تواجه شركات التصنيع تحديًا يتجاوز حفظ الوثائق، إذ قد تعتمد أعمال الصيانة على العثور بدقة على رسم هندسي أُعدّ قبل عقود. وفي حالة شركة كوكِن إندستريز اليابانية، يمتد أرشيف رسومات أبراج التبريد إلى أكثر من 70 عامًا، ما جعل الوصول إلى الوثيقة المناسبة جزءًا مؤثرًا من زمن الإصلاح نفسه.
تفاصيل الخبر
تحتاج الشركة إلى هذه الرسومات عند استبدال قطع في أبراج تبريد قديمة، لأن القطعة الحديثة لا تكون متوافقة دائمًا مع تصميم سبق تخصيصه لعميل أو موقع بعينه. وقد تتشابه أسماء الطرازات وأرقام الأجزاء رغم اختلاف المواصفات، لذلك لا يكفي البحث بكلمة عامة أو رقم منفرد للوصول إلى المخطط الصحيح.
قبل تطوير النظام الجديد، كان المهندسون يعتمدون على معرفة الموظفين ذوي الخبرة بمواقع الملفات وطريقة قراءة الرسومات. وبحسب الشركة، كان البحث يستغرق قرابة ساعة بعد رقمنة الأرشيف، بينما احتاج البحث في النسخ الورقية سابقًا إلى وقت أطول قد يصل في بعض الحالات إلى نصف يوم.
عملت كوكِن مع شركة ريكيرسيف اليابانية المتخصصة في الذكاء الاصطناعي لبناء نظام بحث وتطبيق ميداني يستند إلى واجهة برمجة تطبيقات للذكاء الاصطناعي. واختبر الفريق نماذج متعددة على مجموعة من الرسومات، مع مقارنة قدرتها على استخراج التفاصيل بتكلفة تشغيلها، قبل اختيار النموذج الذي رأى أنه يحقق التوازن المطلوب.
يستطيع المهندس إدخال رقم جزء أو رسم، كما يمكنه رفع صورة أو ملف بصيغة PDF. وعند تحميل لقطة شاشة لقائمة أجزاء، يقرأ النظام الأرقام ويقترح رسومات مطابقة أو قريبة، ثم يراجع المهندس المواصفات وسجل الاستبدالات وبيانات البرج قبل اعتماد النتيجة النهائية. وهذا يبقي القرار الفني بيد المختص بدل تحويل البحث الآلي إلى بديل عن التحقق الهندسي.
تقول كوكِن إن متوسط الوصول إلى الرسم المطلوب انخفض إلى نحو 4.5 دقائق، مع توقع تقليص ساعات البحث السنوية بحوالي 90%. ولا يقتصر الأثر على تسريع الصيانة؛ فالوقت الذي يوفره المهندسون ذوو الخبرة يمكن أن يذهب إلى تدريب الزملاء الأصغر سنًا، بينما يحصل المهندسون الجدد على فرصة أكبر لإنجاز مهامهم باستقلالية.
يمتد الاستخدام المقترح إلى مرحلة أخرى من دورة العمل، إذ تطور الشركة نموذجًا لفحص الرسومات التي يعدها شركاؤها ومقارنتها بالمواصفات. ويهدف النظام إلى رصد الفروق في التفاصيل أو الكميات، وقد أظهرت الاختبارات الأولية أن نحو 90% من التنبيهات التي قدمها النموذج كانت تشير إلى اختلافات حقيقية، وفق ما أعلنته الشركة.
تكشف التجربة عن مسار عملي لاستخدام الذكاء الاصطناعي في التصنيع، حيث لا تكون القيمة الأساسية في إنشاء تصميم جديد، بل في جعل المعرفة المتراكمة قابلة للعثور عليها والاستفادة منها. ومع ذلك، تظل دقة النتائج مرتبطة بجودة الأرشيف، وتنوع الرسومات، ومراجعة المهندسين للوثائق المقترحة قبل استخدامها في أعمال الصيانة أو التصنيع.
هل ترى أن البحث بالصور والذكاء الاصطناعي يمكن أن يساعد فعليًا في حفظ خبرات المهندسين داخل شركتك؟
هل ستثق بنتائج بحث الذكاء الاصطناعي في وثائق الصيانة، أم تفضّل مراجعة كل ملف يدويًا؟
شاركنا رأيك في التعليقات



التعليقات
٠كن أول من يشارك رأيه في هذا الخبر.