Mga nadagdag:
- Kakayahang tukuyin kung saan bumibilis ang AI at kung saan ito mapanganib sa circuit, power at embedded system work
- Kakayahang ipaliwanag kung bakit ipinag-uutos ang pag-verify at pag-apruba ng engineer sa mga gawaing elektrikal na kinasasangkutan ng kaligtasan ng buhay at ari-arian.
- Kakayahang iposisyon ang AI output bilang draft input na susuriin, sa halip na bilang kapalit para sa engineering judgment
Kapag nanonood ka ng araw ng isang electrical at electronics engineer, ang larawang lumalabas ay magkapareho sa karamihan ng mga team: pagbabasa ng mga datasheet, pagpuno ng mga spreadsheet, pagsusulat at pag-debug ng code, pagguhit ng mga schematic, paghahanap ng mga pamantayan, paghahanda ng mga ulat sa pagsubok, e-mail at mga pulong. Sa madaling salita, ang oras na inilaan sa aktwal na bahagi ng "engineering", iyon ay, ang paghuhusga ng pagdidisenyo ng isang sistema nang ligtas at tumpak, ay durog sa ilalim ng paulit-ulit na gawain. Dito pumapasok ang artificial intelligence. Hindi ginagawa ng AI ang disenyo para sa iyo; Inihahanda ka nito para sa disenyo, gumagawa ng mga draft, pinapabilis ang mga kalkulasyon at inilalagay ang naprosesong impormasyon sa harap mo para sa paggawa ng desisyon. Sa unit na ito, lilinawin namin kung aling mga yugto ng electrical-electronic workflow AI ang nagdaragdag ng tunay na halaga, kung aling mga desisyon ang dapat talagang manatili sa engineer, at ang disiplina sa kaligtasan na dapat mong sundin kapag ginagawa ito. Malinaw ang layunin: iposisyon ang AI hindi bilang isang "awtomatikong taga-disenyo" ngunit bilang isang disiplinadong katulong na ang output ay nabe-verify sa bawat oras.
Sa Aling Mga Negosyo Ang AI Accelerator, Sa Aling Mga Negosyo Ito Mapanganib?
Ang mga gawaing elektrikal at elektroniko ay matatagpuan sa isang dalawang-pronged spectrum sa mga tuntunin ng kanilang mga resulta. Sa isang dulo ay maaaring bawiin, mababang-panganib na mga trabaho sa opisina; Sa kabilang dulo, may mga hindi maibabalik na desisyon na direktang nakakaapekto sa kaligtasan ng buhay at ari-arian. Ang halaga ng AI ay nag-iiba depende sa kung saan ka nakatayo sa spectrum na ito.
uri ng negosyo
kontribusyon ng AI
Papel ng engineer
Datasheet/karaniwang buod
Alisin ang nauugnay na item sa mahabang dokumento
I-verify ang halaga mula sa opisyal na pinagmulan
Code draft (MCU, Python)
Pagbuo ng balangkas at pag-andar
Magrehistro, timing, pagsubok na pag-verify
Paunang gawain ng account
Setting ng formula, unang numero
Unit, ranggo at karaniwang kontrol
Dokumentasyon
Ulat / BOM / draft ng pamamaraan ng pagsubok
Teknikal na katumpakan at terminolohiya
koordinasyon ng proteksyon
mungkahi, senaryo
Panghuling pagpili at pag-apruba
pagkomisyon
draft ng checklist
Pagsukat at lagda sa patlang
Ang panuntunan ay simple: ang panganib ng isang output ng AI ay katumbas ng pinsala na idudulot ng output kung ito ay nagkamali. Hindi nakakapinsala ang maling spelling ng isang axis label; Ang maling pagkalkula ng kasalukuyang setting ng breaker ay maaaring magresulta sa sunog. Kaya ang unang tanong na itatanong bago gamitin ang output ay: "Ano ang mangyayari kung mali ito at sino ang makakapansin?"
Pansin: Gumagawa ang AI ng matatas at kumpiyansa na teksto. Ang katatasan ay hindi garantiya ng katumpakan. Ang isang modelo ng wika ay maaaring "maglikha" (mag-hallucinate) ng mga mapagkakatiwalaang formula, numero ng item, at mga halaga ng datasheet kahit na wala itong totoong data. Sa kuryente, hindi ito nananatili sa papel; nagiging malfunction, pinsala o aksidente sa field.
Mga Desisyon na Dapat Ipaubaya sa Engineer
Ang ilang mga desisyon ay hindi dapat maging ganap na awtomatiko. Ang mga ito ay nagdudulot ng teknikal, legal at etikal na mga panganib:
- Mga pagpipiliang kritikal sa kaligtasan: Breaker/fuse rating, proteksyon ng koordinasyon, grounding at insulation class.
- Commissioning and energizing: Ang desisyon na maglapat ng boltahe sa isang board, motor, o linya ng kuryente ng board sa unang pagkakataon.
- Standard conformity declaration: Ang pahayag na "Ang disenyong ito ay sumusunod sa nauugnay na pamantayan" ay nangangailangan ng lagda ng engineer.
- Mga halaga na nakikipag-ugnayan sa mga tao: Ang natitirang kasalukuyang proteksyon threshold, touch boltahe, mga limitasyon ng EMC/EMF.
Babala: Kahit na ang isang kalkulasyon na binuo ng AI ay nagreresulta sa isang bagay tulad ng "50 A breaker ay sapat na", hindi katanggap-tanggap na ilapat ito nang walang engineer na nagbe-verify nito gamit ang short-circuit current, selectivity at lakas ng cable. Ang bawat output na kritikal sa kaligtasan ay dapat na independiyenteng ma-verify at maaprubahan ng awtorisadong engineer bago ang pagpapatupad.
Disiplina sa Pagpapatunay: Kontrol sa Tatlong Layer
Upang gamitin ang output ng AI sa mga mata ng editor at auditor sa halip na bulag, maglapat ng tatlong-layer na kontrol:
- Yunit at ranggo (sanity check): Tama ba ang unit ng resulta? Ang laki ba ay pisikal na makatwiran? Kung mayroong 500 kW na pagkawala sa isang 100 kVA transpormer, mayroong isang fault sa isang lugar.
- Independent reproduction: Manu-manong kopyahin ang pagkalkula, gamit ang isang calculator, o gamit ang isang maikling Python/SPICE run. Kung ang dalawang magkaibang pamamaraan ay nagbibigay ng parehong resulta, tataas ang tiwala.
- Karaniwan at pinagmumulan ng pag-verify: Ang bawat numero ng item, halaga ng datasheet at limitasyon na ibinigay ng AI ay dapat na kumpirmahin na verbatim mula sa opisyal na pinagmulan.
Prompt ng pag-verify (pinadadali ang pagsuri sa output): "Malinaw na ilista ang LAHAT ng mga pagpapalagay, formula, at unit na ginamit mo sa pagkalkula ng mga sumusunod. Ipakita ang bawat intermediate na hakbang sa isang hiwalay na linya. Markahan ang karaniwang halaga o numero ng datasheet na ginamit mo ng isang tag na 'kinakailangan ng pinagmulan'; huwag gumawa ng anumang mga numero na hindi mo tiyak na alam."
Mahina Prompt / Malakas na Prompt
MAHINA:"Sabihin sa akin ang cable cross-section na angkop para sa motor na ito."(Resulta: isang solong numero na walang konteksto; ito ay hindi malinaw kung aling kasalukuyang, haba, mounting method at boltahe drop limit ang ipinapalagay.) MALAKAS:"Paunang kalkulahin ang tansong cable cross-section para sa mga sumusunod na kundisyon at ipakita ang mga hakbang:- Motor: 15 kW, 400 V. 0. φ0 na kahusayan, tatlong-phase. Haba ng cable: 60 m, pag-install ng conduit, ambient 35 °C- Pinahihintulutang pagbaba ng boltahe: 3%Kalkulahin ang kasalukuyang, pagbaba ng boltahe at kapasidad ng dala ng thermal current Isulat ang yunit sa bawat hakbang.
Ang pagkakaiba ay ang malakas na prompt ay nagbibigay ng parehong aktwal na input at ang hangganan (huwag gumawa ng deklarasyon, ipakita ang mga hakbang) sa modelo. Ginagawa nitong auditable ang output.
Mini Case
Ang naka-embed na system engineer na si Deniz ay nagpi-print ng ADC read code para sa isang temperature measurement card sa AI. Itinatag ng AI ang formula sa pag-aakalang ang reference na boltahe para sa 12-bit ADC ay 5 V. Binuksan ni Deniz ang datasheet ng card; ang sanggunian ay talagang 3.3 V. Ang pagpapalagay ng AI na 5 V ay magbabasa ng bawat sukat na may humigit-kumulang 50% na bias. Inaayos ng dagat ang reference, ina-upload ang code sa card, at inihahambing ang pagbabasa sa aktwal na thermometer sa isang kilalang temperatura. Binigyan ng AI ang bilis; Nagdagdag ang dagat ng kredibilidad sa pamamagitan ng pag-verify sa palagay at pagkumpirma nito sa pamamagitan ng pagsukat. Kung bulag na pinagkakatiwalaan ang AI, ang error ay dadalhin sa field.
Mga Karaniwang Pagkakamali
- Pagtanggap sa mga pagpapalagay ng AI (reference boltahe, temperatura, uri ng konduktor) nang walang pagtatanong.
- Paglalapat ng mga halagang kritikal sa kaligtasan (breaker, proteksyon, grounding) nang hindi nagbe-verify.
- Hindi napapansin ang mga ginawang numero ng datasheet at karaniwang numero ng item.
- Ipagpalagay na ang code ay "gumagana" nang hindi sinusukat ito sa hardware.
- Pag-bypass sa kontrol ng volume; Tinatanaw ang pagkalito ng V, A, W, VA, VAR.
- Pinapalitan ang output ng AI para sa pag-apruba ng engineering.
Tip: Itanong sa bawat output ng AI ang tatlong tanong na ito: (1) Anong mga pagpapalagay ang ginawa nitong konklusyon, at tama ba ang mga pagpapalagay? (2) Na-reproduce ko ba ito sa isang malayang paraan? (3) Ito ba ay kritikal sa seguridad, at kung gayon, nakatanggap ba ako ng awtoritatibong pag-verify at pag-apruba? Kung ang tatlo ay malinaw, magpatuloy.
Sa buod
- Ang AI ay nagdaragdag ng bilis at sukat sa paghahanda, pagkalkula, code at mga yugto ng dokumento ng mga gawaing elektrikal at elektroniko; ngunit hindi siya ang gumagawa ng desisyon.
- Ang panganib ng isang resulta ay katumbas ng pinsalang idudulot nito kung ito ay magkamali; Ang gawaing kritikal sa kaligtasan ay nangangailangan ng independiyenteng pag-verify at pag-apruba ng engineer.
- Ang tuluy-tuloy na teksto ay hindi tamang teksto; Dapat ma-verify ang bawat pagpapalagay, numero at karaniwang halaga.
- Tatlong layer ng kontrol (unit/rank, independent reproduction, source verification) ang ginagawang maaasahan ang output.
- Ang malakas na prompt ay nagbibigay ng aktwal na input at ang hangganan na magkasama sa modelo.
- Iposisyon ang AI bilang "isang mabilis na katulong na ang bawat output ay sinusubaybayan."
Gawain ng aplikasyon
Ipalutas sa AI ang isang kalkulasyon na ginawa mo kamakailan (cable cross-section, pagpili ng risistor, pagkawala ng kuryente, atbp.) mula sa simula. Pagkatapos ay i-extract ang bawat assumption at numero sa output sa isang listahan; magpasya "na-verify / kinakailangan ng mapagkukunan / may sira" para sa bawat isa. I-reproduce ang kalkulasyon sa iyong sarili, manu-mano man o gamit ang isang maikling Python run, at ihambing ang dalawang resulta. Kung iba, alamin kung bakit. Ang pagsasanay na ito ay bumubuo ng ugali ng paggamit ng AI na may disiplina sa auditor.