به گزارش ایرنا عضو هیئت علمی دانشگاه مراغه روز دوشنبه در گفت‌وگو با خبرنگاران اظهار کرد: سایش ابزار یکی از مهم‌ترین چالش‌ها در صنعت ماشین‌کاری است که تأثیر قابل توجهی بر کیفیت سطح قطعه‌کار، نیروهای ماشین‌کاری و هزینه تولید دارد.
«پشم فروش» ادامه داد: بر همین اساس مونیتورینگ و تشخیص آنلاین سایش ابزار برای شناسایی به‌موقع و جلوگیری از خرابی‌های احتمالی از اهمیت ویژه‌ای برخوردار است.
عضو هیئت علمی گروه مهندسی مکانیک دانشگاه مراغه افزود: از آنجایی که اکثر سیستم‌های مبتنی بر یادگیری ماشین نیازمند حجم بالایی از داده‌هاست، جمع‌آوری این داده‌ها معمولاً مستلزم انجام آزمایش‌های تجربی متعدد و هزینه‌بر است.
وی با بیان اینکه در این تحقیق روش یادگیری ماشین مبتنی بر فیزیک (Physics-Informed Machine Learning) به کار گرفته شد، ادامه داد: ابتدا تأثیر سایش ابزار بر نیروهای ماشین‌کاری با استفاده از مدل‌های تحلیلی به‌صورت ریاضی مدل‌سازی، و خروجی این تحلیل به عنوان داده ورودی به سیستم هوش مصنوعی ارائه شد.
«پشم فروش» اضافه کرد: این سیستم ترکیبی که مدل تحلیلی را با الگوریتم‌های هوش مصنوعی ادغام کرد، توانست دقت مدل تحلیلی را از حدود ۷۰ درصد به ۹۶ درصد افزایش داده و در عین حال نیاز به جمع‌آوری حجم زیادی از داده‌های تجربی را کاهش دهد.
به گفته وی چنین رویکردی زمان و هزینه‌های مرتبط با انجام آزمایش‌های تجربی را به طور قابل توجهی کاهش می‌دهد و دقت تشخیص سایش ابزار را بهبود می‌بخشد.
به گزارش ایرنا به نقل از روابط عمومی دانشگاه مراغه، این تحقیق با همکاری دانشگاه سابانجی کشور ترکیه و با راهنمایی پروفسور «ارهان بوداک» انجام شد و نتایج آن در مجله Journal of Manufacturing Systems با ضریب تاثیر ۱۲.۲ به چاپ رسید که در زیرشاخه مهندسی ساخت و تولید حائز رتبه سوم و در مهندسی صنایع رتبه اول است.