Pelnas:
- Gebėjimas naudoti dirbtinį intelektą kaip preliminarų prognozavimo ir prognozavimo metodą (grupinis įnašas) termofizinių savybių vadovui ir prašyti bet kokios vertės.
- Galimybė užfiksuoti haliucinacijas, patikrinus kiekvieną kritinę funkciją patikima duomenų baze (DIPPR/NIST) arba eksperimentu.
- Gebėjimas suprasti, kad medžiagų pasirinkimas yra saugai svarbus sprendimas, kuriam reikalingi duomenys apie koroziją ir įgaliotas patvirtinimas.
Kiekvienas proceso skaičiavimas galiausiai susideda iš skaičiaus: skysčio tankio, klampumo, šiluminės talpos, garų slėgio, virimo temperatūros; rezoliucija; medžiagos atsparumas korozijai. Tai bendrai vadinamos termofizinėmis savybėmis – fizikiniais dydžiais, kurie lemia medžiagos šilumą, tėkmę ir fazinį elgesį. Distiliavimo kolonėlė, šilumokaitis arba siurblys suprojektuoti teisingai tik tada, kai šios savybės yra tinkamos. Šiame skyriuje išmoksite naudoti dirbtinį intelektą kaip preliminarų prognozavimo ir palyginimo įrankį numatant savybes ir pasirenkant medžiagas (metalų, tarpiklių, dangų, kad atlaikytų proceso sąlygas, parinkimas); bet mes sužinosime, kodėl šias vertes reikia patikrinti naudojant patikimą duomenų bazę ar eksperimentą.
Kritinė tiesa yra tokia: savybių įvertinimas yra skaitinis projektavimo pagrindas; Klaida čia išplinta į visą paskyrą. AI gali užtikrintai nurodyti garų slėgį arba klampumą, tačiau ši vertė gali būti skirta kitam junginiui, gali būti netinkamos temperatūros arba gali būti visiškai haliucinacinė. Taigi auksinė funkcijų duomenų taisyklė: kiekviena svarbi savybė turi būti pagrįsta patikimu šaltiniu (DIPPR, NIST, gamintojo duomenų lapu) arba eksperimentu.
Žingsnis po žingsnio AI palaikymas funkcijų numatymui
1. Kokios funkcijos jums reikia, kokiomis sąlygomis? Temperatūra, slėgis, fazė ir koncentracija keičia savybę. Vertė, paimta nenurodant AI sąlygos, yra klaidinanti.
2. Įvertinimo metodo pasirinkimas. Jei nėra eksperimentinių duomenų, dirbtinis intelektas primena prognozavimo metodus, tokius kaip grupės įnašo metodai – metodai, kurie numato savybes, suskaidydami molekulę į dalis ir pridedant kiekvienos dalies įnašus; pvz. Joback, UNIFAC – ir paaiškina, kuris iš jų yra tinkamas.
3. Preliminari vertė ir neapibrėžtumas. AI gali pateikti preliminarią vertę, bet neabejotinai „tai yra prognozė, jos neapibrėžtumas didelis, patikrinkite“. Taip pat paklauskite AI apie tipinę vertės paklaidą.
4. Palyginimas su šaltiniu. Palyginkite AI vertę su termodinamikos duomenų baze arba gamintojo lapu. Jei nuokrypis didelis, reikšmė nenaudojama.
5. Preliminari medžiagų suderinamumo patikra. YZ primena žinomą korozijos / nesuderinamumo riziką skysčių ir medžiagų porai (pvz., nerūdijančio plieno taškinė korozija aplinkoje, kurioje yra chlorido). Tai yra išankstinis įspėjimas; Galutinė atranka atliekama pagal suderinamumo diagramas ir ekspertų vertinimą.
6. Pagrįstumo filtras. Ar vertė turi prasmę pagal rangą? Ar vandens tankis yra apie ~1000 kg/m³? Paprastas užsakymo patikrinimas užfiksuoja daugumą klaidų.
Patarimas: kai klausiate dirbtinio intelekto funkcijos vertės, pasakykite „nurodykite šaltinį ir įvertinimo metodą, pasakykite, ar tai eksperimentinė, ar apskaičiuota“. Jei AI negali nurodyti šaltinio, pažymėkite tą reikšmę kaip spėjimą ir patikrinkite ją atskirai.
Medžiagos pasirinkimas: saugumas ir ilgaamžiškumas
Medžiagos pasirinkimas yra ir ekonominis, ir saugai svarbus sprendimas. Netinkama medžiaga gali susilpnėti dėl korozijos ir sukelti slėgio indo sprogimą arba nuodingo skysčio nutekėjimą. AI gali prisiminti pradinių medžiagų sąrašą ir žinomus nesuderinamumus; Tačiau bendras temperatūros, slėgio, koncentracijos ir priemaišų poveikis yra sudėtingas, o galutinį pasirinkimą atlieka medžiagų inžineriniai duomenys (suderinamumo diagramos, korozijos greičio duomenys) ir, jei reikia, bandymai.
Dėmesio: AI pasakymas „ši medžiaga tinka šiam skysčiui“ nėra garantija. Slėginės įrangos ir toksiškų / degių skysčių atveju medžiagų parinkimui reikalingas kvalifikuoto inžinieriaus patvirtinimas ir patikrinti korozijos duomenys.
trys mini dėklai
1 atvejis – greitas numatymas. Inžinierius norėjo preliminariai įvertinti naujo tirpiklių mišinio šiluminę galią, apie kurią literatūroje trūksta duomenų. AI suteikė diapazoną naudodamas grupės įnašo metodą. Inžinierius apytiksliai apskaičiavo energiją naudodamas šią preliminarią vertę, tada ją išmatavo laboratorijoje; matavimas atitiko 6% prognozės. Prognozavimas paspartino planavimą, tačiau dizainas perkeltas į eksperimentinę vertę.
2 atvejis – pagauta haliucinacija. YZ davė normalią junginio virimo temperatūrą 78 °C. Kai inžinierius palygino ją su NIST, jis nustatė, kad tikroji vertė buvo 118 °C; AI supainiojo pavadinimą su kitu panašiu junginiu. Palyginimas su šaltiniu neleido 40 °C paklaidai patekti į kolonėlės dizainą.
3 atvejis – įspėjimas apie medžiagą. YZ pažymėjo, kad 304 nerūdijančio plieno pasirinkimas chlorido jonų turinčiam vandeniniam srautui yra „taškinių ir įtempių korozijos įtrūkimų rizika“ ir nurodė atsparesnį lydinį. Medžiagų inžinierius patvirtino suderinamumo duomenis ir pasirinko aukštesnio lydinio medžiagą. AI įtraukė riziką į darbotvarkę, sprendimas buvo priimtas su duomenimis.
Keturi kopijuojami šablonai
1) Funkcijos numatymas (reikalingas šaltinis):
Jūsų vaidmuo: kūno sudėjimo ekspertas. Junginys: [pavadinimas/formulė], sąlyga: [T, P, fazė]. Funkcija, kurios noriu: [pvz. garų slėgis]. Pateikite: 1) eksperimentinę vertę ir ŠALTINIS (DIPPR/NIST/gamintojas), jei yra, 2) jei ne, įvertinimo metodą ir numatomą vertę bei neapibrėžtumo ribą. Aiškiai nurodykite, ar tai eksperimentinė, ar numatoma. Jei negalite nurodyti šaltinio, pažymėkite jį kaip „numatymą, kurį reikia patikrinti“. Nesukurkite vertės; Jei nesate tikri, pasakykite man.
2) Grupės įnašo metodo vadovas:
Turiu junginį, kurio eksperimentinių duomenų nėra: [struktūra/Šypsenos]. Kuris grupės įnašo metodas (Joback, UNIFAC ir kt.) tinka [nuosavybei] ir kodėl? Paaiškinkite metodo veiksmus ir reikalingus grupės parametrus. Nurodykite, kad rezultatas yra įvertinimas ir tipinė paklaidos riba. Aš patikrinsiu galutinę vertę naudodamas eksperimentą / duomenų bazę.
3) Vertės palyginimas / patikrinimas:
Toliau pateiktos funkcijos vertės iš skirtingų šaltinių. Palyginkite juos lentelėje, apskaičiuokite nuokrypį ir reitinguokite, kuris patikimesnis (empirinis > įvertintas > prognozuojamas). Jei yra didelis nuokrypis, pažymėkite galimą priežastį (skirtinga būklė, skirtingas izomeras). Šaltiniai: [paste]
4) Preliminarus medžiagų suderinamumo patikrinimas:
Skystis: [sudėtis, koncentracija, priemaišos], būklė: [T, P]. Kandidatinės medžiagos: [sąrašas]. Prisiminkite žinomą korozijos / nesuderinamumo riziką (įdubimą, įtrūkimus, bendrą koroziją). Tai PRELIMINARUS nuskaitymas; Galutiniam pasirinkimui reikalingi korozijos duomenys ir įgalioto inžinieriaus patvirtinimas. Aiškiai pažymėkite rizikingas poras.
Silpnas raginimas / Stiprus raginimas
Silpnas raginimas:
Koks yra tolueno klampumas?
Jokio karščio, jokio suvirinimo. AI pateikia skaičių, bet kokiomis sąlygomis ir kiek jis patikimas, neaišku.
Galingas raginimas:
Jūsų vaidmuo: kūno sudėjimo ekspertas. Dinaminis klampumas toluenui skystoje fazėje, 25°C, 1 atm. Pateikite: vertę, vienetą, ŠALTINĮ ir eksperimentinį įvertinimą. Jei įmanoma, nurodykite du nepriklausomus šaltinius ir nurodykite nuoseklumą. Jei negalite nurodyti šaltinio, pažymėkite jį kaip spėjimą. Vertės atitikimas. Aš patikrinsiu rezultatą su termodinamine duomenų baze.
Skirtumas aiškus: sąlyga, išteklių mandatas ir patvirtinimo sistema suteikia vertę.
Vaidmenų pasiskirstymas sprendžiant požymius ir medžiagą
verslui
AI vaidmuo
Žmogaus sprendimas/šaltinis
Eksperimentinė funkcija
šaltinio priminimas
Duomenų bazės patvirtinimas
Nėra duomenų, spėk
Metodas + numatytasis
Eksperimentas / duomenų bazės patvirtinimas
Vertybių palyginimas
Lentelė, nuokrypis
sprendimas dėl patikimumo
Medžiagos kandidatai
rizikos priminimas
Atitikties duomenys, patvirtinimas
Reitingo kontrolė
žymėjimas
fizinis pagrįstumas
Dažnos klaidos
- Naudojant be šaltinio vertę. Kiekvieną svarbią AI pateiktą funkciją patvirtina duomenų bazė / eksperimentas.
- Sąlygos nenurodo. Vertė, paimta nenurodant temperatūros / slėgio / fazės, gali priklausyti netinkamai sąlygai.
- Apskaičiuota vertė klaidinga kaip empirinė. Grupės įnašo įvertinimai yra neaiškūs; Atsižvelkite į tai kurdami dizainą.
- Medžiagos pasirinkimas vienu sakiniu patvirtinus. Korozija yra daugiamatė; reikalingi duomenys ir patvirtinimas.
- Apeinant rango patikrinimą. Paprastas „ar šis skaičius prasmingas? kontrolė pagauna daugumą haliucinacijų.
Apibendrinant
AI numatant nuosavybę ir medžiagą; Tai galingas asistentas, generuojantis preliminarias reikšmes, primenantis įvertinimo metodą, palyginantis išteklių vertes ir pažymintis materialines rizikas. Bet kiekviena svarbi savybė turi būti pagrįsta patikima duomenų baze arba eksperimentu; Medžiagos pasirinkimas yra saugai svarbus sprendimas, kuriam reikalingi duomenys apie koroziją ir įgalioto inžinieriaus patvirtinimas. AI teikia prognozes ir įspėjimus; Inžinierius prisijungia prie šaltinio, patikrina ir pasirenka.
Taikymo užduotis
Pasirinkite junginį ir savybę (pvz., tirpiklio garų slėgis, 40°C). Gaukite vertę ir jos šaltinį iš AI naudodami šabloną „Atributo numatymas (reikalingi ištekliai)“; tada palyginkite ją su termodinamine duomenų baze ir pažymėkite nuokrypį. Tada naudokite „preliminarų medžiagų suderinamumo patikros“ šabloną skysčių ir medžiagų porai ir patvirtinkite kylančią riziką suderinamumo lentele.
kontrolinis sąrašas
- Norėjau funkcijos [ ] kartu su sąlyga (T, P, fazė).
- [ ] Aš palyginau AI pateiktą vertę su patikima duomenų baze / eksperimentu.
- [ ] Atskyriau apskaičiuotas vertes nuo eksperimentinių ir atkreipiau dėmesį į neapibrėžtumą.
- [ ] Patikrinau medžiagų pasirinkimą su korozijos duomenimis ir įgaliotu patvirtinimu.
- [ ] Kiekvienam kritiniam skaičiui pritaikiau rango/tikimumo patikrą.