zisky:
- Schopnosť používať umelú inteligenciu ako predbežnú predikčnú a predikčnú metódu (príspevok skupiny) pre termofyzikálne vlastnosti a požadovať akúkoľvek hodnotu.
- Schopnosť zachytiť halucinácie overením každej kritickej funkcie spoľahlivou databázou (DIPPR/NIST) alebo experimentom
- Schopnosť pochopiť, že výber materiálu je kritickým rozhodnutím z hľadiska bezpečnosti, ktoré si vyžaduje údaje o korózii a autorizované schválenie.
Každý výpočet procesu sa v konečnom dôsledku zníži na číslo: hustota kvapaliny, viskozita, tepelná kapacita, tlak pár, bod varu; uznesenie; odolnosť materiálu voči korózii. Súhrnne sa to nazýva termofyzikálne vlastnosti – fyzikálne veličiny, ktoré určujú teplo, prúdenie a fázové správanie látky. Destilačná kolóna, výmenník tepla alebo čerpadlo sú správne navrhnuté len vtedy, ak sú tieto vlastnosti správne. V tejto lekcii sa naučíte, ako používať umelú inteligenciu ako nástroj predbežnej predikcie a porovnávania pri predikcii vlastností a výbere materiálu (výber kovov, tesnení, povlakov, aby odolali procesným podmienkam); ale dozvieme sa, prečo je potrebné tieto hodnoty overiť spoľahlivou databázou alebo experimentom.
Kritická pravda je takáto: odhad vlastností je numerickým základom dizajnu; Chyba sa tu rozšíri na celý účet. AI môže s istotou udávať tlak pary alebo viskozitu, ale táto hodnota môže byť pre inú zlúčeninu, môže mať nesprávnu teplotu alebo môže byť úplne halucinačná. Takže zlaté pravidlo údajov o vlastnostiach: každá kritická funkcia by mala byť založená na spoľahlivom zdroji (DIPPR, NIST, údajový list výrobcu) alebo experimente.
Podrobná podpora AI pre predikciu funkcií
1. Akú funkciu potrebujete, za akých podmienok? Teplota, tlak, fáza a koncentrácia menia vlastnosť. Hodnota získaná bez uvedenia podmienky AI je zavádzajúca.
2. Výber metódy odhadu. Ak neexistujú žiadne experimentálne údaje, AI pripomína predikčné prístupy, ako sú metódy skupinového príspevku – metódy, ktoré predpovedajú vlastnosti rozdelením molekuly na jej časti a pridaním príspevkov každej časti; napr. Joback, UNIFAC — a vysvetľuje, ktorý z nich je vhodný.
3. Predbežná hodnota a neistota. AI môže dať predbežnú hodnotu, ale určite v rámci „toto je predpoveď, jej neistota je vysoká, overte si ju“. Tiež sa opýtajte AI na typickú chybovosť hodnoty.
4. Porovnanie so zdrojom. Porovnajte hodnotu AI s termodynamickou databázou alebo hárkom výrobcu. Ak je odchýlka veľká, hodnota sa nepoužije.
5. Predbežná kontrola materiálovej kompatibility. YZ pripomína známe riziká korózie/nekompatibility pre pár kvapalina-materiál (napr. jamková korózia nehrdzavejúcej ocele v prostredí obsahujúcom chloridy). Toto je varovanie; Konečný výber je uskutočnený tabuľkami kompatibility a odborným hodnotením.
6. Filter rozumnosti. Dáva hodnota zmysel z hľadiska hodnosti? Je hustota vody okolo ~1000 kg/m³? Jednoduchá kontrola objednávky zachytí väčšinu chýb.
Tip: Keď požiadate AI o hodnotu funkcie, povedzte „uveďte zdroj a metódu odhadu, povedzte mi, či je experimentálna alebo odhadovaná“. Ak AI nemôže citovať zdroj, označte túto hodnotu ako odhad a nezávisle ju overte.
Výber materiálu: bezpečnosť a odolnosť
Výber materiálu je ekonomickým aj bezpečnostným rozhodnutím. Nesprávny materiál môže koróziou oslabiť a spôsobiť prasknutie tlakovej nádoby alebo únik toxickej tekutiny. AI môže vyvolať zoznam východiskových materiálov a známe nekompatibility; Kombinované účinky teploty, tlaku, koncentrácie a nečistôt sú však zložité a konečný výber sa uskutočňuje na základe údajov materiálového inžinierstva (grafy kompatibility, údaje o rýchlosti korózie) a testovania, ak je to potrebné.
Pozor: AI hovorí, že "tento materiál je vhodný pre túto tekutinu" nie je zárukou. V prípade tlakových zariadení a toxických/horľavých kvapalín si výber materiálu vyžaduje schválenie kvalifikovaného technika a overené údaje o korózii.
tri mini prípady
Prípad 1 – Rýchla predpoveď. Inžinier chcel predbežný odhad tepelnej kapacity pre novú zmes rozpúšťadiel, pre ktorú bolo v literatúre málo údajov. Umelá inteligencia poskytla rozsah prostredníctvom metódy skupinového príspevku. Inžinier urobil hrubý energetický výpočet s touto predbežnou hodnotou, potom ju nechal zmerať v laboratóriu; meranie bolo v rámci 6 % predikcie. Prognózovanie urýchlilo plánovanie, ale dizajn sa posunul na experimentálnu hodnotu.
Prípad 2 – Zachytená halucinácia. YZ poskytla normálnu teplotu varu zlúčeniny 78 °C. Keď to inžinier porovnal s NIST, zistil, že skutočná hodnota bola 118 °C; AI si pomýlila názov s inou podobnou zlúčeninou. Porovnaním so zdrojom sa do konštrukcie kolóny nedostala chyba 40 °C.
Prípad 3 – Materiálové varovanie. YZ označil výber nehrdzavejúcej ocele 304 pre vodný prúd obsahujúci chloridové ióny ako „riziko bodovej korózie a praskania koróziou pod napätím“ a uviedol odolnejšiu zliatinu. Materiálový inžinier potvrdil údaje o kompatibilite a vybral materiál z vyššej zliatiny. AI priniesla riziko do agendy, rozhodovalo sa s dátami.
Štyri kopírovateľné šablóny
1) Predikcia funkcie (vyžaduje sa zdroj):
Vaša úloha: odborník na postavu. Zlúčenina: [názov/vzorec], podmienka: [T, P, fáza]. Funkcia, ktorú chcem: [napr. tlak pár]. Uveďte: (1) experimentálnu hodnotu a ZDROJ (DIPPR/NIST/výrobca), ak sú k dispozícii, (2) ak nie, metódu odhadu a odhadovanú hodnotu a hranicu neistoty. Jasne uveďte, či je to experimentálne alebo prediktívne. Ak nemôžete citovať zdroj, označte ho ako „predpoveď, ktorá vyžaduje overenie“. Nevymýšľajte hodnotu; Ak si nie ste istý, povedzte mi to.
2) Sprievodca metódou skupinového prispievania:
Mám zlúčeninu, pre ktorú neexistujú žiadne experimentálne údaje: [štruktúra/ÚSMEVY]. Ktorá metóda skupinového príspevku (Joback, UNIFAC atď.) je vhodná pre [vlastníctvo] a prečo? Vysvetlite kroky metódy a požadované parametre skupiny. Uveďte, že výsledkom je odhad a typická odchýlka chyby. Výslednú hodnotu overím experimentom/databázou.
3) Porovnanie/overenie hodnoty:
Nižšie sú uvedené hodnoty pre funkciu z rôznych zdrojov. Porovnajte ich v tabuľke, vypočítajte odchýlku a zoraďte, ktorá z nich je spoľahlivejšia (empirická > hodnotená > predpovedaná). Ak je veľká odchýlka, označte možnú príčinu (iný stav, iný izomér). Zdroje: [prilepiť]
4) Predbežná kontrola materiálovej kompatibility:
Kvapalina: [zloženie, koncentrácia, nečistoty], stav: [T, P]. Kandidátske materiály: [zoznam]. Pri každom z nich si pripomeňte známe riziká korózie/nekompatibility (bodková korózia, praskanie pod napätím, všeobecná korózia). Toto je PREDBEŽNÉ skenovanie; Konečný výber vyžaduje údaje o korózii a schválenie autorizovaným technikom. Jasne označte rizikové páry.
Slabá výzva / Silná výzva
Slabá výzva:
Aká je viskozita toluénu?
Žiadne teplo, žiadne zváranie. AI uvádza číslo, ale za akých podmienok a nakoľko je spoľahlivé, nie je jasné.
Výkonná výzva:
Vaša úloha: odborník na postavu. Dynamická viskozita pre toluén v kvapalnej fáze, 25 °C, 1 atm. Uveďte: hodnotu, jednotku, ZDROJ a experimentálny odhad. Ak je to možné, uveďte dva nezávislé zdroje a uveďte konzistentnosť. Ak nemôžete uviesť zdroj, označte ho ako odhad. Prispôsobenie hodnoty. Výsledok overím termodynamickou databázou.
Rozdiel je jasný: podmienka, mandát na zdroje a rámec overovania sprístupňujú hodnotu.
Rozdelenie úloh pri rozhodovaní o vlastnostiach a materiáloch
podnikania
Úloha AI
Ľudské rozhodnutie/zdroj
Experimentálna funkcia
pripomenutie zdroja
Potvrdenie databázy
Žiadne údaje, hádajte
Metóda + predvolená hodnota
Overenie experimentu/databázy
Porovnanie hodnôt
Tabuľka, odchýlka
úsudok spoľahlivosti
Materiálni kandidáti
pripomienka rizika
Údaje o zhode, schválenie
Riadenie hodnosti
značenie
fyzická rozumnosť
Časté chyby
- Použitie nezdrojovanej hodnoty. Každá kritická funkcia poskytnutá AI je potvrdená databázou/experimentom.
- Bez uvedenia stavu. Hodnota získaná bez špecifikácie teploty/tlaku/fázy môže patriť do nesprávneho stavu.
- Zámena odhadovanej hodnoty za empirickú. Odhady príspevkov skupiny sú neisté; Zohľadnite to pri návrhu.
- Výber materiálu s potvrdením jednou vetou. Korózia je mnohorozmerná; požadované údaje a potvrdenie.
- Obchádzanie kontroly hodnosti. Jednoduché "má toto číslo zmysel?" kontrola zachytí väčšinu halucinácií.
V súhrne
AI v predikcii majetku a materiálu; Je to výkonný pomocník, ktorý generuje predbežné hodnoty, pripomína vám metódu odhadu, porovnáva hodnoty zdrojov a označuje materiálne riziká. Ale každá kritická funkcia musí byť založená na spoľahlivej databáze alebo experimente; Výber materiálu je kritickým rozhodnutím z hľadiska bezpečnosti, ktoré si vyžaduje údaje o korózii a schválenie autorizovaným technikom. AI poskytuje predpovede a varovania; Inžinier sa pripojí k zdroju, overí a vyberie.
Aplikačná úloha
Vyberte zlúčeninu a vlastnosť (napr. tlak pár rozpúšťadla, 40 °C). Získajte hodnotu a jej zdroj z AI pomocou šablóny „Predpoveď atribútu (vyžaduje sa zdroj)“; potom ju porovnajte s termodynamickou databázou a zaznamenajte odchýlku. Potom použite šablónu „predbežného skríningu kompatibility materiálu“ pre pár kvapalina-materiál a potvrďte výsledné riziká pomocou tabuľky kompatibility.
kontrolný zoznam
- Chcel som funkciu [ ] spolu s podmienkou (T, P, fáza).
- [ ] Hodnotu danú AI som porovnal so spoľahlivou databázou/experimentom.
- [ ] Odlíšil som odhadované hodnoty od experimentálnych a zaznamenal som neistotu.
- [ ] Výber materiálu som overil koróznymi údajmi a autorizovaným schválením.
- [ ] Použil som kontrolu poradia/pravdepodobnosti na každé kritické číslo.