Прибыль:
- Возможность распечатать код Python, а также понять и принять код построчно для очистки данных, автоматизации учетных записей и моделирования с помощью искусственного интеллекта.
- Способность понимать, что непроверенный код — это гипотеза, проверять каждый код с известным результатом, а также тестировать единичные и крайние случаи.
- Способность понимать, что критически важные для безопасности коды учетных записей требуют как тестирования, так и проверки авторизованным инженером.
Бесшумным двигателем современной химической технологии теперь является Python (широко используемый и простой в освоении язык программирования). Очистка данных датчиков, автоматизация баланса масс, подгонка кинетической модели к данным, сравнение сотен результатов моделирования, построение графика — все это занимает часы вручную, но секунды с несколькими строками Python. В этом модуле вы узнаете, как использовать ИИ в качестве помощника при написании, объяснении и отладке кода Python; Но мы узнаем, почему каждый созданный код не следует использовать без тестирования и проверки.
Инженер-химик, как правило, не является профессиональным разработчиком программного обеспечения; Именно здесь ИИ добавляет большую мощь. Инженер говорит: «Мне нужен сценарий, который делает это» и пишет проект ИИ. Но этот принцип остается неизменным: код, который пишет ИИ, неправильный, потому что он выглядит правильно; Это гипотеза до тех пор, пока она не будет проверена с известным результатом. Незаметная ошибка — неправильная единица измерения, неправильный индекс, сдвинутая формула — может привести к опасным результатам в инженерных расчетах.
Python с ИИ в химической технологии: шаг за шагом
1. Четко определите работу. Каковы входные данные (CSV, массив, уравнение), каким должен быть выходной сигнал, в каких единицах? Неоднозначное приглашение означает плохой код.
2. Запросите проект кода. ИИ создает эскиз с соответствующими библиотеками (pandas для данных, numpy для численной обработки, matplotlib для графиков, scipy для оптимизации/решения).
3. Разобраться в библиотеке и предположениях. Попросите ИИ объяснить каждую строку и предположение (единицу измерения, формат данных, приемку). Не запускайте код, который вы не понимаете.
4. Тест с известным результатом. Запустите код на простом примере, ответ на который вы уже знаете. Код баланса должен давать правильный результат в примере, который можно расшифровать вручную.
5. Контроль состояния агрегата и фронта. Что делает код в крайних случаях, таких как ноль, отрицательные значения, очень большие значения, отсутствие данных? В химической технологии выход из строя агрегата – это классическая катастрофа.
6. Проверьте результат с помощью физики. Код выдал число — сохраняется ли масса, реалистично ли значение? Тот факт, что код работает, не доказывает, что результат правильный.
Совет: Запрашивая код у ИИ, скажите: «Напишите единицу измерения каждой переменной в строке комментария и явно укажите входные единицы». Значительная часть ошибок в химической технологии возникает из-за путаницы единиц измерения (бар/Па, кг/г, °C/K); Встраивание модулей в код делает эти ошибки видимыми.
Непроверенный код — это гипотеза
ИИ создает гладкий, работающий код; Но «работает» и «правильно» — это разные вещи. Код может работать без ошибок и выдавать некорректное число: ошибка знака в формуле, смещение (отклонение на единицу) в массиве, неправильное преобразование единиц. Итак, золотое правило: каждый код тестируется в тестовом примере, где правильный ответ известен независимо. Простой аналитический пример, ручной расчет или справочные данные доказывают надежность кода. Никакие инженерные решения не должны основываться на коде без прохождения тестирования.
Внимание: код, выполняющий расчет безопасности, размеров или безопасности, не может считаться надежным только потому, что он «работает». Критически важные для безопасности коды учетных записей должны быть проверены с известными результатами, а результаты должны быть независимо проверены уполномоченным инженером.
три мини-кейса
Кейс 1 — Автоматизация очистки данных. Каждый месяц инженер вручную очищал данные за 3 месяца (около 1,1 миллиона строк) с 8 датчиков. Сценарий pandas, написанный с использованием ИИ, сократил это время до минут. Инженер сначала протестировал код на небольшом известном файле-образце; заметил, что один столбец был проанализирован неправильно, исправил это, а затем применил это ко всем данным.
Случай 2 — Тихая ошибка громкости. YZ написал код для расчета падения давления, но перепутал входные данные, предположив, что бар и формула Па. Код работал без ошибок, но результат был неверным в 100 000 раз. Инженер уловил разницу в заказе с помощью расчета ручного управления. После добавления комментариев к объекту ошибка была выяснена и исправлена.
Случай 3 — Тестирование сохранено. Одна команда получила от ИИ код для решателя баланса массы. Сначала они протестировали его на двухкомпонентном, растворяемом вручную образце; код неправильно закрывал петлю и не складывался. Ошибка была обнаружена до того, как она была применена к реальной сложной модели. Без тестирования ошибка распространилась бы на все результаты.
Четыре копируемых шаблона
1) Проект кода анализа данных:
Ваша роль: помощник Python в химической инженерии. Задача: [описание].Ввод: [CSV/массив, столбцы, ЕДИНИЦЫ]. Вывод: [что, в каком блоке]. используйте pandas/numpy. В коде: (1) интерпретируйте единицу измерения каждой переменной, (2) вначале укажите входные предположения, (3) обрабатывайте крайние случаи (отсутствующие данные, ноль). Я протестирую код на известном примере; не используйте магические числа, определяйте константы явно.
2) Объяснение и проверка кода:
Построчно объясните следующий код Python: что он делает, какие предположения делает, какие единицы измерения ожидает. Выделите возможные места ошибок (путаница единиц измерения, сдвиг индекса, деление на ноль, переполнение). Предложите, какой простой и известный тестовый пример я могу использовать для проверки этого кода. Код: [вставить]
3) Настройка теста с известным результатом:
Напишите набор тестов для проверки этой функции: как минимум 3 простых случая, для которых ответ известен аналитически или вручную. Для каждого теста опишите ожидаемый результат и почему мы ожидаем этого результата. Я не буду применять код к реальным данным без тестирования. Функция: [вставить]
4) Отладка:
Этот код дает следующий ошибочный/неправильный результат: [сообщение об ошибке или ожидаемый и фактический результат]. Перечислите возможные причины в порядке вероятности и расскажите, как проверить каждую из них. Не говорите прямо: «Я исправил это»; Давайте сначала вместе выясним причину. Также предложите проверку устройства и заказа. Код и данные: [вставить]
Слабая подсказка / Сильная подсказка
Слабая подсказка:
Напишите мне код расчета падения давления.
Формат ввода, единица измерения, уравнение, условие не ясны. ИИ скрывает свои предположения, может сбить с толку подразделения.
Мощная подсказка:
Ваша роль: помощник Python в химической инженерии. Задача: падение давления в круглой трубе из-за трения. Входные данные: расход [м3/с], диаметр [м], длина [м], плотность [кг/м3], вязкость [Па·с]. Выход: падение давления [Па]. Используйте Дарси-Вейсбаха; Проверьте режим потока (Re) на предмет коэффициента трения. Прокомментируйте каждый агрегат, укажите предположения (полная нагрузка, стабильный расход). Я протестирую код на ручном расчете на ламинарном примере.
Разница очевидна: входные блоки, метод, выходной блок и намерение тестирования делают код надежным.
Распределение ролей при использовании Python
бизнес
Роль ИИ
мужское решение
написание кода
Создать черновик
Должностная инструкция, ед.
Выбор библиотеки
Предложение
Подтверждение соответствия
Описание
построчно
Принимайте с пониманием
тест
Рекомендация по тестовому набору
Валидация с известным результатом
Отладка
гипотеза, направление
Подтверждение основной причины
Заключение
Генерация номеров
Тестирование с физикой
Распространенные ошибки
- Использование кода без его тестирования. Рабочий код не является правильным кодом; Ему нельзя доверять, если он не проверен с известным результатом.
- Оставляя единицы неопределенными. Путаница единиц измерения — самая распространенная и опасная ошибка в химической технологии.
- Работаем без понимания. Не доверяйте результатам, не разобравшись в коде, написанном ИИ построчно.
- Обход пограничных состояний. Нулевые, отрицательные, отсутствующие данные могут незаметно привести код к неправильному выводу.
- Основание расчета безопасности только на коде. Критически важные для безопасности коды требуют тестирования + независимой авторитетной проверки.
В итоге
ИИ в химической инженерии с Python; Это мощный помощник, который составляет, объясняет и предоставляет рекомендации по отладке для очистки данных, автоматизации учета, моделирования и графики. Но код ИИ надежен не потому, что выглядит правильно, а потому, что он был протестирован с известным результатом. Очень важно явно указывать единицы измерения, понимать код, тестировать крайние случаи и проверять результат с помощью физики; Критически важные для безопасности расчеты также требуют проверки авторизованным инженером.
Задача приложения
Выберите расчет (например, падение давления в трубе или двухкомпонентный массовый баланс). Получите код от ИИ с помощью шаблона «анализ данных/проект кода счета», четко указав единицы. Затем проверьте код в примере, декодируемом вручную, с помощью шаблона «настроить тест с известным результатом»; Если результат не совпадает, найдите основную причину с помощью шаблона «отладка».
контрольный список
- [ ] Я четко указал единицы ввода/вывода и метод.
- [ ] Я понял код построчно и увидел его предположения.
- [ ] Я протестировал код на известном примере, который можно расшифровать вручную.
- [ ] Я тестировал крайние случаи (ноль, отрицательные данные, отсутствующие данные).
- [ ] Я сверил результат с физикой (сохранение массы, порядок); У меня также была учетная запись, подтвержденная чиновником.