نقش هوش مصنوعی در بهینهسازی عملکرد یخچالهای خانگی
در سالهای اخیر، بهینهسازی مصرف انرژی در لوازم خانگی به یکی از مهمترین موضوعات تحقیقاتی در صنعت تبرید تبدیل شده است. یکی از چالشهای مهم در این حوزه، مدیریت فرآیند «دیفراست» در یخچالهای خانگی است؛ فرآیندی که برای حذف برفک از اواپراتور انجام میشود اما در بسیاری از دستگاهها هنوز بر اساس زمانبندی ثابت اجرا میشود و میتواند منجر به مصرف انرژی غیرضروری شود.در همین راستا، مهندس سعیده رضوانی به همراه تیم تحقیق و توسعه شرکت نیکسان صنعت ساوه در مقالهای علمی به بررسی راهکاری هوشمند برای حل این مسئله پرداخته اند.
این مقاله با عنوان
“Extracting a smart model for determining defrost time in household refrigerators using a combination
of CFD, experimental data, and GMDH type artificial neural network”
در سال 2025 در ژورنال بینالمللی International Journal of Refrigeration منتشر شده است؛ نشریهای تخصصی در حوزه سیستمهای تبرید که توسط Elsevier Ltd و با همکاری International Institute of Refrigeration (IIR) منتشر میشود و از طریق پایگاه علمی ScienceDirect در دسترس است.
موضوع اصلی این پژوهش، توسعه یک مدل هوشمند برای تعیین زمان بهینه دیفراست در یخچالهای خانگی است. در یخچالهای متداول، دیفراست معمولاً در بازههای زمانی از پیش تعیینشده انجام میشود، در حالی که میزان واقعی تشکیل برفک به عوامل مختلفی مانند دمای محیط، رطوبت، دفعات باز شدن درب یخچال و نحوه استفاده کاربران بستگی دارد. همین موضوع باعث میشود فرآیند دیفراست گاهی زودتر یا دیرتر از زمان مناسب اجرا شود و در نتیجه بهرهوری انرژی دستگاه کاهش یابد.
در این مقاله، برای حل این چالش از یک رویکرد ترکیبی استفاده شده است. ابتدا دادههای تجربی از عملکرد یخچال در شرایط واقعی جمعآوری شده و سپس با استفاده از شبیهسازی دینامیک سیالات محاسباتی (CFD) رفتار حرارتی و جریان هوا در داخل دستگاه مورد تحلیل قرار گرفته است. در مرحله بعد، دادههای حاصل از آزمایشها و شبیهسازیها برای آموزش یک شبکه عصبی مصنوعی از نوع GMDH (Group Method of Data Handling) به کار گرفته شدهاند تا مدلی پیشبینیکننده برای زمان مناسب دیفراست استخراج شود.
مدل ارائهشده در این پژوهش قادر است با در نظر گرفتن متغیرهایی مانند مدت زمان کارکرد کمپرسور، تعداد دفعات باز شدن درب یخچال، مدت زمان باز ماندن درب، دمای محیط و رطوبت نسبی، زمان بهینه اجرای فرآیند دیفراست را پیشبینی کند. نتایج تحقیق نشان میدهد که استفاده از چنین مدلهایی میتواند به کاهش مصرف انرژی، بهبود عملکرد حرارتی یخچال و افزایش کارایی سیستمهای سرمایشی منجر شود.
انتشار این مقاله در یکی از ژورنالهای معتبر بینالمللی حوزه تبرید، نشاندهنده ظرفیت علمی و پژوهشی متخصصان ایرانی در حل مسائل صنعتی با استفاده از روشهای پیشرفته مهندسی و هوش مصنوعی است. همچنین این دستاورد بیانگر رویکرد دانشمحور تیم تحقیق و توسعه نیکسان در توسعه فناوریهای نوین و بهبود عملکرد محصولات لوازم خانگی است.
مقاله یادشده در جلد 176 ژورنال International Journal of Refrigeration و در صفحات 52 تا 65 منتشر شده و با شناسه دیجیتال DOI: 10.1016/j.ijrefrig.2025.04.016 در پایگاه ScienceDirect قابل دسترسی است.
