ما المقصود بالصيانة التنبئية؟

من خلال جمع البيانات من أجهزة الاستشعار وتطبيق أدوات وعمليات تحليلية متقدمة مثل التعلم الآلي (ML)، يمكن للصيانة التنبؤية تحديد المشكلات واكتشافها ومعالجتها أثناء حدوثها، فضلًا عن التنبؤ بالحالة المستقبلية المحتملة للمعدات، وبالتالي تقليل المخاطر. يكمن الحل في توفير المعلومات الصحيحة في الوقت المناسب للأشخاص المناسبين.

تعتمد استراتيجيات الصيانة ونضجها على عوامل مثل تكلفة الأصول والاستبدال، وأهمية الأصول، وأنماط الاستخدام، وتأثير الفشل في السلامة والبيئة والعمليات والتمويل والصورة العامة. تُعَد الصيانة التنبؤية إحدى استراتيجيات الصيانة الثلاثة الرائدة التي تستخدمها الشركات. والأنواع الأخرى هي الصيانة التفاعلية، التي تعمل على إصلاح الأعطال عند حدوثها، والصيانة الوقائية، التي تعتمد على جدول صيانة محدد مسبقًا لتحديد الأخطاء.

نظرًا لأن الصيانة التنبؤية استباقية، فإنها تعمل على تعزيز الصيانة الوقائية من خلال توفير رؤًى مستمرة حول الحالة الفعلية للمعدات. فبدلًا من الاعتماد على الحالة المتوقعة للمعدات بناءً على خط الأساس التاريخي، مع الصيانة التنبؤية، لا يتم تنفيذ الصيانة التصحيحية إلا عند الحاجة إلى ذلك، وبالتالي يتم تجنُّب تكاليف الصيانة وفترات التعطل غير الضرورية.

تستخدم الصيانة التنبؤية بيانات السلاسل الزمنية التاريخية وبيانات الفشل لسلسلة زمنية للتنبؤ بالسلامة المحتملة المستقبلية للمعدات وبالتالي توقُّع المشكلات مسبقًا. ويمكِّن هذا الشركات من تحسين جدولة الصيانة وتحسين الموثوقية.

تختلف الصيانة التنبؤية أيضًا عن الصيانة الوقائية في تنوُّع واتساع البيانات في الوقت الفعلي المستخدمة في مراقبة المعدات. يمكن لتقنيات مراقبة الحالة المختلفة -مثل الصوت (الأمواج فوق الصوتية)، والحرارة (الحرارية)، والتزييت (الزيوت والسوائل)، وتحليل الاهتزاز- الكشف عن الحالات الشاذة وتقديم إنذارات مبكرة بالمشكلات المحتملة. قد يُشير ارتفاع درجة حرارة أحد العناصر، على سبيل المثال، إلى وجود انسداد في تدفق الهواء أو علامات تآكل. وقد تُشير الاهتزازات غير المعتادة إلى عدم توافق الأجزاء المتحركة. يمكن أن توفِّر التغييرات في الصوت إنذارات مبكرة بالعيوب التي لا يمكن التقاطها من خلال أذن الإنسان.

تعتمد الصيانة التنبؤية على تقنيات مختلفة بما في ذلك إنترنت الأشياء (IoT) والتحليلات التنبؤية والذكاء الاصطناعي (AI). تجمع أجهزة الاستشعار المتصلة البيانات من الأصول مثل الآلات والمعدات. يتم جمع هذه البيانات على الحافة أو في السحابة في نظام إدارة أصول المؤسسات (EAM) المدعوم بالذكاء الاصطناعي أو نظام إدارة الصيانة المحوسب (CMMS). ويتم استخدام الذكاء الاصطناعي والتعلم الآلي لتحليل البيانات في الوقت الفعلي لبناء صورة عن الحالة الحالية للمعدات. بعد ذلك، يتم تفعيل تنبيه إذا تم اكتشاف أي عيب محتمل وتسليمه إلى فريق الصيانة.

إلى جانب تقديم تحذيرات بالأعطال، تُتيح التطورات في خوارزميات التعلم الآلي حلول الصيانة التنبؤية للتنبؤ بالحالة المستقبلية للمعدات. يمكن استخدام هذه الأنظمة لتحقيق كفاءة أكبر في سير العمل والعمليات المتعلقة بالصيانة مثل جدولة أوامر العمل في الوقت المحدد، وسلاسل توريد العمالة وقطع الغيار. وعلاوةً على ذلك، كلما زادت البيانات التي يتم جمعها، زادت الرؤى التي يتم توليدها وأصبحت التنبؤات أفضل. وهذا يمنح الشركات الثقة في أن المعدات تعمل على النحو الأمثل.

تركِّز فوائد استراتيجية الصيانة التنبؤية على توقُّع أعطال المعدات وعيوبها، وتقليل تكاليف الصيانة والتشغيل عبر تحسين الوقت والموارد، وتحسين أداء المعدات وموثوقيتها. أفادت شركة Deloitte في عام 2022 أن الصيانة التنبؤية يمكن أن تؤدي إلى انخفاض بنسبة 5 إلى 15% في وقت تعطُّل المنشأة وزيادة بنسبة 5 إلى 20% في إنتاجية العمالة.¹

يُسهم تحسين أداء الأصول وزيادة وقت التشغيل في تقليل التكاليف. فالإنذارات المبكرة بالأعطال المحتملة تؤدي إلى تقليل حالات التوقف المفاجئ، إضافةً إلى خفض الصيانة المخطط لها أو فترات التعطل غير المتوقعة. كما أن تحسين الرؤية المستمرة لحالة الأصول يعزز موثوقية المعدات وطول عمرها. ويساعد استخدام الذكاء الاصطناعي على التنبؤ بشكل أكثر دقة بالعمليات المستقبلية. ويُعَد هذا الجانب الأخير بالغ الأهمية في عالم كشفت فيه ارتفاعات الأسعار والأحداث غير المتوقعة -مثل الجائحة والكوارث الطبيعية المرتبطة بالمناخ- الحاجة إلى مخزون قطع غيار أكثر قابلية للتنبؤ، وتكاليف عمالة أكثر استقرارًا، وتقليل الأثر البيئي الناتج عن العمليات.

يمكن زيادة الإنتاجية عن طريق تقليل عمليات الصيانة غير الفعَّالة. تمكين الاستجابة بشكل أسرع للمشكلات من خلال مهام سير العمل الذكية والأتمتة، وتزويد الفنيين وعلماء البيانات والموظفين عبر سلسلة القيمة ببيانات أفضل لاتخاذ القرارات. والنتيجة هي تحسين المقاييس مثل متوسط الوقت بين الأعطال (MTBF) ومتوسط الوقت اللازم للإصلاح (MTTR)، وظروف عمل أكثر أمانًا للموظفين، ومكاسب في الإيرادات والربحية.

هناك عوائق أمام الصيانة التنبؤية، والتي قد تكون مكلِّفة، على الأقل في البداية.

• البنية التحتية للنظام: تُعَد تكاليف بدء التشغيل المرتبطة بتعقيد الاستراتيجية مرتفعة. فغالبًا ما يتضمن ذلك ترقية ودمج التقنيات وأنظمة المراقبة القديمة بالإضافة إلى الاستثمار في أدوات الصيانة وإدارة البيانات والبنية التحتية للبيانات والأنظمة.
• تدريب القوى العاملة: يمكن أن يكون تدريب القوى العاملة على استخدام الأدوات والعمليات الجديدة وتفسير البيانات بشكل صحيح أمرًا مكلِّفًا ويستغرق وقتًا طويلًا.
• متطلبات البيانات: الماضي هو مؤشر للأداء المستقبلي. كي تكون الصيانة التنبؤية فعَّالة، من الضروري توفُّر كميات كبيرة من البيانات التاريخية والبيانات الخاصة بالأعطال (أو البيانات البديلة) على شكل سلاسل زمنية. وتُعَد القدرة على تحليل ترابطات البيانات والقياسات المماثلة مع أنواع المعدات المشابهة في ظروف التشغيل الفعلية أمرًا أساسيًا، كما تساهم في تعزيز الطابع التنبؤي للتحليلات.

يتطلب تقييم مدى خطورة وتكلفة فشل كل أصل على حدة وقتًا ومالًا. لكنها أساسية في تحديد إذا ما كانت الصيانة التنبؤية مناسبة أم لا - فالأصول منخفضة التكلفة والتي تتوافر لها قطع غيار رخيصة قد يكون من الأفضل اعتماد استراتيجيات صيانة أخرى لها. تُعَد برامج الصيانة التنبؤية صعبة التنفيذ، لكن المزايا التنافسية والمالية لاستراتيجية مُدارة بشكل جيد كبيرة للغاية.

يتم اعتماد تقنيات الصيانة التنبؤية بالفعل في العديد من الصناعات لمختلف الأصول، سواء أكانت أجهزة الصراف الآلي أم توربينات الرياح أم المبادلات الحرارية أم الروبوتات الصناعية. والصناعات كثيفة الأصول مثل الطاقة والتصنيع والاتصالات والنقل؛ إذ قد يكون للفشل المفاجئ للمعدات عواقب واسعة النطاق، تتجه بشكل متزايد إلى التقنيات المتقدمة لتحسين موثوقية المعدات وإنتاجية القوى العاملة. الاستخدامات المحتملة كثيرة ومتنوعة:

يُنسَب اختراع تقنية الصيانة التنبؤية في الغالب إلى CH Waddington خلال الحرب العالمية الثانية. فقد لاحَظ أن الصيانة الوقائية المخطط لها كانت تبدو وكأنها تتسبب في حدوث أعطال غير متوقعة في قاذفات الطائرات.² وأدَّى ذلك إلى ظهور وتطوُّر الصيانة القائمة على الحالة، ولكن بما أن معظم أنظمة الأعمال كانت تاريخيًا معزولة، فقد كان تبنّي الصيانة التنبؤية محدودًا.

لقد شهدت تقنيات أجهزة استشعار إنترنت الأشياء وجمع البيانات الكبيرة وتخزينها تقدمًا كبيرًا، ومن المتوقع أن يستمر هذا التطور بوتيرة سريعة. يُسهم نمو حجم البيانات وتوفُّر الذكاء الاصطناعي والتعلم الآلي في تعزيز نماذج الصيانة التنبؤية وتشجيع اعتمادها. وقد أدَّت الجائحة أيضًا إلى تسريع جهود التحول الرقمي، ما أسهم في توفير بيئات أعمال أكثر تكاملًا ورغبة أكبر في الحصول على رؤًى فورية قائمة على البيانات الذكية. وأخيرًا، فإن الارتفاع الكبير في تكلفة فترات التعطل غير المخطط لها، والتي يقدِّرها الخبراء بحوالي 11% من إيرادات شركات Fortune Global 500³، يساهم أيضًا في دفع سوق الصيانة التنبؤية نحو الاعتماد الأوسع.

التقنيات التالية هي بعض التقنيات التي تُسهم في التطور المستمر وقيمة الصيانة التنبؤية:

• تجعل عمليات الفحص الآلية المؤتمتة مراقبة المعدات في المواقع النائية أو صعبة الوصول، مثل صناعة النفط والغاز، أكثر كفاءة وتوفيرًا في التكاليف. وتعمل الروبوتات كأجهزة استشعار متنقلة تراقب عدة أصول وتُدخل البيانات إلى أنظمة إدارة الصيانة المحوسبة.
• يتم تطوير التقنيات التفاعلية مثل الواقع المعزز (AR) والواقع الافتراضي (VR) لتسهيل عمليات الفحص. يمكن للواقع المعزز (AR) جمع البيانات، كما يمكن لكِلتا التقنيتين تحسين عمليات الفحص البصري واكتشاف الأعطال المبكر.
• يمكن أن تُعزز التوائم الرقمية الصيانة التنبؤية من خلال إنشاء تمثيل افتراضي للأصل المادي، والذي يعمل على توليد بيانات أجهزة الاستشعار ومحاكاة سيناريوهات الأعطال التشغيلية والحلول طوال دورة حياة الأصل دون أي مخاطر على الأصل نفسه.
• يتم تقديم حلول الصيانة التنبؤية المدعومة بإنترنت الأشياء كجزء من حلول إدارة أصول المؤسسات (EAM) / أنظمة إدارة الصيانة المحوسبة (CMMS)، ومتكاملة مع تطبيقات المؤسسة الأخرى.
• سيجعل نموذج الصيانة التنبؤية كخدمة الصيانة التنبؤية أكثر سهولة وتكلفة أقل. إذا تم توفيرها من خلال الشركاء، فقد تكون أقل تأثيرًا في العمليات مقارنةً بالنشر المحلي، وتحتاج إلى استثمارات وتدريب أقل، مع تحقيق قيمة أسرع. ويمكن أيضًا تخصيصها لتناسب البيئات والمعدات الفردية.