137 lines
24 KiB
JSON
137 lines
24 KiB
JSON
[
|
||
{
|
||
"id": 1,
|
||
"chunk": "# AI技术在化工行业设计工作中的应用展望 \n\n姜宜君 \n\n（中海油石化工程有限公司，山东青岛 266101） \n\n摘 要：随着人工智能（Artifi cial Intelligence, AI）技术的飞速发展，其在化工行业设计工作中的应用已经引起了广泛关注。AI 技术以其强大的自然语言处理能力、数据分析能力和逻辑推理能力，为化工行业设计带来了革命性的变化。首先解析了AI 技术具备数据分析、自然语言处理、知识融合、机器视觉能力，发现这些 AI 能力能够在化工设计领域发挥一定的价值。其次，深入探讨了 AI 技术在化工设计领域的知识管理、图纸管理、设计流程自动化等诸多核心设计过程的应用场景。化工设计场景在AI 的赋能下，不仅提高了设计效率，降低了成本，还实现了知识共享的愿景。然后，针对 $\\mathrm{AI^{+}}$ 化工设计应用场景，识别出目前 AI 在智能化设计、跨学科融合和人工智能伦理安全的风险与挑战。最后，对 AI 技术在化工行业设计中的未来发展进行了展望，预见其将实现更高级别的智能化、更广泛的应用领域以及更紧密的产业融合，并进一步推动化工行业设计的创新与发展。 \n\n关键词：AI 技术；人工智能；化工设计；智能设计；数字化中图分类号：TP29 文献标志码：A 文章编号 ：1003-6490（2025）01-0103-04",
|
||
"category": " Abstract"
|
||
},
|
||
{
|
||
"id": 2,
|
||
"chunk": "# Application Prospect of AI Technology in Chemical Industry Design \n\nJIANG Yijun \n\nAbstract: With the rapid development of artificial intelligence technology, its application in the design work of the chemical industry has attracted extensive attention. With its powerful natural language processing capabilities, data analysis capabilities, and logical reasoning capabilities, AI technology has brought revolutionary changes to the design of the chemical industry. Firstly, this paper analyzes the capabilities of AI technology in data analysis, natural language processing, knowledge fusion, and machine vision, and finds that these AI capabilities can play a certain value in the field of chemical design. Secondly, this paper deeply discusses the application scenarios of AI technology in many core design processes in the field of chemical design, such as knowledge management, drawing management, and design process automation. With the empowerment of AI, the chemical design scenario not only improves design efficiency and reduces costs, but also realizes the vision of knowledge sharing. Then, for the application scenario of $\\mathrm{AI^{+}}$ chemical design, the current risks and challenges of AI in intelligent design, interdisciplinary integration and artificial intelligence ethical security are identified. Finally, the future development of AI technology in the design of the chemical industry is prospected, and it is foreseen that it will achieve a higher level of intelligence, a wider range of application fields and closer industrial integration, and further promote the innovation and development of design in the chemical industry. \n\nKeywords: AI technology; artificial intelligence; chemical engineering design;intelligent design; digitization",
|
||
"category": " Abstract"
|
||
},
|
||
{
|
||
"id": 3,
|
||
"chunk": "# 0 序言 \n\nAI 技术是一种让计算机具备人的学习、思考、推理和自主学习技术，旨在能够让计算机“以人的行为和思维方式”完成一系列工作或任务。2022年OpenAI 的 ChatGPT 横空出世，各行业、专业领域、业务场景不断探索出与 AI 融合的业务场景或商业模式，不断提升业务智能化的进程。同时，这些 AI 场景，也在反向促进AI 的发展。尽管业务搭上AI 的便车实现了更高效、智能的发展，但是，正由于 AI“能够以人的思维方式”工作，这也不由得引起人们对其安全性、可靠性、保密性等诸多方面的担忧。我们希望搭建安全可信的AI 应用场景，一方面，借助于 AI 在各行业、专业领域、各业务部门之间搭建更加高效的协同桥梁，降低因专业壁垒导致的技术鸿沟，另一方面，也应该提升 AI 的安全性，在共享业务系统和知识的过程中，避免数据泄露，并让 AI 基于化工基本伦理工作，减少上述忧虑。",
|
||
"category": " Introduction"
|
||
},
|
||
{
|
||
"id": 4,
|
||
"chunk": "# 1 AI 技术及其在化工设计中的应用背景 \n\n化工设计行业专业性较高，并且设计过程复杂，因其在效率、成本、质量、安全等方面均有较高的要求，一直以来，针对这些问题并没有较好的解决方案。而AI 能够基于大数据，通过对数据的挖掘和自我学习，发现化工设计过程中隐藏的设计模式，帮助设计过程更加科学、高效，进而提出创新性的解决方案，在化工设计应用过程中可发挥巨大作用。",
|
||
"category": " Introduction"
|
||
},
|
||
{
|
||
"id": 5,
|
||
"chunk": "# 1.1 数据分析与优化功能 \n\n在化工设计中，AI 技术通过对行业设计数据和公司已交付工程进行数据机器学习和深度学习，挖掘出化工设计过程的设计规律和发展趋势，为化工设计人员提供高效的数据分析和优化能力，并对化工设计过程提供较完备的设计建议。同时，因机器学习算法具备自我学习和进化的能力，从而能够在不断对新产生设计数据的挖掘和学习过程中，根据正向的知识反馈，不断优化算法，提升数据分析的准确性，进而反馈质量和效率“双高”的设计建议。 \n\n在未来的设计过程中，设计人员可以借助于生成式AI，改变传统的设计模式：将“以人的经验为中心”的设计模式，转变为“用 AI 辅助”的设计模式。在新的设计模式下，设计人员可以将项目背景、设计规范以及设计要求以“提示词”的形式投喂给 AI，让AI 辅助生成初步的设计图纸。这些设计图纸，为设计人员提供比较丰富的设计灵感和参考思路，为基础设计阶段打下坚实的基础。进入详细设计阶段后，设计人员将基础设计阶段选型的设计图纸，结合进一步细化的设计需求和相关业务调度要求，以提示词的形式与 AI 进行交互，在经过多轮的交互后，得到既满足业务需求，又具有创新性的设计方案[3]。",
|
||
"category": " Introduction"
|
||
},
|
||
{
|
||
"id": 6,
|
||
"chunk": "# 1.2 自然语言处理与知识管理功能 \n\n自然语言处理（Nature Language Processing, NLP）技术因其能够理解并处理自然语言，所以在化工设计过程中，可以使用NLP 技术解析行业规范、化学文献、实验报告等文本数据，从中提取出对设计有价值的信息和知识，搭建具备 NLP 功能的知识管理能力，提升设计人员的知识检索效率。此外，NLP 能够将分散的设计系统、行业知识进行关联，形成独有专业的“知识图谱”，为化工设计工作者提供全方位的设计指引，避免因为遗漏设计规范和法规条例出现设计反复修改甚至设计事故。",
|
||
"category": " Introduction"
|
||
},
|
||
{
|
||
"id": 7,
|
||
"chunk": "# 1.3 计算机视觉与专家系统 \n\n计算机视觉具有强大的监控和检测功能，在笔记识别、绘图识别、实物识别等领域有广泛的应用 [4]。通过图像和视频数据，实时监控生产过程、检测产品质量、设备状态等关键信息，及时发现并预警各个业务环节出现的问题和异常信息。例如，对于化工反应过程中颜色、气泡等显著特性的变化，机器视觉可以自动识别反应结果，帮助设计师及时调整工艺参数。现阶段某些可燃气体检测仪便是运用了机器视觉技术，达到了对气体泄漏的检测甚至提前预测的目的。 \n\n专家系统则集成了化工领域的专业知识和经验，能够模拟人类专家的思考过程，解决复杂的设计问题，为此，专家系统能够为设计师提供权威的决策支持和建议 [5]。在化工设计过程中，一方面，专家系统能够根据设计师人员的需求和约束条件，为其提供更加贴近项目实际场景的设计方案、材料选型和工艺参数等建议；另一方面，专家系统基于对历史数据和实时数据的分析，预测出生产过程中的潜在风险，并提供针对性的解决方案。当然，为了达到以上的应用效果，专家系统需要对海量的设计文件、行业经验、文献、规范等非结构化的“自然语言”文本不断迭代和学习，提升 AI 的自主推理和学习能力，保证专家系统具备“专家能力”。 \n\n化工设计可以借助于AI 相关的数据分析与优化、自然语言处理与知识管理、计算机视觉与专家系统等多种功能和应用场景，提高化工设计的效率和质量，挖掘更多的创新场景和发展机遇。",
|
||
"category": " Introduction"
|
||
},
|
||
{
|
||
"id": 8,
|
||
"chunk": "# 2 AI 技术在化工设计过程中的应用场景",
|
||
"category": " Introduction"
|
||
},
|
||
{
|
||
"id": 9,
|
||
"chunk": "# 2.1 AI+化工设计知识管理应用场景",
|
||
"category": " Introduction"
|
||
},
|
||
{
|
||
"id": 10,
|
||
"chunk": "# 2.1.1 自动化与智能化整合 \n\n在化工设计领域，利用机器学习技术的自动化搜索和智能分类能力，可极大地提高设计人员查找和整合规范文档的效率。利用深度学习和自然语言处理技术，机器学习模型能够自动从海量规范中提取关键特征，以向量的形式关联业务关键点，形成知识图谱的底层数据要素，构建高效的搜索索引，形成垂直领域的知识图谱，方便设计人员向 AI 发起基于专业提示词的对话。 \n\nAI 通过对提示词的解析，在专业知识库中完成快速、精准检索后，将结果组装后反馈给设计人员。此外，机器学习还能将设计领域与其他相关领域的知识图谱进行关联和融合，实现跨领域级知识的关联和检索，更好地为设计工作提供相关领域知识的智能推荐和业务指引。如针对工程师基于设计规范、专业背景和项目需求等特征，由 AI 提供跨领域融合的智能化解决方案，有效帮助工程师获取完备的设计规范，同时也能够促进设计行业的知识发现和业务创新。",
|
||
"category": " Introduction"
|
||
},
|
||
{
|
||
"id": 11,
|
||
"chunk": "# 2.1.2 预测性分析与可视化展示 \n\n机器学习不仅提供了高效的信息整合和检索能力，还具备对业务数据的可视化展示和预测性分析的能力。通过对历史数据和行业动态的分析，机器学习能够预测规范的发展趋势和潜在变化，帮助企业提前做好应对策略，以在新的发展阶段寻求发展机遇和应对挑战。同时，机器学习还能将规范信息以流程图、思维导图、热力图、数据流图等可视化的方式展示，帮助工程师更直观地理解规范内容，让工程师将设计过程聚焦在行业规范和风险特征较高的设计流程中，减少因对冗余信息的检索和排查而导致的沉没成本，提高信息的吸收和应用效率。此外，机器学习模型具有自我学习和持续进化的能力，随着数据的积累和模型的优化，其对设计要素的完备性和准确度将不断提升，这将有助于提升化工设计规范的整合能力与信息检索能力。",
|
||
"category": " Results and discussion"
|
||
},
|
||
{
|
||
"id": 12,
|
||
"chunk": "# 2.2 $\\mathbf{A}\\mathbf{I}+$ 化工图纸绘制应用场景 \n\n将 AI 的视觉检测技术应用到化工设计过程中的图纸识别与分析、图纸错误检测、图纸标准化、图纸的三维建模与分析、图纸与模型的相互转换、设计参数优化、设计流程自动化等设计场景，有效提升图纸绘制的效率和准确性。",
|
||
"category": " Introduction"
|
||
},
|
||
{
|
||
"id": 13,
|
||
"chunk": "# 2.2.1 自动化图纸识别与分析 \n\n在化工设计中，图纸是设计师们表达设计意图、展示工艺流程的重要工具。传统的手工图纸因为是由设计人员识别与分析，以至于整个设计过程不仅耗时高，而且还容易出现遗漏项导致错误率居高不下。计算机视觉技术通过先进的图像识别和模式匹配算法，能够迅速而准确地识别图纸中如管道、阀门、泵等各类元素，并理解它们之间的相关性，形成集统计、合规性于一体的分析报告。这不仅加快了设计分析的速度，提高了分析的准确性，为后续的设计修改、优化和审阅提供了坚实的基础；而且结合了 AI 的风险识别能力，依托 AI 已经整合的设计规范、法律法规和最佳设计案例，AI 能够快速并有效地根据识别出的遗漏的设计要素和“非规范化设计要素”，帮助设计人员规避业务风险。",
|
||
"category": " Introduction"
|
||
},
|
||
{
|
||
"id": 14,
|
||
"chunk": "# 2.2.2 图纸错误检测 \n\n化工设计图纸中的错误可能会导致严重的后果，轻则损坏设备，重则导致生产事故，为此，图纸错误检测在设计过程中具有相当重要的分量。因此，如何及时发现图纸中的错误，并提供有效修改建议，变得尤其重要。计算机视觉技术能够开发出高效的图纸错误检测系统，能识别图纸中的潜在错误，如设备尺寸错误、连接错误等，并及时提醒设计师进行修正。这不仅减少了设计错误发生的概率，还提高了设计的可靠性和安全性。在人与 AI 交互的过程中，设计人员不断将修改的建议迭代到 AI 的认知能力库中，逐步完善 AI 的错误检测和错误修正能力，最终实现让 AI帮助设计人员完成图纸错误检测和修正的工作，达到提高设计效率的目的。",
|
||
"category": " Results and discussion"
|
||
},
|
||
{
|
||
"id": 15,
|
||
"chunk": "# 2.2.3 图纸标准化 \n\n由于每一位设计人员参与的项目不同，设计习惯也因此有一定的差异，这便为图纸的标准化带来一定的挑战。图纸的标准化可以使项目风格统一、提高成品文件设计质量，更有效地实现信息共享。计算机视觉技术的应用便可以提供如检测设计文件图例是否正确、格式是否统一、数据是否完整等服务，极大地提高了标准化程度与检测的效率和准确率。",
|
||
"category": " Materials and methods"
|
||
},
|
||
{
|
||
"id": 16,
|
||
"chunk": "# 2.2.4 三维建模与可视化 \n\n三维建模在化工设计中已极为普遍，智慧工厂设计、数字化交付技术更是趋于成熟。计算机视觉技术甚至可以检查检修人员的巡检路线是否畅通，以便修改设计使得符合实际情况。这不仅有助于设计师更好地分析设计细节，还为后续的项目审查、优化等提供 \n\n了有力支持。",
|
||
"category": " Results and discussion"
|
||
},
|
||
{
|
||
"id": 17,
|
||
"chunk": "# 2.2.5 设计流程自动化 \n\n传统的化工设计流程往往需要大量的人工输入、统计和检查工作，这往往会浪费大量的时间，并且会因为复杂度的提升而容易出错。通过自动识别图纸中的元器件、工艺流程等信息，并将其记录到设计软件中，视觉技术自动完成相关设计输入和统计相关的工作，在提高设计效率的同时，自动检查设计过程中存在的疏漏或风险，确保设计的准确性和可靠性。基于此，视觉技术有效代替设计人员的手工操作，帮助设计人员完成容易遗漏的差错检测，并结合 AI 的图例能力，可逐步实现流程的自动化设计，提升流程设计的自动化水平。",
|
||
"category": " Results and discussion"
|
||
},
|
||
{
|
||
"id": 18,
|
||
"chunk": "# 3 AI 技术在化工设计中面临的挑战与机遇",
|
||
"category": " Introduction"
|
||
},
|
||
{
|
||
"id": 19,
|
||
"chunk": "# 3.1 智能化设计 \n\n传统的化工设计过程往往依赖于人工经验和复杂的计算，而 AI 系统则能够凭借其强大的数据处理和分析能力，更深入地理解设计需求和市场趋势。通过机器学习、深度学习等算法，AI 系统可以自动完成部分如模拟实验、参数优化等设计工作，从而大大提高设计效率和质量。尽管 AI 算法能够根据大数据的统计规律自动生成设计方案，但往往因为 AI 使用类似的推理模型容易出现较常规和无差异化的解决方案，这难以匹配实际的业务需求，而对于设计人员的辅助设计来说，反而会将“利器”变为“累赘”。此外，AI 技术在处理复杂问题和非结构化任务时仍面临诸多挑战，其能力尚未达到人类工程师的综合决策水平。设计工程师在设计中能够综合考虑诸如环境、规范、业务需求、客户偏好、设计理念等诸多复杂和不可控的因素，而 AI 技术在这方面仍有待进一步发展和提升。 \n\n设计师可以借助于智能化设计，从繁琐的计算和模拟工作中脱离出来，从而更加专注于设计模式优化和创新。此外，AI 系统还可以根据市场反馈和消费者需求，快速调整设计方案，以满足不断变化的市场需求和发展趋势。",
|
||
"category": " Results and discussion"
|
||
},
|
||
{
|
||
"id": 20,
|
||
"chunk": "# 3.2 跨学科融合 \n\n化工设计是一个涉及化学、物理、机械等多个学科的复杂过程。传统的化工设计往往因为存在学科壁垒，导致各学科之间的知识和经验无法有效融合和共享，AI 技术的出现，为跨学科融合提供了新的方式。 \n\n在化工设计产品过程中，借助于AI 的信息整合能力，以“统一语言”的形式，输出让各专业领域相互理解的设计模式。因此，在化工设计过程中，AI 可以帮助各专业突破专业障碍，降低沟通难度，提升沟通和协作效率，从而促进化工产品设计的革新与开发。",
|
||
"category": " Introduction"
|
||
},
|
||
{
|
||
"id": 21,
|
||
"chunk": "# 3.3 人工智能伦理和安全的关注 \n\n尽管AI 技术在化工设计中具有丰富的应用场景，（下转第115页） \n\n压缩机基础荷载较大，采用天然地基或地基处理不能满足设计要求，应采用桩基础。因压缩机厂房基础底部的拔力较大，需要桩能提供很大的抗拔力，所以本工程选用干作业灌注桩。以第 $\\textcircled{5}$ 层强风化岩为桩基持力层，计算得单桩竖向抗压承载力特征值为 $1~100\\mathrm{kN}$ 。需要注意的是，根据《动力机器基础设计标准》（GB50040—2020）第 3.3.1 条及 3.3.3 条，桩基承载力需要乘以动力折减系数，旋转式机器基础可取0.8。 \n\n采用PKPM 基础设计版块进行基础的设计，基础底板尺寸为 $15\\mathrm{m}\\times6.9\\mathrm{m}$ ，布置三行六列灌注桩。计算得最大桩基反力为 $550\\mathrm{kPa}$ ，平均桩基反力为 $514~\\mathrm{kPa}$ ，满足承载力要求。",
|
||
"category": " Results and discussion"
|
||
},
|
||
{
|
||
"id": 22,
|
||
"chunk": "# 2 结语 \n\n当动力机器基础的振动响应超过容许振动标准时，会造成动力机器机器振动过大，减少使用寿命，降低工作效率，被迫停止工作，造成设备附属管道和零部件损坏，会对操作人员舒适性造成不良影响，会对附属建筑结构造成损伤、破坏，甚至引发工程事故。因此进行动力机器基础的动力计算很有必要。通过工程计算实践证明，STAAD.Pro 非常适用于构架式压缩机基础的动力计算。其空间建模方便，计算模型合理，而且结果直接详细，为大型构架式动力机器的发展提供了便利的条件。 \n\n构架式压缩机基础设计是一项繁重而复杂的过程，不仅仅是为了避免经济损失，更是为了保证操作人员的人身安全。作为一个合格的设计人员，我们要对自己负责，也要对别人负责，做新时代的好青年。",
|
||
"category": " Conclusions"
|
||
},
|
||
{
|
||
"id": 23,
|
||
"chunk": "# 参考文献 \n\n[1] 中华人民共和国工业和信息化部 . 石油化工压缩机基础设计规范 : SH/T 3091—2012[S]. 北京 : 中国石化出版社 , 2013. \n[2] 中华人民共和国住房和城乡建设部 . 动力机器基础设计标准 : GB 50040—2020[S]. 北京 : 中国计划出版社 ,2021.",
|
||
"category": " References"
|
||
},
|
||
{
|
||
"id": 24,
|
||
"chunk": "# （上接第105页） \n\n也能为化工设计过程带来便捷的设计体验，但因其具备“人的思维方式”，我们不得不面临AI带来的伦理和安全方面的诸多挑战。 \n\n人工智能伦理问题应优先考虑。随着 AI 系统在化工设计中的应用日益广泛，如何确保 AI 系统的道德合规性、避免潜在的伦理风险成为亟待解决的问题。我们需要制定相应的伦理规范和监管机制来确保 AI能够秉持化工伦理的基本准则来赋能化工各场景。 \n\n数据安全也是 $\\mathrm{AI^{+}}$ 化工场景的关键问题。在大数据时代，尽管设计师可以借助 AI 的学习成果，提高设计团队的协作效率，发现设计过程中的潜在风险，以便提前采取预防措施，但设计人员投喂给 AI 的资料，也必将成为 AI 的学习资料，这将很有可能出现数据泄露的风险，进而出现公司、行业和国家机密泄露的风险。所以，AI 在化工行业应用的过程中，如何保障数据安全将成为至关重要的环节。 \n\n综上，我们需要采取有效的技术手段和管理措施来防止数据泄露、非法获取和滥用等风险的发生。",
|
||
"category": " Introduction"
|
||
},
|
||
{
|
||
"id": 25,
|
||
"chunk": "# 4 结论 \n\nAI 技术在化工设计过程中具有广泛的应用前景，也面临着安全与伦理等诸多方面的挑战。通过提高设计效率和质量、降低设计风险、实现个性化定制设计、推动设计业务流程高效协同等多种场景的融合，AI技术将为化工设计带来新的变革。",
|
||
"category": " Conclusions"
|
||
},
|
||
{
|
||
"id": 26,
|
||
"chunk": "# 参考文献 \n\n[1] 梁庆国. AI 人工智能技术应用于设计专业实践教学的跨界合作与创新模式研究 [J]. 现代职业教育 , 2024(4): 153-156. \n[2] Huang J W. Digital engineering transformation withtrustworthy AI towards industry 4.0: emerging paradigmshifts[J]. ArXiv e-Prints, 2023: arXiv: 2301.00951. \n[3] 黎锐垣. 工业设计的转变: 人工智能全流程应用[J]. 产业创新研究 , 2024(4): 38-40. \n[4] 马明 , 贾楠 , 苏璐 . 工程图纸图像识别技术在数字化交付中的应用 [J]. 石油化工建设 , 2021, 43(6): 63-65. \n[5] 李强 . 人工智能教育研究专家系统构建框架及实施 [J].天津市教科院学报 , 2020, 32(1): 42-48.",
|
||
"category": " References"
|
||
},
|
||
{
|
||
"id": 27,
|
||
"chunk": "# 版 权 声 明 \n\n录稿通知发出后，视为投稿人已阅读并理解我刊“投稿须知”等内容。例如，投稿人投稿时请勿“一稿多投”；根据国家著作权法，编辑部享有作品的汇编权和文字修改权等权力，所发表文章版权归编辑部所有。投稿人将作品交本刊刊载的同时也同意将其信息网络传播权授予我编辑部等等。本声明所说的信息网络传播权，包含相应的电子版本复制权。如发现已录用稿件有学术不端行为嫌疑的，编辑部有权将其从美国《化学文摘》、知网、万方、维普、超星等数据库平台撤稿。 \n\n《化工设计通讯》编辑部",
|
||
"category": " References"
|
||
}
|
||
] |