يتجاوز الذكاء الاصطناعي الصناعي التطبيقات التجريبية، ليصبح جزءًا من العمليات اليومية في التصنيع والمعالجة. لكن تحقيق عوائد قابلة للقياس يتطلب أكثر من مجرد تركيب مستشعرات متصلة أو نشر خوارزميات تنبؤية. فهو يعتمد على دمج البيانات التشغيلية والمعرفة الهندسية وأنظمة الأتمتة واتخاذ القرارات البشرية ضمن بنية تحتية رقمية متكاملة.
يعتقد راجيش راماتشاندران، الرئيس الرقمي العالمي لقطاع أعمال الأتمتة في ABB، أن الجمع بين تقنيات إنترنت الأشياء الصناعي (IIoT) والذكاء الاصطناعي التنبؤي يمكن أن يساعد المصنعين على تعزيز موثوقية الأصول وتحسين استهلاك الطاقة والتوجه نحو عمليات متزايدة الاستقلالية.
تسلط وجهة نظره الضوء على تحدٍّ مهم تواجهه الشركات الصناعية: تحويل كميات كبيرة من البيانات التشغيلية إلى قرارات تحقق تحسينات قابلة للقياس.
1. الذكاء الاصطناعي الصناعي وإنترنت الأشياء: ما بعد جمع البيانات
أصبح إنترنت الأشياء الصناعي محركًا رئيسيًا للتحول الرقمي. وتتيح المستشعرات المتصلة والأجهزة الذكية وأنظمة التحكم المرتبطة بالشبكات للمصنعين جمع المعلومات التشغيلية باستمرار. وفي الوقت نفسه، يوفر الذكاء الاصطناعي التنبؤي القدرات التحليلية اللازمة لتحديد الأنماط واكتشاف الحالات غير الطبيعية واستباق الأعطال المحتملة للمعدات.
تؤدي هذه التقنيات أغراضًا مختلفة لكنها متكاملة. إذ توفر إنترنت الأشياء رؤية للمعدات والعمليات المادية، فيما يحلل الذكاء الاصطناعي المعلومات المجمعة ويحدد المخاطر التشغيلية المحتملة.
لكن جمع المزيد من البيانات لا يحسن الأداء الصناعي تلقائيًا. فقراءة الاهتزاز أو قياس درجة الحرارة لهما قيمة عملية محدودة من دون فهم ظروف تشغيل المعدات وسجل صيانتها وحدودها الهندسية.
برأيي، ينبغي أن تركز المرحلة التالية من التحول الرقمي الصناعي بدرجة أقل على زيادة حجم البيانات المجمعة، وبدرجة أكبر على تعزيز أهميتها الهندسية. ويمكن لكمية أقل من المعلومات ذات السياق الواضح أن تدعم قرارات صيانة أفضل من ملايين قراءات المستشعرات غير المترابطة.
2. تحدد جودة البيانات والسياق الهندسي أداء الذكاء الاصطناعي
وفقًا لراماتشاندران، ينبغي أن تبدأ استراتيجية ناجحة للذكاء الاصطناعي التنبؤي بمشكلة أعمال محددة بوضوح.
تحتاج الشركات الصناعية إلى تحديد ما تريد التنبؤ به، ومدى التبكير المطلوب لإصدار التحذير، والقرار التشغيلي الذي سيستفيد من ذلك التنبؤ.
يضع هذا النهج المتطلبات الهندسية قبل اختيار التكنولوجيا.
لتحقيق نتائج مفيدة باستخدام النماذج التنبؤية، يجب ربط المعلومات الواردة من مصادر متعددة، بما في ذلك:
- التكنولوجيا التشغيلية (OT): القياسات الآنية من المستشعرات ووحدات التحكم المنطقية القابلة للبرمجة ومنصات أنظمة التحكم الموزعة وأنظمة التحكم الأخرى.
- تكنولوجيا المعلومات (IT): معلومات المؤسسة وسجلات الإنتاج والبيانات التشغيلية المرتبطة بالأعمال.
- التكنولوجيا الهندسية (ET): مواصفات المعدات ومعرفة العمليات وحدود التشغيل والوثائق الهندسية.
- سجلات الصيانة: سجلات خدمة المعدات ونتائج الفحص وتقارير الأعطال والإجراءات التصحيحية السابقة.
يوفر تكامل التكنولوجيا التشغيلية وتكنولوجيا المعلومات والتكنولوجيا الهندسية فهمًا أشمل لسلوك المعدات.
على سبيل المثال، قد تشير زيادة مفاجئة في اهتزاز المحرك إلى مشكلة ميكانيكية آخذة في التطور. لكن تفسير ذلك يختلف باختلاف سرعة المحرك وظروف التحميل وسجل المحامل وأنشطة الصيانة الأخيرة.
لذلك، يتطلب الذكاء الاصطناعي الصناعي أكثر من علم البيانات. فالمعرفة الهندسية توفر السياق الذي يجعل النتائج التحليلية معلومات تشغيلية ذات معنى.
3. دمج الذكاء الاصطناعي التنبؤي في الأنظمة الصناعية الحالية
لا يتمثل أحد أكبر العوائق أمام اعتماد الذكاء الاصطناعي الصناعي بالضرورة في تطوير النماذج، بل في دمج الرؤى الناتجة عن الذكاء الاصطناعي في سير العمل التشغيلي القائم.
قد يحدد نموذج تنبؤي حالة غير طبيعية بدقة عالية، لكن قيمته تظل محدودة إذا لم يتلقَّ فريق الصيانة المعلومات في الوقت المناسب أو لم يتمكن من تحديد الإجراء الواجب اتخاذه.
يشدد راماشاندران على ضرورة تكامل حلول الذكاء الاصطناعي بأمان مع الأنظمة الحالية، ووضوح المسؤوليات المتعلقة بتنفيذ توصياتها.
يتطلب ذلك من المنشآت الصناعية مراعاة عدة اعتبارات عملية:
- التكامل مع البنية التحتية الحالية للأتمتة والمراقبة.
- اتصال آمن بين الأنظمة التشغيلية وأنظمة المؤسسة.
- إتاحة الوصول المناسب إلى بيانات المعدات الآنية والتاريخية.
- إجراءات واضحة لترتيب أولويات الإنذارات والإشعارات المتعلقة بالصيانة.
- تحديد مسؤوليات مراجعة توصيات الذكاء الاصطناعي واعتمادها.
- التقييم المستمر لأداء النماذج والنتائج التشغيلية.
من منظور هندسة الأتمتة، ينبغي للذكاء الاصطناعي أن يكمّل هياكل التحكم والحماية الحالية بدلًا من إدخال تعقيدات لا داعي لها فيها.
يمكن للتحليلات التنبؤية أن تدعم تخطيط الصيانة وتحسين العمليات، لكن يجب أن تحافظ وظائف التحكم المرتبطة بالسلامة وآليات الحماية الحرجة على حدودها الهندسية المعتمدة.
4. ABB Genix: بناء منصة للذكاء الاصطناعي وإنترنت الأشياء الصناعي
تواجه ABB تحديات التكامل هذه من خلال منصتها ABB Genix Industrial IoT and AI.
صُممت المنصة لربط البيانات الصناعية، ووضع المعلومات في سياقها، وتطبيق التحليلات عبر مختلف طبقات التشغيل. وتهدف إلى مساعدة المؤسسات على تحسين الكفاءة وموثوقية الأصول والاستدامة من خلال استخدام أكثر تنسيقًا للمعلومات الصناعية.
يكتسب النهج القائم على المنصات أهمية خاصة في المنشآت الصناعية الكبيرة، حيث تعمل المعدات وأنظمة التحكم وتطبيقات الصيانة غالبًا ضمن بيئات معلومات منفصلة.
بدلًا من نشر تطبيقات ذكاء اصطناعي معزولة لآلات منفردة، يمكن للمصنّعين العمل نحو بنية أكثر تكاملًا تدعم استيعاب البيانات وتكاملها وتحليلها وتحسينها.
وهذا يتيح أيضًا فرصًا لتوسيع نطاق التطبيقات الناجحة لتشمل خطوط إنتاج ومنشآت متعددة.
لكن نشر المنصات وحده لا يضمن تحسن الأداء التشغيلي. وتظل حوكمة البيانات، وتكامل الأنظمة، والتحقق الهندسي، وتبنّي القوى العاملة عناصر ضرورية في عملية التنفيذ.
5. تجاوز جمود المشاريع التجريبية: توسيع نطاق الذكاء الاصطناعي ليشمل العمليات الصناعية
نجح كثير من المصنّعين في إثبات جدوى تطبيقات الذكاء الاصطناعي على آلات أو عمليات إنتاج منفردة. لكن المهمة الأصعب هي تعميم هذه النتائج على مصنع كامل أو مؤسسة بأكملها.
غالبًا ما يُوصَف هذا الوضع بحالة جمود المشاريع التجريبية: إذ تظل المشاريع الرقمية الواعدة عروضًا تجريبية معزولة بدلًا من أن تتحول إلى قدرات تشغيلية راسخة.
يشير راماشاندران إلى أن القيادة التنظيمية عامل مهم في التغلب على هذه المشكلة. وتحتاج الشركات إلى أهداف أعمال واضحة، وبنية تحتية رقمية مناسبة، وتعاون بين فرق التكنولوجيا والعاملين في العمليات التشغيلية.
من الناحية العملية، يتطلب توسيع نطاق الذكاء الاصطناعي الصناعي من المؤسسات معالجة عدة تحديات:
- عزل البيانات: يجب إتاحة المعلومات عبر أنظمة التشغيل والأعمال ذات الصلة.
- البنية التحتية القديمة: قد تتطلب بيئات PLC وDCS وSCADA وإدارة الأصول الحالية تكاملًا مخططًا له بعناية.
- تبنّي القوى العاملة: يحتاج المهندسون وموظفو الصيانة إلى فهم كيفية تأثير توصيات الذكاء الاصطناعي في عملهم.
- المسؤولية التشغيلية: يجب تحديد مسؤولية واضحة عن مراجعة مخرجات كل تطبيق من تطبيقات الذكاء الاصطناعي واتخاذ الإجراءات اللازمة.
- استراتيجية النشر: ينبغي توسيع نطاق التطبيقات الناجحة استنادًا إلى القيمة التشغيلية المثبتة، لا إلى مجرد توافر التكنولوجيا.
أرى أن على المصنّعين تجنّب التعامل مع تبنّي الذكاء الاصطناعي بوصفه سباقًا لأتمتة كل عملية. والاستراتيجية الأكثر عملية هي تحديد المشكلات التشغيلية المتكررة، والتحقق من الحلول في بيئات مضبوطة، وتوسيع نطاق التطبيقات فقط عندما يمكن إثبات فوائدها.
6. قياس عائد الاستثمار في الذكاء الاصطناعي الصناعي من خلال الأداء التشغيلي
في التطبيقات الصناعية، ينبغي ألا يُقيَّم أداء الذكاء الاصطناعي بدقة النماذج وحدها.
لا تؤدي الخوارزمية المبهرة تقنيًا بالضرورة إلى قيمة للأعمال. ويجب أن تنعكس مساهمتها في تحسينات قابلة للقياس، مثل توافر المعدات ومردود الإنتاج وتكاليف الصيانة واستهلاك الطاقة والسلامة التشغيلية.
من المفيد البدء بتحديد خط أساس تشغيلي قبل إدخال الذكاء الاصطناعي التنبؤي.
على سبيل المثال، إذا منح نظام الصيانة التنبؤية تحذيرًا كافيًا لتفادي توقف مفاجئ للمعدات، فيمكن تقييم المنفعة المالية بمقارنتها بخسائر الإنتاج التي جرى تفاديها ونفقات الصيانة الطارئة والأضرار المحتملة التي قد تلحق بمعدات أخرى.
سلّطت ABB الضوء على تطبيق للكشف عن الشذوذ متعدد المتغيرات ضمن حلها Genix لإدارة أداء الأصول.
وفقًا لراماشاندران، كشفت عمليات النشر الحديثة لدى العملاء عن أعطال محتملة في المعدات قبل وقوعها بستة إلى عشرة أيام. ويمكن لهذه المهلة التحذيرية أن تمنح فرق الصيانة وقتًا إضافيًا للتحقيق في الظروف غير الطبيعية وترتيب التدخلات التصحيحية.
ومع ذلك، يجب تقييم دقة التنبؤ بعناية.
قد تؤدي الإنذارات الكاذبة إلى عمليات تفتيش وأنشطة صيانة غير ضرورية، في حين أن تفويت التحذيرات قد يعرّض معدات الإنتاج لمخاطر تشغيلية كبيرة.
لهذا السبب، ينبغي تقييم أداء الذكاء الاصطناعي الصناعي من خلال المؤشرات التقنية ونتائج الصيانة الفعلية على حد سواء.
7. التحليلات التنبؤية والذكاء التوجيهي والتوائم الرقمية
يتجاوز الذكاء الاصطناعي الصناعي تدريجيًا تحديد ما قد يحدث، ليشرح سبب احتمال وقوع حدث ما ويوصي بما ينبغي فعله بعد ذلك.
تحدّد التحليلات التنبؤية الظروف المستقبلية المحتملة. وتقيّم التحليلات التوجيهية الاستجابات الممكنة، بينما يمكن للتحليل السببي أن يساعد على تقصي العوامل الكامنة وراء السلوك غير الطبيعي.
توسّع التوائم الرقمية هذه القدرات من خلال إنشاء تمثيلات افتراضية للأصول أو العمليات أو الأنظمة المادية. وعند ربطها ببيانات التشغيل في الوقت الفعلي، يمكن لنماذج المحاكاة مساعدة المهندسين على تقييم سيناريوهات تشغيل مختلفة قبل إجراء تغييرات على المعدات المادية.
يوفر هذا المزيج عدة فوائد محتملة:
- التعرّف المبكر على ظروف التشغيل غير الطبيعية.
- تحسين فهم آليات تعطل المعدات المحتملة.
- تقييم استراتيجيات الصيانة أو التشغيل البديلة.
- تقليل عدم اليقين عند تقييم التغييرات المقترحة على العمليات.
- اتخاذ قرارات أفضل استنادًا إلى سيناريوهات التشغيل.
برأيي، قد يصبح الجمع بين التحليلات التنبؤية والتوائم الرقمية ذا قيمة خاصة في العمليات الصناعية المعقدة. فبدلًا من الاكتفاء بإخطار المهندسين بتجاوز أحد المتغيرات نطاقه الطبيعي، ينبغي للأنظمة المستقبلية أن تساعد بشكل متزايد على توضيح الأسباب المحتملة وتقييم عواقب الإجراءات التصحيحية المختلفة.
8. الذكاء الاصطناعي الوكيل ومستقبل العمليات الصناعية المستقلة
وبالنظر إلى المستقبل، يتوقع راماشاندران أن تعمل قدرات الذكاء الاصطناعي التنبؤي والتوجيهي والتوليدي معًا على نحو أوثق، وأن يساعد الذكاء الاصطناعي الوكيل على ربط الرؤى التحليلية بسير العمل التشغيلي.
يمكن للذكاء الاصطناعي التنبؤي تحديد المخاطر الناشئة. كما يمكن للذكاء الاصطناعي التوليدي مساعدة المهندسين على تفسير المعلومات التقنية، بينما يمكن للذكاء الاصطناعي الوكيل دعم تنفيذ سير العمل والمهام المنسقة ضمن حدود تشغيلية محددة.
وقد يغيّر هذا التطور طريقة تفاعل العاملين في القطاع الصناعي مع أنظمة الأتمتة.
بدلًا من مراجعة لوحات معلومات متعددة وسجلات الصيانة والوثائق الهندسية يدويًا، قد يستخدم العاملون على نحو متزايد أنظمة مدعومة بالذكاء الاصطناعي للتحقيق في حالات المعدات، وتحديد المعلومات ذات الصلة، وإعداد الإجراءات الموصى بها.
لكن زيادة الأتمتة لا تعني إلغاء المسؤولية البشرية.
في البيئات الصناعية، يجب أن تظل القرارات المتعلقة بالسلامة وسلامة المعدات واستمرارية الإنتاج خاضعة للإشراف الهندسي المناسب. وتتطلب التوصيات التي يولدها الذكاء الاصطناعي التحقق من صحتها، كما يجب أن تعمل الإجراءات المؤتمتة ضمن صلاحيات وقيود نظامية محددة بوضوح.
ينبغي ألا يقتصر الهدف على إنشاء مصانع تستخدم مزيدًا من الذكاء الاصطناعي، بل يجب أن يتمثل في تطوير عمليات صناعية تتخذ قرارات أفضل، وتستجيب بفعالية أكبر للظروف المتغيرة، وتحافظ على مستويات مناسبة من المساءلة البشرية.
9. منظور هندسي: يبدأ نجاح الذكاء الاصطناعي الصناعي بالانضباط التشغيلي
يسلط نهج ABB الضوء على درس أوسع للمصنّعين: الذكاء الاصطناعي الصناعي ليس استثمارًا برمجيًا معزولًا، بل هو امتداد للبنية التحتية القائمة للأتمتة والمعلومات والهندسة.
ومن المرجح أن تبرز أقوى الفرص في المجالات التي تمتلك فيها الشركات مشكلات تشغيلية محددة، وبيانات تاريخية وآنية كافية، وفرقًا قادرة على تحويل النتائج التحليلية إلى إجراءات عملية.
وبالنسبة إلى مهندسي الأتمتة، يعني ذلك أن تطوير العمليات المدعومة بالذكاء الاصطناعي سيشمل على نحو متزايد التعاون بين هندسة التحكم، والأجهزة، والبنية التحتية لتقنية المعلومات، والصيانة، وعلوم البيانات.
ويعني ذلك أيضًا أنه ينبغي عدم إغفال الأصول الصناعية القائمة. فالكثير من المنشآت الراسخة تضم بالفعل معلومات تشغيلية قيّمة داخل وحدات التحكم المنطقية القابلة للبرمجة (PLC)، ومنصات أنظمة التحكم الموزعة (DCS)، وأنظمة مراقبة الحالة، وقواعد بيانات الصيانة. وقد يشكل ربط هذه الموارد وإضفاء سياق عليها نقطة انطلاق أكثر عملية من استبدال البنية التحتية القائمة.
في نهاية المطاف، سيتوقف الانتقال نحو العمليات الصناعية الذكية على مدى فعالية الشركات في الجمع بين التقنيات الرقمية والخبرة الهندسية. يمكن للذكاء الاصطناعي تحسين الرؤية ودعم اتخاذ القرارات، لكن القيمة الصناعية القابلة للقياس لا تزال تأتي من حل المشكلات التشغيلية الحقيقية.
