Gewinne:
- Fähigkeit, künstliche Intelligenz als vorläufige Vorhersage- und Vorhersagemethode (Gruppenbeitrag) als Leitfaden für thermophysikalische Eigenschaften zu verwenden und beliebige Werte anzufordern.
- Fähigkeit, Halluzinationen zu erfassen, indem jedes kritische Merkmal mit einer zuverlässigen Datenbank (DIPPR/NIST) oder einem Experiment überprüft wird
- Fähigkeit zu verstehen, dass die Materialauswahl eine sicherheitskritische Entscheidung ist, die Korrosionsdaten und eine autorisierte Genehmigung erfordert.
Letztendlich kommt es bei jeder Prozessberechnung auf eine Zahl an: Dichte, Viskosität, Wärmekapazität, Dampfdruck, Siedepunkt einer Flüssigkeit; eine Resolution; Korrosionsbeständigkeit eines Materials. Diese werden zusammenfassend als thermophysikalische Eigenschaften bezeichnet – physikalische Größen, die das Wärme-, Fließ- und Phasenverhalten eines Stoffes bestimmen. Eine Destillationskolonne, ein Wärmetauscher oder eine Pumpe ist nur dann richtig ausgelegt, wenn diese Eigenschaften stimmen. In dieser Einheit erfahren Sie, wie Sie künstliche Intelligenz als vorläufiges Vorhersage- und Vergleichstool bei der Vorhersage von Eigenschaften und der Materialauswahl (Auswahl von Metallen, Dichtungen und Beschichtungen, um den Prozessbedingungen standzuhalten) einsetzen. Aber wir werden erfahren, warum diese Werte mit einer zuverlässigen Datenbank oder einem Experiment überprüft werden müssen.
Die entscheidende Wahrheit ist: Die Merkmalsschätzung ist die numerische Grundlage des Designs; Ein Fehler breitet sich hier auf das gesamte Konto aus. AI kann sicher einen Dampfdruck oder eine Viskosität angeben, aber dieser Wert kann für eine andere Verbindung gelten, die falsche Temperatur haben oder völlig halluzinatorisch sein. Daher gilt die goldene Regel für Feature-Daten: Jedes kritische Feature sollte auf einer zuverlässigen Quelle (DIPPR, NIST, Herstellerdatenblatt) oder einem Experiment basieren.
Schrittweise KI-Unterstützung für die Feature-Vorhersage
1. Welche Funktion benötigen Sie unter welchen Bedingungen? Temperatur, Druck, Phase und Konzentration verändern die Eigenschaft. Der genommene Wert ohne Angabe der Bedingung an die KI ist irreführend.
2. Auswahl der Schätzmethode. Wenn keine experimentellen Daten vorliegen, greift die KI auf Vorhersageansätze wie Gruppenbeitragsmethoden zurück – Methoden, die Eigenschaften vorhersagen, indem sie das Molekül in seine Teile zerlegen und die Beiträge jedes Teils addieren; z.B. Joback, UNIFAC – und erklärt, welches das Richtige ist.
3. Vorläufiger Wert und Unsicherheit. KI kann einen vorläufigen Wert angeben, aber auf jeden Fall im Rahmen von „Dies ist eine Vorhersage, ihre Unsicherheit ist hoch, überprüfen Sie sie“. Fragen Sie die KI auch nach der typischen Fehlertoleranz des Werts.
4. Vergleich mit der Quelle. Vergleichen Sie den Wert von KI mit einer Thermodynamik-Datenbank oder einem Herstellerblatt. Bei großer Abweichung wird der Wert nicht verwendet.
5. Vorprüfung der Materialverträglichkeit. YZ erinnert an bekannte Korrosions-/Inkompatibilitätsrisiken für ein Fluid-Material-Paar (z. B. Lochfraß von Edelstahl in einer chloridhaltigen Umgebung). Dies ist eine Vorwarnung; Die endgültige Auswahl erfolgt anhand von Kompatibilitätstabellen und einer Expertenbewertung.
6. Angemessenheitsfilter. Ist der Wert in Bezug auf den Rang sinnvoll? Liegt die Dichte von Wasser bei ca. 1000 kg/m³? Durch die einfache Auftragsprüfung werden die meisten Fehler erkannt.
Tipp: Wenn Sie die KI nach einem Merkmalswert fragen, sagen Sie „Geben Sie die Quelle und die Schätzmethode an und sagen Sie mir, ob es experimentell oder geschätzt ist.“ Wenn AI keine Quelle angeben kann, kennzeichnen Sie diesen Wert als Vermutung und überprüfen Sie ihn unabhängig.
Materialauswahl: Sicherheit und Haltbarkeit
Die Materialauswahl ist sowohl eine wirtschaftliche als auch sicherheitskritische Entscheidung. Das falsche Material kann durch Korrosion geschwächt werden, was zum Platzen eines Druckbehälters oder zum Austreten einer giftigen Flüssigkeit führen kann. Die KI kann eine Ausgangsmaterialliste und bekannte Inkompatibilitäten abrufen; Die kombinierten Auswirkungen von Temperatur, Druck, Konzentration und Verunreinigungen sind jedoch komplex und die endgültige Auswahl wird anhand werkstofftechnischer Daten (Kompatibilitätstabellen, Korrosionsratendaten) und erforderlichenfalls Tests getroffen.
Achtung: Die Aussage „Dieses Material ist für diese Flüssigkeit geeignet“ ist keine Garantie. Bei unter Druck stehenden Geräten und giftigen/brennbaren Flüssigkeiten erfordert die Materialauswahl die Genehmigung eines qualifizierten Ingenieurs und überprüfte Korrosionsdaten.
drei Mini-Koffer
Fall 1 – Schnelle Vorhersage. Ein Ingenieur wollte eine vorläufige Schätzung der Wärmekapazität für ein neues Lösungsmittelgemisch, für das es in der Literatur nur wenige Daten gab. Die KI gab eine Reichweite über eine Gruppenbeitragsmethode an. Mit diesem vorläufigen Wert erstellte der Ingenieur eine grobe Energieberechnung und ließ sie anschließend im Labor messen; Die Messung lag innerhalb von 6 % der Vorhersage. Die Vorhersage beschleunigte die Planung, aber das Design verlagerte sich auf den experimentellen Wert.
Fall 2 – Halluzination gefangen. YZ gab den normalen Siedepunkt einer Verbindung mit 78 °C an. Als der Ingenieur es mit NIST verglich, stellte er fest, dass der tatsächliche Wert 118 °C betrug; Die KI hatte den Namen mit einer anderen ähnlichen Verbindung verwechselt. Der Vergleich mit einer Quelle verhinderte, dass ein 40°C-Fehler in das Säulendesign eindrang.
Fall 3 – Materialwarnung. YZ bezeichnete die Wahl von Edelstahl 304 für einen chloridionenhaltigen wässrigen Strom als „Risiko von Lochfraß und Spannungsrisskorrosion“ und verwies auf eine widerstandsfähigere Legierung. Der Materialingenieur bestätigte die Kompatibilitätsdaten und wählte ein höher legiertes Material. KI brachte das Risiko auf die Tagesordnung, die Entscheidung wurde mit Daten getroffen.
Vier kopierbare Vorlagen
1) Feature-Vorhersage (Quelle erforderlich):
Ihre Rolle: Körperexperte. Verbindung: [Name/Formel], Bedingung: [T, P, Phase]. Funktion, die ich möchte: [z.B. Dampfdruck]. Geben Sie an: (1) experimentellen Wert und QUELLE (DIPPR/NIST/Hersteller), falls verfügbar, (2) falls nicht, Schätzmethode und geschätzten Wert sowie Unsicherheitsmarge. Geben Sie deutlich an, ob es experimentell oder prädiktiv ist. Wenn Sie eine Quelle nicht zitieren können, markieren Sie sie als „Vorhersage, die überprüft werden muss“. Erfinden Sie den Wert nicht; Wenn Sie sich nicht sicher sind, sagen Sie es mir.
2) Leitfaden zur Gruppenbeitragsmethode:
Ich habe eine Verbindung, für die es keine experimentellen Daten gibt: [Struktur/SMILES]. Welche Gruppenbeitragsmethode (Joback, UNIFAC usw.) eignet sich für [Eigenschaft] und warum? Erklären Sie die Schritte der Methode und die erforderlichen Gruppenparameter. Geben Sie an, dass es sich bei dem Ergebnis um eine Schätzung und die typische Fehlerquote handelt. Ich werde den endgültigen Wert mit Experiment/Datenbank überprüfen.
3) Wertvergleich/Verifizierung:
Nachfolgend finden Sie Werte aus verschiedenen Quellen für eine Funktion. Vergleichen Sie sie in einer Tabelle, berechnen Sie die Abweichung und bewerten Sie, welche davon zuverlässiger ist (empirisch > bewertet > vorhergesagt). Bei einer großen Abweichung markieren Sie die mögliche Ursache (anderer Zustand, anderes Isomer). Quellen: [Einfügen]
4) Vorprüfung der Materialverträglichkeit:
Flüssigkeit: [Zusammensetzung, Konzentration, Verunreinigungen], Zustand: [T, P].Kandidatenmaterialien: [Liste]. Erinnern Sie sich jeweils an bekannte Korrosions-/Inkompatibilitätsrisiken (Lochfraß, Spannungsrissbildung, allgemeine Korrosion). Dies ist ein VORLÄUFIGER Scan; Für die endgültige Auswahl sind Korrosionsdaten und die Genehmigung eines autorisierten Ingenieurs erforderlich. Markieren Sie riskante Paare deutlich.
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Schwache Eingabeaufforderung:
Wie hoch ist die Viskosität von Toluol?
Keine Hitze, kein Schweißen. KI gibt eine Zahl an, aber unter welchen Bedingungen und wie zuverlässig sie ist, ist unklar.
Kraftvolle Aufforderung:
Ihre Rolle: Körperexperte. Dynamische Viskosität für Toluol in flüssiger Phase, 25 °C, 1 atm. Geben Sie an: Wert, Einheit, QUELLE und experimentelle Schätzung. Geben Sie nach Möglichkeit zwei unabhängige Quellen an und geben Sie die Konsistenz an. Wenn Sie die Quelle nicht zitieren können, kennzeichnen Sie sie als Vermutung. Wertgerecht. Ich werde das Ergebnis mit einer thermodynamischen Datenbank überprüfen.
Der Unterschied ist klar: Die Bedingung, das Ressourcenmandat und das Validierungsrahmenwerk machen den Wert verfügbar.
Rollenverteilung bei Merkmals- und Materialentscheidungen
Geschäft
Rolle der KI
Menschliche Entscheidung/Quelle
Experimentelle Funktion
Quellenerinnerung
Datenbankbestätigung
Keine Daten, schätze
Methode + Standard
Experiment-/Datenbankvalidierung
Wertvergleich
Tabelle, Abweichung
Beurteilung der Zuverlässigkeit
Materielle Kandidaten
Risikoerinnerung
Compliance-Daten, Genehmigung
Rangkontrolle
Markierung
körperliche Vernünftigkeit
Häufige Fehler
- Nutzung nicht bezogener Werte. Jedes von der KI vorgegebene kritische Merkmal wird durch die Datenbank/das Experiment bestätigt.
- Den Zustand nicht angeben. Der Wert, der ohne Angabe von Temperatur/Druck/Phase ermittelt wurde, gehört möglicherweise zur falschen Bedingung.
- Den geschätzten Wert als empirisch verwechseln. Schätzungen des Gruppenbeitrags sind ungewiss; Berücksichtigen Sie dies bei der Gestaltung.
- Treffen Sie die Materialauswahl mit einer Bestätigung in einem Satz. Korrosion ist multivariat; Daten und Bestätigung erforderlich.
- Umgehen der Rangprüfung. Ein einfaches „Macht diese Zahl Sinn?“ Kontrolle fängt die meisten Halluzinationen ab.
Zusammenfassend
KI bei der Vorhersage von Eigenschaften und Materialien; Es handelt sich um einen leistungsstarken Assistenten, der vorläufige Werte generiert, Sie an die Schätzmethode erinnert, Ressourcenwerte vergleicht und auf wesentliche Risiken hinweist. Aber jede kritische Funktion muss auf einer zuverlässigen Datenbank oder einem zuverlässigen Experiment basieren; Die Materialauswahl ist eine sicherheitskritische Entscheidung, die Korrosionsdaten und die Genehmigung eines autorisierten Ingenieurs erfordert. KI liefert Vorhersagen und Warnungen; Der Techniker stellt eine Verbindung zur Quelle her, überprüft und wählt aus.
Anwendungsaufgabe
Wählen Sie eine Verbindung und eine Eigenschaft (z. B. Dampfdruck eines Lösungsmittels, 40 °C). Holen Sie sich den Wert und seine Quelle von der KI mit der Vorlage „Attributvorhersage (Ressource erforderlich)“. Vergleichen Sie es dann mit einer thermodynamischen Datenbank und notieren Sie die Abweichung. Nutzen Sie dann die Vorlage „Vorläufige Materialverträglichkeitsprüfung“ für ein Fluid-Material-Paar und bestätigen Sie die daraus resultierenden Risiken anhand einer Kompatibilitätstabelle.
Checkliste
- Ich wollte die Funktion [ ] zusammen mit der Bedingung (T, P, Phase).
- [ ] Ich habe den von der KI angegebenen Wert mit einer zuverlässigen Datenbank/einem zuverlässigen Experiment verglichen.
- [ ] Ich habe geschätzte Werte von experimentellen Werten unterschieden und die Unsicherheit festgestellt.
- [ ] Ich habe die Materialauswahl anhand von Korrosionsdaten und autorisierter Genehmigung überprüft.
- [ ] Ich habe auf jede kritische Zahl eine Rang-/Plausibilitätsprüfung angewendet.