Self-Evolving Digital Twin for Zero-Defect Manufacturing Using Physics-Informed Reinforcement Learning and Multi-Agent Artificial Intelligence: A Case Study on Five-Axis Milling of Ti-6Al-4V.

تخيل عالماً لا تكتفي فيه الآلات بتنفيذ الأوامر فحسب، بل "تفكر" حقاً فيما تفعله، وتتعلم من كل عملية قطع تقوم بها لتصبح أفضل بمرور الوقت. هذا هو مجال التصنيع خالي العيوب (Zero-Defect Manufacturing)، وهي لعبة عالية المخاطر حيث الهدف هو صنع أجزاء مثالية دون خطأ واحد، مما يوفر مبالغ هائلة من المال والوقت. ولعب هذه اللعبة، يستخدم المهندسون التوأم الرقمي (Digital Twin): وهو شبح افتراضي لآلة حقيقية يعيش داخل جهاز كمبيوتر. يحاكي هذا الشبح حركات الآلة الحقيقية، وحرارتها، وتآكلها، مما يسمح للمشغلين بالتنبؤ بالمشكلات قبل حدوثها. ومع ذلك، فإن التوائم الرقمية التقليدية تشبه الكتب المدرسية القديمة؛ فهي تُكتب مرة واحدة ولا يتم تحديثها أبداً. فإذا أصاب الآلة الحقيقية بعض الصدأ أو ارتفعت حرارة المعدن أكثر مما هو متوقع، يصبح الكتاب المدرسي القديم عديم الفائدة، وتفشل التنبؤات. ولإصلاح ذلك، يحاول العلماء الآن بناء توائم "ذاتية التطور" تتعلم وتحدث نفسها في الوقت الفعلي، باستخدام التعلم التعزيزي (Reinforcement Learning) (وهو نوع من الذكاء الاصطناعي يتعلم عن طريق التجربة والخطأ، مثل شخصية في لعبة فيديو تتحسن في تجاوز المستويات) والتعلم الآلي المستند إلى الفيزياء (Physics-Informed Machine Learning) (أي تعليم الذكاء الاصطناعي قوانين الطبيعة الفعلية حتى لا يضع تخمينات مستحيلة).

تقدم هذه الورقة نظاماً جديداً فائق الذكاء يسمى SE-PMAT، صُمم لحل مشكلة محددة وصعبة للغاية: وهي قطع معدن فضائي صلب يسمى Ti-6Al-4V (سبيكة تيتانيوم) باستخدام آلة تفريز خماسية المحاور. هذا المعدن مشهور بقوته ولكنه كابوس عند قطعه؛ فهو يسخن بشدة، ويؤدي لتآكل الأدوات بسرعة، ويمكن أن يتسبب بسهولة في ظهور شقوق صغيرة أو أسطح خشنة تفسد أجزاء الطائرات باهظة الثمن. قام المؤلفون ببناء توأم رقمي ذاتي التطور يعمل كفريق من ثلاثة مدربين خبراء يعملون معاً للتحكم في الآلة. يهتم أحد المدربين فقط بـ الجودة (جعل السطح ناعماً)، ويهتم الآخر بـ الطاقة (توفير القدرة)، ويهتم الثالث بـ الإنتاجية (الانتهاء بسرعة). وبدلاً من الجدال، يستخدمون قاعدة تفاوض خاصة تسمى تفاوض ناش (Nash Bargaining) لإيجاد حل وسط مثالي يربح فيه الجميع.

يعمل النظام من خلال مراقبة الآلة باستمرار عبر مستشعرات تشعر بالاهتزازات، والحرارة، والقوى. ويستخدم "دماغاً مستنداً إلى الفيزياء" لفهم قوانين القطع والحرارة، ولكنه يمتلك أيضاً طبقة "ذاتية التطور" تُحدث رياضياتة الداخلية مع تآكل الأداة أو تغير سلوك المعدن. وقبل اتخاذ أي خطوة، يقوم النظام بإجراء محاكاة سريعة للتنبؤ بما إذا كان سيحدث عيب (مثل خدش أو شق) في الثواني القليلة القادمة. وإذا رأى مشكلة قادمة، فإنه يغير سرعة الآلة، أو معدل التغذية، أو الزاوية فوراً لوقف العيب قبل أن يبدأ حتى.

في محاكاة حاسوبية ضخمة لعملية إنتاج مكونة من 500 جزء، تفوق هذا النظام الجديد على خمس طرق شائعة أخرى. فقد قلل من تباين خشونة السطح (مدى تذبذب النعومة) بنسبة 41.3% مقارنة بأفضل طريقة سابقة. كما خفض معدل تآكل الأداة بنسبة 24.4%، مما يعني أن أدوات القطع ستدوم لفترة أطول. وخفض طاقة القطع النوعية (الطاقة المستخدمة لإزالة قطعة من المعدن) بنسبة 19.6%، مما يجعل العملية أكثر كفاءة. والأكثر إثارة للإعجاب، أنه قلص معدل هروب العيوب — أي نسبة الأجزاء السيئة التي تتسلل عبر الفحص — من 4.2% (أفضل خط أساس) إلى مجرد 0.7%. يشير المؤلفون إلى أن هذه النتائج تأتي من محاكاة عددية مفصلة باستخدام بيانات من تجارب منشورة، وليس من اختبار فيزيائي على أرض مصنع حقيقية بعد، لكن الرياضيات تشير إلى أن فريق "المدربين الآليين" هذا "ذاتي التطور" يمكن أن يحدث ثورة في كيفية صنع الأجزاء عالية التقنية.