നേട്ടങ്ങൾ:
- ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് നൂറുകണക്കിന് സിമുലേഷൻ ഔട്ട്പുട്ടുകൾ സംഗ്രഹിച്ചുകൊണ്ട് മാസ്/എനർജി ബാലൻസും കീ മെട്രിക്സും വേഗത്തിൽ വിലയിരുത്താനുള്ള കഴിവ്
- തിരഞ്ഞെടുത്ത തെർമോഡൈനാമിക് മോഡലിൻ്റെയും ചോദ്യ മോഡൽ അനുയോജ്യതയുടെയും ഭൗതിക സാദ്ധ്യതയുടെയും പ്രതിഫലനമാണ് സിമുലേഷൻ എന്ന് മനസ്സിലാക്കാനുള്ള കഴിവ്
- പരീക്ഷണാത്മക/റഫറൻസ് ഡാറ്റയുമായി താരതമ്യം ചെയ്തുകൊണ്ട് ഒത്തുചേരൽ, സന്തുലിതാവസ്ഥ വ്യതിയാനം, ഓഡ്ബോൾ ഒപ്പുകൾ എന്നിവ പരിശോധിക്കാനുള്ള കഴിവ്
ഒരു പ്രോസസ്സ് ഡിസൈൻ പേപ്പറിൽ പൂർത്തിയാക്കിക്കഴിഞ്ഞാൽ, അത് കമ്പ്യൂട്ടറിൽ "റൺ" ചെയ്യാനുള്ള സമയമായി. പ്രോസസ്സ് സിമുലേഷൻ - തെർമോഡൈനാമിക് മോഡലുകളിലൂടെ ഒരു സൗകര്യത്തിൻ്റെ പിണ്ഡം, ഊർജ്ജം, സന്തുലിതാവസ്ഥ എന്നിവയെ സംഖ്യാപരമായി പരിഹരിക്കുന്ന സോഫ്റ്റ്വെയർ - റിയാക്ടറുകൾ, ഡിസ്റ്റിലേഷൻ കോളങ്ങൾ, ഹീറ്റ് എക്സ്ചേഞ്ചറുകൾ, മൊത്തത്തിലുള്ള ഫ്ലോകൾ എന്നിവ കണക്കാക്കുന്നു. ആസ്പൻ പ്ലസ് / ആസ്പൻ HYSYS (ഇൻഡസ്ട്രി സ്റ്റാൻഡേർഡ് കൊമേഴ്സ്യൽ സിമുലേറ്ററുകൾ), DWSIM (ഒരു ഓപ്പൺ സോഴ്സ് ബദൽ) തുടങ്ങിയ സോഫ്റ്റ്വെയറുകളാണ് ഏറ്റവും സാധാരണമായ ഉപകരണങ്ങൾ. ഈ ഉപകരണങ്ങൾ സംഖ്യകളുടെ വലിയ പട്ടികകൾ നിർമ്മിക്കുന്നു: ഫ്ലോ റേറ്റ്, താപനില, മർദ്ദം, ഘടന, ഓരോ സ്ട്രീമിൻ്റെയും എൻതാൽപ്പി (ഒരു സ്ട്രീം വഹിക്കുന്ന താപ ഊർജ്ജം), ഓരോ ഉപകരണത്തിൻ്റെയും ചുമതലകൾ. ഈ സംഖ്യകളുടെ കടലിൽ സാധ്യമായ പൊരുത്തക്കേടുകൾ സംഗ്രഹിക്കുകയും താരതമ്യം ചെയ്യുകയും ഫ്ലാഗ് ചെയ്യുകയും ചെയ്യുന്ന ഒരു സഹായിയായി ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് എങ്ങനെ ഉപയോഗിക്കാമെന്ന് ഈ യൂണിറ്റിൽ നിങ്ങൾ പഠിക്കും; എന്നാൽ സിമുലേഷൻ ഭൗതികശാസ്ത്രത്തിന് അനുയോജ്യമാണോ അല്ലയോ എന്ന് നിങ്ങൾ തീരുമാനിക്കേണ്ടത് എന്തുകൊണ്ടാണെന്ന് ഞങ്ങൾ പഠിക്കും.
ഒരു നിർണായക വസ്തുതയിൽ നിന്ന് നമുക്ക് ആരംഭിക്കാം: നിങ്ങൾ തിരഞ്ഞെടുക്കുന്ന തെർമോഡൈനാമിക് മോഡലിൻ്റെയും അനുമാനങ്ങളുടെയും പ്രതിഫലനമാണ് സിമുലേഷൻ; അത് യാഥാർത്ഥ്യമല്ല. നിങ്ങൾ തെറ്റായ തെർമോഡൈനാമിക് പാക്കേജ് തിരഞ്ഞെടുക്കുകയാണെങ്കിൽ (പ്രോപ്പർട്ടി/തെർമോഡൈനാമിക് രീതി - ദ്രാവകങ്ങളുടെ സന്തുലിതാവസ്ഥയും ഗുണങ്ങളും കണക്കാക്കുന്ന മോഡൽ; ഉദാ. ഐഡിയൽ, NRTL, Peng-Robinson), സിമുലേറ്റർ സുഗമവും ബോധ്യപ്പെടുത്തുന്നതും എന്നാൽ പൂർണ്ണമായും തെറ്റായ ഫലങ്ങൾ നൽകും. ഈ ഫലങ്ങൾ വ്യാഖ്യാനിക്കാൻ AI സഹായിക്കുന്നു, പക്ഷേ മോഡലിൻ്റെ കൃത്യത ഉറപ്പുനൽകാൻ കഴിയില്ല.
സിമുലേഷൻ ഔട്ട്പുട്ട് വായിക്കുന്നതിനുള്ള ഘട്ടം ഘട്ടമായുള്ള AI പിന്തുണ
1. ഒത്തുചേരൽ നിയന്ത്രണം. സിമുലേഷൻ യഥാർത്ഥത്തിൽ പരിഹരിക്കപ്പെടുമോ എന്ന് ആദ്യം നോക്കുക. സംഖ്യാപരമായ പരിഹാരം സ്ഥിരമായ ഒരു ഫലത്തിൽ എത്തുമ്പോഴാണ് ഒത്തുചേരൽ; യോജിപ്പില്ലാത്ത ഫലം അർത്ഥശൂന്യമാണ്. നിങ്ങൾക്ക് AI-യ്ക്ക് പരിഹാര ലോഗുകൾ നൽകാനും മുന്നറിയിപ്പുകളും പിശകുകളും സംഗ്രഹിക്കാനും കഴിയും.
2. പിണ്ഡവും ഊർജ്ജ സന്തുലനവും. ഒരു നല്ല സിമുലേഷൻ ഇൻ = ഔട്ട് എന്ന് ഉറപ്പാക്കുന്നു. AI-ന് ഫ്ലോ ടേബിളിൽ നിന്ന് ഇൻപുട്ട്-ഔട്ട്പുട്ട് ടോട്ടലുകളും സന്തുലിതാവസ്ഥയിലെ ഫ്ലാഗ് വ്യതിയാനങ്ങളും കംപൈൽ ചെയ്യാൻ കഴിയും. വ്യതിയാനം വലുതാണെങ്കിൽ, മോഡലോ സജ്ജീകരണമോ തെറ്റാണ്.
3. പ്രധാന ഫലങ്ങൾ സംഗ്രഹിക്കുക. ഉൽപ്പന്ന പരിശുദ്ധി, റീബോയിലർ/കണ്ടൻസർ ഡ്യൂട്ടി, കോളം പ്രൊഫൈൽ, പരിവർത്തനം - റിയാക്ടറിൽ റിയാക്ടൻ്റ് ഉൽപ്പന്നമായി മാറുന്നതിൻ്റെ നിരക്ക്. AI ഈ പ്രധാന അളവുകോലുകളെ നൂറുകണക്കിന് വരികളിൽ നിന്ന് ഒരു സംഗ്രഹ പട്ടികയിലേക്ക് വലിച്ചിടുന്നു.
4. രംഗം താരതമ്യം. രണ്ട് റണ്ണുകൾ തമ്മിലുള്ള വ്യത്യാസം AI വേഗത്തിൽ പട്ടികപ്പെടുത്തുന്നു (ഉദാ. വ്യത്യസ്ത റിഫ്ലക്സ് അനുപാതം): "ഏത് വേരിയബിൾ എത്രമാത്രം മാറി, ഏത് ടാസ്ക്ക് വർദ്ധിച്ചു?"
5. പൊരുത്തക്കേട് അടയാളപ്പെടുത്തൽ. ഭൗതികമായി വിചിത്രമായ മൂല്യങ്ങൾ - നെഗറ്റീവ് ഫ്ലോ റേറ്റ്, സോളബിലിറ്റി പരിധി കവിയുന്ന ഒരു ഘടന, യുക്തിരഹിതമായ താപനില - AI-ക്ക് "ചെക്ക്" എന്ന് ഫ്ലാഗ് ചെയ്യാൻ കഴിയും.
6. അതിർത്തിയും ന്യായയുക്തതയും ഫിൽട്ടർ. ഫലം ഭൗതികശാസ്ത്രത്തിന് അനുയോജ്യമാണോ? ഉൽപന്ന ശുദ്ധി തെർമോഡൈനാമിക്കായി സാധ്യമാണോ? താങ്കൾ തന്നെയാണ് ഈ കമൻ്റ് ഇട്ടത്.
നുറുങ്ങ്: AI-ക്ക് സിമുലേഷൻ ഔട്ട്പുട്ട് നൽകുമ്പോൾ, നിങ്ങൾ ഏത് തെർമോഡൈനാമിക്സ് പാക്കേജാണ് ഉപയോഗിക്കുന്നതെന്നും പറയുക. AI ചോദിക്കുന്നു "ഈ പാക്കേജ് ഈ സിസ്റ്റത്തിൽ അനുയോജ്യമാണോ (ഉദാ. ധ്രുവ ഘടകങ്ങൾ, അസിയോട്രോപ്പ്)?" — എന്നാൽ അന്തിമ മോഡൽ തിരഞ്ഞെടുക്കൽ ഒരു എഞ്ചിനീയറിംഗ് തീരുമാനമാണ്.
തെർമോഡൈനാമിക് മോഡൽ: ഏറ്റവും സാധാരണമായ മറഞ്ഞിരിക്കുന്ന പിശക്
സിമുലേഷൻ പിശകുകളിൽ ഭൂരിഭാഗവും സംഖ്യകളല്ല, മറിച്ച് മോഡൽ തിരഞ്ഞെടുപ്പിൽ നിന്നാണ് ഉത്ഭവിക്കുന്നത്. ഒരു ധ്രുവ മിശ്രിതത്തിൽ അനുയോജ്യമായ ഒരു മാതൃക പ്രയോഗിക്കുന്നത് ഒരു അസിയോട്രോപ്പ് ഉണ്ടാക്കുന്നു - ഒരു നിശ്ചിത ഘടനയിൽ ദ്രാവകവും നീരാവിയും ഒരുപോലെയാകുന്ന പോയിൻ്റ്, വാറ്റിയെടുക്കൽ വഴി വേർതിരിക്കാനാവില്ല - അദൃശ്യമാണ്. AI-ക്ക് ഒരു ഔട്ട്പുട്ട് വ്യാഖ്യാനിക്കാൻ കഴിയും, എന്നാൽ നിങ്ങൾ തിരഞ്ഞെടുക്കുന്ന മോഡൽ സിസ്റ്റത്തിന് അനുയോജ്യമാണോ എന്ന് പരിശോധിക്കാൻ അതിന് കഴിയില്ല; ഇതിന് തെർമോഡൈനാമിക്സിനെക്കുറിച്ചുള്ള അറിവും പരീക്ഷണാത്മക ഡാറ്റയുടെ താരതമ്യവും ആവശ്യമാണ്. AI ചൂണ്ടിക്കാണിച്ച "ഈ മൂല്യം വിചിത്രമാണ്" മുന്നറിയിപ്പ് പലപ്പോഴും തെറ്റായ മോഡൽ തിരഞ്ഞെടുക്കലിൻ്റെ ഫലമാണ്.
മുൻകരുതൽ: ഒരു സിമുലേഷൻ "കൺവേർഡ് ചെയ്ത് ഒരു നല്ല ചിത്രം നൽകി" എന്നതുകൊണ്ട് മാത്രം അത് ശരിയല്ല. തെറ്റായ തെർമോഡൈനാമിക് പാക്കേജ് ഏറ്റവും അപകടകരമായ പിശകാണ്, കാരണം ഫലം ബോധ്യപ്പെടുത്തുന്നതായി തോന്നുന്നു. എക്സ്പെരിമെൻ്റൽ ഡാറ്റ, ഹാൻഡ് കണക്കുകൂട്ടൽ അല്ലെങ്കിൽ അറിയപ്പെടുന്ന റഫറൻസ് എന്നിവയുമായി ഔട്ട്പുട്ട് എപ്പോഴും താരതമ്യം ചെയ്യുക.
മൂന്ന് മിനി കേസുകൾ
കേസ് 1 - സംരക്ഷിച്ച സമയം സംഗ്രഹിക്കുക. 40 സ്ട്രീമുകളും 12 ഉപകരണങ്ങളും അടങ്ങുന്ന ആസ്പൻ റണ്ണിൽ നിന്ന് ഒരു എഞ്ചിനീയർ 600 ലൈനുകളുടെ ഔട്ട്പുട്ട് വിലയിരുത്തും. ഉൽപ്പന്ന പരിശുദ്ധി, കോളം അസൈൻമെൻ്റുകൾ, സംഗ്രഹ പട്ടികയിലേക്ക് പരിവർത്തനം എന്നിവ AI വലിച്ചെടുത്തു; 45 മിനിറ്റ് വായനയ്ക്ക് പകരം 10 മിനിറ്റിനുള്ളിൽ എഞ്ചിനീയർ പ്രധാന നിഗമനങ്ങളിലെത്തി. ഓരോ കീ മൂല്യവും ഉറവിട പട്ടികയിൽ വീണ്ടും സ്ഥിരീകരിച്ചു.
കേസ് 2 - മോഡൽ മുന്നറിയിപ്പ്. ജല-എഥനോൾ വേർതിരിവിൽ, സിമുലേഷൻ 99.9% പരിശുദ്ധി നൽകി. "അനുയോജ്യമായ തെർമോഡൈനാമിക് പാക്കേജ് ഉപയോഗിച്ച്, ഈ സിസ്റ്റത്തിൽ അസിയോട്രോപ്പ് ദൃശ്യമാകില്ല; ഇത് ശാരീരികമായി സംശയാസ്പദമാണ്," YZ ചൂണ്ടിക്കാട്ടി. എഞ്ചിനീയർ പാക്കേജ് NRTL-ലേക്ക് പരിവർത്തനം ചെയ്തപ്പോൾ, അസിയോട്രോപ്പ് പ്രത്യക്ഷപ്പെടുകയും റിയലിസ്റ്റിക് പ്യൂരിറ്റി പരിധി (ഏകദേശം 95.6 പിണ്ഡം %) പ്രത്യക്ഷപ്പെടുകയും ചെയ്തു. AI പിശക് പരിഹരിച്ചില്ല, പക്ഷേ അത് ശരിയായ ചോദ്യം ചോദിച്ചു.
കേസ് 3 - ബാലൻസ് വ്യതിയാനം. ഒരു DWSIM ഓട്ടത്തിൽ, മണിക്കൂറിൽ 1,000 കിലോഗ്രാം അകത്തേക്ക് പോയി, മണിക്കൂറിൽ 940 കിലോഗ്രാം പുറത്തേക്ക് വന്നു. AI 6% വ്യത്യാസം രേഖപ്പെടുത്തി. പരിശോധനയിൽ, ഒരു നീരാവി പ്രവാഹം വിച്ഛേദിക്കപ്പെട്ടതായി കണ്ടെത്തി. ബാലൻസ് നിയന്ത്രണം ഇല്ലായിരുന്നെങ്കിൽ, ഈ തെറ്റായ ഫലം റിപ്പോർട്ട് ചെയ്യപ്പെടുമായിരുന്നു.
പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ
1) സിമുലേഷൻ സംഗ്രഹം:
നിങ്ങളുടെ റോൾ: പ്രോസസ് സിമുലേഷൻ അനലിസ്റ്റ്. ഞാൻ നിങ്ങൾക്ക് ഒരു സിമുലേറ്റർ ഫ്ലോ ചാർട്ട് തരാം (തെർമോഡൈനാമിക്സ് പാക്കേജ്: [പാക്കേജ്]). നൽകുക: (1) ഓരോ സ്ട്രീമിനുമുള്ള പ്രധാന മൂല്യങ്ങളുടെ സംഗ്രഹ പട്ടിക (ഫ്ലോ റേറ്റ്, ടി, പി, പ്രധാന കോമ്പോസിഷനുകൾ), (2) ഇൻപുട്ട്-ഔട്ട്പുട്ട് പിണ്ഡവും എനർജി ബാലൻസും ഡീവിയേഷനും, (3) ഉൽപ്പന്ന പരിശുദ്ധിയും കീ ഡ്യൂട്ടി മൂല്യങ്ങളും. പട്ടികയിൽ നിന്നുള്ള യഥാർത്ഥ നമ്പറുകൾ ഉപയോഗിക്കുക, മൂല്യം ഉണ്ടാക്കരുത്. പട്ടിക: [ഒട്ടിക്കുക]
2) ബാലൻസ് സ്ഥിരീകരണം:
ഈ ഫ്ലോ ടേബിളിൽ നിന്ന്, മൊത്തം പിണ്ഡം (കൂടാതെ സാധ്യമെങ്കിൽ ഊർജ്ജം) വെവ്വേറെ ചേർക്കുകയും പുറത്തുകടക്കുകയും ചെയ്യുക, വ്യത്യാസം കണക്കാക്കി ശതമാനം നൽകുക. വ്യത്യാസം 0.5%-ൽ കൂടുതലാണെങ്കിൽ, ഏത് ഒഴുക്ക് കൂടുതലോ കുറവോ ആയിരിക്കാമെന്ന് അടയാളപ്പെടുത്തുക. ഒരു റീസൈക്കിൾ ഉണ്ടെങ്കിൽ, അത് ഇരട്ടിയായി കണക്കാക്കിയിട്ടില്ലെന്ന് പരിശോധിക്കുക. പട്ടിക: [ഒട്ടിക്കുക]
3) മോഡൽ അനുയോജ്യത ചോദ്യം:
എൻ്റെ സിസ്റ്റം: [ഘടകങ്ങൾ, വ്യവസ്ഥകൾ, അസിയോട്രോപ്പ്/പോളാർ/ഇലക്ട്രോലൈറ്റ് അവസ്ഥ]. ഞാൻ ഉപയോഗിക്കുന്ന തെർമോഡൈനാമിക് പാക്കേജ്: [പാക്കേജ്]. ഈ പാക്കേജ് ഈ സിസ്റ്റത്തിന് അനുയോജ്യമാണോ, ഏത് സാഹചര്യത്തിലാണ് ഇത് തെറ്റിദ്ധരിപ്പിക്കുന്നത്? ഒരു ബദൽ പാക്കേജ് നിർദ്ദേശിക്കുകയും അത് കൂടുതൽ അനുയോജ്യമാകുന്നത് എന്തുകൊണ്ടാണെന്ന് വിശദീകരിക്കുകയും ചെയ്യുക. പരീക്ഷണാത്മക ഡാറ്റ ഉപയോഗിച്ച് അന്തിമ തിരഞ്ഞെടുപ്പ് ഞാൻ പരിശോധിക്കും; അന്തിമ വിധി പറയരുത്, ന്യായീകരണം നൽകുക.
4) സാഹചര്യ താരതമ്യം:
ഞാൻ രണ്ട് സിമുലേഷൻ റൺസ് നൽകും (സീനാരിയോസ് എയും ബിയും). ഒരു താരതമ്യ പട്ടികയിൽ വിവിധ ഇൻപുട്ടുകളും കീ ഔട്ട്പുട്ടുകളിൽ (ശുദ്ധി, കടമ, പരിവർത്തനം, ഊർജ്ജം) അവയുടെ സ്വാധീനവും കാണിക്കുക. ഏത് മാനദണ്ഡം അനുസരിച്ച് ഏത് സാഹചര്യമാണ് മികച്ചതെന്ന് വ്യക്തമാക്കുക, എന്നാൽ ഞാൻ തീരുമാനിക്കട്ടെ. നൽകിയിരിക്കുന്ന നമ്പറുകൾ ഉപയോഗിക്കുക.എ: [ഒട്ടിക്കുക] ബി: [ഒട്ടിക്കുക]
ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്
ദുർബലമായ പ്രോംപ്റ്റ്:
ഈ സിമുലേഷൻ ഫലം നല്ലതാണോ?
"നല്ലത്" എന്നത് നിർവചിക്കപ്പെട്ടിട്ടില്ല: എന്ത് മാനദണ്ഡം, എന്ത് ലക്ഷ്യം, ഏത് മാതൃക? AI-ക്ക് പൊതുവായതും തെറ്റിദ്ധരിപ്പിക്കുന്നതുമായ അംഗീകാരം നൽകാൻ കഴിയും.
ശക്തമായ നിർദ്ദേശം:
നിങ്ങളുടെ റോൾ: സിമുലേഷൻ അനലിസ്റ്റ്. എൻ്റെ ലക്ഷ്യം: കോളത്തിൻ്റെ മുകളിൽ 99% ശുദ്ധമായ ബെൻസീൻ, എനർജി ഡ്യൂട്ടി കുറയ്ക്കുന്നു. തെർമോഡൈനാമിക്സ് പാക്കേജ്: പെങ്-റോബിൻസൺ. ഇനിപ്പറയുന്ന ഫ്ലോ ചാർട്ടിൽ നിന്ന്, ഉരുത്തിരിഞ്ഞത്: (1) ലക്ഷ്യത്തിലേക്കുള്ള ശുദ്ധതയും ലക്ഷ്യത്തിലേക്കുള്ള ദൂരവും, (2) റീബോയിലർ/കണ്ടൻസർ ചുമതലകൾ, (3) യഥാർത്ഥ സംഖ്യകളിലെ മാസ് ബാലൻസും ഡ്രിഫ്റ്റും. സംശയാസ്പദമായ എന്തെങ്കിലും ഭൗതിക മൂല്യമുണ്ടെങ്കിൽ അടയാളപ്പെടുത്തുക. ഒരു അഭിപ്രായം ചേർക്കുക എന്നാൽ അന്തിമ തീരുമാനം എനിക്ക് വിടുക; മൂല്യ ക്രമീകരണം. പട്ടിക: [ഒട്ടിക്കുക]
വ്യത്യാസം വ്യക്തമാണ്: ലക്ഷ്യം, മാനദണ്ഡം, മോഡൽ, "യഥാർത്ഥ നമ്പർ" പരിമിതികൾ എന്നിവ ഔട്ട്പുട്ടിനെ ഒരു പ്രതിരോധാത്മക വിശകലനമാക്കി മാറ്റുന്നു.
സിമുലേഷൻ വ്യാഖ്യാനത്തിലെ പങ്ക് വിതരണം
ബിസിനസ്സ്
AI യുടെ പങ്ക്
മനുഷ്യൻ്റെ തീരുമാനം
ഒത്തുചേരൽ പരിശോധന
മുന്നറിയിപ്പ് സംഗ്രഹം
ഫലം സാധുവാണെന്ന് പരിഗണിക്കുക
മാസ്/എനർജി ബാലൻസ്
ആകെയും വ്യതിയാനവും
പിശക് മൂലകാരണം
പ്രധാന ഫലങ്ങളുടെ സംഗ്രഹം
സംഗ്രഹ പട്ടിക
ലക്ഷ്യം ഫിറ്റ്നസ്
മോഡൽ തിരഞ്ഞെടുക്കൽ
ലഭ്യത മുന്നറിയിപ്പ്
പാക്കേജ് തീരുമാനം, പരീക്ഷണം
രംഗം താരതമ്യം
വ്യത്യാസ പട്ടിക
ഡിസൈൻ തിരഞ്ഞെടുപ്പ്
വിചിത്രമായ മൂല്യം
അടയാളപ്പെടുത്തൽ
ശാരീരിക വ്യാഖ്യാനം
സാധാരണ തെറ്റുകൾ
- ഒത്തുചേരാത്ത ഫലം വ്യാഖ്യാനിക്കുന്നു. പരിഹരിക്കപ്പെടാത്ത സിമുലേഷൻ അർത്ഥശൂന്യമാണ്; ഒത്തുചേരൽ ആദ്യം സ്ഥിരീകരിച്ചു.
- തെർമോഡൈനാമിക്സ് പാക്കേജ് നൽകാതെ അഭിപ്രായങ്ങൾ ചോദിക്കുന്നു. മോഡൽ അറിയാതെ AI തെറ്റിദ്ധരിപ്പിക്കുന്ന സ്ഥിരീകരണം നൽകുന്നു.
- മനോഹരമായ ഒരു പെയിൻ്റിംഗ് ശരിയാണെന്ന് തെറ്റിദ്ധരിക്കുന്നു. തെറ്റായ മാതൃക ബോധ്യപ്പെടുത്തുന്നതും എന്നാൽ തെറ്റായതുമായ ഫലം നൽകുന്നു; പരീക്ഷണവുമായി താരതമ്യം ചെയ്യുക.
- ബാലൻസ് വ്യതിയാനം അവഗണിക്കുന്നു. 1% വ്യത്യാസം പോലും തകർന്ന ഒഴുക്കിൻ്റെയോ പിശകിൻ്റെയോ അടയാളമായിരിക്കാം.
- AI നിർമ്മിച്ച നമ്പർ ഉപയോഗിച്ച്. യഥാർത്ഥ പട്ടിക മൂല്യങ്ങൾ മാത്രം അനുവദിക്കുക; "നൽകിയിരിക്കുന്ന സംഖ്യകൾ മാത്രം" എന്ന നിയന്ത്രണം സജ്ജമാക്കുക.
ചുരുക്കത്തിൽ
പ്രോസസ്സ് സിമുലേഷനിൽ AI; നൂറുകണക്കിന് ലൈനുകളുടെ ഔട്ട്പുട്ട് സംഗ്രഹിക്കുകയും മാസ്/ഊർജ്ജ ബാലൻസ് പരിശോധിക്കുകയും സാഹചര്യങ്ങൾ താരതമ്യം ചെയ്യുകയും ശാരീരികമായി വിചിത്രമായ മൂല്യങ്ങൾ ഫ്ലാഗ് ചെയ്യുകയും ചെയ്യുന്ന ശക്തമായ ഒരു അസിസ്റ്റൻ്റാണിത്. എന്നാൽ സിമുലേഷൻ തിരഞ്ഞെടുത്ത തെർമോഡൈനാമിക് മോഡലിൻ്റെയും അനുമാനങ്ങളുടെയും പ്രതിഫലനമാണ്; മോഡലിൻ്റെ അനുയോജ്യത, ഭൗതികശാസ്ത്രവുമായി ഫലത്തിൻ്റെ അനുരൂപത, ഡിസൈൻ തീരുമാനങ്ങൾ എന്നിവ മനുഷ്യരുടേതാണ്. ശരിയായ ചോദ്യങ്ങൾ ചോദിക്കാൻ AI നിങ്ങളെ പ്രേരിപ്പിക്കുന്നു; എഞ്ചിനീയർ മോഡൽ തിരഞ്ഞെടുക്കുന്നു, പരീക്ഷണത്തിലൂടെ ഫലം പരിശോധിച്ച് ഒരു തീരുമാനം എടുക്കുന്നു.
ആപ്ലിക്കേഷൻ ടാസ്ക്
ഒരു സിമുലേഷൻ ഔട്ട്പുട്ട് (അല്ലെങ്കിൽ ഒരു സാമ്പിൾ ഫ്ലോ ചാർട്ട്) നേടുക. "സിമുലേഷൻ സംഗ്രഹം", "ബാലൻസ് വെരിഫിക്കേഷൻ" എന്നീ ടെംപ്ലേറ്റുകൾ ഉപയോഗിച്ച് AI-ൽ നിന്ന് കീ മെട്രിക്സും മാസ് ബാലൻസും എക്സ്ട്രാക്റ്റ് ചെയ്യുക. ഒരു വ്യതിയാനം ഉണ്ടെങ്കിൽ, എന്തുകൊണ്ടെന്ന് കണ്ടെത്തുക. നിങ്ങളുടെ സിസ്റ്റത്തിന് നിങ്ങളുടെ തെർമോഡൈനാമിക്സ് പാക്കേജിൻ്റെ അനുയോജ്യതയെക്കുറിച്ച് ചർച്ച ചെയ്യാനും കുറഞ്ഞത് ഒരു പരീക്ഷണ/റഫറൻസ് മൂല്യവുമായി താരതമ്യം ചെയ്യാനും "മോഡൽ അനുയോജ്യതാ ചോദ്യം" ടെംപ്ലേറ്റ് ഉപയോഗിക്കുക.
ചെക്ക്ലിസ്റ്റ്
- [ ] സിമുലേഷൻ ഒത്തുചേരുന്നതായി ഞാൻ സ്ഥിരീകരിച്ചു.
- [ ] പിണ്ഡം (സാധ്യമെങ്കിൽ ഊർജ്ജം) ബാലൻസ് നിലനിർത്തുന്നുവെന്ന് ഞാൻ സ്ഥിരീകരിച്ചു.
- [ ] എൻ്റെ സിസ്റ്റത്തിന് തെർമോഡൈനാമിക് പാക്കേജിൻ്റെ അനുയോജ്യത ഞാൻ ചോദ്യം ചെയ്തു.
- [ ] ഞാൻ പ്രധാന ഫലങ്ങൾ ഒരു റഫറൻസ്/പരീക്ഷണ മൂല്യവുമായെങ്കിലും താരതമ്യം ചെയ്തു.
- [ ] ഞാൻ AI-യിൽ "യഥാർത്ഥ പട്ടിക മൂല്യങ്ങൾ മാത്രം" എന്ന നിയന്ത്രണം ഏർപ്പെടുത്തി.