مروری بر انفورماتیک تریبولوژی و دستاوردهای حاصله از به کارگیری یادگیری ماشین در پژوهش های تریبولوژی

داده های متنوع و مختلفی مربوط به خواص و ویژگی های تریبولوژیکی وجود دارند که در قالب های متنوعی از جمله مقالات علمی، اسناد فنی و پایگاه های داده پراکنده هستند. این داده ها می توانند برای حل مسائل پیچیده مرتبط با تریبولوژی، مانند بررسی رابطه بین ساختار و خواص مواد در سطوح تحت اصطکاک و سایش مورد استفاده قرار گیرند. انفورماتیک تریبولوژی با ترکیب تریبولوژی و انفورماتیک به چگونگی به کارگیری دانش و ابزارهای تحلیل این داده های مختلف به منظور استفاده از آنها در بررسی مسایل تریبولوژی می پردازد. یادگیری ماشین که یکی از زیرمجموعه های هوش مصنوعی است، ابزارهای توانمندی در تحلیل داده های پیچیده و کشف روابط چند بعدی بین داده ها داشته و می تواند درک بهتری از ویژگی ها و فرآیندهای تریبولوژیکی ارائه دهد. در این مقاله پس از تشریح مفهوم انفورماتیک تریبولوژی، الگوریتم های اصلی یادگیری ماشین که توسط پژوهشگران در مطالعه های مختلف به منظور تحلیل داده های تریبولوژیکی استفاده شده است، به طور خلاصه مرور شده اند. در ادامه، پژوهش هایی که تا کنون در زمینه انفورماتیک تریبولوژی انجام شده اند، بررسی شده است. در این پژوهش ها از ابزارهای یادگیری ماشین جهت ارتباط دهی بین عواملی مانند ترکیب شیمیایی ماده، فرایند ساخت یا خواص مکانیکی با خواص تریبولوژیک به ویژه نرخ سایش و ضریب اصطکاک استفاده شده است. نتایج گزارش شده در این مطالعات، قابلیت یادگیری ماشین در پیش بینی خواص تریبولوژیک با دقت هایی تا حدود ۹۰ درصد را نشان می دهد. چنین دقت هایی می تواند کارگشا بودن یادگیری ماشین در توسعه دانش تریبولوژی و حل برخی مسایل پیچیده در این زمینه را نشان دهد.

کلیدواژه ها:

انفورماتیک تریبولوژی ، تریبولوژی ، یاد گیری ماشین ، سایش ، ضریب اصطکاک