
همکاری موثر صنعت و دانشگاه در نوآوری پلیمر
همکاری موثر صنعت و دانشگاه در نوآوری پلیمر
خلاصه
علم پلیمر یکی از معدود زمینه های تحقیقاتی اساسی است که نتایج آن تقریباً بلافاصله به محصولات واقعی منتقل می شود. صنایع به همکاری با بهترین محققان (دانشگاه ها یا آزمایشگاه های ملی) نیاز دارند تا زمینه را ارتقا دهند و به توسعه مواد جدید کمک کنند، که اقتصاد تجارت مواد شیمیایی و مواد را تقویت می کند و تضمین می کند که محصولات پلیمری نوآورانه و پایدار دائماً به بازار عرضه می شوند. مکانیسمهای تضمین همکاری یکپارچه و مثمر ثمر متعدد هستند، اما تعداد کمی از رویکردها واقعاً میتوانند طیف کاملی از تحقیقات پلیمری از درک مولکولی تا کنترل ماکروسکوپی خواص را در بر گیرند. ما برخی از مؤلفههای اصلی همکاریهای استاندارد صنعت و دانشگاه را بررسی میکنیم و پیشنهاد میکنیم مراکز باز پلیمری ایجاد کنیم که هدف توسعه کسبوکار را به عنوان نقطه شروع همکاری قرار میدهند و به آنها اجازه میدهد تا گرد هم آیند و روی زمینههای علمی مختلف برای رسیدن به یک هدف مشترک تمرکز کنند.
- مقدمه
همکاری موثر سنگ بنای تحقیق و نوآوری کارآمد است. دانشگاه مرزهای علم پلیمر را پیش میبرد و بسیاری از شرکتهای صنعتی به جامعه پلیمری کمک میکنند. گروه ها از طریق کمک های مالی با یکدیگر همکاری می کنند، ایده های خود را در کنفرانس ها تبادل می کنند و به چالش می کشند، یا یکدیگر را به سمینارها و کارگاه ها دعوت می کنند. در مقایسه با سایر زمینههای علمی مانند الکترونها یا کیهانشناسی، پلیمرها حوزههای علمی منحصربهفردی هستند که بنیادیترین تحقیقات را میتوان تقریباً فوراً به یک کاربرد صنعتی تبدیل کرد. این به دلیل سهولت ادغام مفاهیم جدید به طور مستقیم در تولید بدون نیاز به زیرساخت های اضافی قابل توجه است. این کاربرد سریع تحقیقات بنیادی منجر به رقابت شدید بین گروههای صنعتی میشود که باعث میشود دائماً نوآوری کنند و اکتشافات علمی را درک کنند که میتواند عملکرد محصولاتشان را افزایش دهد. علاوه بر این، برای استقرار این موضوعات تحقیقاتی در سازمان صنعتی، آنها نیاز به استخدام استعدادهای جدید با شایستگی های به روز دارند، که این امر مستلزم آن است که شرکت ها از نظر علمی برای ذهن های جوان تر جذاب باشند و مسیر شغلی را پیشنهاد کنند که تشنگی آنها برای تحقیقات نوآورانه اما کاربردی را سیراب کند.
گروههای صنعتی ممکن است از مدلهای مختلف مشارکت با دانشگاهها، آزمایشگاههای ملی یا استارتآپها برای توسعه مشترک علم و فناوری و دسترسی به جدیدترین تحقیقات در حین تعامل با دانشجویان و دانشجویان فوقدکتری که میتوانند علاقهمند به پیوستن به آنها باشند، استفاده کنند. با این حال، این فرآیند همیشه آنطور که می توان تصور کرد ساده نیست. بسته به مدل همکاری مورد استفاده، به اشتراک گذاری مالکیت معنوی (IP) می تواند به یک معمای واقعی برای وکلا تبدیل شود. برای شرکت، به اشتراک گذاشتن داده های صنعتی مرتبط با یک شریک دانشگاهی، زمانی که موضوعات بسیار رقابتی در خطر است، لزوما آسان نیست. از سوی دیگر، انتشار این اثر برای شغل دانشجویان و فوق دکترای دانشگاه حیاتی است.
در بخش 2 از این دیدگاه، ما عناصر اصلی را که باید به منظور توسعه یک همکاری صنعتی و دانشگاهی موثر و کارآمد در پلیمرها در نظر گرفته شوند، مرور خواهیم کرد. بخش 3 به طور خلاصه رایج ترین مدل های همکاری را که در حال حاضر مورد استفاده قرار می گیرند ارائه می کند و در مورد مسئله مهم IP بحث می کند. بخش 4 پیشنهادی برای همکاریهای مؤثرتر و برخی دیدگاهها در مورد چگونگی پیشبرد توسعه اکتشافات علمی پلیمری با حضور سریعتر در محصولات جدید و نوآوریهای صنعتی جدید را شرح میدهد.
-
ارزش افزوده همکاری صنعت و دانشگاه
ایجاد یک مشارکت بین یک شرکت صنعتی و یک موسسه دانشگاهی می تواند در سطح قرارداد پیچیده، در سطح IP استرس زا و برای واحدهای صنعتی متوسط هزینه بر باشد. در مورد علم پلیمر «دیجیتال» (شبیهسازی، مدلسازی، یا هوش مصنوعی (AI))، این میتواند حتی پیچیدهتر شود، زیرا اغلب درک روشنی در جامعه درباره اینکه IP چیست، در مورد مدل، داده، وجود ندارد. یا نتایج شبیه سازی شرکت هایی که هیچ بخش تحقیق و توسعه یا یک واحد اندازه محدود ندارند، همچنان برای افزایش فروش و جلب رضایت مشتریان خود به نوآوری نیاز دارند. بنابراین، آنها دست به تلاش می زنند و به دنبال شرکای دانشگاهی می گردند: نیاز بر پیچیدگی همکاری صنعت و دانشگاه برتری دارد. با این حال، چرا یک موسسه صنعتی بزرگ با هزاران کارمند در وظیفه تحقیق و توسعه خود تصمیم به همکاری با یک نهاد خارجی می گیرد؟ آنها قبلاً میلیونها دلار در فرآیند استخدام خود سرمایهگذاری کردهاند، حتی بیشتر در ارائه حقوق و مشوقها به کارکنان خود و به میزان قابل توجهی در توسعه و نگهداری مراکز تحقیقاتی و تجهیزات علمی خود. با این حال، برای به روز ماندن در رشته خود، جذب استعدادهای علمی جدید و گاه کاهش هزینه های انجام تحقیق و توسعه خود، به دنبال منبع نوآوری خود به دنیای دانشگاهی هستند. علاوه بر این، برخی از منابع مالی و منابع به طور منحصربهفردی با هزینههای یارانهای/کاهشیافته در دسترس محققان است. در سال 2010، تریلر و همکاران، اهمیت گردآوری تفاوتهای سازگار را برای تضمین یک مکانیسم همکاری کارآمد بیان کرد و در واقع، نهادهای دانشگاهی و صنعتی لزوماً نتایج مطلوب یکسانی برای تحقیقات مشترک خود ندارند. یکی علاقه مند به علم در سطح جهانی است که منتشر خواهد شد و دیگری به کاربردی بودن کار در جهت محصولات یا خدمات جدید برای مشتریان خود. مشارکت های قوی در علم پلیمر وجود دارد. BASF یک ابتکار تحقیقات استراتژیک به نام BASF's "Northeast Research Alliance" یا NORA در هاروارد ایجاد کرد و Solvay برای ساختن برخی از رویکردهای دانه درشت جدید برای پلیمرها با هم کار کرده اند. Multimechanics، Inc. روی مدلسازی انتشار ترک با دانشگاههای مختلف کار کرد. Everaers از ENS Lyon چند مشارکت قوی با Continental ایجاد کرده است که مدلسازی، شبیهسازی و آزمایشها را گرد هم میآورد. گینزبورگ، از شرکت داو، تحقیقات پلیمری پیشگامانه ای را در طول حرفه صنعتی خود توسعه داده است. مشارکت صنعت و دانشگاه باید یک همکاری برد-برد برای موفقیت باشد. ما معتقدیم که سه پارامتر اصلی وجود دارد که برای اجازه دادن به این امر باید در نظر گرفته شود:
- تبادل اطلاعات بین بهترین ها
- یک مکانیسم مالی سودمند بین موسسات
- تمرکز بر رشد استعدادهای آینده
2.1. کار با بهترین ها
مشارکتهای نوآوری موفق مبتنی بر اشتراک آزاد دانش، توسعه مشترک نوآوری را تسریع میکند. مشکلاتی که در طول همکاری به آنها پرداخته شد باید هم از نظر علمی برای شریک دانشگاهی مرتبط باشد و هم در تجارت صنعتی تأثیرگذار باشد. به عنوان مثال، کار انجام شده توسط Leo (Solvay) و Govaert (دانشگاه فناوری آیندهوون) در مورد شکنندگی شیشه های پلیمری به دلیل پیچیدگی و ارتباط علمی آن، طی سالیان متمادی انجام شده است. Couty (Michelin) و Malfreyt (CNRS، Université Clermont Auvergne) در 10 سال گذشته روی نانوکامپوزیتهای پلیمری و پلیمری کار کردهاند، زیرا هنوز یک زمینه تحقیقاتی بسیار فعال باقی مانده است. در سطح تجربی و ترکیبی، فهرست کردن همه همکاریهای پربار بین دانشگاهها، آزمایشگاههای ملی و شرکتهای صنعتی سالها طول میکشد. به عنوان مثال، کار Piunova در IBM (اکنون در Loliware) در مورد حفاظت از رسوب زیستی قابل توجه است و کار مشترک طولانی مدت بین Bates در دانشگاه مینه سوتا و Dow, Inc. ACS از طریق جایزه تحقیقات تعاونی ACS در سال 2008 و بسیاری از نشریات کیفیت این کار را به نمایش می گذارند.
برای اطمینان از یک مشارکت موفق، شریک صنعتی نباید از به اشتراک گذاری مشکلات صنعتی مرتبط و به روز و داده های مربوطه خجالتی باشد. شریک دانشگاهی متوجه خواهد شد که وقتی IP در معرض خطر است، این داده ها فقط بین دو طرف نگهداری می شود. هنگام همکاری با بهترین های کلاس در دنیای آکادمیک، شریک صنعتی باید بپذیرد که پروژه نباید اجرای ساده یک مشکل ساده یا تکرار یک روش شناخته شده در موارد متعدد استفاده باشد. اثر باید به اندازه کافی منحصر به فرد و اصلی باشد تا بتواند منتشر شود. کار باید دو طرف هم جذاب باشد. یک کارمند صنعتی نباید بیاید و از یک شریک علمی با یک پروژه کاملاً تعریف شده بازدید کند. در عوض، فهرستی از مشکلات بلندمدت باید ارائه شود و به همکار دانشگاهی اجازه دهد تا مسیر تحقیقاتی خود را مطابق با علایق پژوهشی گروهی خود پیشنهاد کند. برای یک محقق صنعتی همیشه آسان نیست که به یک همکاری تحقیقاتی طولانی مدت متعهد شود زیرا شرکت های صنعتی گاهی اوقات می توانند هدف خود را در یک چارچوب زمانی که با یک برنامه تحقیقاتی طولانی سازگار نیست تغییر دهند. با این حال، آن پروژههای بلندمدت با ارزشترین هستند و میتوانند ارزش بلندمدت به همراه داشته باشند. این وظیفه محقق صنعتی است که اکتشافات علمی را به ابزارهای کاربردی و کاربردهای صنعتی تبدیل کند.
به طور خلاصه، ارزش افزوده واضحی برای هر دو نهاد وجود دارد تا روی مشکلات مرتبط صنعتی و علمی کار کنند. هر یک از طرفین باید منافع طرف دیگر را درک کند تا بتواند اعتمادی را که شراکت نیاز دارد ایجاد کند. برای یک شرکت صنعتی، کار کردن با بهترین های کلاس همیشه باید بهایی بپردازد: بهترین اساتید در این زمینه مشغول هستند، ممکن است برای اداره گروه خود به پول نیاز نداشته باشند و بنابراین، آنها فقط روی پروژه ای کار می کنند که در سطح علمی ارزش به ارمغان می آورد. انتشارات علمی با ضریب تاثیر بالا باید از پروژه بیرون بیایند. برای کار بر روی پروژه های ساده یا کاربردهای مستقیم یک روش شناخته شده، نیازی به ارتباط با اساتید دانشگاهی بسیار شناخته شده نیست، زیرا این وظیفه دانشمندان صنعتی است.
2.2. مکانیسم مالی و سرمایه گذاری تحقیق و توسعه
قبل از وارد شدن به یک رابطه قراردادی، درک سهام نهادهای دانشگاهی و صنعتی مهم است. اکثر پروژههای صنعتی که با یک دانشگاه تامین مالی میشوند، سه نوع هزینه را شامل میشوند: حقوق دانشجو یا فوقدکتری، سهم استاد ناظر، و هزینههای سربار (شامل هزینههای اداری و گاهی اوقات مواد/محاسبات). به استثنای برخی موارد مشاوره بسیار خاص، مشارکت استاد معمولا ناچیز است. هزینه حقوق و دستمزد دانشجو یا فوق دکترا احتمالاً از یک مؤسسه به مؤسسه دیگر قابل مقایسه است، اما احتمالاً فضایی برای بهبود وجود دارد تا مانع ورود با کاهش هزینه های سربار کاهش یابد. تحقیق و توسعه گران است و تحقیقات طولانی مدت برای تامین مالی در شرکت ها پیچیده تر می شود. اگر هزینههای خارجی گرانتر شود، توجیه هزینههای خارجی پیچیدهتر از استخدام یک کارمند تمام وقت در یک بخش صنعتی است که تمایل به کاهش نیروی کار دارد. استفاده از روابط بلندمدت برای کاهش هزینههای سربار همکاریهای صنعت و دانشگاه احتمالاً راهی برای توسعه بیشتر برای اطمینان از مشارکت قوی و پایدار است.
2.3. جذب استعدادها و آماده سازی آنها برای شغل آینده
روابط بلندمدت به انتقال روان استعدادها از دانشگاه به صنعت کمک می کند. هنگام همکاری با Ph.D. دانشجویان یا فوق دکترا، یک شرکت می تواند هم آنها را آموزش دهد و هم آنها را ارزیابی کند. در عین حال، استعدادها می توانند شرکتی را که با آن در تعامل هستند ارزیابی کنند و تفاوت بین یک شغل دانشگاهی و یک موقعیت تحقیق و توسعه صنعتی را درک کنند. آنها با محیط صنعتی و مشکلات واقعی آشنا می شوند. هنگامی که آنها به دنبال شغلی در شرکت حامی خود یا هر شرکت دیگری می گردند، این می تواند تأثیر متفاوتی داشته باشد.
با استخدام این دانشجویان و فوق دکترا، شرکت ها ادغام ساده تر و سریعتر این کارمندان جدید را تضمین می کنند. مهمتر از آن، آنها اطمینان حاصل می کنند که شایستگی ها و مهارت های جدید به طور مداوم به نیروی کار تحقیقاتی آنها اضافه می شود. در مورد خاص شبیهسازی، مدلسازی و علم داده در تحقیقات پلیمری، هنوز یک شکاف فرهنگی وجود دارد تا از پذیرش پایدار این تکنیکها در مجموعه صلاحیت تحقیق و توسعه اطمینان حاصل شود. بنابراین فشار زیادی بر دانشگاه برای ارائه نتایج وجود دارد. در صورت موفقیت آمیز بودن همکاری، این همچنین با شانس بیشتری برای کسب یک حرفه درخشان در شرکت همراه است.
با تعامل با شرکت های صنعتی درجه یک، دانشجو یا فوق دکتری که در این همکاری کار می کند، حضور خود را در جامعه پلیمری تسهیل می کند. اگر او تصمیم بگیرد به سمت یک حرفه دانشگاهی حرکت کند، همکاری های بالقوه آینده را آغاز می کند که می تواند به ایجاد منابع مالی برای تحقیقات آکادمیک آینده یا امکان مشارکت موفقیت آمیز آینده با آزمایشگاه های ملی کمک کند.
در نهایت، تعامل با افراد با استعداد، سایر اعضای شرکت را به سمت ارتقای تعالی علمی سوق می دهد. مدیریت یک همکاری در یک موضوع علمی بالا، کارمند صنعتی را در چالش دائمی دانش و تخصص خود قرار می دهد و آن را گسترش می دهد.
2.4. یک مشارکت برد-برد
شروع یک پروژه صنعتی-آکادمیک می تواند برای شرکت پیچیده، پرهزینه و مدیریت آن در سطح قراردادی یا IP دشوار باشد (بخش 3.2). با این حال، ارزش افزوده کار بیشتر از معایب است. از منظر جذب استعداد تا ظرفیت توسعه علم و نوآوری درجه یک، شرکت می تواند به طور قابل توجهی از تعامل و کار مشترک بهره مند شود، اما رویکرد کلی باید به عنوان یک فرصت منحصر به فرد برای شریک دانشگاهی نیز در نظر گرفته شود. اول از همه، مشکلات صنعتی چالش های علمی واقعی هستند. مقالات علمی عمده توسط شرکای صنعتی و دانشگاهی هم در سطح دیجیتال و هم در سطح تجربی امضا شده است که نشان دهنده علاقه مشترک و ارتباط برای جامعه پلیمری است. این مبادلات همچنین کلید تضمین آینده اقتصادی پایدار برای کشورهای شرکت کننده است. زمانی که نهادهای دانشگاهی - مسئول آموزش استعدادهای فردا - و شرکتهای صنعتی - حامی اقتصاد از طریق اشتغال و رشد - با یکدیگر همکاری میکنند، با تسهیل توسعه محصولات جدید و نوآورانه و مدیریت تجدید و توسعه شایستگیها، آینده روشنی را تضمین میکنند.
-
امروزه این امر چگونه انجام می شود؟
رویکردهای متعددی را می توان برای اجرای یک همکاری صنعت و دانشگاه در نظر گرفت: از یک پروژه تحقیقاتی ساده و بسته تا یک مرکز تحقیقاتی پیچیده تر و باز بین چندین مؤسسه. ما در بخش 3.1 برخی از رایج ترین آنها را ارائه خواهیم داد و در بخش 3.2 پارامترهای مهمی را که باید هنگام بحث در مورد خواص صنعتی بین یک مؤسسه دانشگاهی و یک شرکت صنعتی مورد توجه قرار گیرند، مورد بحث قرار خواهیم داد.
3.1. مدل های مختلف
نوع مدل همکاری باید منعکس کننده جاه طلبی و متناسب با پیچیدگی پروژه باشد. در جدول 1 ما یک لیست غیر جامع از مدل های استفاده شده، کاربرد آنها و رویکرد IP مربوطه را ارائه می دهیم.
جدول 1
model | deliverables | good for ? | IP |
---|---|---|---|
academic consulting | no specific deliverable | evaluation of research strategy | secured through an NDA |
fellowship | no specific deliverable | first touch on a research topic; discovery research | cannot be secured |
directed projects | specific and targeted deliverables and objectives | short- to medium-term research with well-established approach; application of known techniques on new topics | controlled through a contract |
multiyear collaboration | the theme of research is defined; specific projects are signed throughout the collaboration to decide on specific research topic | long-term development | controlled through an umbrella agreement; specific IP issues can be renegotiated at the project level |
university-centered industrial partnerships | multiple themes of research can be defined | long-term research | precompetitive projects to avoid IP blockade between companies |
joint research center or laboratory | multiple themes of research can be defined; projects can span over many years | long-term partnership on advanced research topics | controlled through an umbrella agreement; specific IP issues can be renegotiated at the project level |
در میان این مدلها، مرکز تحقیقات مشترک یا آزمایشگاه احتمالاً استاندارد کمتری دارد در حالی که شاید یکی از پربازدهترین آنها باشد. در این رویکرد، یک کنسرسیوم تحقیقاتی به عنوان یک نهاد حقوقی جدید ایجاد می شود که توسط بیش از یک شریک (شرکت یا دانشگاهی) کنترل می شود. آزمایشگاهها در ساختمان تحقیقات صنعتی مستقر میشوند تا محققین، دانشجویان، همکاران فوقدکتری، مهندسان و تکنسینها را در یک مکان واحد تحقیقاتی گرد هم آورند. CNRS (Centre National de la Recherche Scientifique) در فرانسه پیشرو در این نوع مشارکت بوده است. با تسهیل مبادلات بین محققان برای هر دو مؤسسه، این مشارکتها شانس توسعه پیشرفتها (40-42) و ترویج انتقال استعدادها (و ایدهها) از یک شریک به شریک دیگر را افزایش میدهند.
3.2. سوال مهم حفاظت از IP
ارزش آفرینی هدف اصلی شرکت های صنعتی هنگام تامین مالی پروژه های تحقیق و توسعه است. بهره وری یک پروژه با ظرفیت آن برای انتقال تحقیقات به محصولات یا خدماتی که فرصت های تجاری را برای شرکت ایجاد می کند، اندازه گیری می شود. پتنت ها برای مدتی قبل از انتشار عمومی محافظت می شوند و حتی محرمانه هستند. برای شریک دانشگاهی، تحقیقات بیشتر توسط انتشارات علمی و ارتباطاتی که در طول یک پروژه منتشر می شوند، ارزیابی می شود. مقالات به وضوح عمومی هستند. بنابراین مهم است که تعادل خوبی بین حفاظت از IP که شرکت به آن نیاز دارد و هدف انتشار آن که دانشگاه به دنبال آن است، تضمین شود.
تجربه ما نشان میدهد که همیشه میتوان درباره همکاریهای صنعتی و دانشگاهی مقالاتی منتشر کرد. حتی اگر این احتمال وجود دارد که شرکت قبل از ارسال، به تأیید اولیه انتشار نیاز داشته باشد، به طور کلی استفاده از روش نوآورانه جدید یا کشف علمی در مورد استفاده از سیستم پلیمری شناخته شده آسان است. قراردادی که برای همکاری پروژه نوشته شده است باید محدودیتهای انتشار را بیان کند و سطح کنترلی را که شرکت میخواهد بر فرآیند ارسال اعمال کند، مشخص کند. تنظیم قرارداد معمولاً پیچیده ترین بخش فرآیند مذاکره را نشان می دهد. اخیراً، برخی از مؤسسات دانشگاهی تلاش کرده اند کنترل IP محدودتری را اعمال کنند: جلوگیری از مشارکت شرکت در کشف تحقیقات یا تحمیل آنها به پرداخت هزینه مجوز گزاف برای استفاده از نتایج قراردادی که آنها تأمین مالی کرده اند. با این حال، پیشرفت های علمی را می توان با مفهوم "علم باز" مدیریت کرد: ثبت اختراع و مقاله (به ترتیب) در پایان قرارداد منتشر می شود و هر دو طرف می توانند از نتیجه تحقیقات مشترک بدون مجوز بیشتر استفاده کنند. این شرکت مواد جدیدی را توسعه می دهد که می توانند تجاری سازی کنند. دانشگاه علمی را که در چارچوب همکاری آغاز شده است، پیش می برد.
زمانی که اکتشاف علمی به توسعه محصول تبدیل میشود، قرارداد مشارکت معمولاً یک مکانیسم پاداش برای دانشگاه بر اساس درصدی از مزایایی که شرکت پس از تجاریسازی به دست میآورد پیشنهاد میکند. این یک تلافی منصفانه به تلاشهای علمی است که منجر به تجاریسازی محصول شد، اما ارزیابی این درصدها در واقعیت دشوار است، زیرا هزینه صنعتیسازی تولید، که دانشگاه در آن مشارکت نکرده است، باید به دقت محاسبه شود تا ارزیابی شود. سودی که یک اختراع به همراه داشته است. بنابراین، چند دانشگاه مفهوم "پرداخت اولیه حقوق IP" را ترویج می کنند. در اینجا، ایده این است که شرکت درصد اضافی از هزینه همکاری (در حد 10 تا 20٪) را برای پوشش تمام هزینه های IP و مجوز در حال حرکت بپردازد. برای دانشگاه، این راهی برای تأمین مقداری پول است، حتی اگر این همکاری با یک نتیجه تجاری بزرگ به پایان نرسد. برای شرکت، این راهی برای جلوگیری از مذاکرات پیچیده مجوز و IP است. ما معتقدیم که این یک رویکرد عاقلانه است که باید بیشتر توسعه یابد.
3.3. چه چیزی جا افتاده؟
مدل های ارائه شده در جدول 1 برای توسعه یک زمینه تحقیقاتی مشترک (مشارکت های صنعتی با محوریت دانشگاه یا مرکز تحقیقات مشترک یا آزمایشگاه) یا برای مقابله با بخش خاصی از یک مشکل صنعتی بزرگتر (پروژه های هدایت شده یا همکاری چند ساله) جالب هستند. با این حال، آنها در هدف کلی کسب و کار کمبود دارند: شرکت قرار است چه کاری انجام دهد تا نتایج تحقیق را در یک محصول یا خدمات برای مشتریان خود پیاده کند؟ بهترین پروژه علمی پلیمری میتواند به شناسایی روند پاسخهای مکانیکی، مقایسه برخی از محصولات یا حذف برخی از موارد ناخالص کمک کند. به ندرت انتظار می رود که یک پروژه تحقیقاتی 1 ساله بتواند جدیدترین محصول نوآورانه را باز کند. بنابراین، نویسنده معتقد است که رویکرد متفاوتی برای نتیجه دادن به پتانسیل واقعی همکاری صنعت و دانشگاه مورد نیاز است: یک مرکز باز پلیمری (به بخش 4 مراجعه کنید).
- پیشنهاد بعدی چیست؟
در این بخش، رویکرد متفاوتی از همکاری صنعت و دانشگاه بر اساس بستر مراکز باز پلیمری پیشنهاد خواهیم کرد. سپس توضیح خواهیم داد که چگونه اتوماسیون و علم داده (به ویژه AI و یادگیری ماشین (ML) اجزای منطقی و ضروری یک همکاری موفق صنعت و دانشگاه مبتنی بر پلیمر هستند (بخش 4.1.3). در نهایت، ما این مفهوم را برای یک مشکل صنعتی مهم در بخش 4.2 توسعه خواهیم داد: مواد نانوکامپوزیت برای کاربرد تایر.
4.1. مراکز باز پلیمری
مشکلات صنعتی بسیار پیچیده است. نه تنها فیزیک و شیمی مربوطه دور از ایدهآل بودن اتفاق میافتد، بلکه برای درک آنها به صلاحیتهای علمی متفاوتی نیز نیاز است. به عنوان مثال، رفتار مکانیکی یک الاستومر پر شده که در یک لاستیک استفاده میشود، تحت تأثیر درخواستهای جاده، تواناییهای راننده، یا فشار هوا در داخل لاینر داخلی است. همچنین اساساً توسط جزئیات شیمیایی پلیمر مورد استفاده و برهمکنش بین این پلیمر و پرکننده کنترل می شود. بنابراین درک جزئیات چنین مشکلی مستلزم دانش علمی در بسیاری از زمینه ها است و توسط یک آزمایشگاه آکادمیک واحد قابل رسیدگی نیست. ما بر این باوریم که شرکتهای صنعتی میتوانند حلقه مفقوده با پیشروی مراکز تحقیقاتی باز، با استفاده از همان رویکردی که NSF یا DOE توسعه میدهند، با هدف گردهمآوری محققان از حوزههای مختلف علمی به سوی یک هدف بزرگ و جاهطلبانه یکسان باشند. در این زمینه، همکاری صرفاً بر اساس هدف پروژه خواهد بود. چنین مراکز تحقیقاتی باز و موقت خواهند بود:
باز: به جای داشتن تنها یک شریک، شرکت از شایستگی هایی استفاده می کند که می تواند از "بهترین های کلاس" به دست آید. 100% مواقع نیازی به اشتراک گذاری یک فضای مشترک وجود نخواهد داشت، اما این باید به طور منظم مورد استفاده قرار گیرد تا امکان تعامل به حداکثر برسد. برای یک مشکل صنعتی خاص و برای حرکت رو به جلو در توسعه راه حل ها، لیست شرکا می تواند با گذشت زمان تکامل یابد. در مرحله اول، تحقیقات بنیادیتری میتواند ترویج شود، زمانی که در مرحله دوم، متخصصان مهندسی میتوانند رهبری یکپارچه ایدههای اصلی را به یک محصول تجاری توسعه دهند. یک حلقه بسته ممکن است در مواردی که نیاز به تعدیل در تحقیقات اساسی یا شکاف های دانش جدیدی که در طول توسعه ایجاد می شود، مفید باشد.
موقت: هنگامی که پروژه به پایان می رسد، مرکز به پایان می رسد زیرا این هدف پروژه است که صرفاً همکاری را توجیه می کند.
4.1.1. چگونه کار خواهد کرد؟
عنصر کلیدی برای راه اندازی چنین مرکزی در بخش صنعتی پروژه است. چه چیزی را می خواهید حل کنید؟ مشکل چیه؟ چگونه حل مشکل برای شرکت ارزش به همراه خواهد داشت؟ بازگشت سرمایه (ROI) چقدر خواهد بود؟ بازار مربوطه چیست؟ اگر مشکل را حل کنم چه سهمی از بازار می توانم به دست بیاورم؟ هنگامی که به این سوالات مرتبط با کسب و کار پاسخ داده می شود و نیاز به حرکت رو به جلو در جهت صنعتی خاص در سطح مدیریتی بالا توجیه می شود، تامین مالی پروژه آسان است. غالباً نویسنده از پیچیدگی تأمین مالی یک پروژه بسیار خوب ناامید شده است زیرا مدیریت ارزش افزوده را ندیده است. بنابراین توصیه می کنیم با ارزیابی این مقدار شروع کنید.
به همان روشی که یک کمک مالی استاندارد با بودجه دولتی عمل می کند، رویکرد پیشنهادی برای راه اندازی یک مرکز باز این است که شرکت به صورت عمومی یک اعلامیه فرصت تامین مالی (FOA) منتشر کند که نیازها و اهداف پروژه را بیان می کند و مشکلات صنعتی را شرح می دهد. اگر مشکل بیش از یک شرکت را شامل شود، FOA به عنوان مثال برای توسعه بخشی که سازنده و ارائه دهنده آن را درگیر می کند، منعقد می شود. همچنین شامل بودجه های موجود، الزامات برای بخشی از کمک مالی (کنترل صادرات، تنوع، پایداری، سهم هزینه در صورت وجود، و غیره) و مدت زمان مورد انتظار است. اگر محرمانه بودن مانع اصلی پروژه است، شرکت میتواند ترجیح دهد مستقیماً با تیمهایی که میتوانند به موضوع علاقهمند هستند تماس بگیرد و از افشای عمومی پروژه جلوگیری کند. با این حال، این پروژه ها برای توجیه تلاش باید بلندمدت و اساسی در نظر گرفته شوند، بنابراین نویسنده معتقد است که اکثر تحقیقات انجام شده توسط شرکای دانشگاهی باید برای انتشار آزاد و در نتیجه تا حدی عمومی باشد. راه اندازی یک مرکز به طور آشکار از طریق یک FOA نقش مهم دیگری ایفا می کند: رقابت بین تیم های تحقیقاتی را تقلید می کند و بنابراین احتمال به دست آوردن بهترین ها را در کلاس برای حل مسئله صنعتی افزایش می دهد.
تعامل بین طرفین برای اطمینان از همکاری ثمربخش و انتقال علم توسعه یافته به محصولات صنعتی کلیدی است. اشتراک یک مکان مشترک می تواند این مبادلات را تسهیل کند و رویکردی که در بخش 3.1 برای آزمایشگاه تحقیقاتی مشترک توضیح داده شده است می تواند در مرکز باز اعمال شود. با این وجود، تحمیل جابجایی به فهرستی از همکاران برای چند سال بسیار چالش برانگیز و گسترده خواهد بود و بودجه این تلاش را به شدت افزایش می دهد. بنابراین نویسنده معتقد است که مرکز باز باید بیشتر مجازی بماند و صرفاً فضایی مشترک در محیط صنعتی داشته باشد. این مکانی برای اعضا برای بازدید منظم، سازماندهی بحث های بین تیمی، یا شرکت در جلسات نقطه عطف پروژه خواهد بود. مکان یابی فضا در محیط صنعتی دارای یک مزیت دو جانبه است: (1) شرکای دانشگاهی می توانند درک دقیقی از تأثیر تحقیقات خود به دست آورند و اطلاعات مستقیم یا داده های تجربی را در مورد تحقیق خود جمع آوری کنند. (2) همانطور که در بخش 2.3 توضیح داده شد، دانشجویان و فوق دکترا با دنیای صنعتی که می توانند به آن ملحق شوند آشنا می شوند و شریک صنعتی استعدادهای بالقوه آینده آنها را می شناسد و ارزیابی می کند.
4.1.2. چرا مراکز باز پلیمری متفاوت هستند؟
در مقایسه با مشارکتهای صنعتی دانشگاهمحور (به جدول 1 مراجعه کنید)، مراکز باز کاملاً صنعتی هستند و هدف پروژهها محور هستند. این شرکت میخواهد یک، گاهی دو مسئله صنعتی را حل کند و - در موارد ایدهآل - نوآوری را به سمت محصولات جدیدی که به مشتریانش فروخته میشود، تقویت کند. همانطور که در مشارکت های صنعتی دانشگاه محور، علوم بنیادی در یک مرکز باز توسعه می یابد. در واقع، کاربردی ترین مشکل صنعتی گاهی به پیشرفته ترین تحقیقات نیاز دارد. بنابراین درک علم جدید به عنوان هدف اصلی انجام نمی شود، بلکه باید به عنوان وسیله ای برای حل مسئله مرکز انجام شود. به عنوان مثال، هنگام تلاش برای ایجاد کامپوزیت های پلیمری بهتر برای کاهش وزن در صنعت خودروسازی، احتمالاً درک اساسی یا تعاملات پلیمر/الیاف برای حرکت رو به جلو در بازار مورد نیاز خواهد بود، اما اگر این درک برای بهبود محصول مورد نیاز نباشد، نیازی به دستیابی ندارد.
IP مسلماً موضوع مهمی در چنین سازمانی است. قرارداد کمک هزینه باید IP و حقوق مجوز را برای همه طرفین تعریف کند. همانطور که در بخش 3.2 توضیح داده شد، نویسنده معتقد است که پرداخت اولیه حق مجوز IP یک راه ارجح برای رسیدگی به این سوال به شیوه ای دوجانبه سودمند است. در مقایسه با مشارکتهای صنعتی دانشگاه محور، اهداف صنعتی یک مرکز باز، شرایط IP را به سمت یک رویکرد کنترلشدهتر از انتشارات سوق میدهد. همانطور که در بخش 3.2 بحث شد، اغلب میتوان تکنیکهای نوآورانه یا اکتشافات علمی جدید را در مورد کاربرد شناخته شده به کار برد تا تایید یک نشریه را تسهیل کرد.
4.1.3. در مورد استفاده از اتوماسیون و علم داده در مراکز باز
با توسعه سریع استفاده از علم داده، ML و AI برای تحقیقات پلیمری، ما معتقدیم که این مراکز باید «پایگاهمحور» و تجربی «بر اساس توان عملیاتی بالا» برای تولید دادهها از طریق مدلسازی، شبیهسازی و آزمایشات و توسعه جعبه ابزار برای تولید در سیستم های کنترل سیلیکو قبل از اجرای آزمایشی. اوبوس و همکاران ، اهمیت جمعآوری و تجزیه و تحلیل دادهها در علم پلیمر را به خوبی گزارش کرد و بهبود پردازش زبان طبیعی و تکنیکهای معنایی باید به تسهیل دریافت خودکار علم تاریخی و دادههای انتشارات و پتنتها کمک کند که به مراکز کمک میکند تا عملکرد بیشتری داشته باشند.
علاوه بر این، تکنیکهای اتوماسیون و بازده بالا در صنایع شیمیایی رایجتر میشوند. استارتآپهایی مانند Kebotix فناوریهای ابری، هوش مصنوعی، انفورماتیک شیمیایی، مدلسازی فیزیکی و اتوماسیون آزمایشگاهی را با هم ترکیب میکنند. این به استفاده از مدلسازی و آزمایشها برای ایجاد مجموعه دادههای ترکیبی (هم تجربی و هم دیجیتال) برای آموزش هوش مصنوعی کمک میکند و به طور خودکار تنظیمات آزمایشی را بازخورد میدهد تا همگرایی آزمایش را به سمت بهترین ماده برای خواص مورد نظر تسریع کند. این رویکرد باید در سنگ بنای مراکز باز پلیمری باشد.
در نهایت، تکنیک های تجزیه و تحلیل داده ها می تواند به غلبه بر پیچیدگی کاهش سفارش مدل و مدل سازی چند مقیاسی کمک کند. میدانهای نیروی دینامیک مولکولی را میتوان با استفاده از یادگیری ماشین یاد گرفت که امکان افزایش مقیاس از سطح کوانتومی به توصیف کلاسیک را فراهم میکند. در اندازه دیگر طیف مقیاس، شبکههای عصبی معمولاً برای تسریع تولید مش در دینامیک سیالات محاسباتی یا ایجاد مدلهای جایگزین برای مسائل مهندسی استفاده میشوند. ما استدلال می کنیم که علم داده به ایجاد یکپارچگی از اکتشافات علمی دیجیتالی و تجربی کمک می کند و مراکز باز را به سمت حل پروژه پلیمر صنعتی تحریک می کند.
یک نمایش شماتیک از مکانیسم های یک مرکز باز پلیمری در شکل 1 نشان داده شده است.
شکل 1
4.1.4. چرا این کار امروز انجام نمی شود؟
به نظر می رسد رویکرد مرکز باز بسیاری از الزامات یک همکاری سودآور را برآورده می کند، اما به طور گسترده مورد استفاده قرار نمی گیرد. بنیادهای مرتبط شرکت های بزرگ به طور منظم FOA های مرتبط با اهداف خیریه یا پایداری خود را باز می کنند. تا آنجا که ما می دانیم، گشایش یک فرصت کمک علمی عظیم در سطح شرکت در شرکت های پلیمری انجام نمی شود.
این ایده ها نشان دهنده سرمایه گذاری های بزرگ است (به برآورد در بخش 4.2 مراجعه کنید)، و احتمالاً مانع اصلی ورود است. ما استدلال می کنیم که تنها یک ارزیابی ROI و طرح تجاری واضح می تواند این سطح از سرمایه گذاری را توجیه کند. بودجه تحقیقاتی از پیش تعریف شده که به طور عمومی در FOA ابلاغ می شود، کنترل هزینه را تضمین می کند. هدف از پیش تعریف شده مرکز، همسویی استراتژی تحقیق را بین نهادهای درگیر تضمین می کند. علاوه بر این، ما پیشنهاد می کنیم برای کاهش پیچیدگی مالی از یک مشارکت عمومی/خصوصی استفاده کنیم، اما این نباید پیش نیاز باشد. این کمک فقط باید بخش اساسی تحقیقات مرکز را تامین مالی کند. از آنجایی که اهداف چنین پروژههایی بر اقتصاد کشوری که با توسعه علم و نوآوری و محصولات جدید و افزایش اشتغال ایجاد میشود، تأثیر میگذارد، معتقدیم که چنین مشارکتی به راحتی قابل توجیه و دریافت بودجه است. "FOA صنعتی" شرایط IP را به وضوح بیان می کند، و بنابراین، فقط دانشگاه ها یا آزمایشگاه های دولتی که با این شرایط موافقت می کنند باید اعمال شوند.
4.2. یک مثال مرتبط: مدل سازی چند مقیاسی نانوکامپوزیت های پلیمری برای کاربردهای تایر
اجازه دهید مثالی از نانوکامپوزیت پلیمری مورد استفاده برای کاربردهای تایر را در نظر بگیریم. برای مثال، میتوانیم روی آج لاستیک تمرکز کنیم. نمایش شماتیک (بسیار) توسعه فرمول جدید در شکل 2 نشان داده شده است. هدف پیوند دادن جزئیات فرمول به ویژگی نهایی بخشی از تایر است که باید طراحی شود.
شکل 2
نوع پلیمر (الاستومر در این مورد)، ماهیت و غلظت پرکنندهها (سیلیکا یا کربن بلک)، شیمی عوامل اتصال و پوشش (در صورت وجود)، و روشی که برای سنتز/فرآوری مواد و طراحی و ساخت قسمت تایر باید بهینه شود. خواص مکانیکی همراه با خواص خرابی (ساییدگی، شکستگی و غیره) در نظر گرفته شده است. شکل 2 دو مسیر "استاندارد" را نشان می دهد که باید به طور موازی برای انجام این بهینه سازی استفاده شوند. در بالا به رنگ قهوه ای قسمت آزمایشی و در پایین به رنگ طلایی مسیر in silico قرار دارد. قسمت چپ نمودار حوزه شرکت مواد و قسمت سمت راست حوزه شرکت خودروسازی است. اتصال در سطح انتخاب مواد انجام می شود، جایی که خواص مورد نیاز برای سازنده از شرکت متریال درخواست می شود. در برخی موارد، مواد و شرکت های سازنده یکسان هستند.
یک سطح اضافی از پیچیدگی در اینجا برای برهمکنش پیچیده بین پلیمر، پرکننده و عوامل بالقوه پوشش / جفت استفاده میشود که در هنگام انتخاب سیلیس به عنوان پرکننده (به طور سنتی سیلانها) استفاده میشود. نه تنها باید پلیمر طراحی شود، بلکه باید شیمی سطح نانوذرات، اندازه آنها و شیمی سیلان را نیز در صورت وجود، طراحی کرد. بنابراین نمایش بهتری از فرآیند طراحی در شکل 3 نشان داده شده است.
شکل 3
این یک مثال معمولی است که در آن رویکرد یک مرکز باز پلیمری برای طراحی سریع آج تایر مفید است. در این مثال، یک FOA مشترک منتشر شده توسط هر دو شرکت مواد و تولیدی برای جمع آوری بهترین ها در کلاس می تواند متصور شود. در سطح «دیجیتال»، گزینههایی برای مقابله با بخشی از سمت چپ یا راست شکل 2 وجود دارد. پلتفرم های موادی که می توانند خواص مواد یا مواد شیمیایی را قبل از سنتز یا خصوصیات محاسبه کنند. برخی از این ویرایشگرهای نرم افزار از ML برای بهینه سازی مواد شیمیایی با توجه به مجموعه ای از ویژگی ها استفاده می کنند. به طور مشابه، دارایی مواد را می توان با استفاده از پلتفرم هایی مانند Siemens Simcenter Multimech، e-xstream Digimat، یا Ansys Mechanical، با گرایش رایج برای توسعه ابزارهای هوش مصنوعی یا ML برای انجام ارزیابی، پیش بینی و بهینه کرد. بهینه سازی اکثر شرکت های تایرسازی ابزارهای خود را برای مقابله با مدل سازی در مقیاس بزرگ توسعه داده اند.
در سطح آزمایشی، شرکتهای تایر در سنتز الاستومرها، فرآیندهای اختلاط و قالبگیری/فرآوری لاستیکها تخصص زیادی دارند. ساختار صنعتی آنها قوی و بالغ است و در بیشتر موارد بهینه شده است. با این حال، تعامل بین شیمی مواد و خواص نهایی تایر به طور کامل یکپارچه نیست. تلاشهایی برای جمعآوری مقیاسهای مختلف علم پلیمر انجام میشود. به طور تجربی، شرکتهای تولید کننده سیلیس با شرکتهای الاستومر/تایر برای سرعت بخشیدن به نوآوری شریک میشوند. سایر شرکت های تایرسازی آزمایشگاه های مشترک با دانشگاه ها یا آزمایشگاه های دولتی راه اندازی کرده اند. از نظر عددی، Siemens Simcenter یا Dassault 3DS مجموعه نرم افزاری را پیشنهاد می کنند که می تواند کل مقیاس های زمان و طول شکل 2 را در بر گیرد، اما ادغام هنوز نهایی نشده است. بنابراین فضایی برای همکاری صنعت و دانشگاه وجود دارد که هدف بزرگتری را در بر می گیرد: مولکول تا قسمت. برای مسئلهای مانند بهینهسازی مواد در تایر، ویژگیهای بخش نهایی، پایداری مواد و هدف سبکوزن نیاز به ارتباط کارآمد بین سنتز شیمیایی مواد، بهینهسازی آن و طراحی قسمت پایانی ارتباط بین مقیاس ها هم در سطح تجربی و هم در سطح دیجیتال به شدت وابسته به مسئله است. دانشمندان در زمینه های مختلف که باید درگیر شوند، گاهی اوقات به یک زبان صحبت نمی کنند. بسته به اینکه شیمیدان کوانتومی، فیزیکدان، دانشمند مواد یا مهندس طراح هستید، استحکام یک ماده را می توان با انرژی چسبنده، مدول یانگ، تنش تسلیم، حداکثر تنش برشی و غیره توصیف کرد. بنابراین نویسنده استدلال میکند که جمعآوری متخصصان فوقالذکر در یک مرکز و اطمینان از اینکه آنها بر روی یک هدف پروژه از طریق ارتباط مداوم تمرکز میکنند، نشاندهنده ارتقای مهمی در حرکت به جلو است (به بخش 4.3 مراجعه کنید).
راه اندازی چنین مرکزی هزینه قابل توجهی خواهد داشت. برای گستره تمام مقیاس ها و پاسخگویی به همه سؤالات، باید برای ≃4 سال ترکیبی از 6 تا 8 دانشمند (دانشجویان دکتری، فوق دکترا، اساتید، مهندسان) در سطح دیجیتال و 6 تا 8 دانشمند جمع آوری کرد. دانشمندان در سطح تجربی با افزودن مواد، تجهیزات و مکان ساختمان، میتوانیم نیاز به سرمایهگذاری ≃20 میلیون دلاری را ارزیابی کنیم. با این حال، پلت فرم علمی حاصل از این مرکز به راحتی به هر قسمت دیگر از تایر یا طرح های آینده تایر گسترش می یابد. همچنین از نظر ساخت و ساز شامل الزامات ساخت/ساخت همراه با امکان سنجی تولید مواد می شود.
توسعه یک مرکز تحقیقاتی باز با رهبری صنعتی از این نوع نشان دهنده تحقق عینی مهندسی مواد محاسباتی کامل یکپارچه و نقطه عطف کلیدی در تحقق یک دوقلو دیجیتال واقعی از تولید قطعات خودرو ساخته شده از یک نانوکامپوزیت پلیمری این امر توسعه نمونه های اولیه و انتقال از نمونه اولیه به تولید را سرعت می بخشد و به طور قابل توجهی بر هزینه توسعه تایرهای جدید تأثیر می گذارد.
4.3. مزایای مشترک مراکز باز پلیمری
یک مرکز باز در علم پلیمر می تواند برای همه طرف ها ارزش ایجاد کند.
از نظر آکادمیک:
دسترسی یکپارچه به دادههای صنعتی به فرد امکان میدهد از آن در هنگام توسعه آزمایشهای جدید و/یا مدلهای جدید استفاده کند.
حصول اطمینان از مجموعه ای از داده های تجربی و مدل سازی/شبیه سازی در هنگام توسعه مواد و بهبود طراحی، ظرفیت توسعه مدل های اجرایی هوش مصنوعی را به طرز چشمگیری افزایش می دهد.
توسعه کانکتورهای هوش مصنوعی برای کاهش سیستماتیک سفارش مدل از کوچکترین مقیاسها به بزرگترین آنها، به مدلسازی چند مقیاسی کارآمدتر پلیمر کمک میکند.
صنعتی:
توسعه یک پلتفرم مبتنی بر هوش مصنوعی برای طراحی بهتر قطعه و در عین حال انتخاب مناسب ترین متریال یک دارایی خواهد بود. با همکاری از طریق مرکز باز، هم شرکت های مواد و هم شرکت های تولیدی روی پروژه ای کار می کنند که باید درآمدهای عمده ای ایجاد کند.
ایجاد شبکه مناسب از کارشناسان دانشگاهی و صنعتی از طریق این مرکز امکان گسترش پلتفرم به محصولات بیشتر را فراهم می کند.
تعریف از قبل قوانین IP شراکت، تبادل آزاد بین شرکا را تسهیل میکند و اطمینان میدهد که پلتفرم در توسعه علم مناسب برای مشکل مورد نظر عملی است.
- نتیجه گیری ها
همکاری موثر صنعت و دانشگاه می تواند با استفاده از بهترین ها در هر دو حوزه، نوآوری پلیمری را به پیش ببرد. برای پیشنهاد مواد و قطعات مواد نوآورانه جدید به مشتریان خود، هم شرکتهای شیمیایی و هم تولیدکنندگان باید به لطف همکاریهای مرتبط، نوآوری خود را تقویت کنند. پلیمرها بیش از 500 میلیارد دلار محصولات تولید می کنند. نرخ رشد این کسب و کار قرار است دو برابر نرخ رشد تولید ناخالص داخلی ایالات متحده باشد. ما پیشنهاد می کنیم که مراکز باز پلیمری می توانند با تمرکز بر اهداف تجاری مشترک صنعتی سرعت توسعه محصولات جدید را به شدت افزایش دهند و آینده روشنی را برای این صنعت به همراه داشته باشند.