Ασφάλεια-Κρίσιμες Υποθέσεις, Δεοντολογία, Απόρρητο και Υπευθυνότητα

Κέρδη:

• Δυνατότητα αξιολόγησης των ορίων και των απαιτήσεων επαλήθευσης της τεχνητής νοημοσύνης σε κρίσιμες για την ασφάλεια εργασίες μηχανικής
• Δυνατότητα διαχείρισης του απορρήτου, της πολιτικής δεδομένων και των κινδύνων πνευματικής ιδιοκτησίας κατά τον εμπιστευτικό σχεδιασμό/κοινή χρήση δεδομένων
• Ικανότητα να υποστηρίξετε πρακτικά ότι η έξοδος AI δεν μπορεί να αντικαταστήσει την έγκριση μηχανικού και την ευθύνη υπογραφής

Στη μηχανολογία, μέρος της παραγωγής δεν είναι μια αισθητική επιλογή, αλλά θέμα ασφάλειας της ανθρώπινης ζωής και περιουσίας: ένα φρένο ανελκυστήρα, ένα δοχείο πίεσης, ένα κομμάτι ανυψωτικού εξοπλισμού, ένα εξάρτημα ανάρτησης αυτοκινήτου. Σε αυτές τις κρίσιμες για την ασφάλεια εργασίες, τα σφάλματα μπορεί να οδηγήσουν σε τραυματισμό ή θάνατο. Η τεχνητή νοημοσύνη (AI) είναι επιταχυντής και σε αυτούς τους τομείς. αλλά τα όριά του φαίνονται πιο έντονα εδώ. Αυτή η ενότητα είναι η ραχοκοκαλιά ηθικής και υπευθυνότητας της ενότητας και επικεντρώνεται σε μια ενιαία αρχή: Η έξοδος AI δεν υποκαθιστά την επαλήθευση, την έγκριση και την υπογραφή ενός ικανού μηχανικού σε οποιαδήποτε εργασία κρίσιμης σημασίας για την ασφάλεια. Η τεχνητή νοημοσύνη μπορεί να είναι ένα σχέδιο, μια είσοδος, ένα δεύτερο μάτι. αλλά δεν μπορεί να αναλάβει την ευθύνη, γιατί η νομική και ηθική ευθύνη ανήκει στον μηχανικό που υπέγραψε. Εκτός από αυτό, πρέπει να αντιμετωπιστούν δύο άλλοι σημαντικοί κίνδυνοι: η εμπιστευτικότητα (σχέδια εταιρειών, δεδομένα πελατών, ιδέες χωρίς δίπλωμα ευρεσιτεχνίας) και η ακρίβεια (ψευδαίσθηση). Σε αυτή την ενότητα, θα μάθετε τα όρια της τεχνητής νοημοσύνης σε κρίσιμους κινδύνους για την ασφάλεια εργασιών, ιδιωτικότητας και πνευματικής ιδιοκτησίας, καθώς και γιατί η ευθύνη δεν είναι μεταβιβάσιμη.

Ασφάλεια-Κρίσιμη Εδώ είναι ο τόπος και το όριο του AI

Το εάν μια εργασία είναι "κρίσιμης σημασίας για την ασφάλεια" ή όχι καθορίζεται από τη σοβαρότητα του αποτελέσματος σε περίπτωση λάθους. Σε αυτή την κλίμακα, ο ρόλος της τεχνητής νοημοσύνης περιορίζεται: δημιουργία ιδεών, σύνταξη, δημιουργία λιστών ελέγχου, ναι. αλλά η έγκριση του τελικού λογαριασμού, η απόφαση "ασφαλής" ή η έγκριση της παραγωγής είναι ένα όχι-όχι. Η ακόλουθη διάκριση το κάνει συγκεκριμένο:

τύπο επιχείρησης

Ο κατάλληλος ρόλος της AI

Ο αναφαίρετος ρόλος του μηχανικού

Ρουτίνα, χαμηλού κινδύνου

Πρόχειρο, αυτοματισμός, πρώτος λογαριασμός

αναθεώρηση

μεσαίου κινδύνου

Εναλλακτική, λίστα ελέγχου, προκαταρκτική ανάλυση

Επαλήθευση και απόφαση

Η ασφάλεια είναι κρίσιμη

Μόνο πρόχειρο/δεύτερο μάτι

Ανάλυση, δοκιμή, έγκριση, υπογραφή, ευθύνη

Κρίσιμη αρχή: Ανεξάρτητα από το πόσο πειστική είναι η έξοδος της τεχνητής νοημοσύνης, είναι μια υπόθεση και ένα σχέδιο. Ένας κρίσιμος για την ασφάλεια υπολογισμός αναπαράγεται ανεξάρτητα, ελέγχεται σύμφωνα με το πρότυπο, ελέγχεται εάν χρειάζεται και υπογράφεται από τον αρμόδιο μηχανικό. Υπογραφή σημαίνει "το έχω επιβεβαιώσει και αναλαμβάνω την ευθύνη για αυτό". ένα γλωσσικό μοντέλο δεν μπορεί να κάνει αυτή τη δήλωση.

Συμβουλή: Κάντε στον εαυτό σας αυτήν την ερώτηση με κάθε έξοδο τεχνητής νοημοσύνης: "Αν αυτό είναι λάθος, ποιος πλήττεται και ποιος είναι υπεύθυνος;" Εάν η απάντηση είναι "οι άνθρωποι πληγώνονται, είμαι υπεύθυνος", αυτό το αποτέλεσμα δεν πάει πουθενά χωρίς να περάσει το υψηλότερο επίπεδο επαλήθευσης.

Ψευδαίσθηση και η παγίδα υπερβολικής αυτοπεποίθησης

Το πιο επικίνδυνο χαρακτηριστικό του AI είναι ότι παρουσιάζει ψευδείς πληροφορίες με την ίδια σιγουριά με τις σωστές πληροφορίες. Μπορεί να φτιάξει ένα τυπικό αντικείμενο, να δώσει μια εσφαλμένη υλική αξία, να εφαρμόσει λάθος έναν τύπο και να τα γράψει όλα σε μια άπταιστη, επαγγελματική γλώσσα. Όταν προστίθεται η μεροληψία υπερβολικής εμπιστοσύνης (προκατάληψη αυτοματισμού· η ανθρώπινη τάση να εμπιστεύεται υπερβολικά την έξοδο ενός αυτόματου συστήματος), ο κίνδυνος μεγαλώνει: ο μηχανικός μπορεί να αποδεχτεί την έξοδο που φαίνεται καλή στην οθόνη χωρίς να την ελέγξει. Η άμυνα είναι μια πολιτιστική συνήθεια: η προβολή της παραγωγής AI ως "αμφίβολη έως ότου αποδειχθεί το αντίθετο" αντί "πιθανώς αληθινή".

Προσοχή: Το "AI φαινόταν σίγουρος" δεν είναι άμυνα. "Αυτό είπε η AI" δεν αποτελεί δικαιολογία σε μια έρευνα ατυχήματος, έλεγχο ή αγωγή. Η ευθύνη παραμένει στον εγκρίνοντα μηχανικό. Σκεφτείτε την τεχνητή νοημοσύνη σαν έναν ασκούμενο που δεν μοιράζεται ποτέ την ευθύνη, αλλά μερικές φορές κάνει πολύ λάθος: παίρνετε τη γνώμη του, δεν υπογράφετε ποτέ το έργο του χωρίς να το ελέγξετε.

Πολιτική Απορρήτου, Πνευματικής Ιδιοκτησίας και Δεδομένων

Ο δεύτερος μεγαλύτερος κίνδυνος είναι η ιδιωτικότητα. Μεταφόρτωση σχεδίου μιας εταιρείας χωρίς δίπλωμα ευρεσιτεχνίας, δεδομένων ενός πελάτη ή μιας ανταγωνιστικά ευαίσθητης λύσης σε ένα δημόσιο εργαλείο τεχνητής νοημοσύνης του οποίου η πολιτική δεδομένων είναι άγνωστη. μπορεί να οδηγήσει σε απώλεια πνευματικής ιδιοκτησίας, παραβίαση του απορρήτου και παραβίαση της σύμβασης. Ορισμένα εργαλεία μπορούν να χρησιμοποιήσουν τις εισόδους για να εκπαιδεύσουν το μοντέλο. Η μυστική γεωμετρία που ανεβάζετε μπορεί να εκτεθεί σε κάποιον άλλο. Η σωστή προσέγγιση: συμμόρφωση με την πολιτική δεδομένων της εταιρείας, ανωνυμοποίηση ευαίσθητων δεδομένων (αφαίρεση πληροφοριών αναγνώρισης και εισαγωγή τους σε δημόσια μορφή) ή χρήση ενός εταιρικού/απομονωμένου εργαλείου όπου τα δεδομένα δεν φεύγουν.

Βήμα προς βήμα: Χρήση ασφαλούς και ηθικής τεχνητής νοημοσύνης

1. Ταξινόμηση του κινδύνου. Είναι αυτή η ασφάλεια της εργασίας κρίσιμης σημασίας, ποιες είναι οι συνέπειες σε περίπτωση λάθους;
2. Σκεφτείτε το απόρρητο. Μπορούν αυτά τα δεδομένα να βγουν έξω; Τι λέει η πολιτική;
3. Ανωνυμοποιήστε ή χρησιμοποιήστε μεμονωμένα εργαλεία. Αφαιρέστε ευαίσθητες πληροφορίες.
4. Χρησιμοποιήστε το AI ως πρόχειρο/δεύτερο μάτι. Δεν είναι έγκριση, είναι εισαγωγή.
5. Επαληθεύστε ανεξάρτητα. Αναπαραγωγή, πρότυπο, δοκιμή.
6. Ο αρμόδιος μηχανικός εγκρίνει και υπογράφει. Η ευθύνη δεν μπορεί να μεταβιβαστεί. Τηρείται αρχείο ιχνηλασιμότητας.

Εντολή αξιολόγησης κινδύνου και απορρήτου

Ρόλος: Σύμβουλος Μηχανικής Δεοντολογίας και Διαχείρισης Κινδύνων. Καθήκον: Αξιολογήστε την ακόλουθη εργασία όσον αφορά την ασφάλεια-κρισιμότητα και την εμπιστευτικότητα. Θέση εργασίας: [περιγραφή εργασίας; πιθανή έκβαση σε περίπτωση λάθους. τύπος δεδομένων προς κοινή χρήση]. Έξοδος: - Κατηγορία κινδύνου (ρουτίνα / μεσαίο / κρίσιμης σημασίας για την ασφάλεια) και αιτιολόγηση - ΤΙ μπορώ να κάνω την τεχνητή νοημοσύνη να κάνει σε αυτήν τη δουλειά, ΤΙ δεν μπορώ να κάνω - Υπάρχει κίνδυνος απορρήτου; εάν τα δεδομένα είναι ανώνυμα· Απαιτείται απομονωμένο όχημα; Κανόνας: Υπογραμμίστε ότι η τελική έγκριση και ευθύνη παραμένει στον αρμόδιο μηχανικό.

Προτροπή ανωνυμοποίησης

Θα ρωτήσω την τεχνητή νοημοσύνη ένα πρόβλημα σχεδιασμού, αλλά δεν θέλω να μοιραστώ πληροφορίες εταιρείας. ΑΝΩΝΥΜΙΣΤΕ το ακόλουθο πλαίσιο: παραλείψτε το όνομα της εταιρείας, το όνομα προϊόντος, τον πελάτη και τις περιγραφικές μετρήσεις. Ξαναγράψτε το πρόβλημα με γενικούς μηχανικούς όρους, ώστε να μην διαρρεύσουν ευαίσθητες πληροφορίες αλλά να διατηρηθεί ο τεχνικός πυρήνας. Πλαίσιο: [κείμενο]

Επαλήθευση πειθαρχίας

Ελέγξτε αυτόν τον κρίσιμο για την ασφάλεια λογαριασμό ως ανεξάρτητος αναθεωρητής, ΠΟΤΕ μην συμμετέχετε μαζί μου. Τύπος ερώτησης, μονάδα, υπόθεση και τυπική συμμόρφωση. Αναπαράγετε το αποτέλεσμα με μια ανεξάρτητη μέθοδο και δείξτε τη διαφορά. Για κάθε εύρημα, γράψτε "πώς μπορώ να το αποδείξω/δοκιμάζω αυτό;" Κανόνας: ΔΕΝ ΜΠΟΡΕΙΣ να επιβεβαιώσεις. αφαιρέστε μόνο τα σημεία που πρέπει να ελεγχθούν.[λογαριασμός]

Προτροπή εγγραφής ευθύνης

Γράψτε ένα σχέδιο εγγραφής ιχνηλασιμότητας/απόφασης για αυτήν την απόφαση σχεδιασμού. Πεδία: απόφαση, βάση (υπολογισμός/πρότυπο/δοκιμή), συνεισφορά τεχνητής νοημοσύνης (σχέδιο;), ανεξάρτητη μέθοδος επαλήθευσης, μηχανικός έγκρισης, ημερομηνία, πεδίο υπογραφής. Κανόνας: Επισημάνετε με σαφήνεια τη συνεισφορά AI ως "σχέδιο/βοήθεια". Αφήστε το πεδίο επιβεβαίωσης κενό.

Αδύναμη προτροπή / Ισχυρή προτροπή

Αδύναμη προτροπή:

Είναι ασφαλές το σχέδιο του φρένου του ανελκυστήρα, επιβεβαιώστε.

Η τεχνητή νοημοσύνη δεν μπορεί και δεν πρέπει να παρέχει άδεια ασφαλείας. Αν πει «ασφαλές» είναι παραπλανητικό και επικίνδυνο γιατί δεν μπορεί να φέρει ευθύνη.

Ισχυρή προτροπή:

Ελέγξτε αυτόν τον υπολογισμό πέδησης ως ανεξάρτητος ελεγκτής. Συμμετοχή, αδυναμίες και υποθέσεις που πρέπει να επαληθευτούν. Αναπαράγετε το αποτέλεσμα ανεξάρτητα και δείξτε τη διαφορά. Να ξέρεις ότι έχω έγκριση και ευθύνη. απλά αναφέρετε τα σημεία ελέγχου.

Η δεύτερη προτροπή τοποθετεί την τεχνητή νοημοσύνη ως εργαλείο κρίσιμου ελέγχου και όχι ως αρχή έγκρισης. κρατά την ευθύνη στον μηχανικό.

Τρεις μίνι θήκες (κατά αριθμούς)

Περίπτωση 1 - Ευθύνη υπογράφοντος. Ένας μηχανικός θα χρησιμοποιήσει έναν υπολογισμό του γάντζου ανύψωσης που ετοίμασε το AI σε 2 ώρες. Ο γάντζος θα σηκώσει 2 τόνους? η ρήξη θα ήταν μοιραία. Ο μηχανικός επαναλαμβάνει τον υπολογισμό ανεξάρτητα, διορθώνει τον συντελεστή ασφαλείας να είναι ≥ 4 που απαιτείται από το πρότυπο αντί για 1,8 που δίνεται από την AI, και μεγεθύνει τη γεωμετρία. Ο αριθμός του AI «φαινόταν λογικός» αλλά δεν πληρούσε το κρίσιμο όριο ασφαλείας. Υπογράφει μόνο μετά από επαλήθευση. Μάθημα: η έγκριση και η απόφαση συντελεστή ασφαλείας δεν μεταβιβάζονται.

Περίπτωση 2 - Σχέδιο που διέρρευσε. Ένας ασκούμενος φορτώνει έναν νέο μηχανισμό χωρίς δίπλωμα ευρεσιτεχνίας από την εταιρεία σε ένα δημοσίως διαθέσιμο εργαλείο τεχνητής νοημοσύνης και λέει "βελτιστοποίηση". Η πολιτική δεδομένων του εργαλείου αποθηκεύει τις εισροές και μπορεί να χρησιμοποιηθεί στην εκπαίδευση. Όταν η εταιρεία το συνειδητοποιήσει, η νομική ομάδα παρεμβαίνει. Η στρατηγική για τα διπλώματα ευρεσιτεχνίας υποφέρει λόγω του κινδύνου πνευματικής ιδιοκτησίας. Ο σωστός τρόπος ήταν η ανωνυμοποίηση του μηχανισμού ή η χρήση εταιρικής απομόνωσης. Μάθημα: η μυστική πολιτική σχεδίασης μην εισάγετε άγνωστο όχημα.

Περίπτωση 3 - Η ανωνυμοποίηση αποθηκεύει. Ένας μηχανικός θέλει να συζητήσει ένα συγκεκριμένο πρόβλημα μειωτήρα για έναν πελάτη με το AI, αλλά ο πελάτης και το προϊόν είναι εμπιστευτικά. Ανωνυμοποιεί το πλαίσιο: αφαιρεί το όνομα εταιρείας/προϊόντος, τις περιγραφικές διαστάσεις και ξαναγράφει το πρόβλημα ως "ένα γενικό μειωτήρα για μια δεδομένη σχέση μετάδοσης και ροπή". Αξιοποιεί την τεχνητή νοημοσύνη χωρίς να διαρρέει ευαίσθητες πληροφορίες, διατηρώντας την τεχνική ουσία. Μάθημα: Η ανωνυμοποίηση είναι η ασφαλής διαδρομή μεταξύ ιδιωτικότητας και αποτελεσματικότητας.

Συνήθη λάθη

• Εκχώρηση εξουσιοδότησης έγκρισης στην τεχνητή νοημοσύνη: Λέγοντας «Είναι ασφαλές, εγκρίνω» και προσπαθείς να εκχωρήσεις την ευθύνη.
• Υπερβολική αυτοπεποίθηση (προκατάληψη αυτοματισμού): Αποδοχή πειστικών αποτελεσμάτων χωρίς να το ελέγξετε.
• Μεταφόρτωση εμπιστευτικών δεδομένων σε δημόσιο εργαλείο: Κοινή χρήση σχεδίου/δεδομένων πελατών χωρίς να γνωρίζετε την πολιτική.
• Παράκαμψη ανωνυμοποίησης: Ερώτηση του ευαίσθητου προβλήματος χωρίς κατάργηση πληροφοριών αναγνώρισης.
• Μη τήρηση αρχείων ιχνηλασιμότητας: Δεν τεκμηριώνεται η συνεισφορά και η επικύρωση της τεχνητής νοημοσύνης.
• Υποεκτίμηση του παράγοντα ασφάλειας: Διέλευση του κρίσιμου ορίου ασφαλείας με χαμηλή τιμή που δίνεται από την τεχνητή νοημοσύνη.

Συνοπτικά

• Σε κρίσιμες για την ασφάλεια εργασίες, η τεχνητή νοημοσύνη μπορεί να είναι ένα σχέδιο και δεύτερο μάτι. Η έγκριση, η υπογραφή και η ευθύνη ανήκουν στον αρμόδιο μηχανικό.
• Το AI παρουσιάζει το λάθος τόσο πειστικό όσο και το σωστό. Μια στάση «ύποπτος μέχρι να αποδειχθεί το αντίθετο» είναι απαραίτητη κατά της μεροληψίας υπερβολικής εμπιστοσύνης.
• Το "AI φαινόταν σίγουρος" δεν είναι μια νομική ή ηθική άμυνα. Η ευθύνη παραμένει στον εγκρίνοντα.
• Ο εμπιστευτικός σχεδιασμός, τα δεδομένα πελατών και οι ιδέες που δεν έχουν κατοχυρωθεί με δίπλωμα ευρεσιτεχνίας δεν μεταφορτώνονται σε άγνωστα οχήματα. ανωνυμοποιήστε ή χρησιμοποιήστε μεμονωμένα εργαλεία.
• Ο κρίσιμος για την ασφάλεια λογαριασμός αναπαράγεται ανεξάρτητα, ελέγχεται σύμφωνα με το πρότυπο και η ευθύνη αναλαμβάνεται με την υπογραφή.

Εργασία εφαρμογής

Επιλέξτε μια εργασία που θα μπορούσε να είναι κρίσιμη για την ασφάλεια (στοιχείο ανύψωσης, εξάρτημα πίεσης, φρένο ή δομή στήριξης). Αρχικά ταξινομήστε την εργασία ως προς τον κίνδυνο και το απόρρητο: ποια είναι η συνέπεια σε περίπτωση λάθους, ποια δεδομένα είναι ευαίσθητα; Έχετε την τεχνητή νοημοσύνη να αξιολογήσει αυτή τη δουλειά και να φτιάξει μια λίστα με το "τι μπορώ να κάνω και τι δεν μπορώ;" Ανωνυμοποιήστε ένα πλαίσιο που θα μοιραστείτε (καταργήστε πληροφορίες εταιρείας/προϊόντος/πελάτη). Στη συνέχεια, ελέγξτε έναν λογαριασμό, χρησιμοποιώντας την τεχνητή νοημοσύνη μόνο ως κρίσιμο εργαλείο ελέγχου, αλλά αναπαράγετε μόνοι σας το αποτέλεσμα με μια ανεξάρτητη μέθοδο και συγκρίνετε τον παράγοντα ασφάλειας με το σχετικό πρότυπο. Τέλος, συντάξτε ένα αρχείο ιχνηλασιμότητας/απόφασης. Επισημάνετε τη συνεισφορά AI ως «σχέδιο/βοηθός» και αφήστε το πεδίο έγκρισης στον εξειδικευμένο μηχανικό.

λίστα ελέγχου

• [ ] Η εργασία αξιολογήθηκε σύμφωνα με την κατηγορία κινδύνου (ρουτίνα/μέτρια/κρίσιμη για την ασφάλεια).
• [ ] Αξιολογήθηκε το απόρρητο. Τα ευαίσθητα δεδομένα είναι ανώνυμα ή χρησιμοποιείται απομονωμένο εργαλείο.
• [ ] Η τεχνητή νοημοσύνη χρησιμοποιήθηκε ως προσχέδιο/δεύτερο μάτι και όχι ως αρχή έγκρισης.
• [ ] Ο κρίσιμος για την ασφάλεια υπολογισμός αναπαράγεται και ελέγχεται ανεξάρτητα με βάση το πρότυπο.
• [ ] Ο συντελεστής ασφάλειας συγκρίθηκε με το όριο του σχετικού προτύπου.
• [ ] Τηρείται αρχείο ιχνηλασιμότητας/απόφασης. Η έγκριση, η υπογραφή και η ευθύνη αφέθηκαν στον αρμόδιο μηχανικό.

Εξέταση Ενοτήτων

1. Ποιο από τα παρακάτω είναι ο πιο ρεαλιστικός και ασφαλής ρόλος για την τεχνητή νοημοσύνη στη ροή εργασιών CAD και σχεδίασης;

• Α) Υποστηρικτικοί ρόλοι όπως η πρόταση εναλλακτικών σχεδίων και η παραγωγή παραμετρικών σεναρίων/μακροεντολών ✔
• Β) Αυτόματη έγκριση στατικής και αντοχής
• Γ) Αποστολή του σχεδίου απευθείας στην παραγωγή χωρίς έγκριση μηχανικού
• Δ) Ανάληψη εξουσιοδότησης υπογραφής και έγκρισης από τον μηχανικό

Περιγραφή: Η τεχνητή νοημοσύνη είναι ισχυρή σε βοηθητικές εργασίες, όπως η πρόταση εναλλακτικών λύσεων σχεδιασμού, η δημιουργία παραμετρικών σεναρίων/μακροεντολών, η σύνταξη υλικών και τα μεταδεδομένα (αποκλίνουσα σκέψη). Η τελική γεωμετρία, η ανοχή, η έγκριση αντοχής και η απόφαση αποστολής στην παραγωγή (συγκλίνουσα απόφαση) παραμένουν στον μηχανικό.

2. Το AI έδωσε μια τιμή «αντοχής διαρροής 250 MPa» για ένα υλικό. Τι πρέπει να κάνετε πριν χρησιμοποιήσετε αυτήν την τιμή ως βάση για το σχέδιο;

• Α) Τοποθέτηση της τιμής απευθείας στον λογαριασμό επειδή το AI είναι ενημερωμένο
• Β) Επαληθεύστε την τιμή από το φύλλο δεδομένων του κατασκευαστή ή το πρότυπο υλικού ✔
• Γ) Στρογγυλοποίηση της τιμής προς τα πάνω και υποθέτοντας ότι είναι στην ασφαλή πλευρά
• Δ) Προσθέστε έναν τυχαίο παράγοντα ασφάλειας και περάστε

Περιγραφή: Η τεχνητή νοημοσύνη μπορεί να προσεγγίσει, κατά προσέγγιση ή εντελώς πλαστές (παραισθήσεις) ιδιότητες υλικού. Η τιμή του ποικίλλει ανάλογα με την κατάσταση θερμοκρασίας/θερμικής επεξεργασίας του ίδιου υλικού. Η τιμή δεν πρέπει να περιλαμβάνεται στο σχέδιο χωρίς επαλήθευση από το φύλλο δεδομένων του κατασκευαστή ή το σχετικό πρότυπο υλικού.

3. Σε τι χρησιμεύουν κυρίως τα διαγράμματα Ashby (επιλογή υλικού);

• Α) Να υπολογιστεί το ακριβές κόστος παραγωγής του εξαρτήματος
• Β) Να δημιουργηθεί τιμοκατάλογος προμηθευτή
• Γ) Να συγκρίνουν τις ιδιότητες του υλικού (π.χ. αντοχή-πυκνότητα) και να επιλέγουν υποψήφιους ✔
• Δ) Να καθοριστούν ανοχές εξαρτημάτων

Περιγραφή: Τα διαγράμματα Ashby συγκρίνουν υλικά τοποθετώντας δύο ιδιότητες υλικού (π.χ. αντοχή-πυκνότητα, μέτρο ελαστικότητας) στους άξονες και απεικονίζουν το πιο κατάλληλο σύνολο υποψηφίων με βάση έναν δείκτη απόδοσης. Δεν προορίζεται να καθορίσει το ακριβές κόστος, την ανοχή ή την τιμή προσφοράς.

4. Η τεχνητή νοημοσύνη έδωσε έναν υπολογισμό πίεσης, αλλά δεν είστε σίγουροι για τη συνοχή της μονάδας. Τι αποτυπώνει κυρίως η ανάλυση διαστάσεων (μοναδιαίας);

• Α) Ορθογραφικά λάθη στο κείμενο
• Β) Χρωματικά λάθη στα γραφικά
• Γ) Μέγεθος του αρχείου εξόδου
• Δ) Ασυνέπεια μονάδων και σφάλματα μετατροπής των δύο πλευρών της εξίσωσης ✔

Περιγραφή: Η ανάλυση διαστάσεων (μονάδας) ελέγχει ότι οι μονάδες και των δύο πλευρών της εξίσωσης είναι συνεπείς. Για παράδειγμα, για την πίεση, το αποτέλεσμα θα πρέπει να είναι N/m² = Pa. Εάν οι μονάδες δεν ταιριάζουν, υπάρχει σφάλμα στον τύπο ή στη μετατροπή. Δεν είναι θέμα τύπου, χρώματος ή μεγέθους αρχείου.

5. Σε έναν θερμικό υπολογισμό, η AI είπε ότι μια θερμάστρα 5 kW θερμαίνει 1 λίτρο νερού κατά 20°C σε 2 δευτερόλεπτα. Ποια είναι η καλύτερη πρώτη απάντηση;

• Α) Έλεγχος και απόρριψη του αποτελέσματος με εξοικονόμηση ενέργειας και τάξη μεγέθους ✔
• Β) Γράψιμο του αποτελέσματος με περισσότερα δεκαδικά ψηφία και αποδοχή του
• Γ) Ρωτήστε το AI «είσαι σίγουρος;» και να είστε ικανοποιημένοι με την απάντηση "ναι"
• Δ) Διαγράψτε την ερώτηση, κάντε την από την αρχή και πάρε την πρώτη απάντηση

Περιγραφή: Η γρήγορη επαλήθευση πραγματοποιείται με έλεγχο υγιεινής και εξοικονόμηση ενέργειας: Χρειάζονται περίπου 84 kJ για να θερμανθεί 1 kg νερού στους 20°C. Με 5 kW αυτό διαρκεί ~17 δευτερόλεπτα, όχι 2 δευτερόλεπτα. Το αποτέλεσμα είναι μη φυσικό και δεν μπορεί να γίνει αποδεκτό χωρίς επαλήθευση.

6. Ποιος είναι ο πιο κρίσιμος έλεγχος που πρέπει να κάνετε πριν εμπιστευτείτε το ερμηνευμένο αποτέλεσμα άγχους του AI σε μια ανάλυση FEA;

• Α) Ο έγχρωμος χάρτης άγχους φαίνεται «ωραίος» οπτικά
• Β) Επαλήθευση με ανεξαρτησία πλέγματος, οριακή κατάσταση και αναλυτική σύγκριση ✔
• Γ) Ολοκλήρωση της λύσης σε σύντομο χρονικό διάστημα
• Δ) AI που λέει "το αποτέλεσμα είναι ασφαλές"

Περιγραφή: Το αποτέλεσμα FEA εξαρτάται από την πυκνότητα του πλέγματος, τις οριακές συνθήκες και τον ορισμό του υλικού. Σύναψη; Η ανεξαρτησία του πλέγματος (το αποτέλεσμα δεν αλλάζει όταν το πλέγμα σφίγγεται) θα πρέπει να επαληθεύεται συγκρίνοντάς το με την ακρίβεια της οριακής συνθήκης και, εάν είναι δυνατόν, με μια αναλυτική προσέγγιση.

7. Στο FEA, καθώς το πλέγμα γίνεται πιο πυκνό σε μια απότομη εσωτερική γωνία, η τιμή τάσης αυξάνεται συνεχώς. Τι δείχνει κυρίως αυτή η κατάσταση;

• Α) Το υλικό είναι σίγουρα ελαττωματικό
• Β) Υπάρχει σφάλμα μέτρησης αισθητήρα
• Γ) Τεχνητή (μοναδική) συγκέντρωση τάσεων στην αιχμηρή γωνία. πρέπει να διαμορφωθεί η ακτίνα γωνίας ✔
• Δ) Η λύση είναι πάντα στην ασφαλή πλευρά

Εξήγηση: Η ιδανική απότομη (μηδενική ακτίνα) εσωτερική γωνία είναι ένα μοναδικό σημείο στην ελαστική θεωρία. Καθώς το πλέγμα γίνεται πιο πυκνό, η τάση τείνει στο άπειρο. Αυτό είναι ένα τεχνητό αποτέλεσμα. Στο πραγματικό μέρος, η ακτίνα γωνίας πρέπει να μοντελοποιηθεί ή να ερμηνευτεί με παράγοντα εγκοπής/τοπική αξιολόγηση.

8. Η τεχνητή νοημοσύνη εντόπισε «πιθανή αστοχία εσωτερικού δακτυλίου» στα δεδομένα κραδασμών ενός ρουλεμάν. Ποια είναι η πιο σωστή προσέγγιση;

• Α) Πλήρης διάλυση του μηχανήματος χωρίς να ρωτήσετε
• Β) Αγνοήστε το σχόλιο και συνεχίστε να εργάζεστε
• Γ) Απενεργοποίηση εντελώς του αισθητήρα
• Δ) Επαληθεύστε την ερμηνεία με χαρακτηριστική συχνότητα σφάλματος, βαθμονόμηση και επιτόπια επιθεώρηση ✔

Εξήγηση: Η ερμηνεία της τεχνητής νοημοσύνης για την ανωμαλία/αποτυχία είναι μια υπόθεση. Θα πρέπει να ελέγχονται οι χαρακτηριστικές συχνότητες σφαλμάτων στο φάσμα κραδασμών (π.χ. συχνότητα μετάβασης εσωτερικού δακτυλίου BPFI), η βαθμονόμηση του αισθητήρα και τα πιθανά σφάλματα δεδομένων. Το σχόλιο δεν πρέπει να μετατραπεί σε απόφαση συντήρησης χωρίς επαλήθευση από επιτόπια επιθεώρηση και μηχανισμό φυσικής βλάβης.

9. Ποια πτυχή της παραγωγής απαιτεί τη μεγαλύτερη προσοχή κατά την αξιολόγηση της ικανότητας κατασκευής (DFM) ενός εξαρτήματος με AI;

• Α) Συμμόρφωση των συστάσεων με τα πραγματικά όρια μηχανών, εργαλείων και διεργασιών ✔
• Β) Μόνο η αισθητική εμφάνιση του κομματιού
• Γ) Μέγεθος αρχείου του μοντέλου CAD
• Δ) Επιλογές χρώματος και επίστρωσης

Περιγραφή: AI; Μπορεί να υποθέσει όρια μηχανών, εργαλείων, καλουπιών και διεργασιών χωρίς πραγματικούς περιορισμούς στο συνεργείο. Για παράδειγμα, μπορεί να υποδηλώνει μια ανέφικτη εσωτερική γωνιακή ακτίνα ή μια αδύνατη ανοχή. Οι συστάσεις του DFM θα πρέπει να επικυρώνονται έναντι του υπάρχοντος εξοπλισμού και των πραγματικών ορίων διεργασιών.

10. Τι πρέπει να γίνει πριν στείλετε στην παραγωγή μια σημείωση ανοχής σχεδίου/GD&T που δημιουργείται από AI;

• Α) Επεξεργασία σημειώσεων απευθείας στο σχέδιο καθώς δημιουργεί το AI
• Β) Ελέγξτε και εγκρίνετε τους βαθμούς σύμφωνα με τις τυπικές και λειτουργικές απαιτήσεις ✔
• Γ) Περιορίζοντας τυχαία τις ανοχές και πιστεύοντας ότι είναι ασφαλές
• Δ) Αλλαγή συμβόλων για να γίνουν αξέχαστα

Περιγραφή: AI; μπορεί να παράγει λανθασμένες ή μη τυπικές τιμές ανοχής, σύμβολα GD&T (γεωμετρικές διαστάσεις και ανοχή) ή χαρακτηρισμούς φινιρίσματος επιφανειών. Οι σημειώσεις θα πρέπει να ελέγχονται με βάση το σχετικό πρότυπο (π.χ. ISO/ASME GD&T) και τις λειτουργικές απαιτήσεις. Η συνέπεια των ανοχών όσον αφορά τη συναρμολόγηση και τη λειτουργία πρέπει να επιβεβαιώνεται από τον μηχανικό.

11. Η AI δήλωσε ότι ένα σχέδιο «συμμορφώνεται με το EN 13445 ρήτρα 7.4.2». Ποια είναι η πιο σωστή συμπεριφορά;

• Α) Γράψτε απευθείας στην αναφορά επειδή η τεχνητή νοημοσύνη δίνει απόδοση
• Β) Στήριξη σε σχόλιο σε διαδικτυακό φόρουμ
• Γ) Επαλήθευση του αριθμού ουσίας και του περιεχομένου από το επίσημο/τρέχον πρότυπο κείμενο ✔
• Δ) Αλλαγή του αριθμού αντικειμένου ώστε να απομνημονεύεται

Περιγραφή: Η τεχνητή νοημοσύνη μπορεί να παράγει λανθασμένους τυπικούς αριθμούς και σημεία διακοπής αντικειμένων με ψευδαισθήσεις. Η αναφερόμενη ουσία και τιμή δεν θα πρέπει να λαμβάνονται ως βάση για το σχεδιασμό ή την έκθεση χωρίς επαλήθευση από το επίσημο και το τρέχον πρότυπο κείμενο.

12. Τι είναι υποχρεωτικό πριν χρησιμοποιήσετε ένα σενάριο υπολογισμού μηχανικής Python που δημιουργήθηκε με AI;

• Α) Άμεση εμπιστοσύνη στον κώδικα γιατί λειτουργεί χωρίς σφάλματα
• Β) Συντομεύστε τα ονόματα μεταβλητών και διαγράψτε τις γραμμές σχολίων
• Γ) Γράψτε το σενάριο περισσότερο και υποθέστε ότι είναι ασφαλές
• Δ) Επικύρωση με δοκιμές με γνωστά αποτελέσματα, έλεγχο μονάδας και περιβλήματα άκρων ✔

Σχόλιο: Ο κώδικας AI μπορεί να περιέχει λανθασμένη μετατροπή μονάδας, λανθασμένο τύπο ή σε περιπτώσεις ακμών λανθασμένο αποτέλεσμα και μπορεί να υπολογίζει λανθασμένα ακόμη και αν λειτουργεί χωρίς σφάλματα. Κώδικας; Οι είσοδοι δοκιμής με γνωστά αποτελέσματα θα πρέπει να επικυρώνονται με έλεγχο μονάδας (μέγεθος) και περιβλήματα ακμών.

13. Ποιο είναι το σωστό όσον αφορά την ευθύνη κατά την εκτέλεση ενός κρίσιμου για την ασφάλεια υπολογισμού με AI στη μηχανολογία;

• Α) Η ευθύνη παραμένει στον αρμόδιο μηχανικό που εγκρίνει. Το AI δεν υποκαθιστά την έγκριση ✔
• Β) Ο Μηχανικός απαλλάσσεται από την ευθύνη εάν εγκριθεί η AI
• Γ) Η έξοδος AI αντικαθιστά την υπογραφή μηχανικού
• Δ) Η ανθρώπινη επαλήθευση δεν είναι απαραίτητη σε έναν κρίσιμο για την ασφάλεια λογαριασμό

Περιγραφή: Ο αρμόδιος μηχανικός είναι υπεύθυνος για την ακρίβεια και την έγκριση/υπογραφή του μηχανικού αποτελέσματος. Το AI δεν μπορεί να αναλάβει αυτήν την ευθύνη. Για κρίσιμους για την ασφάλεια υπολογισμούς και σχέδια, η τεχνητή νοημοσύνη είναι προσχέδιο/εισαγωγή και δεν υποκαθιστά την έγκριση και την επαλήθευση μηχανικού.

14. Ποια είναι η καλύτερη πορεία δράσης όταν προσπαθείτε να αναλύσετε τον εμπιστευτικό σχεδιασμό προϊόντων μιας εταιρείας με ένα δημόσιο εργαλείο AI;

• Α) Εγκατάσταση stealth σχεδίασης σε δημόσιο όχημα ως προς την ταχύτητα
• Β) Συμμόρφωση με την πολιτική δεδομένων, ανωνυμοποίηση ευαίσθητων δεδομένων ή χρήση εταιρικών/απομονωμένων εργαλείων ✔
• Γ) Η κοινή χρήση δεδομένων πελατών είναι πάντα απαραίτητη για ταχύτητα
• Δ) Το ζήτημα του απορρήτου είναι άσχετο με τη χρήση του AI

Αποκάλυψη: Εμπιστευτικό σχέδιο, δεδομένα πελατών ή ιδέες που δεν έχουν κατοχυρωθεί με δίπλωμα ευρεσιτεχνίας δεν θα πρέπει να μεταφορτώνονται ως έχουν σε δημόσια εργαλεία των οποίων η πολιτική δεδομένων είναι άγνωστη. Αυτό ενέχει κίνδυνο παραβίασης της πνευματικής ιδιοκτησίας και της ιδιωτικής ζωής. Πρέπει να ακολουθείται η πολιτική εταιρικών δεδομένων, τα ευαίσθητα δεδομένα πρέπει να είναι ανώνυμα ή να χρησιμοποιείται ένα εταιρικό/απομονωμένο εργαλείο.