Kasu:
- Võimalus kasutada tehisintellekti termofüüsikaliste omaduste esialgse ennustus- ja ennustusmeetodi (grupi panuse) juhisena ja taotleda mis tahes väärtust.
- Võime jäädvustada hallutsinatsioone, kontrollides iga kriitilist funktsiooni usaldusväärse andmebaasi (DIPPR/NIST) või katsega
- Oskus mõista, et materjali valik on ohutuse seisukohalt kriitiline otsus, mis nõuab andmeid korrosiooni kohta ja volitatud heakskiitu.
Iga protsessi arvutus taandub lõpuks arvule: vedeliku tihedus, viskoossus, soojusmahtuvus, aururõhk, keemistemperatuur; resolutsioon; materjali vastupidavus korrosioonile. Neid nimetatakse ühiselt termofüüsikalisteks omadusteks – füüsikalisteks suurusteks, mis määravad aine soojuse, voolu ja faasikäitumise. Destillatsioonikolonn, soojusvaheti või pump on õigesti konstrueeritud ainult siis, kui need omadused on õiged. Selles õppetükis õpid kasutama tehisintellekti esialgse ennustamis- ja võrdlusvahendina omaduste ennustamisel ja materjalide valikul (metallide, tihendite, kattekihtide valik protsessitingimustele vastupidavaks); kuid me saame teada, miks tuleb neid väärtusi usaldusväärse andmebaasi või katse abil kontrollida.
Kriitiline tõde on järgmine: tunnuste hindamine on disaini arvuline alus; Siin esinev viga levib kogu kontole. AI võib enesekindlalt anda aururõhu või viskoossuse, kuid see väärtus võib olla mõne muu ühendi puhul, võib olla valel temperatuuril või olla täiesti hallutsinatsiooniline. Seega funktsiooniandmete kuldreegel: iga kriitiline funktsioon peaks põhinema usaldusväärsel allikal (DIPPR, NIST, tootja andmeleht) või katsel.
Samm-sammuline AI tugi funktsioonide ennustamiseks
1. Millist funktsiooni sa vajad ja mis tingimustel? Temperatuur, rõhk, faas ja kontsentratsioon muudavad omadust. Tehisintellektile tingimust andmata võetud väärtus on eksitav.
2. Hindamismeetodi valimine. Kui eksperimentaalseid andmeid pole, tuletab tehisintellekt meelde ennustamismeetodeid, nagu grupi panuse meetodid – meetodid, mis ennustavad omadusi, jagades molekuli osadeks ja lisades iga osa panuse; nt. Joback, UNIFAC – ja selgitab, milline neist on sobiv.
3. Esialgne väärtus ja määramatus. AI võib anda esialgse väärtuse, kuid kindlasti "see on ennustus, selle määramatus on suur, kontrollige seda" raames. Küsige AI-lt ka väärtuse tüüpilist veamarginaali.
4. Võrdlus allikaga. Võrrelge AI väärtust termodünaamika andmebaasi või tootjalehega. Kui hälve on suur, väärtust ei kasutata.
5. Materjalide sobivuse eelkontroll. YZ tuletab meelde teadaolevaid korrosiooni/sobimatuse riske vedeliku ja materjali paari puhul (nt roostevaba terase punktkorrosioon kloriidi sisaldavas keskkonnas). See on eelhoiatus; Lõpliku valiku teevad ühilduvustabelid ja eksperthinnang.
6. Mõistlikkuse filter. Kas väärtusel on auastme seisukohalt mõtet? Kas vee tihedus on umbes 1000 kg/m³? Lihtne tellimuse kontrollimine tuvastab enamiku vigu.
Näpunäide. Kui küsite tehisintellektilt funktsiooni väärtust, öelge "täpsustage allikas ja hinnangumeetod, öelge mulle, kas see on eksperimentaalne või hinnanguline." Kui tehisintellekt ei saa allikale viidata, märkige see väärtus oletuseks ja kontrollige seda iseseisvalt.
Materjali valik: ohutus ja vastupidavus
Materjali valik on nii majanduslik kui ka ohutuse seisukohalt kriitiline otsus. Vale materjal võib korrosiooni tõttu nõrgeneda, põhjustades surveanuma lõhkemise või mürgise vedeliku lekke. AI suudab meelde tuletada lähtematerjalide loendi ja teadaolevad kokkusobimatused; Kuid temperatuuri, rõhu, kontsentratsiooni ja lisandite koosmõju on keeruline ning lõplik valik tehakse materjalitehniliste andmete (ühilduvuskaardid, korrosioonikiiruse andmed) ja vajaduse korral katsete põhjal.
Tähelepanu: AI ütlemine "see materjal sobib selle vedeliku jaoks" ei ole garantii. Surve all olevate seadmete ja mürgiste/süttivate vedelike puhul nõuab materjali valik kvalifitseeritud inseneri heakskiitu ja kontrollitud korrosiooniandmeid.
kolm minikarpi
Juhtum 1 – kiire ennustamine. Insener soovis uue lahustisegu soojusmahtuvuse esialgset hinnangut, mille kohta kirjanduses andmeid napib. AI andis vahemiku rühmapanuse meetodi kaudu. Insener tegi selle esialgse väärtusega umbkaudse energiaarvutuse ja lasi selle siis laboris mõõta; mõõtmine jäi prognoositust 6% piiresse. Prognoosimine kiirendas planeerimist, kuid disain nihkus eksperimentaalsele väärtusele.
Juhtum 2 – tabatud hallutsinatsioonid. YZ andis ühendi normaalseks keemistemperatuuriks 78 °C. Kui insener võrdles seda NIST-iga, leidis ta, et tegelik väärtus oli 118 °C; AI oli selle nime segamini ajanud teise sarnase ühendiga. Võrdlus allikaga takistas 40 °C vea sisenemist kolonni kujundusse.
Juhtum 3 – materjali hoiatus. YZ märkis roostevaba terase 304 valimist kloriidioone sisaldava vesivoo jaoks kui "punktide ja pingekorrosioonipragude ohtu" ning viitas vastupidavamale sulamile. Materjalide insener kinnitas ühilduvusandmetega ja valis kõrgema sulami materjali. AI tõi riski päevakorda, otsus tehti andmetega.
Neli kopeeritavat malli
1) Funktsiooni ennustus (nõutav allikas):
Sinu roll: füüsise ekspert. Ühend: [nimi/valem], tingimus: [T, P, faas]. Soovin funktsiooni: [nt. aururõhk]. Esitage: (1) katseväärtus ja ALLIKAS (DIPPR/NIST/tootja), kui see on olemas, (2) kui ei, siis hindamismeetod ning hinnanguline väärtus ja määramatuse piir. Märkige selgelt, kas see on eksperimentaalne või ennustav. Kui te ei saa allikale viidata, märkige see kui "ennustus, mis vajab kontrollimist". Ärge valmistage väärtust välja; Kui te pole kindel, öelge mulle.
2) Grupi panuse meetodi juhend:
Mul on ühend, mille kohta puuduvad katseandmed: [struktuur/NAERATUS]. Milline grupi panuse meetod (Joback, UNIFAC jne) sobib [vara] jaoks ja miks? Selgitage meetodi etappe ja nõutavaid rühmaparameetreid. Märkige, et tulemus on hinnanguline ja tüüpiline veapiir. Lõpliku väärtuse kontrollin katse/andmebaasiga.
3) Väärtuste võrdlus/kontrollimine:
Allpool on toodud funktsiooni väärtused erinevatest allikatest. Võrrelge neid tabelis, arvutage kõrvalekalle ja reastage, kumb on usaldusväärsem (empiiriline > hinnatud > ennustatud). Kui on suur kõrvalekalle, märkige võimalik põhjus (erinev seisund, erinev isomeer). Allikad: [paste]
4) Materjalide ühilduvuse eelkontroll:
Vedelik: [koostis, kontsentratsioon, lisandid], seisund: [T, P]. Kandidaadid: [loend]. Tuletage meelde teadaolevad korrosiooni/ühildumatusriskid (süvendid, pingepraod, üldine korrosioon). See on EELNÕU; Lõplik valik nõuab korrosiooniandmeid ja volitatud inseneri kinnitust. Märkige selgelt riskantsed paarid.
Nõrk viip / Tugev viip
Nõrk viip:
Mis on tolueeni viskoossus?
Ei kuumene, ei keevita. AI annab numbri, kuid millistel tingimustel ja kui usaldusväärne see on, on ebaselge.
Võimas viip:
Sinu roll: füüsise ekspert. Tolueeni dünaamiline viskoossus vedelas faasis, 25°C, 1 atm. Esitage: väärtus, ühik, ALLIKAS ja eksperimentaalne hinnang. Võimalusel andke kaks sõltumatut allikat ja märkige järjepidevus. Kui te ei saa allikale viidata, märkige see oletuseks. Väärtuse sobivus. Kontrollin tulemust termodünaamilise andmebaasiga.
Erinevus on selge: tingimus, ressursi mandaat ja valideerimisraamistik teevad väärtuse kättesaadavaks.
Rollide jaotus funktsioonide ja materiaalsete otsuste tegemisel
äri
AI roll
Inimlik otsus/allikas
Eksperimentaalne funktsioon
allika meeldetuletus
Andmebaasi kinnitus
Andmeid pole, arvan
Meetod + vaikeseade
Katse/andmebaasi valideerimine
Väärtuste võrdlus
Tabel, kõrvalekalle
usaldusväärsuse otsus
Materjalikandidaadid
riski meeldetuletus
Vastavusandmed, kinnitus
Auastme kontroll
märgistamine
füüsiline mõistlikkus
Levinud vead
- Kasutades allikata väärtust. Iga tehisintellekti antud kriitilist funktsiooni kinnitab andmebaas/katse.
- Tingimust ei mainita. Temperatuuri/rõhku/faasi määramata võetud väärtus võib kuuluda valesse olekusse.
- Hinnangulise väärtuse eksimine empiiriliseks. Grupi panuse hinnangud on ebakindlad; Võtke seda disainimisel arvesse.
- Materjalivaliku tegemine ühelauselise kinnitusega. Korrosioon on mitme muutujaga; nõutavad andmed ja kinnitus.
- Auastmekontrollist möödahiilimine. Lihtne "kas sellel numbril on mõtet?" kontroll tabab enamiku hallutsinatsioone.
Kokkuvõttes
AI varade ja materjalide prognoosimisel; See on võimas abiline, mis genereerib esialgseid väärtusi, tuletab meelde hindamismeetodit, võrdleb ressursside väärtusi ja märgib ära materiaalsed riskid. Kuid iga kriitiline omadus peab põhinema usaldusväärsel andmebaasil või katsel; Materjali valik on ohutuse seisukohalt kriitiline otsus, mis nõuab andmeid korrosiooni kohta ja volitatud inseneri heakskiitu. AI pakub ennustusi ja hoiatusi; Insener loob ühenduse allikaga, kontrollib ja valib.
Rakenduse ülesanne
Valige ühend ja omadus (nt lahusti aururõhk, 40°C). Hankige väärtus ja selle allikas AI-st malliga „Atribuudi ennustus (vajalik ressurss)”; seejärel võrrelge seda termodünaamilise andmebaasiga ja märkige kõrvalekalle. Seejärel kasutage vedeliku-materjali paari jaoks malli "esialgne materjalide ühilduvuse sõelumine" ja kinnitage sellest tulenevad riskid ühilduvustabeliga.
kontrollnimekiri
- Tahtsin funktsiooni [ ] koos tingimusega (T, P, faas).
- [ ] Võrdlesin tehisintellekti antud väärtust usaldusväärse andmebaasi/katsega.
- [ ] Eristasin hinnangulised väärtused eksperimentaalsetest ja märkisin ära ebakindluse.
- [ ] Kontrollisin materjalivalikut korrosiooniandmete ja volitatud kinnitusega.
- [ ] Rakendasin igale kriitilisele numbrile auastme/usaldusväärsuse kontrolli.