تدريسي من جامعة كركوك يشارك في مناقشة رسالة ماجستير بجامعة بغداد

شارك التدريسي في قسم الهندسة الميكانيكية _ كلية الهندسة _ جامعة كركوك، الأستاذ المساعد الدكتور إياد عرب غيدان، عضواً في لجنة مناقشة رسالة ماجستير في كلية الهندسة الخوارزمي – جامعة بغداد، والموسومة: «المراقبة الذكية لعمليات خط إنتاج صناعي قائم على الروبوتات والمتحكمات المنطقية القابلة للبرمجة باستخدام مركبة جوية غير مأهولة»، المقدمة من قبل طالب قسم هندسة التصنيع المؤتمت محمد هاشم مجيد نعمة.
هدفت الرسالة إلى تطوير وتنفيذ وتقييم منظومة متقدمة للمراقبة الذكية ضمن بيئة تصنيع مرنة تعتمد على تكامل الروبوتات الصناعية مع المتحكمات المنطقية القابلة للبرمجة (PLC)، مع توظيف المركبات الجوية غير المأهولة وتقنيات الذكاء الاصطناعي بهدف رفع كفاءة التشغيل وتحسين جودة الأداء الصناعي.
وتضمنت الدراسة مرحلتين أساسيتين؛ تمثلت الأولى في إنشاء خط أساس لأداء منظومة التحكم التقليدية المعتمدة على تكامل الروبوتات مع المتحكمات المنطقية القابلة للبرمجة دون الاستعانة بالمركبات الجوية غير المأهولة أو تقنيات الذكاء الاصطناعي، إذ جرى اعتماد ثلاثة أنماط تحكم متدرجة هي: التحكم المعتمد على الوقت، والتحكم الديناميكي، والتحكم الديناميكي المرن.
أما المرحلة الثانية، فقد ركزت على تطوير المنظومة من خلال دمج المركبات الجوية غير المأهولة وتقنيات الذكاء الاصطناعي لمراقبة خلية التصنيع والتحكم بأدائها بصورة آنية، فضلاً عن تطبيق تقنيات الذكاء الاصطناعي القابل للتفسير (XAI) للتحقق من آليات اتخاذ القرار وتعزيز موثوقية نتائج الكشف والتصنيف.
وأظهرت نتائج الدراسة تحقيق تحسن ملحوظ في كفاءة الأداء الصناعي، إذ سجلت المرحلة الأولى زيادة في الإنتاجية بلغت (47.56%)، مع انخفاض نسبة خمول الروبوتات من (29.2%) إلى (0.7%) عند الانتقال بين أنماط التحكم المختلفة، فضلاً عن القضاء التام على معدل الخطأ التشغيلي.
كما حققت المنظومة المطورة والمدعومة بالمركبة الجوية غير المأهولة وتقنيات الذكاء الاصطناعي مؤشرات أداء متقدمة، تمثلت في بلوغ دقة التحقق (0.981)، والاستدعاء (0.996)، ودرجة (F1) مقدارها (0.988)، فيما بلغت قيمة (mAP@50–95) نحو (0.909)، دون تسجيل أي تداخل بين الأصناف.
وأكدت النتائج أن منظومة الإدراك المتكاملة عملت بكفاءة عالية ومن دون أي حمل تشغيلي إضافي قابل للقياس، مع زمن استجابة كلي بلغ نحو (480) مللي ثانية، في حين أظهر تحليل الذكاء الاصطناعي القابل للتفسير أن قرارات التصنيف استندت بصورة متسقة إلى جسم المنتج ذاته دون التأثر بعناصر الخلفية، الأمر الذي يعزز موثوقية النظام ويدعم إمكانية تطبيقه مستقبلاً في البيئات الصناعية الذكية.