ابتكار لمستقبل الإنتاج: إطار تعلم مُعزز لتصميم أنابيب الطائرات بسلاسة فعالة

في عالم تصنيع الطائرات الحديثة، يعد تصميم الأنابيب جزءًا حيويًا من تطوير المحركات النفاثة، حيث تتطلب المكونات المعقدة اهتمامًا خاصًا بالقدرة على التصنيع. ومع ذلك، لا تزال الممارسات الحالية في توصيل الأنابيب بعيدة عن تكاملها مع عمليات التصنيع، مما يؤدي إلى جولات شاقة تستغرق وقتًا طويلاً من التجربة والخطأ للحصول على تصاميم قابلة للتصنيع.

لمعالجة هذه المشكلة، اقترحت دراسة حديثة إطارًا يسمى "تحسين توصيل الأنابيب القائم على فرنيت" (Frenet-based pipe routing optimization - FPRO)، وهو نهج لتعلم المعزز (Reinforcement Learning) يدمج المعرفة التصنيعية لتصميم الأنابيب بحرية في المحركات النفاثة. يقوم إطار العمل هذا بتشكيل مشكلة التوصيل على أنها مشكلة قيمة حدية ضمن إطار فرنيت، حيث يتم تمثيل مسار الأنبوب بملفات الانحناء والتواء التي يتم إنشاؤها باستخدام طرق الاستيفاء الكوبي (Cubic Hermite interpolation).

يتضمن FPRO معرفة تصنيع متخصصة كقيود على النطاقات المسموح بها من الانحناء والتواء، مما يسهل عملية دمج التصميم والتصنيع بسلاسة. يتم تنفيذ تحسين المسار باستخدام خوارزمية تحسين السياسة القريب (Proximal Policy Optimization) مع استكشاف عشوائي ونظام مكافآت موجه بالمرحلة.

ومن خلال صياغة موحدة، يتم تحويل المسار المحسن إلى مسارات حركة لآلة الانحناء، مما يتيح التصنيع المباشر على آلة الانحناء الحرة ذات الستة محاور. تكشف النتائج التجريبية أن FPRO ينتج باستمرار مسارات خالية من التصادم وقابلة للتصنيع بملفات هندسية أنعم مقارنةً بالطرق التقليدية. بالإضافة إلى ذلك، يُظهر الإطار توافقًا سريعًا وأداءً متفوقًا في المحاذاة النهائية، وطول المسار، وتجنب العقبات، وقابلية التصنيع مقارنة بأحدث أساليب التعلم المعزز.

تؤكد عمليات التحقق في العالم الحقيقي على التناظر الهندسي القريب بين الأنبوب الذي تم تصنيعه وتصميمه الرقمي، مما يثبت الجدوى العملية لإطار FPRO.