سے براہ راست جمع کی جانے والی معلومات میں آپ کا نام، آپ کی کمپنی کا نام، جسمانی رابطے کی معلومات، پتہ، بلنگ اور ترسیل کی معلومات، ای میل پتہ، آپ جو پروڈکٹس استعمال کرتے ہیں، آبادیاتی معلومات جیسے آپ کی عمر، ترجیحات، اور دلچسپیاں اور آپ کی مصنوعات کی فروخت یا تنصیب سے متعلق معلومات شامل ہو سکتی ہیں۔
غیر ذاتی ڈیٹا خود بخود جمع ہوتا ہے۔
ہم Rainbow Inc. سائٹس اور خدمات کے ساتھ آپ کے تعامل کے بارے میں معلومات جمع کر سکتے ہیں۔ مثال کے طور پر، ہم آپ کے براؤزر سے معلومات حاصل کرنے کے لیے اپنی سائٹ پر ویب سائٹ کے تجزیاتی ٹولز کا استعمال کر سکتے ہیں، بشمول آپ جس سائٹ سے آئے ہیں، سرچ انجن اور مطلوبہ الفاظ جو آپ ہماری سائٹ کو تلاش کرنے کے لیے استعمال کرتے ہیں، اور وہ صفحات جو آپ ہماری سائٹ میں دیکھتے ہیں۔ مزید برآں، ہم کچھ معیاری معلومات جمع کرتے ہیں جو آپ کا براؤزر آپ کی ہر ویب سائٹ کو بھیجتا ہے، جیسے کہ آپ کا IP ایڈریس، براؤزر کی قسم، صلاحیتیں اور زبان، آپ کا آپریٹنگ سسٹم، رسائی کے اوقات اور حوالہ دینے والے ویب سائٹ کے پتے۔
اسٹوریج اور پروسیسنگ۔
ہماری ویب سائٹس پر جمع کردہ ذاتی ڈیٹا کو ریاستہائے متحدہ میں ذخیرہ اور اس پر عملدرآمد کیا جا سکتا ہے جس میں رینبو انکارپوریشن یا اس کے ملحقہ ادارے، جوائنٹ وینچرز، یا تھرڈ پارٹی سروسرز سہولیات کو برقرار رکھتے ہیں۔
خدمات اور لین دین۔
ہم آپ کا ذاتی ڈیٹا خدمات فراہم کرنے یا آپ کی درخواست کردہ لین دین کو انجام دینے کے لیے استعمال کرتے ہیں، جیسے کہ Rainbow Inc. کی مصنوعات اور خدمات کے بارے میں معلومات فراہم کرنا، آرڈرز پر کارروائی کرنا، کسٹمر سروس کی درخواستوں کا جواب دینا، ہماری ویب سائٹس کے استعمال میں سہولت فراہم کرنا، آن لائن شاپنگ کو فعال کرنا، وغیرہ۔ Rainbow Inc. کے ساتھ تعامل میں آپ کو مزید مستقل تجربہ پیش کرنے کے لیے، ہماری ویب سائٹس کے ذریعے جمع کی گئی معلومات کو ہم دوسرے ذرائع سے جمع کردہ معلومات کے ساتھ ملایا جا سکتا ہے۔
مصنوعات کی ترقی.
ہم پروڈکٹ ڈیولپمنٹ کے لیے ذاتی اور غیر ذاتی ڈیٹا استعمال کرتے ہیں، بشمول آئیڈیا جنریشن، پروڈکٹ ڈیزائن اور بہتری، ڈیٹیل انجینئرنگ، مارکیٹ ریسرچ اور مارکیٹنگ کے تجزیہ جیسے عمل کے لیے۔
ویب سائٹ کی بہتری۔
ہم ذاتی اور غیر ذاتی ڈیٹا کو اپنی ویب سائٹس (بشمول ہمارے حفاظتی اقدامات) اور متعلقہ مصنوعات یا خدمات کو بہتر بنانے کے لیے استعمال کر سکتے ہیں، یا آپ کو ایک ہی معلومات کو بار بار داخل کرنے کی ضرورت کو ختم کر کے یا اپنی مخصوص ترجیحات یا دلچسپیوں کے مطابق اپنی ویب سائٹس کو اپنی مرضی کے مطابق بنا کر اپنی ویب سائٹس کو آسان بنانے کے لیے استعمال کر سکتے ہیں۔
مارکیٹنگ کمیونیکیشنز۔
ہم آپ کے ذاتی ڈیٹا کا استعمال آپ کو Rainbow Inc کی جانب سے دستیاب پروڈکٹس یا خدمات کے بارے میں بتانے کے لیے کر سکتے ہیں۔ جب وہ معلومات جمع کرتے ہیں جو ہماری مصنوعات اور خدمات کے بارے میں آپ سے رابطہ کرنے کے لیے استعمال کی جا سکتی ہیں، ہم اکثر آپ کو اس طرح کی مواصلتیں حاصل کرنے سے آپٹ آؤٹ کرنے کا موقع دیتے ہیں۔ مزید یہ کہ، آپ کے ساتھ ہماری ای میل کمیونیکیشنز میں ہم ایک اَن سبسکرائب لنک شامل کر سکتے ہیں جو آپ کو اس قسم کے مواصلت کو روکنے کی اجازت دیتا ہے۔ اگر آپ رکنیت ختم کرنے کا انتخاب کرتے ہیں، تو ہم آپ کو 15 کاروباری دنوں کے اندر متعلقہ فہرست سے ہٹا دیں گے۔
سیکورٹی.
Rainbow Inc. کارپوریشن ہمارے سامنے ظاہر کی گئی ذاتی معلومات کو محفوظ رکھنے کے لیے مناسب احتیاطی تدابیر کا استعمال کرتی ہے۔ غیر مجاز رسائی کو روکنے، ڈیٹا کی درستگی کو برقرار رکھنے، اور معلومات کے درست استعمال کو یقینی بنانے کے لیے، ہم نے آپ کی ذاتی معلومات کی حفاظت اور حفاظت کے لیے مناسب جسمانی، الیکٹرانک اور انتظامی طریقہ کار وضع کیے ہیں۔ مثال کے طور پر، ہم کمپیوٹر سسٹمز پر حساس ذاتی ڈیٹا کو محدود رسائی کے ساتھ ذخیرہ کرتے ہیں جو ان سہولیات میں واقع ہیں جہاں تک رسائی محدود ہے۔ جب آپ کسی ایسی سائٹ کے ارد گرد گھومتے ہیں جس میں آپ نے لاگ ان کیا ہے، یا ایک سائٹ سے دوسری سائٹ پر جو ایک ہی لاگ ان میکانزم کا استعمال کرتی ہے، تو ہم آپ کی مشین پر رکھی ہوئی ایک انکرپٹڈ کوکی کے ذریعے آپ کی شناخت کی تصدیق کرتے ہیں۔ بہر حال، Rainbow Inc. Corporation ایسی کسی بھی معلومات یا طریقہ کار کی حفاظت، درستگی یا مکمل ہونے کی ضمانت نہیں دیتا ہے۔
انٹرنیٹ
انٹرنیٹ کے ذریعے معلومات کی ترسیل مکمل طور پر محفوظ نہیں ہے۔ اگرچہ ہم آپ کی ذاتی معلومات کی حفاظت کے لیے اپنی پوری کوشش کرتے ہیں، لیکن ہم اپنی ویب سائٹ پر منتقل ہونے والی آپ کی ذاتی معلومات کی حفاظت کی ضمانت نہیں دے سکتے۔ ذاتی معلومات کی کوئی بھی ترسیل آپ کے اپنے خطرے پر ہے۔ ہم Rainbow Inc. سائٹس پر موجود کسی بھی رازداری کی ترتیبات یا حفاظتی اقدامات کو روکنے کے ذمہ دار نہیں ہیں۔
اگر آپ کے پاس اس رازداری کے بیان، آپ کے ذاتی ڈیٹا کی ہماری ہینڈلنگ، یا قابل اطلاق قانون کے تحت آپ کے رازداری کے حقوق کے بارے میں سوالات ہیں، تو براہ کرم ذیل کے پتے پر بذریعہ ڈاک ہم سے رابطہ کریں۔
Rainbow Inc.
توجہ: کیتھرین ٹین
شامل کریں: No.1658 Husong Road، شنگھائی، چین۔
بیان کی تازہ ترین معلومات
نظرثانی۔
Rainbow Inc. وقتا فوقتا اس رازداری کے بیان میں ترمیم کرنے کا حق محفوظ رکھتا ہے۔ اگر ہم اپنے رازداری کے بیان کو تبدیل کرنے کا فیصلہ کرتے ہیں، تو ہم نظر ثانی شدہ بیان کو یہاں پوسٹ کریں گے۔
تاریخ
اس رازداری کے بیان میں آخری بار 7 ستمبر 2022 کو ترمیم کی گئی تھی۔