กิจการที่มีความสำคัญต่อความปลอดภัย จริยธรรม ความเป็นส่วนตัว และความรับผิดชอบ — ปัญญาประดิษฐ์ในสาขาวิศวกรรมเครื่องกล

กำไร:

ความสามารถในการประเมินขีดจำกัดและข้อกำหนดการตรวจสอบของ AI ในงานวิศวกรรมที่มีความสำคัญต่อความปลอดภัย
ความสามารถในการจัดการความเป็นส่วนตัว นโยบายข้อมูล และความเสี่ยงด้านทรัพย์สินทางปัญญาในการออกแบบที่เป็นความลับ/การแบ่งปันข้อมูล
ความสามารถในการโต้แย้งในทางปฏิบัติว่าเอาต์พุต AI ไม่สามารถแทนที่การอนุมัติของวิศวกรและความรับผิดชอบในการลงนามได้

ในงานวิศวกรรมเครื่องกล ผลลัพธ์บางส่วนไม่ใช่ทางเลือกที่สวยงาม แต่เป็นเรื่องของความปลอดภัยในชีวิตและทรัพย์สินของมนุษย์ เช่น เบรกลิฟต์ ถังแรงดัน อุปกรณ์ยก ชิ้นส่วนระบบกันสะเทือนของรถยนต์ ในงานที่มีความสำคัญต่อความปลอดภัยเหล่านี้ ข้อผิดพลาดอาจส่งผลให้เกิดการบาดเจ็บหรือเสียชีวิตได้ ปัญญาประดิษฐ์ (AI) ก็เป็นตัวเร่งในด้านเหล่านี้เช่นกัน แต่ขอบเขตของมันปรากฏชัดเจนที่สุดที่นี่ หน่วยนี้เป็นแกนหลักด้านจริยธรรมและความรับผิดชอบของโมดูลและมีศูนย์กลางอยู่ที่หลักการเดียว: เอาท์พุต AI ไม่สามารถทดแทนการตรวจสอบ การอนุมัติ และการลงนามของวิศวกรผู้มีความสามารถในงานที่มีความสำคัญด้านความปลอดภัยใดๆ AI สามารถเป็นพิมพ์เขียว ข้อมูลเข้า หรือตาที่สองได้ แต่เขาไม่สามารถรับผิดชอบได้เพราะความรับผิดชอบทางกฎหมายและจริยธรรมเป็นของวิศวกรที่ลงนาม นอกจากนี้ จะต้องจัดการความเสี่ยงที่สำคัญอีกสองประการ: การรักษาความลับ (การออกแบบของบริษัท ข้อมูลลูกค้า แนวคิดที่ไม่ได้รับการจดสิทธิบัตร) และความถูกต้อง (ภาพหลอน) ในหน่วยนี้ คุณจะได้เรียนรู้ขีดจำกัดของ AI ในการทำงานที่มีความสำคัญด้านความปลอดภัย ความเป็นส่วนตัว และความเสี่ยงด้านทรัพย์สินทางปัญญา และเหตุใดความรับผิดจึงไม่สามารถมอบหมายได้

ความปลอดภัยเป็นสิ่งสำคัญ นี่คือสถานที่และขีดจำกัดของ AI

ไม่ว่างานนั้นจะ "มีความสำคัญต่อความปลอดภัย" หรือไม่นั้น ขึ้นอยู่กับความรุนแรงของผลลัพธ์ในกรณีที่เกิดข้อผิดพลาด ในระดับนี้ บทบาทของ AI จะแคบลง เช่น การสร้างแนวคิด การร่าง การทำรายการตรวจสอบ ใช่; แต่การอนุมัติบัญชีขั้นสุดท้าย การพิจารณาคดี "ปลอดภัย" หรือการอนุมัติการผลิตถือเป็นสิ่งที่ไม่ควร ความแตกต่างต่อไปนี้ทำให้เป็นรูปธรรม:

ประเภทธุรกิจ

บทบาทที่เหมาะสมของ AI

บทบาทที่แยกไม่ออกของวิศวกร

ประจำความเสี่ยงต่ำ

ร่าง ระบบอัตโนมัติ บัญชีแรก

ทบทวน

ความเสี่ยงปานกลาง

ทางเลือก รายการตรวจสอบ การวิเคราะห์เบื้องต้น

การตรวจสอบและการตัดสินใจ

ความปลอดภัยที่สำคัญ

ร่าง/ตาที่สองเท่านั้น

การวิเคราะห์ การทดสอบ การอนุมัติ การลงนาม ความรับผิดชอบ

หลักการสำคัญ: ไม่ว่าผลลัพธ์ของ AI จะน่าเชื่อแค่ไหนก็ตาม มันคือสมมติฐานและพิมพ์เขียว การคำนวณที่มีความสำคัญด้านความปลอดภัยจะทำซ้ำโดยอิสระ ตรวจสอบตามมาตรฐาน ทดสอบหากจำเป็น และลงนามโดยวิศวกรผู้มีความสามารถ ลายเซ็นหมายถึง "ฉันได้ยืนยันสิ่งนี้แล้วและฉันต้องรับผิดชอบในเรื่องนี้"; โมเดลภาษาไม่สามารถสร้างคำสั่งนี้ได้

เคล็ดลับ: ถามตัวเองด้วยคำถามนี้กับทุกเอาต์พุตของ AI: “หากสิ่งนี้ผิด ใครได้รับบาดเจ็บและใครเป็นผู้รับผิดชอบ” หากคำตอบคือ "ผู้คนได้รับบาดเจ็บ ฉันรับผิดชอบ" ผลลัพธ์นั้นจะไม่ผ่านการตรวจสอบมาตรฐานสูงสุด

ภาพหลอนและกับดักความมั่นใจมากเกินไป

คุณสมบัติที่อันตรายที่สุดของ AI คือการนำเสนอข้อมูลเท็จด้วยความมั่นใจเช่นเดียวกับข้อมูลที่ถูกต้อง เขาสามารถสร้างรายการมาตรฐาน ให้ค่าวัสดุที่ไม่ถูกต้อง ใช้สูตรไม่ถูกต้อง และเขียนทั้งหมดด้วยภาษาที่คล่องแคล่วและเป็นมืออาชีพ เมื่อมีการเพิ่มอคติความมั่นใจมากเกินไป (อคติของระบบอัตโนมัติ แนวโน้มของมนุษย์ที่จะเชื่อถือเอาต์พุตของระบบอัตโนมัติมากเกินไป) เข้ากับสิ่งนี้ อันตรายก็เพิ่มมากขึ้น: วิศวกรอาจยอมรับเอาต์พุตที่ดูดีบนหน้าจอโดยไม่ต้องตรวจสอบ การป้องกันเป็นนิสัยทางวัฒนธรรม: การมองว่าผลลัพธ์ของ AI นั้น "น่าสงสัยจนกว่าจะพิสูจน์เป็นอย่างอื่น" มากกว่าที่จะ "อาจเป็นจริง"

ข้อควรระวัง: "AI ดูมั่นใจ" ไม่ใช่การป้องกัน “นั่นคือสิ่งที่ AI พูด” ไม่ใช่ข้อแก้ตัวในการสอบสวนอุบัติเหตุ การตรวจสอบ หรือการฟ้องร้อง ความรับผิดชอบยังคงอยู่กับวิศวกรที่ได้รับอนุมัติ ลองนึกถึง AI เหมือนเด็กฝึกงานที่ไม่เคยแบ่งปันความรับผิดชอบแต่บางครั้งก็ผิดพลาดอย่างมาก คุณรับฟังความคิดเห็นของเขา คุณไม่เคยเซ็นสัญญากับงานของเขาโดยไม่ตรวจสอบ

นโยบายความเป็นส่วนตัว ทรัพย์สินทางปัญญา และข้อมูล

ความเสี่ยงที่ใหญ่เป็นอันดับสองคือความเป็นส่วนตัว การอัปโหลดการออกแบบที่ไม่ได้รับสิทธิบัตรของบริษัท ข้อมูลของลูกค้า หรือโซลูชันที่มีความละเอียดอ่อนทางการแข่งขันไปยังเครื่องมือ AI สาธารณะที่ไม่ทราบนโยบายข้อมูล อาจส่งผลให้เกิดการสูญเสียทรัพย์สินทางปัญญา การละเมิดการรักษาความลับ และการละเมิดสัญญา เครื่องมือบางอย่างสามารถใช้อินพุตเพื่อฝึกโมเดล เรขาคณิตลับที่คุณอัปโหลดอาจถูกเปิดเผยต่อผู้อื่น แนวทางที่ถูกต้อง: ปฏิบัติตามนโยบายข้อมูลของบริษัท การทำให้ข้อมูลที่ละเอียดอ่อนไม่เปิดเผยตัวตน (ลบข้อมูลที่ระบุตัวบุคคลและจัดวางเป็นรูปแบบสาธารณะ) หรือใช้องค์กร/เครื่องมือแยกส่วนซึ่งข้อมูลจะไม่สูญหาย

ทีละขั้นตอน: การใช้ AI ที่ปลอดภัยและมีจริยธรรม

จำแนกความเสี่ยง งานนี้มีความสำคัญต่อความปลอดภัยหรือไม่ หากเกิดข้อผิดพลาดจะเกิดผลที่ตามมาอย่างไร
คำนึงถึงความเป็นส่วนตัว ข้อมูลนี้สามารถออกไปได้หรือไม่ นโยบายบอกว่าอย่างไร?
ไม่ระบุชื่อหรือใช้เครื่องมือที่แยกออกมา ลบข้อมูลที่ละเอียดอ่อน
ใช้ AI เป็นร่าง/ตาที่สอง มันไม่ใช่การอนุมัติ มันเป็นอินพุต
ตรวจสอบอย่างอิสระ การสืบพันธุ์ มาตรฐาน การทดสอบ
วิศวกรผู้มีความสามารถอนุมัติและลงนาม ไม่สามารถมอบหมายความรับผิดชอบได้ บันทึกการตรวจสอบย้อนกลับจะถูกเก็บไว้

พร้อมท์การประเมินความเสี่ยงและความเป็นส่วนตัว

บทบาท: ที่ปรึกษาด้านจริยธรรมทางวิศวกรรมและการบริหารความเสี่ยง งาน: ประเมินงานต่อไปนี้ในแง่ของความสำคัญด้านความปลอดภัยและการรักษาความลับ งาน: [รายละเอียดงาน; ผลลัพธ์ที่เป็นไปได้ในกรณีที่เกิดข้อผิดพลาด ประเภทของข้อมูลที่จะแบ่งปัน]ผลลัพธ์:- ระดับความเสี่ยง (งานประจำ / ปานกลาง / วิกฤตด้านความปลอดภัย) และการให้เหตุผล- ฉันให้ AI ทำอะไรในงานนี้ได้บ้าง ทำอะไรไม่ได้- มีความเสี่ยงด้านความเป็นส่วนตัวหรือไม่ ข้อมูลควรถูกทำให้ไม่ระบุชื่อ; จำเป็นต้องมียานพาหนะแยกส่วนหรือไม่? กฎ: เน้นย้ำว่าการอนุมัติขั้นสุดท้ายและความรับผิดชอบยังคงเป็นของวิศวกรที่มีความสามารถ

พรอมต์การลบข้อมูลระบุตัวตน

ฉันจะถามปัญหาการออกแบบกับ AI แต่ฉันไม่ต้องการเปิดเผยข้อมูลบริษัท ไม่ระบุชื่อบริบทต่อไปนี้: ละเว้นชื่อบริษัท ชื่อผลิตภัณฑ์ ลูกค้า และตัวชี้วัดเชิงพรรณนา เขียนปัญหาใหม่ในแง่วิศวกรรมทั่วไปเพื่อไม่ให้ข้อมูลที่ละเอียดอ่อนรั่วไหล แต่แกนกลางทางเทคนิคยังคงอยู่ บริบท: [ข้อความ]

พรอมต์วินัยการตรวจสอบ

ตรวจสอบบัญชีที่มีความสำคัญต่อความปลอดภัยนี้ในฐานะผู้ตรวจสอบอิสระ ไม่ต้องเข้าร่วมกับฉันเลย สูตรคำถาม หน่วย สมมติฐาน และการปฏิบัติตามมาตรฐาน สร้างผลลัพธ์ด้วยวิธีอิสระและแสดงความแตกต่าง สำหรับการค้นพบแต่ละครั้ง ให้เขียนว่า "ฉันจะพิสูจน์/ทดสอบสิ่งนี้ได้อย่างไร" กฎ: คุณไม่สามารถยืนยันได้ ลบเฉพาะคะแนนที่จะตรวจสอบเท่านั้น [บัญชี]

พร้อมท์การลงทะเบียนความรับผิดชอบ

เขียนบันทึกการตรวจสอบย้อนกลับ/การตัดสินใจแบบร่างสำหรับการตัดสินใจในการออกแบบนี้ ฟิลด์: การตัดสินใจ พื้นฐาน (การคำนวณ/มาตรฐาน/การทดสอบ) การมีส่วนร่วมของ AI (แบบร่าง?) วิธีการตรวจสอบอิสระ วิศวกรที่อนุมัติ วันที่ ฟิลด์ลายเซ็น กฎ: ติดป้ายกำกับการมีส่วนร่วมของ AI อย่างชัดเจนว่าเป็น “แบบร่าง/ช่วยเหลือ”; เว้นช่องการยืนยันว่างไว้

พรอมต์ที่อ่อนแอ / พรอมต์ที่แข็งแกร่ง

พรอมต์ที่อ่อนแอ:

การออกแบบเบรกลิฟต์นี้ปลอดภัยหรือไม่ โปรดยืนยัน

AI ไม่สามารถและไม่ควรจัดให้มีการกวาดล้างด้านความปลอดภัย ถ้าเขาพูดว่า "ปลอดภัย" ก็จะทำให้เข้าใจผิดและเป็นอันตรายเพราะเขาไม่สามารถรับผิดชอบได้

พรอมต์อันทรงพลัง:

ทบทวนการคำนวณเบรกนี้ในฐานะผู้ตรวจสอบอิสระ การมีส่วนร่วม จุดอ่อน และสมมติฐานที่ต้องตรวจสอบ สร้างผลลัพธ์อย่างอิสระและแสดงความแตกต่าง รู้ว่าฉันได้รับการอนุมัติและความรับผิดชอบ คุณเพียงแค่ระบุจุดตรวจ

พรอมต์ที่สองทำให้ AI เป็นเครื่องมือในการควบคุมที่สำคัญ ไม่ใช่อำนาจในการอนุมัติ คงความรับผิดชอบให้กับวิศวกร

มินิเคสสามอัน (ตามตัวเลข)

กรณีที่ 1 - ความรับผิดของผู้ลงนาม วิศวกรจะใช้การคำนวณขอเกี่ยวยกที่ AI เตรียมไว้ภายใน 2 ชั่วโมง ตะขอจะยกได้ 2 ตัน การแตกร้าวอาจถึงแก่ชีวิตได้ วิศวกรทำการคำนวณซ้ำโดยอิสระ แก้ไขปัจจัยด้านความปลอดภัยให้เป็น ≥ 4 ที่กำหนดโดยมาตรฐาน แทนที่จะเป็น 1.8 ที่กำหนดโดย AI และขยายรูปทรงเรขาคณิต ตัวเลขของ AI "ดูเหมือนสมเหตุสมผล" แต่ไม่เป็นไปตามเกณฑ์ที่วิกฤตด้านความปลอดภัย เขาลงนามหลังจากการตรวจสอบเท่านั้น บทเรียน: การอนุมัติและการตัดสินใจเรื่องปัจจัยด้านความปลอดภัยไม่สามารถถ่ายโอนได้

กรณีที่ 2 - การออกแบบที่รั่วไหล เด็กฝึกงานโหลดกลไกใหม่ที่ไม่ได้รับสิทธิบัตรจากบริษัทลงในเครื่องมือ AI ที่เปิดเผยต่อสาธารณะและพูดว่า "เพิ่มประสิทธิภาพ" นโยบายข้อมูลของเครื่องมือจัดเก็บข้อมูลอินพุตและสามารถนำไปใช้ในการฝึกอบรมได้ เมื่อบริษัททราบเรื่องนี้ ทีมกฎหมายก็เข้ามา กลยุทธ์ด้านสิทธิบัตรประสบปัญหาเนื่องจากความเสี่ยงด้านทรัพย์สินทางปัญญา วิธีที่ถูกต้องคือการไม่เปิดเผยชื่อกลไกหรือใช้การแยกองค์กร บทเรียน: นโยบายการออกแบบที่เป็นความลับห้ามเข้าไปในยานพาหนะที่ไม่รู้จัก

กรณีที่ 3 - บันทึกการลบข้อมูลระบุตัวตน วิศวกรต้องการหารือเกี่ยวกับปัญหาตัวลดเฉพาะสำหรับลูกค้าที่มี AI แต่ลูกค้าและผลิตภัณฑ์เป็นความลับ โดยจะไม่เปิดเผยบริบท: ลบชื่อบริษัท/ผลิตภัณฑ์ ขนาดที่สื่อความหมาย และเขียนปัญหาใหม่เป็น "ตัวลดทั่วไปสำหรับอัตราทดเกียร์และแรงบิดที่กำหนด" มันใช้ประโยชน์จาก AI โดยไม่ทำให้ข้อมูลที่ละเอียดอ่อนรั่วไหล โดยยังคงรักษาสาระสำคัญทางเทคนิค บทเรียน: การไม่เปิดเผยตัวตนเป็นเส้นทางที่ปลอดภัยระหว่างความเป็นส่วนตัวและประสิทธิภาพ

ข้อผิดพลาดทั่วไป

ให้อำนาจการอนุมัติแก่ AI: บอกว่าปลอดภัยอนุมัติหรือไม่ และพยายามมอบหมายความรับผิดชอบ
ความมั่นใจมากเกินไป (อคติอัตโนมัติ): การยอมรับผลลัพธ์ที่โน้มน้าวใจโดยไม่ตรวจสอบ
การอัปโหลดข้อมูลที่เป็นความลับไปยังเครื่องมือสาธารณะ: การแชร์การออกแบบ/ข้อมูลลูกค้าโดยไม่ทราบนโยบาย
การหลีกเลี่ยงการเปิดเผยตัวตน: การถามปัญหาที่ละเอียดอ่อนโดยไม่ต้องลบข้อมูลที่ระบุตัวบุคคลออก
ไม่เก็บบันทึกการตรวจสอบย้อนกลับ: ไม่บันทึกการมีส่วนร่วมและการตรวจสอบความถูกต้องของ AI
การประเมินปัจจัยด้านความปลอดภัยต่ำเกินไป: การข้ามเกณฑ์วิกฤตด้านความปลอดภัยด้วยค่าที่ต่ำที่กำหนดโดย AI

โดยสรุป

ในงานที่มีความสำคัญด้านความปลอดภัย AI สามารถเป็นพิมพ์เขียวและเป็นตาที่สองได้ การอนุมัติ ลายเซ็น และความรับผิดชอบเป็นของวิศวกรผู้มีความสามารถ
AI นำเสนอสิ่งที่ผิดว่าน่าเชื่อและถูก ทัศนคติ "สงสัยจนกว่าจะพิสูจน์เป็นอย่างอื่น" ถือเป็นสิ่งสำคัญต่ออคติต่อความมั่นใจมากเกินไป
“AI ดูมั่นใจ” ไม่ใช่การป้องกันทางกฎหมายหรือจริยธรรม ความรับผิดชอบยังคงอยู่กับผู้อนุมัติ
การออกแบบที่เป็นความลับ ข้อมูลลูกค้า และแนวคิดที่ไม่มีสิทธิบัตรจะไม่ถูกอัปโหลดไปยังยานพาหนะที่ไม่รู้จัก ไม่ระบุชื่อหรือใช้เครื่องมือแยก
บัญชีที่มีความสำคัญต่อความปลอดภัยได้รับการทำซ้ำโดยอิสระ ได้รับการตรวจสอบตามมาตรฐาน และจะรับผิดชอบโดยการลงนาม

งานสมัคร

เลือกงานที่อาจมีความสำคัญต่อความปลอดภัย (ส่วนประกอบลิฟต์ ส่วนประกอบแรงดัน เบรก หรือโครงสร้างรองรับ) ขั้นแรกให้จำแนกงานตามความเสี่ยงและความเป็นส่วนตัว: กรณีเกิดข้อผิดพลาดจะเกิดผลอย่างไร ข้อมูลใดมีความละเอียดอ่อน? ให้ AI ประเมินงานนี้และจัดทำรายการ "ฉันทำอะไรได้บ้างและทำอะไรไม่ได้" ไม่ระบุชื่อบริบทที่คุณจะแบ่งปัน (ลบข้อมูลบริษัท/ผลิตภัณฑ์/ลูกค้า) จากนั้นให้ทำการตรวจสอบบัญชีโดยใช้ AI เป็นเครื่องมือตรวจสอบที่สำคัญเท่านั้น แต่สร้างผลลัพธ์ขึ้นมาใหม่ด้วยตนเองด้วยวิธีอิสระ และเปรียบเทียบปัจจัยด้านความปลอดภัยกับมาตรฐานที่เกี่ยวข้อง สุดท้าย ร่างบันทึกการตรวจสอบย้อนกลับ/การตัดสินใจ ติดป้ายกำกับการมีส่วนร่วมของ AI ว่า “ร่าง/ผู้ช่วย” และปล่อยให้วิศวกรที่มีคุณสมบัติเหมาะสมเป็นผู้อนุมัติ

รายการตรวจสอบ

[ ] งานได้รับการประเมินตามระดับความเสี่ยง (งานประจำ/ปานกลาง/วิกฤตด้านความปลอดภัย)
[ ] ประเมินการรักษาความลับ; ข้อมูลที่ละเอียดอ่อนจะไม่เปิดเผยตัวตนหรือใช้เครื่องมือที่แยกออกมา
[ ] AI ถูกใช้เป็นร่าง/ตาที่สอง ไม่ใช่ผู้มีอำนาจอนุมัติ
[ ] การคำนวณที่มีความสำคัญต่อความปลอดภัยสร้างซ้ำและตรวจสอบโดยอิสระตามมาตรฐาน
[ ] เปรียบเทียบค่าสัมประสิทธิ์ความปลอดภัยกับเกณฑ์ของมาตรฐานที่เกี่ยวข้อง
[ ] บันทึกการตรวจสอบย้อนกลับ/การตัดสินใจถูกเก็บไว้; การอนุมัติ ลายเซ็น และความรับผิดชอบตกเป็นของวิศวกรผู้มีความสามารถ

การสอบโมดูล

1. ข้อใดต่อไปนี้เป็นบทบาทที่สมจริงและปลอดภัยที่สุดสำหรับ AI ใน CAD และขั้นตอนการออกแบบ

A) บทบาทสนับสนุน เช่น การแนะนำทางเลือกในการออกแบบ และการสร้างสคริปต์/มาโครแบบพารามิเตอร์ ✔
B) การอนุมัติแบบคงที่และความแข็งแกร่งอัตโนมัติ
C) ส่งการออกแบบโดยตรงไปยังการผลิตโดยไม่ต้องได้รับการอนุมัติจากวิศวกร
D) รับช่วงต่อลายเซ็นและอำนาจอนุมัติจากวิศวกร

คำอธิบาย: AI มีความแข็งแกร่งในงานเสริม เช่น การแนะนำทางเลือกในการออกแบบ การสร้างสคริปต์/มาโครแบบพาราเมตริก การร่างเอกสารและข้อมูลเมตา (การคิดที่แตกต่าง) รูปทรงขั้นสุดท้าย พิกัดความเผื่อ การรับรองด้านความแข็งแกร่ง และการตัดสินใจเพื่อส่งไปยังการผลิต (การตัดสินใจแบบลู่เข้า) ยังคงเป็นของวิศวกร

2. AI ให้ค่า 'ความแข็งแรงของผลผลิต 250 MPa' สำหรับวัสดุ คุณควรทำอย่างไรก่อนที่จะใช้ค่านี้เป็นพื้นฐานสำหรับการออกแบบ

ก) นำมูลค่าเข้าบัญชีโดยตรง เนื่องจาก AI เป็นปัจจุบัน
B) ตรวจสอบค่าจากเอกสารข้อมูลของผู้ผลิตหรือมาตรฐานวัสดุ ✔
C) ปัดเศษค่าขึ้นและสมมติว่าอยู่ในด้านที่ปลอดภัย
D) เพิ่มปัจจัยด้านความปลอดภัยแบบสุ่มและผ่าน

คำอธิบาย: AI สามารถประมาณ ประมาณการ หรือปลอมแปลงคุณสมบัติของวัสดุ (หลอน) ได้อย่างสมบูรณ์ มูลค่าของมันแตกต่างกันไปขึ้นอยู่กับอุณหภูมิ/สภาวะการรักษาความร้อนของวัสดุชนิดเดียวกัน ไม่ควรรวมค่าในการออกแบบโดยไม่มีการตรวจสอบจากเอกสารข้อมูลของผู้ผลิตหรือมาตรฐานวัสดุที่เกี่ยวข้อง

3. แผนภาพ Ashby (การเลือกวัสดุ) ใช้ทำอะไรเป็นหลัก?

A) เพื่อคำนวณต้นทุนการผลิตที่แน่นอนของชิ้นส่วน
B) เพื่อสร้างรายการราคาซัพพลายเออร์
C) เพื่อเปรียบเทียบคุณสมบัติของวัสดุ (เช่น ความแข็งแรง-ความหนาแน่น) และเลือกผู้สมัคร ✔
D) เพื่อกำหนดความคลาดเคลื่อนของชิ้นส่วน

คำอธิบาย: แผนภาพ Ashby เปรียบเทียบวัสดุโดยการวางคุณสมบัติของวัสดุสองอย่าง (เช่น ความแข็งแรง-ความหนาแน่น โมดูลัสของความยืดหยุ่น) บนแกน และแสดงภาพชุดตัวเลือกที่เหมาะสมที่สุดตามดัชนีประสิทธิภาพ ไม่ได้มีวัตถุประสงค์เพื่อกำหนดต้นทุน ความอดทน หรือราคาอุปทานที่แน่นอน

4. AI ให้การคำนวณความเครียด แต่คุณไม่แน่ใจถึงความสอดคล้องของหน่วย การวิเคราะห์เชิงมิติ (หน่วย) รวบรวมข้อมูลอะไรเป็นหลัก

A) การสะกดคำผิดในข้อความ
B) ข้อผิดพลาดของสีในกราฟิก
C) ขนาดของไฟล์เอาต์พุต
D) ความไม่สอดคล้องกันของหน่วยและข้อผิดพลาดในการแปลงของสมการทั้งสองด้าน ✔

คำอธิบาย: การวิเคราะห์มิติ (หน่วย) ตรวจสอบว่าหน่วยของทั้งสองด้านของสมการมีความสอดคล้องกัน ตัวอย่างเช่น สำหรับความเครียด ผลลัพธ์ควรเป็น N/m² = Pa หากหน่วยไม่ตรงกัน แสดงว่าสูตรหรือการแปลงมีข้อผิดพลาด ไม่เกี่ยวกับประเภท สี หรือขนาดไฟล์

5. ในการคำนวณเชิงความร้อน AI บอกว่าเครื่องทำความร้อนขนาด 5 kW จะทำให้น้ำ 1 ลิตรร้อนขึ้น 20°C ใน 2 วินาที คำตอบแรกที่ดีที่สุดคืออะไร?

A) การตรวจสอบและการปฏิเสธผลลัพธ์ด้วยการอนุรักษ์พลังงานและลำดับความสำคัญ ✔
B) เขียนผลลัพธ์ที่มีทศนิยมมากกว่าแล้วยอมรับ
C) ถาม AI 'คุณแน่ใจหรือไม่' และพอใจกับคำตอบว่า 'ใช่'
D) ลบคำถาม ถามตั้งแต่ต้นแล้วได้คำตอบแรก

คำอธิบาย: การตรวจสอบอย่างรวดเร็วด้วยการตรวจสอบสุขอนามัยและการอนุรักษ์พลังงาน: ใช้เวลาประมาณ 84 กิโลจูลในการทำให้น้ำ 1 กิโลกรัมมีอุณหภูมิ 20°C; ด้วยกำลัง 5 kW จะใช้เวลา ~17 วินาที ไม่ใช่ 2 วินาที ผลลัพธ์ไม่เป็นไปตามทางกายภาพและไม่สามารถยอมรับได้หากไม่มีการตรวจสอบ

6. การตรวจสอบที่สำคัญที่สุดก่อนที่จะเชื่อถือผลความเครียดที่ตีความโดย AI ในการวิเคราะห์ FEA คืออะไร

A) แผนที่แสดงความเครียดที่มีสีดู 'ดี' เมื่อมองเห็น
B) การตรวจสอบโดยความเป็นอิสระของตาข่าย เงื่อนไขขอบเขต และการเปรียบเทียบเชิงวิเคราะห์ ✔
C) ดำเนินการแก้ปัญหาให้เสร็จภายในเวลาอันสั้น
D) AI พูดว่า 'ผลลัพธ์ปลอดภัย'

คำอธิบาย: ผลลัพธ์ของ FEA ขึ้นอยู่กับความหนาแน่นของตาข่าย เงื่อนไขขอบเขต และคำจำกัดความของวัสดุ บทสรุป; ความเป็นอิสระของตาข่าย (ผลลัพธ์จะไม่เปลี่ยนแปลงเมื่อตาข่ายถูกขันให้แน่น) ควรได้รับการตรวจสอบโดยการเปรียบเทียบกับความถูกต้องของสภาพขอบเขต และหากเป็นไปได้ ด้วยวิธีการวิเคราะห์

7. ใน FEA เมื่อตาข่ายมีความหนาแน่นมากขึ้นในมุมด้านในที่แหลมคม ค่าความเค้นจะเพิ่มขึ้นอย่างต่อเนื่อง สถานการณ์นี้ส่วนใหญ่บ่งบอกถึงอะไร?

A) วัสดุมีข้อบกพร่องอย่างแน่นอน
B) มีข้อผิดพลาดในการวัดเซ็นเซอร์
C) ความเข้มข้นของความเครียดเทียม (เอกพจน์) ที่มุมแหลม ต้องจำลองรัศมีมุม ✔
D) วิธีแก้ปัญหาอยู่ในด้านความปลอดภัยเสมอ

คำอธิบาย: มุมด้านในแหลมในอุดมคติ (รัศมีศูนย์) เป็นจุดเอกพจน์ในทฤษฎียืดหยุ่น เมื่อตาข่ายมีความหนาแน่นมากขึ้น ความตึงเครียดก็จะมีแนวโน้มเป็นอนันต์ นี่เป็นผลลัพธ์ที่ประดิษฐ์ขึ้นมา ในส่วนจริง รัศมีของมุมจะต้องถูกจำลองหรือตีความโดยปัจจัยรอยบาก/การประเมินในท้องถิ่น

8. AI ตรวจพบ 'วงแหวนด้านในที่อาจเสียหาย' ในข้อมูลการสั่นสะเทือนของตลับลูกปืน วิธีใดคือแนวทางที่ถูกต้องที่สุด?

A) ทำลายเครื่องโดยสมบูรณ์โดยไม่ต้องร้องขอ
B) เพิกเฉยต่อความคิดเห็นและทำงานต่อไป
C) ปิดการใช้งานเซ็นเซอร์อย่างสมบูรณ์
D) ตรวจสอบการตีความด้วยความถี่ความผิดปกติเฉพาะ การสอบเทียบ และการตรวจสอบภาคสนาม ✔

คำอธิบาย: การตีความความผิดปกติ/ความล้มเหลวของ AI เป็นเพียงสมมติฐาน ควรตรวจสอบความถี่ความผิดปกติที่มีลักษณะเฉพาะในสเปกตรัมการสั่นสะเทือน (เช่น ความถี่การเปลี่ยนวงแหวนด้านใน BPFI) การสอบเทียบเซ็นเซอร์ และข้อผิดพลาดของข้อมูลที่เป็นไปได้ ความคิดเห็นไม่ควรถูกแปลงเป็นการตัดสินใจในการบำรุงรักษาโดยไม่มีการตรวจสอบโดยการตรวจสอบภาคสนามและกลไกความล้มเหลวทางกายภาพ

9. ด้านใดของเอาต์พุตที่ต้องการความสนใจมากที่สุดเมื่อประเมินความสามารถในการผลิต (DFM) ของชิ้นส่วนด้วย AI

A) การปฏิบัติตามคำแนะนำกับข้อจำกัดของเครื่องจักร เครื่องมือ และกระบวนการที่เกิดขึ้นจริง ✔
B) เฉพาะรูปลักษณ์ที่สวยงามของชิ้นงานเท่านั้น
C) ขนาดไฟล์ของโมเดล CAD
D) ตัวเลือกสีและการเคลือบ

คำอธิบาย: เอไอ; สามารถยอมรับข้อจำกัดของเครื่องจักร เครื่องมือ แม่พิมพ์ และกระบวนการได้โดยไม่มีข้อจำกัดจริงของโรงงาน ตัวอย่างเช่น อาจบ่งบอกถึงรัศมีมุมภายในที่ไม่สามารถบรรลุได้หรือความอดทนที่เป็นไปไม่ได้ คำแนะนำ DFM ควรได้รับการตรวจสอบโดยเทียบกับอุปกรณ์ที่มีอยู่และขีดจำกัดของกระบวนการจริง

10. สิ่งที่ควรทำก่อนที่จะส่งบันทึกความอดทนในการวาดภาพที่สร้างโดย AI/บันทึก GD&T ไปยังการผลิต

A) การประมวลผลบันทึกลงในภาพวาดโดยตรงเมื่อ AI สร้างขึ้น
B) ตรวจสอบและอนุมัติเกรดตามมาตรฐานและข้อกำหนดด้านการทำงาน ✔
C) สุ่มลดเกณฑ์ความคลาดเคลื่อนให้แคบลงและคิดว่ามันปลอดภัย
D) การเปลี่ยนสัญลักษณ์เพื่อให้น่าจดจำ

คำอธิบาย: เอไอ; อาจสร้างค่าความคลาดเคลื่อนที่ไม่ถูกต้องหรือไม่ได้มาตรฐาน สัญลักษณ์ GD&T (การวัดขนาดและความคลาดเคลื่อนทางเรขาคณิต) หรือการกำหนดพื้นผิวสำเร็จ หมายเหตุควรได้รับการตรวจสอบตามมาตรฐานที่เกี่ยวข้อง (เช่น ISO/ASME GD&T) และข้อกำหนดด้านการทำงาน ความสอดคล้องของพิกัดความเผื่อในแง่ของการประกอบและการทำงานจะต้องได้รับการยืนยันจากวิศวกร

11. AI ระบุว่าการออกแบบ 'สอดคล้องกับ EN 13445 ข้อ 7.4.2' ข้อใดเป็นพฤติกรรมที่ถูกต้องที่สุด?

A) เขียนรายงานโดยตรงเนื่องจาก AI ให้การระบุแหล่งที่มา
B) อาศัยความคิดเห็นในฟอรัมอินเทอร์เน็ต
C) การตรวจสอบหมายเลขสารและเนื้อหาจากข้อความมาตรฐานอย่างเป็นทางการ/ปัจจุบัน ✔
D) การเปลี่ยนหมายเลขรายการเพื่อให้จดจำได้

คำอธิบาย: AI อาจสร้างหมายเลขรายการมาตรฐานและจุดพักที่ไม่ถูกต้องหรือหลอน สารและคุณค่าที่อ้างอิงไม่ควรถูกนำมาใช้เป็นพื้นฐานสำหรับการออกแบบหรือรายงานโดยไม่มีการตรวจสอบจากข้อความมาตรฐานที่เป็นทางการและเป็นปัจจุบัน

12. ข้อใดที่จำเป็นก่อนใช้สคริปต์การคำนวณทางวิศวกรรม Python ที่สร้างโดย AI

A) เชื่อถือโค้ดโดยตรงเพราะทำงานโดยไม่มีข้อผิดพลาด
B) ย่อชื่อตัวแปรและลบบรรทัดความคิดเห็น
C) เขียนสคริปต์ให้ยาวขึ้นและถือว่าปลอดภัย
D) การตรวจสอบความถูกต้องด้วยการทดสอบด้วยผลลัพธ์ที่ทราบ การตรวจสอบหน่วย และกรณี Edge ✔

หมายเหตุ: รหัส AI อาจมีการแปลงหน่วยที่ไม่ถูกต้อง สูตรไม่ถูกต้อง หรือในกรณีขอบผลลัพธ์ที่ไม่ถูกต้อง และอาจคำนวณไม่ถูกต้องแม้ว่าจะทำงานโดยไม่มีข้อผิดพลาดก็ตาม รหัส; อินพุตการทดสอบที่ทราบผลลัพธ์ควรได้รับการตรวจสอบความถูกต้องด้วยการตรวจสอบหน่วย (ขนาด) และกรณีขอบ

13. ข้อใดถูกต้องในแง่ของความรับผิดในการคำนวณที่มีความสำคัญต่อความปลอดภัยด้วย AI ในวิศวกรรมเครื่องกล

A) ความรับผิดชอบยังคงอยู่กับวิศวกรผู้มีอำนาจที่อนุมัติ AI ไม่สามารถทดแทนการอนุมัติได้✔
B) วิศวกรได้รับการยกเว้นจากความรับผิดหาก AI อนุมัติ
C) เอาต์พุต AI จะแทนที่ลายเซ็นของวิศวกร
D) การตรวจสอบโดยมนุษย์ไม่จำเป็นในบัญชีที่มีความสำคัญต่อความปลอดภัย

คำอธิบาย: วิศวกรผู้มีความสามารถมีหน้าที่รับผิดชอบในความถูกต้องและการอนุมัติ/การลงนามในผลงานทางวิศวกรรม AI ไม่สามารถรับผิดชอบเรื่องนี้ได้ สำหรับการคำนวณและการออกแบบที่คำนึงถึงความปลอดภัย AI เป็นเพียงร่าง/อินพุต และไม่สามารถใช้แทนการอนุมัติและการตรวจสอบของวิศวกรได้

14. อะไรคือแนวทางปฏิบัติที่ดีที่สุดเมื่อพยายามวิเคราะห์การออกแบบผลิตภัณฑ์ที่เป็นความลับของบริษัทด้วยเครื่องมือ AI สาธารณะ?

ก) การติดตั้งแบบซ่อนตัวบนยานพาหนะสาธารณะเพื่อความรวดเร็ว
B) การปฏิบัติตามนโยบายข้อมูล การปิดบังข้อมูลที่ละเอียดอ่อน หรือการใช้เครื่องมือขององค์กร/ที่แยกออกมา ✔
C) การแบ่งปันข้อมูลลูกค้าเป็นสิ่งจำเป็นเสมอเพื่อความรวดเร็ว
D) ปัญหาความเป็นส่วนตัวไม่เกี่ยวข้องกับการใช้ AI

การเปิดเผย: ไม่ควรอัปโหลดการออกแบบที่เป็นความลับ ข้อมูลลูกค้า หรือแนวคิดที่ไม่มีสิทธิบัตรไปยังเครื่องมือสาธารณะที่ไม่ทราบนโยบายข้อมูล สิ่งนี้ก่อให้เกิดความเสี่ยงต่อการละเมิดทรัพย์สินทางปัญญาและความเป็นส่วนตัว ต้องปฏิบัติตามนโยบายข้อมูลของบริษัท ข้อมูลที่ละเอียดอ่อนจะต้องไม่เปิดเผยชื่อ หรือต้องใช้เครื่องมือขององค์กร/ที่แยกออกมา