مونیتورینگ سایش ابزار در فرآیندهای ماشینکاری با استفاده از یادگیری ماشین فیزیک-پایه توسط عضو هیات علمی دانشگاه مراغه

وی در این باره می گوید: "سایش ابزار یکی از مهم‌ترین چالش‌ها در صنعت ماشینکاری است که تأثیر قابل توجهی بر کیفیت سطح قطعه کار، نیروهای ماشینکاری و هزینه تولید دارد. بنابراین، مونیتورینگ و تشخیص آنلاین سایش ابزار برای شناسایی به‌موقع و جلوگیری از خرابی‌های احتمالی از اهمیت ویژه‌ای برخوردار است. در این تحقیق از نیروهای ماشینکاری به‌منظور پایش سایش ابزار با بهره‌گیری از هوش مصنوعی و یادگیری ماشین استفاده شده است.

دکتر پشم فروش می­افزاید "از آنجایی که اکثر سیستم‌های مبتنی بر یادگیری ماشین نیازمند حجم بالایی از داده‌ها هستند و جمع‌آوری این داده‌ها معمولاً مستلزم انجام آزمایش‌های تجربی متعدد و هزینه‌بر است، در این تحقیق روش یادگیری ماشین مبتنی بر فیزیک (Physics-Informed Machine Learning) به کار گرفته شده است. برای این منظور، ابتدا تأثیر سایش ابزار بر نیروهای ماشینکاری با استفاده از مدل‌های تحلیلی به‌صورت ریاضی مدل‌سازی شد و خروجی این تحلیل به‌عنوان داده ورودی به سیستم هوش مصنوعی ارائه گردید. این سیستم ترکیبی، که مدل تحلیلی را با الگوریتم‌های هوش مصنوعی ادغام کرد، توانست دقت مدل تحلیلی را از حدود ۷۰٪ به ۹۶٪ افزایش دهد و در عین حال نیاز به جمع‌آوری حجم زیادی از داده‌های تجربی را کاهش دهد. چنین رویکردی زمان و هزینه‌های مرتبط با انجام آزمایش‌های تجربی را به طور قابل توجهی کاهش داده و دقت تشخیص سایش ابزار را بهبود می بخشد."

این تحقیق با همکاری با دانشگاه سابانجی کشور ترکیه و با راهنمایی پروفسور ارهان بوداک انجام شده و نتایج آن در مجله  Journal of Manufacturing Systems  با ضریب تاثیر ۱۲.۲ چاپ شده است که در زیرشاخه مهندسی ساخت و تولید رتبه سوم و در مهندسی صنایع رتبه اول را کسب کرد.

لینک مقاله:

https://www.sciencedirect.com/science/article/abs/pii/S۰۲۷۸۶۱۲۵۲۴۰۰۲۰۹۷