بهینه‌سازی طراحی و پردازش مکانیکی با استفاده از برنامه‌های هوش مصنوعی

هوش مصنوعی (AI) در حال تبدیل شدن به یک عامل کلیدی در بازسازی صنعت مهندسی مکانیک است. هوش مصنوعی ضمن ارائه راه‌حل‌های مؤثر، چالش‌های جدیدی را نیز ایجاد می‌کند که صنعت مهندسی مکانیک ویتنام برای دستیابی به پیشرفت‌های چشمگیر باید با آنها روبرو شود و خود را با آنها وفق دهد.

بهره‌برداری از یک خط فرآوری مکانیکی در شرکت تومرکو آن خانگ، خوشه صنعتی نگوک لیپ ( هانوی ). (عکس از TUỆ NGHI)

هوش مصنوعی بیش از آنکه صرفاً یک ابزار پشتیبانی باشد، نیروی محرکه‌ای برای نوآوری نیز هست و به غلبه بر محدودیت‌های روش‌های سنتی در طراحی و تولید کمک می‌کند. پیش از این، مهندسی مکانیک ویتنام عمدتاً بر اتوماسیون و کنترل عددی متکی بود، اما اکنون این روند به شدت به سمت تولید هوشمند و خودگردان در حال تغییر است - جایی که ماشین‌ها، ربات‌ها، سیستم‌های حسگر و سیستم‌های کنترل هوشمند که با هوش مصنوعی ادغام شده‌اند، می‌توانند تصمیم‌گیری کنند، بهینه‌سازی کنند و با شرایط تولید دنیای واقعی سازگار شوند.

دکتر نگوین لاک هونگ، معاون رئیس انجمن مهندسی مکانیک ویتنام، خاطرنشان کرد که فناوری‌هایی مانند کلان‌داده، اینترنت اشیا (IoT)، طراحی صنعتی و مدل‌های «ماکت دیجیتال» تغییر بزرگی در نحوه انجام طراحی و تولید مکانیکی ایجاد کرده‌اند. از طریق یادگیری ماشین، گزینه‌های مختلفی ارائه و بر اساس استانداردهای دوام، هزینه تولید یا وزن ارزیابی می‌شوند و سپس راه‌حل بهینه ارائه می‌شود. این امر به ویژه در صنایعی که نیاز به دقت بالا دارند مانند خودرو، هوافضا، رباتیک و تولید ماشین‌آلات مفید است. در پردازش مکانیکی، هوش مصنوعی مستقیماً در سیستم‌های کنترل عددی رایانه‌ای (CNC) ادغام می‌شود تا فرآیند برش را در زمان واقعی بهینه کند.

فناوری‌هایی مانند کلان‌داده، اینترنت اشیا (IoT)، طراحی صنعتی و مدل «دوقلوی دیجیتال» تغییر چشمگیری در نحوه‌ی انجام طراحی و تولید مکانیکی ایجاد کرده‌اند.

دکتر نگوین لاک هونگ، نایب رئیس انجمن مهندسی مکانیک ویتنام

یک مثال بارز، سیستم FANUC Intelligent Edge Link & Drive (FIELD) است که هوش مصنوعی و اینترنت اشیا را برای همگام‌سازی داده‌ها از چندین دستگاه CNC، تجزیه و تحلیل وضعیت عملیاتی و پیش‌بینی خودکار خطاها قبل از وقوع، ترکیب می‌کند. در نتیجه، هوش مصنوعی به افزایش راندمان برش 10 تا 20 درصد و کاهش زمان راه‌اندازی 40 درصد در تولید انبوه کمک می‌کند. همچنین از کنترل تطبیقی ​​​​پشتیبانی می‌کند، جایی که سیستم از داده‌های گذشته یاد می‌گیرد تا شرایط بهینه ماشینکاری را برای موادی مانند تیتانیوم یا آلیاژهای آلومینیوم تعیین کند.

دکتر وو دونگ (دانشگاه دوی تان) در مورد هوش مصنوعی در مهندسی مکانیک اظهار داشت که هوش مصنوعی برای بهینه‌سازی طراحی، فرآیندهای تولید، کنترل کیفیت، پیش‌بینی تعمیر و نگهداری و توسعه مواد جدید به کار می‌رود و در نتیجه بهره‌وری، دقت و کارایی کلی را افزایش می‌دهد. علاوه بر این، پارامترهای ماشینکاری مانند سرعت برش و نرخ تغذیه را می‌توان به طور انعطاف‌پذیری برای دستیابی به کارایی بهینه تنظیم کرد. این سیستم از دوربین‌های همراه با الگوریتم‌های هوش مصنوعی برای تجزیه و تحلیل سطوح محصول و تشخیص نقص‌هایی مانند ترک، تاب برداشتن یا خطاهای ابعادی استفاده می‌کند.

با وجود پتانسیل بالای هوش مصنوعی، کاربرد آن در صنعت مهندسی مکانیک ویتنام در حال حاضر با موانع بسیاری روبرو است. به گفته دکتر دین ون چین، مدیر موسسه مهندسی مکانیک، اتوماسیون و محیط زیست، بهره‌گیری از پتانسیل هوش مصنوعی نیاز به هزینه‌ها و منابع قابل توجهی دارد: سرمایه‌گذاری در ایجاد زیرساخت‌های هوش مصنوعی؛ نرم‌افزارهای تخصصی؛ و استخدام یا آموزش پرسنل ماهر... از سوی دیگر، تقاضا برای محاسبات با کارایی بالا می‌تواند هزینه‌های عملیاتی را افزایش دهد و نیاز به سرمایه‌گذاری مداوم در منابع محاسباتی و نگهداری...

سطح فعلی کاربرد هوش مصنوعی هنوز در مرحله آزمایشی است، عمدتاً در شرکت‌های بزرگ و مؤسسات تحقیقاتی. بیش از ۹۰٪ از مشاغل مهندسی مکانیک، به ویژه شرکت‌های کوچک و متوسط، هنوز منابع لازم برای استقرار گسترده هوش مصنوعی در تولید را ندارند. اولین چالش این است که داده‌های تولید دیجیتالی و همگام‌سازی نشده‌اند. داده‌های تجهیزات ماشینکاری، دستگاه‌های اندازه‌گیری یا نرم‌افزار طراحی هنوز پراکنده هستند یا طبق یک استاندارد واحد ذخیره نمی‌شوند. این امر باعث می‌شود مدل‌های هوش مصنوعی فاقد داده‌هایی برای یادگیری باشند و دستیابی به دقت بالا را دشوار می‌کند.

استراتژی ملی برای تحقیق، توسعه و کاربرد هوش مصنوعی تا سال ۲۰۳۰، مهندسی مکانیک و تولید را به عنوان یکی از حوزه‌های دارای اولویت معرفی می‌کند. هوش مصنوعی به عنصر اصلی تغییر شکل صنعت مهندسی مکانیک ویتنام تبدیل شده و خواهد شد و از یک مدل «طراحی مبتنی بر تجربه» به یک مدل «طراحی مبتنی بر داده و هوش مصنوعی» تغییر شکل خواهد داد.

علاوه بر این، کمبود پرسنل میان‌رشته‌ای وجود دارد؛ مهندسانی که همزمان از مهندسی مکانیک، هوش مصنوعی و شبیه‌سازی عددی دانش داشته باشند، کمیاب هستند. در همین حال، سیستم‌های تولید هوشمند به نیروی کار فنی نیاز دارند که قادر به کار با تجهیزات و نگهداری از حسگرها، الگوریتم‌های یادگیری ماشین و مدل‌های عددی باشند. از نظر فناوری، بسیاری از دستگاه‌های مکانیکی هوشمند در حال حاضر با هزینه‌های بالا وارد می‌شوند. هوش مصنوعی ادغام‌شده در ماشین‌های وارداتی اغلب مانند یک "جعبه سیاه" عمل می‌کند و سفارشی‌سازی آنها را برای مطابقت با شرایط تولید داخلی دشوار می‌کند. مشاغل داخلی هنوز بر ماژول‌های حسگر، سیستم‌های جمع‌آوری داده یا نرم‌افزار شبیه‌سازی ادغام‌شده با هوش مصنوعی تسلط پیدا نکرده‌اند.

استراتژی ملی برای تحقیق، توسعه و کاربرد هوش مصنوعی تا سال ۲۰۳۰، مهندسی مکانیک و تولید را به عنوان یکی از حوزه‌های دارای اولویت معرفی می‌کند. هوش مصنوعی عنصر اصلی تغییر شکل صنعت مهندسی مکانیک ویتنام است و خواهد بود و از یک مدل «طراحی مبتنی بر تجربه» به یک مدل «طراحی مبتنی بر داده و هوش مصنوعی» تغییر خواهد کرد. این نه تنها یک جهت‌گیری فناوری، بلکه یک وظیفه استراتژیک برای صنعت مهندسی مکانیک در عصر تحول دیجیتال است که به پیشرفت ویتنام به سمت تولید هوشمند، خوداتکا و رقابتی در سطح جهانی کمک می‌کند.

با این حال، به گفته کارشناسان حوزه مهندسی مکانیک، دستیابی به این هدف نیازمند یک راه حل استراتژیک و هماهنگ است. ابتدا، لازم است یک مخزن ملی داده‌های مهندسی مکانیک دیجیتالی، شامل داده‌های طراحی، ماشینکاری، شبیه‌سازی و حسگرها، ایجاد شود. این مخزن داده‌ها به عنوان بستری برای آموزش مدل‌های هوش مصنوعی عمل خواهد کرد و امکان استفاده گسترده‌تر از این فناوری را فراهم می‌کند.

در عین حال، لازم است آموزش‌های میان‌رشته‌ای در مهندسی مکانیک، الکترونیک و هوش مصنوعی ترویج شود و مدارس و مشاغل به هم متصل شوند تا مهندسان فرصت تمرین در خطوط تولید واقعی را داشته باشند. علاوه بر این، لازم است بومی‌سازی محصولات مکانیکی هوشمند ترویج شود. توسعه نرم‌افزار برای کنترل تجهیزات ماشینکاری، سیستم‌های بینایی ماشین یا مدل‌های کپی دیجیتال «ساخت ویتنام» به مشاغل کمک می‌کند تا هزینه‌ها را کاهش داده و کنترل فناوری را به دست گیرند. علاوه بر این، لازم است همکاری تحقیقاتی بین مؤسسات، دانشگاه‌ها و مشاغل تقویت شود تا یک اکوسیستم مکانیکی هوشمند تشکیل شود و شرایطی برای آزمایش و تکمیل فناوری قبل از عرضه آن به بازار ایجاد شود.

کوانگ مین

منبع: https://nhandan.vn/toi-uu-hoa-thiet-design-gia-cong-co-khi-tu-ung-dung-ai-post929960.html