استخدام تحليلات البيانات الضخمة لتحسين أداء النظام المساعد

وفي البيئات الصناعية والتجارية الحديثة، كثيرا ما تعمل النظم المساعدة خلف المشاهد، ومع ذلك فإن أدائها يحدد مباشرة موثوقية وسلامة وكفاءة العمليات التجارية الأساسية، وما إذا كان نظام التبريد هو الذي يحول دون زيادة الحرارة في مركز البيانات، والمولد الاحتياطي الذي يكفل توليد الطاقة غير المتقطعة في مستشفى، أو المحرك المساعد الذي يوفر القدرة على الصيانة الوبائية على متن سفينة، فإن هذه النظم الثانوية تتطلب اهتماما متسقا.

وتشير تحليلات البيانات الضخمة إلى جمع وتجهيز وتحليل مجموعات البيانات الضخمة بصورة منهجية من أجل الكشف عن الأنماط الخفية والترابط والاتجاهات، وعندما تطبق على النظم المساعدة، فإنها تمكن المشغلين من التنبؤ بالفشل قبل حدوثه، وتعظيم جداول الصيانة القائمة على أنماط الاستخدام الفعلية، واستهلاك الطاقة من خلال تحسين مستويات النظم المساعدة، وتحسن فهم أصحاب المصلحة في المستقبل لتحديات التنفيذ الكبرى(أ).

فهم النظم الإضافية

والنظم الإضافية هي نظم فرعية ثانوية تدعم العمليات الأولية في مرفق أو مركبة أو عملية، ولا تنتج مباشرة المنتج النهائي أو الخدمة النهائية، ولكنها أساسية بالنسبة للنظام الأساسي لكي يعمل بشكل موثوق ومأمون.

• Manufacturing] – cooling towers, compressed air systems, dust collection units, and hydraulic power units.
• Data Centers] — Uninterruptible power supplies (UPS), cooling and ventilation systems, fire suppression systems, and essential electricitys.
• Transportation] - Auxiliary power units (APUs) in trucks and aircraft, motor cooling fans, and brake air compressors in rail vehicles.
• Energy] – Feedwater pumpsers, and lubrication systems in power plants; bat management systems in renewable energy storage.
• Compmercial Buildings] — HVAC systems, designs, lighting controls, and emergency electricitys.

وكثيراً ما يقاس أداء هذه النظم بمقاييس مثل توافرها وكفاءتها وتوقيت الاستجابة والوقت المتوسط بين الإخفاقات، بل إن تدهوراً صغيراً في نظام فرعي يمكن أن يتلاشى في عمليات تعطيل تشغيلية كبرى، فعلى سبيل المثال، فإن وجود مضخة غير مثبتة في مصنع شبه موصول يمكن أن يوقف خط الإنتاج بأكمله، مما يؤدي إلى فقدان كبير في الإيرادات.

دور تحليل البيانات الضخمة

وتشمل تحليلات البيانات الضخمة للنظم المساعدة عدة خطوات مترابطة: اقتناء البيانات وتخزينها وتجهيزها وتحليلها وتصويرها، والهدف هو استخلاص أفكار تؤدي إلى اتخاذ قرارات تنفيذية أفضل، وتطبق ثلاث فئات رئيسية من التحليلات:

التحليل الوصفي

ويجيب التحليل الوصفي على " ما حدث " بتلخيص البيانات التاريخية، ويشمل ذلك، بالنسبة للنظم المساعدة، آراء لوحة بيانات مؤشرات الأداء الرئيسية مثل اتجاهات الحرارة، ومستويات الاحترار، واستهلاك الطاقة في الساعة، وترددات الإنذار، ويمكن للمشغلين تحديد سلوك خط الأساس وظواهر الشذوذ في وقت مبكر.

التحليل الافتراضي

ويستخدم التحليل الافتراضي نماذج إحصائية وخوارزميات للتعلم الآلات للتنبؤ بآخر الولايات، على سبيل المثال، التنبؤ بباقي الحياة المفيدة التي تنطوي عليها إحدى المضخات أو احتمال حدوث فشل في البطاريات في إطار نظام البريد العالمي خلال الأيام الثلاثين المقبلة، وتطبق تقنيات مثل تحليل التراجع والتنبؤ بسلاسل زمنية وشبكات الأشعة على بيانات الاستشعار وسجلات الصيانة.

التحليل الوصفي

ويوصي التحليلات الوصفية باتخاذ إجراءات تستند إلى التنبؤات، فعلى سبيل المثال، إذا كان النموذج يتوقع احتمالا كبيرا للفشل في مروحة التبريد خلال أسبوعين، قد يقترح النظام تشغيل المروحة بسرعة مخفضة إلى أن يحل محلها المقرر، أو يطلب تلقائيا جزءا احتياطيا، ويحقق هذا النوع من التحليلات الحد الأمثل من صنع القرار عن طريق تحقيق التوازن بين التكاليف والمخاطر والقيود التشغيلية.

أساليب جمع البيانات ومصادرها

ويبدأ تحليل البيانات الضخمة بفعالية بجمع البيانات الشاملة، وبالنسبة للنظم المساعدة، تأتي البيانات عادة من المصادر التالية:

• Embedded Sensors – Vibration sensors, temperature probebebes, pressure transducers, flow meters, and current/voltage sensors integrated into equipment.
• Programmable Logic observerss (PLCs)] - PLCs record machine status, alarms, and operational parameters such as speed, torque, and cycle times.
• Supervisory Control and Data Acquisition (SCADA) Systems] - SCADA aggregates data from multiple PLCs and provides a centralized view of the entire plant floor.
• Enterprise Systems] - برمجيات إدارة الصيانة تخزن أوامر العمل، واستبدال جزء منها، وتقارير التفتيش.() ويضيف التكامل مع نظم تخطيط الموارد في المؤسسة بيانات مالية وجردية.
• Edge Devices] - Increasingly, data is processed at the edge to reduce latency and bandwidth usage. Edge gateways pre-filter and compress data before sending it to a central data lake or cloud.

وجودة البيانات أمر بالغ الأهمية، إذ أن عدم اكتمال البيانات أو عدم وجودها أو عدم اتساقها يمكن أن يؤدي إلى تضليل الأفكار، وتشمل أفضل الممارسات معايرة الاستشعار المنتظمة، وتوحيد صيغ البيانات عبر البائعين، وتنفيذ قواعد التحقق من صحة البيانات عند نقطة التجميع.

فوائد الاستخدام الأمثل للبيانات

وعندما تنفذ تحليلات البيانات الضخمة تنفيذا فعالا، تجني النظم المساعدة عدة فوائد:

تحسين الموثوقية والحد من الوقت

فالنفقة الافتراضية تسمح للمنظمات بالجدول الزمني لعمليات الإصلاح أثناء فترات التجاوز المقررة بدلا من الاستجابة للفشل المفاجئ، وقد تبين من دراسة أجرتها وزارة الطاقة في الولايات المتحدة أن الصيانة المتوقعة يمكن أن تقلل من تكاليف الصيانة بنسبة ٢٥-٣٠ في المائة وأن تزيل ٧٠-٧٥ في المائة من الانهيارات، وفي مراكز البيانات، فإن التنبؤ بإخفاقات التبريد يحول دون زيادة حرارة الخواديم ويتجنب التعطل في العمل.

كفاءة الطاقة ووفورات التكاليف

وكثيرا ما تستهلك النظم الإضافية جزءا كبيرا من مجموع الطاقة في المرفق - يمكن أن تشكل الهيدروكربون المشبع بالفلور وحدها 40 في المائة من استخدام الطاقة في المباني التجارية، وقد تحدد محلليات البيانات الضخمة نظم تشغيل غير فعالة مثل الإفراط في استخدام البنزين أو الضخ، وتقترح تعديلات، مثلا، يمكن أن يؤدي تعديل محركات الترددات المتغيرة (VFDs) استنادا إلى الوقت الحقيقي إلى خفض استهلاك الطاقة بنسبة تتراوح بين 20 و50 في المائة في تطبيقات الضخ.

عمر المعدات الموسعة

وبتجنب الظروف المفرطة في الضغط والارتقاء بمستوى فترات الصيانة إلى أقصى حد، تزداد قيمة العناصر المساعدة، وتتدهور العيوب والأحزمة والأختام والبطاريات ببطء أكبر عندما تعمل في إطار المعايير الموصى بها، ويمكن للمحللين اكتشاف وضع أنماط للملابس والتوصية باتخاذ إجراءات تصحيحية قبل وقوع أضرار كارثية.

تعزيز السلامة والامتثال

وهناك العديد من النظم المساعدة، مثل قمع الحرائق أو المولدات الكهربائية في حالات الطوارئ، لها أدوار حرجة في مجال السلامة، ويكفل الرصد المستمر أنها تستوفي متطلبات الاختبار التنظيمي وتكون جاهزة عند الحاجة، كما يمكن للمحللين أن يحددوا ظروف التشغيل غير الآمنة - مثل الضغط المفرط في المغلي، ويتسببوا في إغلاق أو إنذارات آلية.

خطوات التنفيذ فيما يتعلق بتحليل البيانات الضخمة في النظم المساعدة

ويتطلب نشر حل كبير للبيانات من أجل النظم المساعدة اتباع نهج منظم، وتوفر الخطوات التالية خارطة طريق:

الخطوة 1: تقييم الهياكل الأساسية الحالية

:: جرد جميع النظم المساعدة وتقييم أدواتها القائمة وربطها، وتحديد الثغرات التي تحتاج إليها أجهزة الاستشعار الإضافية، وتحديد ما إذا كانت شبكات الاتصالات بالبيانات (الواسطة اللاسلكية أو اللاسلكية) قادرة على معالجة أحجام البيانات المتوقعة.

الخطوة 2: تحديد الأهداف الواضحة

وضع أهداف محددة وقابلة للقياس - على سبيل المثال، تخفيض وقت التعطل غير المخطط بنسبة 15 في المائة في غضون سنة واحدة، أو انخفاض استهلاك الطاقة في نظام HVAC بنسبة 10 في المائة، وينبغي أن تكون الأهداف متسقة مع مقاييس الأعمال الأوسع نطاقاً مثل فعالية المعدات عموماً أو التكلفة الإجمالية للملكية.

الخطوة 3: منهاج البيانات المختارة والأدوات

ويمكن أن تختار منصة تحليل البيانات التي يمكن أن تخزن وتخزن وتجهز بيانات التدفق والدفعة، وتشمل الخيارات منابر قائمة على الغيوم مثل محلليات AWS، أو محللينيات Azure Stream، أو منصة غوغل كلود إيوت، وكذلك منابر البيانات الضخمة مثل مكتبات إيباتشي هادوب وSpark.

الخطوة 4: بناء خط البيانات

إنشاء خط أنابيب ينقل البيانات من أجهزة الاستشعار/الأجهزة القائمة إلى منصة التحليل، ويشمل ذلك استنباط البيانات (مثلاً، MQTT، ومنظمة حظر الأسلحة الكيميائية، وقاعدة بيانات عن بحيرة البيانات أو مجموعات زمنية (مثلاً، نظام إنفلوكس دي بي)، وتحويلات التحليلات.

الخطوة 5: وضع نماذج إرشادية

العمل مع علماء البيانات وخبراء المجالات لوضع نماذج مصممة خصيصا لكل نظام مساعد، والبدء في نماذج بسيطة (مثلاً، الإنذارات القائمة على العتبة) وإدماج التعلم الآلي تدريجياً، والنماذج المثمرة باستخدام بيانات الفشل التاريخي والتكرار على أساس الدقة، وتشمل النماذج المشتركة الغابات العشوائية للتصنيف (السلع/القاعدة)، وشبكات الذاكرة القصيرة الأجل الطويلة الأجل للتنبؤ بسلاسل الزمنية، وتحليل البقاء لتقديرات النفط.

الخطوة 6: النشر والرصد

تنفيذ حل التحليلات في نظام تجريبي قبل التوسع، ورصد الأداء النموذجي وتحديث النماذج مع توافر بيانات جديدة، ووضع حلقات للتغذية المرتدة: عندما يؤدي التنبؤ إلى اتخاذ إجراء، يسجل النتيجة لتحسين التنبؤات في المستقبل.

الخطوة 7: تدريب الموظفين

ويتطلب النجاح في الاعتماد أن يفهم المشغلون، وأخصائيو الصيانة، والمديرون كيفية تفسير نواتج التحليل، وتوفير التدريب على لوحات القياس، والتنبيهات، والإجراءات الموصى بها، وتعزيز ثقافة تحركها البيانات، حيث تستند القرارات إلى أدلة وليس إلى حدس.

التحديات واستراتيجيات التخفيف

وعلى الرغم من الإمكانات المتاحة، فإن تنفيذ تحليلات البيانات الضخمة في النظم المساعدة يصطدم بعقبات، فيما يلي التحديات المشتركة وسبل التصدي لها:

:: نظام سيلوس للبيانات والتعقيد في التكامل

ولدى العديد من المنظمات معدات تراثية تفتقر إلى قدرات الاتصالات الرقمية، ويمكن تفريق البيانات عبر مختلف نظم الملكية، وتقليص: تركيب أجهزة استشعار للإعادة إلى الظهور مع بروتوكولات مفتوحة (مثلا، مودبوس، وأجهزة الحافلات) واستخدام بوابات حافة يمكن أن تترجم بين البروتوكولات، وترتيب أولويات التكامل بين أكثر النظم أهمية أولا.

الاستثمار الأولي المرتفع

ويتطلب تحسين درجة الحسّن، وتراخيص المنصات، والموظفين المهرة رأس المال في البداية: البدء في تنفيذ برنامج تجريبي صغير رفيع المستوى (مثل نظام واحد للتبريد) لإثبات القيمة، ويقدم العديد من مقدمي الخدمات السحابية نماذج دفع أولاً تخفض التكاليف الأولية، والبحث عن المنح الحكومية أو حوافز كفاءة الطاقة.

مخاطر الأمن السيبرى

(ب) إن ربط النظم المساعدة بالشبكات يوسع سطح الهجوم، ويمكن استخدام جهاز استشعار مُعرَّض للخطر للتلاعب بعمليات أو لإخراج بيانات، والتخفيف من حدة الآثار: إقامة شبكات صناعية، وتنفيذ توثيق قوي، واستخدام الاتصالات المشفرة، ومواصلة تحديث البرمجيات، ومتابعة معايير مثل ISA/IEC 62443 للأمن السيبراني الصناعي.

نقص محللي البيانات المهرة

ومن النادر الجمع بين المعارف المتعلقة بالمجالات والنظم المساعدة ذات الخبرة في مجال علوم البيانات، التخفيف: توظيف أو عقد علماء البيانات ذوي الخبرة الصناعية، أو زيادة مهارات المهندسين الحاليين في تحليل البيانات، واستخدام منابر لا تستخدم أي رموز تتيح للفنيين بناء نماذج دون برامج واسعة النطاق.

النموذج الدريفت والنفقة

ومع مرور الوقت، تتغير سلوك النظام بسبب ارتدائه أو رفع مستواه أو تحولاته البيئية، ودقته في النموذج المهين، والتخفيف من حدة ذلك: إنشاء خطوط إعادة تدريب آلية تحفز على تجاوز العتبات عند حدوث أخطاء في التنبؤ، ومواصلة رصد القياسات الرئيسية مثل المعدلات الإيجابية/المدنية الكاذبة.

الاتجاهات المستقبلية

ويتطور تقاطع البيانات الضخمة، والاستخبارات الاصطناعية، وشبكة الأشياء على نحو سريع، وسيشكل العديد من الاتجاهات كيفية إدارة النظم المساعدة في السنوات القادمة:

التوائم الرقمية

فالتوأم الرقمي هو نسخة طبق الأصل من نظام مادي يعكس حالته في الوقت الحقيقي، وبالنسبة للنظم المساعدة، فإن التوأم الرقمي يسمح للمشغلين بتحفيز سيناريوهات " ماذا لو " التي تختبر أثر تغيير سرعة المضخة أو إضافة حمولة جديدة دون تعطيل العمليات، مع الجمع بين البيانات الضخمة، يصبح التوأم الرقمي أدوات قوية للتنبؤ والتفكير.

محلل إيدج و5G

فالتطبيقات الحساسة للطوارئ، مثل تحليل الاهتزاز في الوقت الحقيقي للمعدات الدوارة العالية السرعة، تتطلب تجهيزا قريبا من مصدر البيانات، وسيتيح تحليلات التوليد، التي تتيحها قلة سرعتها ٥ زاي، الكشف الفوري عن الشذوذ واتخاذ إجراءات تصحيحية تلقائية دون الاعتماد على السحاب، مما يقلل من تكاليف عرض النطاق الترددي ويحسن أوقات الاستجابة.

AI (XAI)

ونظراً لأن النماذج التنبؤية تصبح أكثر تعقيداً، فإن الشفافية مطلوبة للحصول على الثقة من المشغلين والمنظمين، فتقنيات المحاسبة الدولية توفر أسباباً للتنبؤات - على سبيل المثال " التنبؤ بعدم وجود تنبؤات بسبب زيادة الاهتزاز بالرقم 2 بنسبة 30 في المائة في الساعة الأخيرة " . وهذا يساعد أفرقة الصيانة على التحقق من التوصيات والتأكد من صحتها.

نظم الصحة الذاتية

ومن شأن تحليل البيانات الضخمة، إلى جانب الرقابة المتقدمة، أن يتيح اتخاذ إجراءات تصحيحية مستقلة، وعلى سبيل المثال، يمكن لنظام التبريد أن يكيف تلقائياً سرعة المعجبين به ومواقع الصمامات لمنع التسخين المفرط دون تدخل بشري، وأن يشفى نفسه بفعالية في الوقت الحقيقي.

خاتمة

ولم يعد تحليل البيانات الضخمة مفهوماً لا جدوى منه؛ فهو أداة عملية يمكن أن تحسن كثيراً أداء النظم المساعدة في جميع مجالات التصنيع ومراكز البيانات والنقل والطاقة والمباني، ومن خلال الانتقال من النشاط إلى الصيانة المتوقعة، يمكن للمنظمات أن تحقق درجة أعلى من الموثوقية، وتدني التكاليف، وتحسين كفاءة الطاقة، وتعزيز السلامة، غير أن النجاح يتطلب أكثر من الاستثمارات التكنولوجية - وهو يتطلب استراتيجية واضحة، وموظفين مهرة، وهياكل أساسية قوية للبيانات، واستعداداً للتطور.

وتبدأ الرحلة بفهم النظم المساعدة المحددة الموجودة حاليا، وتحديد أهداف قابلة للقياس، واختيار منصة التحليلات الصحيحة، ومع وجود تحديات، فإنها يمكن التغلب عليها بالتخطيط الدقيق والنشر التدريجي، وبالنسبة للمنظمات التي هي على استعداد لقبول الاستخدام الأمثل للبيانات، فإن الدفع ملموس: النظم المساعدة التي تدار بشكل أذكى، وتدوم أطول، وتدعم العمليات الأولية بشكل أكثر موثوقية.

To learn more about applying big data analytics in industrial contexts, refer to resources from the U.S. Department of Energy’s Advanced Manufacturing Office, the International Society of Automation, and help insights research provide big data