Ieguvumi:
- Spēja pareizi konstruēt optimizācijas problēmu ar mērķa funkciju, lēmumu mainīgajiem un ierobežojumiem un ģenerēt scenārijus un idejas ar mākslīgo intelektu
- Izpratne par to, cik svarīgi ir pilnībā definēt ierobežojumus, un spēt turpināt pārbaudīt matemātisko optimālo drošības un piemērojamības ziņā.
- Izpratne par to, ka drošības ierobežojums ir neapspriežams ierobežojums, ko nevar apmainīt pret efektivitāti.
Process var "darboties", bet vai tas darbojas "optimāli"? Vai ir kāds veids, kā ražot vienu un to pašu produktu ar mazāku enerģiju, lielāku efektivitāti un zemākām izmaksām? Lauks, kas risina šos jautājumus, ir procesa optimizācija — procesa mainīgo pielāgošana, lai optimizētu mērķi saskaņā ar noteiktiem ierobežojumiem. Optimizācija vienmēr ir līdzsvara jautājums: saglabājot tīrību, vienlaikus samazinot enerģiju, saglabājot drošību un izmaksas, vienlaikus palielinot efektivitāti. Šajā nodaļā jūs uzzināsiet, kā izmantot mākslīgo intelektu kā palīglīdzekli optimizācijas problēmas formulēšanā, scenāriju salīdzināšanā un uzlabojumu ideju ģenerēšanā; bet mēs uzzināsim, kāpēc katrs ierosinātais "uzlabojums" ir jāpārbauda ar simulāciju, drošību un ekonomiku.
Optimizācijā jūs pastāvīgi saskaraties ar trim jēdzieniem. Objektīvā funkcija (objektīvā funkcija - optimizējamais daudzums; piemēram, kopējās enerģijas izmaksas), lēmumu mainīgie (regulējami daudzumi; temperatūra, spiediens, atteces ātrums) un ierobežojumi (robežas, kuras nedrīkst pārsniegt; produkta tīrība, drošības robeža, aprīkojuma jauda). Laba optimizācija skaidri definē šos trīs. AI ir spēcīgs tieši šajā identifikācijas un opciju ģenerēšanas posmā.
Soli pa solim AI atbalsts optimizācijā
1. Pareizi formulējiet problēmu. Es jautāju AI "ko es vēlos optimizēt, ko es varu mainīt, ko es nekad nevaru pārspēt?" saņemt atbildes uz saviem jautājumiem. Mērķa, mainīgo un ierobežojumu noskaidrošana ir puse no darba.
2. Atklājiet mainīgo ietekmi. AI izvirza hipotēzes par to, kuram mainīgajam var būt lielāka ietekme uz mērķi (jutīgumu). Šīs ir idejas, kas jāpārbauda ar simulāciju.
3. Termiskās integrācijas idejas. AI atgādina klasiskās enerģijas taupīšanas pieejas, piemēram, siltuma atgūšanu (šķipsnas analīze — metode, kas nosaka siltuma atgūšanas teorētisko robežu procesā). Jūs novērtējat iespējamību.
4. Padarot redzamus kompromisus. AI jautā: "Ja jūs samazināsiet enerģiju par 10%, kā tiks ietekmēta tīrība, kādas būs izmaksas?" Tas attēlo kompromisus, piemēram,. Skaitļiem jābūt iegūtiem no simulācijas; AI veido ietvaru.
5. Optimizācijas koda melnraksts. AI raksta Python optimizācijas skripta melnrakstu (piemēram, scipy.optimize); nosaka mērķa funkciju, ierobežojumus un risinātāju. Jūs pārbaudāt kodu un rezultātu.
6. Drošības un saprātīguma filtrs. Vai piedāvātais optimālais ir drošības robežās? Vai tas ir fiziski iespējams? Šis pēdējais spriedums ir jūsu.
Padoms. Optimizācijā visbiežāk aizmirstais ir ierobežojumi. Sniedzot problēmu AI, skaidri uzrakstiet drošības un kvalitātes ierobežojumus; pretējā gadījumā AI var ieteikt optimālu variantu, kas ir “lielisks” uz papīra, bet patiesībā ir bīstams vai traucē produktam.
"Optimāls" nav ieteikums, bet gan hipotēze, kas jāpārbauda
Kad mākslīgais intelekts vai optimizācijas algoritms atgriež “jauko vietu”, tas ir labākais no matemātiskā modeļa, nevis faktiskais process. Ja modelī ir trūkstošs ierobežojums, tas var pārsniegt optimālo drošības robežu. Mainīga lieluma ierobežošana (piemēram, temperatūras paaugstināšana) var palielināt papīra iznākumu, taču patiesībā tas var būt nepieņemami blakusreakcijas, katalizatora kalpošanas laika vai drošības ziņā. Katrs optimizācijas rezultāts tiek tālāk pārbaudīts, lai nodrošinātu drošību un piemērojamību.
Uzmanību: ja optimizācijas ieteikums pārkāpj drošības robežu ("spiediens nekad nedrīkst pārsniegt", "temperatūrai jāpaliek zem evakuācijas sliekšņa"), tas netiek īstenots neatkarīgi no efektivitātes. Drošības ierobežojums ir neapspriežama optimizācijas robeža.
trīs mini futrāļi
1. gadījums — enerģijas taupīšanas ideja. Destilācijas sadaļā YZ ierosināja siltuma integrāciju (aukstās padeves iepriekšēju uzsildīšanu ar karstu produktu) starp abām plūsmām. Komanda to pārbaudīja simulācijā; reboilera nodeva samazinājās par aptuveni 18%, tīrība saglabājās. Ideja nāca no AI, lēmums tika pieņemts, izmantojot simulāciju un izmaksu analīzi.
2. gadījums — neierobežotā optimuma briesmas. Inženieris lūdza AI ieteikt refluksa ātrumu, lai "minimizētu enerģiju", bet aizmirsa pierakstīt tīrības ierobežojumu. YZ ieteica ļoti zemu refluksu; Simulācijā produkta tīrība bija zemāka par specifikāciju. Kad ierobežojums tika pievienots, tika atrasts reāls optimums. Nodarbība: neierobežota optimizācija ir maldinoša.
3. gadījums — optimizācijas kods. Viena komanda saņēma scipy.optimize melnrakstu no AI, lai samazinātu trīs mainīgās izmaksas. Kods tika saistīts ar reālo modeli, kad tas sniedza pareizo rezultātu vienkāršai zināmai testa problēmai. Risinājums bija konsekvents, ja to pārbaudīja ar režģa meklēšanu; bet inženieris apstiprināja, ka optimālais ir drošības loga robežās.
Četras kopējamas veidnes
1) Optimizācijas problēmas izveide:
Jūsu loma: procesu optimizācijas inženieris. Mans process: [īss apraksts]. Palīdziet man noskaidrot problēmu: (1) kādai jābūt mērķa funkcijai (enerģija/izmaksas/raža), (2) kādus lēmumu mainīgos var pielāgot, (3) kādus ierobežojumus (tīrība, drošība, jauda) NEKAD nedrīkst pārsniegt. Pilnībā uzskaitiet ierobežojumus; Var būt aizmirsts drošības ierobežojums, jautājiet īpaši Midiye. Pēc tam iesakiet risinājuma pieeju.
2) Kompromisu tabula:
Parādiet kompromisu tabulu, kā mērķi un ierobežojumi var tikt ietekmēti, mainot šādu mainīgo ([mainīgais], šādā diapazonā): enerģija, tīrība, raža, izmaksas, drošība. FITTING skaitliskās vērtības; Katrā šūnā ierakstiet "jāaizpilda ar simulāciju" un norādiet tikai tendences virzienu (pieaug/samazinās). Iesakiet scenārijus, ko man izmērīt.
3) Optimizācijas koda (Python) melnraksts:
Uzrakstiet optimizācijas skripta melnrakstu, izmantojot scipy.optimize.Purpose: [mērķis]. Lēmuma mainīgie: [saraksts un robežas].Ierobežojumi: [vienlīdzības/nevienlīdzības ierobežojumi]. (1) iestatiet mērķa un ierobežojumu funkcijas kā vietturus, (2) izvēlieties atbilstošo risinātāju un paskaidrojiet, kāpēc to izvēlējāties, (3) ziņojiet par rezultātu un vai ierobežojumi ir izpildīti. Es pārbaudīšu kodu ar zināmu testa problēmu. Norādiet vienību un pieņēmumus.
4) Enerģijas integrācijas ideju pārbaude:
Uzskaitiet klasiskās pieejas, kas var samazināt enerģijas patēriņu šajā procesā (siltuma integrēšana, saspiešana, priekšsildīšana, rekuperācija, darbības stāvokļa regulēšana) un iepriekš novērtējiet katra piemērotību šim procesam. Katrai idejai norādiet arī iespējamos riskus (kontroles grūtības, drošība, piesārņojums). Tās ir ideju skices; Es to pārbaudīšu ar simulāciju un ekonomiku. Process: [definīcija]
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Optimizējiet šo procesu, samaziniet enerģiju.
Nav ierobežojumu, nav kritēriju. AI var ieteikt “optimumu”, kas upurē tīrību vai drošību.
Spēcīga uzvedne:
Jūsu loma: optimizācijas inženieris. Mērķis: samazināt reboilera enerģiju destilācijas kolonnā. Mainīgs: atteces koeficients (1,2-3,0). IEROBEŽOJUMI (nevar pārsniegt): maksimālā produkta tīrība >= 99%, kolonnas applūšanas robeža, kondensatora jauda. Pastāstiet man: (1) pārbaudiet, vai esmu pareizi iestatījis problēmu, (2) jautājiet, vai trūkst drošības/kvalitātes ierobežojumu, (3) iesakiet, kādus scenārijus izmēģināt simulācijā. Vērtību safabricēšana; Es izlemšu pēc simulācijas.
Atšķirība ir skaidra: mērķis, mainīgo lielumu diapazons, nepārvarami ierobežojumi un validācijas sistēma padara optimizāciju drošu.
Lomu sadalījums optimizācijā
solis
AI loma
cilvēka lēmums
Problēmas iestatījums
Mērķa/mainīgā/ierobežojuma precizējums
Ierobežojumu pilnība
Jutīgums
hipotēžu ģenerēšana
Testēšana ar simulāciju
kompromiss
rāmis, galds
Skaitlis (simulācija)
Kods
scipy skice
testēšana, pārbaude
optimāls
kandidāta punkts
Drošības/pielietojamības apstiprinājums
Biežas kļūdas
- Trūkst ierobežojumu. Neierobežota optimizācija nodrošina maldinošu optimālu rezultātu, kas upurē drošību vai kvalitāti.
- Īstenojot optimālo tieši. Matemātiskā optimuma drošība un iespējamība tiek tālāk pārbaudīta.
- Liekot AI pielāgot kompromisa skaitļus. Kompromisu vērtībām jānāk no simulācijas; AI veido tikai ietvarus.
- Optimizācijas koda izmantošana, to nepārbaudot. Kods netiks savienots ar reālo modeli, ja tas netiks pārbaudīts pret zināmu problēmu.
- Tirdzniecības drošības ierobežojums efektivitātei. Drošības rezerve nav apspriežama; netiek pārkāpts efektivitātes dēļ.
Rezumējot
AI procesa optimizācijā; Tas ir spēcīgs palīgs, kas nosaka problēmu, ģenerē jutīguma hipotēzes, veido kompromisus, rosina enerģijas taupīšanas idejas un izstrādā optimizācijas kodu. Bet optimizācijas rezultāts ir matemātiskā modeļa optimālais; To nevar izmantot, ja inženieri to nav pārbaudījuši drošības, kvalitātes un pielietojamības ziņā. Pilnīga ierobežojumu noteikšana un drošības rezerves saglabāšana bez sarunām ir drošas optimizācijas pamatā.
Lietojumprogrammas uzdevums
Izvēlieties optimizācijas problēmu (piem., enerģijas samazināšana kolonnā). Noskaidrojiet mērķi, mainīgos lielumus un ierobežojumus, izmantojot veidni "optimizācijas problēmas izvirzīšana"; Lūdziet AI īpaši pajautāt, vai trūkst drošības ierobežojumu. Pēc tam identificējiet scenārijus, izmantojot veidni “mirdzniecības tabula” un aizpildiet tos skaitliski simulācijā (ja piemērojams).
kontrolsaraksts
- [ ] Esmu pilnībā definējis mērķi, lēmumu mainīgos un ierobežojumus.
- [ ] Es skaidri uzrakstīju drošības un kvalitātes ierobežojumus un liku AI pieprasīt trūkstošo ierobežojumu.
- [ ] Es paņēmu kompromisa skaitļus no simulācijas, es neliku tos piemērot AI.
- [ ] Es pārbaudīju optimizācijas kodu ar zināmu problēmu.
- [ ] Es arī pārbaudīju atrasto optimālo drošības un pielietojamības ziņā.