أمضى المصنّعون سنوات في جمع بيانات الآلات، ومع ذلك لا يزال التوقف غير المخطط له يُؤثر سلبًا على الإنتاج وهوامش الربح والتزامات التسليم. لم يعد التحدي يكمن في مجرد الرؤية، بل في تحويل الإشارات التشغيلية إلى إجراءات فورية قبل تعطل الإنتاج. تقرير ديلويت لتوقعات صناعة التصنيع لعام 2026 الضوء على استمرار الاستثمار في التصنيع الذكي والأتمتة والتقنيات الرقمية، حيث يسعى المصنّعون إلى تعزيز المرونة والكفاءة التشغيلية.
أصبحت حلول التحول الرقمي القائمة على الذكاء الاصطناعي جزءًا متزايدًا من عمليات المصانع اليومية، مما يساعد الفرق على تحديد المخاطر في وقت مبكر، والاستجابة بشكل أسرع، والحفاظ على تشغيل الأصول الحيوية عندما تكون كل دقيقة من وقت التشغيل مهمة.
اقرأ أيضًا: حلول التحول الرقمي بالذكاء الاصطناعي الخاصة بكل قطاع: الخدمات المالية مقابل التصنيع مقابل الرعاية الصحية
ما الذي تغير في كيفية استماع المصانع إلى آلاتها؟
لسنوات، كانت المصانع تتعقب بيانات الاهتزاز ودرجة الحرارة، ومع ذلك كانت لا تزال تتفاجأ بالأعطال.
لم تكن أجهزة الاستشعار هي الحلقة الأضعف على الإطلاق. بل كانت الحلقة الأضعف هي السرعة. كانت البيانات تنتقل إلى نظام سحابي مركزي، وتُوضع في قائمة انتظار للمعالجة، ثم تعود على شكل تنبيه بعد أن يكون الضرر قد بدأ بالفعل.
عالجت سيمنز هذه المشكلة من خلال دمج معالجة الذكاء الاصطناعي في المستشعر نفسه، داخل الآلة. فعندما ترتفع درجة حرارة المحمل عن المعدل الطبيعي، لا ينتظر النظام تحديث لوحة التحكم، بل يقوم بتعديل سرعة المحرك أو تشغيل دورة تبريد فورًا، ثم يسجل الحدث.
هذا هو التحول الهادئ الذي يكمن وراء معظم حلول التحول الرقمي للذكاء الاصطناعي في مجال التصنيع حاليًا: تقليل استخدام لوحة التحكم، وزيادة العمل المباشر.
حلول التحول الرقمي القائمة على الذكاء الاصطناعي والتحول نحو العمليات التنبؤية
تُحقق الصيانة المدعومة بالذكاء الاصطناعي أفضل النتائج عند ربطها بسياق الإنتاج الكامل، وليس فقط بتغذية مستشعر واحد. تستخدم الصيانة التنبؤية بيانات التشغيل الآنية للتنبؤ بموعد تعطل أحد الأصول، ويمكن لهذه الحلول تقليل حالات التوقف غير المخطط لها بنسبة 47%. يوحد التصنيع المُعرّف بالبرمجيات البيانات والأتمتة والعمال، مما يسمح بالتحكم في العمليات وتحسينها من خلال البرمجيات. عمليًا، يعني هذا أن الذكاء الاصطناعي قادر على تحويل المصنع من الصيانة الدورية إلى الصيانة القائمة على الحالة.
أدوات أتمتة الحوسبة السحابية والتقسيم الجديد للعمل
لا تزال أدوات أتمتة الحوسبة السحابية مهمة، لكن دورها قد تقلص.
تقسم المصانع الآن العمل إلى قسمين. تتولى الأجهزة الطرفية معالجة أي شيء يتطلب استجابة في غضون أجزاء من الثانية، مثل خفض سرعة المحرك قبل ارتفاع درجة حرارته. أما أدوات الأتمتة السحابية فتتولى المهام الأكثر تعقيدًا: مقارنة أنماط الأعطال بين الآلات وإدخال جداول الصيانة في أنظمة تخطيط موارد المؤسسات (ERP). أفضل الأنظمة تُنجز أربعة أمور بسرعة:
- استوعب بيانات الآلة باستمرار وأثريها بسجل الأصول
- تقييم مخاطر الفشل في الوقت الفعلي بدلاً من انتظار التقارير المجمعة
- تشغيل أوامر العمل وتنبيهات الفنيين وسير عمل قطع الغيار تلقائيًا
- امنح قادة المصانع رؤية موحدة للمخاطر والتكاليف وتأثير الإنتاج
لا يضمن أي من هذا عدم حدوث أي توقف في العمل. ولكنه يضمن تقليل المفاجآت، وهو ما يكفي تقريبًا في المصانع.
هل يعمل هذا على المعدات التي يعود عمرها إلى عقود؟
نعم، ويميل مديرو المصانع إلى التقليل من شأن هذا الأمر.
لم تُصمم معظم المحركات والمضخات القديمة مع مراعاة الربط الشبكي، ولكنها لا تحتاج إلى استبدال للانضمام إلى نظام مراقبة الذكاء الاصطناعي. تقوم بوابات الحافة بترجمة الإشارات من وحدات التحكم المنطقية القابلة للبرمجة (PLCs) الحالية إلى تنسيقات قياسية وتمريرها إلى النظام الرئيسي. تبلغ تكلفة مقياس التسارع المُحدَّث بضع مئات من الدولارات لكل نقطة.
لم يكن القيد الحقيقي هو الجهاز نفسه، بل هو البيانات الأساسية التي يحتاجها الذكاء الاصطناعي لمدة تتراوح بين ستة أشهر واثني عشر شهرًا قبل أن تصبح التنبؤات موثوقة، وهي الخطوة التي تتجاهلها معظم عمليات النشر المتسرعة.
تطبيق الصيانة التنبؤية بشكل دائم في أرضية المصنع
ابدأ على نطاق صغير وأثبت جدوى الفكرة قبل التوسع. اختر من خمس إلى عشر آلات حيث يكون العطل هو الأكثر تكلفة، سواء من حيث خسارة الإنتاج أو وقت الاستبدال.
تأكد من جاهزية فريق الصيانة للتعامل مع التنبيهات، لأن التنبيه غير المقروء مجرد إزعاج يتطلب خطوات إضافية. يحقق معظم المصنّعين ما بين 60 و70% من الوفورات المتوقعة خلال الربع الأول.
نادراً ما كانت الأجهزة هي الجزء الصعب، بل بناء عادة الثقة في التحذير.
