Dobici:
- Sposobnost korištenja umjetne inteligencije kao preliminarnog predviđanja i metode predviđanja (grupni doprinos) vodič za termofizička svojstva i traženje bilo koje vrijednosti.
- Sposobnost hvatanja halucinacija provjerom svake kritične karakteristike pouzdanom bazom podataka (DIPPR/NIST) ili eksperimentom
- Sposobnost razumijevanja da je odabir materijala kritična odluka za sigurnost koja zahtijeva podatke o koroziji i ovlašteno odobrenje.
Svaki proračun procesa na kraju se svodi na broj: gustina fluida, viskozitet, toplotni kapacitet, pritisak pare, tačka ključanja; rezolucija; otpornost materijala na koroziju. To se zajednički nazivaju termofizička svojstva - fizičke veličine koje određuju toplinu, protok i fazno ponašanje tvari. Kolona za destilaciju, izmjenjivač topline ili pumpa su ispravno dizajnirani samo ako su ove karakteristike ispravne. U ovoj cjelini naučit ćete kako koristiti umjetnu inteligenciju kao preliminarni alat za predviđanje i poređenje u predviđanju svojstava i odabiru materijala (izbor metala, zaptivki, premaza koji će izdržati procesne uvjete); ali ćemo naučiti zašto ove vrijednosti treba provjeriti pouzdanom bazom podataka ili eksperimentom.
Kritična istina je sledeća: procena karakteristika je numerička osnova dizajna; Greška se ovdje širi na cijeli račun. AI može pouzdano dati pritisak pare ili viskozitet, ali ta vrijednost može biti za drugo jedinjenje, može biti na pogrešnoj temperaturi ili može biti potpuno halucinantna. Dakle, zlatno pravilo podataka o karakteristikama: svaka kritična karakteristika treba da se zasniva na pouzdanom izvoru (DIPPR, NIST, tehnički list proizvođača) ili eksperimentu.
Korak po korak podrška AI za predviđanje funkcija
1. Koja karakteristika vam je potrebna, pod kojim uslovima? Temperatura, pritisak, faza i koncentracija mijenjaju svojstvo. Vrijednost uzeta bez davanja uvjeta AI-u je pogrešna.
2. Odabir metode procjene. Ako nema eksperimentalnih podataka, AI priziva pristupe predviđanja kao što su metode grupnog doprinosa — metode koje predviđaju svojstva razbijanjem molekula na njegove dijelove i dodavanjem doprinosa svakog dijela; npr. Joback, UNIFAC — i objašnjava koji je prikladan.
3. Preliminarna vrijednost i neizvjesnost. AI može dati preliminarnu vrijednost, ali definitivno u okviru "ovo je predviđanje, njegova nesigurnost je velika, provjerite". Također pitajte AI o tipičnoj margini greške vrijednosti.
4. Poređenje sa izvorom. Uporedite vrijednost AI sa termodinamičkom bazom podataka ili proizvođačkim listom. Ako je odstupanje veliko, vrijednost se ne koristi.
5. Preliminarni pregled kompatibilnosti materijala. YZ podsjeća na poznate rizike korozije/nekompatibilnosti za par tekućina-materijal (npr. korozija nehrđajućeg čelika u obliku točaka u okruženju koje sadrži hlorid). Ovo je upozorenje; Konačan odabir se vrši na osnovu grafikona kompatibilnosti i stručne procjene.
6. Filter razumnosti. Da li vrijednost ima smisla u smislu ranga? Za vodu, da li je gustina oko ~1000 kg/m³? Jednostavna provjera narudžbe hvata većinu grešaka.
Savjet: Kada od AI zatražite vrijednost značajke, recite „navedite izvor i metodu procjene, recite mi da li je eksperimentalna ili procijenjena“. Ako AI ne može navesti izvor, označite tu vrijednost kao nagađanje i provjerite je nezavisno.
Izbor materijala: sigurnost i izdržljivost
Odabir materijala je i ekonomska i sigurnosna odluka. Pogrešan materijal može oslabiti korozijom, uzrokujući pucanje posude pod pritiskom ili curenje toksične tekućine. AI može opozvati listu početnih materijala i poznate nekompatibilnosti; Ali kombinovani efekti temperature, pritiska, koncentracije i nečistoća su složeni i konačan izbor se vrši na osnovu inženjerskih podataka materijala (tabela kompatibilnosti, podataka o brzini korozije) i testiranja gde je potrebno.
Pažnja: AI koja kaže "ovaj materijal je pogodan za ovu tekućinu" nije garancija. U slučaju opreme pod pritiskom i toksičnih/zapaljivih tekućina, odabir materijala zahtijeva odobrenje kvalifikovanog inženjera i provjerene podatke o koroziji.
tri mini kofera
Slučaj 1 — Brzo predviđanje. Inženjer je želio preliminarnu procjenu toplotnog kapaciteta za novu mješavinu rastvarača za koju su podaci bili oskudni u literaturi. AI je dao raspon putem metode grupnog doprinosa. Inženjer je napravio grubi proračun energije sa ovom preliminarnom vrijednošću, a zatim je izmjerio u laboratoriji; mjerenje je bilo unutar 6% od predviđenog. Predviđanje je ubrzalo planiranje, ali je dizajn prešao na eksperimentalnu vrijednost.
Slučaj 2 — Uhvaćena halucinacija. YZ je dao normalnu tačku ključanja jedinjenja kao 78°C. Kada je inženjer to uporedio sa NIST-om, otkrio je da je stvarna vrednost 118°C; AI je pobrkao ime s drugim sličnim spojem. Usporedba s izvorom spriječila je grešku od 40°C da uđe u dizajn kolone.
Slučaj 3 — Materijalno upozorenje. YZ je označio izbor nehrđajućeg čelika 304 za vodeni tok koji sadrži hloridne jone kao "rizik od jamičastog i korozionog pucanja pod naponom" i naveo otporniju leguru. Inženjer materijala je potvrdio podatke o kompatibilnosti i odabrao materijal više legure. AI je rizik stavio na dnevni red, odluka je donesena sa podacima.
Četiri šablona za kopiranje
1) Predviđanje funkcije (potreban izvor):
Vaša uloga: stručnjak za fiziku. Jedinjenje: [ime/formula], stanje: [T, P, faza]. Funkcija koju želim: [npr. pritisak pare]. Navedite: (1) eksperimentalnu vrijednost i IZVOR (DIPPR/NIST/proizvođač), ako je dostupan, (2) ako nije, metod procjene i procijenjenu vrijednost i marginu nesigurnosti. Jasno navedite da li je eksperimentalni ili prediktivni. Ako ne možete citirati izvor, označite ga kao "predviđanje koje treba provjeriti". Ne izmišljajte vrijednost; Ako niste sigurni, recite mi.
2) Vodič za metode grupnog doprinosa:
Imam jedinjenje za koje nema eksperimentalnih podataka: [struktura/SMILES]. Koja metoda grupnog doprinosa (Joback, UNIFAC, itd.) je prikladna za [imovinu] i zašto? Objasnite korake metode i potrebne parametre grupe. Navedite da je rezultat procjena i tipična margina greške. Konačnu vrijednost ću provjeriti eksperimentom/bazom podataka.
3) Poređenje/provjera vrijednosti:
Ispod su vrijednosti iz različitih izvora za obilježje. Uporedite ih u tabeli, izračunajte odstupanje i rangirajte koji je pouzdaniji (empirijski > procenjeno > predviđeno). Ako postoji veliko odstupanje, označite mogući uzrok (drugačije stanje, drugačiji izomer). Izvori: [paste]
4) Preliminarni pregled kompatibilnosti materijala:
Fluid: [sastav, koncentracija, nečistoće], stanje: [T, P]. Materijali kandidata: [lista]. Prisjetite se poznatih rizika od korozije/nekompatibilnosti (pitting, naponske pukotine, opća korozija) za svaki. Ovo je PRELIMINARNO skeniranje; Za konačni odabir potrebni su podaci o koroziji i odobrenje ovlaštenog inženjera. Jasno označite rizične parove.
Slaba prompt / Jaka prompt
Slab upit:
Koliki je viskozitet toluena?
Bez grijanja, bez zavarivanja. AI daje broj, ali pod kojim uslovima i koliko je pouzdan nije jasno.
Snažan upit:
Vaša uloga: stručnjak za fiziku. Dinamički viskozitet za toluen u tečnoj fazi, 25°C, 1 atm. Navedite: vrijednost, jedinicu, IZVOR i eksperimentalnu procjenu. Ako je moguće, navedite dva nezavisna izvora i navedite dosljednost. Ako ne možete navesti izvor, označite ga kao nagađanje. Value fiting. Provjeriću rezultat termodinamičkom bazom podataka.
Razlika je jasna: uslov, mandat resursa i okvir validacije čine vrijednost dostupnom.
Raspodjela uloga u odluci o značajkama i materijalu
posao
Uloga AI
Ljudska odluka/izvor
Eksperimentalna karakteristika
izvor podsjetnik
Potvrda baze podataka
Nema podataka, pretpostavljam
Metoda + default
Potvrda eksperimenta/baze podataka
Poređenje vrijednosti
Tabela, odstupanje
prosudba o pouzdanosti
Materijalni kandidati
podsjetnik na rizik
Podaci o usklađenosti, odobrenje
Kontrola ranga
obeležavanje
fizička razumnost
Uobičajene greške
- Korištenje vrijednosti bez izvora. Svaka kritična karakteristika koju daje AI potvrđena je bazom podataka/eksperimentom.
- Ne navodeći stanje. Vrijednost uzeta bez specificiranja temperature/pritiska/faze može pripadati pogrešnom stanju.
- Pogreška procijenjene vrijednosti kao empirijske. Procjene doprinosa grupe su neizvjesne; Uzmite to u obzir pri dizajnu.
- Odabir materijala sa potvrdom u jednoj rečenici. Korozija je multivarijantna; potrebni podaci i potvrda.
- Zaobilazeći provjeru ranga. Jednostavno „ima li ovaj broj smisla?“ kontrola hvata većinu halucinacija.
Ukratko
AI u predviđanju imovine i materijala; To je moćan pomoćnik koji generiše preliminarne vrijednosti, podsjeća vas na metodu procjene, uspoređuje vrijednosti resursa i označava materijalne rizike. Ali svaka kritična karakteristika mora biti zasnovana na pouzdanoj bazi podataka ili eksperimentu; Odabir materijala je sigurnosna odluka koja zahtijeva podatke o koroziji i odobrenje ovlaštenog inženjera. AI pruža predviđanja i upozorenja; Inženjer se povezuje na izvor, provjerava i odabire.
Zadatak aplikacije
Odaberite spoj i svojstvo (npr. pritisak pare rastvarača, 40°C). Dobijte vrijednost i njen izvor od AI pomoću predloška "Predviđanje atributa (potreban resurs)"; zatim ga usporedite s termodinamičkom bazom podataka i zabilježite odstupanje. Zatim koristite predložak "preliminarne provjere kompatibilnosti materijala" za par fluida i materijala i potvrdite rezultirajuće rizike pomoću grafikona kompatibilnosti.
kontrolna lista
- Htio sam funkciju [ ] zajedno sa uslovom (T, P, faza).
- [ ] Uporedio sam vrijednost koju je dala AI sa pouzdanom bazom podataka/eksperimentom.
- [ ] Razlikovao sam procijenjene vrijednosti od eksperimentalnih i primijetio nesigurnost.
- [ ] Provjerio sam izbor materijala s podacima o koroziji i ovlaštenim odobrenjem.
- [ ] Primijenio sam provjeru ranga/uvjerljivosti na svaki kritični broj.