اجازه ویرایش برای همه اعضا

فلسفه مهندسی

نویسه گردانی: FLSFH MHNDSY
فلسفه مهندسی آموزه ایست که در آن از چیستی مهندسی، فعالیتی که مهندس انجام می‌دهند و چگونگی تاثیر بر جامعه بحث می‌شود. در فلسفه مهندسی به جنبه‌هایی چون اخلاق، زیبایی شناسی و همچنین هستی شناسی و معرفت شناسی؛ همانگونه که در فلسفه علم نیز وجود دارد؛ پرداخته می‌شود.

مهندسی تخصصی است که عهده دار ایجاد اصلاح و بهره گیری از محیط طبیعی جهت طراحی و ساخت بناها می‌باشد. مهندسی ممکن است با علم مقایسه شود که وظیفه اش فهم طبیعت می‌باشد. بنابراین فلسفه علم شناسایی پی آمدهای فلسفی علم جهت کاربرد آن در مهندسی می‌باشد. این نتایج شامل مواردی همچون عینیت تجربیات، اخلاق فعالیت‌های مهندسی در محیط کار و جامعه و زیبایی‌شناسی بناهای ساخته شده به دست بشر می‌باشد. هنگامی که از مهندسی با نگاه تاریخی به خلق و تدبیر تعبیر گردد مرز مشخصی میان هنر، حرفه و تکنولوژی نخواهد بود.

مهندس، اسم فاعل هندسه، به معنی هندسه‌دان بوده و هندسه خود نیز معرّب اینداسه (ملفوظی ‏هندی) یا همان اندازه می‌باشد. لذا، بدیهیست که یک مهندس لااقلّ برای اهداف طراحی، نیاز به ‏یک دانش کمّی و عددی از کمّیتهای فیزیکی و قابل اندازه‌گیری داشته باشد. متغیّرهای ‏ماکروسکوپیک متداول و مورد اعتنای مهندسین عبارتند از دما، فشار، دانسیته، غلظت و امثال ‏آن، در حالی‌که در طرف مقابل متغیّرهای میکروسکوپیک نظیر جرم اتمی، پیوندهای شیمیایی، ‏سطوح انرژی ملکولی و اُربیتالی و مشابه آنها، مورد توجّه دانشمندان و محقّقین علوم پایه از ‏نظر معرفت‌شناختی و تحلیلی می‌باشد. ‏

اخلاق

آنچه که طراحی مهندسی و طراحی هنری را از هم متفاوت می‌سازد شرایطی است که مهندسی را مجبور می‌سازد قبل از ساخته شدن طرح رفتارها و اثرات آن را به صورت کمی پیش بینی نماید. این قبیل پیش بینی‌ها ممکن است کم و بیش دقیق باشند اما باید شامل تاثیر بر فرد و جامعه گرد. به این معنی، مهندسی نباید تنها از زاویه فنی سازه‌ها بررسی و قضاوت شود بلکه باید اثر اجتماعی نیز در نظر گرفته شود. فعالیتی که مهتدسیین انجام می‌دهند باید در معرض ارزیابی معنوی نیز قرار بگیرد.

مدلسازی

روش‌های متداول ریاضیاتی و فیزیکی مدلسازی مهندسی، توانایی مناسبی جهت شناخت اثرات مهندسی بر مردم را ندارند با وجود اینکه بسیاری از فعالیت‌های مهندسی مانند حمل و نقل در ارتباط تنگاتنگ با جامعه می‌باشند. فهم اساسی هر شاخه از علوم مهندسی وابستگی تامّ به شناخت و ملاحظه نقش آن رشته و میزان ‏تعامل و ارتباط با سایر رشته‌های علوم و مهندسی دارد. اگر به هر دلیلی، قصد برقراری یک ‏بیان علمی عمیق و به عبارت مهندسی یک مدل تقریبی و نزدیک به واقعیت از یک یا چند پدیده ‏فیزیک وشیمیایی داریم، باید مبادی تصوّرمان را روی حداقلّ چهار محور متمرکز کرده و تصمیم ‏بگیریم. ‏

‏۱-‏ نحوه نگرش به مسأله (میکروسکوپی، مزوسکوپی یا ماکروسکوپی)‏

‏۲-‏ اصول و قوانین موضوعه و مربوطه (قوانین عام و خاص)‏

‏۳-‏ ‏ نحوه بیان مدل ریاضی و کمّی (مبتنی بر قوانین اوّلیه، آماری یا تجربی)‏

‏۴-‏ نوع فرمولاسیون (متوسط‌گیری یا توزیعی)‏

بیان ریاضی روابط بینابین کمّیت‌های درگیر در مدل، چه جبری (استاتیکی)و چه دیفرنسیالی ‏‏(دینامیکی و/یا توزیعی) می‌تواند نشأت گرفته از قوانین (‏Rigorous or 1st –principle ‎Laws Modeling‏) و اصول طبیعی (اعمّ از عامّ و خاصّ)، اندازه‌گیری‌های آماری- تجربی ‏‏(‏Statistical-Empirical Modeling‏) یا به‌طور ترکیبی (‏Hybrid Modeling‏) باشد. ‏مدل‌های از نوع اوّل که موسوم به مدل‌سازی جعبه سفید (‏White-box Modeling‏) نیز ‏هستند نیازمند آنالیز و شناخت دقیق مکانیسم‌های درگیر مسأله می‌باشند. یک مزیّت عمده این نوع ‏مدل‌سازی تعبیر فیزیکی کمّیت‌ها و بار اطلاعاتی بالای آنها می‌باشد، ولی در عین حال یک ‏عیب آن پیچیدگی و سختی توسعه و همچنین حل آنها (چه تحلیلی و چه عددی) می‌باشد. در برخی ‏مسائل مهندسی ممکن است پیچیدگی پدیده‌های درگیر آنقدر زیاد باشد که توسعه مدل از طریق ‏مکانیسم‌ها و قوانین اوّلیه (عامّ و خاصّ) به‌صرفه نباشد. به طور مثال، مدل کردن پرتاب یک ‏سکه و زمین خوردن آن جهت پیش‌بینی رو آمدن شیر یا خط از طریق مدل‌های دقیق ریاضی ‏‏(استفاده از قانون دوّم نیوتن، مُمان اینرسی، اندازه حرکت، مقاومت هوا، الاستیسیته انگشتان ‏دست و تعریف ضریب جهندگی) محال وقوعی می‌باشد. لذا، یک راه حلّ مهندسی استفاده از ‏علم آمار و احتمالات برای تعیین احتمالی شیر یا خط می‌باشد. به عنوان یک مثال دیگر، رابطه ‏مهندسی پایداری حباب یا توزیع قطر کف یک محلول صابون بر حسب غلظت صابون، دانسیته ‏محلول، هندسه سیستم، ابعاد و سرعت همزن، براساس مدل‌های دقیق ریاضی گرچه ممکن است ‏ولی خیلی پرهزینه و مشکل می‌باشد. لذا، یک روش مواجهه با این نوع مسائل، تکرار ‏آزمایشات، اندازه‌گیری کمّیتهای محسوس و سپس رگرسیون آنها و بیان رابطه تجربی بین ‏کمّیت‌ها با اسامی آنالیز ابعادی (‏Dimensional Analysis‏)، روابط رگرسیونی ‏‏(‏Correlations‏) و مدل‌سازی جعبه سیاه (‏Black-box Modeling‏) می‌باشد. ساختار روابط ‏می‌تواند به صورت توانی (‏Exponential, Power Law‏)، چندجمله‌ای (‏Polynomials‏) یا ‏کاملا غیرخطی (مثلاً استفاده از شبکه‌های عصبی یا قوانین فازی) باشد. مدل سازی تجربه ‏علیرغم سادگی و سهولت توسعه متأسّفانه دارای بار اطلاعاتی کم بوده و قدرت برون‌یابی ‏‏(‏Extrapolation‏) ضعیفی دارند. برای مسائل با مقیاس متوسط یا بزرگ (از نظر تکثّر و ‏تنوّع پارامترها و متغیّرها) معادلات حاکم شامل مجموعه قوانین عامّ و قوانین خاصّ می‌باشند. ‏هر کدام از انواع قوانین نیز می‌توانند براساس مکانسیم‌های مبتنی بر قوانین طبیعی بوده یا اصالتاً ‏تجربی و حاصل از فشرده سازی آزمایشات در قالب یک بیان یا رابطه ریاضی باشد. لذا، آنچه ‏که در عمل رایج است (به‌ویژه شبیه‌سازی مخازن) بنوعی مدل‌سازی ترکیبی از دو نوع بیان ‏ریاضی (دقیق-تجربی) می‌باشد. این نوع مدلسازی موسوم به مدل سازی جعبه خاکستری ‏‏(‏Gray-box Modeling‏) می‌باشد. ‏

نوع فرمولاسیون – اگر رابطه بین کمیتهای سیستم مستقل از بُعد هندسه سیستم باشد، با یک مدل ‏صفر بُعدی یا متوسط (مستقل از بُعد و متغیّرهای جغرافیایی - ‏Lumped‏) روبرو هستیم. اگر ‏رابطه به صورت جبری باشد (عدم حضور مشتق و دیفرانسیل)، آن‌گاه مدل یک مدل استاتیکی ‏یکنواخت و پایا خواهد بود ولی اگر مشتقّ کمیّت (یا متغیّر تابع) بر حسب زمان وجود داشت مدل ‏عبارتست از یک دستگاه معادله دیفرانسیل معمولی. به این نوع مدل‌سازی می‌گویند مدل‌سازی ‏متوسط دینامیکی گذرا یا پویا. حال اگر متغیّرهای مستقلِ موقعیتی یا جغرافیایی نیز در ‏فرمولاسیون شرکت داشتند آنگاه فرضیات اساسی مدل سازی را توزیعی (‏Distributed‏) در ‏نظر گرفته‌ایم اگر فقط یک متغیر توزیعی (مثل ‏x‏)حضور داشت و مسأله بصورت یکنواخت بود ‏‏(‏‎∂⁄∂t=0‎‏)، آن‌گاه مسأله را در بقیه ابعاد، متوسط فرض کرده و با یک معادله دیفرانسیل ‏معمولی روبرو هستیم ولی اگر توزیع متغیر یا متغیرهای تابع را در بقیه جهات نیز در نظر ‏گرفته و/یا رفتار گذرای (تغییر بر حسب زمان) سیستم را خواستیم لحاظ کنیم، آن‌گاه با یک ‏معادله یا دستگاه معادله دیفرانسیل پاره‌ای مواجه هستیم. خود فرمولاسیون توزیعی بسته به ‏ماهیّت، بیان یا تعریف مساله و به‌ویژه تکنیک حل مسأله به دو صورت انتگرالی و دیفرانسیلی ‏تقسیم می‌شود. انتخاب نوع فرمولاسیون (متوسط، دیفرانسیلی و انتگرالی) بستگی به اهداف و ‏کاربردهای عملی نتایج حل مسأله دارد. ‏

مطالعهٔ بیش‌تر

فلسفه مهندسی در ایران دانشی نوپا محسوب می‌گردد و در این خصوص منابع چندانی به زبان فارسی وجود ندارد. با تمام این اوصاف بعنوان نمونه‌ای از متون مرتبط با فلسفهٔ مهندسی، می‌توان به مجموعه آثار فلسفهٔ مهندسی، تالیف عرفان کسرایی از جمله به «روشهای استدلال منطقی در مسائل مهندسی» اشاره نمود که در انجمن احیاگران فلسفه نو منتشر گردیده‌است.‍
واژه های قبلی و بعدی
واژه های همانند
هیچ واژه ای همانند واژه مورد نظر شما پیدا نشد.
نظرهای کاربران
نظرات ابراز شده‌ی کاربران، بیانگر عقیده خود آن‌ها است و لزوماً مورد تأیید پارسی ویکی نیست.
برای نظر دادن ابتدا باید به سیستم وارد شوید. برای ورود به سیستم روی کلید زیر کلیک کنید.