تحقیق استاندارد و هنجار (تاکید بر تأیید) — هوش مصنوعی در مهندسی مکانیک

سود:

توانایی تشخیص خانواده ها و محدوده های استاندارد مانند TS، EN، ISO، DIN، ASME
غربالگری استاندارد، خلاصه سازی و ایجاد چک لیست انطباق با هوش مصنوعی
امکان اعمال نظم و انضباط تایید مواد و مقادیر ذکر شده توسط هوش مصنوعی از متن استاندارد رسمی

در مهندسی مکانیک، هیچ طراحی در خلاء نمی ایستد. از مخازن تحت فشار گرفته تا تجهیزات بالابر، از پیچ و مهره تا سازه های جوشی، همه چیز تابع استانداردها و هنجارها است. یک استاندارد (مجموعه ای از قوانین فنی مورد قبول و مستند برای یک محصول، فرآیند یا روش) ایمنی، انطباق و کیفیت را تضمین می کند و اغلب یک الزام قانونی است. خانواده های استاندارد مانند TS (استاندارد ترکیه)، EN (هنجار اروپایی)، ISO (سازمان بین المللی استاندارد)، DIN (استاندارد آلمانی) و ASME (انجمن مهندسین مکانیک آمریکا) قوانین جغرافیایی و زمینه های مختلف را دارند. هوش مصنوعی (AI) در غربالگری استاندارد، خلاصه سازی، مقایسه پوشش و چک لیست انطباق در زمان صرفه جویی می کند. اما اینجاست که جدی‌ترین خطر هوش مصنوعی در مهندسی مطرح می‌شود: هوش مصنوعی می‌تواند اعداد استاندارد، شماره آیتم‌ها و مقادیر حدی نادرست یا کاملاً ساختگی (توهم‌آمیز) تولید کند. یک بند یا مقدار استاندارد هرگز به عنوان مبنای طراحی، محاسبه یا گزارش بدون تأیید متن استاندارد رسمی و فعلی در نظر گرفته نمی شود. این موضوع اصلی این واحد است: استفاده از هوش مصنوعی به عنوان نقطه شروع در تحقیقات استاندارد، اما تأیید هر انتساب از منبع اولیه.

خانواده ها و محدوده های استاندارد

خانواده ها با استانداردهای مختلف اهداف و جغرافیای متفاوتی را ارائه می دهند. دانستن اینکه کدام خانواده کسب و کار شما را پوشش می دهد اولین قدم است:

خانواده

منبع / دامنه

استفاده معمولی

TS / TS EN

موسسه استاندارد ترکیه؛ معادل ترکی EN

انطباق حقوقی/تجاری در ترکیه

اروپا (CEN/CENELEC)؛ مبنای CE

بازار اتحادیه اروپا، نشان CE

ISO

بین المللی؛ به طور کلی معتبر است

طراحی جهانی، کیفیت (به عنوان مثال GD&T، درج)

دین

آلمان؛ منشا بسیاری از ISO ها

عناصر ماشین، هنجارهای دقیق

ASME

ایالات متحده آمریکا; مخزن تحت فشار، دیگ بخار، GD&T (Y14.5)

پروژه های آمریکای شمالی، پتروشیمی

یک موضوع ممکن است در بیش از یک خانواده طنین انداز شود. به عنوان مثال، یک رزوه پیچ در هر دو ISO و DIN تعریف شده است و اغلب سازگار است، اما نه همیشه یک به یک. در یک پروژه اروپایی، EN/TS EN به عنوان پایه، در پروژه ایالات متحده، ASME به عنوان پایه در نظر گرفته می شود. انتخاب نامناسب خانواده باعث ناسازگاری محصول تولید شده در بازار هدف می شود.

نکته: هنگام درخواست استاندارد از هوش مصنوعی، بازار و برنامه مورد نظر را مشخص کنید، مانند "قلاب بالابر که در ترکیه فروخته می شود." این منجر به خانواده استاندارد صحیح (TS EN) می شود. با این حال، شماره داده شده توسط هوش مصنوعی را بدون تایید آن از کاتالوگ رسمی قبول نکنید.

خطر توهم: بحرانی ترین تایید

تحقیقات استاندارد منطقه ای است که توهم هوش مصنوعی خطرناک ترین است. هوش مصنوعی می تواند یک عدد استاندارد ("EN 13445-9 بند 7.4.2") ایجاد کند که واقعی به نظر می رسد اما وجود ندارد. ممکن است به بند اشتباه یک استاندارد موجود اشاره کند. یا ممکن است یک نسخه قدیمی و قدیمی را به‌روز ارائه کند. هیچ یک از اینها "نیت بد" هوش مصنوعی نیست. مدل زبان متن ممکن را تولید می کند، دقت را تضمین نمی کند. نتیجه جدی است: یک محاسبه بر اساس یک مقدار استاندارد نادرست در ممیزی رد می شود یا یک خطر ایمنی در میدان ایجاد می کند.

توجه: تنها راه معتبر برای تأیید یک بند استاندارد صادر شده توسط هوش مصنوعی، نگاه کردن به متن استاندارد رسمی و فعلی (TSE، ISO، منبع رسمی مربوطه) است. یک نظر انجمن، یک وبلاگ دست دوم یا خود هوش مصنوعی که می گوید "مطمئنا" تأیید نیست. استانداردها همچنین دارای نسخه (سال) و وضعیت مؤثر هستند. مطمئن شوید که از نسخه فعلی استفاده می کنید.

گام به گام: تحقیقات استاندارد با هوش مصنوعی

کاربرد و بازار را تعریف کنید. چه چیزی تولید می کنید، به کدام بازار؟
استانداردهای نامزد تولید هوش مصنوعی را داشته باشید. خانواده ها و اعداد احتمالی به عنوان نقطه شروع.
دامنه را خلاصه کنید. استاندارد چه مواردی را پوشش می دهد و چه مواردی را پوشش نمی دهد؟
هر انتساب را از منبع اصلی تأیید کنید. شماره، نسخه، مورد، ارزش.
یک چک لیست انطباق ایجاد کنید. مواردی که باید رعایت شود.
بررسی شایسته مهندس تصمیم مناسب بودن را می گیرد و مستند می کند.

درخواست یافتن استاندارد کاندید

نقش: مهندس مکانیک با تجربه در استانداردها و انطباق. کاربرد: قلاب بالابر با ظرفیت 2 تن برای استفاده در ترکیه. وظیفه: خانواده ها و اعداد استانداردی را که ممکن است برای این محصول مرتبط باشند (TS EN، ISO و غیره) فهرست کنید. محدوده هر یک را در یک جمله بنویسید. قانون: هر عدد و موردی که می دهید می تواند یک توهم باشد. روشن کنید که باید همه را از منبع رسمی تأیید کنم. اگر مطمئن نیستید علامت بزنید.

اعلان خلاصه دامنه

آنچه را که درباره [شماره استاندارد] می‌دانید خلاصه کنید: چه محصول/فرآیندی را پوشش می‌دهد، چه موضوعات اصلی را پوشش می‌دهد، چه مواردی را معمولاً پوشش نمی‌دهد. قانون: شماره ماده و مقدار حد را ندهید، یا اگر می‌دهید، آن را به‌عنوان «باید تأیید شود» علامت‌گذاری کنید. هدف من این است که یک جهت کلی پیدا کنم، برای ارزش دقیق به متن رسمی خواهم رفت.

درخواست طرح تأیید

طرحی برای تأیید مراجع استاندارد زیر ارائه دهید: [شماره و بندهای ارائه شده توسط هوش مصنوعی]. برای هر مرجع: کدام منبع رسمی (TSE، ISOkatalog) را باید بررسی کنم، چگونه نسخه/سال را بررسی کنم، چگونه از معتبر بودن آن مطلع شوم؟ یک نمودار چک لیست تهیه کنید.

چک لیست واجد شرایط بودن

چک لیست انطباق بر اساس الزامات [استانداردی که در حال تأیید آن هستم] تهیه می شود. برای هر آیتم: نیاز، نحوه اثبات (محاسبه/آزمون/سند)، مسئول. قانون: من شماره آیتم ها را تایید کردم. شما فقط ساختار را نصب کنید. بیان کنید که تصمیم مناسب متعلق به مهندس ذیصلاح است.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

این قلاب باید با کدام استاندارد مطابقت داشته باشد؟ شماره کالا را هم بدهید.

هوش مصنوعی می تواند با اطمینان یک عدد و ماده را بسازد. اگر مهندس بدون تأیید آن از آن استفاده کند، بر اساس پایه اشتباه است.

اعلان قدرتمند:

خانواده ها و اعداد استانداردی را که ممکن است مربوط به قلاب بالابر 2 تنی مورد استفاده در ترکیه به عنوان نقطه شروع باشد فهرست کنید و دامنه هر یک را در یک جمله خلاصه کنید. بدانید که من هر شماره و موردی را که از منبع رسمی می دهید تأیید می کنم. علامت بزنید که مطمئن نیستند و ماده/ارزش تولید نمی کنند.

اعلان دوم هوش مصنوعی را به عنوان نقطه شروع قرار می دهد، هشدار توهم را شامل می شود و به صراحت بار تأیید را بر عهده مهندس می گذارد.

سه مورد کوچک (بر اساس اعداد)

مورد 1 - مواد ساخته شده. هوش مصنوعی می گوید: «EN 13445 بند 7.4.2، ضریب تنش مجاز 1.5» برای یک مخزن تحت فشار. مهندس به متن استاندارد رسمی نگاه می کند: موضوع مربوطه در یک بند متفاوت است و زمینه عامل آن چیزی نیست که هوش مصنوعی می گوید. اگر او مقدار را همانطور که هست استفاده می کرد، محاسبه اشتباه بود. مورد و مقدار صحیح از متن رسمی گرفته شده و تصحیح شده است. درس: شماره مورد بدون توجه به اینکه چقدر واقعی به نظر می رسد تأیید می شود.

مورد 2 - تله نسخه قدیمی. هوش مصنوعی به نسخه اصلاح شده یک استاندارد جوشکاری سال ها پیش اشاره دارد. برخی از معیارهای پذیرش آن نسخه در نسخه فعلی تغییر کرده است. مهندس نسخه فعلی را از کاتالوگ TSE بررسی می کند و محاسبه را مطابق با نسخه فعلی به روز می کند. از آنجایی که نسخه فعلی در ممیزی درخواست می شود، این کنترل پروژه را ذخیره می کند. درس: حتی اگر عدد صحیح باشد، نسخه/سال به طور جداگانه تایید می شود.

مورد 3 - شروع درست، جهت درست. یک مهندس از هوش مصنوعی ماشینی در بازار ترکیه می خواهد. هوش مصنوعی خانواده TS EN ISO 12100 (ارزیابی خطر ایمنی ماشین) را به عنوان نقطه شروع توصیه می کند. معلوم می شود که این جهت درست است. مهندس موارد مربوطه را از متن رسمی تأیید می کند و سند ارزیابی ریسک را ایجاد می کند. هوش مصنوعی در اینجا با دادن جهت تحقیق درست، نه ارزش، در زمان صرفه جویی می کند. درس: ایمن ترین سهم هوش مصنوعی نشان دادن «کجا باید نگاه کرد» است نه دادن «ارزش دقیق».

اشتباهات رایج

استفاده از آیتم/مقدار بدون تأیید: پذیرش شماره داده شده توسط هوش مصنوعی بدون نگاه کردن به متن رسمی.
بررسی نکردن نسخه: اشتباه گرفتن نسخه منسوخ شده با نسخه فعلی.
انتخاب خانواده اشتباه: ناسازگاری مانند استفاده از EN به عنوان پایه برای بازار ایالات متحده و ASME برای بازار اتحادیه اروپا.
تکیه بر منبع دست دوم: جایگزینی نظرات انجمن/وبلاگ به عنوان استاندارد اولیه.
درک نادرست محدوده: تکیه بر موضوعی که استاندارد آن را پوشش نمی دهد.
واگذاری تصمیم مناسب به هوش مصنوعی: صدور حکم "مناسب" بدون تایید مهندس.

به طور خلاصه

در مهندسی مکانیک، طرح ها تابع استانداردهایی مانند TS، EN، ISO، DIN، ASME و اغلب الزامات قانونی هستند.
خانواده استانداردهای مناسب بر اساس بازار هدف و کاربرد انتخاب می شود. خانواده اشتباه یعنی محصول ناسازگار.
تحقیقات استاندارد منطقه ای است که توهم هوش مصنوعی خطرناک ترین است. اعداد، اقلام و مقادیر ممکن است ساختگی باشند.
هر مرجع باید از روی متن استاندارد رسمی و فعلی تأیید شود. نسخه/سال نیز بررسی می شود.
ایمن ترین سهم هوش مصنوعی این است که به مسیر درست تحقیق اشاره کند. تصمیم گیری در مورد مناسب بودن بر عهده مهندس ذیصلاح است.

وظیفه کاربردی

یک محصول بتنی (یک عنصر بالابر، یک جزء فشار یا یک جزء ایمنی ماشین) را انتخاب کنید و بازار هدف را مشخص کنید. خانواده استانداردهای هوش مصنوعی و اعدادی که ممکن است برای این محصول مرتبط باشند را به عنوان نقطه شروع داشته باشید و دامنه هر یک را مشخص کنید. سپس سعی کنید حداقل دو مرجع (عدد استاندارد و بند در صورت وجود) را از یک منبع رسمی/جاری تأیید کنید. بررسی کنید که آیا عددی وجود دارد، نسخه فعلی چیست، آیا آیتم همان چیزی را که هوش مصنوعی می گوید می گوید. اگر توهم یا نسخه های قدیمی پیدا کردید، آنها را یادداشت کنید. در نهایت، بر اساس استانداردی که در حال تأیید آن هستید، یک چک لیست انطباق کوتاه تهیه کنید و بنویسید که چرا تصمیم انطباق نزد مهندس واجد شرایط باقی می ماند.

چک لیست

[ ] بازار هدف و برنامه کاربردی تعریف شده است. خانواده استاندارد صحیح شناسایی شده است.
[ ] خروجی هوش مصنوعی تنها به عنوان نقطه شروع استفاده شد و منبع قطعی در نظر گرفته نشد.
[ ] هر عدد و بند استاندارد از متن رسمی/جاری تأیید شده است.
[ ] نسخه/سال و وضعیت اعتبار استاندارد بررسی شده است.
[ ] منابع دست دوم (فروم/وبلاگ) جایگزین استاندارد اولیه نمی شوند.
[ ] تصمیم انطباق و مستندات به مهندس صالح واگذار می شود.