×
تحتوي المكابس المزودة بأجهزة استشعار على أنظمة لمراقبة عوامل مختلفة أثناء التشغيل، ومنها مستويات القوة والاهتزازات وتغيرات درجة الحرارة. وتُرسل هذه القراءات مباشرةً إلى أنظمة وحدة التحكم المنطقية القابلة للبرمجة (PLC)، التي يمكنها تعديل كلٍّ من سرعة المكبس والضغط المطبق عليه فورًا تقريبًا. وعند حدوث خلل ما، تقوم برامج متخصصة بتحليل جميع هذه البيانات للبحث عن مشكلات مثل اهتراء الأدوات أو عدم انتظام المواد المستخدمة. فإذا رصدت البرنامجُ المشكلة في وقت مبكرٍ كافٍ، يتدخل النظام تلقائيًّا — وأحيانًا يقوم بتعديل القوالب أو إيقاف الإنتاج لفترة قصيرةٍ كافيةٍ لمنع حدوث مشكلات أكبر في المستقبل. وبدلًا من الانتظار حتى تتوقف الآلات تمامًا عن العمل، فإن المصانع التي تستخدم هذه الأنظمة الذكية تكتشف المشكلات المحتملة في مرحلة مبكرة جدًّا، مما يوفر عليها تكاليف توقف الإنتاج غير المخطط له والتي قد تمتد لساعات.
وفقًا لمعايير الصناعة التي وضعتها شركة SME، فإن المصانع التي تُثبِّت أجهزة الاستشعار على خطوط الختم الخاصة بها تشهد انخفاضًا في حالات التوقف المفاجئ غير المتوقَّعة بنسبة تتراوح بين ٣٥٪ و٤٢٪. وفي خط إنتاج قياسي يعمل لمدة ٢٠ ساعة يوميًّا، يُرْتَجَعُ هذا الانخفاض إلى نحو ٣٠٠ ساعة عمل إضافية سنويًّا. كما أن الفوائد المالية لا تقل إثارةً للإعجاب؛ إذ أفادت المصانع بأنها وفَّرت ما يتراوح بين ٢٠٠ ألف دولار أمريكي ونصف مليون دولار أمريكي سنويًّا ببساطة عبر تجنُّب هدر المواد، وتقليل الإصلاحات الطارئة، والحد من تلك الورديات الإضافية المكلفة. وعند النظر في التحسينات المستمرة في تدفق الإنتاج جنبًا إلى جنب مع انخفاض نفقات الصيانة، يجد معظم الشركات أن استثمارها يُحقِّق عائدًا خلال فترة تتراوح بين ستة وتسعة أشهر بعد التركيب.
إن الإنترنت الصناعي للأشياء أو IIoT يربط جميع أنواع المعدات، بما في ذلك المكابس ووحدات التغذية وأنظمة القوالب، دون أي عوائق تُذكر. وتُرسل أجهزة الاستشعار المدمجة بياناتٍ مستمرةً عن أمور مثل الاهتزازات ومستويات الحرارة والإجهاد الميكانيكي. ويمكن لمُحوِّلات الضغط اكتشاف أصغر حالات سوء المحاذاة في القوالب التدريجية قبل أن يحدث أي عطل تامٍّ بفترة طويلة. وفي الوقت نفسه، تتوقع أجهزة استشعار وحدات التغذية فعليًّا وقت بدء اهتراء الأجزاء استنادًا إلى أنماط الاستخدام. وعندما تجتمع قراءات هذه الحساسات المختلفة معًا، فإنها تسد تلك الفجوات المزعجة التي كانت تسمح عادةً بمرور المشكلات دون اكتشافها. ويُغذّي النظام بأكمله لوحات تحكم مركزية تُظهر كيفية تكامل عمل جميع المكونات عبر مختلف أجزاء خط التصنيع. ووفقًا لدراسات حديثة أُجريت في هذا المجال، فإن طاقم الإنتاج يكتشف المشكلات المحتملة أسرع بنسبة ٤٠٪ مقارنةً بالسابق.
تكتسب استراتيجيات معالجة البيانات الجيدة أهمية كبيرة عند نشر أنظمة إنترنت الأشياء الصناعي. وتتولى الحوسبة الطرفية (Edge computing) المهام الحساسة زمنيًّا، مثل تتبع قوى الضغط بدقة تصل إلى جزء من الألف من الثانية، مما يمكّن المصانع من إجراء إصلاحات سريعة أثناء دورات الإنتاج السريعة. ومن الناحية الأخرى، تُعنى منصات السحابة بالتحليلات الشاملة التي تشمل كمّاً هائلاً من بيانات الإنتاج، لاكتشاف الأنماط التي قد يستغرق ظهورها شهوراً أو حتى سنوات، مثل أعطال المعدات التي تحدث في أوقات محددة من السنة. ومع ذلك، فإن التحليل السحابي له حدوده الخاصة: إذ يتراوح التأخير بين إرسال البيانات واستلام النتائج بين ١٥٠ و٥٠٠ ملي ثانية، وهي فترة غير كافية للتدخل الفوري. ولذلك، تعتمد معظم المصانع الذكية اليوم على مزيجٍ من هذين النهجين معاً: فتتولى الأجهزة الطرفية المهام العاجلة، مثل التنبؤ بموعد الحاجة إلى صيانة الماكينات، بينما تعمل أنظمة السحابة على تحديد الأسباب الجذرية للمشكلات وتحسين نماذجها تدريجياً.
تُحقِّق خطوط ختم المعادن الآلية موثوقيةً غير مسبوقةً من خلال الذكاء الاصطناعي الذي يتوقع الأعطال قبل وقوعها.
تبحث خوارزميات التعلُّم بالتعزيز في بيانات الإنتاج الفعلية في الوقت الحقيقي وتُجرِي محاكاةً عبر آلاف العمليات المختلفة، للكشف عن المشكلات المخفية مثل انسداد المواد داخل النظام أو بدء تآكل الأدوات تدريجيًّا مع مرور الزمن. ويمكن لهذه الأنظمة الذكية بعد ذلك تعديل العوامل ذاتيًّا — كتغيير سرعة عمل المكابس، وترتيب تنفيذ المهام، وتوقيت إفلات المغذيات للأجزاء. وكل هذا يحدث بينما تواصل المصنع تشغيله بكامل طاقته. والنتيجة؟ استمرار استقرار الإنتاج حتى في حال حدوث طفرة مفاجئة في الطلبات أو ظهور علامات التقدم في العمر على الآلات. ووفقًا لاختبارات صناعية حديثة أُجريت في مواقع مصانع متعددة، أفاد المصنّعون بتخفيضٍ نسبته نحو ٢٠٪ في حالات التوقف غير المتوقَّعة بعد تطبيق هذه الحلول.
تقوم أنظمة الرؤية الحاسوبية الآن بفحص الأجزاء المُطَبَّعة بمعدلات تتجاوز ١٢٠٠ قطعة في الدقيقة في العديد من المصانع التصنيعية. وتكتشف هذه الأنظمة الذكية جميع أنواع العيوب على أسطح المكونات، مثل الشقوق والحدبات (الزَّوائد المعدنية) والأبعاد غير الطبيعية، وبدقة تصل إلى ٩٩,٤٪ تقريبًا، وذلك مباشرةً على خط الإنتاج دون إيقاف أي جزء من العملية. أما عمليات الفحص اليدوي فكانت تتطلب عادةً إيقاف الخط بشكل متكرر لأخذ عينات، لكن طرق التحقق المتصلة الجديدة تحافظ على سير العمليات بسلاسة دون أي انقطاعات لغرض الفحص النوعي. وتشير البيانات الواقعية إلى أن المصانع التي نفذت هذه التقنية حققت خفضًا في وقت توقف الفحص بنسبة تقارب الثلثين مقارنةً بالطرق التقليدية. علاوةً على ذلك، فإن هذه الأنظمة الآلية تكشف عن ما يقرب من ٤٠٪ من العيوب الإضافية التي لا يلاحظها البشر عادةً أثناء عمليات التفتيش الخاصة بهم.
يتطلب تحقيق وقت تشغيل مستدام وفعّال اتباع نهج تدريجي خطوة بخطوة. ابدأ أولاً على نطاق صغير باستخدام ماكينات ضغط مزودة بأجهزة استشعار في خطوط الإنتاج الأكثر أهمية فعلاً. ويتيح لنا هذا اختبار مدى كفاءة نظام الكشف الفوري عن الأعطال، والاطلاع بدقة على طبيعة أوقات التوقف العادية. وبمجرد أن نلاحظ انخفاضاً بنسبة 35% على الأقل في حالات التوقف غير المخطط لها (وهو ما يتوافق مع ما يتوقعه خبراء القطاع عادةً)، فإن الوقت يكون مناسباً للتوسّع. وتتمثل الخطوة التالية في دمج أنظمة التحكم المغلقة القائمة على وحدات التحكم المنطقية القابلة للبرمجة (PLC) في جميع أنظمة التغذية وأنظمة القوالب، بحيث تتفاعل جميع المكونات معاً بشكل أفضل كمنظومة واحدة. وبعد ذلك، يتم إنشاء بنية تحتية للإنترنت الصناعي للأشياء (IIoT) المصممة خصيصاً للعمليات التي تكون فيها الدقة الزمنية ذات أهمية قصوى. وأخيراً، يتم تطبيق الجدولة المدعومة بالذكاء الاصطناعي عبر المصنع بأكمله لاستخلاص أقصى قدر ممكن من الإنتاج عند ارتفاع الطلب إلى أقصى حد. ويضمن هذا النهج التدريجي الحماية من المخاطر المالية الكبيرة، مع بناء تحسينات تدريجية في الكفاءة. وعند التشغيل الكامل، ينبغي أن يؤدي هذا النهج إلى خفض تكلفة الوحدة بنسبة تزيد على 40%، والحفاظ على نسبة العيوب دون 0.1% بفضل عمليات الفحص البصري المتواصلة التي نقوم بها.
يتمثل ختم المعادن الآلي في استخدام آلات مزودة بأجهزة استشعار والذكاء الاصطناعي لمعالجة المعادن بكفاءة عبر تشكيلها أو قصّها عن طريق تطبيق ضغط باستخدام قالب.
يحسّن الإنترنت الصناعي للأشياء (IIoT) عمليات ختم المعادن من خلال ربط المعدات وأجهزة الاستشعار لتوفير بيانات فورية حول خط الإنتاج، مما يمكّن من إجراء الصيانة التنبؤية وتحسين رؤية وقت التشغيل الفعلي.
يقلل ختم المعادن الآلي من توقفات التشغيل غير المخطط لها بنسبة تصل إلى ٤٢٪، ما يؤدي إلى توفير ما يقارب ٢٠٠ ألف إلى ٥٠٠ ألف دولار أمريكي سنويًا بفضل الكفاءة المُحسَّنة، والحد من الهدر، وتقليل الإصلاحات الطارئة.
EN
