Explainable and Uncertainty-Aware Machine Learning for Compressive Strength Prediction of 3D-Printed Fiber-Reinforced Concrete

تخيل موقع بناء حيث يتم استبدال العمل الشاق والبطيء لصب الخرسانة في قوالب خشبية بطابعة عملاقة دقيقة تضع طبقات من المواد لبناء جدار، أو جسر، أو حتى منزل. هذا هو الوعد الذي تقدمه الخرسانة المطبوعة ثلاثية الأبعاد، وهي تقنية يمكنها تقليص الهدر، وخفض التكاليف، وتقليل الحاجة إلى أطقم كبيرة من العمالة الماهرة. ولكن هناك عقبة؛ فالخرسانة المستخدمة في هذه الطابعات تتصرف بشكل مختلف عن الخرسانة التي تُصب في القوالب التقليدية. فهي تتدفق، وتتصلب، وتكتسب القوة بطرق فريدة اعتماداً على كيفية خلطها وكيفية طباعتها. ولجعل هذه الهياكل آمنة وموثوقة، يحتاج المهندسون إلى معرفة مدى قوتها بدقة قبل بنائها. وتكمن الصعوبة في أن قوة هذه المادة تعتمد على عدد هائل من العوامل: نوع الإسمنت، وكمية الماء، ونوع وكمية الألياف الدقيقة الممزوجة بها لتعزيزها، وحتى الاتجاه الذي تضعه به الآلة في الطبقات. إن محاولة الوصول إلى الوصفة المثالية عبر خلط واختبار مئات الدفعات في المختبر هي عملية بطيئة، ومكلفة، وغالباً ما تترك المهندسين في حيرة من أمرهم.

لقد تصدى فريق من الباحثين لهذه المشكلة عبر تعليم الحواسيب التعلم من التجارب السابقة. فقد جمعوا بيانات من 299 اختباراً مختلفاً موجوداً في الأدبيات العلمية، تغطي مجموعة متنوعة من خلطات الخرسانة المطبوعة ثلاثية الأبعاد والتي تضمنت أليافاً مختلفة مثل الفولاذ، والزجاج، والبلاستيك. ثم قاموا بتغذية هذه المعلومات في أربعة أنواع مختلفة من برامج تعلم الحاسوب، صُمم كل منها لإيجاد أنماط في البيانات المعقدة. وكان الهدف هو معرفة أي برنامج يمكنه التنبؤ بأفضل طريقة بالقوة النهائية للخرسانة بناءً على مكوناتها وظروف طباعتها. لم يرد الباحثون مجرد حاسوب يخمن الرقم الصحيح، بل أرادوا فهم "لماذا" قدم الحاسوب هذا التخمين. لقد استخدموا أدوات خاصة لتقشير طبقات اتخاذ القرار في الحاسوب، بحثاً عن كيفية تأثير المكونات الأكثر أهمية وكيفية تفاعلها. هذا النهج، المعروف بالذكاء الاصطناعي القابل للتفسير، يضمن ألا يكون الحاسوب مجرد "صندوق أسود" يعطي الإجابات، بل أداة شفافة يمكن للمهندسين الوثوق بها وفهمها.

أظهرت الدراسة أن نوعاً معيناً من برامج التعلم، يُسمى "تعزيز التدرج الطبيعي" (Natural Gradient Boosting)، كان الأكثر دقة في التنبؤ. فعند اختباره على بيانات جديدة لم يسبق له رؤيتها، تنبأ هذا البرنامج بقوة الخرسانة بدرجة عالية من الدقة، حيث لم يتجاوز القيمة الفعلية بهامش ضئيل في المتوسط. كما كان برنامج آخر، يُسمى "كات بوست" (CatBoost)، ممتازاً أيضاً، لا سيما في تقليل متوسط حجم أخطائه. وقد تعلمت نماذج الحاسوب أن العوامل الأكثر حرجاً التي تحدد القوة هي نسبة الماء إلى المسحوق الرابط، وإجمالي كمية الماء، ووجود "غبار السيليكا" (وهو مسحوق ناعم يقوي الخرسانة)، واستخدام "الملدنات الفائقة" (وهي مواد كيميائية تجعل الخليط يتدفق بشكل أفضل). كما أكدت النماذج أن الاتجاه الذي تُحمل فيه الخرسانة — سواء كان الضغط يُطبق بشكل موازٍ للطبقات المطبوعة أو بشكل عمودي عليها — يغير النتيجة بشكل كبير، وهي ظاهرة تُعرف باسم "تباين الخواص" (Anisotropy).

والأهم من ذلك، اكتشف الباحثون أن العلاقة بين المكونات والقوة ليست بسيطة أو خطية. فقد كشفت نماذج الحاسوب أن إضافة المزيد من مكون معين يساعد حتى نقطة معينة، وبعدها تتوقف الفائدة أو حتى تنعكس. فعلى سبيل المثال، يتغير تأثير طول الألياف وقطرها اعتماداً على المكونات الأخرى في الخليط. كما أظهرت النماذج أن عمر الخرسانة مهم، حيث تزداد القوة بمرور الوقت لكنها تستقر في النهاية. ومن خلال استخدام أدوات التعلم المتقدمة هذه، تمكن الباحثون من رسم خرائط لهذه السلوكيات المعقدة وغير الخطية التي قد يصعب رصدها بمجرد النظر إلى الأرقام الخام. وقد وجدوا أن تنبؤات الحاسوب لم تكن مجرد تخمينات محظوظة؛ إذ إن المنطق الكامن وراءها يتماشى مع ما يعرفه المهندسون بالفعل عن كيفية عمل الخرسانة، مما منح النتائج أساساً متيناً من الثقة.

ولجعل هذه التقنية مفيدة للمهندسين الممارسين الذين قد لا يتقنون البرمجة، قام الفريق ببناء برنامج حاسوبي بسيط وتفاعلي ذي واجهة مرئية. تتيح هذه الأداة للمستخدم إدخال تفاصيل خليطه الخاصة — مثل كمية الماء والإسمنت والألياف التي ينوي استخدامها — والحصول فوراً على تنبؤ بقوة الخرسانة. وبخلاف الأدوات القديمة التي تعطي رقماً واحداً فقط، توفر هذه الأداية الجديدة نطاقاً من النتائج المحتملة، موضحاً مدى اليقين أو عدم اليقين في التنبؤ. كما أنها تسلط الضوء على المكون المحدد الذي يدفع القوة للأعلى أو للأسفل بالنسبة لذلك الخليط بعينه. وهذا يعني أن بإمكان المهندس اختبار عشرات الوصفات المختلفة بسرعة على الشاشة لمعرفة أي منها يبدو واعداً قبل أن يخلط دلواً واحداً من الخرسانة في المختبر.

ويشدد الباحثون على أنه بينما تعد هذه الأداة قوية للتخطيط والفرز، إلا أنها ليست بديلاً للاختبار الفيزيائي. فالحاسوب هو دليل وليس سلطة نهائية. تعتمد النماذج على بيانات لأنواع محددة من الخرسانة وطرق الطباعة، والأداة مصممة للمساعدة في تضييق نطاق البحث للوصء إلى أفضل المرشحين لمزيد من الدراسة، وليس لاعتماد مبنى للإنشاء. وتخلص الدراسة إلى أنه من خلال الجمع بين التنبؤ عالي الدقة والتفسيرات الواضحة لكيفية إجراء هذا التنبؤ، فإن هذا الإطار الجديد يقدم طريقة عملية لتسريع تطوير الخرسانة المطبوعة ثلاثية الأبعاد. إنها تحول عملية كانت تتطلب سابقاً تجربة وخطأ لا ينتهي إلى رحلة أكثر كفاءة قائمة على البيانات، مما يساعد في تقريب مستقبل البناء المؤتمت من الواقع.