AI ఒక ఫ్యాక్టరీని అర్థం చేసుకోకుండా ఎందుకు ఆప్టిమైజ్ చేయలేదు

ماشين يتوقف في منتصف الإنتاج. يعرف نظام ERP طلبات العملاء وتواريخ التسليم، ويعرف نظام MES العملية التي توقفت، ويعرف قسم الصيانة حالة الإصلاح، وتعرف طبقة الماكينة رمز العطل والطابع الزمني الدقيق. ثم يسأل أحدهم السؤال البديهي: ماذا يجب أن نفعل الآن؟

يستطيع الذكاء الاصطناعي تلخيص الإنذار، والعثور على أنماط في أعطال الماضي، وشرح ما حدث على الأرجح. لكن ما لم يفهم أيضاً المنتج الذي كان قيد التشغيل، والطلبات التي تعتمد على تلك العملية، والماكينات البديلة المعتمدة، والأدوات المتاحة، والمشغلين المؤهلين، وقواعد الجودة وعمليات التصنيع المطبقة، فلن يستطيع تحسين الاستجابة بشكل آمن.
وهذه ليست مشكلة في الذكاء الاصطناعي بالدرجة الأولى، بل مشكلة في سياق المصنع.

البيانات ليست هي السياق
تنتج المصانع بالفعل كميات هائلة من البيانات. فأنظمة ERP وMES والصيانة والجودة والمؤرخات (historians) وPLCs ومنصات إنترنت الأشياء والجداول الإلكترونية تحتوي كلها على حقائق مفيدة.
لكن المشكلة أن تلك الحقائق غالباً ما تبقى منفصلة عن بعضها.
فرمز توقف الماكينة وحده لا يخبرك إن كان الحدث قد وقع أثناء الإنتاج أو تغيير الإعداد أو الصيانة أو في دفعة لها نافذة معالجة صارمة. وقد تبدو الماكينة خاملة بينما هي عملياً غير صالحة للاستخدام لأن التركيبة (fixture) المطلوبة غير متوفرة أو لأن المشغل المؤهل ليس في نوبة العمل.
السياق هو ما يربط الحدث بالوضع التشغيلي المحيط به.

ويشمل ذلك:

• هوية الأصل والمورد
• العملية الجارية وأمر العمل
• المنتج والمراجعة (revision)
• المسار والمسارات البديلة
• حالة المواد والدفعات
• الأدوات والتركيبات
• المهارات وتغطية الورديات
• قيود الجودة
• حالة الصيانة
• السعة والتبعيات اللاحقة
• التزامات العملاء

لماذا لا تكفي لوحات المتابعة
تعد Power BI ولوحات المتابعة التشغيلية ممتازة في إظهار ما تغير. فهي تكشف أوقات التوقف، والطوابير المتزايدة، والطلبات المتأخرة، والهالك، والسعة المتاحة.

لكن عرض المشكلة يختلف عن تحديد ما يجب أن يفعله الإنتاج بعد ذلك.
قد تُظهر لوحة المتابعة أن ماكينة أخرى متاحة. لكنها لا تعرف تلقائياً ما إذا كانت هذه الماكينة معتمدة للمراجعة الحالية للمنتج، أو ما إذا كانت التركيبة محجوزة بالفعل، أو ما إذا كان على الجودة أن توافق على النقل، أو ما إذا كان نقل العمل سيخلق عنق زجاجة جديداً في المرحلة اللاحقة.

وعندما تبدأ التقارير في احتواء عشرات الحسابات الخاصة، ويضطر المخططون إلى تصدير النتيجة إلى Excel لاختبار البدائل، يكون الغائب عادةً ليس مزيداً من التصورات البيانية، بل نموذج صريح لقواعد المصنع التي تقوم عليها القرارات.

التنبؤ ليس تحسيناً
يستطيع التنبؤ أن يخبرك بأن ماكينة من المرجح أن تتعطل، أو بأن طلباً له احتمال مرتفع للتأخر.
وهذا مفيد، لكنه لا يخبرك بما يجب فعله.
أما التحسين فله مهمة مختلفة. إذ يقيّم الإجراءات المحتملة مقابل قواعد المصنع وقيوده.

فعلى سبيل المثال، بعد عطل في ماكينة، قد يختبر المُحسِّن ما إذا كان العمل المتأثر يمكن أن يبقى على المورد الأصلي، أو ينتقل إلى ماكينة بديلة معتمدة، أو يغير التسلسل، أو يستخدم العمل الإضافي.
ولا بد أن تحترم الخطة القابلة للتنفيذ الظروف الفعلية.
فحدود السلامة، واعتمادات العمليات، وتوافق المواد، وشهادات المشغلين، والأدوات، وقيود الجودة، ونوافذ الصيانة، وقواعد التسلسل، لا يمكن أن تختفي لمجرد أن ماكينة أخرى تبدو فارغة.

الذكاء الاصطناعي والتحسين والقواعد لها وظائف مختلفة
يستطيع الذكاء الاصطناعي التوليدي مساعدة المخططين على فهم الوضع، والبحث في المعلومات المترابطة، ومقارنة البدائل، وشرح المفاضلات، وإعداد تسليم مفيد للوردية التالية.
وتستطيع النماذج التنبؤية تقدير المخاطر.
ويستطيع محركات التحسين البحث عن جداول زمنية قابلة للتنفيذ.
وتستطيع القواعد الحتمية التحقق من أن الإجراء المقترح يحترم شروط الإنتاج المعروفة.
يمكن لهذه المكونات أن تعمل معاً، لكن لا ينبغي الخلط بينها.
فنموذج اللغة قد ينتج شرحاً مقنعاً، لكن ذلك لا يثبت أن خطة الإنتاج قابلة للتنفيذ.

المنتج والعملية والمورد
يبدأ النموذج المفيد للمصنع بثلاثية المنتج والعملية والمورد.
المنتج يصف ما يُصنع، بما في ذلك المراجعة والمادة وقواعد الدفعات والمتطلبات الخاصة بالعميل.

العملية تصف العمليات والتسلسل وشروط الإعداد والفحوص والمسارات البديلة والقواعد المطلوبة لتصنيعه.

المورد يصف ما يمكنه تنفيذ هذا العمل. فالمورد قد يكون ماكينة أو أداة أو تركيبة أو فرناً أو محطة اختبار أو جهاز نقل أو شخصاً.
والجزء المهم هو العلاقة بينها.

السؤال ليس:
"أي ماكينة فارغة؟"

السؤال المفيد هو:
"أي مورد متاح يستطيع تنفيذ العملية المطلوبة التالية لهذا المنتج وهذا الطلب بالتحديد، وفق العملية المعتمدة والأدوات والمواد والجودة والتوظيف والتوقيت؟"

رسوم المعرفة البيانية دون مبالغة
تتيح الرسوم البيانية المعرفية (knowledge graph) طريقة لتمثيل هذه العلاقات المترابطة في المصنع.
فبدلاً من تخزين الماكينات والعمليات والطلبات والأدوات والمواد كسجلات معزولة، يمثل الرسم البياني أيضاً العلاقات بينها.

يستطيع الماكينة أن تنفذ عملية. وتنتمي العملية إلى مسار. ويتبع المسار مراجعة منتج. ويتطلب أمر العمل ذلك المسار. وقد تكون تركيبة معينة مطلوبة للعملية. وقد تكون تلك التركيبة ملتزمة حالياً بعمل آخر.

هذا يجعل الإجابة عن أسئلة مثل "لماذا لا يمكن نقل هذا الطلب إلى الماكينة 7؟" أسهل بكثير في الشرح.
والإجابة لا ينبغي أن تكون ببساطة "غير قابل للتنفيذ".

بل ينبغي أن توضح أن الماكينة 7 تدعم العملية، لكن التركيبة المطلوبة غير متاحة، أو أن مراجعة المنتج تفتقر إلى الاعتماد، أو أن شرط جودة في المرحلة اللاحقة يمنع المسار.

التوأم الرقمي يحتاج إلى مهمة
لوحة المتابعة الحية ليست تلقائياً توأماً رقمياً.
فالتوأم المفيد يمثل جزءاً محدداً من العملية المادية، ويربط البنية والحالة والقواعد والبيانات المصدرية حول غرض معين.

قد يدعم توأم الأصل قرارات الصيانة.
وقد يساعد توأم الخط في فهم التدفق والاختناقات.
وقد يربط توأم نظام الإنتاج حالة المعدات بالطلبات والمسارات والمواد والأشخاص وقواعد الجودة وتعهدات التسليم.

والسؤال المهم ليس "هل لدينا توأم رقمي؟"
بل "أي مستخدم وأي قرار وأي نافذة زمنية يدعم هذا التوأم؟"

هوية الأصل أساسية
قد يكون لماكينة مادية واحدة عدة هويات.
فقد تستخدم الصيانة رقم أصل، ويستخدم MES مورداً إنتاجياً، ويستخدم ERP مركز عمل، وترى طبقة إنترنت الأشياء مسار وحدة تحكم أو وسماً (tag).

ولا يلزم أن تختفي تلك المعرفات، لكن علاقاتها يجب أن تكون خاضعة للحوكمة.
فإذا خمّن نظام ذكاء اصطناعي أن اسمي ماكينتين متشابهتين يمثلان الأصل المادي نفسه، فقد يكون كل قرار لاحق خاطئاً حتى لو كانت البيانات الأساسية نظيفة من الناحية التقنية.
لذلك تحتاج مطابقات الأصول إلى مالك، وتواريخ سريان، ومراجع مصدرية، وإدارة للتغيير.

القيود جزء من البيانات
قد يكون المسار ممكناً تقنياً ومع ذلك غير مقبول للإنتاج.

وتشمل القيود الصارمة:
• حدود السلامة
• الوصفات المعتمدة
• توافق المواد
• قدرة الماكينة
• شهادة المشغل
• إفراج الجودة
• توفر الأدوات
• قيود الصيانة

وقيود أخرى تمثل مفاضلات لا حدوداً مطلقة. فقد يكون تغيير إعداد إضافي مقبولاً لحماية تسليم عاجل. وقد يُسمح بالعمل الإضافي لالتزام عميل دون آخر.

وينبغي للنظام أن يكشف تلك المفاضلات بدلاً من إخفائها داخل توصية غامضة.

البيانات النظيفة ضرورية، لكنها غير كافية
الطوابع الزمنية الدقيقة، والأحداث الكاملة، والمعرفات الموحدة، والواجهات الموثوقة، كلها أمور لا غنى عنها.

لكن الجدول النظيف تماماً لا يوضح معنى "متاح" أو "مكتمل" أو "سعة". فقد تكون الماكينة متاحة ميكانيكياً لكنها غير متاحة للعملية الحالية.