ਪਦਾਰਥ ਅਤੇ ਸੰਪੱਤੀ ਦੀ ਭਵਿੱਖਬਾਣੀ: ਥਰਮੋਫਿਜ਼ੀਕਲ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਅਤੇ ਸਮੱਗਰੀ ਦੀ ਚੋਣ

ਲਾਭ:

• ਥਰਮੋਫਿਜ਼ੀਕਲ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਲਈ ਸ਼ੁਰੂਆਤੀ ਪੂਰਵ-ਅਨੁਮਾਨ ਅਤੇ ਪੂਰਵ-ਅਨੁਮਾਨ ਵਿਧੀ (ਸਮੂਹ ਯੋਗਦਾਨ) ਗਾਈਡ ਵਜੋਂ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਕਿਸੇ ਵੀ ਮੁੱਲ ਦੀ ਬੇਨਤੀ ਕਰੋ।
• ਭਰੋਸੇਮੰਦ ਡੇਟਾਬੇਸ (DIPPR/NIST) ਜਾਂ ਪ੍ਰਯੋਗ ਨਾਲ ਹਰੇਕ ਨਾਜ਼ੁਕ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਤਸਦੀਕ ਕਰਕੇ ਭੁਲੇਖੇ ਨੂੰ ਹਾਸਲ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• ਇਹ ਸਮਝਣ ਦੀ ਯੋਗਤਾ ਕਿ ਸਮੱਗਰੀ ਦੀ ਚੋਣ ਇੱਕ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲਾ ਹੈ ਜਿਸ ਲਈ ਖੋਰ ਡੇਟਾ ਅਤੇ ਅਧਿਕਾਰਤ ਪ੍ਰਵਾਨਗੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਹਰ ਪ੍ਰਕਿਰਿਆ ਦੀ ਗਣਨਾ ਅੰਤ ਵਿੱਚ ਇੱਕ ਸੰਖਿਆ 'ਤੇ ਆਉਂਦੀ ਹੈ: ਇੱਕ ਤਰਲ ਦੀ ਘਣਤਾ, ਲੇਸ, ਤਾਪ ਸਮਰੱਥਾ, ਭਾਫ਼ ਦਾ ਦਬਾਅ, ਉਬਾਲਣ ਬਿੰਦੂ; ਇੱਕ ਮਤਾ; ਖੋਰ ਨੂੰ ਇੱਕ ਸਮੱਗਰੀ ਦਾ ਵਿਰੋਧ. ਇਹਨਾਂ ਨੂੰ ਸਮੂਹਿਕ ਤੌਰ 'ਤੇ ਥਰਮੋਫਿਜ਼ੀਕਲ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਕਿਹਾ ਜਾਂਦਾ ਹੈ - ਭੌਤਿਕ ਮਾਤਰਾਵਾਂ ਜੋ ਕਿਸੇ ਪਦਾਰਥ ਦੀ ਗਰਮੀ, ਪ੍ਰਵਾਹ ਅਤੇ ਪੜਾਅ ਵਿਵਹਾਰ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦੀਆਂ ਹਨ। ਇੱਕ ਡਿਸਟਿਲੇਸ਼ਨ ਕਾਲਮ, ਇੱਕ ਹੀਟ ਐਕਸਚੇਂਜਰ ਜਾਂ ਇੱਕ ਪੰਪ ਤਾਂ ਹੀ ਸਹੀ ਢੰਗ ਨਾਲ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ ਜੇਕਰ ਇਹ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਸਹੀ ਹਨ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਪ੍ਰਾਪਰਟੀ ਪੂਰਵ-ਅਨੁਮਾਨ ਅਤੇ ਸਮੱਗਰੀ ਦੀ ਚੋਣ (ਪ੍ਰਕਿਰਿਆ ਦੀਆਂ ਸਥਿਤੀਆਂ ਦਾ ਸਾਮ੍ਹਣਾ ਕਰਨ ਲਈ ਧਾਤਾਂ, ਗੈਸਕੇਟਾਂ, ਕੋਟਿੰਗਾਂ ਦੀ ਚੋਣ) ਵਿੱਚ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਭਵਿੱਖਬਾਣੀ ਅਤੇ ਤੁਲਨਾ ਸਾਧਨ ਵਜੋਂ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ; ਪਰ ਅਸੀਂ ਸਿਖਾਂਗੇ ਕਿ ਇਹਨਾਂ ਮੁੱਲਾਂ ਨੂੰ ਭਰੋਸੇਯੋਗ ਡੇਟਾਬੇਸ ਜਾਂ ਪ੍ਰਯੋਗ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਦੀ ਲੋੜ ਕਿਉਂ ਹੈ।

ਨਾਜ਼ੁਕ ਸੱਚਾਈ ਇਹ ਹੈ: ਵਿਸ਼ੇਸ਼ਤਾ ਅਨੁਮਾਨ ਡਿਜ਼ਾਈਨ ਦਾ ਸੰਖਿਆਤਮਕ ਆਧਾਰ ਹੈ; ਇੱਥੇ ਇੱਕ ਗਲਤੀ ਪੂਰੇ ਖਾਤੇ ਵਿੱਚ ਫੈਲ ਜਾਂਦੀ ਹੈ। AI ਭਰੋਸੇ ਨਾਲ ਭਾਫ਼ ਦਾ ਦਬਾਅ ਜਾਂ ਲੇਸਦਾਰਤਾ ਦੇ ਸਕਦਾ ਹੈ, ਪਰ ਇਹ ਮੁੱਲ ਕਿਸੇ ਹੋਰ ਮਿਸ਼ਰਣ ਲਈ ਹੋ ਸਕਦਾ ਹੈ, ਗਲਤ ਤਾਪਮਾਨ 'ਤੇ ਹੋ ਸਕਦਾ ਹੈ, ਜਾਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਭਰਮਪੂਰਣ ਹੋ ਸਕਦਾ ਹੈ। ਇਸ ਲਈ ਵਿਸ਼ੇਸ਼ਤਾ ਡੇਟਾ ਦਾ ਸੁਨਹਿਰੀ ਨਿਯਮ: ਹਰ ਮਹੱਤਵਪੂਰਣ ਵਿਸ਼ੇਸ਼ਤਾ ਭਰੋਸੇਯੋਗ ਸਰੋਤ (DIPPR, NIST, ਨਿਰਮਾਤਾ ਡੇਟਾ ਸ਼ੀਟ) ਜਾਂ ਪ੍ਰਯੋਗ 'ਤੇ ਅਧਾਰਤ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।

ਫੀਚਰ ਪੂਰਵ ਅਨੁਮਾਨ ਲਈ ਕਦਮ-ਦਰ-ਕਦਮ AI ਸਮਰਥਨ

1. ਤੁਹਾਨੂੰ ਕਿਹੜੀ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਲੋੜ ਹੈ, ਕਿਸ ਹਾਲਤ ਵਿੱਚ? ਤਾਪਮਾਨ, ਦਬਾਅ, ਪੜਾਅ ਅਤੇ ਇਕਾਗਰਤਾ ਸੰਪਤੀ ਨੂੰ ਬਦਲਦਾ ਹੈ. AI ਨੂੰ ਸ਼ਰਤ ਦਿੱਤੇ ਬਿਨਾਂ ਲਿਆ ਗਿਆ ਮੁੱਲ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ।

2. ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦਾ ਤਰੀਕਾ ਚੁਣਨਾ। ਜੇਕਰ ਕੋਈ ਪ੍ਰਯੋਗਾਤਮਕ ਡੇਟਾ ਨਹੀਂ ਹੈ, ਤਾਂ AI ਪੂਰਵ-ਅਨੁਮਾਨ ਦੀਆਂ ਪਹੁੰਚਾਂ ਨੂੰ ਯਾਦ ਕਰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਸਮੂਹ ਯੋਗਦਾਨ ਵਿਧੀਆਂ — ਵਿਧੀਆਂ ਜੋ ਅਣੂ ਨੂੰ ਇਸਦੇ ਹਿੱਸਿਆਂ ਵਿੱਚ ਤੋੜ ਕੇ ਅਤੇ ਹਰੇਕ ਹਿੱਸੇ ਦੇ ਯੋਗਦਾਨਾਂ ਨੂੰ ਜੋੜ ਕੇ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦੀਆਂ ਹਨ; ਜਿਵੇਂ ਕਿ Joback, UNIFAC — ਅਤੇ ਦੱਸਦਾ ਹੈ ਕਿ ਕਿਹੜਾ ਢੁਕਵਾਂ ਹੈ।

3. ਸ਼ੁਰੂਆਤੀ ਮੁੱਲ ਅਤੇ ਅਨਿਸ਼ਚਿਤਤਾ। AI ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਮੁੱਲ ਦੇ ਸਕਦਾ ਹੈ, ਪਰ ਯਕੀਨੀ ਤੌਰ 'ਤੇ "ਇਹ ਇੱਕ ਪੂਰਵ-ਅਨੁਮਾਨ ਹੈ, ਇਸਦੀ ਅਨਿਸ਼ਚਿਤਤਾ ਉੱਚ ਹੈ, ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰੋ" ਦੇ ਢਾਂਚੇ ਦੇ ਅੰਦਰ. ਮੁੱਲ ਦੀ ਗਲਤੀ ਦੇ ਆਮ ਹਾਸ਼ੀਏ ਬਾਰੇ AI ਨੂੰ ਵੀ ਪੁੱਛੋ।

4. ਸਰੋਤ ਨਾਲ ਤੁਲਨਾ। AI ਦੇ ਮੁੱਲ ਦੀ ਤੁਲਨਾ ਥਰਮੋਡਾਇਨਾਮਿਕਸ ਡੇਟਾਬੇਸ ਜਾਂ ਨਿਰਮਾਤਾ ਸ਼ੀਟ ਨਾਲ ਕਰੋ। ਜੇਕਰ ਭਟਕਣਾ ਵੱਡਾ ਹੈ, ਤਾਂ ਮੁੱਲ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ।

5. ਸਮੱਗਰੀ ਅਨੁਕੂਲਤਾ ਮੁੱਢਲੀ ਸਕ੍ਰੀਨਿੰਗ। YZ ਇੱਕ ਤਰਲ-ਸਮੱਗਰੀ ਦੇ ਜੋੜੇ ਲਈ ਜਾਣੇ-ਪਛਾਣੇ ਖੋਰ/ਅਸੰਗਤਤਾ ਜੋਖਮਾਂ ਨੂੰ ਯਾਦ ਕਰਦਾ ਹੈ (ਜਿਵੇਂ ਕਿ ਕਲੋਰਾਈਡ-ਰੱਖਣ ਵਾਲੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਸਟੇਨਲੈਸ ਸਟੀਲ ਦੇ ਖੋਰ ਨੂੰ ਪਿਟਿੰਗ ਕਰਨਾ)। ਇਹ ਇੱਕ ਚੇਤਾਵਨੀ ਹੈ; ਅੰਤਮ ਚੋਣ ਅਨੁਕੂਲਤਾ ਚਾਰਟ ਅਤੇ ਮਾਹਰ ਮੁਲਾਂਕਣ ਦੁਆਰਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

6. ਤਰਕਸ਼ੀਲਤਾ ਫਿਲਟਰ। ਕੀ ਮੁੱਲ ਰੈਂਕ ਦੇ ਰੂਪ ਵਿੱਚ ਅਰਥ ਰੱਖਦਾ ਹੈ? ਪਾਣੀ ਲਈ, ਕੀ ਘਣਤਾ ~1000 kg/m³ ਦੇ ਆਸਪਾਸ ਹੈ? ਸਧਾਰਣ ਆਰਡਰ ਜਾਂਚ ਜ਼ਿਆਦਾਤਰ ਗਲਤੀਆਂ ਨੂੰ ਫੜਦੀ ਹੈ।

ਨੁਕਤਾ: ਜਦੋਂ ਤੁਸੀਂ AI ਨੂੰ ਵਿਸ਼ੇਸ਼ਤਾ ਮੁੱਲ ਲਈ ਪੁੱਛਦੇ ਹੋ, ਤਾਂ ਕਹੋ "ਸਰੋਤ ਅਤੇ ਅਨੁਮਾਨ ਦਾ ਤਰੀਕਾ ਦੱਸੋ, ਮੈਨੂੰ ਦੱਸੋ ਕਿ ਇਹ ਪ੍ਰਯੋਗਾਤਮਕ ਹੈ ਜਾਂ ਅਨੁਮਾਨਿਤ।" ਜੇਕਰ AI ਕਿਸੇ ਸਰੋਤ ਦਾ ਹਵਾਲਾ ਨਹੀਂ ਦੇ ਸਕਦਾ ਹੈ, ਤਾਂ ਉਸ ਮੁੱਲ ਨੂੰ ਅਨੁਮਾਨ ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕਰੋ ਅਤੇ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰੋ।

ਸਮੱਗਰੀ ਦੀ ਚੋਣ: ਸੁਰੱਖਿਆ ਅਤੇ ਟਿਕਾਊਤਾ

ਸਮੱਗਰੀ ਦੀ ਚੋਣ ਇੱਕ ਆਰਥਿਕ ਅਤੇ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲਾ ਹੈ। ਗਲਤ ਸਮੱਗਰੀ ਖੋਰ ਨਾਲ ਕਮਜ਼ੋਰ ਹੋ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਦਬਾਅ ਵਾਲਾ ਭਾਂਡਾ ਫਟ ਸਕਦਾ ਹੈ ਜਾਂ ਕੋਈ ਜ਼ਹਿਰੀਲਾ ਤਰਲ ਲੀਕ ਹੋ ਸਕਦਾ ਹੈ। AI ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਸਮੱਗਰੀ ਸੂਚੀ ਅਤੇ ਜਾਣੀਆਂ ਗਈਆਂ ਅਸੰਗਤਤਾਵਾਂ ਨੂੰ ਯਾਦ ਕਰ ਸਕਦਾ ਹੈ; But the combined effects of temperature, pressure, concentration and impurities are complex and the final selection is made by materials engineering data (compatibility charts, corrosion rate data) and testing where necessary.

ਧਿਆਨ ਦਿਓ: AI ਕਹਿਣਾ "ਇਹ ਸਮੱਗਰੀ ਇਸ ਤਰਲ ਲਈ ਢੁਕਵੀਂ ਹੈ" ਕੋਈ ਗਰੰਟੀ ਨਹੀਂ ਹੈ। ਦਬਾਅ ਵਾਲੇ ਸਾਜ਼ੋ-ਸਾਮਾਨ ਅਤੇ ਜ਼ਹਿਰੀਲੇ/ਜਲਣਸ਼ੀਲ ਤਰਲ ਪਦਾਰਥਾਂ ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਸਮੱਗਰੀ ਦੀ ਚੋਣ ਲਈ ਯੋਗ ਇੰਜੀਨੀਅਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਖੋਰ ਡੇਟਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 - ਤੇਜ਼ ਭਵਿੱਖਬਾਣੀ। ਇੱਕ ਇੰਜੀਨੀਅਰ ਇੱਕ ਨਵੇਂ ਘੋਲਨ ਵਾਲੇ ਮਿਸ਼ਰਣ ਲਈ ਗਰਮੀ ਦੀ ਸਮਰੱਥਾ ਦਾ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਅਨੁਮਾਨ ਚਾਹੁੰਦਾ ਸੀ ਜਿਸ ਲਈ ਸਾਹਿਤ ਵਿੱਚ ਡੇਟਾ ਦੀ ਘਾਟ ਸੀ। ਏਆਈ ਨੇ ਇੱਕ ਸਮੂਹ ਯੋਗਦਾਨ ਵਿਧੀ ਦੁਆਰਾ ਇੱਕ ਸੀਮਾ ਦਿੱਤੀ ਹੈ। The engineer made a rough energy calculation with this preliminary value, then had it measured in the laboratory; ਮਾਪ ਪੂਰਵ ਅਨੁਮਾਨ ਦੇ 6% ਦੇ ਅੰਦਰ ਸੀ। ਪੂਰਵ ਅਨੁਮਾਨ ਤੇਜ਼ ਯੋਜਨਾਬੰਦੀ, ਪਰ ਡਿਜ਼ਾਈਨ ਪ੍ਰਯੋਗਾਤਮਕ ਮੁੱਲ ਵਿੱਚ ਤਬਦੀਲ ਹੋ ਗਿਆ।

ਕੇਸ 2 - ਭਰਮ ਫੜਿਆ ਗਿਆ। YZ ਨੇ ਇੱਕ ਮਿਸ਼ਰਣ ਦਾ ਸਾਧਾਰਨ ਉਬਾਲ ਬਿੰਦੂ 78°C ਦਿੱਤਾ ਹੈ। ਜਦੋਂ ਇੰਜੀਨੀਅਰ ਨੇ ਇਸਦੀ ਤੁਲਨਾ NIST ਨਾਲ ਕੀਤੀ, ਤਾਂ ਉਸਨੇ ਪਾਇਆ ਕਿ ਅਸਲ ਮੁੱਲ 118°C ਸੀ; ਏਆਈ ਨੇ ਨਾਮ ਨੂੰ ਇੱਕ ਹੋਰ ਸਮਾਨ ਮਿਸ਼ਰਣ ਨਾਲ ਉਲਝਾ ਦਿੱਤਾ ਸੀ। ਇੱਕ ਸਰੋਤ ਨਾਲ ਤੁਲਨਾ ਨੇ ਕਾਲਮ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਤੋਂ ਇੱਕ 40°C ਗਲਤੀ ਨੂੰ ਰੋਕਿਆ।

ਕੇਸ 3 - ਸਮੱਗਰੀ ਚੇਤਾਵਨੀ। YZ ਨੇ ਕਲੋਰਾਈਡ ਆਇਨ ਵਾਲੇ ਜਲਮਈ ਸਟ੍ਰੀਮ ਲਈ 304 ਸਟੇਨਲੈਸ ਸਟੀਲ ਦੀ ਚੋਣ ਨੂੰ "ਪਿਟਿੰਗ ਅਤੇ ਤਣਾਅ ਦੇ ਖੋਰ ਕ੍ਰੈਕਿੰਗ ਦੇ ਜੋਖਮ" ਵਜੋਂ ਫਲੈਗ ਕੀਤਾ ਅਤੇ ਇੱਕ ਵਧੇਰੇ ਰੋਧਕ ਮਿਸ਼ਰਤ ਮਿਸ਼ਰਤ ਦਾ ਹਵਾਲਾ ਦਿੱਤਾ। ਸਮੱਗਰੀ ਇੰਜੀਨੀਅਰ ਨੇ ਅਨੁਕੂਲਤਾ ਡੇਟਾ ਨਾਲ ਪੁਸ਼ਟੀ ਕੀਤੀ ਅਤੇ ਇੱਕ ਉੱਚ ਮਿਸ਼ਰਤ ਸਮੱਗਰੀ ਦੀ ਚੋਣ ਕੀਤੀ। ਏਆਈ ਨੇ ਜੋਖਮ ਨੂੰ ਏਜੰਡੇ ਵਿੱਚ ਲਿਆਂਦਾ, ਡੇਟਾ ਦੇ ਨਾਲ ਫੈਸਲਾ ਕੀਤਾ ਗਿਆ ਸੀ।

ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ

1) ਵਿਸ਼ੇਸ਼ਤਾ ਭਵਿੱਖਬਾਣੀ (ਸਰੋਤ ਲੋੜੀਂਦਾ):

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਸਰੀਰਕ ਮਾਹਰ। ਮਿਸ਼ਰਿਤ: [ਨਾਮ/ਫਾਰਮੂਲਾ], ਸ਼ਰਤ: [ਟੀ, ਪੀ, ਪੜਾਅ]। ਵਿਸ਼ੇਸ਼ਤਾ ਮੈਨੂੰ ਚਾਹੀਦੀ ਹੈ: [ਉਦਾ. vapor pressure]. ਦਿਓ: (1) ਪ੍ਰਯੋਗਾਤਮਕ ਮੁੱਲ ਅਤੇ ਸਰੋਤ (DIPPR/NIST/ਨਿਰਮਾਤਾ), ਜੇਕਰ ਉਪਲਬਧ ਹੋਵੇ, (2) ਜੇਕਰ ਨਹੀਂ, ਅੰਦਾਜ਼ਾ ਵਿਧੀ ਅਤੇ ਅਨੁਮਾਨਿਤ ਮੁੱਲ ਅਤੇ ਅਨਿਸ਼ਚਿਤਤਾ ਦਾ ਹਾਸ਼ੀਆ। ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਦੱਸੋ ਕਿ ਇਹ ਪ੍ਰਯੋਗਾਤਮਕ ਹੈ ਜਾਂ ਭਵਿੱਖਬਾਣੀ। ਜੇਕਰ ਤੁਸੀਂ ਕਿਸੇ ਸਰੋਤ ਦਾ ਹਵਾਲਾ ਨਹੀਂ ਦੇ ਸਕਦੇ ਹੋ, ਤਾਂ ਇਸ ਨੂੰ "ਭਵਿੱਖਬਾਣੀ ਜਿਸਨੂੰ ਪੁਸ਼ਟੀਕਰਨ ਦੀ ਲੋੜ ਹੈ" ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਮੁੱਲ ਨਾ ਘੜੋ; ਜੇਕਰ ਤੁਹਾਨੂੰ ਯਕੀਨ ਨਹੀਂ ਹੈ, ਤਾਂ ਮੈਨੂੰ ਦੱਸੋ।

2) ਸਮੂਹ ਯੋਗਦਾਨ ਵਿਧੀ ਗਾਈਡ:

ਮੇਰੇ ਕੋਲ ਇੱਕ ਮਿਸ਼ਰਣ ਹੈ ਜਿਸ ਲਈ ਕੋਈ ਪ੍ਰਯੋਗਾਤਮਕ ਡੇਟਾ ਨਹੀਂ ਹੈ: [ਢਾਂਚਾ/ਸਮਾਈਲਸ]। Which group contribution method (Joback, UNIFAC, etc.) is suitable for [property], and why? ਵਿਧੀ ਦੇ ਪੜਾਅ ਅਤੇ ਲੋੜੀਂਦੇ ਸਮੂਹ ਪੈਰਾਮੀਟਰਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰੋ। ਦੱਸੋ ਕਿ ਨਤੀਜਾ ਇੱਕ ਅੰਦਾਜ਼ਾ ਹੈ ਅਤੇ ਗਲਤੀ ਦਾ ਖਾਸ ਮਾਰਜਿਨ ਹੈ। ਮੈਂ ਪ੍ਰਯੋਗ/ਡਾਟਾਬੇਸ ਨਾਲ ਅੰਤਿਮ ਮੁੱਲ ਦੀ ਪੁਸ਼ਟੀ ਕਰਾਂਗਾ।

3) ਮੁੱਲ ਦੀ ਤੁਲਨਾ/ਪੁਸ਼ਟੀ:

ਹੇਠਾਂ ਕਿਸੇ ਵਿਸ਼ੇਸ਼ਤਾ ਲਈ ਵੱਖ-ਵੱਖ ਸਰੋਤਾਂ ਤੋਂ ਮੁੱਲ ਦਿੱਤੇ ਗਏ ਹਨ। ਉਹਨਾਂ ਦੀ ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਤੁਲਨਾ ਕਰੋ, ਭਟਕਣ ਦੀ ਗਣਨਾ ਕਰੋ, ਅਤੇ ਦਰਜਾ ਦਿਓ ਕਿ ਕਿਹੜਾ ਵਧੇਰੇ ਭਰੋਸੇਮੰਦ ਹੈ (ਪ੍ਰਯੋਗਿਕ > ਮੁਲਾਂਕਣ > ਭਵਿੱਖਬਾਣੀ)। ਜੇ ਕੋਈ ਵੱਡਾ ਭਟਕਣਾ ਹੈ, ਤਾਂ ਸੰਭਵ ਕਾਰਨ (ਵੱਖ-ਵੱਖ ਸਥਿਤੀ, ਵੱਖ-ਵੱਖ ਆਈਸੋਮਰ) ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਸਰੋਤ: [ਪੇਸਟ]

4) ਸਮੱਗਰੀ ਅਨੁਕੂਲਤਾ ਮੁੱਢਲੀ ਸਕ੍ਰੀਨਿੰਗ:

ਤਰਲ: [ਰਚਨਾ, ਇਕਾਗਰਤਾ, ਅਸ਼ੁੱਧੀਆਂ], ਸਥਿਤੀ: [ਟੀ, ਪੀ]।ਉਮੀਦਵਾਰ ਸਮੱਗਰੀ: [ਸੂਚੀ]। ਹਰੇਕ ਲਈ ਜਾਣੇ-ਪਛਾਣੇ ਖੋਰ/ਅਸੰਗਤਤਾ ਦੇ ਜੋਖਮਾਂ (ਪਿਟਿੰਗ, ਤਣਾਅ ਕ੍ਰੈਕਿੰਗ, ਆਮ ਖੋਰ) ਨੂੰ ਯਾਦ ਕਰੋ। ਇਹ ਇੱਕ ਮੁੱਢਲਾ ਸਕੈਨ ਹੈ; ਅੰਤਮ ਚੋਣ ਲਈ ਖੋਰ ਡੇਟਾ ਅਤੇ ਅਧਿਕਾਰਤ ਇੰਜੀਨੀਅਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਖਤਰਨਾਕ ਜੋੜਿਆਂ ਦੀ ਨਿਸ਼ਾਨਦੇਹੀ ਕਰੋ।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:

ਟੋਲਿਊਨ ਦੀ ਲੇਸ ਕੀ ਹੈ?

ਕੋਈ ਗਰਮੀ ਨਹੀਂ, ਕੋਈ ਵੈਲਡਿੰਗ ਨਹੀਂ। AI ਇੱਕ ਨੰਬਰ ਦਿੰਦਾ ਹੈ, ਪਰ ਇਹ ਕਿਨ੍ਹਾਂ ਹਾਲਤਾਂ ਵਿੱਚ ਅਤੇ ਕਿੰਨਾ ਭਰੋਸੇਯੋਗ ਹੈ ਇਹ ਅਸਪਸ਼ਟ ਹੈ।

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਸਰੀਰਕ ਮਾਹਰ। ਤਰਲ ਪੜਾਅ ਵਿੱਚ ਟੋਲਿਊਨ ਲਈ ਗਤੀਸ਼ੀਲ ਲੇਸ, 25°C, 1 atm। ਦਿਓ: ਮੁੱਲ, ਇਕਾਈ, ਸਰੋਤ, ਅਤੇ ਪ੍ਰਯੋਗਾਤਮਕ ਅਨੁਮਾਨ। ਜੇ ਸੰਭਵ ਹੋਵੇ, ਤਾਂ ਦੋ ਸੁਤੰਤਰ ਸਰੋਤ ਅਤੇ ਰਾਜ ਦੀ ਇਕਸਾਰਤਾ ਦਿਓ। ਜੇਕਰ ਤੁਸੀਂ ਸਰੋਤ ਦਾ ਹਵਾਲਾ ਨਹੀਂ ਦੇ ਸਕਦੇ ਹੋ, ਤਾਂ ਇਸ ਨੂੰ ਅਨੁਮਾਨ ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਮੁੱਲ ਫਿਟਿੰਗ. ਮੈਂ ਥਰਮੋਡਾਇਨਾਮਿਕ ਡੇਟਾਬੇਸ ਨਾਲ ਨਤੀਜੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਾਂਗਾ।

ਅੰਤਰ ਸਪੱਸ਼ਟ ਹੈ: ਸਥਿਤੀ, ਸਰੋਤ ਆਦੇਸ਼, ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ ਫਰੇਮਵਰਕ ਮੁੱਲ ਨੂੰ ਉਪਲਬਧ ਕਰਵਾਉਂਦੇ ਹਨ।

ਵਿਸ਼ੇਸ਼ਤਾ ਅਤੇ ਸਮੱਗਰੀ ਦੇ ਫੈਸਲੇ ਵਿੱਚ ਭੂਮਿਕਾ ਦੀ ਵੰਡ

ਕਾਰੋਬਾਰ

ਏਆਈ ਦੀ ਭੂਮਿਕਾ

ਮਨੁੱਖੀ ਫੈਸਲੇ/ਸਰੋਤ

ਪ੍ਰਯੋਗਾਤਮਕ ਵਿਸ਼ੇਸ਼ਤਾ

ਸਰੋਤ ਰੀਮਾਈਂਡਰ

ਡਾਟਾਬੇਸ ਪੁਸ਼ਟੀ

ਕੋਈ ਡਾਟਾ ਨਹੀਂ, ਅੰਦਾਜ਼ਾ

ਢੰਗ + ਡਿਫੌਲਟ

ਪ੍ਰਯੋਗ/ਡਾਟਾਬੇਸ ਪ੍ਰਮਾਣਿਕਤਾ

ਮੁੱਲ ਦੀ ਤੁਲਨਾ

Table, deviation

ਭਰੋਸੇਯੋਗਤਾ ਨਿਰਣਾ

ਸਮੱਗਰੀ ਉਮੀਦਵਾਰ

ਜੋਖਮ ਰੀਮਾਈਂਡਰ

ਪਾਲਣਾ ਡੇਟਾ, ਪ੍ਰਵਾਨਗੀ

ਰੈਂਕ ਕੰਟਰੋਲ

ਨਿਸ਼ਾਨਦੇਹੀ

ਸਰੀਰਕ ਤਰਕਸ਼ੀਲਤਾ

ਆਮ ਗਲਤੀਆਂ

• Using unsourced value. AI ਦੁਆਰਾ ਦਿੱਤੀ ਗਈ ਹਰ ਨਾਜ਼ੁਕ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਪੁਸ਼ਟੀ ਡੇਟਾਬੇਸ/ਪ੍ਰਯੋਗ ਦੁਆਰਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
• ਸ਼ਰਤ ਨਹੀਂ ਦੱਸ ਰਹੀ। ਤਾਪਮਾਨ/ਦਬਾਅ/ਪੜਾਅ ਨੂੰ ਨਿਰਧਾਰਤ ਕੀਤੇ ਬਿਨਾਂ ਲਿਆ ਗਿਆ ਮੁੱਲ ਗਲਤ ਸਥਿਤੀ ਨਾਲ ਸਬੰਧਤ ਹੋ ਸਕਦਾ ਹੈ।
• ਅਨੁਮਾਨਿਤ ਮੁੱਲ ਨੂੰ ਅਨੁਭਵੀ ਸਮਝਣਾ। ਸਮੂਹ ਯੋਗਦਾਨ ਅਨੁਮਾਨ ਅਨਿਸ਼ਚਿਤ ਹਨ; ਡਿਜ਼ਾਈਨ ਵਿਚ ਇਸ ਨੂੰ ਧਿਆਨ ਵਿਚ ਰੱਖੋ.
• ਇੱਕ-ਵਾਕ ਦੀ ਪੁਸ਼ਟੀ ਨਾਲ ਸਮੱਗਰੀ ਦੀ ਚੋਣ ਕਰਨਾ। ਖੋਰ ਮਲਟੀਵੈਰੀਏਟ ਹੈ; ਡਾਟਾ ਅਤੇ ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਹੈ.
• ਰੈਂਕ ਦੀ ਜਾਂਚ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ. ਇੱਕ ਸਧਾਰਨ "ਕੀ ਇਹ ਨੰਬਰ ਅਰਥ ਰੱਖਦਾ ਹੈ?" ਨਿਯੰਤਰਣ ਸਭ ਤੋਂ ਵੱਧ ਭਰਮਾਂ ਨੂੰ ਫੜਦਾ ਹੈ।

ਸਾਰੰਸ਼ ਵਿੱਚ

ਸੰਪਤੀ ਅਤੇ ਸਮੱਗਰੀ ਦੀ ਭਵਿੱਖਬਾਣੀ ਵਿੱਚ AI; ਇਹ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਕ ਹੈ ਜੋ ਸ਼ੁਰੂਆਤੀ ਮੁੱਲਾਂ ਨੂੰ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਤੁਹਾਨੂੰ ਅੰਦਾਜ਼ੇ ਦੇ ਢੰਗ ਦੀ ਯਾਦ ਦਿਵਾਉਂਦਾ ਹੈ, ਸਰੋਤ ਮੁੱਲਾਂ ਦੀ ਤੁਲਨਾ ਕਰਦਾ ਹੈ ਅਤੇ ਸਮੱਗਰੀ ਦੇ ਜੋਖਮਾਂ ਨੂੰ ਫਲੈਗ ਕਰਦਾ ਹੈ। ਪਰ ਹਰ ਨਾਜ਼ੁਕ ਵਿਸ਼ੇਸ਼ਤਾ ਭਰੋਸੇਯੋਗ ਡੇਟਾਬੇਸ ਜਾਂ ਪ੍ਰਯੋਗ 'ਤੇ ਅਧਾਰਤ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ; ਸਮੱਗਰੀ ਦੀ ਚੋਣ ਇੱਕ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲਾ ਹੈ ਜਿਸ ਲਈ ਖੋਰ ਡੇਟਾ ਅਤੇ ਅਧਿਕਾਰਤ ਇੰਜੀਨੀਅਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। AI ਭਵਿੱਖਬਾਣੀਆਂ ਅਤੇ ਚੇਤਾਵਨੀਆਂ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ; ਇੰਜੀਨੀਅਰ ਸਰੋਤ ਨਾਲ ਜੁੜਦਾ ਹੈ, ਤਸਦੀਕ ਕਰਦਾ ਹੈ ਅਤੇ ਚੋਣ ਕਰਦਾ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਇੱਕ ਮਿਸ਼ਰਣ ਅਤੇ ਇੱਕ ਵਿਸ਼ੇਸ਼ਤਾ ਚੁਣੋ (ਜਿਵੇਂ ਕਿ ਘੋਲਨ ਵਾਲੇ ਦਾ ਭਾਫ਼ ਦਾ ਦਬਾਅ, 40°C)। "ਵਿਸ਼ੇਸ਼ਤਾ ਪੂਰਵ-ਅਨੁਮਾਨ (ਸਰੋਤ ਲੋੜੀਂਦਾ)" ਟੈਂਪਲੇਟ ਨਾਲ AI ਤੋਂ ਮੁੱਲ ਅਤੇ ਇਸਦੇ ਸਰੋਤ ਪ੍ਰਾਪਤ ਕਰੋ; ਫਿਰ ਇਸਦੀ ਤੁਲਨਾ ਥਰਮੋਡਾਇਨਾਮਿਕ ਡੇਟਾਬੇਸ ਨਾਲ ਕਰੋ ਅਤੇ ਵਿਵਹਾਰ ਨੂੰ ਨੋਟ ਕਰੋ। ਫਿਰ ਤਰਲ-ਸਮੱਗਰੀ ਦੀ ਜੋੜੀ ਲਈ "ਪ੍ਰਾਥਮਿਕ ਸਮੱਗਰੀ ਅਨੁਕੂਲਤਾ ਸਕ੍ਰੀਨਿੰਗ" ਟੈਂਪਲੇਟ ਦੀ ਵਰਤੋਂ ਕਰੋ ਅਤੇ ਅਨੁਕੂਲਤਾ ਚਾਰਟ ਦੇ ਨਾਲ ਨਤੀਜੇ ਵਜੋਂ ਜੋਖਮਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ।

ਚੈੱਕਲਿਸਟ

• ਮੈਂ ਕੰਡੀਸ਼ਨ (ਟੀ, ਪੀ, ਪੜਾਅ) ਦੇ ਨਾਲ [] ਵਿਸ਼ੇਸ਼ਤਾ ਚਾਹੁੰਦਾ ਸੀ।
• [ ] ਮੈਂ AI ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਮੁੱਲ ਦੀ ਇੱਕ ਭਰੋਸੇਯੋਗ ਡਾਟਾਬੇਸ/ਪ੍ਰਯੋਗ ਨਾਲ ਤੁਲਨਾ ਕੀਤੀ।
• [ ] ਮੈਂ ਪ੍ਰਯੋਗਾਤਮਕ ਤੋਂ ਅਨੁਮਾਨਿਤ ਮੁੱਲਾਂ ਨੂੰ ਵੱਖ ਕੀਤਾ ਅਤੇ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਨੋਟ ਕੀਤਾ।
• [ ] ਮੈਂ ਖੋਰ ਡੇਟਾ ਅਤੇ ਅਧਿਕਾਰਤ ਪ੍ਰਵਾਨਗੀ ਨਾਲ ਸਮੱਗਰੀ ਦੀ ਚੋਣ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
• [ ] ਮੈਂ ਹਰੇਕ ਨਾਜ਼ੁਕ ਨੰਬਰ ਲਈ ਇੱਕ ਰੈਂਕ/ਪ੍ਰਸ਼ੰਸਾਯੋਗਤਾ ਜਾਂਚ ਲਾਗੂ ਕੀਤੀ ਹੈ।