6 طرق يمكن للذكاء الاصطناعي التوليدي من خلالها تحسين إدارة الأصول

يواجه كل مدير للأصول، بغض النظر عن حجم المؤسسة، مهام مماثلة: تبسيط تخطيط الصيانة، وتعزيز موثوقية الأصول أو المعدات، وتحسين سير العمل لتحسين الجودة والإنتاجية. وفي دراسة حديثة أجراها معهد IBM Institute for Business Value حول كبار مسؤولي سلاسل التوريد، صرَّح ما يقرب من نصف المشاركين بأنهم تبنّوا تقنيات جديدة استجابةً للتحديات.

هناك المزيد من المساعدة التي تلوح في الأفق من خلال قوة نماذج الأساس للذكاء الاصطناعي التوليدي، جنبًا إلى جنب مع الذكاء الاصطناعي التقليدي، للتمكن من السيطرة بشكل أفضل على بيئات الأصول المعقدة. نماذج الأساس، المبنية على النماذج اللغوية الكبيرة، يتم تدريبها على كميات هائلة من البيانات غير المنظمة والخارجية. يمكنها توليد استجابات مثل النصوص والصور، مع تفسير البيانات الحالية والتعامل معها في الوقت نفسه.

دعنا نستكشف 6 طرق يمكن للذكاء الاصطناعي التوليدي من خلالها تحسين عمليات إدارة الأصول في مؤسستك، بما في ذلك الخدمة الميدانية والصيانة والامتثال. يمكن للذكاء الاصطناعي التوليدي المساعدة على ما يلي:

يشكِّل فنّيو الخدمة الميدانية ومخططو الصيانة ومشرفو الأداء الميداني فريقك الأمامي. يحتاجون إلى خطط عمل وتعليمات تنفيذية للتعامل مع أعطال الأصول وإصلاحها. باستخدام نموذج هجين للذكاء الاصطناعي أو التعلم الآلي (ML)، يمكنك تدريبه على بيانات المؤسسة والبيانات المنشورة، بما في ذلك الأصول والمواقع التي تم الاستحواذ عليها حديثًا.

من خلال الحوار التفاعلي، يمكنه إنشاء تحليلات مرئية وتقديم المحتوى على الفور إلى فريقك. يمكن أن يؤدي الوصول إلى هذه المعرفة إلى تعزيز مدة التشغيل لخدمة ميدانية بنسبة من 10% إلى 30% وزيادة معدلات الإصلاح من أول مرة بنسبة 20%، ما يؤدي إلى توفير التكاليف وتحسين إنتاجية العمال وزيادة رضا العملاء.

تُعَد أوامر العمل المحرك الأساسي للأنشطة، إذ تعتمد على خطط العمل وخطط المهام لتفويض المهام وتوفير الموارد اللازمة لتنفيذها. ورغم أن العملية بحد ذاتها واضحة، فإنها تستغرق وقتًا طويلًا، ما يجعل تأخّر تخطيط أوامر العمل أمرًا غير مستغرب.

يعمل الذكاء الاصطناعي التوليدي على تمكين نموذج الأساس من خلال تدريبه على جميع التعليمات والأجزاء والأدوات والمهارات اللازمة للأصل، ما يُتيح توليد خطط العمل. وهذا يعزز قدرات موظفيك، ما يؤدي إلى زيادة بنسبة 10% إلى 20% في كفاءة التخطيط. أيضًا، يمكن للذكاء الاصطناعي التوليدي تسهيل الأتمتة والتوصية بتحديثات لمعايير الصيانة، ما قد يؤدي إلى زيادة الامتثال بنسبة 10% إلى 25%.

تُعَد الموثوقية مؤشرًا حساسًا للأداء في أي عمل يعتمد على الأصول. لسوء الحظ، يغادر العديد من مهندسي الموثوقية ذوي الخبرة العديد من المواقع، ما يؤدي إلى محدودية الموارد اللازمة لتدريب البدلاء. من خلال استخدام نماذج هجينة تجمع بين الذكاء الاصطناعي والتعلم الآلي، يُنتج الذكاء الاصطناعي التوليدي تحليلات الأعطال وتأثيراتها استنادًا إلى البيانات التاريخية، ما يُتيح لك تحديد الأولويات وتقليل الأعطال المتكررة بنسبة تصل إلى 25% إلى 50%، مع زيادة موثوقية المواقع بنسبة 10% إلى 15%.

يمكن لنماذج الأساس للذكاء الاصطناعي التوليدي أن تتدرب على معايير فئات الأصول، بما في ذلك سجلات العمل، وخطط الصيانة، وخطط المهام، وقطع الغيار. تعمل هذه النماذج على تحديد المعايير الحالية للأصول القائمة والتوصية بالالتزام بها. من خلال تعزيز مهارات الموظفين، تسهم تحليلات الذكاء الاصطناعي التوليدي في إطالة عمر الأصول بنسبة 15% إلى 20% وزيادة زمن التشغيل بنسبة تبلغ حوالي 5% إلى 10%.

عند اكتمال أوامر العمل، غالبًا ما تُشير إلى الحاجة إلى الانتقال إلى الأوامر التالية. ومع ذلك، يمكن أن يكشف التحليل الذكي لأوامر العمل المكتملة عن المجالات التي تحتاج فيها عمليات الامتثال أو الصيانة إلى تحسين. يمكن للذكاء الاصطناعي التوليدي أن يوصي بتحديثات لتحسين فاعلية الصيانة المخطط لها بنسبة 15% إلى 25% وإنشاء خطط عمل جديدة بناءً على خطة العمل المكتملة في حال عدم وجودها، وبالتالي زيادة كفاءة التخطيط بنسبة 10% إلى 20%.

يقدِّم الذكاء الاصطناعي التوليدي دعمًا في الوقت الفعلي للسلامة الصناعية أو سلامة المواقع والأصول والامتثال التنظيمي، ما يقلل الغرامات بنسبة 25% ويحسِّن مستويات الامتثال بما يصل إلى 50%. تدريب النماذج باستخدام إرشادات السلامة المنشورة واللوائح والتقارير التنظيمية والقرارات ومصادر البيانات الداخلية يعزز بشكل كبير سرعة ودقة ومعدل نجاح التقارير التنظيمية للمخططين والفنيين.

تعرَّف على المزيد حول العمل الذي تقوم به IBM® Consulting في مجال الذكاء الاصطناعي التوليدي.