Печалби:
- Способност за правилно конструиране на оптимизационния проблем с целева функция, променливи за вземане на решения и ограничения и генериране на сценарии и идеи с изкуствен интелект
- Разбиране на важността на пълното дефиниране на ограниченията и възможността за допълнително тестване на математическия оптимум по отношение на сигурността и приложимостта.
- Разбиране, че ограничението за сигурност е лимит, който не подлежи на обсъждане и не може да бъде заменен за ефективност.
Даден процес може да "тече", но работи ли "оптимално"? Има ли начин да се произведе същия продукт с по-малко енергия, по-висока ефективност и по-ниска цена? Полето, което преследва тези въпроси, е оптимизацията на процеса - коригиране на променливите на процес за оптимизиране на цел при определени ограничения. Оптимизацията винаги е въпрос на баланс: поддържане на чистота при намаляване на енергията, запазване на безопасността и разходите при увеличаване на ефективността. В този модул ще научите как да използвате изкуствения интелект като помощ при формулиране на проблема с оптимизацията, сравняване на сценарии и генериране на идеи за подобрение; но ще научим защо всяко предложено "подобрение" трябва да бъде проверено чрез симулация, безопасност и икономика.
При оптимизацията постоянно се сблъсквате с три понятия. Целева функция (целева функция - количеството, което трябва да се оптимизира; например общи разходи за енергия), променливи за вземане на решения (регулируеми количества; температура, налягане, скорост на обратен хладник) и ограничения (граници, които не трябва да се превишават; чистота на продукта, граница на безопасност, капацитет на оборудването). Една добра оптимизация ясно дефинира тези три. AI е мощен точно на този етап на идентифициране и генериране на опции.
Стъпка по стъпка поддръжка на AI при оптимизиране
1. Формулирайте правилно проблема. Питам AI "какво искам да оптимизирам, какво мога да променя, какво никога не мога да надмина?" получи отговор на въпросите си. Изясняването на целта, променливите и ограниченията е половината от работата.
2. Открийте влиянието на променливите. AI създава хипотези за това коя променлива може да има по-голямо въздействие върху целта (чувствителност). Това са идеи, които трябва да бъдат тествани със симулация.
3. Идеи за термична интеграция. AI напомня на класическите енергоспестяващи подходи като оползотворяване на отпадна топлина (анализ на щипка — метод, който намира теоретичната граница на оползотворяване на топлина в процеса). Вие преценявате осъществимостта.
4. Правене на видими компромиси. AI пита "ако намалите енергията с 10%, как ще се отрази чистотата, каква ще бъде цената?" Той очертава компромиси като. Числата трябва да идват от симулацията; AI изгражда рамката.
5. Чернова на оптимизационен код. AI пише чернова на Python оптимизационен скрипт (напр. scipy.optimize); установява целевата функция, ограниченията и решаващия инструмент. Вие проверявате кода и резултата.
6. Филтър за сигурност и разумност. Предложеният оптимум в границите на безопасност ли е? Физически осъществимо ли е? Тази окончателна преценка е ваша.
Съвет: Най-често забравяното нещо при оптимизацията са ограниченията. Напишете ясно ограниченията за сигурност и качество, когато давате проблема на AI; в противен случай AI може да предложи оптимум, който е „страхотен“ на хартия, но всъщност е опасен или разрушителен за продукта.
„Оптимум“ не е препоръка, а хипотеза, която трябва да се провери
Когато изкуственият интелект или алгоритъм за оптимизация връща „сладко място“, това е най-доброто от математическия модел, а не действителният процес. Ако моделът съдържа липсващо ограничение, той може да надвиши оптималната граница на безопасност. Ограничаването на променлива (напр. максимизиране на температурата) може да увеличи добива на хартия, но в действителност може да е неприемливо по отношение на странична реакция, живот на катализатора или безопасност. Всеки резултат от оптимизацията се тества допълнително за сигурност и приложимост.
Внимание: Ако дадено предложение за оптимизация нарушава ограничението за безопасност („налягането никога не трябва да надвишава“, „температурата трябва да остане под прага на изход“), то не се прилага независимо от ефективността. Ограничението за безопасност е неподлежащата на обсъждане граница на оптимизацията.
три мини калъфа
Случай 1 — Идея за пестене на енергия. В дестилационна секция YZ предложи топлинна интеграция (предварително загряване на студения фураж с горещ продукт) между двата потока. Екипът тества това в симулация; митото на ребойлера спадна с около 18%, чистотата се поддържа. Идеята идва от AI, решението е взето чрез симулация и анализ на разходите.
Случай 2 — Опасност от неограничения оптимум. Един инженер помоли AI да препоръча скоростта на обратен хладник, за да "минимизира енергията", но забрави да запише ограничението за чистота. YZ препоръчва много нисък рефлукс; При симулацията чистотата на продукта падна под спецификацията. Когато ограничението беше добавено, беше намерен реалистичен оптимум. Урок: неограничената оптимизация е подвеждаща.
Случай 3 — Код за оптимизация. Един екип получи проект на scipy.optimize от AI за минимизиране на разходите с три променливи. Кодът беше свързан с реалния модел, когато даде правилния резултат при прост известен тестов проблем. Решението беше последователно, когато беше проверено чрез търсене в мрежата; но инженерът допълнително потвърди, че оптимумът е в рамките на безопасния прозорец.
Четири копируеми шаблона
1) Създаване на проблем за оптимизация:
Вашата роля: инженер по оптимизация на процеси. Моят процес: [кратко описание]. Помогнете ми да изясня проблема: (1) каква трябва да бъде целевата функция (енергия/цена/добив), (2) какви променливи за вземане на решение могат да бъдат коригирани, (3) какви ограничения (чистота, безопасност, капацитет) НИКОГА не трябва да се превишават. Избройте напълно ограниченията; Възможно е да има забравено ограничение за сигурност, попитайте специално Midiye. След това предложете подхода за решение.
2) Таблица за компромиси:
Покажете таблица за компромиси как могат да бъдат засегнати целите и ограниченията, когато променя следната променлива ([променлива], в следния диапазон): енергия, чистота, добив, цена, безопасност. ФИТИРАЩИ числени стойности; Във всяка клетка напишете „да се попълни от симулация“ и посочете само посоката на тенденцията (нарастваща/намаляваща). Предложете сценарии за измерване.
3) Проект на код за оптимизация (Python):
Напишете чернова на оптимизационен скрипт, като използвате scipy.optimize.Purpose: [цел]. Променливи за вземане на решения: [списък и граници]. Ограничения: [ограничения за равенство/неравенство]. (1) задайте функциите за цел и ограничения като заместители, (2) изберете подходящия решаващ инструмент и обяснете защо сте го избрали, (3) докладвайте резултата и дали ограниченията са изпълнени. Ще проверя кода с известен тестов проблем. Посочете единицата и предположенията.
4) Преглед на идеята за енергийна интеграция:
Избройте класическите подходи, които могат да намалят потреблението на енергия в този процес (интегриране на топлина, прищипване, предварително загряване, възстановяване, регулиране на работните условия) и предварителна оценка на пригодността на всеки за този процес. За всяка идея посочете и възможните рискове (трудност при контрола, безопасност, замърсяване). Това са скици на идеи; Ще го проверя със симулация и икономика. Процес: [дефиниция]
Слаба подкана / Силна подкана
Слаба подкана:
Оптимизирайте този процес, намалете енергията.
Без ограничения, без критерии. AI може да предложи „оптимум“, който жертва чистотата или сигурността.
Мощна подкана:
Вашата роля: инженер по оптимизация. Цел: минимизиране на енергията на ребойлера в дестилационната колона. Променлива: коефициент на обратен хладник (1,2-3,0). ОГРАНИЧЕНИЯ (не могат да бъдат превишени): пикова чистота на продукта >= 99%, граница на наводняване на колоната, капацитет на кондензатора. Кажете ми: (1) проверете дали съм настроил проблема правилно, (2) попитайте дали има липсващи ограничения за сигурност/качество, (3) предложете кои сценарии да опитате в симулацията. Изработване на стойност; Ще реша чрез симулация.
Разликата е ясна: целта, диапазонът от променливи, непреодолимите ограничения и рамката за валидиране правят оптимизацията безопасна.
Разпределение на ролите в оптимизацията
стъпка
Роля на AI
мъжко решение
Настройка на проблема
Изясняване на цел/променлива/ограничение
Пълнота на ограниченията
Чувствителност
генериране на хипотези
Тестване чрез симулация
компромис
рамка, маса
Число (симулация)
Код
scipy скица
тестване, проверка
оптимално
кандидат точка
Потвърждение за безопасност/приложимост
Често срещани грешки
- Липса на ограниченията. Неограничената оптимизация води до подвеждащ оптимум, който жертва сигурността или качеството.
- Директно внедряване на оптимума. Математическият оптимум е допълнително тестван за безопасност и осъществимост.
- Накарайте AI да адаптира компромисните числа. Стойностите на компромиса трябва да идват от симулация; AI изгражда само рамки.
- Използване на оптимизационен код без тестване. Кодът няма да бъде свързан с реалния модел, без да бъде валидиран срещу известен проблем.
- Ограничение за сигурност на търговията за ефективност. Маржът на безопасност не подлежи на обсъждане; не се нарушава за ефективността.
В обобщение
AI в оптимизацията на процесите; Това е мощен помощник, който рамкира проблема, генерира хипотези за чувствителност, рамкира компромиси, предизвиква идеи за пестене на енергия и изготвя код за оптимизация. Но резултатът от оптимизацията е оптимумът на математическия модел; Не може да се прилага без да бъде проверен от инженери по отношение на безопасност, качество и приложимост. Пълното определяне на ограниченията и поддържането на границата на безопасност без преговори е основата на безопасната оптимизация.
Задача за приложение
Изберете оптимизационен проблем (напр. минимизиране на енергията в колона). Изяснете целта, променливите и ограниченията с шаблона „поставяне на проблем при оптимизиране“; Накарайте AI изрично да попита дали има липсващи ограничения за сигурност. След това идентифицирайте сценариите с шаблона „компромисна таблица“ и ги попълнете числено в симулацията (ако е приложимо).
контролен списък
- [ ] Напълно съм дефинирал целта, променливите за решение и ограниченията.
- [ ] Написах ясно ограниченията за сигурност и качество и накарах AI да поиска липсващото ограничение.
- [ ] Взех компромисните числа от симулацията, не ги накарах да ги напаснат към AI.
- [ ] Проверих кода за оптимизация с известен проблем.
- [ ] Тествах и оптимума, намерен по отношение на сигурността и приложимостта.