深元合成是一家致力于AI for Engineering的创新型科技公司。我们打造Ai智能体，自主从海量非结构化文献中提取高精度热力学与动力学参数，并无缝驱动Aspen等主流工业软件进行工艺仿真与设备设计。我们希望帮助化工和能源企业打破数据壁垒，将数周的案头工作压缩至数分钟，实现真正的自动化工程闭环。
Ai智能体跨越鸿沟：连接科研数据与工程制造。
通过🦞OpenClaw等Ai Agents去搭建化工工作流，自动化操作复杂的化工工程软件（例如Aspen等）实现工艺的自动化模拟，加速化工工艺的研发创新。
化工反应后的溶剂回收工段，有一股5000kg/h的高温混合溶剂（70%PGMEA + 30%环己酮）需要进行纯液相冷却。工艺要求将其从110°C冷却至40°C。工厂提供30°C的标准循环冷却水（回水温度设定为 40°C）。需要设计一台管壳式换热器（TEMA E型）。
对于PGMEA和环己酮的混合物，Aspen默认的常规物性方法在预测高温段的混合物液相导热系数（Liquid Thermal Conductivity）时，往往存在较大偏差。导热系数直接决定了传热膜系数。为了拿到准确的导热系数，工程师通常需要去知网等平台查阅实验测定数据，再手动折算填入软件——这个过程枯燥且极易出错。
我们让两个AI虚拟工程师组团，上演一场从“全网搜集参数”到“精准化工模拟”的接力赛。
步骤1【输入指令】：帮我获取70%PGMEA与30%环己酮混合液在20°C-120°C范围内的液相导热系数实验数据或拟合公式。
步骤2【Ai执行】： Agent 1自动联网检索，在《Fluid Phase Equilibria》等物性核心期刊中锁定目标文献。通过科研通下载PDF文档存入后台，再调用大模型阅读和分析文章，并从非结构化文献中定位到包含回归系数的数据表。
步骤3【输出】：Agent 1提取出液相导热系数的温度多项式经验公式λ=A+BT+CT2，并精准抓取了特定配比下、由真实实验拟合的系数值：
C=5.3×10−8 (注：参数格式符合Aspen输标准)
步骤4【交接】：Agent 1瞬间将这组数据打包为结构化的JSON指令，发送给下一位虚拟智能体。
步骤1【Ai执行】：Agent 2读取JSON指令后，通过后台调用Aspen Exchanger Design&Rating (EDR)。
-
参数强制注入：它直接进入Aspen的Properties环境，在T-Depedent Properties中输入Agent 1抓取的多项式系数，精准覆盖并替换掉软件原本的粗糙估算值。
-
边界条件录入：热侧（管程）：入口110°C，出口40°C，流量5000kg/h，压降上限30kPa。冷侧（壳程）：冷却水入口30°C，出口40°C。
步骤2【输出结果】：Agent 2启动Rigorous Design（严格设计），几秒后，计算收敛。自动截取Aspen生成的3D换热器排管图，并导出一份精准的TEMA换热器规格书（Data Sheet）：
-
-
管束结构：124根（外径 19.05 mm，长2.5米），三角形排布。
将成熟的工业软件（如Aspen Plus）与智能的AI Agent相结合，是流程工业实现数字化转型最务实、最硬核的路径。换热器的自动化计算只是一个开始。精馏塔、反应器、甚至整个全流程的自动化设计与优化，未来都可以通过AI智能体搭建工作流去完成。
更多相关内容：
小龙虾OpenClaw操作Ai工具，搭建NMR分析化学工作流
OpenClaw智能体操作Aspen，实现化工工艺的模拟。
