التحسين متعدد الاستجابات والتنبؤ القائم على التعلم الآلي للتشكيل التدريجي الدافئ ذو الأخدود المستقيم لسبائك المغنيسيوم AZ31

تشكيل المعادن خفيفة الوزن بسهولة أكبر

من السيارات والطائرات إلى زراعات طبية، يسعى المصنعون لاستخدام معادن أخف توفر الوقود وتحسن الأداء. تبرز سبائك المغنيسيوم كخيار جذاب لأنها خفيفة وقوية في الوقت ذاته، لكنها صعبة التشكيل في درجة حرارة الغرفة وقد تتشقق بسهولة. تستكشف هذه الدراسة طريقة أكثر ذكاءً لتشكيل أجزاء من سبيكة المغنيسيوم الشائعة AZ31 عن طريق تسخينها بشكل معتدل واستخدام أساليب مدفوعة بالبيانات—بما في ذلك التعلم الآلي—لاكتشاف إعدادات تكون سريعة وموفرة للطاقة وأقل عرضة لإتلاف المادة.

كيف ينحت أداة متحركة صفيحة معدنية برفق

بدلاً من ضغط الصفيحة المعدنية في قالب صلب في ضربة واحدة، يستخدم التشكيل التدريجي أداة مدورة تتبع مساراً فوق المعدن، وتدفعه قليلاً أعمق مع كل مرور. في هذا العمل ركز الفريق على شكل أخدود مستقيم: قناة بسيطة مُشكلة في صفائح AZ31 بسماكة 1 مم. تُثبَّت الصفيحة فوق حجرة تسخين كهربائية مخصصة حتى يمكن تسخينها إلى 200–250 °م، وتقوم ماكينة محوسبة (CNC) بتحريك الأداة خطوة بخطوة بينما يقيس مستشعر القوة مدى شدة الدفع والمدة التي تستغرقها العملية حتى تتشقق الصفيحة أخيراً.

تحويل تجارب كثيرة إلى وصفة واحدة مثلى

بما أن أربعة إعدادات مختلفة—درجة الحرارة، وعمق النزول لكل مرور، وسرعة المغزل ومعدل التغذية—يمكن ضبطها، استخدم الباحثون خطة اختبار منظمة تسمى تصميم تاجوتشي لإجراء 27 تجربة مختارة بعناية بدلاً من تجربة كل مجموعة ممكنة. ثم طبقوا طريقة ترتيب تعرف باسم TOPSIS تجمع بين هدفين في آن واحد: إبقاء قوى التشكيل منخفضة (لتقليل البلى واستهلاك الطاقة) وإبقاء أوقات التشكيل قصيرة (لتحسين الإنتاجية). تعطي هذه الطريقة لكل تجربة درجة واحدة تُسمى معامل التقارب، يبيّن مدى قربها من أفضل نتيجة ممكنة—قوة منخفضة ووقت منخفض معاً.

الحرارة والخطوات الصغيرة تقوم بالعمل الشاق

أظهر التحليل أن إعدادين فقط هما الأهم: مدى سخونة الصفيحة وعمق كل خطوة رأسية للأداة. يؤدي تسخين صفيحة AZ31 إلى حوالى 250 °م إلى جعل بنيتها البلورية الداخلية أكثر مرونة، فيمكنها الامتداد بسهولة أكبر وتحتاج قوة أقل للتشكيل. في الوقت نفسه، يؤدي استخدام انخفاض خطوة أصغر لكل مرور إلى توزيع التشوه بشكل أكثر رفقاً، متجنّباً الشدود المحلية الحادة التي تبطئ العملية وتزيد القوة. كان لسرعة دوران الأداة ومعدل التغذية تأثير طفيف فقط ضمن النطاقات المختبرة. من خلال دمج الترتيبات الإحصائية، تنبأ الفريق بمجموعة من الشروط أفضل من أي تجربة فردية ثم أكدوا هذا التنبؤ في اختبار متابعة، والذي تفوق قليلاً على جميع التجارب السابقة.

تعليم الحاسوب توقع سير العملية

للتقدم إلى ما بعد التجربة والخطأ، درّب الباحثون نموذج تعلم آلي يُدعى الغابة العشوائية (Random Forest) للتنبؤ بزمن التشكيل، وقوة التشكيل، ودرجة أداء TOPSIS من الإعدادات الأربع للعملية. حتى مع وجود 27 نقطة بيانات تجريبية فقط، تعلّم النموذج الأنماط جيداً بما يكفي للتنبؤ بالقوة والزمن بدقة عالية. كما أبرَز بشكل مستقل أهمية درجة الحرارة وعمق الخطوة كرافعتين مهيمنتين، معزّزاً النتائج الإحصائية. على المستوى المجهري، أظهرت صور الميكروسكوب الإلكتروني لجدران الأخدود المتشققة علامات كلاسيكية للفشل اللدن—حفر عميقة وحواف تمزق—مشيرة إلى أنه، تحت ظروف دافئة، يتمدد المعدن بشكل كبير قبل أن ينكسر أخيراً.

ما يعنيه هذا للتصنيع في العالم الحقيقي

بعبارات بسيطة، توضح هذه الدراسة كيف يمكن للمصنعين إجبار معدن خفيف الوزن وصعب التشكيل على الانصياع عن طريق الجمع بين تسخين مسيطر عليه وضبط مدروس لعدد قليل من الإعدادات الرئيسية. توفر المقاربة الهجينة—المزج بين التجارب المخططة، والترتيب متعدد المعايير، والتعلم الآلي—وصفة عملية لاختيار درجات الحرارة وأحجام الخطوات التي تحافظ على قوى منخفضة وأوقات إنتاج معقولة، دون الحاجة لاختبار كل احتمال على أرض المصنع. يمكن تمديد نفس الاستراتيجية إلى سبائك وأشكال أخرى، مما يساعد المصانع على تصميم أجزاء أخف بسرعة وأمان وكفاءة أكبر.

الاستشهاد: Khot, A.A., Magdum, R.A., Magdum, A.R. et al. Multi-response optimization and machine learning-based prediction of straight-groove warm incremental sheet forming of AZ31 magnesium alloy. Sci Rep 16, 6432 (2026). https://doi.org/10.1038/s41598-026-37761-y

الكلمات المفتاحية: التشكيل التدريجي للصفائح, سبيكة المغنيسيوم AZ31, التشكيل الدافئ, تحسين العملية, التعلم الآلي في التصنيع