أخبار

تطورت استراتيجية سيمنز للذكاء الاصطناعي الصناعي من إظهار المفهوم إلى النشر الإنتاجي، مما يمثل نقطة تحول حاسمة لصناعة الأتمتة. وقد أظهرت إعلانات الشركة في معرض CES 2026 قدرات الذكاء الاصطناعي المتقدمة التي يتم التحقق منها الآن في بيئات التصنيع الواقعية عبر قطاعات السيارات والأدوية والسلع الاستهلاكية. يمثل هذا الانتقال من المختبر إلى أرض المصنع تحولًا جوهريًا في كيفية تعامل الصناعات العملية مع التحسين ومراقبة الجودة والصيانة التنبؤية.

يرتكز نهج سيمنز للذكاء الاصطناعي على الجمع بين الخبرة الخاصة بالمجال وخوارزميات التعلم الآلي المدربة على بيانات التشغيل الصناعية. على عكس منصات الذكاء الاصطناعي العامة التي تتطلب تخصيصًا واسعًا، تستفيد حلول سيمنز من نماذج مدربة مسبقًا تفهم فيزياء التصنيع وأنماط سلوك المعدات وديناميكيات العمليات. يقلل دمج المعرفة بالمجال هذا من وقت النشر من أشهر إلى أسابيع مع تحسين دقة التنبؤ للتطبيقات الحيوية مثل التنبؤ بفشل المعدات واكتشاف انحراف الجودة.

تُظهر عمليات النشر الأخيرة تأثيرًا تجاريًا قابلًا للقياس. فقد أبلغت شركة أوروبية لتصنيع السيارات عن انخفاض بنسبة 23% في وقت التوقف غير المخطط له بعد تطبيق منصة سيمنز للصيانة التنبؤية عبر خطوط التجميع الخاصة بها. يحلل النظام توقيعات الاهتزازات وملامح درجة الحرارة وأنماط استهلاك الطاقة من وحدات معالجة مركزية وإدخال/إخراج سيمنز لتحديد اتجاهات التدهور قبل أسابيع من حدوث الأعطال. يمكن لفرق الصيانة الآن جدولة التدخلات خلال فترات التوقف المخطط لها للإنتاج بدلاً من الاستجابة للأعطال الطارئة التي توقف تسلسلات الإنتاج بأكملها.

تظهر تطبيقات مراقبة الجودة نتائج مقنعة بنفس القدر. تحقق شركات الأدوية التي تستخدم أنظمة الرؤية الحاسوبية من سيمنز معدلات اكتشاف عيوب تتجاوز 99.5% مع تقليل معدلات الرفض الخاطئ بنسبة 40% مقارنةً بطرق الفحص التقليدية القائمة على القواعد. تتعلم نماذج الذكاء الاصطناعي باستمرار من ملاحظات المشغلين، وتتكيف مع اختلافات المنتج وانحرافات العمليات دون الحاجة إلى إعادة برمجة يدوية. تصبح هذه القدرة على التحسين الذاتي ذات قيمة متزايدة حيث يواجه المصنعون دورات حياة أقصر للمنتج وتغييرات أكثر تكرارًا.

تختلف متطلبات البنية التحتية للذكاء الاصطناعي الصناعي اختلافًا كبيرًا عن تطبيقات المستهلك. تعالج معماريات الحوسبة الطرفية البيانات محليًا في مواقع الإنتاج، مما يضمن أوقات استجابة في أجزاء من الثانية لقرارات التحكم الحيوية مع الحفاظ على الاتصال بالمنصات السحابية لتدريب النماذج والتحليلات على مستوى الأسطول. يؤكد نهج سيمنز على عمليات النشر الهجينة التي توازن بين الاستقلالية المحلية والذكاء المركزي، مما يمكّن المنشآت من العمل بشكل مستقل أثناء انقطاع الشبكة مع المساهمة في مبادرات التعلم على مستوى المؤسسة.

يظل دمج القوى العاملة عاملاً حاسمًا للنجاح. تتضمن استراتيجية سيمنز برامج تدريب شاملة تزود فنيي الصيانة ومهندسي العمليات والمشغلين بالمهارات اللازمة لتفسير توصيات الذكاء الاصطناعي، والتحقق من صحة التنبؤات مقابل الملاحظات المادية، وتجاوز القرارات الآلية عندما تشير المعرفة السياقية إلى إجراءات بديلة. يبني هذا النهج الذي يضع الإنسان في دائرة القرار الثقة في أنظمة الذكاء الاصطناعي مع الحفاظ على خبرة المشغل التي لا يمكن التقاطها بالكامل في النماذج الخوارزمية.

بالنظر إلى المستقبل، تركز خارطة طريق سيمنز على العمليات المستقلة حيث تقوم أنظمة الذكاء الاصطناعي بإجراء تعديلات روتينية دون تدخل بشري بينما تصعد الحالات الاستثنائية إلى صناع القرار البشري. تتطور منصات أتمتة سيمنز لدعم هذا النموذج من خلال ميزات قابلية التفسير المحسنة التي توفر تبريرًا شفافًا للتوصيات التي ينشئها الذكاء الاصطناعي، مما يمكّن المشغلين من فهم القرارات الآلية والتحقق من صحتها قبل أن تؤثر على عمليات الإنتاج.

كتبته: الدكتورة إيلينا رودريغيز، أخصائية الذكاء الاصطناعي الصناعي بخبرة 12 عامًا في تطبيق حلول التعلم الآلي في التصنيع المنفصل والعمليات. تحمل إيلينا درجة الدكتوراه في هندسة أنظمة التحكم وقادت مبادرات التحول الرقمي عبر صناعات السيارات والأغذية والمشروبات والكيماويات.