به‌کارگیری بینش مهندسی و آزمایش هدفمند برای حل چالش‌های فنی
با ظهور هوش مصنوعی و رشد سریع فناوری‌های نوین، نقش تحقیق و توسعه بیش از پیش پررنگ شده است. کشف کاربردهای جدید از طریق آزمایش نیازمند چارچوب‌های زمانی فشرده و نتایج قابل اطمینان است. من با داوود پارسی، یک متخصص باتجربه و دکتر مهندسی مکانیک، در مورد اصول طراحی آزمایش و روش‌های تحقیقاتی کارآمد صحبت کردم.
شکل ۱: داوود پارسی در آزمایشگاه تحقیقاتی خود. تصویر با اجازه از داوود پارسی.
داوود پارسی به‌تازگی دکترای مهندسی مکانیک خود را از دانشگاه بریگام یانگ در ایالت یوتا، آمریکا دریافت کرده است. رساله‌ی او با عنوان «یک ریزپمپ الکترووتینگ بر روی دی‌الکتریک...» مبتنی بر پروژه‌ای بود که با حمایت مالی بنیاد ملی علوم انجام شد. کارهای داوود همچنین در مجلات تراز اول منتشر شده و او در کنفرانس‌های برجسته در کانادا و ایالات متحده سخنرانی کرده است. او یک محقق پیشرو در زمینه کاری خود است و تجربیات روشنگرانه‌ای را برای هر کسی که مشتاق غلبه بر چالش‌های فنی در تحقیق است، ارائه می‌دهد.
شناسایی مشکلات و امکانات
تحقیقات داوود به بررسی تکنیک‌های مبتنی بر میکروفلوئیدیک برای غلبه بر موانع در ابزارهای فرکانس رادیویی (RF) با قابلیت پیکربندی مجدد می‌پرداخت. این امر زمانی آغاز شد که او پتانسیل را در سیستم‌های نوین که از یک صفحه فلزی انتخابی (SMP) استفاده می‌کنند، مشاهده کرد. او گفت که «کاربرد عملی اغلب با چالش‌های یکپارچه‌سازی» بین زیرسیستم‌های مختلف این دستگاه‌های RF مختل می‌شد. و از آنجایی که او از مشکل آگاه بود، به سرعت از فناوری‌ای استفاده کرد که می‌توانست این مسائل را ساده‌سازی و رفع کند. داوود نشان می‌دهد که هر مشکلی را می‌توان با ترکیب مناسبی از دانش فنی و آگاهی از وضعیت، که هر دو جنبه مهم تفکر طراحی هستند، به یک امکان تبدیل کرد.
شکل ۲: نمونه‌ای از استفاده از SMP در آزمایش‌های او. نمای جانبی SMP در کانال (a) در حالت سکون نامتقارن، (b) تحت شتاب، نمای شماتیک SMP در کانال تحت شتاب با پایه‌های تثبیت‌کننده، (c) نمای جانبی، و (d) نمای جلویی. تصویر با اجازه از داوود پارسی.
پیش از دریافت مدرک دکترا، داوود مسئولیت آزمایش‌ها و تحلیل داده‌ها را از دانشجوی دیگری بر عهده گرفته بود. او بلافاصله با روش‌ها و تجهیزات سلف خود آشنا شد و متوجه شد که نمونه اولیه ساخته شده «برای کارهای اکتشافی مفید» است، اما «طراحی از چندین نقص بحرانی رنج می‌برد». به جای اینکه اجازه دهد این مانع تحقیقات و پیشرفت او را کند کند، او این چالش را به عنوان یک فرصت دید: «من از نرم‌افزار CAD و روش‌های نمونه‌سازی سریع برای طراحی مجدد سیستم از ابتدا استفاده کردم. در عرض یک هفته، یک نمونه اولیه کاملاً کاربردی و با عملکرد بالا تولید کردم» که «دقت جمع‌آوری داده‌های تجربی را به طور قابل توجهی بهبود بخشید». علاوه بر این، کار ارزشمند او به سرعت مورد توجه استاد راهنمای او قرار گرفت.
شکل ۳: در سمت چپ، مدل CAD داوود از نمونه اولیه است؛ در سمت راست، نمونه اولیه در سمت چپ میز، همراه با دوربین و منبع نور برای جمع‌آوری داده‌ها قرار داده شده است. با اجازه از داوود پارسی.
همه چیز در مورد داده‌هاست
در نهایت، مفید بودن یک آزمایش عمدتاً با بینش‌ها یا الگوهایی که می‌توان مشاهده کرد و نتیجه‌گیری‌هایی که می‌توان گرفت، تعریف می‌شود. برای اینکه متخصصان صنعت یا سایر دانشمندان بتوانند با اطمینان نتایج آزمایش‌های قبلی را به کار ببرند، باید داده‌های قابل توجهی وجود داشته باشد. اگر داده‌های ثبت شده با ناهماهنگی همراه باشد، ممکن است کاملاً غیرقابل استفاده باشند. تغییرپذیری در آزمایش طبیعی و ذاتی است، اما اگر تکنیک‌ها یا شرایط جمع‌آوری داده از نمونه‌ای به نمونه دیگر بدون ثبت شدن به طور قابل توجهی متفاوت باشد، خطاهای جدی می‌توانند وارد داده‌ها شوند. داوود اشاره کرد که برای آزمایش‌های یکی از همکارانش، «با وجود تقریباً نُه ماه کار بر روی این نمونه اولیه، داده‌های جمع‌آوری شده برای مدل‌سازی تحلیلی قوی به اندازه کافی قابل اعتماد نبودند». از این رو، هنگامی که داوود داده‌ها را جمع‌آوری می‌کرد، همان‌قدر که لازم بود تلاش اولیه را به کار گرفت تا اطمینان حاصل کند که داده‌هایش برای کاربرد به اندازه کافی معتبر هستند.
بازگشت به اصول اولیه
شبیه‌سازی‌ها اغلب ابزارهای قدرتمندی در دست محققان هستند، اما می‌توانند بیش از حد پیچیده شوند. در پروژه خود، داوود متوجه شد که «تلاش‌های اولیه با استفاده از شبیه‌سازی‌های سه بعدی تعامل سیال-ساختار از نظر محاسباتی غیرممکن بودند و بیش از یک هفته طول می‌کشیدند بدون همگرایی در یک ایستگاه کاری با کارایی بالا». او که می‌دانست نمی‌تواند زمان بیشتری را هدر دهد، با مشاور تحقیقاتی خود مشورت کرد، تقریب‌های لازم را انجام داد، و «اصول اساسی مکانیک سیالات را به کار گرفت تا یک مدل ساده‌سازی شده توسعه دهد که رفتار حالت پایدار سیستم را با بیش از ۹۰ درصد دقت ثبت می‌کرد». از آنجا که او مایل بود به اصول اولیه بازگردد و یک بار دیگر فرآیند تحقیقاتی خود را با دقت بررسی کند، داوود توانست مدلی بسیار دقیق‌تر طراحی کند، مدلی که همچنین می‌توانست داده‌های با کیفیت بالا را ثبت کند.
شکل ۴: نموداری از مدل تجربی و ابزارهای ثبت داده. این تصویر یک شماتیک از تنظیمات نشان داده شده در شکل ۲ است. با اجازه از داوود پارسی.
گسترش افق‌ها
مسیر داوود برای دریافت مدرک دکترا طولانی بود. پس از دریافت اولین مدرک کارشناسی ارشد خود در مهندسی مکانیک از دانشگاه صنعتی امیرکبیر (پلی‌تکنیک تهران) در تهران، ایران در سال ۲۰۱۴، او بعداً در دانشگاه مموریال نیوفاندلند در کانادا تحصیل کرد و دومین مدرک کارشناسی ارشد خود را، این بار در مهندسی مکاترونیک، در سال ۲۰۱۸ دریافت کرد. در طول اقامت خود در کانادا، او دانش فنی خود را گسترش داد و مهارت‌های ارزشمندی از جمله کالیبراسیون، پرینت سه‌بعدی، طراحی CAD، و تحلیل اجزای محدود (FEA) را کسب کرد.
پس از مدتی کار در صنعت، داوود تصمیم گرفت بار دیگر برای ادامه تحصیل در مقطع دکترا به دانشگاه بازگردد. او به جای محدود کردن حوزه علایق خود، آن را گسترش داد و در موضوعات مختلفی مانند بهینه‌سازی، تحلیل ارتعاش، طراحی MEMS، و در نهایت میکروفلوئیدیک تحقیق کرد، که به او اجازه داد تا تخصص خود را از طیف وسیعی از حوزه‌های مختلف در طول تحقیقاتش به کار گیرد. داوود می‌گوید: «تحقیقات من نشان می‌دهد که چگونه بینش مهندسی، آموزش بین‌رشته‌ای، و مدل‌سازی استراتژیک می‌توانند به سرعت بر چالش‌های فنی دیرینه غلبه کنند.»
داوود با تکیه بر کارهای بنیادی خود، یک مکانیزم تحریک جدید با استفاده از فناوری الکترووتینگ بر روی دی‌الکتریک (EWOD) را پیشنهاد و شروع به پیاده‌سازی کرد. داوود با دیدن مشکلات به عنوان فرصت‌ها، جمع‌آوری دقیق داده‌ها، دانستن نحوه مدل‌سازی نظری کار خود، و بهره‌گیری از مهارت‌ها از طیف وسیعی از حوزه‌های فنی، مدل‌سازی، و آزمایش، نمونه‌ای از بینش مهندسی در سطح جهانی و تفکر فنی است.
