أخبار

استثمرت الشركات الصناعية بكثافة في الأتمتة وأنظمة التحكم والمؤرخين وبرامج التصنيع ومنصات المؤسسات لعقود من الزمن. ومع ذلك، عندما تحاول المنظمات توسيع نطاق العمليات القائمة على الذكاء الاصطناعي، غالبًا ما تظهر مشكلة مألوفة: التكنولوجيا متاحة، ولكن البيانات المطلوبة لجعلها مفيدة يصعب الوصول إليها وتفسيرها والثقة بها.

تعمل هذه الفجوة على تركيز الاهتمام بشكل متزايد على جاهزية بيانات OT.

في جميع أنحاء قطاعات التصنيع والطاقة والكيماويات والتعدين والمرافق والصناعات الأخرى كثيفة العمليات، يتم إنشاء البيانات التشغيلية بشكل مستمر بواسطة وحدات التحكم المنطقية القابلة للبرمجة (PLCs)، ومنصات نظام التحكم الموزع (DCS)، والمؤرخين، وأجهزة الاستشعار، وتطبيقات نظام تنفيذ التصنيع (MES)، وأنظمة الصيانة، والمعدات الميدانية. يكمن التحدي في أن هذه المعلومات نادرًا ما توجد كمورد مؤسسي متماسك واحد. وبدلاً من ذلك، يتم توزيعها عبر المصانع والأنظمة والأقسام، مع هياكل مختلفة، واتفاقيات تسمية، وسياسات وصول، ومستويات جودة البيانات.

بالنسبة للمنظمات التي تسعى لتحقيق الذكاء الاصطناعي الصناعي، يمكن أن يصبح هذا التفتت قيدًا كبيرًا.

فنموذج الصيانة التنبؤية، على سبيل المثال، قد يتطلب بيانات حالة المعدات من أجهزة الاستشعار، ومعلمات التشغيل من نظام التحكم، وسجلات الصيانة من منصة إدارة الأصول، ومعلومات الإنتاج من نظام تنفيذ التصنيع (MES). إذا لم تتمكن مجموعات البيانات هذه من الاتصال بسياق موثوق به، فإن حتى التحليلات المتطورة يمكن أن تنتج نتائج محدودة.

تصبح المشكلة أكثر وضوحًا عندما تنتقل المؤسسة من إثبات مفهوم واحد إلى مئات أو آلاف الأصول عبر مرافق متعددة.

لقد صُممت البنى الصناعية التقليدية بشكل عام حول متطلبات التشغيل الفردية. فكان المؤرخ يجمع بيانات العمليات. وكان نظام التحكم يُشغل المعدات. وكان تطبيق الصيانة يدير أوامر العمل. وكان نظام تنفيذ التصنيع (MES) يتتبع الإنتاج. لقد أدت هذه الأنظمة وظائفها الأصلية بفعالية، ولكنها لم تُصمم بالضرورة لتوفير وصول واسع وموحد إلى المعلومات التشغيلية لتطبيقات المؤسسات الحديثة.

نتيجة لذلك، اعتمدت الشركات بشكل متكرر على عمليات تكامل مخصصة واتصالات نقطة إلى نقطة.

يمكن أن ينجح هذا النهج لمشروع فردي. ولكنه يصبح أصعب بكثير في الإدارة عندما يزداد عدد التطبيقات ومصادر البيانات.

يمكن أن يتطلب كل تطبيق جديد للذكاء الاصطناعي، أو منصة تحليل، أو مبادرة رقمية، اتصالاً آخر، وعملية تحويل أخرى، واعتبار أمني آخر. وبمرور الوقت، يمكن أن تصبح البنية الناتجة مكلفة الصيانة ويصعب على فرق الهندسة وتقنية المعلومات إدارتها بشكل متزايد.

يساعد هذا في زيادة الاهتمام بـبنى البيانات الصناعية المفككة.

بدلاً من مطالبة التطبيقات بالاتصال بشكل فردي بكل مصدر تشغيلي، تعمل المنظمات بشكل متزايد على إنشاء طبقة بيانات مشتركة بين أنظمة OT ومستهلكي البيانات. يمكن أن تغذي بيئات المؤرخين ووحدات التحكم المنطقية القابلة للبرمجة (PLC) وأنظمة التحكم الموزعة (DCS) ومنصات نظام تنفيذ التصنيع (MES) وأنظمة المختبرات وتطبيقات الصيانة والمصادر التشغيلية الأخرى المعلومات في أساس مشترك.

الهدف ليس مجرد جمع المزيد من البيانات.

تأتي القيمة الأكبر من جعل تلك البيانات قابلة للاستخدام.

قد تحتاج المعلومات التشغيلية إلى التوحيد، ووضعها في سياق، وربطها بالأصول والعمليات وظروف الإنتاج التي أنتجتها. قياس درجة الحرارة له معنى محدود عند النظر إليه بمعزل عن غيره. عندما يرتبط بمضخة معينة، وخط إنتاج، وحالة تشغيل، وحدث صيانة، وحالة تاريخية، يصبح أكثر قيمة بكثير للتحليلات واتخاذ القرار.

تُعد هذه الطبقة السياقية مهمة بشكل خاص لـبرامج التحليلات التنبؤية وتطبيقات الذكاء الاصطناعي الصناعية.

لا يحتاج نموذج الذكاء الاصطناعي ببساطة إلى كميات كبيرة من المعلومات التاريخية. بل يحتاج إلى معلومات تمثل بيئة التشغيل بدقة. يمكن أن تؤدي الطوابع الزمنية المفقودة، وأسماء الأصول غير المتسقة، والسجلات المكررة، وتواريخ الصيانة غير المكتملة، أو المتغيرات العملية غير المتصلة إلى تقويض أداء النموذج حتى عندما يكون حجم البيانات الأساسي كبيرًا.

لذلك، تمثل جاهزية البيانات تحولًا في الأولويات.

لقد ركزت المؤسسات الصناعية تقليديًا على جمع البيانات وتخزينها. لكنها تتساءل بشكل متزايد: هل يمكن استهلاك البيانات بشكل موثوق به من قبل الأفراد ومنصات التحليلات وأنظمة الذكاء الاصطناعي في جميع أنحاء المؤسسة؟

يتطلب ذلك تضافر عدة قدرات.

يجب أن تكون البيانات التشغيلية متاحة دون المساس بأمن وموثوقية أنظمة الإنتاج. يجب أن يكون لها سياق متسق لكي يفهم المستخدمون عبر المصانع والأقسام نفس معلومات الأصول والعمليات. يجب أن تحدد الحوكمة كيفية إدارة البيانات والوصول إليها والثقة بها. يجب أن تظل المعلومات التاريخية متاحة جنبًا إلى جنب مع تدفقات الوقت الحقيقي المناسبة. يجب أن تكون البنية مرنة بما يكفي لدعم التقنيات التي ربما لم تكن موجودة عندما تم نشر البنية التحتية للأتمتة الأصلية.

وهنا يمكن لأساس البيانات المركزي أن يغير اقتصاديات الرقمنة الصناعية.

فبدلاً من السماح لكل تطبيق باستخراج نفس المعلومات وتنظيفها ووضعها في سياقها بشكل مستقل، يمكن تنفيذ هذه الوظائف كجزء من بنية مشتركة. يمكن بعد ذلك لتطبيقات متعددة استهلاك البيانات التشغيلية المُعدّة دون إعادة بناء طبقة التكامل الأساسية.

تمتد الفائدة إلى ما هو أبعد من مجرد الراحة.

يمكن أن يؤدي تقليل عدد الاتصالات المباشرة بين الأنظمة التشغيلية إلى تبسيط البنية العامة وربما تقليل التعرض لمخاطر الأمن السيبراني. كما يمكن أن يقلل من الجهد الهندسي المطلوب لدعم التطبيقات الجديدة. في البيئات السحابية، قد تكتسب المنظمات سيطرة أكبر على التكاليف عن طريق نقل المعلومات ذات الصلة والمُعدة سياقياً بدلاً من نقل كميات كبيرة من البيانات التشغيلية الخام بشكل مستمر.

بالنسبة للمصنعين، الآثار المترتبة كبيرة.

يمكن لأساس البيانات المشترك أن يدعم الصيانة التنبؤية، وتحسين الإنتاج، وإدارة أداء الأصول، وتحليلات الجودة، وإعداد التقارير المؤسسية من نفس المعلومات التشغيلية الأساسية. فبدلاً من التعامل مع كل مبادرة كمشروع تحول رقمي منفصل، يمكن للشركات إنشاء بنية تحتية تدعم حالات استخدام متعددة بمرور الوقت.

ينطبق المبدأ نفسه على قطاعات الطاقة والبنية التحتية.

يمكن لمشغلي النفط والغاز دمج معلومات حالة المعدات مع بيانات الإنتاج والعمليات. يمكن لشركات التعدين ربط معلومات الأسطول والمصنع والصيانة. يمكن لمولدات الطاقة الجمع بين أداء المعدات وظروف التشغيل والأحداث التاريخية. يمكن لمشغلي المياه والمرافق إنشاء رؤى تشغيلية أوسع عن طريق ربط المعلومات التي كانت تظل تقليديًا ضمن بيئات التحكم والصيانة الفردية.

المتطلب الأساسي متشابه: يجب أن تتجاوز البيانات النظام الذي تم إنشاؤها فيه في الأصل مع الاحتفاظ بالسياق الذي يجعلها ذات معنى تشغيلي.

هذا يغير أيضًا كيفية تفكير الشركات في الاستثمار في الذكاء الاصطناعي.

يُفترض عادةً أن التحدي الأساسي في برنامج الذكاء الاصطناعي هو اختيار النموذج أو المنصة الصحيحة. ومع ذلك، في البيئات الصناعية، يمكن أن يحدث العمل الهندسي الأكثر صعوبة قبل نشر النموذج. تحدد خطوط أنابيب البيانات، ونماذج الأصول، والسياق، والحوكمة، والتكامل ما إذا كان تطبيق الذكاء الاصطناعي يمكنه الوصول إلى المعلومات التي يحتاجها.

نموذج عالي القدرة يعمل ببيانات صناعية غير مكتملة أو غير جيدة السياق لن يولد تلقائيًا قرارات تشغيلية مفيدة.

على العكس من ذلك، يمكن لأساس بيانات منظم جيدًا أن يسهل إدخال تقنيات الذكاء الاصطناعي الجديدة مع نضوجها.

قد تصبح هذه المرونة إحدى أهم فوائد فصل البيانات. فلا يمكن للشركات الصناعية التنبؤ بشكل موثوق بالتطبيقات التي ستصبح ذات أهمية استراتيجية بعد عدة سنوات من الآن. اليوم قد تكون الأولوية للصيانة التنبؤية المدعومة بالذكاء الاصطناعي. غدًا قد تكون التحسين الذاتي، أو التوائم الرقمية المتقدمة، أو تحليلات الاستدامة، أو فئة تكنولوجية أخرى لم تصل بعد إلى انتشار واسع في الصناعة.

من غير المحتمل أن تكون إعادة بناء بنية بيانات OT لكل تطبيق جديد مستدامة.

يوفر أساس البيانات القابل لإعادة الاستخدام مسارًا مختلفًا. بمجرد أن تصبح المعلومات التشغيلية متاحة، ومُعدة سياقيًا، ومُدارة، يمكن للتطبيقات الجديدة أن تستهلك نفس المورد الأساسي. يمكن للمؤسسة بعد ذلك بذل المزيد من الجهد في تحسين العمليات وتقليل الجهد في إعادة بناء عمليات التكامل.

ويبرز هذا النهج أيضًا تمييزًا مهمًا بين توافر البيانات وقابلية استخدامها.

قد يُنتج مرفق صناعي ملايين نقاط البيانات يوميًا، لكن هذا لا يعني بالضرورة أن المؤسسة تمتلك أصل بيانات فعال. إذا ظلت معظم هذه القياسات محصورة داخل أنظمة فردية أو لم يكن من الممكن ربطها بشكل موثوق بالمعدات والعمليات، فإن قيمتها المؤسسية تظل محدودة.

الفرصة الحقيقية تكمن في تحويل المعلومات التشغيلية إلى مورد موثوق يمكن استخدامه خارج تطبيق الأتمتة الأصلي.

بالنسبة للقادة الصناعيين، أصبحت جاهزية البيانات بالتالي أقل من كونها مسألة ترتيب تقني وأكثر من كونها قدرة استراتيجية. فهي تربط طبقة الأتمتة بتحليلات المؤسسات والذكاء الاصطناعي والمبادرات الرقمية المستقبلية مع الحفاظ على السياق التشغيلي الذي يميز البيانات الصناعية عن معلومات المؤسسات التقليدية.

الشركات التي تنجح في توسيع نطاق الذكاء الاصطناعي الصناعي قد لا تتميز في نهاية المطاف بعدد المشاريع التجريبية للذكاء الاصطناعي التي تطلقها، بل بما إذا كانت قد بنت البنية التحتية للبيانات اللازمة لنقل تلك المشاريع التجريبية إلى العمليات اليومية.

مع استمرار المنظمات الصناعية في تحديث بيئات الأتمتة الخاصة بها، ستحدد القدرة على الوصول إلى بيانات التشغيل (OT) وفهمها وإدارتها وإعادة استخدامها بشكل متزايد مدى سرعة انتقال التطبيقات الرقمية الجديدة من التجريب إلى القيمة التشغيلية القابلة للقياس.