Аналіз металургійних даних і передові можливості ШІ з Python

Прибуток:

• Здатність створити та зрозуміти код, який очищає, аналізує та візуалізує металургійні дані за допомогою Python із підтримкою AI
• Здатність виробити звичку перевіряти згенерований штучним інтелектом код за допомогою перевірки одиниць, тестового прикладу та фізичної правдоподібності
• Цілісне розуміння наскрізних обмежень, відповідальності та етичних рамок штучного інтелекту в металургії

Металургійна робота все частіше виконується з більшою кількістю даних: сотні результатів випробувань на розтяг, тисячі вимірювань SPC, записи в печі для термообробки, вихідні характеристики. Переслідування цих даних вручну в Excel є повільним і схильним до помилок; Python (поширена мова програмування для аналізу даних і наукових обчислень) робить це повторюваним, перевіряється та автоматичним. Штучний інтелект дуже потужний у написанні, налагодженні та поясненні коду Python, але код, який він створює, може виглядати правильно, але давати неправильний результат: одинична помилка, неправильний коефіцієнт, тиха втрата даних. У цьому останньому розділі ви дізнаєтесь, як аналізувати металургійні дані за допомогою штучного інтелекту в Python і перевірити кожен код, а потім цілісно завершити межі штучного інтелекту, відповідальність і етичні рамки, які розглядаються протягом усього модуля.

Типові задачі аналізу металургійних даних

Типові завдання з підтримкою ШІ в Python:

• Очищення даних: відсутнє значення, плутанина одиниць (МПа проти ksi), видалення викидів. Брудні дані псують навіть найкращий аналіз.
• Візуалізація: креслення кривої розтягування, контрольна діаграма, розподіл зерна за розміром, температурно-часовий профіль.
• Hesap ve ilişki: Холл-Петч (tane boyutu-akma dayanımı ilişkisi: σ = σ₀ + k·d^(-1/2)), Арреніус (sıcaklık-hız), regresyon, istatistik.
• Автоматизація: пакетна обробка великої кількості файлів і створення зведених таблиць/звітів.

Співвідношення Холла-Петча є хорошим прикладом: межа текучості зростає обернено пропорційно квадратному кореню з діаметра зерна. AI може перевести цю формулу в код; Але незалежно від того, використовуєте ви d як мікрометр чи метр і яку одиницю ви використовуєте для коефіцієнта k, результат повністю змінюється. Правильність коду полягає не в запам'ятовуванні формули, а в перевірці одиниць і тесту.

Порада: обов’язково додайте «тест з відомою відповіддю» в кожен обліковий запис, який пише AI. Введіть невеликі дані, результат яких ви знаєте вручну (наприклад, очікувана міцність для d = 100 мкм); Якщо код дає таке значення, ви можете йому довіряти; якщо ні, помилка прихована.

Крок за кроком: безпечний потік аналізу за допомогою ШІ

1. Опишіть завдання та дані: який файл, які стовпці, які одиниці, що буде обчислюватися?
2. Скелет запиту коду: попросіть штучного інтелекту надати скелет із коментарями, розділеним на кроки; Визначте одиниці з явними змінними вгорі.
3. Тестуйте з невеликими даними: спочатку запустіть із кількома рядками/відомими значеннями; Перевірте результат вручну.
4. Контроль одиниць і кордонів: чи є результат фізично розумним? Чи є така нісенітниця, як негативна сила, ставка 120%?
5. Візуалізуйте та подивіться: чи показує графік очікувану тенденцію? Чи є дані про викиди помилками?
6. Перевірте та задокументуйте: порівняйте результат із незалежним розрахунком/стандартом; Прокоментуйте код і припущення.

Таблиця перевірки коду ШІ

Ризик

симптом

Метод контролю

Помилка одиниці

Результат - 1000-кратний збоченець

Визначення одиниць у явній змінній, контроль розміру

Неправильний коефіцієнт/формула

Розумне, але неправильне значення

Тестовий сценарій з відомими відповідями

Тиха втрата даних

Кількість рядків менша за очікувану

Вивести кількість рядків до/після обробки

викид спотворення

середня байдарка

Візуалізуйте за допомогою графіка, подивіться на розподіл

Переобладнання (галюцинаторна бібліотека)

неіснуюча функція

Запустіть, прочитайте помилку, подивіться документацію

три міні-чохла

Випадок 1 — помилка прихованого обсягу. Інженер запитує код у ШІ для обчислення Холла-Петча; Код очікує діаметр зерна в метрах, але інженер вводить мікрометри. Результат в 1000 разів перекручений, але це не помітно на перший погляд, тому що виглядає як «цифра». Mühendis d = 100 мкм için elle beklediği ~350 МПа ile kodun verdiği absürt değeri karşılaştırınca hatayı yakalar, birim dönüşümünü koda ekler. Урок: тестування з відомою відповіддю виявляє одиничну помилку за секунди.

Випадок 2 — тиха втрата даних. Команда очищає 500 результатів пул-тестів за допомогою коду, написаного ШІ; Хоча код відкидає рядки з відсутніми значеннями, він також випадково відкидає деякі дійсні рядки, залишаючи 300 рядків. Середня міцність вища за очікувану, тому що низька партія вилучена. Коли команда друкує кількість рядків до/після обробки, вони бачать, що 200 рядків мовчки зникли, і виправляють фільтр. Урок: друк кількості рядків на кожному кроці обробки даних фіксує мовчазні втрати.

Випадок 3 — Правильне використання, повторюваний звіт. Команда з питань якості повинна щотижня опрацьовувати десятки записів про печі та створювати підсумкові звіти. Він просить штучний інтелект написати сценарій із коментарями, який масово читає файли та створює графіки та підсумкові таблиці. Команда перевіряє код за допомогою кількох відомих файлів, перевіряє кількість одиниць і рядків, візуально перевіряє вихідний графік. Потім використовує сценарій щотижня; Години роботи скорочуються до хвилин і працюють однаково, перевіряється щотижня. Команда підтвердила, що ШІ забезпечив повторювану автоматизацію.

Шаблони підказок, які можна копіювати

ШАБЛОН СКЕЛЕТА КОДУ"Роль: Ви помічник коду для аналізу металургійних даних. Завдання: [наприклад, читати результати креслення з CSV і середню межу текучості]. Дані: [файл, стовпці, UNITS]. Написати скелет із коментарями з пандами: (1) визначити одиниці у відкритій змінній угорі, (2) читати дані та друкувати кількість рядків, (3) очищати та друкувати кількість рядків ЗНОВУ, (4) виконайте обчислення, (5) надрукуйте результат і перевірте правдоподібність, позначте, де мені потрібно перевірити.

ШАБЛОН ТЕСТУ НА ВІДОМУ ВІДПОВІДЬ" Напишіть «тест відомої відповіді» для такої функції: [функція]. Виберіть невеликий вхід, результат якого можна обчислити вручну, прокоментуйте очікуваний результат і перевірте за допомогою assert. Також перевірте узгодженість одиниць. Якщо тест не пройшов, перелічіть можливі причини (одиниця, коефіцієнт, формула).»

ШАБЛОН ПЕРЕГЛЯДУ КОДУ/НАЛАДЖЕННЯ"Перевірте наступний код: [код]. Перевірте та позначте наступне: (1) узгодженість обсягу, (2) ризик тихої втрати даних, (3) вплив викидів, (4) фізично неможливий вихід (від'ємна сила, >100% показник). Напишіть, як перевірити для кожного ризику. Не підтверджуйте код як "робочий"; укажіть ненадійний без тестування."

ШАБЛОН ВІЗУАЛІЗАЦІЇ "побудуйте графік [крива розтягу/контрольний графік/розподіл] за допомогою matplotlib. Додайте ОДИНИЦІ до міток осей, додайте заголовок і сітку. Позначте викиди по-іншому. Зауважте, що мені потрібно візуально перевірити графік і перевірити очікувану тенденцію (наприклад, збільшення напруги-деформації). Не приховуйте жодних точок, щоб "прикрасити" дані."

Слабка підказка / Сильна підказка

СЛАБКА ПІДКАЗКА: «Напишіть мені код, який виконує обчислення Холла-Петча».

СИЛЬНА ПІДКАЗКА: «Роль: Ви помічник коду для аналізу металургійних даних. Напишіть функцію Python для обчислення Холла-Петча (σy = σ0 + k·d^(-1/2)). Одиниці: d мікрометр, σ0 і σy МПа, k МПа·мкм^(1/2). Увімкніть перетворення одиниць у функції та додайте коментар. Також d = 100 Обчисліть очікуваний результат вручну для мкм,σ0 = 50 МПа, k = 300 МПа·мкм^0,5 і перевірте фізичну правдоподібність (σy не може бути негативним без тестування).

Слабка підказка створює код, який не має модуля та тестування та може мовчки піти не так. Суворі підказки чітко визначають одиниці, примусово конвертують, вимагають перевірки відомої відповіді та перевірки правдоподібності, що робить код доступним для перевірки.

Цілісний зміст модуля: Місце та межі ШІ в металургії

У цьому модулі повторювався єдиний принцип: штучний інтелект – це помічник, а не той, хто приймає рішення. У дванадцяти блоках ми використовували штучний інтелект наскрізно, від вибору матеріалу до прогнозування властивостей, фазового аналізу до мікроструктури, термічної обробки до виготовлення, контролю якості до аналізу пошкоджень, характеристики до стандартизації та аналізу Python. У кожному підрозділі ШІ пояснював концепції, генерував гіпотези, писав чернетки та код — але в жодному підрозділі він не приймав рішення самостійно. Обмеження були чіткими: галюцинація (вигадане число та стандарт), відсутність можливості делегування критично важливої ​​для безпеки відповідальності, залежність від якості даних та вимірювання/калібрування, ризик екстраполяції та конфіденційність. Дисципліна перевірки завжди залишалася з людьми в трикутнику стандарт-лабораторія-обліковий запис.

Поширені помилки

• Застосування коду до реальних даних без тестування з відомими відповідями.
• Нечітке визначення одиниць; Не враховуючи МПа/ksi, мкм/м плутанина.
• Не друкується кількість рядків під час етапів обробки даних і не помічається тиха втрата.
• Покладаючись на середнє без візуалізації викидів.
• Прийняття неіснуючої бібліотеки/функції, створеної ШІ, без її виконання.
• Припускаючи, що код правильний, оскільки він «схоже працює»; неможливість перевірити фізичну правдоподібність.

Підсумовуючи

ШІ в металургійному аналізі даних за допомогою Python є потужним прискорювачем кодування, налагодження та автоматизації; але код, який він виробляє, може містити одиничні помилки, неправильні коефіцієнти та тиху втрату даних. Перевірте кожен код за допомогою перевірки відомої відповіді, перевірки одиниць, відстеження кількості рядків і фізичної правдоподібності. Тут, як і в усьому модулі, ШІ є помічником: він забезпечує швидкість і організованість, точність і відповідальність бере на себе авторизований інженер. У важливих для безпеки металургійних рішеннях результати штучного інтелекту ніколи не замінять стандарти, експерименти, розрахунки та схвалення компетентних інженерів.

Аплікаційне завдання

Виберіть металургійний розрахунок (наприклад, Холла-Петча або середнє значення розтягу). За допомогою шаблону «CODE SKELETON» попросіть AI прокоментований код, який друкує кількість рядків із явними одиницями. Потім додайте тестовий сценарій, у якому ви дізнаєтеся результат вручну за допомогою шаблону «ТЕСТ З ВІДОМОЮ ВІДПОВІДЬ», і запустіть його. Якщо код не дає очікуваного значення, знайдіть помилку (одиниця, коефіцієнт, дані) і виправте її. Нарешті, напишіть у трьох статтях про дисципліну перевірки ШІ, яку ви вивчали в цьому модулі, адаптувавши її для свого бізнесу.

контрольний список

• [ ] Я чітко визначив завдання, дані та одиниці для ШІ.
• [] Я визначив одиниці за допомогою явних змінних у верхній частині коду.
• [ ] На етапах обробки даних я надрукував кількість рядків і перевірив тиху втрату.
• [ ] Я перевірив код за допомогою тесту з відомою відповіддю.
• [ ] Я перевірив фізичну правдоподібність (негативне/абсурдне значення) результату.
• [ ] Я використовував ШІ як прискорювач; Я зберіг порядність і відповідальність.

Модульний екзамен

1. Під час роботи з інструментом штучного інтелекту в якості інженера з матеріалів остаточна відповідальність за що з наведеного завжди повинна залишатися за людиною (інженером-юристом)?

• A) Затвердження та підписання придатності деталі до експлуатації ✔
• B) Підготовка першого проекту звіту про пошкодження
• C) Редагування позначок осей графіка мікроструктури
• Г) Підготовка глосарію металургійних термінів для презентації

Опис: ШІ; Це може пришвидшити такі завдання, як роз’яснення концепції, складання звіту, список гіпотез і скелет коду. Однак підтвердження придатності частини для експлуатації/польоту є рішенням, яке забезпечує безпеку життя та майна; не можуть бути передані ШІ без акредитованого тестування та схвалення авторизованого інженера.

2. Ви запитали AI про межу текучості сталі AISI 4140 після загартування та відпустки при 200 °C, і він відповів «1500 МПа точно». Яку першу правильну дію слід зробити?

• A) Внесіть значення безпосередньо в обліковий запис дизайну, оскільки ШІ здається впевненим
• B) Перевірка значення за допомогою аркуша даних матеріалу/сертифікату заводу та випробування на розтяг, якщо необхідно, не покладаючись на однобальне значення ✔
• C) Випадкове зниження значення, щоб бути в безпеці
• D) Прийміть значення та перейдіть безпосередньо до рецепту термічної обробки

Пояснення: мовні моделі можуть переконливо створювати необґрунтовані числа (галюцинації). межа текучості; Він змінюється в широкому діапазоні залежно від температури відпустки, товщини профілю та здатності до загартування. Необхідно отримати значення зі свідоцтва заводу або випробування на розтяг відповідно до стандарту та не включати в проект одиночний вихід AI.

3. За допомогою моделі машинного навчання, що передбачає властивості сталі, штучний інтелект створив «безпечне» значення для сплаву, що виходить за межі діапазону складу в навчальних даних. Яка головна проблема з цим виходом?

• A) Модель завжди дає результати у відсотках, МПа неправильно
• B) Прогноз ненадійний, оскільки він зроблений за межами діапазону навчальних даних (екстраполяція) і має бути перевірений експериментом ✔
• C) Модель працює лише для нержавіючої сталі
• D) Вихід моделі завжди вдвічі перевищує фактичне значення

Пояснення: моделі машинного навчання розумно працюють у діапазоні навчальних даних (інтерполяція); За межами цього діапазону (екстраполяція) прогнози стають ненадійними, і модель часто цього не показує. Значення, згенероване в точці за межами розподілу навчальних даних, не можна використовувати без експериментальної перевірки.

4. Ви застосували ШІ для розрахунку співвідношення фаз у двофазному сплаві. Який вхід ШІ має правильно використовувати під час застосування «правила важеля»?

• А) Тільки температура; комбінації непотрібні
• Б) Тільки щільність сплаву
• C) Загальний склад сплаву зі складами розділу фаз за відповідної температури ✔
• Г) Тільки температура плавлення

Пояснення: Правило важеля дає кількість фаз, використовуючи відстані між складами розділу фаз (наприклад, складами твердої та рідкої фаз) і загальним складом сплаву при даній температурі. Якщо комбінації меж фаз зчитуються неправильно, співвідношення буде повністю неправильним; Тому підтвердження значень з фазової діаграми є обов'язковим.

5. Ви виміряли розмір зерна мікроструктури за допомогою потоку обробки зображень на основі штучного інтелекту, але забули відкалібрувати шкалу масштабу до пікселів. Чому результат недостовірний?

• A) Усі вимірювання розмірів виконано в неправильному масштабі, оскільки не було виконано калібрування довжини пікселя ✔
• B) Вимірювання спотворено через використання кольорового зображення
• C) Розмір зерна можна виміряти лише за допомогою SEM, оптична мікроскопія є неточною
• D) Вимірювання непотрібне, оскільки роздільна здатність зображення висока

Опис: у кількісній металографії кожен піксель відповідає довжині; Якщо це перетворення не відкалібровано за масштабною шкалою, усі розмірні вимірювання, такі як розмір зерна, фазове співвідношення та пористість, відображатимуться на неправильній шкалі. Калібрування є першим і обов'язковим кроком вимірювання на основі зображення.

6. AI запропонував рецепт термічної обробки (аустенітізація + загартування + відпуск) для досягнення цільової твердості сталі. Який найкращий крок перед застосуванням рецепта?

• A) Застосування рецепта безпосередньо до масового виробництва
• B) Нанесіть рецепт на пробний шматок, виміряйте твердість/мікроструктуру та порівняйте зі стандартом ✔
• C) Просто довільно підвищте температуру загартування з безпечної сторони
• Г) Виправлення та затвердження лише орфографії припису

Опис: В результаті термічної обробки; Товщина зрізу деталі, здатність до гартування (Джоміні) сильно змінюються в залежності від реальності печі та середовища охолодження. Припис, наданий ШІ, є початковою гіпотезою; Його слід перевірити, нанісши його на пробний шматок, вимірявши твердість і мікроструктуру та порівнявши їх із стандартом.

7. Ви попросили штучний інтелект надати «конкретний номер речовини» стандарту ASTM для граничного значення матеріалу, і він відповів точним значенням. Що таке правильна інженерна поведінка?

• A) Записування значення безпосередньо у звіт, оскільки ШІ оновлено
• B) Зміна значення випадковим чином, щоб бути в безпеці
• C) Перевірте номер речовини, версію та значення з офіційного та поточного стандартного тексту ✔
• D) Додавання номера позиції до файлу відповідності без його перевірки

Пояснення: навіть якщо мовні моделі знають стандартну назву правильно, вони можуть неправильно запам’ятати або створити номер статті, версію та точку зупину. У обов’язкових полях, таких як ASTM/ISO/EN, кожна речовина та значення мають бути перевірені дослівно з офіційного та актуального джерела; Вихід AI лише показує, де шукати.

8. Ви показали штучному інтелекту фотографію зламаної поверхні болта і отримали відповідь «це однозначно втомний злам». Який правильний підхід до аналізу першопричини?

• A) Написання діагнозу безпосередньо в звіті, тому що ШІ говорить точно
• Б) Просто збільшити роздільну здатність фото і підтвердити діагноз
• В) Встановлення нової деталі без огляду зламаної поверхні
• D) Підтвердьте діагноз як гіпотезу за допомогою фрактографії, історії заряду та доказів мікроструктури ✔

Опис: Інтерпретація зламаної поверхні; Фрактографія (смугастість, пляжні лінії, поділ ямок/розколів за допомогою СЕМ) вимагає спільного розгляду історії навантажень, навколишнього середовища та мікроструктури. Остаточний діагноз, який ШІ ставить на основі однієї фотографії, є гіпотезою; Основну причину не можна назвати без підтвердження лабораторними результатами.

9. AI присвоїв пік певній фазі на рентгенограмі (рентгенівської дифракції). Який метод є найбільш відповідним, щоб зробити ідентифікацію фаз надійною?

• A) Зіставлення піку з базою даних еталонного шаблону (наприклад, PDF-картки) і перевірка на перекривання та артефакти ✔
• Б) Прийняття призначення напряму, оскільки AI називає назву фази
• C) Врахування лише найвищої вершини та ігнорування решти
• Г) Розфарбуйте візерунок і зробіть його візуально красивим

Опис: Ідентифікація XRD фази здійснюється шляхом зіставлення виміряних положень піків та інтенсивності з відомими еталонними шаблонами (наприклад, картки ICDD/PDF). Призначення окремого піку вводить в оману; піки, що перекриваються, переважну орієнтацію та фонові артефакти слід брати до уваги, а призначення підтверджувати еталонною базою даних.

10. Проект звіту про пошкодження/інспекцію, підготовлений AI, містить технічні значення, які є плинними, але невідомого походження. Що таке правильна поведінка?

• А) Подання доповіді такою, як вона є, оскільки текст вільний
• B) Округлення та глянсування значень
• C) Просто прочитайте короткий зміст і пропустіть решту
• D) Зіставте кожне значення з оригінальним вимірюванням/джерелом і видаліть непідтверджені ✔

Опис: Кожне технічне значення у звіті; Він повинен бути простежуваним до вимірювання, запису каліброваного пристрою, стандарту або даних виробника. Навіть якщо це значення у вільному реченні, жодне число, джерело якого не було перевірено, не повинно включатися у звіт або в основу рішення; В іншому випадку на документ, що створює відповідальність, переноситься фіктивна вартість.

11. Що є найкращим кроком перед використанням розрахунку Python, згенерованого штучним інтелектом (наприклад, співвідношення Холла-Петча для розміру зерна та межі текучості)?

• A) Застосування коду безпосередньо до фактичних виробничих даних
• B) Переконайтеся, що код виглядає коротким і акуратним
• C) Запустіть код у тестовому сценарії з відомими результатами та перевірте одиниці та вихід ✔
• D) Видалення частини коду, щоб скоротити його

Пояснення: код може здаватися правильним, але давати неправильний результат: може бути помилка одиниці, неправильний коефіцієнт або помилка формули. Запуск коду в невеликому тестовому прикладі, де ви знаєте результат вручну, порівнюючи його з очікуваним результатом і перевіряючи одиниці, виявляє помилку, перш ніж вона переноситься на фактичне рішення.

12. Ви хочете вставити ще не запатентований рецепт сплаву вашої компанії та параметри процесу в загальнодоступний інструмент ШІ та запитати аналіз. Який підхід найбільш правильний?

• A) Вставте рецепт як є, щоб це було швидше
• Б) Досить просто видалити назву компанії та поділитися всіма параметрами, що залишилися.
• C) Спільне використання даних, а потім запит на видалення ШІ
• D) Перевірка інституційної політики та анонімізація даних або використання безпечного/інституційного інструменту ✔

Опис: Рецепт сплаву, параметри процесу та специфікації замовника є комерційною таємницею та інтелектуальною власністю. Перш ніж ділитися даними, необхідно перевірити корпоративну політику, зробити їх анонімними або скористатися інституційним/на місці інструментом, який не надсилає дані.

13. Система SPC (статистичне управління процесом) на основі штучного інтелекту повідомила, що у виробничій партії було перевищено ліміт контрольної карти. Що таке правильна інженерна поведінка?

• A) Ігноруйте попередження та продовжуйте виробництво
• B) Розширення контрольних меж таким чином, щоб не було попередження
• C) Розгляньте попередження як тригер, підтвердьте вимірювання, дослідіть першопричину та прийміть рішення за критеріями прийнятності ✔
• D) Безпосереднє усунення всієї партії без вимірювання

Пояснення: перевищення ліміту контрольної діаграми є попередженням; Основна причина не є автоматично очевидною. Це може бути помилка вимірювання, проблема з відбором або фактичний дрейф процесу. Правильний підхід полягає в тому, щоб вважати попередження тригером, підтвердити вимірювання, дослідити першопричину та прийняти рішення на основі критеріїв прийнятності та результатів НК/дослідження.

14. Оцінка зображення за допомогою штучного інтелекту на литій частині позначила зону як «прийнятну». Який правильний підхід для критично важливої ​​для безпеки частини?

• A) Врахування попередньої оцінки штучного інтелекту як інструменту скринінгу та пов’язування остаточного прийняття з результатом НК та авторизованим схваленням ✔
• B) Вважайте оцінку штучного інтелекту остаточним прийняттям і схвалюйте частину
• C) Перехід до наступного процесу, взагалі не перевіряючи деталь
• Г) Досить лише візуально перевірити поверхню деталі.

Опис: Внутрішні дефекти лиття (пористість, усадка, включення) часто невидимі з поверхні та оцінюються за допомогою неруйнівного контролю (НК: радіографія, ультразвук). Попередня оцінка, яку штучний інтелект дає через зображення, є інструментом перевірки; Остаточне приймання критично важливої ​​для безпеки частини здійснюється за допомогою НК і схвалення авторизованої інспекції відповідно до стандарту.