طراحی چارچوب هوش مصنوعی توضیح پذیر و خودسازگار برای پشتیبانی تصمیم گیری نوآورانه در پروژه های مهندسی هوشمند و توسعه صنعتی

با گسترش استفاده از سامانه های هوشمند در پروژه های مهندسی و صنعتی، تصمیم گیری مبتنی بر هوش مصنوعی به یکی از ارکان اصلی مدیریت، طراحی و بهره برداری تبدیل شده است. با این حال، اتکای گسترده به مدل های پیچیده و جعبه سیاه، چالش هایی اساسی در زمینه شفافیت، اعتماد، پاسخ گویی و پذیرش انسانی ایجاد کرده است. اگرچه رویکردهای هوش مصنوعی توضیح پذیر (XAI) برای رفع این چالش ها معرفی شده اند، اغلب آن ها ایستا بوده و قادر به انطباق با شرایط پویا، تغییرات داده و نیازهای متغیر تصمیم گیرندگان در محیط های واقعی مهندسی نیستند. این پژوهش یک چارچوب مفهومی نوین برای پشتیبانی تصمیم گیری تطبیقی و توضیح پذیر در پروژه های مهندسی ارائه می دهد که در آن، فرآیند تصمیم سازی، تولید توضیح و سازگاری با زمینه عملیاتی به صورت یکپارچه طراحی شده اند. چارچوب پیشنهادی توضیح پذیری را به عنوان یک مولفه پویا و درون ساختاری در چرخه تصمیم گیری در نظر می گیرد، نه صرفا یک ابزار پسینی برای تفسیر خروجی مدل. در این چارچوب، توضیحات به طور مستمر بر اساس تغییر شرایط پروژه، کیفیت داده و سطح تخصص کاربران بازتنظیم می شوند. روش تحقیق مبتنی بر تحلیل نظام مند ادبیات، استخراج الزامات کلیدی XAI در حوزه مهندسی، و اعتبارسنجی مفهومی از طریق سناریوهای کاربردی صنعتی است. نتایج نشان می دهد که رویکرد پیشنهادی می تواند شکاف میان دقت فنی و درک انسانی را کاهش داده، ریسک تصمیم گیری را مدیریت کرده و اعتماد به سامانه های هوشمند را در محیط های مهندسی پیچیده افزایش دهد. این پژوهش با ارائه نگاهی ساختاریافته به هوش مصنوعی توضیح پذیر تطبیقی، مسیر جدیدی برای توسعه سامانه های تصمیم یار قابل اعتماد و قابل استقرار در صنعت فراهم می کند.

کلیدواژه ها:

تصمیم گیری مهندسی ، سامانه های تطبیقی ، شفافیت الگوریتمی ، هوش مصنوعی توضیح پذیر ، پشتیبانی تصمیم