مشروعٌ بحثي ينجح في تشخيص أعطال آلات العمليات الصناعية باستخدام الذّكاء الاصطناعي
وهج الخليج – مسقط
نجح فريقٌ بحثيٌ في تطوير نظام الصيانة التشخيصي لآلات العمليات الصناعية بأنظمة الذكاء الاصطناعي يهدف إلى كشف تغييرات التشغيل وتشخيص عيوب الآلات والتنبؤ بها في البيئة الصناعية باستخدام مؤشرات الأداء الرئيسة بالإضافة إلى طرق الذكاء الاصطناعي (AI).
وقال الباحث الدكتور معمّر بن علي التوبي أستاذ مساعد في كلية الهندسة ونائب رئيس قسم الهندسة الميكانيكية والصناعية بالجامعة الوطنية للعلوم والتكنولوجيا رئيس الفريق البحثي لوكالة الأنباء العُمانية إنّ الشركات المصنّعة في بيئة الصناعة الحالية تواجه تحديًّا في تلبية الطلب المتزايد على الإنتاج باستخدام الآلات والمعدات الحالية، مع الحفاظ على تخفيض تكاليف التشغيل والصيانة.
وذكر أنّ العطل غير المخطط له للمعدات وعمليات التصنيع يُعدُّ مصاحبًا لتكاليف مالية تؤثر سلبًا على سير الإنتاجية، حيث تشهد صيانة المعدات الإنتاجية والتشغيلية تغيُّرات مهمة وسريعة، مما يؤكّد على أهمية وجود تقنيات فاعلة لمراقبة وإدارة الصيانة.
وحول المشروع وضّح أنّ الفريق البحثي قام بتطبيق نهج جديد في تشخيص الأخطاء وتقدير فشل مكونات الآلات الميكانيكية والأعطال الموجودة بها، ويقدم هذا العمل تحليلًا لعدد من الأعطال الميكانيكية (مثل الأعطال المتعلقة بعدم التوازن، وعدم المحاذاة).
وبيّن أنّ التحكم القائم على حالة المعدات والآلات الصناعية هو أداة مهمة جدًا لضمان التشغيل الخالي من الأعطال عن طريق تقييم صحة الآلات وتشخيص المصدر المحتمل للعطل، مؤكّدًا على إمكانية استخدام بيانات المراقبة التشخيصية القائمة على أنظمة الذكاء الاصطناعي بفاعلية التنبؤ بالفترة التشغيلية المتبقية للآلة لتمكين المؤسسات والشركات الصناعية من التخطيط للصيانة مُسبقًا.
وقال إنّ دمج نظام معالجة الإشارات الحديث وكشف الأخطاء التلقائي باستخدام تعلم الآلة عبر نماذج الذكاء الاصطناعي يُعدُّ واحدًا من الاتجاهات الناشئة في تشخيص الآلات الميكانيكية.
وأضاف أنّ المشروع البحثي يؤكد على أهمية دمج طرق الذكاء الاصطناعي في الصناعة لاسيما في مراقبة حالة الآلات، وضرورة العمل على دراسات مستقبلية تستخدم طرقًا أكثر تطورًا مثل طرق التحسين وطرق اختيار السمات لتحسين إجراءات تشخيص الآلات.
يُذكر أنّ المشروع البحثي جاء بتمويل من وزارة التعليم العالي والبحث العلمي والابتكار ضمن برنامج دعم البحوث المؤسسي المبني على الكفاءة.
