பொருள் தேர்வு மற்றும் முடிவு ஆதரவு அமைப்புகளில் AI

ஆதாயங்கள்:

• தேவைகள், கட்டுப்பாடுகள் மற்றும் செயல்திறன் குறியீடுகளுடன் பொருள் தேர்வு சிக்கலை கட்டமைத்து அதை AIக்கு துல்லியமாக விவரிக்கும் திறன்
• ஆஷ்பி அணுகுமுறை மற்றும் எடையுள்ள முடிவு மேட்ரிக்ஸுடன் வேட்பாளர் பொருட்களை ஒப்பிடும் போது AI ஐ கருதுகோள் ஜெனரேட்டராகப் பயன்படுத்தும் திறன்
• தரவுத் தாள், தரநிலை மற்றும் விலை/விநியோக உண்மைகளுக்கு எதிராக AI பரிந்துரைக்கும் ஒவ்வொரு பொருள் மற்றும் அம்ச மதிப்பைச் சரிபார்க்கும் திறன்

மெட்டீரியல் தேர்வு என்பது மெட்டல்ஜிகல் மற்றும் மெட்டீரியல் இன்ஜினியரின் மிகவும் புலப்படும் மற்றும் பொறுப்பான வேலை. சைக்கிள் சட்டத்திற்கான அலுமினியம், கார்பன் ஃபைபர் அல்லது எஃகு; ஒரு பம்ப் தண்டுக்கு 316 துருப்பிடிக்காத அல்லது இரட்டை துருப்பிடிக்காத; ஹாட் டைக்கான எஃகு கருவி எது? இந்த முடிவுகளுக்கு ஒரே நேரத்தில் பலம், எடை, அரிப்பு, வெப்பநிலை, இயந்திரத் திறன், செலவு மற்றும் வழங்கல் போன்ற பல முரண்பட்ட கட்டுப்பாடுகளை சமநிலைப்படுத்த வேண்டும். செயற்கை நுண்ணறிவு (உரை மற்றும் எண்களை செயலாக்கும் மற்றும் பரிந்துரைகளை உருவாக்கும் அமைப்புகள்) வேட்பாளர் பட்டியலை உருவாக்கும் செயல்முறையை துரிதப்படுத்துகிறது, ஒரு ஒப்பீட்டு மேட்ரிக்ஸை நிறுவுகிறது மற்றும் நியாயத்தை எழுதுகிறது. ஆனால் தரவுத் தாள், தரநிலை மற்றும் தேவையான இடங்களில், சோதனை மட்டுமே நீங்கள் தேர்ந்தெடுத்த பொருள் உண்மையிலேயே பொருத்தமானது என்பதை நிரூபிக்கிறது. இந்த பிரிவில், AI உடன் ஒழுக்கமான முறையில் பொருள் தேர்வை எவ்வாறு நடத்துவது என்பதை நீங்கள் கற்றுக் கொள்வீர்கள்.

பொருள் தேர்வு சிக்கலை சரியாக நிறுவுதல்

ஒரு மோசமான பொருள் தேர்வு பெரும்பாலும் ஒரு மோசமான மாதிரியிலிருந்து எழுகிறது, ஆனால் தவறாக வரையறுக்கப்பட்ட சிக்கலில் இருந்து எழுகிறது. AIயிடம் "சிறந்த பொருள் எது" என்று கேட்பது அர்த்தமற்றது; ஏனெனில் "சிறந்தது" என்பது எந்தக் கட்டுப்பாட்டின் கீழ் எந்தச் செயல்பாட்டைச் செய்யும் என்பதைப் பொறுத்தது. ஒரு ஒலி பொருள் தேர்வு சிக்கல் இந்த நான்கு கூறுகளால் வரையறுக்கப்படுகிறது:

• செயல்பாடு: துண்டு என்ன செய்யும்? (எ.கா. அச்சு சுமையை சுமந்து செல்லும் கம்பி, அழுத்தத்தை எதிர்க்கும் பாத்திரம்.)
• கட்டுப்பாடுகள்: வரம்புகளை மீறக்கூடாது. (எ.கா. மகசூல் வலிமை ≥ 350 MPa, இயக்க வெப்பநிலை 200 °C, உப்பு நீருக்கு எதிர்ப்பு.)
• குறிக்கோள்: எதைக் குறைப்போம்/அதிகப்படுத்துவோம்? (எ.கா. எடையைக் குறைத்தல், செலவைக் குறைத்தல்.)
• இலவச மாறி: நாம் எதை தேர்வு செய்யலாம்? (பொருள் மற்றும் பெரும்பாலும் ஒரு பரிமாணம், எ.கா. பிரிவு.)

இந்த கட்டமைப்பானது ஆஷ்பியின் பொருள் தேர்வு அணுகுமுறையின் அடிப்படையாகும். செயல்திறன் குறியீடானது ஒரு குறிப்பிட்ட நோக்கத்தை சிறப்பாக பூர்த்தி செய்யும் பொருள் பண்புகளின் கலவையை வழங்கும் ஒரு வெளிப்பாடு ஆகும்; எடுத்துக்காட்டாக, ஒரு குறிப்பிட்ட விறைப்புத்தன்மையின் லேசான கற்றைக்கு குறிப்பிட்ட வலிமை போன்ற ஒரு குறியீடு பயன்படுத்தப்படுகிறது. செயல்பாடு மற்றும் கட்டுப்பாடுகளைக் கருத்தில் கொண்டு, சரியான செயல்திறன் குறியீட்டைப் பெறவும், வேட்பாளர் பொருள் வகுப்புகளை வரிசைப்படுத்தவும் AI உங்களுக்கு உதவும் - ஆனால் அது பெறப்பட்ட குறியீட்டின் இயற்பியல் வழித்தோன்றலைச் சரிபார்க்கவும்.

படிப்படியாக: AI-இயங்கும் பொருள் தேர்வு

1. தேவைகளை எழுதவும்: செயல்பாடு, கட்டுப்பாடுகள், நோக்கம், இலவச மாறி. அது எண் மற்றும் அளவிடக்கூடியதாக இருக்கட்டும்.
2. வேட்பாளர் வகுப்புகளை அடையாளம் காணவும்: பொருள் வகுப்புகளை (எஃகு, துருப்பிடிக்காத, அலுமினிய உலோகக்கலவைகள், டைட்டானியம், பாலிமர்கள், கலவைகள்) பட்டியலிட AI ஐக் கேளுங்கள் மற்றும் இந்தச் செயல்பாட்டிற்கான ஒவ்வொன்றின் பொருத்தத்தையும் நியாயப்படுத்தவும்.
3. கட்டுப்பாட்டுடன் நீக்கவும்: கட்டுப்பாடுகளை சந்திக்காத தரங்களை அகற்றவும் (எ.கா. அரிப்பு கட்டுப்பாடு கார்பன் ஸ்டீலை நீக்குகிறது).
4. செயல்திறன் குறியீட்டின்படி வரிசைப்படுத்தவும்: மீதமுள்ள வேட்பாளர்களை நோக்கத்தின்படி வரிசைப்படுத்தவும் (இலகு, செலவு).
5. முடிவு மேட்ரிக்ஸை அமைக்கவும்: இறுதி வேட்பாளர்களை எடையுள்ள மதிப்பெண் அட்டவணையுடன் ஒப்பிடவும்.
6. சரிபார்க்கவும்: தரவுத் தாள்/தரநிலையிலிருந்து தேர்ந்தெடுக்கப்பட்ட பொருளின் சொத்து மதிப்புகளைப் பெறவும், வழங்கல் மற்றும் விலையை உறுதிப்படுத்தவும், தேவைப்பட்டால் மாதிரியை சோதிக்கவும்.

உதவிக்குறிப்பு: AI வழங்கிய பொருள் பண்புகளை இறுதி மதிப்புகளாக எடுத்துக்கொள்ள வேண்டாம். "6061-T6 அலுமினியத்தின் மகசூல் வலிமை 276 MPa" என்று AI கூறினாலும், உண்மையான மதிப்பு, கோப நிலை, அரை முடிக்கப்பட்ட தயாரிப்பு வடிவம் (தட்டு, பட்டை, வெளியேற்றம்) மற்றும் பகுதியின் தடிமன் ஆகியவற்றைப் பொறுத்து மாறுபடும். EN/ASTM தரவுத் தாளில் இருந்து மதிப்பை உறுதிப்படுத்தவும்.

எடையுள்ள முடிவு அணி

இறுதி வேட்பாளர்களைத் தேர்ந்தெடுக்கும்போது எடையுள்ள முடிவு மேட்ரிக்ஸ் ஒரு வெளிப்படையான மற்றும் பாதுகாக்கக்கூடிய முறையாகும். ஒவ்வொரு அளவுகோலுக்கும் முக்கியத்துவம் கொடுக்கப்பட்டு, ஒவ்வொரு வேட்பாளருக்கும் ஒவ்வொரு அளவுகோலில் மதிப்பெண்கள் கொடுக்கப்பட்டு, மொத்த எடை கணக்கிடப்படுகிறது. கீழே கடல்நீர் பம்ப் தண்டின் உதாரணம் (மதிப்பெண்கள் 1–5, எடைகளின் கூட்டுத்தொகை 1.0).

அளவுகோல்

எடை

316L துருப்பிடிக்காத

டூப்ளக்ஸ் 2205

நி-அல் வெண்கலம்

அரிப்பு எதிர்ப்பு (கடல் நீர்)

0.35

3

5

4

விளைச்சல் வலிமை

0.25

3

5

3

இயந்திரத்திறன்

0.15

4

3

4

செலவு (குறைந்தால் நல்லது)

0.15

4

3

2

வழங்கல்/முன்னணி நேரம்

0.10

5

3

3

எடையுள்ள மொத்த

1.00

3.40

4.30

3.45

இந்த அட்டவணை duplex 2205 ஐ எடுத்துக்காட்டுகிறது; ஆனால் அட்டவணை ஒரு முடிவு அல்ல, அது விவாதத்திற்கான தளம். எடைகள் மற்றும் மதிப்பெண்களை நீங்கள் தீர்மானிக்கிறீர்கள்; AI அவற்றைத் தொடர்ந்து கணக்கிட்டு நியாயப்படுத்துகிறது. மதிப்பெண்களுக்கான அடிப்படை (அரிப்புக்கான PREN மதிப்பு, வலிமைக்கான நிலையான குறைந்தபட்ச மதிப்பு) சரிபார்க்கப்பட வேண்டும்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - தவறான மனநிலை, தவறான வலிமை. ஒரு வடிவமைப்பாளர் AIயிடம் "6061 அலுமினியத்தின் மகசூல் வலிமை" என்று ஒரு அடைப்புக்குறியைக் கேட்கிறார்; AI "276 MPa" என்று கூறுகிறது. வடிவமைப்பாளர் இந்த மதிப்பைப் பயன்படுத்துகிறார், ஆனால் வழங்கப்பட்ட பொருள் T4 தன்மையில் உள்ளது மற்றும் ~145 MPa மகசூல் வலிமையைக் கொண்டுள்ளது. எதிர்பார்க்கப்படும் சுமையை விட குறைந்த நேரத்தில் பகுதி நிரந்தரமாக சிதைந்துவிடும். பாடம்: சொத்து மதிப்பு பொருளின் நிலையைப் பொறுத்தது (T4/T6); AI வழங்கிய மதிப்பு, கோபத்தைக் குறிப்பிடாமல் அர்த்தமற்றது மற்றும் தரவுத் தாளில் இருந்து உறுதிப்படுத்தப்பட வேண்டும்.

வழக்கு 2 - சரியான நீக்கம். 6 பார் அழுத்தம் மற்றும் நிலையான உப்பு நீர் தொடர்பில் செயல்படும் வால்வு உடலுக்கான AI இலிருந்து வேட்பாளர்களின் பட்டியலை ஒரு குழு கோருகிறது. கார்பன் ஸ்டீல் மற்றும் குறைந்த அலாய் ஸ்டீல்களை அரிப்பு வரம்பு காரணமாக AI நீக்குகிறது; 316L டூப்ளக்ஸ் மற்றும் வெண்கலத்தை பரிந்துரைக்கிறது மற்றும் ஒவ்வொன்றிற்கும் PREN (பிட்டிங் ரெசிஸ்டன்ஸ் சமமான எண்) கருத்தை விளக்குகிறது. குழு இந்த பூர்வாங்க திரையிடலை ஏற்றுக்கொள்கிறது, ஆனால் உண்மையான குளோரின் செறிவு மற்றும் வெப்பநிலை அரிப்பு சோதனை தரவுகளின் அடிப்படையில் இறுதி முடிவை எடுக்கிறது. AI அகற்றப்பட்டு பரிசோதனை செய்யப்பட்டது.

வழக்கு 3 - செலவின் உண்மை. ஒரு தயாரிப்புக்கு, டைட்டானியம் Ti-6Al-4V ஐ AI பரிந்துரைக்கிறது; இது லேசான தன்மை மற்றும் அரிப்பு அடிப்படையில் சிறந்தது. இருப்பினும், ஆண்டுக்கு 50,000 யூனிட்களில் பாகம் உற்பத்தி செய்யப்படும் மற்றும் விலை அழுத்தம் உள்ளது என்ற சூழல் கொடுக்கப்படவில்லை. ஒரு கிலோகிராம் விலை மற்றும் டைட்டானியத்தின் செயலாக்க சிரமம் ஆகியவை தயாரிப்பை வணிக ரீதியாக சாத்தியமற்றதாக ஆக்குகிறது. குழு சூழலைச் சேர்த்து மீண்டும் கேட்கிறது; இந்த முறை செலவு குறைந்த துருப்பிடிக்காத எஃகு தேர்ந்தெடுக்கப்பட்டது. பாடம்: ஆரம்பத்தில் இருந்தே நீங்கள் செலவு மற்றும் உற்பத்தித்திறன் கட்டுப்பாடுகளை வழங்கவில்லை என்றால், AI தொழில்நுட்ப ரீதியாக சரியான ஆனால் வணிக ரீதியாக தவறான ஆலோசனையை வழங்கும்.

நகலெடுக்கக்கூடிய உடனடி வார்ப்புருக்கள்

பொருள் தேர்வு கட்டமைப்பு வார்ப்புரு"பங்கு: நீங்கள் உதவி பொருள் தேர்வு நிபுணர். பகுதி: [விளக்கம்]. கீழே உள்ள சட்டத்தை நிரப்பவும்:- செயல்பாடு: [...]- கட்டுப்பாடுகள் (எண்கள்): [வலிமை, வெப்பநிலை, அரிப்பு, எடை...]- நோக்கம்: [குறைக்கப்பட வேண்டும்: எடை/செலவுக்கு ஏற்றவாறு]- அதற்கேற்ப, அதை படிப்படியாகக் காட்டுங்கள், சொத்து மதிப்புகளை மூலத்துடன் கொடுத்து, 'டேட்டாஷீட்டிலிருந்து சரிபார்க்க வேண்டும்' என்ற எச்சரிக்கையைச் சேர்க்கவும்."

வேட்பாளர் ஸ்கிரீனிங் டெம்ப்ளேட்"பின்வரும் கட்டுப்பாடுகளை பூர்த்தி செய்யாத பொருள் வகுப்புகளை கையொப்பமிட்டு நியாயப்படுத்தவும்: [பட்டியல் கட்டுப்பாடுகள்]. மீதமுள்ள வேட்பாளர்களை நோக்கத்தின்படி வரிசைப்படுத்தவும். எந்த தரநிலையின்படி (எ.கா. EN, ASTM) ஒவ்வொரு வேட்பாளரும் வரையறுக்கப்பட்டதைக் குறிப்பிடவும். சரியான சொத்து எண்களைக் கொடுக்க வேண்டாம்; வரம்பு மற்றும் 'சரிபார்க்கப்பட வேண்டும்' மதிப்பீட்டைக் கொடுங்கள்."

முடிவு மேட்ரிக்ஸ் டெம்ப்ளேட் "பின்வரும் விண்ணப்பதாரர்களுக்கு எடையிடப்பட்ட முடிவு அணியை அமைக்கவும்: [வேட்பாளர்கள்]. எனது அளவுகோல்கள் மற்றும் எடைகள்: [criteria=weight list]. ஒவ்வொரு வேட்பாளரையும் 1-5 புள்ளிகளுடன் மதிப்பிட்டு, ஒவ்வொரு மதிப்பெண்ணையும் (எந்த அம்சம், எந்த ஆதாரம்) அடிப்படையில் ஒரு வாக்கியத்தில் எழுதவும். மொத்த மதிப்பெண்ணைக் கணக்கிடவும். சரிபார்க்கப்பட்டது'."

அரிப்பு இணக்கத்தன்மை டெம்ப்ளேட் "சுற்றுச்சூழல்: [வெப்பநிலை, குளோரின்/ஆசிட் செறிவு, pH]. ஸ்டெயின்லெஸ் தேர்விற்கான PREN காரணத்தை விளக்கி, எந்தச் சோதனை (எ.கா. ASTM G48 பிட் சோதனை) மூலம் சரிபார்க்கப்பட வேண்டும் என்பதைக் கூறவும். தேர்வு செய்யாமல் பொருள் தேர்வை இறுதி செய்ய வேண்டாம்."

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான அறிவுறுத்தல்: "கடல் நீரில் பயன்படுத்தப்படும் பம்ப் தண்டுக்கு சிறந்த பொருள் எது?"

வலுவான தூண்டுதல்:"பாத்திரம்: நீங்கள் பொருள் தேர்வு நிபுணர். பகுதி: மையவிலக்கு கடல்நீர் பம்ப் தண்டு. கட்டுப்பாடுகள்: தொடர்ச்சியான கடல் நீர் தொடர்பு (~20,000 பிபிஎம் குளோரைடு, 25-40 °C), மகசூல் வலிமை ≥ 450 MPa, சோர்வு சுமை கிடைக்கும், லேத் மூலம் இயந்திரம் செய்ய, ஒரு வருடத்திற்கு குறைந்தபட்சம். துருப்பிடிக்காத மற்றும் வெண்கலங்கள் ஒவ்வொன்றிற்கும் எந்த தரநிலை மற்றும் எந்த சரிபார்ப்பு சோதனை தேவை என்பதை எழுதவும், இறுதி செய்யவும்.

சக்திவாய்ந்த உடனடி; இது சுற்றுச்சூழலை எண்ணியல் ரீதியாக வழங்குகிறது, வலிமைக் கட்டுப்பாட்டை அமைக்கிறது, உற்பத்தி அளவு மற்றும் செலவு நோக்கத்தைக் குறிப்பிடுகிறது மற்றும் சரிபார்ப்புச் சோதனையைக் கோருகிறது. எனவே, வணிக ரீதியாகவும் தொழில்நுட்ப ரீதியாகவும் பொருத்தமான வேட்பாளர்களின் பட்டியலை AI உருவாக்குகிறது.

பொதுவான தவறுகள்

• செயல்பாடு மற்றும் கட்டுப்பாடுகளை கணக்கிடாமல் "சிறந்த பொருள்" கேட்கிறது.
• பொருளின் நிலையை (கோபம், வடிவம், பிரிவு) குறிப்பிடாமல் சொத்து மதிப்பைப் பெறுதல்.
• செலவு, வழங்கல் மற்றும் உற்பத்தித்திறன் தடையை சூழலில் வைக்கவில்லை.
• AI பெறுகின்ற செயல்திறன் குறியீட்டின் இயற்பியல் வழித்தோன்றலைக் கட்டுப்படுத்தவில்லை.
• முடிவு மேட்ரிக்ஸில் உள்ள மதிப்பெண்களுக்கான அடிப்படையை சரிபார்க்காமல் முடிவை உறுதியானதாக எடுத்துக் கொள்ளுதல்.
• பரிசோதனையின்றி அரிப்பு போன்ற சூழல் சார்ந்த முடிவுகளை உறுதி செய்தல்.

சுருக்கமாக

பொருள் தேர்வில், AI என்பது செயல்பாடு மற்றும் கட்டுப்பாடுகளை நீங்கள் தெளிவுபடுத்தியவுடன் ஒரு சக்திவாய்ந்த முடிவு ஆதரவு கருவியாகும்: இது வேட்பாளர்களின் பட்டியலை உருவாக்குகிறது, செயல்திறன் குறியீட்டைப் பெறுகிறது, ஒரு முடிவு மேட்ரிக்ஸை உருவாக்குகிறது மற்றும் நியாயத்தை எழுதுகிறது. இருப்பினும், ஒவ்வொரு சொத்து மதிப்பும் தரவுத் தாள் மற்றும் தரநிலையிலிருந்து சரிபார்க்கப்பட வேண்டும், மேலும் ஒவ்வொரு அரிப்பு/எதிர்ப்பு முக்கியமான முடிவும் பரிசோதனை மூலம் சரிபார்க்கப்பட வேண்டும். செயல்பாடு-கட்டுப்பாடு-புறநிலை-இலவச மாறியின் கட்டமைப்பிற்குள் சிக்கலை உருவாக்குவது ஒரு நல்ல தேர்வில் பாதி.

விண்ணப்ப பணி

உண்மையான அல்லது கற்பனையான பகுதியைத் தேர்ந்தெடுக்கவும் (எ.கா. வெளிப்புற ஃபாஸ்டென்னர்). செயல்பாடு, கட்டுப்பாடுகள், புறநிலை மற்றும் இலவச மாறி ஆகியவற்றை எண்ணாக எழுதவும். "மெட்டீரியல் செலக்ஷன் ஃப்ரேம்வொர்க்" டெம்ப்ளேட்டுடன் AI இலிருந்து வேட்பாளர் பட்டியல் மற்றும் செயல்திறன் குறியீட்டைக் கோரவும். பின்னர் "முடிவு மேட்ரிக்ஸ்" டெம்ப்ளேட்டை குறைந்தது மூன்று வேட்பாளர்களுடன் நிரப்பவும். இறுதியாக, நீங்கள் தேர்ந்தெடுத்த பொருளின் மகசூல் வலிமை மற்றும் அரிப்பு நடத்தை சரிபார்க்க எந்த தரநிலை மற்றும் சோதனையைப் பயன்படுத்துவீர்கள் என்பதை ஒரு பத்தியில் எழுதுங்கள்.

சரிபார்ப்பு பட்டியல்

• [ ] செயல்பாடு, கட்டுப்பாடுகள், நோக்கம் மற்றும் இலவச மாறி ஆகியவற்றை எண்ணியல் ரீதியாக வரையறுத்துள்ளேன்.
• [ ] கட்டுப்பாடுகளை நியாயத்துடன் சந்திக்காத வகுப்புகளை நான் அகற்றினேன்.
• [ ] பொருள் நிலையை (கோபம்/வடிவம்) குறிப்பிடுவதன் மூலம் சொத்து மதிப்புகளைப் பெற்றேன்.
• முடிவு மேட்ரிக்ஸ் மதிப்பெண்களுக்கான அடிப்படையை நான் குறிப்பிட்டேன்.
• [ ] நான் செலவு, வழங்கல் மற்றும் உற்பத்தித்திறன் ஆகியவற்றை சூழலில் வைத்தேன்.
• [ ] தரவுத் தாள், நிலையான மற்றும் தேவையான பரிசோதனை மூலம் தேர்வைச் சரிபார்க்க ஒரு திட்டத்தைச் செய்தேன்.