Lợi nhuận:
- Khả năng phân biệt nơi AI đang tăng tốc và nơi có rủi ro trong hoạt động của mạch, nguồn và hệ thống nhúng
- Khả năng giải thích tại sao việc xác minh và phê duyệt của kỹ sư là bắt buộc trong các công trình điện liên quan đến an toàn tính mạng và tài sản.
- Khả năng định vị đầu ra AI là đầu vào dự thảo cần được kiểm tra, thay vì thay thế cho phán đoán kỹ thuật
Khi bạn xem một ngày làm việc của một kỹ sư điện và điện tử, hình ảnh hiện ra ở hầu hết các nhóm đều giống nhau: đọc bảng dữ liệu, điền vào bảng tính, viết và gỡ lỗi mã, vẽ sơ đồ, tìm kiếm tiêu chuẩn, chuẩn bị báo cáo thử nghiệm, e-mail và các cuộc họp. Nói cách khác, thời gian dành cho phần “kỹ thuật” thực tế, tức là việc đánh giá việc thiết kế một hệ thống một cách an toàn và chính xác, sẽ bị tiêu tốn do công việc lặp đi lặp lại. Đây là lúc trí tuệ nhân tạo phát huy tác dụng. AI không thiết kế cho bạn; Nó giúp bạn chuẩn bị cho việc thiết kế, tạo bản nháp, tăng tốc độ tính toán và đưa thông tin đã xử lý ra trước mặt bạn để đưa ra quyết định. Trong phần này, chúng tôi sẽ làm rõ những giai đoạn nào của quy trình làm việc điện-điện tử mà AI mang lại giá trị thực, những quyết định nào chắc chắn nên thuộc về kỹ sư và kỷ luật an toàn mà bạn phải tuân thủ khi thực hiện việc này. Mục tiêu rất rõ ràng: định vị AI không phải là “nhà thiết kế tự động” mà là một trợ lý có kỷ luật có kết quả đầu ra luôn được xác minh.
Máy gia tốc AI ở doanh nghiệp nào, rủi ro ở doanh nghiệp nào?
Các công trình điện và điện tử nằm trên một phạm vi hai hướng xét về kết quả của chúng. Ở một đầu là các công việc văn phòng có rủi ro thấp, có thể hủy bỏ; Mặt khác, có những quyết định không thể đảo ngược, ảnh hưởng trực tiếp đến sự an toàn tính mạng và tài sản. Giá trị của AI thay đổi tùy thuộc vào vị trí của bạn trên quang phổ này.
loại hình kinh doanh
Đóng góp của AI
Vai trò của kỹ sư
Bảng dữ liệu/tóm tắt tiêu chuẩn
Xóa mục liên quan khỏi tài liệu dài
Xác minh giá trị từ nguồn chính thức
Bản thảo mã (MCU, Python)
Bộ xương và tạo chức năng
Đăng ký, thời gian, xác minh kiểm tra
Tài khoản công việc sơ bộ
Cài đặt công thức, số đầu tiên
Kiểm soát đơn vị, cấp bậc và tiêu chuẩn
Tài liệu
Báo cáo/BOM/dự thảo quy trình kiểm tra
Độ chính xác kỹ thuật và thuật ngữ
phối hợp bảo vệ
gợi ý, kịch bản
Lựa chọn và phê duyệt cuối cùng
vận hành thử
bản thảo danh sách kiểm tra
Đo lường và chữ ký tại hiện trường
Quy tắc rất đơn giản: rủi ro của đầu ra AI bằng với thiệt hại mà đầu ra đó sẽ gây ra nếu nó mắc lỗi. Viết sai chính tả nhãn trục là vô hại; Việc tính toán sai cài đặt dòng điện của cầu dao có thể dẫn đến hỏa hoạn. Vì vậy, câu hỏi đầu tiên cần đặt ra trước khi sử dụng kết quả đầu ra là: "Điều gì xảy ra nếu điều này sai và ai sẽ chú ý?"
Chú ý: AI tạo ra văn bản trôi chảy và tự tin. Sự lưu loát không đảm bảo tính chính xác. Một mô hình ngôn ngữ có thể "chế tạo" (ảo giác) các công thức, số mục và giá trị biểu dữ liệu đáng tin cậy ngay cả khi nó không có dữ liệu thực. Trong lĩnh vực điện, điều này không tồn tại trên giấy tờ; trở nên trục trặc, hư hỏng hoặc tai nạn trên hiện trường.
Những quyết định nên được giao cho kỹ sư
Một số quyết định không bao giờ nên được tự động hóa hoàn toàn. Những điều này gây ra rủi ro về mặt kỹ thuật, pháp lý và đạo đức:
- Các lựa chọn quan trọng về an toàn: Xếp hạng cầu dao/cầu chì, phối hợp bảo vệ, nối đất và cấp cách điện.
- Vận hành thử và đóng điện: Quyết định cấp điện áp vào bo mạch, động cơ hoặc đường dây điện của bo mạch lần đầu tiên.
- Tuyên bố hợp chuẩn tiêu chuẩn: Tuyên bố "Thiết kế này tuân thủ tiêu chuẩn liên quan" cần có chữ ký của kỹ sư.
- Các giá trị tiếp xúc với con người: Ngưỡng bảo vệ dòng điện dư, điện áp chạm, giới hạn EMC/EMF.
Cảnh báo: Ngay cả khi phép tính do AI tạo ra cho kết quả như "50 A cầu dao là đủ", thì việc áp dụng nó mà không có kỹ sư xác minh bằng dòng điện ngắn mạch, độ chọn lọc và độ bền của cáp là không thể chấp nhận được. Mỗi đầu ra quan trọng về mặt an toàn phải được kỹ sư được ủy quyền xác minh và phê duyệt độc lập trước khi triển khai.
Kỷ luật xác minh: Kiểm soát ba lớp
Để sử dụng đầu ra AI dưới con mắt của người biên tập và người kiểm tra thay vì mù quáng, hãy áp dụng điều khiển ba lớp:
- Đơn vị và cấp bậc (kiểm tra độ tỉnh táo): Đơn vị của kết quả có đúng không? Kích thước có hợp lý về mặt vật lý không? Nếu máy biến áp 100 kVA bị mất 500 kW thì có lỗi ở đâu đó.
- Tái tạo độc lập: Tái tạo phép tính theo cách thủ công, bằng máy tính hoặc chạy Python/SPICE ngắn. Nếu hai phương pháp khác nhau cho cùng một kết quả, niềm tin sẽ tăng lên.
- Xác minh tiêu chuẩn và nguồn: Mọi số mục, giá trị bảng dữ liệu và giới hạn do AI đưa ra phải được xác nhận nguyên văn từ nguồn chính thức.
Lời nhắc xác minh (giúp kiểm tra kết quả dễ dàng hơn): "Liệt kê rõ ràng TẤT CẢ các giả định, công thức và đơn vị bạn đã sử dụng để tính toán sau đây. Hiển thị từng bước trung gian trên một dòng riêng biệt. Đánh dấu giá trị tiêu chuẩn hoặc số biểu dữ liệu bạn đã sử dụng bằng thẻ 'yêu cầu nguồn'; không tạo ra bất kỳ số nào mà bạn không biết chắc chắn."
Nhắc yếu / Nhắc mạnh
YẾU:"Hãy cho tôi biết tiết diện cáp phù hợp với động cơ này."(Kết quả: một số không có ngữ cảnh; không rõ dòng điện, chiều dài, phương pháp lắp đặt và giới hạn sụt áp được giả định.) MẠNH:"Tính sơ bộ tiết diện cáp đồng cho các điều kiện sau và hiển thị các bước:- Động cơ: 15 kW, 400 V, ba pha, cosφ 0,85, hiệu suất 0,90- Chiều dài cáp: 60 m, lắp đặt ống dẫn, môi trường xung quanh 35 °C- Độ sụt điện áp cho phép: 3% Tính toán dòng điện, độ sụt áp và khả năng mang dòng nhiệt RIÊNG. Ghi lại đơn vị ở mỗi bước. Lưu ý rằng cần phải xác minh kết quả bằng bảng tiêu chuẩn liên quan;
Sự khác biệt là dấu nhắc mạnh cung cấp cả đầu vào thực tế và ranh giới (không khai báo, hiển thị các bước) cho mô hình. Điều này làm cho đầu ra có thể kiểm tra được.
Hộp đựng nhỏ
Kỹ sư hệ thống nhúng Deniz in mã đọc ADC của thẻ đo nhiệt độ tới AI. AI thiết lập công thức giả sử điện áp tham chiếu cho ADC 12 bit là 5 V. Deniz mở bảng dữ liệu của thẻ; tham chiếu thực tế là 3,3 V. Giả định của AI là 5 V sẽ có mỗi phép đo được đọc với độ lệch khoảng 50%. Biển sửa tham chiếu, tải mã lên thẻ và so sánh số đọc với nhiệt kế thực tế ở nhiệt độ đã biết. AI cho tốc độ; Biển đã tăng thêm độ tin cậy bằng cách xác minh giả định và xác nhận nó bằng phép đo. Nếu AI được tin cậy một cách mù quáng, lỗi sẽ được truyền đến hiện trường.
Những lỗi thường gặp
- Chấp nhận các giả định của AI (điện áp tham chiếu, nhiệt độ, loại dây dẫn) mà không cần thắc mắc.
- Áp dụng các giá trị quan trọng về an toàn (máy cắt, bảo vệ, nối đất) mà không cần xác minh.
- Không chú ý đến số bảng dữ liệu đã tạo và số mục tiêu chuẩn.
- Giả sử mã "hoạt động" mà không cần đo nó trong phần cứng.
- Bỏ qua điều khiển âm lượng; Nhìn ra sự nhầm lẫn của V, A, W, VA, VAR.
- Thay thế đầu ra AI để phê duyệt kỹ thuật.
Mẹo: Hãy hỏi mỗi đầu ra của AI ba câu hỏi sau: (1) Nó đã đưa ra kết luận đó với những giả định nào và các giả định đó có đúng không? (2) Tôi đã sao chép điều này một cách độc lập chưa? (3) Điều này có quan trọng về mặt bảo mật không và nếu có thì tôi có nhận được xác minh và phê duyệt có thẩm quyền không? Nếu cả ba đều rõ ràng, hãy tiếp tục.
Tóm lại
- AI bổ sung tốc độ và quy mô trong các giai đoạn chuẩn bị, tính toán, mã hóa và lập tài liệu của các công trình điện và điện tử; nhưng anh ấy không phải là người ra quyết định.
- Rủi ro của một kết quả tương đương với thiệt hại mà nó sẽ gây ra nếu mắc sai lầm; Công việc quan trọng về an toàn đòi hỏi sự xác minh độc lập và phê duyệt của kỹ sư.
- Văn bản trôi chảy không phải là văn bản chính xác; Mọi giả định, con số và giá trị tiêu chuẩn đều phải được xác minh.
- Ba lớp kiểm soát (đơn vị/cấp bậc, sao chép độc lập, xác minh nguồn) làm cho đầu ra đáng tin cậy.
- Lời nhắc mạnh mẽ cung cấp đầu vào thực tế và ranh giới cho mô hình.
- Định vị AI là “một trợ lý nhanh chóng có mọi đầu ra đều được giám sát”.
Nhiệm vụ ứng dụng
Yêu cầu AI giải một phép tính bạn vừa thực hiện (tiết diện cáp, chọn điện trở, tổn thất điện năng, v.v.) từ đầu. Sau đó trích xuất từng giả định và số ở đầu ra thành danh sách; quyết định "đã xác minh/yêu cầu tài nguyên/bị lỗi" cho mỗi. Tự mình thực hiện lại phép tính theo cách thủ công hoặc chạy Python ngắn và so sánh hai kết quả. Nếu khác nhau, hãy tìm hiểu lý do tại sao. Bài tập này xây dựng thói quen sử dụng AI với kỷ luật kiểm toán viên.