شبکه عصبی به عنوان یک روش نوین در مدل‌سازی و پیش‌بینی روابط غیرخطی و فرآیندهای پیچیده که برای شناخت و توصیف دقیق آن‌ها راه ‌حل و رابطه صریحی وجود ندارد، عملکرد خوبی از خود نشان داده و با برخورداری از قابلیت تشخیص الگو رابطه خوبی بین داده‌های ورودی و خروجی برقرار می‌کند.

محققان در پژوهشی با عنوان «هوش مصنوعی و کاربرد آن در صنایع چوب و کاغذ» آورده‌اند که این مدل‌ها با آموزشی که دیده‌اند، می‌توانند بدون ایجاد رابطه صریح ریاضی رفتار سیستم را پیش‌بینی کنند.

این پژوهش توسط وحید سخندان، دانش‌آموخته کارشناسی ارشد علوم و صنایع چوب و کاغذ و علی بیات کشکولی، دانشیار گروه علوم و صنایع چوب و کاغذ، انجام شده و نشان می‌دهد اکنون این شبکه‌ها با ساختارهای متنوع و وسیع در بسیاری از علوم از جمله علوم و مهندسی چوب گسترش یافته‌اند. شبکه عصبی مصنوعی به عنوان یکی از روش‌های هوش مصنوعی دنبال تقلید از عملکرد مغز انسان است.

یک شبکه عصبی معمولا از سه لایه ورودی، پنهان و خروجی تشکیل شده است. نرون‌های ورودی سیگنال‌های خارجی را که شبکه را تغذیه و دریافت می‌کند و این سیگنال‌ها به وسیله وزن‌هایی تعدیل می‌شود. مطابق این تعدیلات، در هر نرون خروجی، ورودی‌های موزون جمع زده می‌شوند و سپس این مجموع از طریق یک تابع فعال‌سازی عبور داده می‌شود.

ایده شبکه‌های عصبی مصنوعی از سیستم‌های بیولوژیکی گرفته شده و تقلید از مغز انسان هستند. شبکه‌های عصبی سیستم‌های قابل تطبیقی هستند که از تعداد دلخواهی سلول، گره یا نرون تشکیل می‌شود و با ساختن یک مدل، روابط بین ورودی‌ها و خروجی‌ها را پیدا می‌کنند. این سیستم‌ها با استفاده از داده‌های مشاهداتی و با بهره‌گیری از روش تجربه‌پذیری و آزمون و خطا، اقدام به آموزش خود می‌کنند؛ درست همان کاری که مغز انسان انجام می‌دهد.

یک شبکه عصبی مصنوعی مجموعه‌ای از نرون‌هاست که با قرار گرفتن در لایه‌های مختلف معمولا سه لایه به نام‌های لایه ورودی، مبانی و خروجی، معماری خاصی را بر مبنای ارتباطات بین نرون‌ها در لایه‌های مختلف تشکیل می‌دهد. در یک شبکه عصبی، هر نرون به طور مستقل عمل می‌کند و رفتار کلی شبکه، برآیند رفتار نرون‌های متعدد است به عبارت دیگر نرون‌ها در یک روند همکاری، یکدیگر را تصحیح می‌کنند.

به طور کلی از ویژگی‌های شبکه عصبی می‌توان به مواردی مانند قابلیت یادگیری، پراکندگی اطلاعات، پردازش اطلاعات به صورت متن، قابلیت تصمیم، پردازش موازی و مقاوم بودن اشاره کرد.

شبکه عصبی برای مسائل کنترل، علی‌الخصوص سیستم‌های پیچیده که مدل‌سازی این سیستم‌ها یا میسر نیست و یا به سختی انجام می‌شود، بسیار مناسب است. به طور کلی از کاربردهای شبکه عصبی می‌توان به مواردی مانند طبقه‌بندی، شناسایی و تشخیص الگو، پردازش سیگنال، پیش‌بینی‌های سری‌های زمانی، مدل‌سازی و کنترل، بهینه‌سازی، سیستم‌های خبره و فازی، مسائل مالی، بیمه امنیتی، بازار بورس و وسایل سرگرمی، ساخت وسایل صنعتی، پزشکی و امور حمل و نقل اشاره کرد.

یکی دیگر از کاربردهای هوش مصنوعی، صنایع چوب و کاغذ است که ترویج این تحقیقات در این صنعت ضروری است و از این روش هنوز به صورت گسترده برای بهینه‌سازی خط تولید کارخانه‌های چوب و کاغذ استفاده نشده اما با روش‌های آماری متغییرهای موثر بررسی شده است.

چسبندگی داخلی تخته خرده چوب با به کارگیری روش شبکه عصبی مصنوعی پیش‌بینی شده است؛ در حالی که شناسایی پارامترهای موثر در کنترل فرآیندهای کارخانه‌ها مشکل است و روش شبکه عصبی مصنوعی برای مدل‌سازی و پیش‌بینی مقاومت تخته خرده چوب توسعه داده شده و با دقت بالا مقدار چسبندگی داخلی تخته خرده چوب تولیدی کارخانه‌ها را پیش‌بینی می‌کند. از روش شبکه عصبی مصنوعی و الگوریتم ژنتیک برای پیش‌بینی و بهینه کردن براقیت کاغذ و مقوای پوشش‌دار استفاده شده است.

مدل‌های شبیه‌سازی در صنعت کاغذسازی توسعه یافته و برای تعیین قیمت و ظرفیت و دیگر متغیرهای تولیدی نیز استفاده می‌شود. متغیرهای موثر بر مقاومت به ترکیدن کاغذ روزنامه و کاغذ چاپ با استفاده از داده‌های خط تولید و شبکه عصبی مصنوعی بررسی شده است و با این روش می‌توان خط تولید را کنترل کرد. برخی متغیرهای فرآیندی را می‌توان ثابت و برخی دیگر را با حساسیت بیشتر کنترل کرد.

خصوصیات تخته خرده چوب با استفاده از شبکه عصبی مصنوعی پیش‌بینی هوشمندانه شده‌اند. همچنین تاثیر درصد رطوبت کیک، دمای پرس و زمان بسته شدن پرس روی خواص درصد واکشیدگی ضخامت و جذب آب تخته خرده چوب نیز مورد بررسی قرار گرفته‌اند، برای ساخت مدل شبکه عصبی مصنوعی از عملکرد شبکه عصبی پیشخور استفاده شد. این تکنیک قابلیت تطبیق‌پذیری شبکه را افزایش داد و این خصوصیات پیش‌بینی شدند.

بنابراین این پژوهش نشان می‌دهد که بیشترین کاربرد شبکه عصبی مصنوعی در مورد مسائلی بوده که یک ارتباط غیرخطی میان پارامترهای معلوم و مجهول آن‌ها وجود دارد زیرا یکی از قابلیت‌های مهم شبکه‌های عصبی مصنوعی، درک رفتار غیرخطی یک سیستم است. همچنین کاربرد شبکه عصبی مصنوعی در علوم صنایع چوب و کاغذ به شرط کافی بودن داده‌ها و طراحی مناسب تقریبا بهترین و یک ابزار بسیار کارآمد و تاثیرگذار در روند تولید به حساب می‌آید. بنابراین شبکه عصبی مصنوعی می‌تواند برای مدل‌سازی، پیش‌بینی، کنترل، بررسی خواص مکانیکی و فیزیکی و بهینه‌سازی کارخانه‌های تولیدی صنایع چوب و کاغذ استفاده شود.

این پژوهش توسط مجموعه مقالات نخستین همایش ملی چوب و فرآورده‌های لیگنوسلولزی ارائه شده است.

انتهای پیام