Dobici:
- Sposobnost korištenja umjetne inteligencije kao preliminarnog predviđanja i metode predviđanja (grupni doprinos) vodiča za termofizička svojstva i traženje bilo koje vrijednosti.
- Sposobnost hvatanja halucinacija provjerom svake kritične značajke s pouzdanom bazom podataka (DIPPR/NIST) ili eksperimentom
- Sposobnost razumijevanja da je odabir materijala sigurnosno kritična odluka koja zahtijeva podatke o koroziji i ovlašteno odobrenje.
Svaki proračun procesa na kraju se svodi na broj: gustoću tekućine, viskoznost, toplinski kapacitet, tlak pare, vrelište; rezolucija; otpornost materijala na koroziju. To se zajednički nazivaju termofizička svojstva - fizikalne veličine koje određuju toplinu, protok i fazno ponašanje tvari. Destilacijski stupac, izmjenjivač topline ili pumpa ispravno su dizajnirani samo ako su te značajke ispravne. U ovoj ćete jedinici naučiti kako koristiti umjetnu inteligenciju kao alat za preliminarno predviđanje i usporedbu u predviđanju svojstava i odabiru materijala (odabir metala, brtvila, premaza koji će izdržati uvjete procesa); ali naučit ćemo zašto te vrijednosti treba provjeriti s pouzdanom bazom podataka ili eksperimentom.
Kritična istina je sljedeća: procjena značajki je numerička osnova dizajna; Pogreška se ovdje širi na cijeli račun. AI može pouzdano dati tlak pare ili viskoznost, ali ta vrijednost može biti za drugi spoj, može biti na pogrešnoj temperaturi ili može biti potpuno halucinantna. Dakle, zlatno pravilo podataka o značajkama: svaka kritična značajka treba se temeljiti na pouzdanom izvoru (DIPPR, NIST, tehnički list proizvođača) ili eksperimentu.
Korak po korak AI podrška za predviđanje značajki
1. Koja vam je značajka potrebna, pod kojim uvjetima? Temperatura, tlak, faza i koncentracija mijenjaju svojstvo. Vrijednost uzeta bez davanja uvjeta AI-u dovodi u zabludu.
2. Odabir metode procjene. Ako nema eksperimentalnih podataka, AI se prisjeća pristupa predviđanja kao što su metode grupnog doprinosa — metode koje predviđaju svojstva rastavljanjem molekule na dijelove i dodavanjem doprinosa svakog dijela; npr. Joback, UNIFAC — i objašnjava koji je prikladan.
3. Preliminarna vrijednost i neizvjesnost. AI može dati preliminarnu vrijednost, ali definitivno u okviru "ovo je predviđanje, njegova nesigurnost je velika, provjerite". Također pitajte AI o tipičnoj granici pogreške vrijednosti.
4. Usporedba s izvorom. Usporedite vrijednost AI s termodinamičkom bazom podataka ili proizvođačkim listom. Ako je odstupanje veliko, vrijednost se ne koristi.
5. Preliminarni pregled kompatibilnosti materijala. YZ podsjeća na poznate rizike od korozije/nekompatibilnosti za par tekućina-materijal (npr. rupičasta korozija nehrđajućeg čelika u okruženju koje sadrži klorid). Ovo je upozorenje; Konačni odabir se vrši na temelju tablica kompatibilnosti i stručne ocjene.
6. Filter razumnosti. Ima li vrijednost smisla u smislu ranga? Za vodu, je li gustoća oko ~1000 kg/m³? Jednostavna provjera narudžbe otkriva većinu pogrešaka.
Savjet: kada pitate AI za vrijednost značajke, recite "navedite izvor i metodu procjene, recite mi je li eksperimentalna ili procijenjena." Ako AI ne može navesti izvor, označite tu vrijednost kao pretpostavku i provjerite je neovisno.
Izbor materijala: sigurnost i trajnost
Odabir materijala je i ekonomska i sigurnosna odluka. Pogrešan materijal može oslabiti korozijom, uzrokujući pucanje tlačne posude ili curenje otrovne tekućine. AI može pozvati popis početnih materijala i poznate nekompatibilnosti; No kombinirani učinci temperature, tlaka, koncentracije i nečistoća složeni su i konačni odabir se vrši na temelju podataka inženjerstva materijala (karte kompatibilnosti, podaci o brzini korozije) i testiranja gdje je potrebno.
Pažnja: AI kaže "ovaj materijal je prikladan za ovu tekućinu" nije jamstvo. U slučaju opreme pod tlakom i otrovnih/zapaljivih tekućina, odabir materijala zahtijeva odobrenje kvalificiranog inženjera i provjerene podatke o koroziji.
tri mini kućišta
Slučaj 1 — Brzo predviđanje. Inženjer je želio preliminarnu procjenu toplinskog kapaciteta za novu smjesu otapala za koju je u literaturi bilo malo podataka. AI je dao raspon putem metode grupnog doprinosa. Inženjer je napravio grubi izračun energije s ovom preliminarnom vrijednošću, a zatim ju je dao izmjeriti u laboratoriju; mjerenje je bilo unutar 6% od predviđanja. Predviđanje je ubrzalo planiranje, ali dizajn je prešao na eksperimentalnu vrijednost.
Slučaj 2 — Uhvaćena halucinacija. YZ je dao normalno vrelište spoja od 78°C. Kad ju je inženjer usporedio s NIST-om, otkrio je da je stvarna vrijednost 118°C; AI je pobrkao ime s drugim sličnim spojem. Usporedba s izvorom spriječila je ulazak pogreške od 40°C u dizajn stupca.
Slučaj 3 — Upozorenje o materijalu. YZ je označio izbor nehrđajućeg čelika 304 za vodenu struju koja sadrži kloridne ione kao "rizik od rupičaste i korozijske pukotine" i naveo je otporniju leguru. Inženjer za materijale potvrdio je podatke o kompatibilnosti i odabrao materijal s višom legurom. AI je donio rizik na dnevni red, odluka je donesena s podacima.
Četiri predloška za kopiranje
1) Predviđanje značajke (potreban izvor):
Vaša uloga: stručnjak za tjelesnu građu. Spoj: [ime/formula], stanje: [T, P, faza]. Značajka koju želim: [npr. tlak pare]. Navedite: (1) eksperimentalnu vrijednost i IZVOR (DIPPR/NIST/proizvođač), ako je dostupno, (2) ako nije, metodu procjene i procijenjenu vrijednost i granicu nesigurnosti. Jasno navedite je li eksperimentalno ili prediktivno. Ako ne možete navesti izvor, označite ga kao "predviđanje koje treba provjeriti". Nemojte izmišljati vrijednost; Ako nisi siguran, reci mi.
2) Vodič za metode grupnog doprinosa:
Imam spoj za koji ne postoje eksperimentalni podaci: [struktura/SMIJEŠI SE]. Koja je metoda grupnog doprinosa (Joback, UNIFAC, itd.) prikladna za [nekretninu] i zašto? Objasnite korake metode i potrebne parametre grupe. Navedite da je rezultat procjena i tipična granica pogreške. Provjerit ću konačnu vrijednost eksperimentom/bazom podataka.
3) Usporedba/provjera vrijednosti:
Ispod su vrijednosti iz različitih izvora za značajku. Usporedite ih u tablici, izračunajte odstupanje i rangirajte što je pouzdanije (empirijski > procijenjeno > predviđeno). Ako postoji veliko odstupanje, označite mogući uzrok (različito stanje, drugačiji izomer). Izvori: [zalijepi]
4) Preliminarni pregled kompatibilnosti materijala:
Tekućina: [sastav, koncentracija, nečistoće], stanje: [T, P]. Materijali kandidata: [popis]. Prisjetite se poznatih rizika od korozije/nekompatibilnosti (pitting, pucanje uslijed naprezanja, opća korozija) za svaki. Ovo je PRELIMINARNO skeniranje; Za konačni odabir potrebni su podaci o koroziji i odobrenje ovlaštenog inženjera. Jasno označite rizične parove.
Slab upit / Jak upit
Slab upit:
Kolika je viskoznost toluena?
Bez grijanja, bez zavarivanja. AI daje broj, ali nije jasno pod kojim uvjetima i koliko je pouzdan.
Snažan upit:
Vaša uloga: stručnjak za tjelesnu građu. Dinamička viskoznost za toluen u tekućoj fazi, 25°C, 1 atm. Navedite: vrijednost, jedinicu, IZVOR i eksperimentalnu procjenu. Ako je moguće, navedite dva neovisna izvora i navedite dosljednost. Ako ne možete navesti izvor, označite ga kao nagađanje. Prilagođavanje vrijednosti. Provjerit ću rezultat pomoću termodinamičke baze podataka.
Razlika je jasna: uvjet, mandat resursa i okvir za provjeru valjanosti čine vrijednost dostupnom.
Raspodjela uloga u odlučivanju o obilježjima i materijalu
poslovanje
Uloga umjetne inteligencije
Ljudska odluka/izvor
Eksperimentalna značajka
izvorni podsjetnik
Potvrda baze podataka
Nema podataka, pretpostavljam
Metoda + zadana vrijednost
Provjera valjanosti eksperimenta/baze podataka
Usporedba vrijednosti
Tablica, odstupanje
prosudba pouzdanosti
Materijalni kandidati
podsjetnik na rizik
Podaci o sukladnosti, odobrenje
Kontrola ranga
obilježavanje
fizička razumnost
Uobičajene greške
- Korištenje vrijednosti bez izvora. Svaku kritičnu značajku koju daje AI potvrđuje baza podataka/eksperiment.
- Ne navodeći stanje. Vrijednost uzeta bez navođenja temperature/tlaka/faze može pripadati pogrešnom stanju.
- Zamjena procijenjene vrijednosti kao empirijske. Procjene doprinosa grupe su neizvjesne; Uzmite to u obzir u dizajnu.
- Izrada odabira materijala s potvrdom u jednoj rečenici. Korozija je multivarijatna; potrebni podaci i potvrda.
- Zaobilaženje provjere ranga. Jednostavno "ima li ovaj broj smisla?" kontrola hvata većinu halucinacija.
Ukratko
AI u predviđanju imovine i materijala; To je moćan pomoćnik koji generira preliminarne vrijednosti, podsjeća vas na metodu procjene, uspoređuje vrijednosti resursa i označava materijalne rizike. Ali svaka kritična značajka mora se temeljiti na pouzdanoj bazi podataka ili eksperimentu; Odabir materijala odluka je kritična za sigurnost koja zahtijeva podatke o koroziji i odobrenje ovlaštenog inženjera. AI daje predviđanja i upozorenja; Inženjer se povezuje s izvorom, provjerava i odabire.
Zadatak aplikacije
Odaberite spoj i svojstvo (npr. tlak pare otapala, 40°C). Dobijte vrijednost i njezin izvor iz AI-a s predloškom "Predviđanje atributa (potreban resurs)"; zatim ga usporedite s termodinamičkom bazom podataka i zabilježite odstupanje. Zatim upotrijebite predložak "preliminarni pregled kompatibilnosti materijala" za par tekućina-materijal i potvrdite nastale rizike dijagramom kompatibilnosti.
popis za provjeru
- Htio sam značajku [ ] zajedno s uvjetom (T, P, faza).
- [ ] Usporedio sam vrijednost koju daje AI s pouzdanom bazom podataka/eksperimentom.
- [ ] Razlikovao sam procijenjene vrijednosti od eksperimentalnih i uočio nesigurnost.
- [ ] Odabir materijala potvrdio sam podacima o koroziji i ovlaštenim odobrenjem.
- [ ] Primijenio sam provjeru ranga/vjerodostojnosti na svaki kritični broj.