用ChatGPT來回答關于檢驗測試周期（Ti）的問題

當下被譽為可能是第五次技術革命的ChatGPT橫空出世，立即成為熱點，各路人馬已經各顯其能，對其提問調侃教育，嘗試各種用法。對于安全咨詢SIS計算這種小眾行業，ChatGPT有何幫助呢？翻出一篇之前的技術問答文章： “干貨|檢驗測試周期（Ti）對SIL計算影響的11個關鍵點” ，同樣的問題讓ChatGPT來回答，和原作者能有何不同呢？

首先從概念提問開始。

ChatGPT：

原作者：

平均失效概率PFDavg是指一個時間段內失效概率的平均值，為什么使用平均值而不是失效概率本身呢？原因很簡單，算起來太難， 失效概率是時間的指數函數，實時失效概率隨時間變化而變化，這在實際操作中難以求取，因此引入平均值代替，換成平均值后礙眼的積分符號就消失了。 工程師最愛不就是簡單粗暴有效嘛。

小C（讓我們簡稱ChatGPT為小C）緊扣問題，中規中矩用詞嚴謹，似乎比原作者有點跳脫的語氣更接近一個嚴謹的工程人員，第一回合，小C和原作者不分伯仲。

ChatGPT：

原作者：

檢驗測試（ Proof Test ）在 GB/T21109-2007檢驗測試定義為執行定期測試以檢測安全相關系統中危險的隱藏故障， 以便在必要時進行維修可以將系統恢復到如新狀態或盡可能接近該狀態。檢驗測試之間的時間間隔則為測試周期Ti。

小C深知套路，給出的答案面面俱到，看著完全沒有問題，然而和原作者的回答比較，似乎有點未搔到癢處，此時追加一個條件再次提問。

ChatGPT：

這次小C的回答是不是優秀很多了？果然提問人的角度略有變化，就能引導出更優秀的答案。

ChatGPT：

原作者：

驗證測試旨在揭示儀表設備可能隱藏的所有“被發現/未被發現”的故障，任何人都不知道的故障。測試的頻率，即Ti，對PFDavg有重大影響。 如果儀表設備未在指定的時間間隔內進行測試，則存在未檢測到的故障可能會在提出要求之前未被發現的危險，安全功能在您需要時可能無法工作！

看來小C頗為擅長灌水，讓我們試一試擠掉水分，再次提問。

ChatGPT：

回答一眼看去十分完美，但是否有一絲說不出來的別扭呢？仔細檢查一下問題，再次增加條件提問。

ChatGPT：

果然，正確的答案取決于正確的提問，小C再一次回到了軌道上。

以上問題，小C不能說十全十美，但是基本上沒有出現錯誤，而且回答的十分面面俱到，似乎已經可以拿來即用?，F在用一個有難度的細節問題來探一探小C的底限。

第一次提問，小C依然用套路。

ChatGPT：

原作者：

以1oo1表決結構的簡化公式為例，其中Ti即檢驗測試周期，λdu為危險不可測失效率。

在儀表設備的服務壽命內，制造商一般認為λdu為固定值，影響最終PFDavg的參數就是測試周期Ti了。從以上公式可推測，Ti由一年檢測一次的頻率變化為半年檢測一次時，失效概率PFDavg會降低一倍，但工程實踐中也是這樣嗎？

這里要引入安全功能（SIF）回路的概念，完成一個安全功能（SIF）實際上需要三個子單元協作：信號測量、邏輯運算控制器、動作執行，好像人的五官、大腦、四肢；一旦感受到危險，傳遞警報給大腦，做出判斷，是逃跑還是戰斗，由四肢執行。

而上面的簡化公式只是描述了一個組件（儀表或閥門）的失效概率，沒有反映出三個子單元，即一個SIF回路的平均失效概率。那么SIF回路的PFDavg如何計算？正解為：

原理很好理解，熟悉概率的同學復習下如何計算隨機獨立事件發生概率，別忘了，三個單元出現失效都是各自獨立的隨機事件呦。

既然以上三個單元都能夠出現失效，那么一個SIF回路的失效肯定是要考慮三個單元，測試頻率變了，三個單元的失效會同步變化嗎？筆者嘗試用國內使用率較高的SIL計算軟件RiskCloud計算了一下驗證測試周期分別從1延長為10年的一個變化，結果如下圖。

計算假設如下，僅Ti一個參數變化。

· 僅限1oo1結構，沒有共因失效；

· 儀表型號保持相同；

· 測試周期一致。

驗證測試周期 vs PFD變化趨勢

*藍色代表安全功能回路整體的PFDavg變化趨勢；橙色對應傳感器子系統，灰色對應SIS控制系統，黃色對應執行子系統。

顯然，隨著驗證測試周期的遞增，PFDavg隨著周期的逐年延長而越來越高，說明完成安全功能的可能性隨著周期的加長而下降， 但與Ti=1年時每年規律線性增長相比，PFDavg變化率并沒有呈現同步的線性響應，到了Ti=10年時，PFDavg也不過只有Ti=1年時的4倍左右（見下表），和上面簡化公式相比，似乎有點出乎意料。

測試周期Ti vs PFD變化匯總比較

各個子單元隨驗證周期改變發生變化的敏感性不同，以及各個子單元對PFDavg貢獻度不同，使得最終的PFDavg偏離了周期變化的線性規律。同時也反映出PFD（t）的非線性化特征。

和原作者回答比較后，按照慣例，提問人換了種問法。

ChatGPT：

反復讓小C回答幾次之后，這是得到的最優答案，有理有據有計算，但其中牛頭不對馬嘴之處，大家看到了嗎？

以上是使用ChatGPT的一些小嘗試，從上面的一系列問答可知，小C并不是擅于分析處理知識點，它遵循一定模板回答問題，而且從提問人一步步加入限制條件細化問題的提問方式來看，小C沒有主動性，不提要求就不會主動解釋，小C也沒有分辨能力，如果得到的資料錯誤，那么它也只會遵循資料。作為人工智能，假以時日，隨著經驗數據的積累，憑著小C遠勝于人類的數據存儲能力，從浩瀚的資訊中提煉資料，可以說，小C能成為人類的好助力，顛覆現在對于信息的處理以及使用方式。瑟瑟發抖害怕小C這樣的人工智能搶掉飯碗則大可不必，人工智能總會在不經意的地方露出它的馬腳，只要堅持自己的判斷力和知識存儲，學習如何和人工智能相處，警惕小C一本正經的胡說八道，那么未來可期！

來源：北京安必達科技有限公司

作者：王琳

小編：ABD