Печалби:
- Възможност за използване на изкуствен интелект като предварителна прогноза и метод за прогнозиране (групов принос) ръководство за термофизични свойства и изискване на всяка стойност.
- Възможност за улавяне на халюцинации чрез проверка на всяка критична характеристика с надеждна база данни (DIPPR/NIST) или експеримент
- Способност да се разбере, че изборът на материал е критично за безопасността решение, което изисква данни за корозия и оторизирано одобрение.
Всяко изчисление на процеса в крайна сметка се свежда до число: плътност на течността, вискозитет, топлинен капацитет, налягане на парите, точка на кипене; резолюция; устойчивост на материала срещу корозия. Те се наричат общо термофизични свойства - физични величини, които определят топлината, потока и фазовото поведение на дадено вещество. Дестилационна колона, топлообменник или помпа са проектирани правилно само ако тези характеристики са правилни. В този модул ще научите как да използвате изкуствения интелект като инструмент за предварително прогнозиране и сравнение при прогнозиране на свойствата и избор на материали (избор на метали, уплътнения, покрития, които да издържат на условията на процеса); но ще научим защо тези стойности трябва да бъдат проверени с надеждна база данни или експеримент.
Критичната истина е следната: оценката на характеристиките е числената основа на дизайна; Грешка тук се разпространява в целия акаунт. AI може уверено да даде налягане на парите или вискозитет, но тази стойност може да е за друго съединение, може да е при грешна температура или може да е напълно халюцинационна. Така че златното правило за данните за характеристиките: всяка критична характеристика трябва да се основава на надежден източник (DIPPR, NIST, лист с данни на производителя) или експеримент.
Стъпка по стъпка AI поддръжка за предвиждане на функции
1. Каква функция ви е необходима, при какви условия? Температурата, налягането, фазата и концентрацията променят свойството. Стойността, взета без предоставяне на условието на AI, е подвеждаща.
2. Избор на метод за оценка. Ако няма експериментални данни, AI припомня подходи за прогнозиране като методи за групов принос – методи, които прогнозират свойства чрез разбиване на молекулата на нейните части и добавяне на приноса на всяка част; напр. Joback, UNIFAC — и обяснява кой е подходящ.
3. Предварителна стойност и несигурност. AI може да даде предварителна стойност, но определено в рамките на „това е прогноза, нейната несигурност е висока, проверете я“. Също така попитайте AI за типичната граница на грешка на стойността.
4. Сравнение с източника. Сравнете стойността на AI с база данни за термодинамика или лист на производителя. Ако отклонението е голямо, стойността не се използва.
5. Предварителен скрининг за съвместимост на материалите. YZ припомня известни рискове от корозия/несъвместимост за двойка течност-материал (напр. точкова корозия на неръждаема стомана в среда, съдържаща хлорид). Това е предварително предупреждение; Окончателният избор се прави чрез таблици за съвместимост и експертна оценка.
6. Филтър за разумност. Стойността има ли смисъл от гледна точка на ранг? За водата плътността около ~1000 kg/m³ ли е? Простата проверка на поръчката улавя повечето грешки.
Съвет: Когато попитате AI за стойност на характеристика, кажете „посочете източника и метода за оценка, кажете ми дали е експериментален или оценен“. Ако AI не може да цитира източник, маркирайте тази стойност като предположение и я проверете независимо.
Избор на материал: безопасност и издръжливост
Изборът на материал е както икономично, така и критично за безопасността решение. Неправилният материал може да отслабне с корозия, причинявайки спукване на съд под налягане или изтичане на токсична течност. AI може да извика списък с изходни материали и известни несъвместимости; Но комбинираните ефекти от температура, налягане, концентрация и примеси са сложни и окончателният избор се прави от инженерни данни за материалите (диаграми за съвместимост, данни за скоростта на корозия) и тестване, където е необходимо.
Внимание: AI казва "този материал е подходящ за тази течност" не е гаранция. В случай на оборудване под налягане и токсични/запалими течности, изборът на материал изисква одобрение от квалифициран инженер и проверени данни за корозия.
три мини калъфа
Случай 1 — Бързо прогнозиране. Един инженер искаше предварителна оценка на топлинния капацитет за нова смес от разтворители, за която данните бяха оскъдни в литературата. AI даде обхват чрез метода на групов принос. Инженерът направи грубо енергийно изчисление с тази предварителна стойност, след което я измери в лабораторията; измерването беше в рамките на 6% от прогнозата. Прогнозирането ускори планирането, но дизайнът премина към експериментална стойност.
Случай 2 — Уловена халюцинация. YZ дава нормалната точка на кипене на съединение като 78°C. Когато инженерът го сравни с NIST, той установи, че действителната стойност е 118°C; AI беше объркал името с друго подобно съединение. Сравнението с източник предотврати навлизането на грешка от 40°C в дизайна на колоната.
Случай 3 — Предупреждение за материал. YZ маркира избора на неръждаема стомана 304 за воден поток, съдържащ хлоридни йони, като „риск от питинг и корозионно напукване под напрежение“ и цитира по-устойчива сплав. Инженерът по материали потвърди с данни за съвместимост и избра материал с по-висока сплав. AI постави риска на дневен ред, решението беше взето с данни.
Четири копируеми шаблона
1) Предсказание на характеристики (изисква се източник):
Вашата роля: експерт по физика. Съединение: [име/формула], състояние: [T, P, фаза]. Функция, която искам: [напр. парно налягане]. Дайте: (1) експериментална стойност и ИЗТОЧНИК (DIPPR/NIST/производител), ако е наличен, (2) ако не, метод на оценка и прогнозна стойност и граница на несигурност. Ясно посочете дали е експериментално или прогнозно. Ако не можете да цитирате източник, маркирайте го като „прогноза, която се нуждае от проверка“. Не измисляйте стойността; Ако не сте сигурни, кажете ми.
2) Ръководство за метода на групов принос:
Имам съединение, за което няма експериментални данни: [структура/УСМИВКИ]. Кой метод на групово участие (Joback, UNIFAC и т.н.) е подходящ за [собственост] и защо? Обяснете стъпките на метода и необходимите групови параметри. Посочете, че резултатът е приблизителна и типична граница на грешка. Ще проверя крайната стойност с експеримент/база данни.
3) Сравнение/проверка на стойността:
По-долу са дадени стойности от различни източници за функция. Сравнете ги в таблица, изчислете отклонението и класирайте кое е по-надеждно (емпирично > оценено > прогнозирано). Ако има голямо отклонение, маркирайте възможната причина (различно състояние, различен изомер). Източници: [постави]
4) Предварителен скрининг за съвместимост на материалите:
Течност: [състав, концентрация, примеси], състояние: [T, P]. Кандидат материали: [списък]. Спомнете си известните рискове от корозия/несъвместимост (питинг, напукване под напрежение, обща корозия) за всеки. Това е ПРЕДВАРИТЕЛНО сканиране; Окончателният избор изисква данни за корозия и одобрение от оторизиран инженер. Ясно маркирайте рисковите двойки.
Слаба подкана / Силна подкана
Слаба подкана:
Какъв е вискозитетът на толуола?
Без топлина, без заваряване. AI дава число, но при какви условия и колко надеждно е то не е ясно.
Мощна подкана:
Вашата роля: експерт по физика. Динамичен вискозитет за толуен в течна фаза, 25°C, 1 atm. Дайте: стойност, единица, ИЗТОЧНИК и експериментална оценка. Ако е възможно, дайте два независими източника и заявете последователност. Ако не можете да цитирате източника, маркирайте го като предположение. Подходяща стойност. Ще проверя резултата с термодинамична база данни.
Разликата е ясна: условието, мандатът за ресурси и рамката за валидиране правят стойността достъпна.
Разпределение на ролите при решаване на характеристики и материали
бизнес
Роля на AI
Човешко решение/източник
Експериментална функция
напомняне за източника
Потвърждение на база данни
Няма данни, предполагам
Метод + по подразбиране
Валидиране на експеримент/база данни
Сравнение на стойността
Таблица, отклонение
преценка за надеждност
Материални кандидати
напомняне за риск
Данни за съответствие, одобрение
Контрол на ранга
маркиране
физическа разумност
Често срещани грешки
- Използване на стойност без източник. Всяка критична характеристика, дадена от AI, се потвърждава от базата данни/експеримента.
- Без да се посочва състоянието. Стойността, взета без посочване на температура/налягане/фаза, може да принадлежи на грешно състояние.
- Погрешно приемане на прогнозната стойност за емпирична. Прогнозите за приноса на групата са несигурни; Вземете това предвид при проектирането.
- Извършване на избор на материал с потвърждение от едно изречение. Корозията е многовариантна; необходими данни и потвърждение.
- Заобикаляне на проверката за ранг. Просто „този номер има ли смисъл?“ контролът улавя повечето халюцинации.
В обобщение
AI в имуществени и материални прогнози; Това е мощен помощник, който генерира предварителни стойности, напомня ви за метода на оценка, сравнява стойностите на ресурсите и маркира съществени рискове. Но всяка критична характеристика трябва да се основава на надеждна база данни или експеримент; Изборът на материал е критично за безопасността решение, което изисква данни за корозия и одобрение от оторизиран инженер. AI предоставя прогнози и предупреждения; Инженерът се свързва с източника, проверява и избира.
Задача за приложение
Изберете съединение и свойство (напр. налягане на парите на разтворител, 40°C). Вземете стойността и нейния източник от AI с шаблона „Предвиждане на атрибут (необходим ресурс)“; след това го сравнете с термодинамична база данни и отбележете отклонението. След това използвайте шаблона „предварителен скрининг за съвместимост на материала“ за двойка течност-материал и потвърдете произтичащите рискове с диаграма за съвместимост.
контролен списък
- Исках функцията [ ] заедно с условието (T, P, фаза).
- [ ] Сравних стойността, дадена от AI с надеждна база данни/експеримент.
- [ ] Разграничих прогнозните стойности от експерименталните и отбелязах несигурността.
- [ ] Проверих избора на материал с данни за корозия и оторизирано одобрение.
- [ ] Приложих проверка за ранг/правдоподобност към всяко критично число.