استخدام الذكاء الاصطناعي في الصيانة التنبؤية

عندما تتعطل معدات المصنع بشكل غير متوقع، يتباطأ الإنتاج أو يتوقف. يتم فقدان الوقت والمال، وكذلك صبر العملاء. لحسن الحظ، يمكن للشركات المصنعة والمرافق ومنتجي الطاقة والشركات الأخرى التي تعتمد على الآلات الثقيلة استخدام الذكاء الاصطناعي التوليدي للتنبؤ بحالات تعطل الآلات بشكل أدق من أي وقت مضى. من خلال هذه المعرفة، يمكنهم جدولة الصيانة وتجنب وقت التعطل غير المُخطط له وتوسيع دورة حياة المعدات باهظة الثمن، والمساعدة في نهاية المطاف في الحفاظ على عمليات الإنتاج وسلاسل التوريد لديهم.

ما المقصود بالذكاء الاصطناعي في الصيانة التنبؤية؟

تمثل الصيانة التنبؤية نهج قائم على البيانات للتنبؤ بتعطل الآلات وإجراء إصلاحات استباقية. مع ظهور إنترنت الأشياء (IoT)، فإن المعدات المستخدمة في المصانع الذكية، وحفارات النفط، وحقول طاقة الرياح، ومحطات الكهرباء، والمناجم، وأساطيل الشاحنات، والقطاعات الأخرى مزودة بأجهزة استشعار لجمع البيانات تغذي خوارزميات الذكاء الاصطناعي المُصممة لمراقبة تلك المعدات، واكتشاف أوجه الخلل، وتحديد أولويات الصيانة.

تحلل هذه الأنظمة الظروف التشغيلية باستمرار وتبحث عن علامات على أن المعدات قد تكون في خطر التعطل، حتى لو كانت تبدو سليمة تمامًا في الوقت الحالي. من خلال تقييم الأداء مقابل البيانات الأساسية، يمكن لأدوات الذكاء الاصطناعي وضع علامة حتى على أصغر التراجعات في الكفاءة على الفور، ودفع الفِرق إلى فتح تذكرة صيانة. بالإضافة إلى التنبؤ بدقة أكبر عند حدوث أعطال، تكتسب الشركات فهمًا أعمق للأسباب الجذرية للعطل.

النقاط الرئيسة

• بالمقارنة مع تقنيات تحليلات البيانات القديمة، يوفر الذكاء الاصطناعي صيانة تنبؤية أسرع وأدق.
• باستخدام الذكاء الاصطناعي للتنبؤ بتعطل الآلات واحتياجات الصيانة، يمكن للشركات تقليل وقت التعطل عن العمل مع تعزيز الكفاءات.
• نشرت بعض أكبر الشركات العالمية أدوات الذكاء الاصطناعي في برامج الصيانة التنبؤية مع نتائج واعدة حققتها.

شرح الذكاء الاصطناعي في الصيانة التنبؤية

اعتادت الشركات المصنعة على وضع جداول صيانة معدات المصانع الخاصة بها على توقعات دورات حياة الآلات، بما في ذلك حالات التعطل الشائعة. باستخدام الذكاء الاصطناعي، يمكن للشركات المصنعة التخلي عن التخمين من خلال جمع بيانات الآلات وتحليلها للتنبؤ بالتعطلات، واكتساب رؤية أدق حول الآلات الفردية وشبكات الإنتاج.

كما يمكنها الحصول على توصيات بالصيانة على الفور، مع وجود المعدات المهمة أولاً في طابور الإصلاحات. ميزة رئيسة واحدة: في حين أن الصيانة تتطلب دائمًا بعض التوقف عن العمل، يساعد التخطيط على أساس تنبؤات دقيقة في الحفاظ على وقت التوقف إلى أدنى حد وجدولته لأكثر الفترات مثالية.

لماذا الصيانة التنبؤية مهمة؟

كلمتان: توقف أقل. تفقد المصانع عادة ما بين 5% و20% من قدرتها على التصنيع بسبب تعطل المعدات وأسباب أخرى ناتجة عن التوقف، وفقًا إلى الجمعية الدولية للأتمتة. تشمل التكاليف الإجمالية لوقت التعطل انخفاض الإنتاج، وزيادة معدلات الفاقد، والإصلاحات المؤقتة غير الفعَّالة، والاعتماد على جهات خارجية للحفاظ على الإنتاج المتداول.

مع وجود الكثير في خط الإنتاج، من الضروري التنبؤ بسلامة الآلة واحتياجات الصيانة بدقة من أجل تقليل وقت التوقف عن العمل. وفقًا إلى دراسة Siemens لعام 2024، يمكن أن تزداد تكاليف خط الإنتاج المعطل. بالنسبة إلى المصانع الكبيرة في مجال السيارات، يمكن أن يكلف الإنتاج المتوقف 695 مليون دولار أمريكي سنويًا، مما يمثل زيادة بنسبة 150% مقارنة بخمس سنوات سابقة. ذكرت الدراسة نفسها أن أكبر 500 شركة على مستوى العالم فقدت 11% من إيراداتها السنوية نتيجة التعطل غير المتوقع.

الصيانة الوقائية مقابل الصيانة التنبؤية

تمثل الصيانة الوقائية والصيانة التنبؤية طريقتان استباقيتان لمراقبة سلامة معدات المصنع.

باستخدام الصيانة الوقائية، تقيِّم الشركات آلاتها على فترات منتظمة، بغض النظر عن مدى تكرار أو كثافة استخدام المعدات. تُستمد عادةً من البيانات السابقة والتوصيات من موردي المعدات في إنشاء جداول صيانة قائمة على القواعد. يظهر المُتغير الوحيد في طول الفترة الزمنية منذ التقييم الأخير.

في حين أن هذا النهج أفضل من النهج التفاعلي البحت، إذ يعتمد على توصيات واسعة تستند إلى مجموعة بيانات محدودة. على سبيل المثال، قد يوصي باستبدال عنصر مهم (ومُكلف) دون حساب العوامل الدقيقة التي يمكن أن تشير إلى عمر أطول. مثل الصيانة التفاعلية، يمكن أن تؤدي الصيانة الزائدة إلى وقت تعطل ونفقات يمكن تجنبها.

باستخدام الصيانة التنبؤية، تقيم الشركات معداتها باستمرار باستخدام البيانات التي تغذيها مستشعرات الآلة إلى برامج مراقبة الأداء. تحلل خوارزميات الذكاء الاصطناعي كميات هائلة من تلك البيانات—بما في ذلك درجة حرارة المعدات والاهتزاز والضغط ومستويات السوائل—لإنشاء نماذج مُفصلة لسلامة المعدات وأدائها. نتيجة إلى ذلك، يمكن للشركة التنبؤ بالتعطل بثقة أكبر، مع الحصول على توصيات أفيد حول ما يجب إصلاحه ومتى ذلك. على عكس الصيانة الوقائية التي تسترشد بقواعد أقل مرونة، تستخدم الصيانة التنبؤية مراقبة على الفور للاستجابة بشكل ديناميكي وتحديد المشكلات المتوقعة والأسباب الجذرية والإصلاحات اللازمة.

تستخدم إحدى الشركات المصنعة المتخصصة في قوالب الحقن الصيانة التنبؤية للكشف عن أوجه الخلل ومعالجتها في الروبوتات وآلات القوالب لديها. من خلال المراقبة الدقيقة لسلامة الآلات وجودة قطع الغيار، تقلل الشركة من وقت الصيانة، مما يوفر للموظفين تطوير منتجات جديدة وتحسين العمليات التشغيلية.

تستخدم عادةً الشركات الصيانة التنبؤية لمراقبة الآلات التي يؤدي تعطلها إلى آثار سلبية في التعطل أو المال أو الإصابات أو الأرواح. على سبيل المثال، إذا ترك التعطل في محطة فرعية كهربائية آلاف الأشخاص دون طاقة، فقد يختار المرفق الاستثمار في الصيانة التنبؤية الأدق، وربما الاستفادة من أدوات الذكاء الاصطناعي. بالنسبة إلى المعدات الأقل خطورة التي لا توجد في مسارات حرجة، تميل الشركات إلى الالتزام بالصيانة الوقائية، وأحيانًا ضبط قواعد المراقبة للحصول على بيانات دقيقة لجدولة صيانة أكثر استباقية.

مزايا الذكاء الاصطناعي في الصيانة التنبؤية

تمثل الصيانة الوقائية والصيانة التنبؤية طريقتان استباقيتان لمراقبة سلامة معدات المصنع.

• خفض التكاليف
  يمكن للتنبؤات الأدق بتعطل الآلات تحسين جداول الصيانة وتقليل وقت التوقف غير المُخطط والتكاليف المرتبطة به. كما أنها تمُد عمر المعدات عن طريق الإبلاغ عن المشكلات والتوصية بإجراءات الصيانة. يمكن لخوارزميات الذكاء الاصطناعي أيضًا تتبع استهلاك الطاقة للآلات عن كثب، واكتشاف أوجه القصور واقتراح خطوات لتوفير المال. يمكنها حتى المساعدة في خفض تكاليف العمالة من خلال إعطاء الأولوية إلى أعمال الصيانة، وبالتالي؛ تقليل عمليات الفحص والإصلاح والاستبدال غير الضرورية.تستخدم
  
  إحدى الشركات المصنعة العالمية نظام الذكاء الاصطناعي لمراقبة أكثر من 10000 آلة، بما في ذلك الروبوتات والناقلات ورافعات الإسقاط والمضخات والمحركات والمراوح وآلات ضغط/ختم المعادن. أبلغت الشركة المصنعة عن وفورات بملايين الدولارات، مما يشير إلى عائد على استثماراتها في غضون ثلاثة أشهر من النشر.
• الحد من التعطلات
  يقلل الذكاء الاصطناعي من الانقطاعات المؤقتة للآلة من خلال التنبؤ بحالات العطل بشكل أسرع وأدق من الأساليب القديمة. يساعد هذا الشركات المصنعة في البقاء على اطلاع بالمشكلات الميكانيكية، وزيادة وقت التشغيل، والحفاظ على تدفق سلاسل التوريد لديها.
• زيادة الإنتاج
  يمكن لأدوات الذكاء الاصطناعي للصيانة التنبؤية مساعدة الشركات في تعزيز إنتاجية العمل بنسبة 5% إلى 20%، وفقًا إلى دراسة Deloitte عام 2022. أحد الأسباب: يمكن للذكاء الاصطناعي المساعدة في تقليل وقت التوقف بنسبة تصل إلى 15%، مما يحافظ على استمرار خطوط الإنتاج.
• تحسين السلامة
  يمكن لآلة متعطلة أن تعرض العمال إلى الخطر. من خلال معرفة متى من المحتمل أن تتعطل الآلات وإجراء الإصلاحات بشكل استباقي، يمكن للشركة المصنعة تجنب تعريض الموظفين إلى الأذى، بما في ذلك فنيي الخدمة الذين يحتاجون غالبًا إلى التعامل مع الأجهزة. يعاني العمال الأمريكيون الذين يشغّلون الآلات ويصينونها من حوالي 18,000 إصابة سنويًا، وفقًا إلى إدارة السلامة والصحة المهنية. ويموت أكثر من 800 شخص سنويًا.
• توسيع دورة حياة المعدات
  من خلال منع التآكل والتلف السابق لأوانه، يمكن أن تساعد أدوات تحليل البيانات المستندة إلى الذكاء الاصطناعي في إطالة عمر الأصول الميكانيكية، وتعزيز وقت تشغيل الشركة المصنعة والإنتاجية، وفي النهاية الإيرادات.
• تحسين مراقبة الجودة
  تتسم ممارسات مراقبة الجودة اليدوية بأنها مُستهلكة للوقت وعرضة للخطأ البشري. من خلال أتمتة عمليات فحص المعدات وتوفير الملاحظات على الفور، تساعد أدوات الذكاء الاصطناعي في تحسين جودة المنتج واتساقه، وتقليل معدلات العيوب إلى أدنى حد وتقليل تكاليف الإنتاج. عندما يتم تدريب خوارزميات الذكاء الاصطناعي على كميات هائلة من بيانات مواصفات المنتج، يمكنها العثور على شقوق في المنتجات، والمحاذاة الخاطئة، وألوان وخامات غير متناسقة، وغيرها من المشكلات. في مراقبة عزم الدوران، يمكن لنظام الذكاء الاصطناعي تتبع اتساق قيم عزم الدوران لضمان شد البراغي والمسامير حسب المواصفات. إذا تجاوزت قيمة عزم الدوران النطاقات المقبولة، ينبه النظام الشركة المصنعة لمعالجة المشكلة في أسرع وقت ممكن.

طريقة استخدام الذكاء الاصطناعي في الصيانة التنبؤية

يشغِّل الذكاء الاصطناعي الصيانة التنبؤية في قطاعات مثل التصنيع وإدارة الأساطيل وتسليم الحزم والتعدين وإعادة التدوير والطاقة، وتعتمد كلها على الآلات المُتطورة. يمكن للشركات إنشاء نماذج مؤتمتة تراقب حالات المعدات، وتكشف عن أوجه الخلل، وتتنبأ بتعطل المعدات وانقطاعاتها، وتحديد أولويات الصيانة وجدولتها، وتحسين استخدام الطاقة، والتوصية بالإجراءات التصحيحية.

• منع الانقطاع المؤقت
  من خلال جمع البيانات، بما في ذلك الأداء السابق والبيانات السياقية على الفور من الأصول المتصلة، تقلل الصيانة التنبؤية المستندة إلى الذكاء الاصطناعي من الانقطاعات المؤقتة المُكلفة. تحلل الخوارزميات البيانات على الفور وترسل التقارير إلى فِرق المصنع، مع الإشارة إلى علامات التعطل المحتمل—على سبيل المثال، الآلات ذات السخونة العالية أو تقلبات الجهد غير السليمة.
  
  نشر منتج كبير للألومنيوم أدوات مدعومة بالذكاء الاصطناعي لمراقبة الروبوتات والمعدات الأخرى في مصانع الصهر. يحصل العمال على تحذيرات بالصيانة قبل أسبوعين على الأقل، على سبيل المثال، على محركات النشر التي أظهرت أداءً ضعيفًا بسبب المكونات المفككة. خلال كل حدث، تتجنب الشركة بذلك 12 ساعة من وقت التوقف غير المتوقع.
• مراقبة الظروف
  يجب على الشركات المصنعة مراقبة ظروف المعدات للحفاظ على سير الأمور بسلاسة. يمكن لخوارزميات الذكاء الاصطناعي التعرُّف على الظروف العادية وغير الطبيعية بشكل أسرع وأدق من التقنيات القديمة. تحلل هذه الأنظمة البيانات على الفور بشأن سلامة المعدات، والكشف عن الأنماط ذات الصلة، والتنبؤ بحالات التعطل للاطلاع على الانقطاعات المؤقتة. كما تساعد في تحديد أولويات الصيانة على أساس الظروف اللحظية ليس جدولاً محددًا مُسبقًا.
• الكشف عن أوجه الخلل
  حتى وقت قريب، كان يتم الكشف عن أوجه الخلل باستخدام الأنظمة المستندة إلى القواعد، والتي تستخدم حدود الترميز الثابت لتحديد اختلالات الآلات والتنبؤ بالتعطل. على سبيل المثال، إذا تجاوز اهتزاز الآلة الحد المعين في معايير ISO، يتم الإبلاغ عن الخلل ويمكن التوصية بالصيانة. لكن تنشئ المعدات المُعقدة كميات هائلة من البيانات، ليس حول الاهتزاز فحسب، لكن أيضًا حول درجة الحرارة والضغط والحرارة والعديد من المتغيرات الأخرى، مما يجعل من الصعب على الأنظمة القديمة تفسير المعلومات بدقة.
  
  على النقيض من ذلك، لا تجمع أنظمة الذكاء الاصطناعي البيانات وتحللها فحسب، بل تتعلم منها أثناء عملها. بدلاً من مجرد اتباع القواعد وتحديد المشكلات الحالية، يمكن للتحليلات المستندة إلى الذكاء الاصطناعي التعرُّف على أضعف دلالة على انحراف الأداء، واستشعار المشكلات الناشئة قبل أن تتسبب في حدوث اضطرابات.
• التنبؤ بالتعطلات
  يبحث الذكاء الاصطناعي في الأداء السابق وبيانات المستشعرات على الفور لإنشاء نموذج تنبئي بتدهور المعدات، مما يساعد الشركات في تجنب التعطل الكامل للآلة. مع استيعاب النموذج لمزيد من البيانات، فإنه يتعلم ويتكيف ويتنبأ بدقة زائدة. يصل التعلم العميق للتنبؤ بالأخطاء—وهو نوع من التعلم الآلي—إلى الروابط التي تستبعد الأساليب القديمة، بما في ذلك الملاحظة البشرية. تستخدم شركة تسليم الطرود متعددة الجنسيات نظام الذكاء الاصطناعي للتنبؤ بالتعطل في أكثر من 30 نوعًا من الآلات في مرافق الفرز، واكتشاف التعطل في علبة التروس، وتلف الأحزمة، وغيرها من المشكلات المُكلفة. تقدّر الشركة توفير النظام ملايين الدولارات سنويًا.
• تحديد أولويات الصيانة المُخطط لها وجدولتها
  يحسِّن الذكاء الاصطناعي من الصيانة المخطط لها من خلال اكتشاف المشكلات وتحديد الأولويات وتعديل جداول الصيانة كل ذلك على الفور. بدلاً من التركيز على المشكلات الحالية أو إنشاء جداول تستند إلى البيانات السابقة فحسب، تكشف الصيانة التنبؤية القائمة على الذكاء الاصطناعي حول ما المحتمل أن يحدث إذا ظلت ظروف المعدات كما هي. كما تقدم خطوات استباقية يمكن للشركات اتخاذها لتحقيق نتائج أفضل.
• تحسين الطاقة
  مع انخفاض كفاءة الآلات بمرور الوقت، تستخدم المزيد من الطاقة لإنتاج نفس القدر. في الولايات المتحدة، على سبيل المثال، تضيع أنظمة الهواء المضغوط غير الفعَّالة 3.2 مليار دولار سنويًا، وفقًا إلى معهد الهواء المضغوط والغاز. باستخدام الصيانة التنبؤية القائمة على الذكاء الاصطناعي، يمكن للشركات المصنعة ومشغلي الآلات الآخرين العثور على عيوب في المعدات وجدولة الإصلاحات لمنع الحاجة إلى المخلفات وإعادة التشغيل أو على الأقل وقفها. تعتمد شركة Ford Motor على الذكاء الاصطناعي لتحسين الطاقة في جميع أنحاء مصانعها، إذ تجمع بين الذكاء الاصطناعي والتوائم الرقمية لمطاردة النفايات وتحديد طرق للقضاء عليها.
• رؤية الكمبيوتر
  تتيح تقنيات رؤية الكمبيوتر أجهزة الكمبيوتر إمكانية عرضها. على سبيل المثال، يمكن للشركة المصنعة تدريب أداة الذكاء الاصطناعي لعرض مقاطع الفيديو التي تراقب أوضاع الآلات وتحليلها. من خلال خوارزميات التحسين البصري، تصبح الصور معلومات تكمل البيانات الأخرى من خلال تسجيل أوجه الخلل التي يصعب اكتشافها مثل العلامات الدقيقة للتآكل والتلف، والأجزاء غير المحاذية، والمكونات المفقودة، وحتى الطرود التالفة على الرفوف. تساعد الصور أيضًا في تحديد الأسباب الجذرية للمشكلات والعلاج الأكثر فعالية.

أمثلة على الذكاء الاصطناعي في الصيانة التنبؤية

تستخدم بعض أكبر الشركات المصنعة في العالم الذكاء الاصطناعي لتعزيز الصيانة التنبؤية للآلات وتحسين وقت التشغيل.

تستخدم شركة صناعة السيارات العالمية الذكاء الاصطناعي لفحص روبوتات اللحام وصيانتها في مصانعها. على وجه التحديد، تستخدم رؤية الكمبيوتر والتعلم العميق لتحليل الصور ومقاطع الفيديو من الروبوتات لاكتشاف العيوب. يوصي نظام الذكاء الاصطناعي بمعلمات وإعدادات لكل روبوت ويُخطر العمال عند الحاجة إلى الصيانة أو الاستبدال. يمكن للحل تقليل وقت فحص الروبوت بنسبة 70% وتحسين جودة اللحام بنسبة 10%، وفقًا إلى تقارير الشركة المصنعة للسيارات.

تستخدم GE Aviation الذكاء الاصطناعي للتنبؤ بالحاجة إلى الصيانة لمحركاتها النفاثة التي تستخدمها شركات الطيران والعملاء الآخرين. يحتوي حوالي 44,000 محرك على أجهزة استشعار مُدمجة تغذي البيانات إلى مراكز مراقبة GE في سينسيناتي وشنغهاي. تجمع GE البيانات مع نماذج المحركات المادية والتفاصيل البيئية للتنبؤ بمشكلات الصيانة قبل حدوث المشكلات. إلى جانب تعزيز موثوقية المحرك، أدى استخدامه للذكاء الاصطناعي إلى تقليل تكاليف صيانة شركات الطيران وتعزيز السلامة.

زيادة وقت التشغيل باستخدام Oracle Supply Chain Management

تحسين مرونة سلسلة التوريد وتقليل الاضطرابات ومواكبة ظروف السوق المُتغيرة باستمرار باستخدام تطبيقات سلسلة التوريد والتصنيع من Oracle Cloud. استخدم أدوات الصيانة التنبؤية في Oracle Fusion Cloud Maintenance، التي تدمج الذكاء الاصطناعي لتعزيز رؤية أداء الجهاز مع تقليل التعطل والتكاليف التشغيلية.

الأسئلة الشائعة حول الذكاء الاصطناعي في الصيانة التنبؤية

ما دور الذكاء الاصطناعي في إدارة الصيانة؟
يمكن للذكاء الاصطناعي التنبؤ بحالات تعطل المعدات وإنشاء رؤى صيانة أسرع وأدق من التقنيات القديمة. عند القيام بذلك، يساعد الذكاء الاصطناعي الشركات في تقليل وقت التوقف غير المخطط له والتآكل والتلف.

كيف يمكن استخدام الذكاء الاصطناعي في الصيانة؟
يمكن للشركات استخدام الذكاء الاصطناعي لمراقبة أوضاع الآلات، واكتشاف أوجه الخلل، وتجنب تعطل المعدات وانقطاعاتها، وتحديد أولويات الصيانة وجدولتها.

كيف يتم استخدام التعلم الآلي في الصيانة الوقائية؟
يمكن لخوارزميات التعلم الآلي التنبؤ بالوقت الذي تتدهور فيه معدات المصنع وتتعطل وتتطلب إصلاحًا أو استبدالاً. إنها أساسية لحلول الصيانة التنبؤية القائمة على الذكاء الاصطناعي.