ಘಟಕಗಳು
1. ಕೆಮಿಕಲ್ ಎಂಜಿನಿಯರಿಂಗ್‌ನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಪರಿಚಯ: ಪಾತ್ರಗಳು, ಗಡಿಗಳು, ಮೌಲ್ಯೀಕರಣ, ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ಜವಾಬ್ದಾರಿ ಮತ್ತು ನೈತಿಕತೆ 2. ಪ್ರಕ್ರಿಯೆ ವಿನ್ಯಾಸ ಮತ್ತು ಫ್ಲೋಚಾರ್ಟ್: ಪರಿಕಲ್ಪನಾ ವಿನ್ಯಾಸದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬೆಂಬಲ 3. ಪ್ರಕ್ರಿಯೆ ಸಿಮ್ಯುಲೇಶನ್ ಇಂಟರ್ಪ್ರಿಟೇಶನ್: ಆಸ್ಪೆನ್ ಮತ್ತು DWSIM ಔಟ್‌ಪುಟ್‌ಗಳ ಮೇಕಿಂಗ್ ಸೆನ್ಸ್ 4. ಪ್ರತಿಕ್ರಿಯೆ ಮತ್ತು ಚಲನ ಮಾದರಿ: ಪ್ರತಿಕ್ರಿಯೆ ಮಾರ್ಗಗಳು ಮತ್ತು ದರ ಭವಿಷ್ಯ 5. ಮೆಟೀರಿಯಲ್ ಮತ್ತು ಪ್ರಾಪರ್ಟಿ ಪ್ರಿಡಿಕ್ಷನ್: ಥರ್ಮೋಫಿಸಿಕಲ್ ಪ್ರಾಪರ್ಟೀಸ್ ಮತ್ತು ಮೆಟೀರಿಯಲ್ ಆಯ್ಕೆ 6. ಪ್ರಕ್ರಿಯೆ ಆಪ್ಟಿಮೈಸೇಶನ್: ಶಕ್ತಿ, ದಕ್ಷತೆ ಮತ್ತು ವೆಚ್ಚದ ಸಮತೋಲನ 7. ಗುಣಮಟ್ಟ ಮತ್ತು ಪ್ರಕ್ರಿಯೆ ನಿಯಂತ್ರಣ ಡೇಟಾ: SPC, ಅಸಂಗತತೆ ಮತ್ತು ಸಂವೇದಕ ಡೇಟಾ 8. ಸುರಕ್ಷತೆ ಮತ್ತು HAZOP ದಾಖಲೆ: ಅಪಾಯದ ವಿಶ್ಲೇಷಣೆ ಕರಡು ಮತ್ತು ಅಪಾಯದ ಮೌಲ್ಯಮಾಪನ 9. ಮಾನದಂಡಗಳು ಮತ್ತು ನಿಯಂತ್ರಣ ಸಂಶೋಧನೆ: ಪರಿಶೀಲನೆ ಮತ್ತು ಅನುಸರಣೆ 10. ಪೈಥಾನ್‌ನೊಂದಿಗೆ ರಾಸಾಯನಿಕ ಎಂಜಿನಿಯರಿಂಗ್: ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಮಾಡೆಲಿಂಗ್ ಆಟೊಮೇಷನ್ 11. ಎಂಡ್-ಟು-ಎಂಡ್ ವರ್ಕ್‌ಫ್ಲೋ, ಆಡಳಿತ, ದೃಢೀಕರಣ ಮತ್ತು ಜವಾಬ್ದಾರಿಯುತ ಬಳಕೆ
ಘಟಕ 10 / 11

ಪೈಥಾನ್‌ನೊಂದಿಗೆ ರಾಸಾಯನಿಕ ಎಂಜಿನಿಯರಿಂಗ್: ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಮಾಡೆಲಿಂಗ್ ಆಟೊಮೇಷನ್

ಲಾಭಗಳು:

  • ಪೈಥಾನ್ ಕೋಡ್ ಅನ್ನು ಮುದ್ರಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಡೇಟಾ ಕ್ಲೀನಿಂಗ್, ಖಾತೆ ಯಾಂತ್ರೀಕೃತಗೊಂಡ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಮಾಡೆಲಿಂಗ್‌ಗಾಗಿ ಲೈನ್ ಮೂಲಕ ಕೋಡ್ ಅನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಮತ್ತು ಸ್ವೀಕರಿಸುವ ಸಾಮರ್ಥ್ಯ
  • ಪರೀಕ್ಷಿಸದ ಕೋಡ್ ಒಂದು ಊಹೆ ಎಂದು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ, ತಿಳಿದಿರುವ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಪ್ರತಿ ಕೋಡ್ ಅನ್ನು ಪರಿಶೀಲಿಸಿ, ಮತ್ತು ಪರೀಕ್ಷಾ ಘಟಕ ಮತ್ತು ಅಂಚಿನ ಪ್ರಕರಣಗಳು
  • ಭದ್ರತೆ-ನಿರ್ಣಾಯಕ ಖಾತೆ ಕೋಡ್‌ಗಳಿಗೆ ಪರೀಕ್ಷೆ ಮತ್ತು ಅಧಿಕೃತ ಇಂಜಿನಿಯರ್ ಪರಿಶೀಲನೆ ಎರಡರ ಅಗತ್ಯವಿದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ.

ಆಧುನಿಕ ರಾಸಾಯನಿಕ ಎಂಜಿನಿಯರಿಂಗ್‌ನ ಮೂಕ ಎಂಜಿನ್ ಈಗ ಪೈಥಾನ್ ಆಗಿದೆ (ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುವ, ಕಲಿಯಲು ಸುಲಭವಾದ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆ). ಸಂವೇದಕ ಡೇಟಾವನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸುವುದು, ಸಮೂಹ ಸಮತೋಲನವನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವುದು, ಡೇಟಾಗೆ ಚಲನ ಮಾದರಿಯನ್ನು ಅಳವಡಿಸುವುದು, ನೂರಾರು ಸಿಮ್ಯುಲೇಶನ್ ಫಲಿತಾಂಶಗಳನ್ನು ಹೋಲಿಸುವುದು, ಗ್ರಾಫ್ ಅನ್ನು ಉತ್ಪಾದಿಸುವುದು-ಇದೆಲ್ಲವೂ ಕೈಯಿಂದ ಗಂಟೆಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ, ಆದರೆ ಪೈಥಾನ್‌ನ ಕೆಲವು ಸಾಲುಗಳೊಂದಿಗೆ ಸೆಕೆಂಡುಗಳು. ಈ ಘಟಕದಲ್ಲಿ, ಪೈಥಾನ್ ಕೋಡ್ ಅನ್ನು ಬರೆಯಲು, ವಿವರಿಸಲು ಮತ್ತು ಡೀಬಗ್ ಮಾಡಲು ಸಹಾಯವಾಗಿ AI ಅನ್ನು ಹೇಗೆ ಬಳಸುವುದು ಎಂದು ನೀವು ಕಲಿಯುವಿರಿ; ಆದರೆ ಉತ್ಪಾದಿಸಿದ ಪ್ರತಿಯೊಂದು ಕೋಡ್ ಅನ್ನು ಪರೀಕ್ಷೆ ಮತ್ತು ಪರಿಶೀಲನೆ ಇಲ್ಲದೆ ಏಕೆ ಬಳಸಬಾರದು ಎಂಬುದನ್ನು ನಾವು ಕಲಿಯುತ್ತೇವೆ.

ರಾಸಾಯನಿಕ ಎಂಜಿನಿಯರ್ ಸಾಮಾನ್ಯವಾಗಿ ವೃತ್ತಿಪರ ಸಾಫ್ಟ್‌ವೇರ್ ಡೆವಲಪರ್ ಅಲ್ಲ; ಇಲ್ಲಿ AI ಉತ್ತಮ ಶಕ್ತಿಯನ್ನು ಸೇರಿಸುತ್ತದೆ. ಒಬ್ಬ ಇಂಜಿನಿಯರ್ "ನನಗೆ ಇದನ್ನು ಮಾಡುವ ಸ್ಕ್ರಿಪ್ಟ್ ಬೇಕು" ಎಂದು ಹೇಳುತ್ತಾರೆ ಮತ್ತು AI ಡ್ರಾಫ್ಟ್ ಅನ್ನು ಬರೆಯುತ್ತಾರೆ. ಆದರೆ ಈ ತತ್ವವು ಸ್ಥಿರವಾಗಿರುತ್ತದೆ: AI ಬರೆಯುವ ಕೋಡ್ ಸರಿಯಾಗಿಲ್ಲ ಏಕೆಂದರೆ ಅದು ಸರಿಯಾಗಿ ಕಾಣುತ್ತದೆ; ತಿಳಿದಿರುವ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಪರೀಕ್ಷಿಸುವವರೆಗೆ ಇದು ಒಂದು ಊಹೆಯಾಗಿದೆ. ಒಂದು ಮೂಕ ತಪ್ಪು-ತಪ್ಪಾದ ಘಟಕ, ತಪ್ಪು ಸೂಚ್ಯಂಕ, ಪಲ್ಲಟಗೊಂಡ ಸೂತ್ರ-ಎಂಜಿನಿಯರಿಂಗ್ ಲೆಕ್ಕಾಚಾರದಲ್ಲಿ ಅಪಾಯಕಾರಿ ಫಲಿತಾಂಶಗಳನ್ನು ಉಂಟುಮಾಡಬಹುದು.

ರಾಸಾಯನಿಕ ಎಂಜಿನಿಯರಿಂಗ್‌ನಲ್ಲಿ AI ಜೊತೆಗೆ ಪೈಥಾನ್: ಹಂತ ಹಂತವಾಗಿ

1. ಕೆಲಸವನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ವಿವರಿಸಿ. ಇನ್ಪುಟ್ ಎಂದರೇನು (CSV, ಅರೇ, ಸಮೀಕರಣ), ಔಟ್ಪುಟ್ ಏನಾಗಿರಬೇಕು, ಯಾವ ಘಟಕಗಳಲ್ಲಿ? ಅಸ್ಪಷ್ಟ ಪ್ರಾಂಪ್ಟ್ ಎಂದರೆ ಕೆಟ್ಟ ಕೋಡ್ ಎಂದರ್ಥ.

2. ಕೋಡ್ ಡ್ರಾಫ್ಟ್ ಅನ್ನು ವಿನಂತಿಸಿ. AI ಸೂಕ್ತವಾದ ಲೈಬ್ರರಿಗಳೊಂದಿಗೆ ಸ್ಕೆಚ್ ಅನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ (ಡೇಟಾಕ್ಕಾಗಿ ಪಾಂಡಾಗಳು, ಸಂಖ್ಯಾತ್ಮಕ ಪ್ರಕ್ರಿಯೆಗಾಗಿ ನಂಬಿ, ಗ್ರಾಫ್‌ಗಳಿಗಾಗಿ ಮ್ಯಾಟ್‌ಪ್ಲಾಟ್‌ಲಿಬ್, ಆಪ್ಟಿಮೈಸೇಶನ್/ಪರಿಹಾರಕ್ಕಾಗಿ ಸ್ಕೈಪಿ).

3. ಗ್ರಂಥಾಲಯ ಮತ್ತು ಊಹೆಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ. AI ಪ್ರತಿ ಸಾಲು ಮತ್ತು ಊಹೆಯನ್ನು ವಿವರಿಸಿ (ಘಟಕ, ಡೇಟಾ ಸ್ವರೂಪ, ಸ್ವೀಕಾರ). ನಿಮಗೆ ಅರ್ಥವಾಗದ ಕೋಡ್ ಅನ್ನು ರನ್ ಮಾಡಬೇಡಿ.

4. ತಿಳಿದಿರುವ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಪರೀಕ್ಷೆ. ನೀವು ಈಗಾಗಲೇ ಉತ್ತರವನ್ನು ತಿಳಿದಿರುವ ಸರಳ ಉದಾಹರಣೆಯಲ್ಲಿ ಕೋಡ್ ಅನ್ನು ರನ್ ಮಾಡಿ. ಬ್ಯಾಲೆನ್ಸ್ ಕೋಡ್ ಕೈಯಿಂದ ಅರ್ಥೈಸಿಕೊಳ್ಳಬಹುದಾದ ಉದಾಹರಣೆಯಲ್ಲಿ ಸರಿಯಾದ ಫಲಿತಾಂಶವನ್ನು ನೀಡಬೇಕು.

5. ಘಟಕ ಮತ್ತು ಅಂಚಿನ ಸ್ಥಿತಿ ನಿಯಂತ್ರಣ. ಶೂನ್ಯ, ಋಣಾತ್ಮಕ, ಅತಿ ದೊಡ್ಡ ಮೌಲ್ಯಗಳು, ಕಾಣೆಯಾದ ಡೇಟಾದಂತಹ ಅಂಚಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ ಕೋಡ್ ಏನು ಮಾಡುತ್ತದೆ? ರಾಸಾಯನಿಕ ಎಂಜಿನಿಯರಿಂಗ್‌ನಲ್ಲಿ, ಘಟಕ ವೈಫಲ್ಯವು ಒಂದು ಶ್ರೇಷ್ಠ ದುರಂತವಾಗಿದೆ.

6. ಭೌತಶಾಸ್ತ್ರದೊಂದಿಗೆ ಫಲಿತಾಂಶವನ್ನು ಪರೀಕ್ಷಿಸಿ. ಕೋಡ್ ಒಂದು ಸಂಖ್ಯೆಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ - ದ್ರವ್ಯರಾಶಿಯನ್ನು ಸಂರಕ್ಷಿಸಲಾಗಿದೆಯೇ, ಮೌಲ್ಯವು ವಾಸ್ತವಿಕವಾಗಿದೆಯೇ? ಕೋಡ್ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದರಿಂದ ಫಲಿತಾಂಶವು ಸರಿಯಾಗಿದೆ ಎಂದು ಸಾಬೀತುಪಡಿಸುವುದಿಲ್ಲ.

ಸಲಹೆ: AI ನಿಂದ ಕೋಡ್ ಅನ್ನು ವಿನಂತಿಸುವಾಗ, "ಪ್ರತಿ ವೇರಿಯಬಲ್‌ನ ಘಟಕವನ್ನು ಕಾಮೆಂಟ್ ಸಾಲಿನಲ್ಲಿ ಬರೆಯಿರಿ ಮತ್ತು ಇನ್‌ಪುಟ್ ಘಟಕಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಸೂಚಿಸಿ" ಎಂದು ಹೇಳಿ. ರಾಸಾಯನಿಕ ಇಂಜಿನಿಯರಿಂಗ್ ದೋಷಗಳ ಗಮನಾರ್ಹ ಭಾಗವು ಘಟಕ ಗೊಂದಲದಿಂದ ಉದ್ಭವಿಸುತ್ತದೆ (ಬಾರ್/ಪಾ, ಕೆಜಿ/ಜಿ, ° ಸಿ/ಕೆ); ಕೋಡ್‌ನಲ್ಲಿ ಘಟಕಗಳನ್ನು ಎಂಬೆಡ್ ಮಾಡುವುದರಿಂದ ಈ ದೋಷಗಳು ಗೋಚರಿಸುತ್ತವೆ.

ಪರೀಕ್ಷಿಸದ ಕೋಡ್ ಒಂದು ಊಹೆಯಾಗಿದೆ

AI ನಯವಾದ, ಕೆಲಸ-ಕಾಣುವ ಕೋಡ್ ಅನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಆದರೆ "ಕೆಲಸಗಳು" ಮತ್ತು "ಸರಿಯಾದ" ಎರಡು ವಿಭಿನ್ನ ವಿಷಯಗಳು. ಕೋಡ್ ದೋಷಗಳಿಲ್ಲದೆ ಕಾರ್ಯನಿರ್ವಹಿಸಬಹುದು ಮತ್ತು ತಪ್ಪಾದ ಸಂಖ್ಯೆಯನ್ನು ಉತ್ಪಾದಿಸಬಹುದು: ಸೂತ್ರದಲ್ಲಿ ಚಿಹ್ನೆ ದೋಷ, ಶ್ರೇಣಿಯಲ್ಲಿ ಆಫ್‌ಸೆಟ್ (ಆಫ್-ಬೈ-ಒನ್), ತಪ್ಪಾದ ಘಟಕ ಪರಿವರ್ತನೆ. ಆದ್ದರಿಂದ ಸುವರ್ಣ ನಿಯಮ: ಸರಿಯಾದ ಉತ್ತರವನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ತಿಳಿದಿರುವ ಪರೀಕ್ಷಾ ಸಂದರ್ಭದಲ್ಲಿ ಪ್ರತಿ ಕೋಡ್ ಅನ್ನು ಪರೀಕ್ಷಿಸಲಾಗುತ್ತದೆ. ಒಂದು ಸರಳ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಉದಾಹರಣೆ, ಕೈ ಲೆಕ್ಕಾಚಾರ, ಅಥವಾ ಉಲ್ಲೇಖ ಡೇಟಾ ಕೋಡ್‌ನ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಸಾಬೀತುಪಡಿಸುತ್ತದೆ. ಪರೀಕ್ಷೆಯಲ್ಲಿ ಉತ್ತೀರ್ಣರಾಗದೆ ಯಾವುದೇ ಎಂಜಿನಿಯರಿಂಗ್ ನಿರ್ಧಾರಗಳು ಕೋಡ್ ಅನ್ನು ಆಧರಿಸಿರಬಾರದು.

ಎಚ್ಚರಿಕೆ: ಸುರಕ್ಷತೆ, ಆಯಾಮ ಅಥವಾ ಭದ್ರತಾ ಲೆಕ್ಕಾಚಾರವನ್ನು ನಿರ್ವಹಿಸುವ ಕೋಡ್ "ಕೆಲಸ ಮಾಡುತ್ತದೆ" ಎಂಬ ಕಾರಣದಿಂದ ವಿಶ್ವಾಸಾರ್ಹವೆಂದು ಪರಿಗಣಿಸಲಾಗುವುದಿಲ್ಲ. ಭದ್ರತಾ-ನಿರ್ಣಾಯಕ ಖಾತೆಯ ಕೋಡ್‌ಗಳನ್ನು ತಿಳಿದಿರುವ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಬೇಕು ಮತ್ತು ಫಲಿತಾಂಶಗಳನ್ನು ಅಧಿಕೃತ ಇಂಜಿನಿಯರ್‌ನಿಂದ ಸ್ವತಂತ್ರವಾಗಿ ಪರಿಶೀಲಿಸಬೇಕು.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಡೇಟಾ ಕ್ಲೀನಿಂಗ್ ಆಟೊಮೇಷನ್. ಒಬ್ಬ ಇಂಜಿನಿಯರ್ ಪ್ರತಿ ತಿಂಗಳು 8 ಸೆನ್ಸರ್‌ಗಳಿಂದ 3 ತಿಂಗಳ ಡೇಟಾವನ್ನು (ಸುಮಾರು 1.1 ಮಿಲಿಯನ್ ಸಾಲುಗಳು) ಹಸ್ತಚಾಲಿತವಾಗಿ ಸ್ವಚ್ಛಗೊಳಿಸುತ್ತಿದ್ದ. AI ನೊಂದಿಗೆ ಬರೆದ ಪಾಂಡಾಸ್ ಸ್ಕ್ರಿಪ್ಟ್ ಇದನ್ನು ನಿಮಿಷಗಳಿಗೆ ಕಡಿಮೆ ಮಾಡಿದೆ. ಇಂಜಿನಿಯರ್ ಮೊದಲು ಕೋಡ್ ಅನ್ನು ಚಿಕ್ಕದಾದ, ತಿಳಿದಿರುವ ಮಾದರಿ ಫೈಲ್‌ನಲ್ಲಿ ಪರೀಕ್ಷಿಸಿದರು; ಒಂದು ಕಾಲಮ್ ಅನ್ನು ತಪ್ಪಾಗಿ ಪಾರ್ಸ್ ಮಾಡಲಾಗಿದೆ ಎಂದು ಗಮನಿಸಿ, ಅದನ್ನು ಸರಿಪಡಿಸಿ, ನಂತರ ಅದನ್ನು ಸಂಪೂರ್ಣ ಡೇಟಾಗೆ ಅನ್ವಯಿಸಲಾಗಿದೆ.

ಪ್ರಕರಣ 2 - ಸೈಲೆಂಟ್ ವಾಲ್ಯೂಮ್ ದೋಷ. ಒತ್ತಡದ ಕುಸಿತದ ಲೆಕ್ಕಾಚಾರಕ್ಕಾಗಿ YZ ಕೋಡ್ ಅನ್ನು ಬರೆದರು ಆದರೆ ಬಾರ್ ಮತ್ತು ಸೂತ್ರವನ್ನು Pa ಅನ್ನು ಊಹಿಸುವ ಮೂಲಕ ಇನ್ಪುಟ್ ಅನ್ನು ಗೊಂದಲಗೊಳಿಸಿದರು. ಕೋಡ್ ದೋಷಗಳಿಲ್ಲದೆ ಕೆಲಸ ಮಾಡಿದೆ, ಆದರೆ ಫಲಿತಾಂಶವು 100,000 ಅಂಶದಿಂದ ತಪ್ಪಾಗಿದೆ. ಇಂಜಿನಿಯರ್ ಹಸ್ತಚಾಲಿತ ನಿಯಂತ್ರಣ ಲೆಕ್ಕಾಚಾರದೊಂದಿಗೆ ಆದೇಶದ ವ್ಯತ್ಯಾಸವನ್ನು ಹಿಡಿದಿದ್ದಾರೆ. ಯುನಿಟ್ ಕಾಮೆಂಟ್‌ಗಳನ್ನು ಸೇರಿಸಿದ ನಂತರ ದೋಷವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಲಾಗಿದೆ ಮತ್ತು ಸರಿಪಡಿಸಲಾಗಿದೆ.

ಪ್ರಕರಣ 3 - ಪರೀಕ್ಷೆಯನ್ನು ಉಳಿಸಲಾಗಿದೆ. ಒಂದು ತಂಡವು ಸಮೂಹ ಸಮತೋಲನ ಪರಿಹಾರಕ್ಕಾಗಿ AI ನಿಂದ ಕೋಡ್ ಅನ್ನು ಪಡೆದುಕೊಂಡಿದೆ. ಅವರು ಅದನ್ನು ಮೊದಲು ಎರಡು-ಘಟಕ, ಕೈಯಿಂದ ಕರಗಿಸಬಹುದಾದ ಮಾದರಿಯಲ್ಲಿ ಪರೀಕ್ಷಿಸಿದರು; ಕೋಡ್ ಲೂಪ್‌ಬ್ಯಾಕ್ ಅನ್ನು ತಪ್ಪಾಗಿ ಮುಚ್ಚುತ್ತಿದೆ ಮತ್ತು ಅದನ್ನು ಸೇರಿಸುತ್ತಿಲ್ಲ. ನೈಜ, ಸಂಕೀರ್ಣ ಮಾದರಿಗೆ ಅನ್ವಯಿಸುವ ಮೊದಲು ದೋಷವನ್ನು ಹಿಡಿಯಲಾಗಿದೆ. ಪರೀಕ್ಷೆಯಿಲ್ಲದೆ, ದೋಷವು ಎಲ್ಲಾ ಫಲಿತಾಂಶಗಳಿಗೆ ಹರಡುತ್ತದೆ.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ಕೋಡ್ ಡ್ರಾಫ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ರಾಸಾಯನಿಕ ಎಂಜಿನಿಯರಿಂಗ್‌ಗಾಗಿ ಪೈಥಾನ್ ಸಹಾಯಕ. ಕಾರ್ಯ: [ವಿವರಣೆ]. ಇನ್‌ಪುಟ್: [CSV/ಅರೇ, ಕಾಲಮ್‌ಗಳು, UNITS]. ಔಟ್‌ಪುಟ್: [ಏನು, ಯಾವ ಘಟಕದಲ್ಲಿ].ಪಾಂಡಾಗಳು/ನಂಪಿ ಬಳಸಿ. ಕೋಡ್‌ನಲ್ಲಿ: (1) ಪ್ರತಿ ವೇರಿಯಬಲ್‌ನ ಘಟಕವನ್ನು ಅರ್ಥೈಸಿಕೊಳ್ಳಿ, (2) ಪ್ರಾರಂಭದಲ್ಲಿ ಇನ್‌ಪುಟ್ ಊಹೆಗಳನ್ನು ತಿಳಿಸಿ, (3) ಅಂಚಿನ ಪ್ರಕರಣಗಳನ್ನು ನಿರ್ವಹಿಸಿ (ಕಾಣೆಯಾದ ಡೇಟಾ, ಶೂನ್ಯ). ನಾನು ತಿಳಿದಿರುವ ಉದಾಹರಣೆಯೊಂದಿಗೆ ಕೋಡ್ ಅನ್ನು ಪರೀಕ್ಷಿಸುತ್ತೇನೆ; ಮ್ಯಾಜಿಕ್ ಸಂಖ್ಯೆಗಳನ್ನು ಬಳಸಬೇಡಿ, ಸ್ಥಿರಾಂಕಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಿ.

2) ಕೋಡ್ ವಿವರಣೆ ಮತ್ತು ಪರಿಶೀಲನೆ:

ಕೆಳಗಿನ ಪೈಥಾನ್ ಕೋಡ್ ಅನ್ನು ಸಾಲಿನ ಮೂಲಕ ವಿವರಿಸಿ: ಅದು ಏನು ಮಾಡುತ್ತದೆ, ಅದು ಯಾವ ಊಹೆಗಳನ್ನು ಮಾಡುತ್ತದೆ, ಅದು ಯಾವ ಘಟಕಗಳನ್ನು ನಿರೀಕ್ಷಿಸುತ್ತದೆ. ಸಂಭವನೀಯ ದೋಷ ಬಿಂದುಗಳನ್ನು ಹೈಲೈಟ್ ಮಾಡಿ (ಘಟಕ ಗೊಂದಲ, ಸೂಚ್ಯಂಕ ಶಿಫ್ಟ್, ಶೂನ್ಯದಿಂದ ವಿಭಜನೆ, ಓವರ್ಫ್ಲೋ). ಈ ಕೋಡ್ ಅನ್ನು ಪರಿಶೀಲಿಸಲು ನಾನು ಯಾವ ಸರಳ, ತಿಳಿದಿರುವ ಪರೀಕ್ಷಾ ಪ್ರಕರಣವನ್ನು ಬಳಸಬಹುದು ಎಂಬುದನ್ನು ಸೂಚಿಸಿ. ಕೋಡ್: [ಅಂಟಿಸಿ]

3) ತಿಳಿದಿರುವ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಪರೀಕ್ಷೆಯನ್ನು ಹೊಂದಿಸುವುದು:

ಈ ಕಾರ್ಯವನ್ನು ಪರಿಶೀಲಿಸಲು ಪರೀಕ್ಷಾ ಸೆಟ್ ಅನ್ನು ಬರೆಯಿರಿ: ಉತ್ತರವನ್ನು ವಿಶ್ಲೇಷಣಾತ್ಮಕವಾಗಿ ಅಥವಾ ಹಸ್ತಚಾಲಿತವಾಗಿ ತಿಳಿದಿರುವ ಕನಿಷ್ಠ 3 ಸರಳ ಪ್ರಕರಣಗಳು. ಪ್ರತಿ ಪರೀಕ್ಷೆಗೆ, ನಿರೀಕ್ಷಿತ ಫಲಿತಾಂಶವನ್ನು ವಿವರಿಸಿ ಮತ್ತು ನಾವು ಫಲಿತಾಂಶವನ್ನು ಏಕೆ ನಿರೀಕ್ಷಿಸುತ್ತೇವೆ. ಪರೀಕ್ಷಿಸದೆ ನಾನು ಕೋಡ್ ಅನ್ನು ನೈಜ ಡೇಟಾಗೆ ಅನ್ವಯಿಸುವುದಿಲ್ಲ. ಕಾರ್ಯ: [ಅಂಟಿಸಿ]

4) ಡೀಬಗ್ ಮಾಡುವುದು:

ಈ ಕೋಡ್ ಕೆಳಗಿನ ದೋಷ/ತಪ್ಪು ಫಲಿತಾಂಶವನ್ನು ನೀಡುತ್ತದೆ: [ದೋಷ ಸಂದೇಶ ಅಥವಾ ನಿರೀಕ್ಷಿತ vsactual ಔಟ್‌ಪುಟ್]. ಸಂಭವನೀಯ ಕಾರಣಗಳನ್ನು ಸಂಭವನೀಯತೆಯ ಕ್ರಮದಲ್ಲಿ ಪಟ್ಟಿ ಮಾಡಿ ಮತ್ತು ಪ್ರತಿಯೊಂದಕ್ಕೂ ಹೇಗೆ ಪರೀಕ್ಷಿಸಬೇಕು ಎಂದು ಹೇಳಿ. "ನಾನು ಅದನ್ನು ಸರಿಪಡಿಸಿದ್ದೇನೆ" ಎಂದು ನೇರವಾಗಿ ಹೇಳಬೇಡಿ; ಮೊದಲು ಒಟ್ಟಿಗೆ ಮೂಲ ಕಾರಣವನ್ನು ಪರಿಶೀಲಿಸೋಣ. ಯುನಿಟ್ ಮತ್ತು ಆರ್ಡರ್ ಪರಿಶೀಲನೆಯನ್ನು ಸಹ ಸೂಚಿಸಿ. ಕೋಡ್ ಮತ್ತು ಡೇಟಾ: [ಅಂಟಿಸಿ]

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಒತ್ತಡದ ಕುಸಿತದ ಲೆಕ್ಕಾಚಾರದ ಕೋಡ್ ಅನ್ನು ನನಗೆ ಬರೆಯಿರಿ.

ಇನ್ಪುಟ್ ಸ್ವರೂಪ, ಘಟಕ, ಸಮೀಕರಣ, ಸ್ಥಿತಿ ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ. AI ತನ್ನ ಊಹೆಗಳನ್ನು ಮರೆಮಾಡುತ್ತದೆ, ಘಟಕಗಳನ್ನು ಗೊಂದಲಗೊಳಿಸಬಹುದು.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ರಾಸಾಯನಿಕ ಎಂಜಿನಿಯರಿಂಗ್ ಪೈಥಾನ್ ಸಹಾಯಕ. ಕಾರ್ಯ: ವೃತ್ತಾಕಾರದ ಪೈಪ್ನಲ್ಲಿ ಘರ್ಷಣೆ-ಪ್ರೇರಿತ ಒತ್ತಡದ ಕುಸಿತ. ಇನ್ಪುಟ್: ಹರಿವಿನ ಪ್ರಮಾಣ [m3/s], ವ್ಯಾಸ [m], ಉದ್ದ[m], ಸಾಂದ್ರತೆ [kg/m3], ಸ್ನಿಗ್ಧತೆ [Pa·s]. ಔಟ್ಪುಟ್: ಒತ್ತಡದ ಕುಸಿತ [Pa]. ಡಾರ್ಸಿ-ವೈಸ್ಬಾಚ್ ಬಳಸಿ; ಘರ್ಷಣೆ ಅಂಶಕ್ಕಾಗಿ ಹರಿವಿನ ಆಡಳಿತವನ್ನು (ರಿ) ಪರಿಶೀಲಿಸಿ. ಪ್ರತಿ ಘಟಕ, ರಾಜ್ಯದ ಊಹೆಗಳನ್ನು ಕಾಮೆಂಟ್ ಮಾಡಿ (ಪೂರ್ಣ ಲೋಡ್, ಸ್ಥಿರ ಹರಿವು). ಲ್ಯಾಮಿನಾರ್ ಉದಾಹರಣೆಯಲ್ಲಿ ಹಸ್ತಚಾಲಿತ ಲೆಕ್ಕಾಚಾರದ ವಿರುದ್ಧ ನಾನು ಕೋಡ್ ಅನ್ನು ಪರೀಕ್ಷಿಸುತ್ತೇನೆ.

ವ್ಯತ್ಯಾಸವು ಸ್ಪಷ್ಟವಾಗಿದೆ: ಇನ್‌ಪುಟ್ ಘಟಕಗಳು, ವಿಧಾನ, ಔಟ್‌ಪುಟ್ ಘಟಕ ಮತ್ತು ಪರೀಕ್ಷಾ ಉದ್ದೇಶವು ಕೋಡ್ ಅನ್ನು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿಸುತ್ತದೆ.

ಪೈಥಾನ್ ಬಳಕೆಯಲ್ಲಿ ಪಾತ್ರ ವಿತರಣೆ

ವ್ಯಾಪಾರ

AI ನ ಪಾತ್ರ

ಮನುಷ್ಯನ ನಿರ್ಧಾರ

ಬರೆಯುವ ಕೋಡ್

ಕರಡು ರಚಿಸಿ

ಉದ್ಯೋಗ ವಿವರಣೆ, ಘಟಕಗಳು

ಗ್ರಂಥಾಲಯದ ಆಯ್ಕೆ

ಸಲಹೆ

ಅನುಸರಣೆಯ ದೃಢೀಕರಣ

ವಿವರಣೆ

ಸಾಲು ಸಾಲು

ತಿಳುವಳಿಕೆಯಿಂದ ಸ್ವೀಕರಿಸಿ

ಪರೀಕ್ಷೆ

ಪರೀಕ್ಷಾ ಸೆಟ್ ಶಿಫಾರಸು

ತಿಳಿದಿರುವ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಮೌಲ್ಯೀಕರಣ

ಡೀಬಗ್ ಮಾಡಿ

ಕಲ್ಪನೆ, ನಿರ್ದೇಶನ

ಮೂಲ ಕಾರಣ ದೃಢೀಕರಣ

ತೀರ್ಮಾನ

ಸಂಖ್ಯೆ ಉತ್ಪಾದನೆ

ಭೌತಶಾಸ್ತ್ರದೊಂದಿಗೆ ಪರೀಕ್ಷೆ

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

  • ಕೋಡ್ ಅನ್ನು ಪರೀಕ್ಷಿಸದೆಯೇ ಬಳಸುವುದು. ವರ್ಕಿಂಗ್ ಕೋಡ್ ಸರಿಯಾದ ಕೋಡ್ ಅಲ್ಲ; ತಿಳಿದಿರುವ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಪರೀಕ್ಷಿಸದ ಹೊರತು ಅದನ್ನು ನಂಬಲಾಗುವುದಿಲ್ಲ.
  • ಘಟಕಗಳನ್ನು ಅನಿರ್ದಿಷ್ಟವಾಗಿ ಬಿಡಲಾಗುತ್ತಿದೆ. ರಾಸಾಯನಿಕ ಎಂಜಿನಿಯರಿಂಗ್‌ನಲ್ಲಿ ಘಟಕ ಗೊಂದಲವು ಅತ್ಯಂತ ಸಾಮಾನ್ಯ ಮತ್ತು ಅಪಾಯಕಾರಿ ತಪ್ಪು.
  • ತಿಳುವಳಿಕೆ ಇಲ್ಲದೇ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದ್ದಾರೆ. AI ಲೈನ್ ಮೂಲಕ ಬರೆದ ಕೋಡ್ ಅನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳದೆ ಫಲಿತಾಂಶಗಳನ್ನು ನಂಬಬೇಡಿ.
  • ಅಂಚಿನ ರಾಜ್ಯಗಳನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು. ಶೂನ್ಯ, ಋಣಾತ್ಮಕ, ಕಾಣೆಯಾದ ಡೇಟಾ ಮೌನವಾಗಿ ಕೋಡ್ ಅನ್ನು ತಪ್ಪು ತೀರ್ಮಾನಕ್ಕೆ ಕಾರಣವಾಗಬಹುದು.
  • ಕೋಡ್ ಮೇಲೆ ಮಾತ್ರ ಭದ್ರತಾ ಲೆಕ್ಕಾಚಾರವನ್ನು ಆಧರಿಸಿದೆ. ಭದ್ರತೆ-ನಿರ್ಣಾಯಕ ಕೋಡ್‌ಗಳಿಗೆ ಪರೀಕ್ಷೆ + ಸ್ವತಂತ್ರ ಅಧಿಕೃತ ಪರಿಶೀಲನೆ ಅಗತ್ಯವಿರುತ್ತದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

ಪೈಥಾನ್‌ನೊಂದಿಗೆ ರಾಸಾಯನಿಕ ಎಂಜಿನಿಯರಿಂಗ್‌ನಲ್ಲಿ AI; ಇದು ಡೇಟಾ ಕ್ಲೆನ್ಸಿಂಗ್, ಅಕೌಂಟಿಂಗ್ ಆಟೊಮೇಷನ್, ಮಾಡೆಲಿಂಗ್ ಮತ್ತು ಗ್ರಾಫಿಕ್ಸ್‌ಗಾಗಿ ಡ್ರಾಫ್ಟ್ ಮಾಡುವ, ವಿವರಿಸುವ ಮತ್ತು ಡೀಬಗ್ ಮಾಡುವ ಮಾರ್ಗದರ್ಶನ ನೀಡುವ ಪ್ರಬಲ ಸಹಾಯಕ. ಆದರೆ AI ಯ ಕೋಡ್ ವಿಶ್ವಾಸಾರ್ಹವಾಗಿದೆ ಏಕೆಂದರೆ ಅದು ಸರಿಯಾಗಿ ಕಾಣುತ್ತದೆ, ಆದರೆ ತಿಳಿದಿರುವ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಅದನ್ನು ಪರೀಕ್ಷಿಸಲಾಗಿದೆ. ಘಟಕಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ನಿರ್ದಿಷ್ಟಪಡಿಸುವುದು, ಕೋಡ್ ಅನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು, ಅಂಚಿನ ಪ್ರಕರಣಗಳನ್ನು ಪರೀಕ್ಷಿಸುವುದು ಮತ್ತು ಭೌತಶಾಸ್ತ್ರದೊಂದಿಗೆ ಫಲಿತಾಂಶವನ್ನು ಪರಿಶೀಲಿಸುವುದು ಅತ್ಯಗತ್ಯ; ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ಲೆಕ್ಕಾಚಾರಗಳಿಗೆ ಅಧಿಕೃತ ಇಂಜಿನಿಯರ್ ಪರಿಶೀಲನೆಯ ಅಗತ್ಯವಿರುತ್ತದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಲೆಕ್ಕಾಚಾರವನ್ನು ಆಯ್ಕೆಮಾಡಿ (ಉದಾಹರಣೆಗೆ ಪೈಪ್ ಒತ್ತಡದ ಕುಸಿತ ಅಥವಾ ಎರಡು-ಘಟಕ ದ್ರವ್ಯರಾಶಿ ಸಮತೋಲನ). "ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ/ಖಾತೆ ಕೋಡ್ ಡ್ರಾಫ್ಟ್" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ AI ನಿಂದ ಕೋಡ್ ಪಡೆಯಿರಿ, ಘಟಕಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ನಮೂದಿಸಿ. ನಂತರ "ತಿಳಿದ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಪರೀಕ್ಷೆಯನ್ನು ಹೊಂದಿಸಿ" ಮಾದರಿಯೊಂದಿಗೆ ಹಸ್ತಚಾಲಿತವಾಗಿ ಡಿಕೋಡ್ ಮಾಡಬಹುದಾದ ಉದಾಹರಣೆಯಲ್ಲಿ ಕೋಡ್ ಅನ್ನು ಪರಿಶೀಲಿಸಿ; ಫಲಿತಾಂಶವು ಹೊಂದಿಕೆಯಾಗದಿದ್ದರೆ, "ಡೀಬಗ್" ಮಾದರಿಯೊಂದಿಗೆ ಮೂಲ ಕಾರಣವನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

  • [ ] ನಾನು ಇನ್‌ಪುಟ್/ಔಟ್‌ಪುಟ್ ಘಟಕಗಳು ಮತ್ತು ವಿಧಾನವನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳಿದ್ದೇನೆ.
  • [ ] ನಾನು ಕೋಡ್ ಲೈನ್ ಅನ್ನು ಸಾಲಿನ ಮೂಲಕ ಅರ್ಥಮಾಡಿಕೊಂಡಿದ್ದೇನೆ ಮತ್ತು ಅದರ ಊಹೆಗಳನ್ನು ನೋಡಿದೆ.
  • [ ] ನಾನು ತಿಳಿದಿರುವ/ಹಸ್ತಚಾಲಿತವಾಗಿ ಅರ್ಥೈಸಬಹುದಾದ ಉದಾಹರಣೆಯಲ್ಲಿ ಕೋಡ್ ಅನ್ನು ಪರೀಕ್ಷಿಸಿದೆ.
  • [ ] ನಾನು ಅಂಚಿನ ಪ್ರಕರಣಗಳನ್ನು ಪರೀಕ್ಷಿಸಿದ್ದೇನೆ (ಶೂನ್ಯ, ಋಣಾತ್ಮಕ, ಕಾಣೆಯಾದ ಡೇಟಾ).
  • [ ] ನಾನು ಫಲಿತಾಂಶವನ್ನು ಭೌತಶಾಸ್ತ್ರದೊಂದಿಗೆ ಪರಿಶೀಲಿಸಿದ್ದೇನೆ (ದ್ರವ್ಯರಾಶಿಯ ಸಂರಕ್ಷಣೆ, ಕ್ರಮ); ನಾನು ಭದ್ರತಾ ಖಾತೆಯನ್ನು ಅಧಿಕಾರಿಯಿಂದ ದೃಢೀಕರಿಸಿದ್ದೇನೆ.