المنصات المدعومة بالذكاء الاصطناعي تُحوّل كفاءة صناعة العمليات

لماذا تحتاج عمليات العمليات إلى نموذج تشغيل رقمي جديد

دخلت صناعة العمليات فترة من التغيير التشغيلي السريع على نحو غير مسبوق. فتتذبذب أسعار الطاقة، ولا تزال سلاسل الإمداد غير مؤكدة، وتتغير جداول الإنتاج دون إنذار يُذكر، فيما تستمر المتطلبات التنظيمية في التوسع. وفي الوقت نفسه، يتوقع العملاء تسليمًا موثوقًا، وجودة متسقة، وتأثيرًا بيئيًا أقل.

تؤثر هذه الضغوط في كل مستوى من مستويات مؤسسة الإنتاج. فعلى مديري المصانع حماية الإنتاجية والربحية. وعلى مهندسي العمليات تحقيق استقرار أنظمة إنتاج تزداد تعقيدًا. وعلى فرق الصيانة حل مشكلات المعدات في وقت محدود. وعلى المشغّلين اتخاذ قرارات آمنة طوال كل وردية.

تظل الأتمتة التقليدية ضرورية في هذه البيئة. فما زالت أنظمة التحكم الموزّع، ووحدات التحكم القابلة للبرمجة، وأنظمة السلامة، والمؤرخات، ومنصات مراقبة الحالة، توفر أساس عمليات المصنع. إلا أن هذه الأنظمة غالبًا ما تنظّم المعلومات حول المعدات، والوسوم، والإنذارات، ووظائف التحكم.

فهي لا تنظّم المعلومات دائمًا حول الأسئلة التي يطرحها المشغّلون فعليًا.

نادرًا ما يبدأ المشغّل باستعلام مثالي ومنظّم لقاعدة بيانات. فقد يسأل بدلًا من ذلك عن سبب تعرّض ضاغط للتوقف المتكرر أثناء الطقس البارد. وقد يتذكر فنيّ أن عطلًا مشابهًا وقع قبل عامين. وقد يعرف مشرف أن خط إنتاج آخر حل المشكلة نفسها من خلال تعديل تشغيلي غير معتاد.

هذه المعرفة قيّمة، لكنها غالبًا ما تكون مبعثرة بين سجلات الورديات، وملاحظات الصيانة، ورسائل البريد الإلكتروني، وتقارير الحوادث، وأوامر العمل، وجداول البيانات، والخبرة الشخصية.

تعالج منصات المؤسسات المدعومة بالذكاء الاصطناعي هذه الفجوة. فهي تربط بيانات الآلات المنظّمة بالمعرفة التشغيلية غير المنظّمة، وتساعد فرق الإنتاج على تحديد الأحداث ذات الصلة، ومقارنة الحوادث السابقة، واسترجاع الاستجابات المثبتة دون البحث يدويًا في سجلات متفرقة.

لا يحل هذا النهج محل بنية الأتمتة الحالية، بل ينشئ فوقها طبقة للذكاء التشغيلي.

تجمع أقوى المنصات المعلومات من أنظمة التحكم، وأنظمة إدارة الأصول، وتطبيقات الصيانة، وأنظمة المختبرات، وأدوات تخطيط الإنتاج، واتصالات المشغّلين. ثم تعرض هذه المعلومات عبر واجهات مصممة لاتخاذ قرارات تشغيلية فعلية.

يجب على المؤسسات التي تخطط لهذا الانتقال أن تحافظ أيضًا على أساس تحكم موثوق. فلا يمكن لطبقة ذكاء حديثة أن تعوّض عن أجهزة قياس غير مستقرة، أو إنذارات غير مكتملة، أو تصميم شبكات رديء، أو سجلات صيانة غير متسقة. ويمكن للقراء الذين يقيّمون أساس التحكم الذي تستند إليه هذه المشاريع مراجعة بُنى ومكوّنات أنظمة التحكم الموزّع (DCS) المستخدمة في مصانع العمليات.

الشكل 1. تربط العمليات الرقمية الفعالة بين معلمات المعدات، وسياق العملية، والمعرفة العملية للقوى العاملة.

التقلبات تجعل المعرفة التشغيلية أكثر قيمة

يجب على شركات العمليات الاستجابة لظروف الأعمال والتشغيل المتغيرة بسرعة. وتقدم أسعار الغاز الطبيعي مثالًا واضحًا على ذلك؛ إذ يمكن لارتفاع مفاجئ في الأسعار أن يغير أولويات الإنتاج، واستراتيجيات الطاقة، وأهداف التشغيل في جميع أنحاء المنشأة.

كما يمكن أن يتغير طلب السوق بسرعة. فقد يحتاج المصنع إلى إنتاج دفعات أصغر، أو تغيير درجات المنتجات بوتيرة أكبر، أو تشغيل المعدات خارج نمط إنتاجها التقليدي. ويضيف كل تغيير تفاعلات إضافية داخل العملية.

يضيف الابتكار التكنولوجي طبقة أخرى من التعقيد. فالمصانع تدير الآن أنظمة الأتمتة التقليدية إلى جانب الشبكات الصناعية، والخدمات السحابية، والحوسبة الطرفية، وضوابط الأمن السيبراني، والتحليلات المتقدمة، وتطبيقات الدعم عن بُعد.

لا ينشأ التعقيد من عدد التقنيات فحسب، بل أيضًا من العلاقات بينها.

قد يبدأ اضطراب في العملية كمشكلة ميكانيكية، ثم يؤثر في قراءات الأجهزة، وحلقات التحكم، وجودة المنتج، ومعدلات الإنتاج في المراحل السابقة. وقد يظهر الإنذار المرئي بعيدًا عن السبب الأصلي.

لذلك تحتاج فرق الإنتاج إلى أكثر من رسائل إنذار فردية؛ فهي تحتاج إلى السياق.

يوضح السياق ما حدث قبل انطلاق إنذار، ويحدد الظروف البيئية، وأنشطة الصيانة، وتغييرات المنتج، وإجراءات المشغلين، وسلوك المعدات. كما يربط الحدث الحالي بأحداث تاريخية مماثلة.

تمتلك العديد من المصانع هذه المعلومات بالفعل، لكن المشكلة تكمن في سهولة الوصول إليها.

قد يوجد حل سابق داخل سجل صيانة، وقد ترد ملاحظة مفيدة أخرى في تقرير مناوبة، وربما وثّق مشغل متقاعد السبب في مذكرة غير رسمية. ومع ذلك، قد لا يعثر فريق المناوبة الحالي على هذه السجلات مطلقًا أثناء وقوع حادث فعلي.

قد تكون تكلفة هذا الإخفاق كبيرة. فقد يظل الإنتاج متوقفًا بينما يكرر الموظفون خطوات استكشاف الأعطال التي فشلت أثناء حوادث سابقة. وقد يستبدل أفراد الصيانة مكونات سليمة، أو يعيد المشغلون تشغيل المعدات من دون فهم الحالة الكامنة وراء المشكلة.

قد تؤدي كل دقيقة إضافية إلى زيادة خسائر الإنتاج، واستهلاك موارد الصيانة، ورفع المخاطر التشغيلية.

تجعل الأنظمة المدعومة بالذكاء الاصطناعي إعادة استخدام المعرفة التاريخية أسهل. إذ يمكنها التعرّف على أوجه التشابه بين السجلات المصاغة بعبارات مختلفة، وتحديد المعدات وظروف التشغيل والأعراض والإجراءات التصحيحية ذات الصلة، ثم عرض المعلومات المناسبة قبل أن تستنفد الفرق وقتًا ثمينًا.

تغيّر هذه الإمكانية قيمة وثائق المصنع الحالية. فلم تعد التقارير القديمة مجرد أرشيفات ثابتة، بل أصبحت موردًا تشغيليًا نشطًا.

من المعلومات المخزنة إلى المعرفة القابلة للاستخدام في المصنع

لا تعاني معظم المؤسسات الصناعية من نقص كامل في البيانات، بل من تشتت البيانات، وعدم اتساق المصطلحات، ومحدودية أساليب الاسترجاع.

قد تسجّل منشأة كبيرة آلاف الأحداث التشغيلية كل شهر. وقد تشمل هذه السجلات إنذارات، وأوامر عمل، وتعليقات المشغلين، وانحرافات العمليات، وأحداث الجودة، ونتائج فحوصات الصيانة.

ويستخدم كل مصدر بنية مختلفة.

يسجّل المؤرّخ قيم السلاسل الزمنية. ويسجّل نظام إدارة صيانة محوسب أعمال الأصول. ويسجّل سجل الوردية الملاحظات. ويسجّل نظام الجودة حالات الانحراف ونتائج المختبر. ويسجّل نظام الإنذارات تغيّرات الحالة وعمليات الإقرار.

تصف هذه الأنظمة المنشأة نفسها من وجهات نظر مختلفة.

تتطلب أدوات إعداد التقارير التقليدية عادةً من المستخدمين معرفة مكان تخزين المعلومات ذات الصلة. وقد تتطلب منهم أيضًا استخدام كلمات مفتاحية دقيقة، أو أرقام المعدات، أو نطاقات زمنية، أو فئات التقارير.

ويُنشئ هذا الشرط قيدًا خطيرًا أثناء الأحداث غير المخطط لها.

قد لا يعرف المشغل الذي يواجه انقطاعًا في الإنتاج مصطلحات الصيانة الصحيحة. وقد لا يعرف فني الصيانة اسم العملية الذي يستخدمه فريق التشغيل. وقد يصف ورديتان الأعراض المتطابقة باستخدام كلمات مختلفة تمامًا.

فعلى سبيل المثال، قد يكتب أحد المشغلين أن المضخة كانت غير مستقرة. وقد يسجّل مشغل آخر تدفقًا متذبذبًا. وقد يصف فني ضغط شفط متقطعًا. وقد يصنّف مهندس عمليات الحدث نفسه على أنه تجويف.

وقد يتعامل البحث التقليدي بالكلمات المفتاحية مع تلك السجلات على أنها غير مترابطة.

يمكن لنظام بحث ذكي تحليل معناها. وقد يدرك أن الأوصاف تتعلق بالنمط التشغيلي نفسه. ويمكنه أيضًا فحص الوسوم المرتبطة، والعلاقات بين المعدات، وأوامر العمل، والظروف الجوية، وحالات الإنتاج.

وهذا يحوّل البحث من وظيفة لاسترجاع المستندات إلى أداة مساعدة على الاستدلال التشغيلي.

لا يحتاج النظام إلى تحديد الإجابة النهائية بصورة مستقلة. فمسؤوليته الأولى هي إبراز الأدلة الأكثر صلة.

يمكن للمشغلين عندئذٍ مراجعة الأحداث السابقة، ومقارنة الظروف، وتحديد ما إذا كان أحد إجراءات الاستجابة المعتمدة ينطبق. ويمكن للمهندسين التحقق من السبب المشتبه فيه باستخدام بيانات العملية. كما يمكن لفرق الصيانة فحص المعدات قبل تنفيذ أعمال غير ضرورية.

والنتيجة هي عملية اتخاذ قرارات أسرع وأكثر انضباطًا.

الذكاء الاصطناعي المتمحور حول الإنسان يُبقي المسؤولية في موضعها الصحيح

ينبغي ألا يبعد الذكاء الاصطناعي الناس عن قرارات الإنتاج الحرجة، بل ينبغي أن يحسّن المعلومات المتاحة لهم.

ويكتسب هذا التمييز أهمية خاصة في معالجة المواد الكيميائية، وتوليد الطاقة، والنفط والغاز، والمستحضرات الصيدلانية، والمعادن، وإنتاج الأغذية، ومعالجة المياه. فالقرارات المتخذة في هذه البيئات قد تؤثر في سلامة الموظفين، والامتثال البيئي، وجودة المنتجات، والمعدات الباهظة الثمن.

لا يمكن لخوارزمية أن تتحمّل المسؤولية القانونية أو التشغيلية عن منشأة.

قد يحدّد نمطًا ما. وقد يقدّر نتيجة محتملة. وقد يوصي باتخاذ إجراء مبكر. ومع ذلك، يجب على الموظفين المؤهلين تقييم التوصية ضمن سياق التشغيل الحالي.

لذلك يبدأ الذكاء الاصطناعي المتمحور حول الإنسان بتقسيم واضح للأدوار.

ينفذ نظام الأتمتة تحكمًا حتميًا. وتنفذ أنظمة السلامة وظائف وقائية محددة. وتحلل التطبيقات المدعومة بالذكاء الاصطناعي المعلومات وتُظهر العلاقات المحتملة. ويحتفظ المشغلون والمهندسون بسلطة اتخاذ القرار.

تتجنب هذه البنية سوء فهم مهمًا. فلا يحتاج الذكاء الاصطناعي إلى وصول غير مقيّد إلى أنظمة التحكم لخلق قيمة.

تعمل العديد من التطبيقات المفيدة في دور استشاري. فهي تحلل البيانات للقراءة فقط، وسجلات الإنتاج، والإنذارات، واتصالات المناوبات. ثم تقدم معلومات مرتبة أو توصيات.

كما يدعم هذا الترتيب الاعتماد على مراحل. إذ يمكن للشركة أن تبدأ بالبحث، واسترجاع المعرفة، وإعداد التقارير. وبذلك تبني الثقة قبل النظر في تطبيقات تنبؤية أكثر تقدمًا.

الثقة أساسية لأن المشغلين يرفضون سريعًا الأنظمة التي تقدم توصيات غير ملائمة أو غير مفسرة.

ينبغي أن يوضح مساعد الذكاء الاصطناعي العملي سبب عرضه لنتيجة ما. وعليه أن يحدد الحادثة ذات الصلة، والظروف المتطابقة، وسجل المعدات، والإجراء التصحيحي السابق. ويجب أن يتمكن المستخدمون من فحص الأدلة الأساسية.

لا تتطلب قابلية التفسير كشف كل التفاصيل الرياضية. بل تتطلب سياقًا تشغيليًا كافيًا لتمكين شخص مؤهل من تقييم التوصية.

تتعامل أنجح عمليات التنفيذ مع المشغلين بوصفهم مشاركين في تصميم النظام. فمصطلحاتهم، وسير عملهم، واحتياجاتهم من المعلومات، وملاحظاتهم تشكل التطبيق النهائي.

تُحسّن هذه المشاركة ملاءمة النظام. كما تقلل من انطباع فرض الرقمنة دون فهم واقع المصنع.

الشكل 2. يدعم الذكاء الاصطناعي المتمحور حول الإنسان موظفي المصنع، بينما يحتفظ المشغلون بالتحكم والمسؤولية.

لماذا لا يستطيع منطق «إذا-فإن» البسيط استيعاب كل اضطراب

لطالما اعتمدت الأتمتة الصناعية على المنطق الحتمي. وتظل قواعد «إذا-فإن» مناسبة لتسلسلات التحكم، والتشابكات، وشروط السماح، والإجراءات الوقائية.

ومع ذلك، لا تتوافق المعرفة التشغيلية دائمًا مع بنية حتمية.

قد يعتمد انقطاع الإنتاج على الطقس، وخصائص المواد الخام، وحالة المعدات، وإجراءات المشغلين، والانحرافات السابقة في العملية. وقد لا تحدث هذه العلاقات بالترتيب نفسه في كل مرة.

ستكون كتابة قاعدة منفصلة لكل مجموعة ممكنة من التركيبات أمرًا غير عملي. وستصبح مجموعة القواعد صعبة الصيانة. وقد تفشل أيضًا عند ظهور اختلاف جديد.

يقدم الذكاء الاصطناعي طريقة مختلفة. فهو يفحص المعلومات التاريخية ويحدد الأنماط عبر العديد من المتغيرات. ويمكنه ترتيب الأحداث المتشابهة حتى عندما تختلف الأوصاف والتسلسلات والظروف.

ضع في الاعتبار خطًا افتراضيًا لمعالجة السوائل أثناء التشغيل الشتوي.

يتوقف الخط بعد سلسلة من انحرافات التدفق والضغط. يتبع فريق المناوبة إجراء إعادة الضبط القياسي. تُفحص الأجهزة. تُعاد المضخة إلى التشغيل. وتتعطل العملية مرة أخرى.

تشير الأعراض الظاهرة إلى عدة أسباب محتملة. فقد تدل على مشكلة في الصمام، أو تدهور المضخة، أو خطأ في الأجهزة، أو تقييد في التدفق.

يصل اختصاصي إنتاج متمرس ويتذكر حادثة مشابهة. خلال فترة برد سابقة، تجمّد جزء من خط خارجي تجمّدًا جزئيًا. وغيّر هذا التقييد المادة الداخلة إلى العملية. ثم تسبب هذا التغيير لاحقًا في عدم استقرار التشغيل في موضع آخر من خط الإنتاج.

يوجد التفسير الرئيسي في اللغة البشرية. فهو يربط بين الظروف الجوية، وسلوك المواد، واستجابة المعدات، والعواقب المتأخرة للعملية.

قد يكتشف منطق الإنذارات التقليدي كل انحراف على حدة. لكنه قد لا يفسر العلاقة بينها.

يمكن لمنصة مدعومة بالذكاء الاصطناعي البحث في سجلات الورديات السابقة، وملاحظات الصيانة، والبيانات البيئية. ويمكنها تحديد الحادثة السابقة المرتبطة بالتجمّد وعرضها على الفريق الحالي.

لم تستبدل المنصة المهندس. بل سرّعت الوصول إلى معرفته السابقة.

هذا الفرق جوهري في الذكاء الاصطناعي الصناعي.

غالبًا ما تأتي القيمة الفورية الأكبر من تحسين الوصول إلى الخبرات البشرية، لا من إنشاء مصانع مستقلة بالكامل.

مثال عملي على الاستجابة للحوادث

تخيّل مصنعًا للمواد الكيميائية المتخصصة يشغّل عدة خطوط إنتاج متوازية. يحتوي كل خط على مضخات، ومبادلات حرارية، وصمامات تحكم، وأجهزة تحليل، ومعدات لنقل الدفعات.

يبدأ أحد خطوط الإنتاج في إصدار إنذارات متكررة بارتفاع الضغط أثناء إنتاج درجة محددة من المنتج. وتختفي الإنذارات بعد غسل الخط. ثم تعود خلال حملة الإنتاج التالية.

الافتراض الفوري هو أن صمام التحكم عالق. ويفحص فريق الصيانة المشغّل وموضّع الصمام. ولا يُعثر على أي مشكلة ميكانيكية.

ثم يستبدل الفريق جهاز إرسال الضغط. وتتعرض الدفعة التالية للإنذار نفسه.

من دون منصة استخبارات مشتركة، قد يستمر التحقيق عبر الاجتماعات وجداول البيانات وعمليات البحث المنفصلة في الأنظمة. وقد تكرر عدة أقسام التحليل السابق من دون معرفة ما اكتشفه الآخرون.

تُغيّر المنصة المتكاملة سير العمل.

يبحث المشغّل عن اسم المعدة ويصف العَرَض بلغة عادية. ويُرجع النظام عدة سجلات ذات صلة. يتعلق أحد السجلات بخط إنتاج مختلف. بينما يأتي سجل آخر من تقرير انحراف في الجودة أُنشئ قبل ثمانية عشر شهرًا.

يذكر التقرير السابق أن أحد مورّدي المواد الخام غيّر نطاق اللزوجة. وظلت المادة ضمن مواصفات الشراء. لكنها أثرت في انتقال الحرارة أثناء إنتاج إحدى درجات المنتج.

أدى تغيّر منحنى درجة الحرارة إلى زيادة اللزوجة بالقرب من صمام التحكم. ثم تسببت المقاومة الأعلى في سلوك الضغط الملحوظ.

يقارن الفريق الحالي بين دفعات المواد الخام، واتجاهات درجة الحرارة، ووضعية الصمام، وبيانات الضغط. وتدعم الأدلة التفسير السابق.

يُعدّل قسم الهندسة تسلسل التسخين ضمن حدود التشغيل المعتمدة. كما تراجع المشتريات مواصفة المادة الخام مع المورّد.

يوضح هذا المثال عدة مزايا مهمة.

ربط النظام المعلومات عبر خطوط الإنتاج. ووصل بين أحد أعراض المعدات وسجل للجودة. وحدد علاقةً في العملية لم يكتشفها استكشاف الأعطال الذي يركز على المعدات.

كما منع استبدال مكوّن إضافي.

تأتي القيمة المالية من أكثر من مجرد تقصير مدة التوقف. إذ يتجنب المصنع قطع الغيار غير الضرورية، ويقلل عمالة الصيانة، ويحمي جودة المنتج، ويحسن مواصفات الشراء المستقبلية.

الشكل 3. يمكن للذكاء الاصطناعي تقديم خيارات استجابة قائمة على الأدلة من خلال ربط الأعراض الحالية بالخبرات السابقة في المصنع.

يغيّر البحث الذكي طريقة استخدام فرق الورديات للخبرة

يُعد البحث الذكي من أكثر نقاط البداية العملية للذكاء الاصطناعي الصناعي. فهو يعالج مشكلة فورية دون الحاجة إلى تحكم ذاتي.

تمتلك مؤسسات الإنتاج بالفعل سنوات من الخبرة التشغيلية. ويتمثل التحدي في استرجاع الخبرة الصحيحة عندما تكون مهمة.

يمكن لتطبيق بحث ذكي معالجة الاستعلامات المكتوبة باللغة الطبيعية. كما يمكنه تحليل علاقات المعدات، والطوابع الزمنية، ومناطق العملية، وتسلسلات الإنذارات، وسياق المستند.

يتيح ذلك للمستخدم البحث بالمعنى بدلًا من الصياغة الحرفية.

لنفترض أن موظفين اثنين وصفا الحدث نفسه بشكل مختلف. يكتب أحدهما أن الخط توقف بعد ظروف تغذية غير مستقرة، بينما يكتب الآخر أن العملية توقفت تلقائيًا عقب تذبذب ضغط الدخول.

وقد يسجل شخص ثالث أن مضخة النقل في المنبع فقدت قوة السحب.

يمكن لمنصة ذكية ربط هذه الأوصاف من خلال سياق العملية المشترك. وقد تحدد مجموعة المعدات نفسها، أو النمط الزمني نفسه، أو حالة التشغيل نفسها.

يمكن للمنصة بعد ذلك عرض الحوادث ذات الصلة وترتيبها حسب الصلة.

يكتسب الترتيب أهمية لأن قواعد البيانات الصناعية قد تحتوي على آلاف النتائج المحتملة. ولا يحتاج المستخدمون إلى كل سجل يتضمن كلمة مألوفة، بل إلى السجلات الأرجح دعمًا للقرار الحالي.

قد تشمل عوامل الترتيب المفيدة هوية المعدة، ووحدة العملية، ووضع التشغيل، والظروف البيئية، ودرجة المنتج، وتسلسل الإنذارات، وسجل الصيانة، ونتائج الإجراء التصحيحي.

وينبغي للنظام أيضًا التمييز بين الاستجابات الناجحة والمحاولات غير الناجحة.

لا تثبت ملاحظة صيانة تفيد باستبدال جهازٍ ما أن الاستبدال قد حل المشكلة. وينبغي للمنصة فحص السجلات اللاحقة وسلوك العملية.

يمنع ذلك الفرق من تكرار إجراء سابق لمجرد أنه ظهر في تقرير.

يمكن للبحث الذكي أن يكشف أيضًا عن فجوات المعرفة. فإذا احتوت حوادث كثيرة على استنتاجات غير مكتملة، يمكن للإدارة تحسين معايير إعداد التقارير. وإذا تلقت المشكلات المتطابقة أوصافًا مختلفة، فيمكن للمؤسسة تعزيز إرشادات المصطلحات.

لذلك يصبح البحث أداةً لاستكشاف الأعطال وأداةً لتحسين جودة المعرفة في آنٍ واحد.

يؤدي التعلم الآلي والبرمجة التقليدية أدوارًا مختلفة

تبدأ البرمجة التقليدية بقواعد يحددها الأشخاص. ويحدد المبرمج المدخلات، والشروط، والمخرجات المطلوبة.

تظل هذه الطريقة أساسية للوظائف الصناعية القابلة للتنبؤ. يجب أن يتبع تسلسل تشغيل المحرك منطقًا تم التحقق منه. ويجب أن تُنفَّذ وظيفة الإيقاف وفق تصميم سلامة مُختبَر.

يؤدي التعلم الآلي غرضًا مختلفًا.

بدلًا من تحديد كل علاقة يدويًا، يزوّد المهندسون الخوارزمية بالبيانات والأهداف. وتحدد الخوارزمية الأنماط التي تساعد على تمييز النتائج ذات الصلة.

على سبيل المثال، قد يفحص النموذج الاهتزاز، ودرجة الحرارة، والحمل، وظروف التزييت، وسجل الصيانة، وساعات التشغيل. وقد يحدد مجموعات مرتبطة بتدهور سابق في المعدات.

يمكن للنموذج بعد ذلك تقدير احتمال تطور حالة مماثلة.

هذه التقديرات ليست حقائق مطلقة. بل هي مخرجات احتمالية تستند إلى البيانات المتاحة.

لذلك يجب على الفرق الصناعية فهم مستوى الثقة، وحدود البيانات، ونطاقات التشغيل. فقد يضعف أداء نموذج دُرِّب أثناء الإنتاج الطبيعي خلال بدء التشغيل. وقد لا ينطبق نموذج طُوِّر لضاغط واحد على تصميم آخر.

يعتمد التعلم الآلي أيضًا على التسميات والنتائج التاريخية. فإذا صنّفت سجلات الصيانة الأعطال تصنيفًا غير صحيح، فقد يتعلم النموذج علاقات مضللة.

لهذه الأسباب، يتطلب نشر الذكاء الاصطناعي تعاونًا بين اختصاصيي البيانات وخبراء المجال.

يفهم اختصاصيو البيانات بنية النماذج، والتحقق من صحتها، ومقاييس الأداء. ويفهم مهندسو العمليات أوضاع التشغيل وتفاعلات العملية. ويفهم مختصو الصيانة آليات الأعطال. ويفهم المشغلون ما يحدث فعليًا أثناء الورديات.

لا تمتلك أي مجموعة منفردة الصورة الكاملة.

يجمع التنفيذ الفعّال هذه الرؤى معًا منذ البداية.

جودة البيانات تحدد قيمة الذكاء الاصطناعي الصناعي

البيانات متطلب أساسي للذكاء الاصطناعي. الكمية مهمة، لكن الجودة أهم.

قد يجمع المصنع ملايين نقاط البيانات مع استمرار افتقاره إلى سياق موثوق. وقد تكون قيم المستشعرات غير مكتملة. وقد تكون الطوابع الزمنية غير متسقة. وقد تختلف أسماء المعدات بين الأنظمة. وقد تحتوي أوامر العمل على أوصاف غامضة.

لا تستطيع منصة الذكاء الاصطناعي تصحيح كل نقاط الضعف الهيكلية تلقائيًا.

تبدأ جودة البيانات من أجهزة القياس. يجب أن تكون المستشعرات مناسبة للتطبيق. ويجب الحفاظ على ممارسات المعايرة. كما يجب تحديد القيم منخفضة الجودة. ويجب أن يظل تزامن الوقت متسقًا عبر الأنظمة.

البيانات السياقية مهمة بالقدر نفسه.

تكون قيمة درجة الحرارة محدودة المعنى من دون تحديد هوية المعدة، ووحدة العملية، ووضع التشغيل، ودرجة المنتج، والطابع الزمني. ويصبح الإنذار أكثر فائدة عند ربطه بأولويته، وتغيّرات حالته، والإقرار به، وظروف العملية المحيطة.

تتطلب السجلات المُدخلة يدويًا أيضًا اهتمامًا.

ينبغي أن تحدد سجلات المناوبات الأصل المتأثر ومنطقة العملية. وينبغي أن تميّز تقارير الصيانة بين الأعراض، والإجراءات، والنتائج، والأسباب المؤكدة. وينبغي أن توضّح سجلات الحوادث ما إذا كانت الإجراءات التصحيحية ناجحة.

لا تحتاج المؤسسات إلى لغة موحّدة تمامًا قبل البدء. إذ يمكن لمعالجة اللغة الطبيعية التعامل مع التباين. ومع ذلك، لا يمكن استعادة السياق المفقود بالكامل بصورة موثوقة.

ينبغي لمراجعة عملية لجاهزية البيانات أن تفحص عدة مجالات.

أولًا، ينبغي أن تحدد الأنظمة التي تحتوي على معرفة تشغيلية مفيدة. ثانيًا، ينبغي أن تقيّم إمكانية الوصول والملكية. ثالثًا، ينبغي أن تقيّم اتساق التسمية وجودة الطوابع الزمنية. رابعًا، ينبغي أن تفحص متطلبات الأمن السيبراني والاحتفاظ بالبيانات.

وينبغي أن تحدد المراجعة أيضًا المعلومات الحساسة. فقد تحتوي بعض ملاحظات الصيانة على بيانات شخصية. وقد تتضمن سجلات الإنتاج تركيبات سرية. وقد تكشف سجلات الوصول عن بُعد تفاصيل أمنية.

يجب أن تحدد حوكمة البيانات المعلومات التي يمكن لتطبيق ذكاء اصطناعي معالجتها. كما يجب أن تحدد من يمكنه الاطلاع على كل نتيجة.

لا تعيق الحوكمة القوية الابتكار. بل تضع حدودًا آمنة للنشر المستدام.

التواصل التفاعلي بين المناوبات يبني قاعدة معرفة حيّة

تعتمد عمليات المناوبات على التواصل. ويجب أن تنتقل حالات المعدات، وحدود التشغيل المؤقتة، وأنشطة الصيانة، ومخاوف الجودة، وأولويات الإنتاج من فريق إلى آخر.

غالبًا ما تؤدي السجلات الورقية وجداول البيانات المعزولة إلى فقدان المعلومات. وقد تبقى الملاحظات المهمة مع المناوبة المغادرة. وقد لا تدخل المحادثات غير الرسمية مطلقًا في سجل دائم.

يمكن لمنصة مؤسسية توفير نظرة تشغيلية عامة مشتركة. وقد تعرض أداء المصنع، وأوامر العمل النشطة، والحوادث، والتعليمات المؤقتة، والمخاطر غير المحلولة.

يمكن لفرق المناوبات تسجيل الإدخالات ضمن سير عمل رقمي متسق. ويمكن أن يتضمن كل إدخال الوقت، والمعدات، ومنطقة العملية، والأولوية، والمرفقات، ومسؤولية المتابعة.

يدعم هذا الهيكل متطلبات التدقيق. كما يجعل المعلومات قابلة للبحث.

تنمو قاعدة المعرفة مع كل إدخال مفيد. فالمشكلة التي حُلّت اليوم تصبح إرشادات لمناوبة مستقبلية.

يمكن للاستخدام بين المواقع أن يخلق قيمة إضافية. فقد تقارن شركة تدير عدة مصانع متشابهة الأحداث عبر المواقع. وقد يكون أحد المواقع قد حلّ بالفعل مشكلة تبدو جديدة في موقع آخر.

تكون هذه الإمكانية مفيدة بوجه خاص لأساطيل المعدات الموحّدة. فقد تستخدم منشآت متعددة الضاغط نفسه، أو منصة التحكم نفسها، أو المحلّل نفسه، أو نظام السلامة نفسه.

ومع ذلك، تتطلب المشاركة بين المواقع توفير السياق. فقد لا ينطبق حل من مصنع ما مباشرةً على تكوين عملية في مصنع آخر. وينبغي للمنصة أن تعرض المعلومات باعتبارها أدلة، لا تعليمات تلقائية.

تصبح عمليات تسليم المناوبات أكثر كفاءة أيضًا عندما تظل المشكلات غير المحلولة ظاهرة.

يمكن للفريق القادم معرفة الإنذارات التي حدثت، والإجراءات التي جرت محاولتها، ومهام الصيانة التي لا تزال مفتوحة. ويمكنه مراجعة اتجاهات العملية قبل تولّي المسؤولية.

يضيف البحث الذكي طبقة أخرى. إذ يمكنه تحديد عمليات تسليم سابقة تضمنت أعراضًا مشابهة. كما يمكنه إظهار استراتيجيات الاستجابة التي أنتجت نتائج مستقرة.

الهدف العام هو الاستمرارية.

ينبغي أن تظل معرفة الإنتاج متاحة عند انتقال الأشخاص بين الورديات أو الأقسام أو جهات العمل.

السياق في الوقت الفعلي يحسن الكفاءة والسلامة معًا

تصبح المعرفة التاريخية أكثر قوة عند ربطها بظروف المنشأة الحالية.

قد تحدد المنصة حادثة سابقة، لكن الحدث الحالي قد يختلف عنها بطرق مهمة. وتتيح البيانات في الوقت الفعلي للفريق مقارنة هذه الاختلافات.

على سبيل المثال، ربما حدث توقف سابق للمضخة أثناء حمل مرتفع. أما التوقف الحالي فقد يحدث أثناء بدء التشغيل. وقد يبدو تسلسل الإنذار متشابهًا، لكن سياق التشغيل يغير السبب المرجح.

يمكن للتكامل في الوقت الفعلي إظهار قيم العمليات الحالية وحالات الإنذار وتوافر المعدات ووضع الإنتاج. كما يمكنه إظهار تصاريح الصيانة النشطة أو تغييرات التكوين الأخيرة.

يقلل هذا السياق من خطر تطبيق حل قديم بشكل أعمى.

يمكن أن تنتج فوائد السلامة أيضًا عن تحسين تدفق المعلومات.

قد يتلقى المشغلون تحذيرًا مبكرًا من الظروف الآخذة في التطور. وقد تتعرف فرق الصيانة على الأعراض المتكررة قبل وصول المعدات إلى حالة حرجة. وقد يحدد المشرفون المشكلات غير المحلولة عبر ورديات متتالية.

ينبغي ألا يتجاوز الذكاء الاصطناعي إجراءات السلامة المعمول بها. بل ينبغي أن يعزز الوعي بالوضع المحيط بها.

يجب أن تظل أي توصية تؤثر في التشغيل متوافقة مع الإجراءات المعتمدة وحدود التشغيل ومتطلبات إدارة التغيير والوظائف الآلية المتعلقة بالسلامة.

ينبغي للمنصة أيضًا تحديد الحالات التي تكون فيها المعلومات غير مؤكدة. ولا ينبغي لها عرض النتائج منخفضة الثقة على أنها أسباب مؤكدة.

يساعد توضيح أوجه عدم اليقين على إجراء التحقق على النحو الصحيح.

الشكل 4. يساعد سياق التشغيل في الوقت الفعلي الفرق على تقييم التوصيات وحماية سلامة المنشأة.

بناء بنية المعلومات الكامنة وراء الذكاء الاصطناعي

يعتمد تطبيق الذكاء الاصطناعي على البنية التي تربط أنظمة المنشأة. ويجب أن تجمع هذه البنية المعلومات دون تعطيل وظائف التحكم الحرجة.

يفصل التصميم الشائع بين بيئات التحكم والتشغيل والمؤسسة عبر مناطق شبكة مُدارة. وتنتقل البيانات عبر واجهات معتمدة أو أنظمة حفظ السجلات التاريخية أو بوابات أو منصات طرفية.

تظل أنظمة التحكم مسؤولة عن التشغيل الحتمي. وتتلقى منصة الذكاء الاصطناعي بيانات محددة للتحليل والعرض.

يقلل هذا الفصل من المخاطر. كما يتيح لفرق الأمن السيبراني تطبيق ضوابط الوصول والمراقبة وقيود تدفق البيانات.

تظل موثوقية الاتصالات الصناعية مهمة في جميع أنحاء البنية. فقد تؤدي البيانات المفقودة أو البوابات غير المستقرة أو عدم اتساق مزامنة الوقت إلى تقليل دقة التحليلات.

يمكن للمؤسسات التي توسّع اتصال المصنع الاطلاع على مكونات الاتصالات والشبكات الصناعية المتاحة والمستخدمة لربط وحدات التحكم ووحدات الإدخال والإخراج البعيدة والبوابات والمنصات الإشرافية.

ينبغي أن تحدد البنية عدة مسارات للمعلومات.

ينقل مسارٌ بيانات العمليات المتسلسلة زمنيًا. وينقل مسار آخر الإنذارات والأحداث. وقد تنقل مسارات إضافية سجلات الصيانة وأوامر الإنتاج ونتائج المختبرات واتصالات المناوبات.

يجب أن يحافظ النظام على هوية المصدر. وينبغي أن يعرف المستخدمون ما إذا كانت التوصية مستمدة من بيانات المؤرخ أو أمر عمل أو ملاحظة مشغل أو مستند هندسي.

تدعم سلسلة نسب البيانات الثقة والتدقيق. كما تساعد المهندسين على التحقيق في النتائج غير الصحيحة.

قد تكون المعالجة الطرفية مفيدة عندما يكون عرض النطاق الترددي محدودًا أو عندما لا يمكن للبيانات مغادرة الموقع. وقد توفر المعالجة السحابية حوسبة قابلة للتوسع وتحليلًا مركزيًا عبر المواقع.

تستخدم العديد من المؤسسات نموذجًا هجينًا.

تحدث عملية جمع البيانات ومعالجتها المسبقة فورًا بالقرب من المصنع. ثم تُنقل المعلومات المعتمدة إلى منصة مركزية لإجراء تحليل أوسع.

يعتمد التصميم الصحيح على سياسات الأمن السيبراني ومتطلبات زمن الاستجابة وحجم البيانات والالتزامات التنظيمية واتصال الموقع.

يجب تصميم الأمن السيبراني ضمن المنصة

يزيد الذكاء الاصطناعي الصناعي من الاتصال واستخدام البيانات. ولذلك ينشئ اعتبارات إضافية للأمن السيبراني.

المبدأ الأول هو أقل قدر من الامتيازات. وينبغي ألا يحصل التطبيق التحليلي إلا على صلاحيات الوصول المطلوبة لأداء وظيفته.

قد تحتاج منصة البحث الذكي إلى صلاحية قراءة سجلات المناوبات وأوامر العمل وبيانات العمليات المحددة. لكنها عادةً لا تحتاج إلى إذن لتعديل منطق وحدات التحكم.

ينبغي لإدارة الهوية تحديد من يمكنه البحث عن المعلومات وعرضها وتصديرها وإدارتها. وقد يختلف الوصول بين المشغلين والمهندسين والمتعاقدين والمحللين المؤسسيين.

ينبغي أن تحمي تجزئة الشبكة مناطق التحكم الحرجة. وينبغي أن يستخدم نقل البيانات واجهات خاضعة للضبط. كما ينبغي أن تتبع الاتصالات عن بُعد ممارسات المصادقة والمراقبة المعتمدة.

يتطلب أمن النماذج اهتمامًا أيضًا.

قد يحاول مهاجم التلاعب بالبيانات أو تغيير معلومات التدريب أو إرسال محتوى مضلل. وقد تؤثر المستندات غير الخاضعة للضبط الجيد في نتائج البحث والتوصيات.

ينبغي للمؤسسات التحقق من الأنظمة المصدر ومراقبة التغييرات غير المعتادة. كما ينبغي لها الحفاظ على التحكم في إصدارات النماذج والمطالبات والفهارس وقواعد المعرفة.

ينبغي أن تسجّل سجلات التدقيق الإجراءات الإدارية الرئيسية. ويجب أن تعرف الفرق متى تغيّر نموذج، وما البيانات التي استُخدمت، ومن وافق على النشر.

ينبغي أن تستمر مراجعات الأمن السيبراني بعد التنفيذ. فقد تغيّر عمليات التكامل الجديدة ومصادر البيانات ومجموعات المستخدمين ملف المخاطر.

لذلك يجب أن يظل الأمن جزءًا من دورة حياة المنصة.

حوكمة المعرفة تمنع الارتباك الرقمي

يمكن للذكاء الاصطناعي استرجاع المعلومات بسرعة، لكن السرعة وحدها لا تضمن الدقة.

قد تحتوي السجلات الصناعية على إجراءات قديمة، أو استنتاجات غير مكتملة، أو حلول مؤقتة. ويجب على نظام التوصيات التمييز بين المصادر الموثوقة والمصادر غير الرسمية.

تحدد حوكمة المعرفة هذه الفروق.

ينبغي أن تحصل إجراءات التشغيل المعتمدة على حالة مختلفة عن التعليقات غير الرسمية. وينبغي أن تتمتع تقارير السبب الجذري الموثقة بموثوقية أكبر من ملاحظة مبكرة لاستكشاف الأخطاء وإصلاحها.

يمكن للمنصة عرض نوع المصدر، وحالة الاعتماد، والتاريخ، والمراجعة، والجهة المالكة. كما يمكنها تحذير المستخدمين عند انتهاء صلاحية مستند.

ينبغي للمنظمات أن تحدد كيفية تحول المعرفة الجديدة إلى معرفة موثوقة.

قد يسجل أحد المشغلين ملاحظة. وقد تحقق الهندسة فيها. وقد تؤكد الصيانة حالة المعدات. وقد يوافق المشرف على الإجراء التصحيحي النهائي.

ينبغي للمنصة أن تحافظ على هذا التسلسل.

وهذا يمنع التعامل مع كل عبارة على أنها موثوقة بالقدر نفسه.

تُعد الملاحظات ضرورية أيضًا. وينبغي أن يتمكن المستخدمون من تحديد ما إذا كانت النتيجة ذات صلة، أو قديمة، أو غير صحيحة. ويمكن لخبراء الموضوع بعد ذلك مراجعة المحتوى المتنازع عليه.

بمرور الوقت، تحسن هذه الملاحظات جودة الاسترجاع. كما تحدد المجالات التي تحتاج فيها الوثائق إلى تحسين.

ينبغي أن تظل ملكية المعرفة واضحة. ويجب أن يكون لكل مجال من مجالات العمليات، أو فئة من فئات المعدات، أو فئة من فئات الإجراءات فريق مسؤول.

من دون جهة مسؤولة، يتراكم المحتوى الرقمي من دون مراجعة. وتصبح النتيجة أرشيفًا آخر يصعب التعامل معه.

قياس القيمة التشغيلية بما يتجاوز دقة الذكاء الاصطناعي

ينبغي قياس مشروعات الذكاء الاصطناعي الصناعي من خلال النتائج التشغيلية. فالنموذج الدقيق تقنيًا تكون قيمته محدودة عندما لا يحسن العمل في المنشأة.

تعتمد القياسات المفيدة على التطبيق.

في مجال الاستجابة للحوادث، قد تتتبع المنظمات متوسط زمن تحديد المشكلة، ومتوسط زمن الإصلاح، وتكرار الأعطال المتكررة، ومدة فقدان الإنتاج.

في مجال التواصل بين الورديات، قد يتتبعون بنود التسليم غير المحلولة، والإجراءات المتأخرة، ومعلومات السجل المفقودة، وأنشطة استكشاف الأخطاء المتكررة.

في مجال دعم الصيانة، قد يتتبعون عمليات استبدال المكونات غير الضرورية، والأعمال الطارئة، وأوامر العمل المتكررة، ووقت التشخيص.

يهم أداء البحث أيضًا. ويمكن للفرق قياس مدى عثور المستخدمين على السجلات ذات الصلة، والسرعة التي يصلون بها إلى المعلومات المفيدة، وما إذا كانت التوصيات تدعم الحل النهائي.

يُعد اعتماد المستخدمين مؤشرًا مهمًا آخر.

إذا توقف المشغلون عن استخدام النظام، فينبغي للمنظمة التحقيق في السبب. قد تكون النتائج عامةً أكثر من اللازم. وقد تتداخل الواجهة مع سير العمل. وقد تكون البيانات قديمة. وربما لا يفهم المستخدمون منطق الترتيب.

لا ينبغي اعتبار انخفاض الاعتماد تلقائيًا مقاومةً للتغيير. فقد يكشف عن مشكلة في التصميم.

ينبغي أن يشمل التقييم المالي الخسائر التي تم تجنبها، وانخفاض تكاليف العمالة، وتحسن الإنتاج، وانخفاض استهلاك الصيانة. ومع ذلك، لا تتطلب كل فائدة تحويلًا ماليًا فوريًا.

كما يحقق الاحتفاظ الأفضل بالمعرفة، وتسليم المناوبات الأقوى، والقرارات الأكثر أمانًا قيمة طويلة الأجل.

ينبغي أن تجمع بطاقة الأداء المتوازن بين العوامل التقنية والتشغيلية والمالية والبشرية.

البدء بحالة استخدام صناعية محددة

تفشل برامج الذكاء الاصطناعي الكثيرة لأنها تبدأ بمنصة بدلًا من مشكلة.

تشتري شركة برمجيات متقدمة ثم تبحث عن استخدامات محتملة لها. وغالبًا ما ينتج عن هذا النهج عروض توضيحية دون قيمة تشغيلية مستدامة.

يبدأ النهج الأفضل بمشكلة متكررة في المصنع.

ينبغي أن تكون المشكلة مهمة بما يكفي لتبرير اتخاذ إجراء. كما ينبغي أن تتوفر لها معلومات تاريخية يسهل الوصول إليها وملكية تشغيلية واضحة.

تُعد أعطال المعدات المتكررة، وتسليم المناوبات الصعب، وبطء التحقيق في الحوادث، وتشتت معارف الصيانة أمثلة مناسبة.

ينبغي أن تكون للمشروع الأول حدود محددة. وقد تكفي وحدة إنتاج واحدة أو فئة واحدة من المعدات أو اضطراب متكرر واحد.

يسهّل النطاق المحدد إعداد البيانات وإشراك المستخدمين. كما يجعل قياس القيمة أسهل.

ينبغي لفريق المشروع توثيق سير العمل الحالي قبل إدخال الذكاء الاصطناعي.

كيف يتعرف الموظفون على المشكلة؟ ما الأنظمة التي يبحثون فيها؟ من يشارك؟ كم يستغرق التشخيص؟ ما السجلات المفقودة عادةً؟

يمنع هذا الخط الأساسي ادعاءات التحسن المبهمة.

يمكن للفريق بعد ذلك تصميم سير العمل المدعوم بالذكاء الاصطناعي. وينبغي أن يعرف المستخدمون موضع ظهور التوصيات، وكيفية فحص الأدلة، وكيفية تسجيل النتائج.

ينبغي أن تُجرى التجربة مع مستخدمين حقيقيين أثناء العمل المعتاد. فالاختبار المخبري وحده لا يستطيع إعادة إنتاج ضغط المناوبات أو المعلومات غير المكتملة أو الأولويات المتنافسة.

ينبغي أن تؤدي الملاحظات إلى تعديل سريع. فقد تتطلب عوامل تصفية البحث والمصطلحات والترتيب وتصميم الشاشة عدة مراجعات.

لا يتمثل الهدف في إثبات أن الذكاء الاصطناعي يعمل من حيث المبدأ، بل في تحسين عملية صناعية محددة.

خارطة طريق مرحلية لنشر المنصة في المصنع

يمكن أن يتقدم التنفيذ العملي عبر عدة مراحل للنضج.

تنشئ المرحلة الأولى سجلات رقمية. فتصبح سجلات المناوبات والحوادث وأوامر العمل متاحة عبر واجهات متسقة.

تربط المرحلة الثانية السجلات عبر الأنظمة. وتتيح هويات المعدات والطوابع الزمنية ومناطق العمليات للمستخدمين التنقل بين المعلومات ذات الصلة.

تقدم المرحلة الثالثة البحث الذكي. وتساعد معالجة اللغة الطبيعية والترتيب الدلالي المستخدمين في العثور على أحداث مماثلة.

تضيف المرحلة الرابعة توصيات سياقية. وتقارن المنصة ظروف التشغيل الحالية بالنتائج التاريخية.

تقدم المرحلة الخامسة التطبيقات التنبؤية. وتحدد النماذج الظروف الآخذة في التطور وتوفر إنذارًا مبكرًا.

قد تدعم المرحلة السادسة التحسين بحلقة مغلقة ضمن حدود معتمدة بعناية.

لا تحتاج كل مؤسسة إلى بلوغ المرحلة النهائية. فقد تكون هناك قيمة كبيرة بالفعل في تطبيقات البحث والتواصل والاستشارات.

ينبغي أن تشمل كل مرحلة الحوكمة والأمن السيبراني والتحقق وتدريب المستخدمين.

ينبغي أن يحدث التوسع فقط بعد أن تعمل المرحلة السابقة بشكل موثوق.

يقلل هذا النهج المرحلي من المخاطر التقنية. كما يتيح للقوى العاملة بناء الثقة تدريجيًا.

ينبغي لقيادة المنشأة أن توضح أن اعتماد الذكاء الاصطناعي برنامج لتحسين العمليات التشغيلية، وليس مجرد نشر لتقنية المعلومات.

يجب أن تتشارك العمليات والصيانة والهندسة والسلامة والجودة والأمن السيبراني والإدارة المسؤولية.

تدريب المشغلين على تقييم توصيات الذكاء الاصطناعي

يحتاج الموظفون إلى أكثر من تعليمات استخدام البرمجيات. فهم يحتاجون إلى فهم عملي لكيفية إنتاج التوصيات والمواضع التي قد تفشل فيها.

ينبغي أن يوضح التدريب أن الذكاء الاصطناعي يحدد الأنماط. لكنه لا يمتلك وعيًا كاملًا بالمنشأة.

ينبغي أن يتعلم المستخدمون فحص المصادر والطوابع الزمنية وسياق المعدات ومؤشرات الثقة. كما ينبغي لهم مقارنة التوصيات بظروف العملية الحالية.

يمكن لسيناريوهات التدريب استخدام حوادث تاريخية حقيقية. ويمكن للفرق مراجعة نتائج المنصة ومناقشة ما إذا كانت الأدلة المقترحة ستدعم القرار السابق.

يطوّر هذا التمرين مهارات التقييم النقدي.

وينبغي أن يعرف الموظفون أيضًا كيفية الإبلاغ عن النتائج غير الصحيحة. وتشجع عملية ملاحظات بسيطة على التحسين المستمر.

يجب على المديرين تجنب معاقبة المستخدمين على التشكيك في النظام. فالشك الصحي يحسّن السلامة.

وفي الوقت نفسه، ينبغي للفرق تجنب رفض التوصيات من دون مراجعة. فقد تحدد المنصة علاقات لا تكون واضحة على الفور.

السلوك المنشود هو التقييم المنضبط.

يفحص المشغلون الأدلة. ويؤكد المهندسون منطق العملية. ويتحقق فريق الصيانة من حالة المعدات. ثم يقرر الشخص المسؤول الإجراء.

يجمع سير العمل هذا بين سرعة الآلة وحكم الإنسان.

حماية المعرفة المتوارثة أثناء تغيّر القوى العاملة

تعتمد العديد من المنشآت الصناعية على موظفين يمتلكون عقودًا من الخبرة العملية. ويتعرف هؤلاء المتخصصون على أصوات وأنماط وظروف تشغيل دقيقة لا توثّق بالكامل.

ويهدد التقاعد والتنقل الوظيفي هذه المعرفة.

غالبًا ما يعتمد نقل المعرفة التقليدي على التوجيه غير الرسمي. وتظل هذه الطريقة قيّمة، لكنها صعبة التوسّع. كما أنها تعتمد على عمل الموظفين معًا لفترة كافية.

يمكن للمنصات الرقمية دعم نهج أكثر منهجية.

يمكن للموظفين ذوي الخبرة تسجيل تفسيرات الأحداث، ومنطق استكشاف الأعطال وإصلاحها، والعلاقات بين العمليات. ويمكن ربط المقابلات بسجلات المعدات. كما يمكن ربط الدروس بالاتجاهات التاريخية الحقيقية.

يمكن للذكاء الاصطناعي بعد ذلك أن يسهّل استرجاع هذه المعلومات.

الهدف ليس تحويل كل تجربة إلى إجراء صارم. فبعض المعارف مشروطة. ويجب أن تظل مرتبطة بالظروف التي جعلتها صالحة.

على سبيل المثال، قد لا يكون تعديل تشغيلي ما فعّالًا إلا أثناء إنتاج درجة محددة من المنتج. وقد يكون الحل البديل للصيانة مؤقتًا. وقد ينطبق نمط اهتزاز على حمل معيّن فقط.

يحمي السياق المستخدمين المستقبليين من التعميم المفرط.

ولذلك ينبغي أن يشمل التقاط المعرفة العَرَض، وحالة التشغيل، والاستدلال، والإجراء، والنتيجة، والقيود.

ينشئ هذا الهيكل ذاكرة تقنية أقوى للمؤسسة.

موضع الذكاء الاصطناعي التوليدي ضمن عمليات التشغيل

يتيح الذكاء الاصطناعي التوليدي إمكانات إضافية للمنصات الصناعية. إذ يمكنه تلخيص نشاط الوردية، وشرح العلاقات، وصياغة تقارير الحوادث، والإجابة عن الأسئلة باستخدام وثائق المصنع المعتمدة.

يمكن لهذه الوظائف تقليل الجهد الإداري. كما يمكنها مساعدة المستخدمين على التنقل في المكتبات التقنية الكبيرة.

ومع ذلك، يتطلب الناتج التوليدي ضوابط قوية.

قد ينتج نموذج اللغة عبارة مقنعة لكنها ناقصة أو غير صحيحة. لذلك يجب أن يرى المستخدمون الصناعيون المصادر الداعمة.

يوفر التوليد المعزز بالاسترجاع نهجًا مفيدًا. يسترجع النظام أولًا معلومات المصنع المعتمدة. ثم يستخدم تلك المعلومات لصياغة استجابة.

ينبغي أن تتضمن الاستجابة مراجع إلى الإجراءات، أو أوامر العمل، أو الاتجاهات، أو سجلات الحوادث. وبذلك يمكن للمستخدمين التحقق من الإجابة.

يجب ألا تعتمد الإجراءات المهمة مطلقًا على عبارة مولدة غير مدعومة.

ينبغي للمؤسسات أيضًا التحكم في الوثائق التي يمكن للنموذج استخدامها. فقد تؤدي الإجراءات الأولية، والأدلة القديمة، ومحتوى الإنترنت غير المرتبط إلى توصيات غير آمنة.

يمكن أن يدعم تسجيل المطالبات والاستجابات عمليات التدقيق. وينبغي توفير الحماية المناسبة للمعلومات الحساسة.

يعمل الذكاء الاصطناعي التوليدي بأفضل صورة كواجهة للمعرفة الموثوقة. ولا ينبغي أن يتحول إلى مصدر غير خاضع للرقابة للسلطة التقنية.

أخطاء التنفيذ الشائعة

تحد عدة أخطاء متكررة من مشروعات الذكاء الاصطناعي الصناعي.

الأول هو اختيار هدف واسع أكثر من اللازم. لا يُعد تحسين المصنع بأكمله باستخدام الذكاء الاصطناعي حالة استخدام قابلة للإدارة.

الثاني هو تجاهل جودة البيانات. لا تستطيع النماذج المتقدمة التعويض عن نقص السياق والسجلات غير الموثوقة.

الثالث هو استبعاد المشغلين. قد لا يطابق النظام المصمم دون مدخلات العاملين في الورديات سير العمل الفعلي.

الرابع هو قياس دقة النموذج فقط. تشمل القيمة التشغيلية زمن الاستجابة، ومعدل التبني، وحالات الفشل المتكررة، وفعالية الصيانة.

الخامس هو إخفاء الأدلة وراء التوصيات. يحتاج المستخدمون إلى مصادر قابلة للتتبع.

السادس هو ربط المنصة بعمق كبير قبل بناء الثقة. عادةً ما توفر التطبيقات الاستشارية نقطة بداية أكثر أمانًا.

السابع هو التعامل مع الأمن السيبراني على أنه مراجعة نهائية. تؤثر متطلبات الأمان في البنية منذ البداية.

الثامن هو عدم صيانة المنصة. يمكن أن تؤدي تغييرات المعدات وتعديلات العمليات والوثائق الجديدة إلى خفض الأداء.

التاسع هو تقديم الذكاء الاصطناعي بديلًا عن الخبرة. تثير هذه الرسالة مقاومةً وتسيء فهم الدور الأقوى للتقنية.

العاشر هو اعتبار كل إجراء تاريخي صحيحًا. تتضمن السجلات السابقة محاولات استكشاف أخطاء فاشلة وحلولًا مؤقتة.

يجب على المنصة الخاضعة لحوكمة جيدة أن تميز بين الدليل والإثبات.

مستقبل التشغيل البشري بمساعدة الآلات

ستظل صناعة العمليات تعتمد على أشخاص مؤهلين. فأنظمة الإنتاج معقدة ومتغيرة وحساسة للسلامة بدرجة لا تسمح باختفاء المسؤولية داخل خوارزمية.

ومع ذلك، لا ينبغي للأشخاص قضاء وقت ثمين في البحث داخل سجلات منفصلة أثناء الأحداث العاجلة.

يمكن للمنصات المدعومة بالذكاء الاصطناعي تقليل هذا العبء. إذ يمكنها تنظيم معرفة المصنع، وربط الأحداث التاريخية، وعرض الأدلة ذات الصلة عند الحاجة.

ستجمع الأنظمة الأكثر قيمة بين عدة قدرات.

وستلتقط الاتصالات التفاعلية بين الورديات. وستربط سياقي العمليات والصيانة. وستدعم البحث باللغة الطبيعية. وستحافظ على إمكانية تتبع المصادر. وستتعلم من ملاحظات المستخدمين.

كما ستحترم الحدود التشغيلية.

ستواصل أنظمة التحكم أداء الوظائف الحتمية. وستواصل أنظمة السلامة حماية المعدات والأفراد. وسيوفر الذكاء الاصطناعي طبقة إضافية من التحليل ودعم اتخاذ القرار.

ينشئ هذا المزيج تشغيلًا بشريًا بمساعدة الآلات.

تعالج الآلة كميات كبيرة من المعلومات. وتتعرف على العلاقات بين السجلات. وتسترجع الخبرات ذات الصلة بسرعة أكبر مما يستطيع الشخص البحث يدويًا.

يقيّم الإنسان الأدلة. ويفهم الإنسان أولويات المصنع الحالية. ويراعي الإنسان تبعات السلامة والإنتاج والصيانة والمتطلبات التنظيمية.

يمكن لهذه القدرات مجتمعة تحسين كفاءة الإنتاج دون إضعاف المساءلة.

تحويل تاريخ المصنع إلى ميزة تشغيلية

ينشئ كل مصنع للعمليات معرفة كل يوم. يلاحظ المشغلون السلوك غير الطبيعي. ويكتشف الفنيون آليات الأعطال. ويختبر المهندسون التحسينات. وينسق المشرفون الاستجابات عبر الورديات.

يختفي قدر كبير من هذه المعرفة داخل أنظمة منفصلة.

توفر منصات المؤسسات المدعومة بالذكاء الاصطناعي وسيلة للحفاظ عليها وإعادة استخدامها. فهي تحول السجلات التاريخية إلى مورد نشط لاتخاذ القرارات.

تمتد الفرصة إلى ما هو أبعد من البحث الأسرع.

يمكن للمصانع تقليل عمليات استكشاف الأخطاء وإصلاحها المتكررة. ويمكنها تحسين استمرارية العمل بين الورديات. كما يمكنها تحديد مواطن الضعف المتكررة، وتعزيز تخطيط الصيانة، والحفاظ على الخبرات أثناء تغير القوى العاملة.

كما يمكنها إنشاء علاقة أكثر اتساقًا بين البيانات والحكم البشري.

يتطلب النجاح أكثر من تثبيت البرمجيات. فهو يتطلب بيانات موثوقة من أنظمة الأتمتة، وبنية معلومات مدروسة، وضوابط للأمن السيبراني، وحوكمة للمعرفة، ومشاركة مستمرة من القوى العاملة.

ينبغي للمنظمات أن تبدأ بمشكلة تشغيلية واضحة. وينبغي لها قياس النتائج الفعلية. ولا ينبغي لها التوسع إلا بعد أن يثق المستخدمون بالنظام وبالأدلة التي يستند إليها.

مستقبل عمليات المعالجة ليس اختيارًا بين الأشخاص والآلات.

إنها شراكة منضبطة تجعل فيها الآلات المعرفة أسهل استخدامًا، بينما يظل الأشخاص مسؤولين عن المصنع.