سود:
- امکان ارزیابی سریع تعادل جرم/انرژی و معیارهای کلیدی با خلاصه کردن صدها خط خروجی شبیه سازی با هوش مصنوعی
- توانایی درک اینکه شبیه سازی بازتابی از مدل ترمودینامیکی انتخابی و مناسب بودن مدل سوال و قابل قبول بودن فیزیکی است
- توانایی تأیید همگرایی، انحراف تعادل و امضاهای عجیب و غریب با مقایسه با داده های تجربی/مرجع
هنگامی که طراحی فرآیند بر روی کاغذ به پایان رسید، زمان "اجرا" آن بر روی کامپیوتر است. شبیهسازی فرآیند - نرمافزاری که به صورت عددی جرم، انرژی و رفتار تعادلی یک تاسیسات را از طریق مدلهای ترمودینامیکی حل میکند - راکتورها، ستونهای تقطیر، مبدلهای حرارتی و جریانها را به عنوان یک کل محاسبه میکند. رایج ترین ابزارها نرم افزارهایی مانند Aspen Plus / Aspen HYSYS (شبیه سازهای تجاری استاندارد صنعتی) و DWSIM (یک جایگزین منبع باز) هستند. این ابزارها جداول عظیمی از اعداد را تولید می کنند: سرعت جریان، دما، فشار، ترکیب، آنتالپی هر جریان (انرژی گرمایی که یک جریان حمل می کند)، وظایف هر قطعه از تجهیزات. در این بخش یاد می گیرید که چگونه از هوش مصنوعی به عنوان دستیار استفاده کنید که تناقضات احتمالی در این دریای اعداد را خلاصه، مقایسه و علامت گذاری می کند. اما ما یاد خواهیم گرفت که چرا باید تصمیم بگیرید که آیا شبیه سازی با فیزیک مطابقت دارد یا خیر.
بیایید با یک واقعیت مهم شروع کنیم: شبیه سازی بازتابی از مدل ترمودینامیکی و فرضیاتی است که انتخاب می کنید. خود واقعیت نیست. اگر بسته ترمودینامیکی اشتباهی را انتخاب کنید (روش خاصیت/ترمودینامیکی - مدلی که تعادل و خواص سیالات را محاسبه میکند؛ به عنوان مثال، ایدهآل، NRTL، پنگ رابینسون)، شبیهساز نتایج صاف و قانعکننده اما کاملاً اشتباهی تولید میکند. هوش مصنوعی به تفسیر این نتایج کمک می کند اما نمی تواند صحت مدل را تضمین کند.
پشتیبانی گام به گام هوش مصنوعی در خواندن خروجی شبیه سازی
1. کنترل همگرایی. ابتدا ببینید آیا شبیه سازی واقعا حل می شود یا خیر. همگرایی زمانی است که حل عددی به یک نتیجه پایدار می رسد. نتیجه غیر همگرا بی معنی است. شما می توانید گزارش راه حل ها را به هوش مصنوعی بدهید و هشدارها و خطاها را خلاصه کنید.
2. تعادل جرم و انرژی. یک شبیه سازی خوب تضمین می کند که in = out. هوش مصنوعی میتواند مجموع ورودی-خروجی را از جدول جریان جمعآوری کند و انحرافات پرچم را در حالت تعادل نشان دهد. اگر انحراف زیاد باشد، مدل یا راهاندازی معیوب است.
3. خلاصه کردن نتایج کلیدی. خلوص محصول، وظایف جوشآور/کندانسور، نمایه ستون، تبدیل - سرعت تبدیل واکنشدهنده به محصول در راکتور. هوش مصنوعی این معیارهای کلیدی را از صدها ردیف به یک جدول خلاصه می کشد.
4. مقایسه سناریو. هوش مصنوعی تفاوت بین دو اجرا را به سرعت جدولبندی میکند (مثلاً نسبت رفلاکس متفاوت): «کدام متغیر چقدر تغییر کرد، کدام وظیفه افزایش یافت؟»
5. علامت گذاری ناسازگاری. مقادیر فیزیکی فرد - نرخ جریان منفی، ترکیبی بیش از حد حلالیت، دمای نامعقول - می توانند توسط هوش مصنوعی به عنوان "بررسی" علامت گذاری شوند.
6. فیلتر مرز و معقولیت. آیا نتیجه با فیزیک مطابقت دارد؟ آیا خلوص محصول از نظر ترمودینامیکی امکان پذیر است؟ شما کسی هستید که این نظر را دادید.
نکته: هنگام ارائه خروجی شبیه سازی به هوش مصنوعی، به آن نیز بگویید که از کدام بسته ترمودینامیک استفاده می کنید. هوش مصنوعی می پرسد "آیا این بسته در این سیستم (به عنوان مثال اجزای قطبی، آزئوتروپ) مناسب است؟" - اما انتخاب مدل نهایی یک تصمیم مهندسی است.
مدل ترمودینامیکی: رایج ترین خطای پنهان
بیشتر خطاهای شبیه سازی عددی نیستند بلکه از انتخاب مدل منشأ می گیرند. اعمال یک مدل ایدهآل برای یک مخلوط قطبی، یک آزئوتروپ - نقطهای که مایع و بخار در یک ترکیب مشخص یکسان هستند و با تقطیر قابل جداسازی نیستند - نامرئی میکند. هوش مصنوعی میتواند یک خروجی را تفسیر کند، اما نمیتواند تأیید کند که مدلی که انتخاب میکنید با سیستم مطابقت دارد یا خیر. این نیاز به دانش ترمودینامیک و مقایسه داده های تجربی دارد. هشدار "این مقدار عجیب است" که توسط هوش مصنوعی به آن اشاره شده است اغلب نتیجه انتخاب مدل اشتباه است.
احتیاط: یک شبیه سازی فقط به این دلیل که "همگرا شده و تصویر خوبی ارائه می دهد" صحیح نیست. بسته ترمودینامیکی اشتباه خطرناک ترین نوع خطا است زیرا نتیجه قانع کننده به نظر می رسد. همیشه خروجی را با داده های تجربی، محاسبه دستی یا یک مرجع شناخته شده مقایسه کنید.
سه کیف کوچک
مورد 1 - خلاصه کردن زمان ذخیره شده. یک مهندس 600 خط خروجی از آسپن را شامل 40 جریان و 12 تجهیزات ارزیابی می کند. هوش مصنوعی خلوص محصول، تخصیص ستون ها و تبدیل را به یک جدول خلاصه نشان داد. مهندس به جای 45 دقیقه مطالعه در 10 دقیقه به نتایج کلیدی رسید. هر مقدار کلید دوباره در جدول منبع تأیید شد.
مورد 2 - هشدار مدل. در جداسازی آب-اتانول، شبیه سازی خلوص 99.9 درصد را به دست آورد. YZ خاطرنشان کرد: با بسته ترمودینامیکی ایدهآل، هیچ آزئوتروپی در این سیستم ظاهر نمیشود؛ این از نظر فیزیکی مشکوک است. هنگامی که مهندس بسته را به NRTL تبدیل کرد، آزئوتروپ ظاهر شد و حد خلوص واقعی (تقریباً 95.6 درصد جرم) ظاهر شد. هوش مصنوعی این خطا را حل نکرد، اما سوال درستی را مطرح کرد.
مورد 3 - انحراف تعادل. در یک دویدن DWSIM، 1000 کیلوگرم در ساعت وارد شد و 940 کیلوگرم در ساعت خارج شد. هوش مصنوعی 6 درصد تفاوت را نشان داد. پس از بازرسی، مشخص شد که جریان بخار قطع شده است. بدون کنترل تعادل، این نتیجه اشتباه گزارش می شد.
چهار قالب قابل کپی
1) خلاصه شبیه سازی:
نقش شما: تحلیلگر شبیه سازی فرآیند. من یک نمودار جریان شبیه ساز به شما می دهم (بسته ترمودینامیک: [بسته]). ارائه کنید: (1) جدول خلاصه مقادیر کلیدی برای هر جریان (سرعت جریان، T، P، ترکیبات اصلی)، (2) جرم ورودی-خروجی و تعادل انرژی و انحراف، (3) خلوص محصول و مقادیر وظیفه کلیدی. فقط از اعداد ACTUAL جدول استفاده کنید، مقدار را تشکیل ندهید. جدول: [paste]
2) تأیید تراز:
از این جدول جریان، جرم کل (و در صورت امکان انرژی) ورودی و خروجی را جداگانه اضافه کنید، اختلاف را محاسبه کنید و درصد را بدهید. اگر اختلاف بیشتر از 0.5٪ باشد، مشخص کنید که کدام جریان ممکن است بیشتر/کمتر باشد. اگر بازیافتی وجود دارد، بررسی کنید که دوبرابر شمارش نشده باشد. جدول: [چسباندن]
3) پرسش مناسب بودن مدل:
سیستم من: [اجزا، شرایط، حالت آزئوتروپ/قطبی/الکترولیت]. بسته ترمودینامیکی من استفاده می کنم: [بسته]. آیا این بسته برای این سیستم مناسب است، در چه مواردی گمراه کننده خواهد بود؟ یک بسته جایگزین پیشنهاد کنید و توضیح دهید که چرا مناسب تر است. من انتخاب نهایی را با داده های تجربی تأیید می کنم. قضاوت نهایی نکنید، توجیه کنید.
4) مقایسه سناریو:
من دو اجرای شبیه سازی (سناریوهای A و B) ارائه خواهم داد. ورودی های مختلف و تأثیر آنها بر خروجی های کلیدی (خلوص، وظیفه، تبدیل، انرژی) را در جدول مقایسه ای نشان دهید. بگویید کدام سناریو با چه معیاری برتر است، اما اجازه دهید من تصمیم بگیرم. فقط از اعداد داده شده استفاده کنید. A: [چسباندن] B: [چسباندن]
اعلان ضعیف / اعلان قوی
اعلان ضعیف:
آیا این نتیجه شبیه سازی خوب است؟
«خوب» تعریف نشده است: چه معیاری، چه هدفی، چه مدلی؟ هوش مصنوعی میتواند تأیید عمومی و گمراهکننده بدهد.
اعلان قدرتمند:
نقش شما: تحلیلگر شبیه سازی هدف من: 99٪ بنزن خالص در بالای ستون، به حداقل رساندن وظیفه انرژی. بسته ترمودینامیک: پنگ-رابینسون. از نمودار جریان زیر استخراج کنید: (1) خلوص به دست آمده و فاصله تا هدف، (2) وظایف جوشاننده/کندانسور، (3) تعادل جرم و رانش در اعداد واقعی. اگر ارزش فیزیکی مشکوک وجود دارد علامت بزنید. نظر خود را اضافه کنید اما تصمیم نهایی را به من بسپارید. برازش ارزش. جدول: [رب]
تفاوت واضح است: هدف، معیار، مدل، و محدودیت "تعداد واقعی" خروجی را به یک تحلیل قابل دفاع تبدیل می کند.
توزیع نقش در تفسیر شبیه سازی
کسب و کار
نقش هوش مصنوعی
تصمیم مرد
بررسی همگرایی
خلاصه هشدار
نتیجه را معتبر در نظر بگیرید
تعادل جرم/انرژی
کل و انحراف
علت اصلی خطا
خلاصه نتایج کلیدی
جدول خلاصه
تناسب اندام را هدف قرار دهید
انتخاب مدل
هشدار در دسترس بودن
تصمیم بسته، آزمایش
مقایسه سناریو
جدول تفاوت
انتخاب طرح
مقدار عجیب و غریب
علامت گذاری
تفسیر فیزیکی
اشتباهات رایج
- تفسیر نتیجه غیر همگرا شبیه سازی حل نشده بی معنی است. ابتدا همگرایی تایید می شود.
- درخواست نظر بدون دادن بسته ترمودینامیک. هوش مصنوعی بدون اینکه مدل را بداند، تأیید گمراه کننده می دهد.
- اشتباه گرفتن یک نقاشی زیبا به عنوان واقعی مدل اشتباه نتیجه قانع کننده اما اشتباهی ایجاد می کند. مقایسه با آزمایش
- نادیده گرفتن انحراف تعادل حتی یک درصد اختلاف نیز می تواند نشانه ای از شکستگی جریان یا خطا باشد.
- با استفاده از عددی که هوش مصنوعی ساخته است. فقط مقادیر واقعی جدول مجاز است. یک قید "فقط اعداد داده شده" را تنظیم کنید.
به طور خلاصه
هوش مصنوعی در شبیه سازی فرآیند؛ این یک دستیار قدرتمند است که صدها خط خروجی را خلاصه میکند، تعادل جرم/انرژی را بررسی میکند، سناریوها را مقایسه میکند، و مقادیر عجیب و غریب را از نظر فیزیکی پرچمگذاری میکند. اما شبیه سازی بازتابی از مدل ترمودینامیکی انتخاب شده و مفروضات است. مناسب بودن مدل، انطباق نتیجه با فیزیک و تصمیم طراحی متعلق به انسان است. هوش مصنوعی شما را وادار می کند سوالات درستی بپرسید. مهندس مدل را انتخاب می کند، نتیجه را با آزمایش تأیید می کند و تصمیم می گیرد.
وظیفه کاربردی
یک خروجی شبیه سازی (یا یک نمودار جریان نمونه) دریافت کنید. معیارهای کلیدی و تعادل جرم را با الگوهای "خلاصه شبیه سازی" و "تأیید تعادل" از هوش مصنوعی استخراج کنید. اگر انحرافی وجود دارد، دلیل آن را پیدا کنید. سپس از الگوی "پرس و جو مناسب بودن مدل" برای بحث در مورد مناسب بودن بسته ترمودینامیک خود برای سیستم خود استفاده کنید و آن را با حداقل یک مقدار تجربی/مرجع مقایسه کنید.
چک لیست
- [ ] من تأیید کردم که شبیه سازی همگرا شده است.
- [ ] من تأیید کردم که تعادل جرم (و در صورت امکان انرژی) برقرار است.
- [ ] من در مورد مناسب بودن بسته ترمودینامیکی برای سیستم خود تردید داشتم.
- [ ] من نتایج کلیدی را با حداقل یک مقدار مرجع/تجربی مقایسه کردم.
- [ ] من یک محدودیت "فقط مقادیر جدول واقعی" را روی هوش مصنوعی قرار دادم.