
通过增强人类在设计、分析方面的能力,在线人工智能工具正在迅速改变机械工程、 制造业和维护。与传统方法相比,这些人工智能系统可以更快地处理海量数据、识别复杂模式并生成新的解决方案。例如,人工智能可以帮助您优化性能和可制造性设计,加速复杂的模拟,预测材料特性,并自动执行各种分析任务。
The prompts provided below will for example help on generative design, accelerate simulations (FEA/CFD), help on predictive maintenance where AI analyzes sensor data from machinery to forecast potential failures, enabling proactive servicing and minimizing downtime, help on material selection and much more.
- 信息提取
- 机械工程
人工智能提示 从研究中提取故障模式
- 腐蚀, 增材制造设计(DfAM), 面向制造设计 (DfM), 故障分析, 故障模式和影响分析(FMEA), 维护, 机械工业, 质量管理, 风险分析
本提示旨在扫描研究论文文本或可公开访问的研究论文 URL,以查找机械部件或系统中提及的特定失效模式。它将列出已识别的故障模式及其背景或原因。这有助于快速收集有关常见或新型故障机制的情报。
输出:
- Markdown
- 需要实时互联网
- 字段:{研究源文本或 URL}{组件类型}{失败关键字列表}{搜索源文本或 URL}。
- 最适合用于从技术文献中汇总有关故障机制的知识,为设计、材料选择或维护策略提供参考。
- 信息提取
- 机械工程
人工智能提示 编制标准组件尺寸表
- 增材制造设计(DfAM), 面向制造设计 (DfM), 紧固件, 材料, 机械工业, 产品设计, 产品开发, 质量保证, 质量控制
该提示有助于从所提供的工程手册文本片段或相关网页 URL 中提取常见机械部件(如螺栓、轴承、管道)的标准尺寸并制成表格。目标是获得这些尺寸的结构化表格。输出为 Markdown 表格,便于阅读。
输出:
- Markdown
- 需要实时互联网
- 字段:{手册章节文本或 URL} {组件名称} {尺寸标头列表{组件名称} {尺寸标头列表}
- 最适合用于根据参考资料创建标准组件尺寸快速参考表,对设计和绘图非常有用。
- 数据生成或扩充
- 机械工程
人工智能提示 生成合成应力-应变曲线数据
- 合金, 有限元法(FEM), 材料, 机械工业, 机械性能, 冶金学, 产品开发, 模拟, 应力腐蚀
本提示根据关键力学性能生成假想金属合金的合成应力应变数据点。在没有实际实验数据的情况下,它可以为有限元预处理或教育目的创建说明性数据集。输出为 CSV 格式。
输出:
- CSV
- 不需要实时互联网
- 字段:{合金名称} {极限拉伸强度_mpa} {屈服强度_mpa} {断裂伸长率_百分数}
- 最适合在缺乏具体实验数据的情况下,为模拟或教育示例创建可信的材料行为数据集。
我们是否假设人工智能总能生成机械工程方面的最佳提示?这些提示是如何生成的?
人工智能会让人类工程师变得多余吗?
相关文章
污染控制策略和洁净室26个最佳实践
从 GMP 到 cGMP:完整的母带制作指南
IQ OQ PQ 流程验证:完整理论与实践
“孤独的坚果”、“第一个追随者”和“快速追随者”策略
工程领域代理的 20 个最佳用途
如何向爱斯基摩人销售冰块(又称营销诡计)