فابيو كافيرسان هو رئيس التكنولوجيا العالمي في ستيفانيني، يقود العروض الجديدة للمنتجات والتحول الرقمي.
سير على أرض أي منشأة تصنيع كبيرة تقريبًا، وستجد تناقضًا يختبئ في وضح النهار. تمثل المنتجات التي تخرج من خط الإنتاج أحدث ما في الهندسة وعلوم المواد، ومع ذلك كانت أنظمة التحكم التي تحكم تلك الخطوط، في كثير من الحالات، قد تم تركيبها قبل شحن أول هاتف آيفون. تعمل على أنظمة تشغيل تم التخلي عنها منذ ذلك الحين، وبرمجت بلغات قديمة وتجمعها قطع غيار أصبحت صعبة العثور عليها بشكل متزايد.
بين 50٪ و70٪ من أنظمة التحكم الصناعية حول العالم قد تجاوزت أو تقترب من ماركة الـ 20 عامًا. التوقف غير المخطط عليه يكلف الآن الشركات المصنعة في المتوسط 260,000 دولار في الساعة, مع القطاعات الرأسمالية التي تتحمل خسائر تصل إلى الملايين.
لم يتم تصميم المنصات القديمة وفقًا لحماية الأمن السيبراني الحديثة، مما تركها عرضة للاختراقات مثل برامج الفدية. نظرًا لأن هذه الهياكل القديمة لا يمكن أن تتفاعل مع بنية IIoT أو أدوات التحليلات المتقدمة، قد لا تكون الشركات المصنعة قادرة أيضًا على تحويل بيانات المصنع إلى ذكاء تشغيلي.
إعادة كتابة دليل الهجرة
كان المسار التقليدي لترقية نظام التحكم القديم دائمًا يدويًا، بطيئًا ومكلفًا. يدرس المهندسون الشيفرة الحالية التي تعمل على نظام PLC أو SCADA، يفسرون ما تفعله كل تعليمات ويعيدون كتابة البرنامج بالكامل للمنصة المستهدفة. يمكن أن تحرق منشأة كبيرة بها مئات نقاط التحكم شهورًا من وقت الهندسة على التحويل وحده، وتضيف المخاطر من إدخال أخطاء أثناء الترجمة اليدوية إلى التكلفة والتأخيرات في كل مرحلة.
لقد أعادت أدوات الذكاء الاصطناعي المصممة خصيصًا للتكنولوجيا التشغيلية تشكيل هذه العملية. يمكن للمنصات من الجيل الحالي استيعاب الشيفرة القديمة لنظام PLC، وترجمتها إلى تنسيق وسيط محايد للبائع، وتدقيقها بحثًا عن أخطاء منطقية وتوليد شيفرة مكافئة للنظام الجديد، بينما تنتج في الوقت نفسه وثائق، وأشكال شبكة وقوائم I/O كانت تتطلب سابقًا مسارات هندسية مخصصة.
بعض هذه المنصات تشمل أيضًا شروح للشيفرات التي تصف المنطق القديم بلغة بسيطة، ومدققات شيفرات تشير إلى التناقضات ومتجهات PLC التي تتعامل مع الترجمة عبر هياكل البائع. في مشاريع التحديث الواسعة النطاق، قد قلل هذا النهج من الجداول الزمنية إلى النصف أو أكثر مقارنة بالطرق التقليدية، مع تضخيم المكاسب بشكل نسبي مع زيادة حجم المصنع وتعقيده.
تمتد تحسينات الكفاءة أيضًا عبر دورة حياة الهندسة الأوسع، حيث تسفر التطبيقات الرائدة عن مكاسب كبيرة عبر التصميم، والترميز، والاختبار وعمليات الوثائق. المهام التي كانت تتطلب سابقًا مسارات عمل منفصلة تستغرق وقتًا طويلًا يمكن الآن تنفيذها بالتوازي أو أتمتتها بالكامل، مما يقلل من الجهد واحتمالية الخطأ البشري. يصبح المهندسون قادرين على الانتقال من التصميم الأولي إلى التحقق والنشر بسرعة أكبر بكثير وثبات، لا سيما في البيئات واسعة النطاق حيث تتزايد التعقيدات بسرعة. تُستخدم نماذج التعلم الآلي أيضًا لتسريع عملية التصعيد بعد الهجرة، مما يضغط الوقت المطلوب لإعادة المنشأة الحديثة إلى القدرة الإنتاجية الكاملة.
تعتبر مرونة البائع جزءًا كبيرًا من هذه المعادلة التي لا تحظى بالاهتمام الكافي. تتيح الأدوات التي تعمل عبر المنصات للشركات تقييم أي التكنولوجيا تناسب كل بيئة إنتاج بناءً على التكلفة، والقدرة ومتطلبات العملية بدلاً من الاعتماد على أي موحد لديه علاقة مفضلة مع البائع.
ماذا يحدث عندما يتوقف خط الإنتاج
توقف الإنتاج على خط تصنيع حديث يبدأ سلسلة تكاليف معتمدة. يسجل المشغل الحدث، يتواصل مع الصيانة ثم ينتظر وصولهم. يقضي الفني بعد ذلك حصة غير متناسبة من إجمالي وقت الاستجابة في التشخيص، قبل أن يمكن وضع أي خطة عمل تصحيحية.
تقوم المساعدات الافتراضية المصممة لنشرها في أرضية المصنع بإعادة هيكلة تلك السلسلة من خلال تزويد المشغلين ببيانات مستمرة، في الوقت الحقيقي عن حالة النظام وظهور الأسباب الجذرية المحتملة في اللحظة التي يتم فيها تسجيل أي انحراف. لا يزال يتطلب الإصلاح الفيزيائي يد الفني، ولكن هذه الأدوات تقلل من العمل الاستقصائي الذي كان يسهم سابقًا في ساعات التوقف.
عند تجميعها عبر كل توقف غير مخطط له على كل خط خلال ربع مالي، يتحول زمن الإنتاج المستعاد إلى مكاسب إنتاجية تسجل بوضوح في بيان الأرباح.
المقياس الذي يتجاهله معظم الشركات المصنعة
أصبحت فعالية المعدات العامة (OEE) في مركز قياس أداء التصنيع لأكثر من أربعة عقود. إنها تلخص توافر الإنتاج، والجودة في مؤشر واحد عن مدى كفاءة أداء المصنع أو قطعة المعدات.
تتحدث قوتها لأطول فترة عن فائدتها، مما يجعل من المثير للاهتمام أن جزءًا كبيرًا من هذا القطاع لا يزال يفشل في تتبع OEE بأي جدية. بدون تلك الانضباط، يصبح كل استثمار في التحديث رهانًا موضوعًا دون لوحة تسجيل.
لقد خفض الذكاء الاصطناعي التكلفة الإدارية للحفاظ على تلك اللوحة بشكل كبير. يمكن الآن التقاط تصنيفات التوقف التي كانت تتطلب من مشغل التوقف، وتقييم، وتسجيل سبب كل حدث يدويًا دون تدخل بشري. تدخل أوقات الدورة، وحجم الإنتاج ومؤشرات الجودة في حسابات OEE باستمرار، بغض النظر عما إذا كانت الفرق الفردية لديها القدرة أو الثبات لتسجيلها يدويًا. تصبح البيانات أكثر تفصيلًا وأيضًا أكثر موثوقية، مما ي sharpen كل قرار لاحق تسترشد به.
تشغل التصنيع أيضًا وضعًا غير عادي مقارنة بالصناعات الأخرى عندما يتعلق الأمر بالتحقق من إنفاق الذكاء الاصطناعي، لأن العوائد تظهر في وحدات يمكن أن تقوم فرق التمويل بمراجعتها مباشرة، مثل الإنتاج الإضافي لكل وردية، والتوافر المستعاد لكل فترة تقارير وانخفاضات سنوية في تكلفة الصيانة مقارنة بأساس موثق. بناء الحالة التجارية قبل النشر يحول التحديث من مقامرة رأسمالية إلى تجربة مسيطر عليها مع نتائج يمكن التحقق منها.
لماذا تتفوق الخبرة على الخوارزميات
حتى أكثر أدوات الذكاء الاصطناعي تطورًا في العالم ستؤدي بشكل أقل من المستوى إذا كان الفريق الذي ينشرها لا يفهم السياق التشغيلي. كيف يتفاعل المشغلون مع المعدات تحت الضغط؟ كيف تعطي فرق الصيانة الأولوية للمطالب المتنافسة؟ كيف تتسلسل أوقات التوقف عبر خطوط الإنتاج المترابطة؟ هذه هي الإجابات التي لا يمكن لأي خوارزمية تكرارها ولا يمكن لأي كمية من بيانات المستشعر أن تحل محلها.
تميل الشركات المصنعة التي يمكن أن تحافظ على المساءلة عبر دورة الحياة الكاملة، بدلاً من تمريرها بين المستشارين والمنفذين، إلى تقديم برامج تظل ضمن الجدول الزمني والميزانية.
انتهت فترة السماح للتعامل مع أنظمة التحكم القديمة. لقد جعل الذكاء الاصطناعي من التحديث أسرع وأقل تكلفة وأكثر قابلية للقياس من أي وقت مضى عندما يتم دمجه مع الخبرة في التصنيع ومدعومًا بحالات تجارية مدعومة بالبيانات.
ستحدد الشركات المصنعة التي تتبنى اعتماد الذكاء الاصطناعي الآن الشروط التنافسية للسنوات العشر القادمة. أما الشركات التي لا تزال تناقش ما إذا كانت أنظمتها التي يعود عمرها 20 عامًا يمكن أن تصمد لفترة أطول قليلاً، فهي تضع رهانًا متزايد المخاطر.
مجلس تكنولوجيا فوربس هو مجتمع بموجب دعوة فقط للمديرين التنفيذيين على مستوى عالمي. هل أؤهل؟
