مروری بر کاربردهای یادگیری ماشین در مهندسی سطح با تمرکز بر پوشش های سد حرارتی

توسعه ی پوشش های سد حرارتی یکی از مهم ترین و پرکاربردترین حوزه ها در مهندسی سطح محسوب می شود. این پوشش ها نقش اساسی در افزایش طول عمر قطعات صنعتی و بهره وری بهینه از آن ها ایفا می کنند. از چالش های اساسی در توسعه ی این پوشش ها می توان به تنوع روش های تولید، گستره ی وسیع مواد اولیه و زیرلایه ها، و پیچیدگی بالای فرآیند پوشش دهی اشاره کرد. بهینه سازی این فرآیندها از طریق روش های تجربی نیازمند صرف هزینه و زمان قابل توجهی است. در این راستا، یکی از راهکارهای نوین که طی سال های اخیر مورد توجه پژوهشگران مهندسی مواد قرار گرفته، بهره گیری از هوش مصنوعی، به ویژه یادگیری ماشین، است. یادگیری ماشین با تحلیل روند تغییرات یک سامانه بر اساس داده های گذشته، امکان مدل سازی ارتباط میان متغیرهای ورودی و خروجی را فراهم می سازد. در حوزه ی مهندسی سطح، این روش برای مدل سازی فرآیندهای پوشش دهی، پیش بینی خواص نهایی پوشش و بهینه سازی پارامترهای موثر در تولید مورد استفاده قرار گرفته است. یکی از کاربردهای کلیدی این فناوری، توسعه ی پوشش های سد حرارتی است که از طریق مدل سازی و پیش بینی خواصی همچون چسبندگی، رسانایی حرارتی و تخلخل، منجر به کاهش چشمگیر تعداد آزمایش های تجربی موردنیاز برای بهبود عملکرد این پوشش ها شده است. در این مقاله ی مروری، ابتدا یادگیری ماشین معرفی و کاربردهای آن به ویژه در مهندسی سطح دسته بندی شده است؛ سپس تعدادی از جدیدترین پژوهش ها در این حوزه بررسی شده اند که می توانند راهگشای پژوهش های مشابه درآینده باشند.

Keywords:

مهندسی سطح , پوشش سد حرارتی , هوش مصنوعی , یادگیری ماشین , بهینه سازی