احیای صنعت پیشرفته با هوش مصنوعی و شبیه‌سازی دیجیتال: چطور ایجنت‌ها جای خالی مهندسان را پر می‌کنند؟

در آوریل ۲۰۱۹، زیردریایی اکتشافی DSV Limiting Factor ساخت شرکت «تریتون سابمارینز» (Triton Submarines)، به عمیق‌ترین نقطه‌ای شیرجه زد که پای بشر تا به حال به آن رسیده است: عمق باورنکردنی حدود ۱۰٬۹۰۰ متری (۳۵٬۸۰۰ فوتی) سطح آب. این شناور توانست به بستر «گودال چلنجر»، دورافتاده‌ترین و ناشناخته‌ترین نقطه اقیانوس برسد. رفتن به عمق ۱۱ کیلومتری آب، جایی که حتی اگر قله اورست را وارونه در آن غرق کنید باز هم به ته آن نمی‌رسد، دستاوردی فوق‌العاده شگفت‌انگیز است؛ اما وقتی بر اساس آمار‌های آوریل ۲۰۲۶ سازمان NOAA متوجه می‌شوید که هنوز بیش از ۷۰ درصد از بستر اقیانوس‌های کره زمین نقشه‌برداری دقیق نشده، ماجرا رنگ دیگری به خود می‌گیرد.

البته گفتنش آسان است و عمل کردن به آن بی‌نهایت دشوار! مهندسان پیش از هر چیز باید شناورها و تجهیزاتی بسازند که بتوانند فشارهای خردکننده‌ای بیش از هزار برابر فشار جو در سطح دریا را تاب بیاورند.

اقیانوس‌ها تازه فقط یکی از مرزهایی هستند که بشر برای فتح آن‌ها خیز برداشته؛ فضا مرز هیجان‌انگیز بعدی است. برای فتح هر دوی این قلمروها، به سیستم‌ها و سخت‌افزارهایی نیاز داریم که در شرایط خشن و بی‌رحم دوام بیاورند. اینجاست که مهندسان برای اینکه جان انسان‌ها، شناورها یا دستگاه‌های گران‌قیمت را به خطر نیندازند، بیش از هر زمان دیگری به سراغ «شبیه‌سازی» و «دوقلوهای دیجیتال» (Digital Twins) رفته‌اند تا رفتار سیستم‌ها را پیش از ساخت واقعی بیازمایند. همان‌طور که وبسایت مکنزی توضیح می‌دهد: «دوقلوی دیجیتال، یک نسخه کپی و شبیه‌سازی‌شده دیجیتالی از یک شیء فیزیکی، انسان، سیستم یا فرایند است که در محیطی مجازی بازسازی می‌شود. دوقلوهای دیجیتال به سازمان‌ها کمک می‌کنند شرایط واقعی و پیامدهای آن را بدون ریسک شبیه‌سازی کنند و تصمیم‌های بسیار هوشمندانه‌تری بگیرند.»

به زبان ساده، توسعه شبیه‌سازی‌های پیشرفته و دوقلوهای دیجیتال به ما اجازه می‌دهد جسورانه به جاهایی سرک بکشیم که پای هیچ انسانی به آن نرسیده است. اما ماجرا به همین‌جا ختم نمی‌شود؛ چه می‌شود اگر این ابزار‌های شبیه‌سازی بتوانند رؤیای احیای دوباره صنعت و تولید پیشرفته قطعات پیچیده را محقق کنند؟

این دقیقاً همان چشم‌اندازی است که ماشا پترووا (Masha Petrova) تصویر می‌کند: «شبیه‌سازی بخش کم‌تر دیده‌شده صنعت است، اما برای اینکه بتوانیم دوباره دست به تولید پیشرفته بزنیم نقشی حیاتی دارد. بدون شبیه‌سازی دقیق، یا کار‌ها پیش نمی‌رود یا مدام همان محصولات قدیمی و ازمدافتاده را تولید می‌کنیم و عملاً هیچ نوآوری رخ نمی‌دهد.» پترووا مدیرعامل شرکت نال‌اسپیس (Nullspace) است؛ استارتاپی پیشگام در فناوری‌های عمیق (Deep Tech) که نرم‌افزارهای شبیه‌سازی الکترومغناطیسی نسل بعد را برای کاربردهای حساس فرکانس رادیویی (RF) و رایانش کوانتومی توسعه می‌دهد.

اما در مسیر احیای تولید صنعتی، یک چالش بزرگ و بازدارنده وجود دارد: کمبود شدید نیروی متخصص و مهندسان کاربلد! بر اساس گزارش تحلیلی گروه مشاوره بوستون (BCG) با همکاری انجمن SAE International، صنایع سالانه به حدود ۴۰۰ هزار مهندس جدید نیاز دارند؛ اما مهارت‌های مدرنی که این مهندسان باید داشته باشند به‌شدت کمیاب است و این زنگ خطر وجود دارد که تا سال ۲۰۳۰، از هر سه موقعیت شغلی مهندسی، یکی خالی بماند.

در حالی که شرکت‌ها برای جذب نیروهای ماهر به در بسته می‌خورند، سیستم‌هایی که باید طراحی و ساخته شوند روزبه‌روز پیچیده‌تر و ظریف‌تر می‌شوند. برای درک بهتر، کافی است به آنتن‌ها نگاه کنید؛ اغلب مردم با شنیدن کلمه آنتن یاد آنتن‌های شاخکی و خرگوشی تلویزیون‌های قدیمی می‌افتند! اما امروزه آنتن‌ها درون گوشی‌ها، خودروها، لپ‌تاپ‌ها، ترموستات‌ها و سیستم‌های امنیتی پنهان شده‌اند. پترووا در این باره می‌گوید: «حالا که ماهواره‌ها در مدار زمین قرار دارند و پهپادها در میدان‌های نبرد عملیات می‌کنند، چالش‌های طراحی چندبرابر شده است. ساخت سیستم‌هایی که با تمام این آنتن‌ها کار کنند به سال‌ها دانش مهندسی تخصصی نیاز دارد. واضح است که نمی‌توان فارغ‌التحصیلان تازه‌کار را یک‌شبه به متخصص تبدیل کرد؛ اما می‌توانیم با طراحی ابزار‌های مهندسی هوشمندانه‌تر، به تیم‌های چابک و جمع‌وجور قدرت دهیم تا کار‌های بزرگ انجام دهند.»

فرایند تحقیق و توسعه‌ای که پترووا پیشنهاد می‌کند مبتنی بر شبیه‌سازی پیش از ساخت نمونه اولیه فیزیکی است. این موضوع را می‌توان با یک رستوران زنجیره‌ای مقایسه کرد؛ مدیر رستوران به جای اینکه بلافاصله ساندویچ مرغ باربیکیوی جدیدش را در تمام ۲٬۰۰۰ شعبه عرضه کند و ریسک پس زده شدن آن توسط مشتریان را بپذیرد، ابتدا آن را در ۵ شعبه به‌صورت آزمایشی امتحان می‌کند. با محدود کردن دامنه آزمایش، در صورتی که غذا مورد استقبال قرار نگیرد، سرمایه و زمان هنگفتی بر باد نخواهد رفت.

نرم‌افزار شبیه‌سازی نال‌اسپیس به مهندسان امکان می‌دهد پیش از آنکه دست به ابزار شوند و قطعه فیزیکی بسازند، عملکرد آنتن‌ها و سیستم‌های راداری و تعامل آن‌ها با محیط پیرامون را دقیق پیش‌بینی کنند. یک نمونه ملموس: این شرکت با یک تولیدکننده مطرح ژاپنی همکاری می‌کرد که برای مدل‌سازی عملکرد آنتن ماهواره‌ای با ابزار‌های قبلی، به ۶ ساعت زمان نیاز داشت؛ اما با نال‌اسپیس توانست همان فرایند شبیه‌سازی را بدون افت دقت، تنها در ۲ دقیقه به پایان برساند!

اینجاست که هوش مصنوعی وارد میدان می‌شود تا سرعت فرایندهای شبیه‌سازی را سرسام‌آور کند و به مهندسان امکان دهد بدون نیاز به استخدام لشکری از نیروهای جدید، پیچیده‌ترین پروژه‌ها را پیش ببرند. پترووا می‌گوید: «هوش مصنوعی جریان‌های کاری را فوق‌العاده سریع می‌کند؛ برای نمونه، یک ایجنت هوش مصنوعی می‌تواند شبیه‌سازی را راه‌اندازی کند، پارامترهای طراحی را تغییر دهد، حالت‌های گوناگون را بسنجد و در نهایت نتایج را برای بازبینی مهندس مرتب کند. در حالی که نرم‌افزار شبیه‌سازی محاسبات پیچیده فیزیکی را انجام می‌دهد، مهندس انسان همچنان مسئول نهایی است تا بسنجد آیا نتایج منطقی و قابل‌اجرا هستند یا خیر.»

بهره‌وری حداکثری از استعدادهای کمیاب در عصر هوش مصنوعی، مبحثی کلیدی است که در آن ایجنت‌های هوش مصنوعی (Agentic AI) به یاری تیم‌هایی با کمبود نیرو می‌آیند. در سوی دیگر میدان، شرکت «بی‌هایو اینداستریز» (Beehive Industries) که موتورهای جت برای پهپادها و سیستم‌های دفاعی می‌سازد، ساختار تیم‌های مهندسی را دگرگون کرده است. این شرکت به جای اتکا به زنجیره تأمین فرسوده، قطعات پراکنده، کارخانه‌های واسطه و سال‌ها توسعه فرسایشی، مسیر هوشمندانه‌تری را برگزیده است؛ به گفته شرکت بی‌هایو بیش از ۹۰ درصد قطعات هر موتور با چاپ سه‌بعدی ساخته می‌شود و تمام مراحل طراحی، ماشین‌کاری، مونتاژ و آزمایش درون خود شرکت انجام می‌گیرد. به گزارش تامز هاردویر، چاپ سه‌بعدی زمان لازم برای طراحی، تست و به‌کارگیری موتور را به‌شدت کاهش می‌دهد و هزینه‌های تولید را به حداقل می‌رساند؛ موضوعی حیاتی برای ارتش‌ها که گاهی مجبور می‌شوند برای سرنگونی یک پهپاد ارزان‌قیمت، موشک‌های چند میلیون دلاری شلیک کنند!

این رویکرد مدرن نتیجه درخشانی هم به همراه داشته است. بر اساس گزارش مجله Air & Space Forces در آوریل ۲۰۲۶، نیروی هوایی آمریکا قراردادی ۲۹٫۷ میلیون دلاری با استارتاپ بی‌هایو برای توسعه یک موتور جت یک‌بارمصرف مخصوص پهپادها و مهمات هدایت‌شونده امضا کرده است. محمد احتشامی، مدیرعامل این شرکت، درباره این تحول می‌گوید: «ما به مهندسان بیشتری نیاز داریم، اما در عین حال باید از سوزاندن و هدر دادن تخصص نیروهای فعلی دست برداریم. یک مهندس باتجربه باید چالش‌های طراحی را حل کند، نه اینکه تمام روزش را صرف سر و کله زدن با فرایندهای فرسوده و منسوخ کند.»

با نگاهی به رویکرد شبیه‌سازی پیش از ساخت ماشا پترووا و تلاش محمد احتشامی برای چابک‌سازی فرایندها، به‌خوبی می‌توان دید که چگونه می‌توان قدرت مهندسی را احیا کرد. چه هدف ساخت شناورهای نسل بعد برای نقشه‌برداری از اعماق تاریک اقیانوس‌ها باشد و چه ساخت فضاپیماها و جت‌های پیشرفته، کلید موفقیت ترکیب هوش و نبوغ انسانی با ابزار‌های نوین است. با کوتاه‌تر کردن مسیر طراحی تا آزمایش به کمک هوش مصنوعی و زنجیره‌های تأمین هوشمند، توانمندی مهندسان چندبرابر می‌شود؛ ترکیبی طلایی که می‌تواند پتانسیل‌های صنعتی امروز را به دستاوردهای درخشان فردا پیوند بزند.