اختصاصی بسپار/ تازه‌ترین تحولات اروپا در حوزه اتوماسیون و هوش مصنوعی (با نگاهی ویژه به صنعت پوشش)

بسپار/ ایران پلیمر در صنعت پوشش‌ در اروپا، تحولات جالب و لحظه‌به‌لحظه‌ای در زمینه‌ی هوش مصنوعی و یادگیری ماشین در حال رخ دادن است.

هوش مصنوعی، در کنار زیست پایداری اکنون یکی از داغ‌ترین موضوعات مورد توجه در صنعت پوشش‌هاست و اطلاعات درباره‌ی آنچه هوش مصنوعی می‌تواند برای این صنعت انجام دهد، روز به روز بیشتر میشود.در این مقاله به تازه‌ترین پیشرفت‌ها در زمینه‌ی هوش مصنوعی، یادگیری ماشین و صنعت پوشش‌ها در اروپا می پردازیم.

رویکرد کوانتومی به یادگیری ماشین در شرکت TEKNIKER

یکی از کاربردهای کلیدی هوش مصنوعی، بهینه‌سازی فرآیندهای صنعتی برای دستیابی به پارامترهای تولید ایده‌آل و شناسایی و حذف خطاهای احتمالی تولید صنعتی است.

در حال حاضر، هوش مصنوعی مورد استفاده در سیستم‌های صنعتی، بر پایه‌ی روش کلاسیک یادگیری ماشین است و با استفاده از رایانه‌های متداول عمل می کند. اما با رشد رایانش کوانتومی در سال‌های اخیر، این فناوری می‌تواند مسیر را برای یادگیری ماشین کوانتومی باز کند که گامی بزرگ در توسعه‌ی هوش مصنوعی خواهد بود.

شرکت اسپانیایی TEKNIKER بیش از دو سال است که در این زمینه فعالیت می‌کند و بر آموزش مدل‌های هوش مصنوعی متمرکز است تا دقت و کارایی عملیات صنعتی را افزایش دهد. یکی از مشکلات عمده در رایانش کلاسیک، پیچیدگی بیش از حد برخی مسائل است که باعث می‌شود حل آن‌ها تقریباً غیرممکن شود ؛ در حالی که رویکرد کوانتومی برای حل مسائل پیچیده بسیار پیشرفته‌تر و مناسب‌تر است.

رویکرد گام به گام به یادگیری ماشین در حوزه پوشش‌های پلی‌یورتان

در مقاله‌ای منتشرشده در مجله Progress in Organic Coatings (جلد ۲۰۵، اوت ۲۰۲۵)، پژوهشگران دانشگاه علوم کاربردی نیدرراین (Niederrhein) در آلمان، از مؤسسه‌ی شیمی پوشش‌ها و سطوح (ILOC)، رویکردی متفاوت برای استفاده از هوش مصنوعی در آزمون و طراحی پوشش‌ها ارائه دادند.

آن‌ها به جای روش سنتی طراحی آزمایش‌ها (DoE)، از طراحی تجربی گام به گام استفاده کردند؛ بدین صورت که یک الگوریتم نمونه‌گیری به صورت تکراری به کار گرفته شد تا با فرآیند داده‌-محور مبتنی بر مدل‌سازی فرایند گوسی و بهینه‌سازی بیضی، بهترین فرمول‌ها برای نمونه‌ها تعیین گردد.

در مجموع، این روش ترکیبی از DAST (تکنیک پیشرفته نمونه‌گیری تفاضلی)، مدل‌سازی یادگیری ماشین و فرمول‌نویسی با توان عملیاتی بالا (HTF) است که هدف آن افزایش کارایی توسعه‌ی پوشش‌هاست.

این پژوهش بر بهینه‌سازی پوشش پلی‌یورتان دو جزئی (2K) تمرکز داشته و داده‌های به‌دست‌آمده، رابطه‌ی بین براقیت، قدرت پوشانش، سختی در برابر خراش و انعطاف‌پذیری را در ارتباط با تغییرات فرمولاسیون و ساختار شیمیایی مواد اولیه بررسی کرده است.

این پژوهش چند نکته‌ی مهم را پیش از نتیجه‌گیری برجسته می‌کند:

بسیاری از فرمول‌های بالقوه موفق هنوز کشف نشده‌اند، زیرا تعداد ترکیب‌های ممکن بسیار زیاد است و آزمایش همه‌ی آن‌ها ممکن نیست. به دلیل پیچیدگی فرمول‌های چندجزئی و کمبود داده‌های استاندارد، صنعت پوشش‌ها، مانند بخش های دیگر از علم مواد، در استفاده از یادگیری ماشین نسبت به سایر شاخه‌های شیمی عقب‌تر است.کمبود داده‌های عمومی و اشتراکی نیز مانع پیشرفت است؛ چراکه داده‌های درون‌سازمانی معمولاً فقط برای استفاده‌ی داخلی نگهداری می‌شوند و به اشتراک گذاشته نمی‌شوند.بنابراین، فقدان مجموعه داده‌های دقیق، پژوهشگران را به شروع کار با آموزنده‌ترین نمونه‌ها به عنوان پایه‌ای برای آموزش مدل از طریق رویکردی به نام یادگیری فعال سوق داد، که نیاز به داده های گسترده را کاهش می‌دهد و در عین حال دقت را بهبود می‌بخشد.

با استفاده از روش ریشه میانگین مربعات خطا (RMSE)، نتایج نشان دادند که بین مقادیر پیش‌بینی‌شده و واقعی برای قدرت پوشانش، آزمون خمش و براقیت در زاویه ۶۰ درجه همبستگی خطی مناسبی (²R بین ۰٫۸۶ تا ۰٫۸۸) وجود دارد. اما در مقاومت در برابر خراش، به دلیل پیچیدگی عوامل فرمولاسیون، انحرافات بیشتری دیده شد.

تحلیل جداگانه‌ای نیز نشان داد که افزودن مواد مات‌کننده تأثیر قابل‌توجهی بر مقاومت در برابر خراش دارند.

نتیجه‌گیری مقاله بر استفاده از الگوریتم‌های یادگیری ماشین در توسعه‌ی پوشش‌ها تأکید دارد و بیان می‌کند که سیستم‌های با توان بالا نه‌ تنها برای غربال‌گری بلکه برای مدل‌سازی نیز مفیدند و درک عمیق‌تری از ویژگی‌های مواد فراهم می‌کنند.

این بینش به‌ ویژه در فرمولاسیون پوشش‌ها مفید است، جایی که ویژگی‌های لایه‌ی نهایی می‌توانند به تبادل بین عملکردها منجر شوند. مزیت مهم این روش، انعطاف‌پذیری فرمول است؛ یعنی می‌توان ترکیبات را بر اساس نیاز مشتری تغییر داد.

افتتاح آزمایشگاه کاملاً خودکار توسط شرکت Covestro

شرکت Covestro اعلام کرده که در سال ۲۰۲۵ یک آزمایشگاه کاملاً خودکار افتتاح خواهد کرد که نقش کلیدی در فرمولاسیون چسب‌ها و پوشش‌ها خواهد داشت.

این آزمایشگاه بر پایه‌ی داده‌ها و دانش فرمولاسیون داخلی شرکت بنا می‌شود و باعث می‌گردد فرمول‌های جدید پوشش‌ها و چسب‌ها سریع‌تر و دقیق‌تر توسعه یابند.

بخش بزرگی از قابلیت‌های این سیستم به پیونده ها و عوامل اتصالات عرضی Covestro مربوط است که در ترکیب‌های پیچیده (حدود ۷ تا ۱۵ ماده‌ی خام شیمیایی) مورد استفاده قرار می‌گیرند و خواصی مانند سختی، چسبندگی، شفافیت، براقیت و دوام را تحت تأثیر قرار می‌دهند.

هدف از ایجاد این آزمایشگاه، کاهش وظایف تکراری و ابتدایی محققان و آزادسازی زمان آن‌ها برای پژوهش‌های نوآورانه‌تر، مانند اقتصاد چرخشی و مواد خام تجدیدپذیر است.

(ادامه دارد …)

مترجم: هلیا رستگار/ دانشجوی کارشناسی مهندسی پلیمر و رنگ/ دانشگاه صنعتی امیرکبیر

متن کامل این مقاله را در شماره 277 دوماهنامه پوشرنگ از گروه مجلات بسپار که در پایان آبان ماه 1404 منتشر شده است، می خوانید.

در صورت تمایل به دریافت نسخه نمونه رایگان و یا دریافت اشتراک با شماره های ۰۲۱۷۷۵۲۳۵۵۳ و ۰۲۱۷۷۵۳۳۱۵۸ داخلی ۳ سرکار خانم ارشاد تماس بگیرید. نسخه الکترونیک این شماره از طریق طاقچه  و  فیدیبو  قابل دسترسی است.