أخبار ar.wedoany.com، تتجه شركات إنتاج الأغذية والمشروبات إلى توحيد معايير البيانات وتقنيات التعلم الآلي بشكل منهجي للقضاء على الهدر في الإنتاج ومنع حدوث اختناقات في الطاقة الإنتاجية. وفقًا لتقرير "حالة التصنيع الخالي من الهدر" (State of Lean Manufacturing) لعام 2023، لا تلتزم سوى 10% إلى 15% من الشركات في الولايات المتحدة بمبادئ التصنيع الخالي من الهدر بشكل منهجي، مما يحقق لها ميزة تنافسية كبيرة وعوائد مالية ملموسة. يظل جوهر التصنيع الخالي من الهدر ومنهجية Six Sigma مرتكزًا على تحسين العمليات، وتمكين الموظفين، وحل المشكلات الفعلية، بدلاً من زيادة الاستثمارات الرأسمالية بشكل عشوائي.
في الوقت الحالي، وبينما تواصل شركات الأغذية والمشروبات زيادة استثماراتها في الأتمتة، فإنها تعمل على تعزيز قدرتها التنافسية طويلة الأجل من خلال توحيد معايير البيانات في المصانع. بدأ التعلم الآلي يلعب دورًا في مجالات مثل التعبئة والتغليف، والصيانة التنبؤية، والتنظيف الموضعي (CIP)، حيث يساهم في تحديد مصادر الهدر بدقة وتقديم حلول أمثلية. يشير ماركوس غيرستر، المؤسس والرئيس التنفيذي لشركة MontBlancAI، إلى أنه في عصر التعلم الآلي، لا يمكن للإدارة الخالية من الهدر أن تقتصر على بناء نماذج خوارزمية فحسب، بل يجب دمج الرؤى المستخلصة من البيانات في سير العمل اليومي. يجب أن ترتبط تقنيات الذكاء الاصطناعي ارتباطًا وثيقًا باجتماعات الإنتاج الدورية، وإجراءات صيانة المعدات، ودورات التحسين المستمر، وإلا فلن تتمكن من خلق قيمة دائمة للمؤسسة. ويضيف جون أوسكين، نائب الرئيس الأول في شركة SmartSights، أن معظم شركات الأغذية والمشروبات استثمرت بكثافة في أتمتة الأجهزة على مدار الخمسة عشر إلى العشرين عامًا الماضية، لكن توحيد معايير البيانات نادرًا ما كان جزءًا من التخطيط الاستراتيجي الأولي. في عام 2024، أعلن مايكل وارتر، نائب الرئيس الأول والمسؤول المعلوماتي في شركة Ruiz Foods العملاقة للأغذية المجمدة، أن الشركة تعمل على مشروع كبير لتوحيد معايير البيانات في قسم البحث والتطوير. كانت البيانات سابقًا مبعثرة في أنظمة منعزلة، ويعد تحقيق التكامل العميق أمرًا بالغ الأهمية لكسر صوامع البيانات والتخلص من الاعتماد على جداول البيانات الإلكترونية. وقد أظهرت الإجراءات الأولية نتائج إيجابية في مجالات الامتثال التنظيمي وتتبع المنتجات. وأشار وارتر إلى أن مجلس الإدارة لم يستوعب في البداية الأهمية العميقة للذكاء الاصطناعي في الإنتاج، لكن فريق الإدارة العليا أدرك الآن أن مبادئ التصنيع الخالي من الهدر، وتقليل هدر الإنتاج، ومستقبل الذكاء الاصطناعي مترابطة بشكل وثيق.
يقول ديفيد أريينس، مؤسس منصة IT/OT Insider الإعلامية والاستشارية، إن التصنيع الخالي من الهدر ومنهجية Six Sigma يوفران منهجيات منهجية للقضاء على الهدر والتحكم في تقلبات عمليات الإنتاج. ويمكن الآن تطبيق نفس المنهجيات على مجال إدارة البيانات، وذلك من خلال تقليل الجهد المبذول في البحث عن البيانات وتنظيفها وربطها بسياقاتها، وبناء بنية تحتية أساسية لتجنب البدء من الصفر في كل حالة استخدام جديدة. تشهد المصانع الغذائية الجديدة في الولايات المتحدة حاليًا اتجاهًا واضحًا يعطي الأولوية للبيانات (Data-first). يشير بوب رايس، نائب رئيس الهندسة في شركة Control Station، إلى أنه قبل 20 عامًا، كان الهدف الأساسي من بناء المصنع هو "تشغيل المعدات". أما اليوم، فتضع المشاريع الكبيرة معايير تشغيلية عالية جدًا منذ بداية التخطيط، وتتطلب الوصول إلى مستويات إنتاجية محددة في مرحلة بدء التشغيل المبكرة، بل ويتم التخطيط لتحليل البيانات حتى قبل بدء البناء. لكن الأولوية للبيانات لا تعني بالضرورة بناء نموذج تعلم آلي كامل للمصنع بأكمله. يضيف أريينس أن عددًا قليلاً جدًا من الشركات تقوم ببناء "نموذج التصنيع الشامل" (Manufacturing Ontology)، وهو نموذج عالي المستوى قابل للقراءة آليًا، يُستخدم لتحديد علاقات التعيين بين المعدات والعمليات، ومعدلات استهلاك المواد في كل مرحلة، ومطابقة وصفات العملية للإنتاج الدفعي، وغيرها من المنطق الأساسي. يعتقد غيرستر أن التحدي الأساسي في تنفيذ مشاريع بيانات التعلم الآلي حاليًا يكمن في التنسيق عبر المؤسسات: فغالبًا ما تتبع خطوط الإنتاج أو المصانع المختلفة معايير تسمية إشارات، ووحدات قياس، ومعدلات أخذ عينات، وبيانات وصفية سياقية خاصة بها، كما أن أقسام تكنولوجيا المعلومات وتكنولوجيا التشغيل غالبًا ما تعمل بشكل منعزل. ويؤكد أريينس أنه إذا لم تتمكن أقسام تكنولوجيا المعلومات وتكنولوجيا التشغيل من التنسيق والتكامل، فلن تتمكن أي تقنية متقدمة من إنقاذ استراتيجية البيانات.
يجب أن يبدأ التحول الرقمي للمؤسسات من خطوات صغيرة، مع التركيز على تحقيق مكاسب مرحلية سريعة (Quick Wins). يقول غيرستر إنه قبل بدء مشروع بيانات، يجب توضيح القيمة التجارية له. وعادةً ما تختار الشركات الناجحة سيناريوهات محددة النطاق ومرتبطة بشكل مباشر بمؤشرات الأداء التشغيلية الأساسية القابلة للقياس (KPIs). يتفق أوسكين مع استراتيجية "الخطوات الصغيرة السريعة والتكرار الرشيق"، ويقترح التخطيط لمشروع أو مشروعين للذكاء الاصطناعي يمكن تنفيذهما في غضون أسبوع أو شهر، مع التركيز على جهاز رئيسي معين، أو خط إنتاج أساسي، أو مؤشر أداء محدد. شارك مارك بيرتراند من شركة SmartSights في ندوة عبر الإنترنت مثالاً عمليًا: تمكن أحد العملاء، باستخدام تحليل أهمية الميزات (Feature Importance Analysis) والتحليل التوجيهي (Prescriptive Analysis)، من تحديد اختناق الطاقة الإنتاجية في خط التعبئة والتغليف وتقليل الهدر بشكل كبير. يساعد تحليل أهمية الميزات في تحديد المتغيرات الأكثر تأثيرًا بدقة، مما يساعد في بناء نماذج بيانات فعالة وقابلة للتفسير. كان الهدف الأساسي لهذا العميل هو تحديد مؤشرات الأداء الرئيسية مثل متوسط الوقت بين الأعطال (MTBF)، أو تقييم قيمة مركز الماكينة في مرحلة الاختناق في خط التعبئة. استخدمت تقنية ABLE من SmartSights تحليل السبب الجذري (Root Cause Analysis) لآلات الربط والتغليف والتحميل على الخط، وحددت بدقة المعدات الأكثر تأثيرًا على الخط بأكمله بناءً على الأسباب المحتملة. في الوقت نفسه، استخدم فريق المشروع التحليل التوجيهي لنمذجة خط التعبئة بالكامل، وقدم مؤشر أداء رئيسيًا حاسمًا يسمى "المعدل الفعال (Effective Rate)" لمعالجة اختناق الطاقة الإنتاجية. يُحسب هذا المؤشر بضرب توفر المعدات في متوسط معدل الإنتاج للخط، ويُستخدم لقياس الإنتاج الفعلي الدقيق في الدقيقة. يشير بيرتراند إلى أنه على الرغم من صحة بيانات الخوارزميتين، إلا أن نتائجهما كانت مضللة للغاية: فوفقًا للتحليل، كان ينبغي التركيز على آلة التحميل، لكن المشكلة الحقيقية كانت في آلة الربط. بفضل الرؤى العميقة المستمدة من نمذجة التعلم الآلي، تمكنت الشركة من إيجاد نقطة توازن، ورفعت الحد الأقصى لسرعة التشغيل والمعدل الفعلي للتشغيل لكلا الجهازين في وقت واحد، ونجحت في التغلب على اختناق الطاقة الإنتاجية في مركز الإنتاج هذا.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
