تقنية التليماتيكس والذكاء الاصطناعي في المعدات: التنبؤ بموعد صيانة الحفارة

حفارة متوقفة عن العمل في موقع بناء تكلف ما يقارب 180 دولاراً في الساعة كتكاليف ملكية سواء كانت تحفر أم لا. وعندما تتعطل بشكل غير متوقع، أضف تكاليف الإصلاح وعلاوة قطع الغيار الطارئة وتعبئة آلة بديلة وسلسلة التأخيرات في الأنشطة التي كانت تعتمد على تلك الحفارة. عطل واحد غير مخطط له في نشاط على المسار الحرج يمكن أن يكلف بسهولة من 15,000 إلى 30,000 دولار كتأثير إجمالي على المشروع. تهدف الصيانة التنبؤية باستخدام التليماتيكس والذكاء الاصطناعي إلى القضاء على معظم تلك الأعطال غير المخطط لها.

ما تكشفه بيانات التليماتيكس

تولّد معدات البناء الحديثة كميات هائلة من بيانات المستشعرات. حفارة من طراز حديث تُبلغ عن درجة حرارة المحرك وضغط الهيدروليك ودرجة حرارة الزيت ومستويات سائل التبريد ومعدل استهلاك الوقود وأنماط دورات المحرك في الدقيقة وأوقات دورات الهيدروليك وعشرات المعايير الأخرى. تتدفق هذه البيانات إلى منصة التليماتيكس الخاصة بالشركة المصنعة بشكل مستمر، عادةً على فترات تتراوح بين 15 ثانية ودقيقة واحدة.

بشكل فردي، كل نقطة بيانات ليست مفيدة جداً. ضغط هيدروليكي يبلغ 3,200 رطل لكل بوصة مربعة يقع ضمن النطاق الطبيعي. لكن عندما يكون الضغط الهيدروليكي قد ارتفع تدريجياً من 2,800 إلى 3,200 رطل لكل بوصة مربعة خلال الأسابيع الثلاثة الماضية دون أي تغيير في نوع العمل المنجز، فإن هذا الاتجاه يشير إلى تطور مشكلة في النظام الهيدروليكي. فلتر مسدود أو مضخة متآكلة أو تسرب في الحشوات قيد التطور، كلها يمكن أن تسبب هذا الارتفاع التدريجي في الضغط.

نماذج الذكاء الاصطناعي المدربة على بيانات المعدات التاريخية تتعلم أنماط الأعطال هذه. فهي تحدد التركيبات المحددة من قراءات المستشعرات التي تسبق أنواعاً مختلفة من الأعطال الميكانيكية. تأتي بيانات التدريب من آلاف الآلات عبر عمرها التشغيلي الكامل، بما في ذلك بيانات المستشعرات التي سبقت كل حدث إصلاح.

دقة التنبؤ والمهلة الزمنية

تختلف دقة الصيانة التنبؤية بالذكاء الاصطناعي حسب نوع العطل. أعطال النظام الهيدروليكي، التي تمثل نحو 30% من وقت توقف الحفارات، يتم التنبؤ بها بدقة تتراوح بين 80 و85% بمهلة زمنية من 2 إلى 3 أسابيع. أعطال المحرك يتم التنبؤ بها بدقة تتراوح بين 70 و75% بمهلة زمنية من أسبوع إلى أسبوعين. أعطال النظام الكهربائي هي الأصعب في التنبؤ، بدقة تبلغ حوالي 55 إلى 60%، لأن الأعطال الكهربائية غالباً ما تتطور فجأة وليس تدريجياً.

أرقام الدقة هذه تقارن بشكل إيجابي مع البديل، وهو عدم وجود تنبؤ على الإطلاق. فرصة بنسبة 75% لاكتشاف مشكلة في المحرك قبل أسبوعين من تسببها في عطل هي أفضل بكثير من عدم وجود تنبؤ يتبعه عطل صباح يوم الثلاثاء عندما تكون الآلة مطلوبة لحفر حرج.

مشغل أسطول في تكساس يمتلك 45 قطعة من المعدات الثقيلة طبّق الصيانة التنبؤية بالذكاء الاصطناعي وتتبع النتائج على مدار 24 شهراً. انخفضت أحداث التوقف غير المخطط لها بنسبة 38%. انخفض متوسط تكاليف الإصلاح لكل حدث بنسبة 22% لأن المشاكل التي يتم اكتشافها مبكراً أرخص في الإصلاح من المشاكل التي تستمر حتى العطل الكامل. تحسن إجمالي توفر المعدات، أي نسبة ساعات التشغيل المجدولة التي كانت فيها الآلات متاحة فعلياً، من 87% إلى 94%.

التأثير على جدولة الصيانة

الصيانة التنبؤية لا تخبرك فقط أن شيئاً سيتعطل. بل تخبرك متى تجدول الإصلاح لتقليل التأثير على المشروع. إذا تنبأ الذكاء الاصطناعي بعطل في المضخة الهيدروليكية خلال الأسبوعين إلى الثلاثة أسابيع القادمة، يمكن لمدير المعدات جدولة الإصلاح في عطلة نهاية الأسبوع القادمة عندما لا تكون الحفارة مطلوبة، وطلب القطع بالأسعار العادية مع الشحن القياسي، وترتيب آلة احتياطية لفترة الإصلاح.

قارن هذا بسيناريو العطل غير المخطط: تتعطل المضخة يوم الأربعاء، والقطعة غير متوفرة محلياً، والشحن الليلي يكلف 800 دولار إضافية، والميكانيكي يعمل ساعات إضافية يوم الخميس لتركيبها، وطاقم الحفر جلس عاطلاً لمدة يوم ونصف. النهج التنبؤي يكلف أقل للإصلاح، ويلغي وقت التوقف، ويتجنب تعطيل الجدول الزمني.

يفيد مديرو الأساطيل الذين يستخدمون تحليل معدات البناء المدعوم بالذكاء الاصطناعي أن التحول من الصيانة التفاعلية إلى التنبؤية يغير استراتيجية مخزون قطع الغيار بالكامل. بدلاً من تخزين مجموعة واسعة من القطع للإصلاحات الطارئة، يمكنهم طلب القطع في الوقت المناسب بناءً على نوافذ الأعطال المتوقعة. هذا يقلل تكاليف حمل المخزون مع الحفاظ على توفر المعدات.

التكامل مع جدولة المشاريع

تصبح بيانات الصيانة التنبؤية أكثر قيمة عند ربطها بجداول المشاريع. إذا تنبأ الذكاء الاصطناعي بأن الحفارة رقم 7 ستحتاج إلى صيانة هيدروليكية خلال الأسبوعين القادمين، وأظهر جدول المشروع أن الحفارة رقم 7 ضرورية لحفر الأساسات الذي يبدأ بعد 10 أيام، يمكن لفريق المشروع إما صيانة الآلة قبل النشاط الحرج أو التخطيط لوجود آلة بديلة في وضع الاستعداد.

بدون هذا التكامل، يتخذ فريق المعدات وفريق المشروع قراراتهما بشكل مستقل. قد يجدول فريق المعدات صيانة وقائية في وقت يتعارض مع نشاط حرج. أو قد يؤجلون الصيانة للحفاظ على توفر الآلة، دون إدراك أن بيانات الذكاء الاصطناعي تشير إلى أن العطل وشيك.

تحسين الأسطول متعدد الآلات

بالنسبة للمقاولين الذين يمتلكون أساطيل كبيرة، تتيح تقنية التليماتيكس بالذكاء الاصطناعي تحسيناً على مستوى الأسطول بالكامل. يأخذ النظام في الاعتبار الحالة الصحية لكل آلة ومتطلبات العمل عبر جميع المشاريع النشطة وجدول الصيانة للتوصية بالتخصيص الأمثل للآلات. الآلة التي تقترب من حدث صيانة متوقع يتم تخصيصها لمشروع يتمتع بمرونة أكبر في الجدول الزمني، بينما الآلة التي تمت صيانتها مؤخراً يتم تخصيصها لمشروع المسار الحرج.

يحدد الذكاء الاصطناعي أيضاً الآلات التي لا يتم استغلالها بشكل كافٍ. بيانات وقت الخمول من التليماتيكس تكشف عن آلات موجودة في الموقع لكنها لا تعمل، مما يشير إما إلى سوء التخطيط أو وجود معدات زائدة في المشروع. أظهر تحليل استخدام الأسطول عبر 45 آلة أن 8 منها كان متوسط تشغيلها أقل من 3 ساعات يومياً، مما يشير إلى إمكانية سحبها من الموقع أو مشاركتها بين المشاريع.

جودة البيانات والقيود العملية

تعتمد دقة الصيانة التنبؤية على جودة المستشعرات وموثوقية نقل البيانات. المعدات القديمة ذات المستشعرات الأقل تنتج بيانات أقل وتدعم تنبؤات أقل دقة. المعدات العاملة في مناطق ذات تغطية خلوية ضعيفة قد تعاني من فجوات في بيانات التليماتيكس تقلل من قدرة الذكاء الاصطناعي على اكتشاف المشاكل المتطورة.

تحتاج النماذج أيضاً إلى بيانات تدريب كافية لكل طراز وتكوين من المعدات. طراز حفارة شائع يضم آلاف الوحدات التي تُبلغ عن بياناتها سيكون لديه نموذج تنبؤي مدرب جيداً. قطعة معدات متخصصة تضم بضع عشرات فقط من الوحدات في الأسطول سيكون لديها نموذج أقل دقة ببساطة لأن بيانات الأعطال المتاحة للتعلم منها أقل.

بالنسبة لمعظم أساطيل البناء التجارية، التي تتكون في الغالب من طرازات شائعة من كبار المصنعين، فإن جودة بيانات التليماتيكس ودقة النماذج جيدة بما يكفي لتقديم قيمة حقيقية. تجاوزت التقنية المرحلة التجريبية ودخلت بشكل كامل في مرحلة التطبيق العملي، مع تحسينات واضحة في التكلفة والتوفر للمقاولين الذين يطبقونها بشكل منهجي عبر أساطيلهم.