നേട്ടങ്ങൾ:
- മെറ്റീരിയൽ തിരഞ്ഞെടുക്കൽ മാനദണ്ഡം (ശക്തി, സാന്ദ്രത, ചെലവ്, നാശം), ആഷ്ബി സൂചിക സമീപനം എന്നിവ വിശദീകരിക്കാനുള്ള കഴിവ്
- മെറ്റീരിയലുകളുടെ കാൻഡിഡേറ്റ് ബിൽ, താരതമ്യ മാട്രിക്സ്, AI-യുമായുള്ള ന്യായീകരണ ഡ്രാഫ്റ്റ് എന്നിവ നിർമ്മിക്കാനുള്ള കഴിവ്
- വിശ്വസനീയമായ ഡാറ്റ ഷീറ്റുകളിൽ നിന്നും മാനദണ്ഡങ്ങളിൽ നിന്നും AI ശുപാർശ ചെയ്യുന്ന മെറ്റീരിയൽ പ്രോപ്പർട്ടികൾ പരിശോധിക്കാനുള്ള കഴിവ്
മെറ്റീരിയലുകളുടെ തിരഞ്ഞെടുപ്പ് പ്രധാനമായും ഒരു യന്ത്രഭാഗം പ്രവർത്തിക്കുമോ, അത് എത്രത്തോളം നിലനിൽക്കും, എത്രമാത്രം വിലവരും, അത് എങ്ങനെ നിർമ്മിക്കും എന്ന് നിർണ്ണയിക്കുന്നു. സ്റ്റീൽ, അലുമിനിയം അല്ലെങ്കിൽ സംയുക്തം എന്നിവയിൽ നിന്ന് നിർമ്മിക്കുമ്പോൾ ഒരേ ജ്യാമിതി തികച്ചും വ്യത്യസ്തമായ ഭാഗമാകും. മെറ്റീരിയൽ തിരഞ്ഞെടുക്കൽ; ശക്തി (ശാശ്വതമായ കേടുപാടുകൾ കൂടാതെ മെറ്റീരിയലിന് താങ്ങാനാകുന്ന സമ്മർദ്ദം), സാന്ദ്രത (യൂണിറ്റ് വോളിയം പിണ്ഡം), കാഠിന്യം, നാശന പ്രതിരോധം, ചെലവ്, ഉൽപ്പാദനക്ഷമത എന്നിവ തമ്മിലുള്ള സന്തുലിതാവസ്ഥ സ്ഥാപിക്കുന്ന കാര്യമാണിത്. ഈ സന്തുലിതാവസ്ഥയിൽ, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉദ്യോഗാർത്ഥികളെ സൃഷ്ടിക്കുന്നതിലും താരതമ്യ പട്ടികകൾ സൃഷ്ടിക്കുന്നതിലും ന്യായീകരണം തയ്യാറാക്കുന്നതിലും ശക്തമായ ഒരു സഹായമാണ്. എന്നിരുന്നാലും, AI തിരികെ നൽകുന്ന മെറ്റീരിയൽ പ്രോപ്പർട്ടി മൂല്യങ്ങൾ ഏകദേശമോ കാലഹരണപ്പെട്ടതോ കെട്ടിച്ചമച്ചതോ ആകാം; അതിനാൽ, നിർമ്മാതാവിൻ്റെ ഡാറ്റാഷീറ്റിൽ നിന്നോ മെറ്റീരിയൽ നിലവാരത്തിൽ നിന്നോ പരിശോധിക്കാതെ ഓരോ സംഖ്യാ മൂല്യവും ഡിസൈനിൽ ഉൾപ്പെടുത്തരുത്. ഈ യൂണിറ്റിൽ, മെറ്റീരിയൽ തിരഞ്ഞെടുക്കലിൻ്റെ യുക്തി, ആഷ്ബി സമീപനം, ഈ പ്രക്രിയയിൽ AI എങ്ങനെ സുരക്ഷിതമായി ഉൾപ്പെടുത്താം എന്നിവ നിങ്ങൾ പഠിക്കും.
മെറ്റീരിയൽ തിരഞ്ഞെടുക്കൽ മാനദണ്ഡം
ഒരു മെറ്റീരിയൽ തിരഞ്ഞെടുക്കുമ്പോൾ ഒരൊറ്റ "മികച്ച" ഇല്ല; അപേക്ഷയെ ആശ്രയിച്ച് മുൻഗണന വ്യത്യാസപ്പെടുന്നു. അടിസ്ഥാന മാനദണ്ഡങ്ങൾ ഇവയാണ്: മെക്കാനിക്കൽ ഗുണങ്ങൾ (വിളവ് ശക്തി, ടെൻസൈൽ ശക്തി, ഇലാസ്തികതയുടെ മോഡുലസ്, ഡക്റ്റിലിറ്റി, ക്ഷീണം ശക്തി), ഭൗതിക സവിശേഷതകൾ (സാന്ദ്രത, താപ വികാസം, താപ ചാലകത), പാരിസ്ഥിതിക പ്രതിരോധം (നാശം, താപനില, യുവി), ഉൽപ്പാദനക്ഷമത (മെഷീനബിലിറ്റി, വെൽഡബിലിറ്റി, കാസ്റ്റബിലിറ്റി, ഏകീകൃത ചെലവ്) ആപ്ലിക്കേഷൻ്റെ ആവശ്യകത അനുസരിച്ച് ഒരു നല്ല തിരഞ്ഞെടുപ്പ് ഈ മാനദണ്ഡങ്ങളെ തൂക്കിലേറ്റുന്നു.
നുറുങ്ങ്: "ആദ്യം പ്രവർത്തനം, തുടർന്ന് മെറ്റീരിയൽ" എന്ന ക്രമത്തിൽ മെറ്റീരിയൽ തിരഞ്ഞെടുക്കുക. ഭാഗം എന്താണ് ചെയ്യേണ്ടതെന്ന് ആദ്യം വ്യക്തമാക്കുക (ലൈറ്റ്, ഹാർഡ്, ചൂട് നേരിടാൻ); അവസാനം മെറ്റീരിയൽ ബ്രാൻഡ് തീരുമാനിക്കുക. "ഈ ഫംഗ്ഷനായി ഏത് മെറ്റീരിയൽ ഫാമിലിയാണെന്ന്" ആദ്യം AI-യോട് ചോദിക്കുക, ബ്രാൻഡ് നേരിട്ട് ചോദിക്കരുത്.
ആഷ്ബി സമീപനം: പ്രകടന സൂചിക
കേംബ്രിഡ്ജിൻ്റെ മൈക്കൽ ആഷ്ബി വികസിപ്പിച്ച രീതി രണ്ട് ഗുണങ്ങളുടെ അനുപാതത്തെ അടിസ്ഥാനമാക്കി "പ്രകടന സൂചിക" ഉപയോഗിച്ച് മെറ്റീരിയൽ തിരഞ്ഞെടുക്കൽ വ്യവസ്ഥാപിതമാക്കുന്നു. ആഷ്ബി ഡയഗ്രമുകൾ ലോഗരിഥമിക് അക്ഷങ്ങളിൽ രണ്ട് ഗുണങ്ങൾ (ഉദാ. ശക്തി-സാന്ദ്രത, ഇലാസ്തികത-സാന്ദ്രത എന്നിവയുടെ മോഡുലസ്) സ്ഥാപിച്ച് ഒറ്റനോട്ടത്തിൽ ആയിരക്കണക്കിന് മെറ്റീരിയലുകളെ താരതമ്യം ചെയ്യുകയും ഒരു പ്രത്യേക ആവശ്യത്തിനായി ഏറ്റവും മികച്ച കാൻഡിഡേറ്റുകളെ ദൃശ്യവൽക്കരിക്കുകയും ചെയ്യുന്നു.
ക്ലാസിക് ഉദാഹരണം: തന്നിരിക്കുന്ന ലോഡിൽ പൊട്ടാത്ത ഏറ്റവും കുറഞ്ഞ പിണ്ഡത്തിൻ്റെ ഒരു ബാറിന്, പ്രകടന സൂചിക σ/ρ ആണ് (ബലത്തിൻ്റെയും സാന്ദ്രതയുടെയും അനുപാതം). ഉയർന്ന അനുപാതമുള്ള വസ്തുക്കൾ ഭാരം കുറഞ്ഞ പരിഹാരങ്ങൾ നൽകുന്നു. കുറഞ്ഞ പിണ്ഡവും ഒരു നിശ്ചിത കാഠിന്യവുമുള്ള ഒരു ബീമിന്, സൂചിക E^(1/2)/ρ ആണ്. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, "വസ്തുനിഷ്ഠമായ പ്രവർത്തനത്തിനനുസരിച്ച് ഏറ്റവും ഉയർന്ന സൂചികയുള്ള മെറ്റീരിയൽ" തിരഞ്ഞെടുത്തു, "ഏറ്റവും ഉയർന്ന ശക്തിയുള്ള മെറ്റീരിയൽ" അല്ല.
ഉദ്ദേശം
പ്രകടന സൂചിക
ഉയർന്നതായിരിക്കാൻ ആഗ്രഹിച്ചു
ഭാരം കുറഞ്ഞതും മോടിയുള്ളതുമായ വടി
σ_ഫ്ലോ / ρ
ഉയർന്ന ശക്തി, കുറഞ്ഞ സാന്ദ്രത
നേരിയതും കർക്കശവുമായ ബീം
E^(1/2) / ρ
ഉയർന്ന മോഡുലസ്, കുറഞ്ഞ സാന്ദ്രത
നേരിയതും കർക്കശവുമായ പ്ലേറ്റ്
E^(1/3) / ρ
ഉയർന്ന മോഡുലസ്, കുറഞ്ഞ സാന്ദ്രത
വിലകുറഞ്ഞതും മോടിയുള്ളതും
σ_ഫ്ലോ / (ρ ചെലവ്)
ഉയർന്ന ശക്തി, കുറഞ്ഞ ചെലവ്
മുന്നറിയിപ്പ്: ആഷ്ബി സൂചിക ശരിയായ മെറ്റീരിയൽ കുടുംബത്തെ ചുരുക്കുന്നു, പക്ഷേ അന്തിമ തീരുമാനം എടുക്കുന്നില്ല. നാശം, ഉൽപ്പാദനക്ഷമത, വിതരണം, യഥാർത്ഥ പ്രവർത്തന സാഹചര്യങ്ങൾ എന്നിവ സൂചികയിൽ ഉൾപ്പെടുത്തിയിട്ടില്ല; എൻജിനീയർ ഇവ പ്രത്യേകം വിലയിരുത്തുന്നു.
ഘട്ടം ഘട്ടമായി: AI ഉപയോഗിച്ച് മെറ്റീരിയൽ തിരഞ്ഞെടുക്കൽ
- പ്രവർത്തനവും നിയന്ത്രണങ്ങളും നിർവചിക്കുക. ലോഡ് തരം, താപനില, പരിസ്ഥിതി, പിണ്ഡം/ചെലവ് ലക്ഷ്യം.
- വസ്തുനിഷ്ഠമായ പ്രവർത്തനം നിർണ്ണയിക്കുക. ഭാരം, കാഠിന്യം അല്ലെങ്കിൽ ചെലവ് എന്നിവയാണോ നിങ്ങളുടെ മുൻഗണന?
- ഉദ്യോഗാർത്ഥികളുടെ ഒരു കുടുംബത്തെ നിർമ്മിക്കാൻ AI ആവശ്യപ്പെടുക. ബ്രാൻഡ് അല്ല, ആദ്യം മെറ്റീരിയൽ ഗ്രൂപ്പ്.
- ഒരു താരതമ്യ മാട്രിക്സ് ആവശ്യപ്പെടുക. മാനദണ്ഡ നിരകളും കാൻഡിഡേറ്റ് വരികളും ഉണ്ടാക്കുക.
- ഓരോ മൂല്യവും പരിശോധിക്കുക. ഡാറ്റാഷീറ്റ്/സ്റ്റാൻഡേർഡ് ഉപയോഗിച്ച് ക്രോസ് ചെക്ക് ചെയ്യുക.
- തീരുമാനത്തെ ന്യായീകരിക്കുക. എന്തുകൊണ്ടാണ് ഈ മെറ്റീരിയൽ, എന്ത് അപകടസാധ്യതയുണ്ട്?
കാൻഡിഡേറ്റ് മെറ്റീരിയൽ സൃഷ്ടിക്കുന്ന പ്രോംപ്റ്റ്
റോൾ: മെറ്റീരിയൽ സെലക്ഷനിൽ അനുഭവപരിചയമുള്ള മെക്കാനിക്കൽ എഞ്ചിനീയർ. അപേക്ഷ: 30 കിലോഗ്രാം വെർട്ടിക്കൽ ലോഡ് വഹിക്കുന്ന ഒരു ബ്രാക്കറ്റ്, ഔട്ട്ഡോർ പരിതസ്ഥിതിയിൽ പ്രവർത്തിക്കുന്നു. മുൻഗണന: 1) കോറഷൻ പ്രതിരോധം, 2) കുറഞ്ഞ പിണ്ഡം, 3) കുറഞ്ഞ ചെലവ്. ടാസ്ക്: 4-6 കാൻഡിഡേറ്റ് മെറ്റീരിയൽ ഫാമിലി (കുടുംബമല്ല, ബ്രാൻഡ്) ശുപാർശ ചെയ്യുക. ഓരോ കാൻഡിഡേറ്റിനും: പരുക്കൻ ശക്തി ശ്രേണി, സാന്ദ്രത, നാശ സ്വഭാവം, ഉൽപ്പാദനക്ഷമത, സാധാരണ ആപേക്ഷിക ചെലവ്. നിയമം: നിങ്ങൾ ഒരു കൃത്യമായ നമ്പർ നൽകിയാൽ, അത് "പരിശോധിച്ചിരിക്കണം" എന്ന് പ്രസ്താവിക്കുകയും ഏത് ഉറവിടത്തിൽ നിന്നാണ് (സ്റ്റാൻഡേർഡ്/ഡാറ്റാഷീറ്റ്) എനിക്ക് അത് സ്ഥിരീകരിക്കേണ്ടതെന്ന് എഴുതുകയും ചെയ്യുക.
താരതമ്യ മാട്രിക്സ് ആവശ്യപ്പെടുക
ഇനിപ്പറയുന്ന കാൻഡിഡേറ്റുകളെ ഒരു താരതമ്യ മാട്രിക്സ് ആയി പട്ടികപ്പെടുത്തുക: 6061-T6 അലുമിനിയം, AISI 304 സ്റ്റെയിൻലെസ്സ്, S355 സ്ട്രക്ചറൽ സ്റ്റീൽ, ഗ്ലാസ് ഫൈബർ റൈൻഫോഴ്സ്ഡ് പോളിമൈഡ്. നിരകൾ: വിളവ് ശക്തി, സാന്ദ്രത, നാശം, യന്ത്രസാമഗ്രി, ആപേക്ഷിക ചെലവ്, സാധാരണ ഉപയോഗം. മൂല്യങ്ങൾ ഏകദേശമാണെന്ന് പ്രസ്താവിക്കുക. അവസാനം: ഓരോ വരിയിലെയും ശക്തി മൂല്യം ഞാൻ പരിശോധിക്കേണ്ട സ്റ്റാൻഡേർഡ്/ഡാറ്റാഷീറ്റ് ഉപയോഗിച്ച് എഴുതുക.
സ്ഥിരീകരണം (വസ്തുത-പരിശോധന) പ്രോംപ്റ്റ്
ഒരു മെറ്റീരിയൽ എഞ്ചിനീയറുടെ സൂക്ഷ്മതയോടെ ഈ ക്ലെയിമിനെ ചോദ്യം ചെയ്യുക, എന്നോട് യോജിക്കരുത്: "AISI 304 സ്റ്റെയിൻലെസിൻ്റെ വിളവ് ശക്തി 290 MPa ആണ്."- ഏത് സാഹചര്യത്തിലാണ് (അനിയൽ ചെയ്ത, കോൾഡ് വർക്ക്) ഈ മൂല്യം സാധുതയുള്ളതാണ്?- ഏത് മാനദണ്ഡത്തിലാണ് ഇത് നിർവചിച്ചിരിക്കുന്നത് (ഉദാ. പ്രസക്തമായ EN/ASTM)?- മൂല്യം എങ്ങനെ മാറുന്നു? സ്ഥിരീകരണത്തിനായി എവിടെയാണ് തിരയേണ്ടതെന്ന് എന്നോട് പറയുക.
ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്
ദുർബലമായ പ്രോംപ്റ്റ്:
മികച്ച മെറ്റീരിയൽ എന്താണ്?
ആപ്ലിക്കേഷനുകളും മുൻഗണനകളും നിയന്ത്രണങ്ങളും ഇല്ല; AI പൊതുവായതും സ്ഥിരീകരിക്കാനാകാത്തതുമായ ഒരു ഉത്തരം നൽകുന്നു, കൂടാതെ ഒരൊറ്റ "മികച്ച" ഘടകവും ഇല്ലെന്ന മട്ടിൽ പ്രവർത്തിക്കുന്നു.
ശക്തമായ നിർദ്ദേശം:
80 ഡിഗ്രി സെൽഷ്യസിൽ ചൂടാക്കിയ, കടൽജലത്തിന് വിധേയമായ, 500 N ചാക്രിക ലോഡ് വഹിക്കുന്ന ഒരു ക്ലാമ്പിനായി 4 കാൻഡിഡേറ്റ് മെറ്റീരിയൽ ഫാമിലികളെ നിർദ്ദേശിക്കുക. മുൻഗണന: നാശം > ക്ഷീണം > ചെലവ്. ഓരോ കാൻഡിഡേറ്റിനും, പ്ലസ്/മൈനസ് എഴുതുക, ഏത് ഫീച്ചർ ഞാൻ പരിശോധിക്കേണ്ടതുണ്ട്, എവിടെയാണ്. കൃത്യമായ നമ്പറുകൾ "പരിശോധിച്ചിരിക്കണം" എന്ന് അടയാളപ്പെടുത്തുക.
രണ്ടാമത്തെ പ്രോംപ്റ്റ് പരിസ്ഥിതി, താപനില, ലോഡ് തരം, മുൻഗണന എന്നിവ നൽകുന്നു; ഇത് വെരിഫിക്കേഷൻ്റെ ഭാരം എഞ്ചിനീയർക്ക് വ്യക്തമായി വിട്ടുകൊടുക്കുന്നു.
മൂന്ന് മിനി കേസുകൾ (നമ്പറുകൾ പ്രകാരം)
കേസ് 1 - സാങ്കൽപ്പിക ഡാറ്റാഷീറ്റ്. "7075-T6 അലൂമിനിയത്തിൻ്റെ വിളവ് ശക്തി," ഒരു എഞ്ചിനീയർ AI-യോട് ചോദിക്കുന്നു; AI 505 MPa നൽകുന്നു. എഞ്ചിനീയർ നിർമ്മാതാവിൻ്റെ ഡാറ്റാഷീറ്റ് നോക്കുന്നു: സാധാരണ മൂല്യം ഏകദേശം ~503 MPa ആണ്, അത് നല്ലതാണ്. എന്നിരുന്നാലും, അതേ AI പറയുന്നു "7075-T6 ൻ്റെ കടൽ വെള്ളത്തോടുള്ള പ്രതിരോധം മികച്ചതാണ്"; 7075 സ്ട്രെസ് കോറോഷൻ ക്രാക്കിംഗിന് സാധ്യതയുണ്ട്. എഞ്ചിനീയർ ഈ ദുർവ്യാഖ്യാനം പിടിക്കുകയും ആനോഡൈസിംഗ്/പ്ലേറ്റിംഗിൻ്റെ ആവശ്യകത രേഖപ്പെടുത്തുകയും ചെയ്യുന്നു. പാഠം: AI നമ്പർ കൃത്യമായി നൽകിയാലും, അതിൻ്റെ വ്യാഖ്യാനം തെറ്റായിരിക്കാം.
കേസ് 2 - ആഷ്ബി ഉപയോഗിച്ച് 3 കിലോ ലാഭിക്കുക. ഒരു ഡ്രോൺ ആയുധത്തിന്, S235 സ്റ്റീൽ (ρ = 7850 kg/m³, σ ≈ 235 MPa) ആണ് ആദ്യം പരിഗണിക്കുന്നത്. ആഷ്ബി സൂചിക σ/ρ മായി താരതമ്യപ്പെടുത്തുമ്പോൾ, 6061-T6 അലുമിനിയം (ρ = 2700 കിലോഗ്രാം/m³, σ ≈ 276 MPa) വളരെ ഉയർന്ന സൂചിക നൽകുന്നു. സ്റ്റീൽ ഭുജവുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ അലൂമിനിയം ഭുജത്തിന് ~0.45 കിലോഗ്രാമിന് പകരം ~0.16 കിലോഗ്രാം തൂക്കമുണ്ട്; നാല് കൈകളിലുമായി ~1.2 കിലോഗ്രാം സമ്പാദ്യം. തീരുമാനത്തെ ആഷ്ബി ലോജിക് ന്യായീകരിക്കുന്നു, മൂല്യങ്ങൾ ഡാറ്റാഷീറ്റിൽ നിന്ന് പരിശോധിച്ചു.
കേസ് 3 - കോസ്റ്റ് ഇൻഡക്സ് സർപ്രൈസ്. സ്റ്റെയിൻലെസ് 316L തിരഞ്ഞെടുത്തത് അത് "എല്ലാം പ്രതിരോധിക്കുന്നതാണ്" എന്നതിനാലാണ്. എന്നാൽ ആപ്ലിക്കേഷൻ ഇൻഡോർ, ലോ ലോഡ് ആണ്. AI, അതിൻ്റെ σ/(ρ·കോസ്റ്റ്) സൂചികയിൽ, ഗാൽവാനൈസ്ഡ് S275 സ്റ്റീൽ ഇതേ ജോലി ചെയ്യുന്നത് 316L-നെക്കാൾ ഏകദേശം 4-5 മടങ്ങ് വിലകുറഞ്ഞതായി കാണിക്കുന്നു. എഞ്ചിനീയർ ഇൻ്റീരിയറിന് സ്വീകാര്യമായ കോറഷൻ റിസ്ക് കണ്ടെത്തുകയും ഗാൽവനൈസ്ഡ് സ്റ്റീലിലേക്ക് മാറുകയും ചെയ്യുന്നു; യൂണിറ്റ് വില 100 TL-ൽ നിന്ന് ~22 TL ആയി കുറയുന്നു. ശരിയായ സൂചിക അനാവശ്യ ചെലവുകൾ തടയുന്നു.
സാധാരണ തെറ്റുകൾ
- AI അതിൻ്റെ മൂല്യം പരിശോധിക്കാതെ ഉപയോഗിക്കുന്നത്: ടെമ്പർ/ഹീറ്റ് ട്രീറ്റ്മെൻ്റ് അവസ്ഥയെ അവഗണിക്കുകയും തെറ്റായ ശക്തി നേടുകയും ചെയ്യുന്നു.
- "ഏറ്റവും മികച്ച ശക്തി = മികച്ചത്" എന്ന ചിന്ത: വസ്തുനിഷ്ഠമായ പ്രവർത്തനത്തെ അവഗണിക്കുന്നു (ലഘൂത്വം, ചെലവ്).
- ഒറ്റവരിയിൽ തുരുമ്പെടുക്കൽ കുറയ്ക്കുന്നു: സ്ട്രെസ് കോറഷൻ, ഗാൽവാനിക് ദമ്പതികൾ എന്നിവ പോലുള്ള സ്കിപ്പിംഗ് മെക്കാനിസങ്ങൾ.
- ഒരൊറ്റ പ്രോപ്പർട്ടിയിലേക്ക് നോക്കുന്നു: ശക്തിയിലേക്ക് നോക്കുകയും ഡക്റ്റിലിറ്റി, ക്ഷീണം അല്ലെങ്കിൽ പ്രവർത്തനക്ഷമത എന്നിവ മറക്കുകയും ചെയ്യുന്നു.
- വളരെ നേരത്തെ തന്നെ ബ്രാൻഡ് തിരഞ്ഞെടുക്കലിലേക്ക് കുതിക്കുന്നു: ഫംഗ്ഷൻ വ്യക്തമാകുന്നതിന് മുമ്പ് ഒരു പ്രത്യേക അലോയ് ലോക്ക് ചെയ്യുക.
ചുരുക്കത്തിൽ
- മെറ്റീരിയൽ തിരഞ്ഞെടുക്കൽ എന്നത് ശക്തി, സാന്ദ്രത, നാശം, നിർമ്മാണക്ഷമത, ചെലവ് എന്നിവയ്ക്കിടയിലുള്ള സന്തുലിതാവസ്ഥയാണ്.
- ആഷ്ബി സമീപനം വസ്തുനിഷ്ഠമായ പ്രവർത്തനത്തിനനുസരിച്ച് പ്രകടന സൂചിക (ഉദാ. σ/ρ) ഉള്ള കാൻഡിഡേറ്റുകളുടെ കൂട്ടത്തെ ചുരുക്കുന്നു.
- കാൻഡിഡേറ്റ് ജനറേഷൻ, താരതമ്യ മാട്രിക്സ്, ന്യായീകരണ രൂപരേഖ എന്നിവയിൽ AI ശക്തമാണ്; എന്നാൽ അവയുടെ മൂല്യങ്ങൾ പരിശോധിക്കേണ്ടതാണ്.
- നിർമ്മാതാവിൻ്റെ ഡാറ്റാഷീറ്റിൽ നിന്നോ പ്രസക്തമായ സ്റ്റാൻഡേർഡിൽ നിന്നോ പരിശോധിച്ചുറപ്പിക്കാതെ ഓരോ സംഖ്യാ സവിശേഷതകളും ഡിസൈനിൽ ഉൾപ്പെടുത്തരുത്.
- AI യുടെ നമ്പർ ശരിയാണെങ്കിൽ പോലും, അതിൻ്റെ വ്യാഖ്യാനം (കോറഷൻ സ്വഭാവം പോലുള്ളവ) തെറ്റായിരിക്കാം; എഞ്ചിനീയർ പരിശോധിക്കുന്നു.
ആപ്ലിക്കേഷൻ ടാസ്ക്
ഒരു യഥാർത്ഥ ഭാഗം തിരഞ്ഞെടുക്കുക (ഉദാ. ബൈക്ക് ഫ്രെയിം ട്യൂബ്, പമ്പ് ഷാഫ്റ്റ്, എക്സ്റ്റീരിയർ ബ്രാക്കറ്റ്). ആപ്ലിക്കേഷൻ്റെ പാരിസ്ഥിതിക, ലോഡ് അവസ്ഥകൾ എഴുതുക, മുൻഗണന നിർണ്ണയിക്കുക (ലഘുത / ചെലവ് / നാശം). AI 4 കാൻഡിഡേറ്റ് മെറ്റീരിയൽ ഫാമിലികളും ഒരു താരതമ്യ മാട്രിക്സും നിർമ്മിക്കട്ടെ. ഒരു നിർമ്മാതാവിൻ്റെ ഡാറ്റാഷീറ്റിനോ സ്റ്റാൻഡേർഡിനോ എതിരായി മാട്രിക്സിൽ കുറഞ്ഞത് രണ്ട് ശക്തി / സാന്ദ്രത മൂല്യങ്ങൾ പരിശോധിക്കുക; പൊരുത്തക്കേട് ഉണ്ടെങ്കിൽ, എന്തുകൊണ്ടെന്ന് ശ്രദ്ധിക്കുക. അവസാനമായി, വസ്തുനിഷ്ഠമായ പ്രവർത്തനത്തിന് (σ/ρ പോലുള്ളവ) അനുയോജ്യമായ ഒരു പ്രകടന സൂചിക തിരഞ്ഞെടുക്കുക, രണ്ട് സ്ഥാനാർത്ഥികളെ താരതമ്യം ചെയ്യുക, ഒരു ഖണ്ഡിക ഉപയോഗിച്ച് നിങ്ങളുടെ തീരുമാനത്തെ ന്യായീകരിക്കുക.
ചെക്ക്ലിസ്റ്റ്
- [ ] ആപ്ലിക്കേഷൻ്റെ ലോഡ്, താപനില, പാരിസ്ഥിതിക സാഹചര്യങ്ങൾ, മുൻഗണന എന്നിവ എഴുതിയിരിക്കുന്നു.
- [ ] മെറ്റീരിയൽ കുടുംബം ആദ്യം നിർണ്ണയിക്കപ്പെട്ടു, ബ്രാൻഡ് അവസാനമായി അവശേഷിക്കുന്നു.
- വസ്തുനിഷ്ഠമായ പ്രവർത്തനത്തിന് അനുയോജ്യമായ ഒരു പ്രകടന സൂചിക തിരഞ്ഞെടുത്തു.
- AI നൽകുന്ന രണ്ട് മൂല്യങ്ങളെങ്കിലും ഡാറ്റാഷീറ്റ്/സ്റ്റാൻഡേർഡ് ഉപയോഗിച്ച് പരിശോധിച്ചു.
- [ ] നാശവും ഉൽപ്പാദനക്ഷമതയും വെവ്വേറെ വിലയിരുത്തി (ഒറ്റവരിയിൽ കുറയുന്നില്ല).
- [ ] അന്തിമ മെറ്റീരിയൽ തീരുമാനം ന്യായീകരണത്തോടെ എഴുതുകയും എഞ്ചിനീയറുടെ അംഗീകാരത്തിന് വിടുകയും ചെയ്തു.