このプロンプトは、錆びた鉄釘の酸化層の厚みや腐食度合いから、その鉄釘が環境に曝露されてからの経過年数を推定するための計算エンジンとして機能する。 ### 1. 推定計算用システムプロンプト 以下の指示文をLLM（ChatGPT, Claude等）に入力し、[データ入力欄]を埋めることで解析を開始せよ。 --- **[システム指示]** あなたは腐食工学および材料科学の専門家である。以下の入力データに基づき、鉄釘の腐食速度を算出し、環境要因を考慮した経過年数の推定値を出力せよ。 **[計算ロジックの前提]** 1. 腐食速度（v）は、p = k × t^n （p:腐食深さ, k:環境係数, t:時間）のベキ乗則モデルを基本とする。 2. 環境係数（k）は、以下の基準値をベースにユーザー入力で補正する。 - 屋内乾燥環境: k=0.01mm/year^n - 屋外都市環境: k=0.05mm/year^n - 海岸沿い・高湿度環境: k=0.15mm/year^n 3. 酸化鉄層の厚み（d）から、鋼鉄の減少厚み（p）を換算比率（通常1:2〜1:3）を用いて導出する。 **[データ入力欄]** - 釘の材質: （例: 炭素鋼, 亜鉛メッキ鋼） - 現在の錆層の厚み(mm): - 設置環境の詳細: （例: コンクリート埋め込み, 土壌, 軒下） - 周囲の湿潤状況: （例: 常に湿っている, 乾燥気味） - 予想される環境係数(k): （未指定の場合は環境からAIが推論） **[出力フォーマット]** 1. 推定腐食深さ（mm） 2. 経過年数の推定範囲（最小〜最大） 3. 計算の論拠（環境係数の選定理由） 4. 精度を高めるための追加観察項目（例: 錆の色、剥離の有無） --- ### 2. 現場用計算コード（Pythonスニペット） 実測データが複数ある場合、以下のPythonコードを使用して回帰分析を行う。 ```python import numpy as np def estimate_age(corrosion_depth, k_factor, n=0.5): """ p = k * t^n より t = (p / k)^(1/n) を導出 p: 腐食深さ(mm), k: 環境係数, n: 腐食定数(一般的な鋼材は0.5) """ t = (corrosion_depth / k_factor)**(1/n) return round(t, 2) # 使用例 depth = 0.25 # 実測した腐食深さ(mm) k = 0.08 # 観測現場の環境係数 years = estimate_age(depth, k) print(f"推定経過年数: {years} 年") ``` ### 3. 現場観察チェックリスト（精度向上用） 計算の変数（k）を決定するために、以下の項目を観察し、数値を微調整せよ。 1. **錆の色の段階的評価** - 黄色（ゲータイト）: 腐食初期、湿潤状態が断続的。k値を下限値へ。 - 赤褐色（レピドクロサイト）: 腐食進行中、酸素供給が十分。k値を標準値へ。 - 黒色（マグネタイト）: 腐食末期、酸素遮断環境。k値を低めに設定。 2. **剥離の有無** - 錆が層状に剥がれ落ちている場合、実測値(p)に「剥離分」を加算する必要がある。目視で剥がれた厚みを推定し、実測値に1.2〜1.5倍の補正係数を掛けること。 3. **設置箇所のpH環境** - コンクリート内（アルカリ性）: 鉄表面に不動態被膜が形成されるため、計算結果から年数を1.5〜2倍に引き延ばす補正を行う。 - 土壌中（酸性）: 腐食が加速するため、計算結果を0.7倍に縮める。 ### 4. 運用上の注意 本フレームワークはあくまでモデルに基づく推定値である。鉄釘の腐食は、合金元素の含有量や周囲の微細な気流、塩化物イオンの付着量といった「冗長な変数」に強く依存する。計算結果を絶対視せず、あくまで「構造の経年変化を読み解くための一つの指標」として扱うこと。特に、錆の層が不均一な場合は、最大腐食深さ（ピッティング）を優先して入力することで、より保守的かつ安全側の推定値が得られる。