"الطاقة الكبيرة" هندسة الابتكار

مقدمة: الثورة الهندسية للبيانات - الدريفن

وقد قامت المنظمات الهندسية في كل قطاع من قطاعات الفضاء الجوي والسيارات إلى الطاقة والإلكترونيات الاستهلاكية باكتشاف أن أقوى أداة للابتكار ليست مادة جديدة، أو آلة أسرع، أو تصميماً رائعاً وحده، وهي بيانات، وقدرة جمع وتحليل البيانات الضخمة والعمل على إعدادها، قد غيرت إلى حد كبير كيفية تأثير الأفرقة الهندسية على حل المشاكل، والتحقق من صحة التصميم، والمواءمة العملية على نحو أسرع.

ما معنى البيانات الكبيرة للهندسة الحديثة

وتشير البيانات الضخمة في السياقات الهندسية إلى وجود تدفق هائل وعالي السرعة ومتنوع للمعلومات التي تولدت طوال دورة حياة المنتج، ويشمل ذلك قياسات الاستشعار عن بعد من المعدات المرتبطة، وسجلات الصيانة التاريخية، ونواتج المحاكاة، وأنماط استخدام العملاء، ومعاملات سلسلة الإمداد، وحتى النصوص غير المهيكلة من تقارير الخدمات، فخلافاً لما كان من الصعب في كثير من الأحيان وضع بيانات هندسية ثابتة، وقابلة للاختراق، فإن البيانات الضخمة لا تزال مخفية، متداخلة.

التحول من الخبرة إلى الهندسة

ومن الناحية التاريخية، تعتمد القرارات الهندسية اعتمادا كبيرا على خبرة كبار الموظفين الفنيين وحدسهم، مدعومة ببيانات اختبارية محدودة ونماذج تحليلية، وفي حين أن الخبرة الفنية لا تزال قيّمة، فإن البيانات الضخمة تستحدث طبقة تكاملية من الموضوعية، إذ يمكن للمهندسين الآن أن يصادقوا على افتراضات ضد البيانات التشغيلية للعالم الحقيقي من آلاف الوحدات في الميدان، ويمكنهم اكتشاف أنماط الفشل التي لم تظهر في اختبار المختبرات، ويمكنهم أن يُمكنوا من تصميمات على أفضل الظروف التي لم تكن متوقعة.

Transforming Design and Development with Data

وتتمثل مرحلة التصميم في وجود أكبر قدر من التأثير لتحسين التكاليف والجودة، ويتيح تحليل البيانات الضخمة للأفرقة ضغط دورات التطوير مع تحسين النتائج في الوقت نفسه، ومن خلال إعادة بيانات استخدام العالم الحقيقي إلى حلقة التصميم، يخلق المهندسون منتجات أكثر موثوقية وكفاءة ومواءمتها مع ظروف التشغيل الفعلية.

المحاكاة والتوائم الرقمية

ومن أقوى التطبيقات التي تستخدمها البيانات الكبيرة في التصميم إنشاء وصقل النماذج الرقمية للتوائم - الارتداد - البيرتاوي للمنتجات أو النظم المادية التي تتعلم باستمرار من بيانات الاستشعار، والتوائم الرقمي من توربين الريح، مثلا، يعجل في البيانات المتعلقة بسرعات الرياح، والتصميم الصارخ، ودرجة الحرارة، واليقظة، ويستخدم نماذج المحاكاة التوائم باستمرار نماذج قياسية ضد الأداء الميداني، مما يجعلها أكثر دقة.

تحديد أولويات المتدربين

وتحوّل البيانات الضخمة أيضاً الطريقة التي تقرر بها الأفرقة الهندسية أي سمات يتعين تطويرها، ومن خلال تحليل بيانات القياس عن بعد من المنتجات المستخدمة، يمكن أن تحدد الأفرقة القدرات التي يستخدمها الزبائن فعلاً، والتي تُعدّل في معظم الأحيان، وتُفضي ظروف الخطأ إلى توجيه أكبر المكالمات الداعمة، ويضمن هذا النهج القائم على البيانات لتحديد الأولويات أن تركز الموارد الهندسية على ما تحقق قيمة حقيقية، بدلاً من تحديد ما هي عليه في الأفرقة الداخلية.

كفاءة التصنيع ونوعيتها

ويولد الحد الأدنى للمصنع كميات هائلة من البيانات، وتحصل المنظمات الهندسية التي تتعلم استغلاله على مزايا كبيرة في الإنتاج والتكلفة والجودة، وتتحول محلليات البيانات الضخمة إلى التصنيع من تخصص لأخذ العينات وإعادة التأهيل إلى واحد من التحسينات المستمرة والحقيقية.

الصيانة الاستباقية والتعظيم للأصول

ولا تزال هناك مصادر من أكبر مصادر عدم الكفاءة في التصنيع، إذ تتيح البيانات الضخمة الصيانة المتوقعة عن طريق تحليل أنماط الاهتزاز واتجاهات درجة الحرارة والتوقيعات الصوتية وبيانات استهلاك الطاقة من معدات الإنتاج، وتكشف نماذج التعلم الآلات عن وجود سلائف فرعية لفشل المشغلين البشريين أو أجهزة الإنذار العتبة في ذلك، بدلاً من تقديم الخدمات للمعدات على جدول زمني ثابت يُستخدم في استهلاك المواد إذا كانت العناصر سليمة ومخاطرة.

ضمان الجودة في الوقت الحقيقي

وتعتمد مراقبة الجودة التقليدية على فحص العينات بعد الإنتاج، مما يعني أن العيوب تكتشف متأخرة وبكلفة عالية، وتسمح البيانات الضخمة برصد الجودة في الوقت الحقيقي من خلال ربط معايير العملية - التأقلم، والضغط، والوقت في الدورة، والخصائص المادية - مع قياسات الجودة النهائية، ويمكن أن تتنبأ نماذج التعلم في الآلات بظهور عيوب في إطار تشغيل الإنتاج ومشغلات الإنذار أن تكيف قبل أن تخفض تكاليف الخردة النهائية.

تكامل سلسلة الإمدادات وتحقيق الاستخدام الأمثل للمواد

ولا تتوقف كفاءة التصنيع عند جدار المصنع، إذ تتيح تحليلات البيانات الضخمة للأفرقة الهندسية وسلسلة الإمدادات الاستفادة المثلى من استخدام المواد، وتخفيض النفايات، وتحسين اللوجستيات، وبتحليل جداول الإنتاج، ومستويات المخزون، وبيانات نوعية الموردين، يمكن للمنظمات أن تحدد الاستراتيجية المثلى للاستعانة بكل عنصر، كما يمكنها أن تكتشف الصلات بين تفاوت المواد بين الدفعات والمنتجات المتجهة إلى القاعدة، مع تشديد أداء المنتجات في المراحل النهائية.

استراتيجيات لبناء منظمة هندسة لدراسات البيانات

إن تنفيذ البيانات الضخمة داخل الهندسة ليس مبادرة تكنولوجية فحسب، بل هو تحول في العمليات والمهارات والثقافة، وتوفر الاستراتيجيات التالية خريطة طريق عملية للقادة الهندسيين.

Deploy Comprehensive Data Collection Infrastructure

(ب) أن تستثمر المنظمات الهندسية في شبكات أجهزة الاستشعار التابعة للشركة، وسجلات البيانات، والأجهزة الحاسوبية الهشّة التي تجمع البيانات من كل نقطة ذات صلة في دورة حياة المنتج، ولا يشمل ذلك معدات التصنيع فحسب، بل يشمل أيضاً المنتجات الموزعة ميدانياً، والتجهيزات، وبيئات المحاكاة.

بناء القدرات التحليلية الشاملة لعدة مهام

ولا قيمة للبيانات وحدها دون المهارات اللازمة لتفسيرها، إذ يتعين على المنظمات الهندسية أن تزرع قوة عاملة مختلطة تجمع بين الخبرة الفنية في مجال علوم البيانات، ويمكن تحقيق ذلك من خلال زيادة مهارات المهندسين الحاليين، وتعيين علماء البيانات المتخصصين في النظم المادية، وإنشاء هياكل تعاون رسمية بين الأفرقة الهندسية والمحللة، وغالبا ما ينطوي النهج الأكثر فعالية على دمج علماء البيانات في أفرقة هندسة المنتجات بدلا من الحفاظ على مجموعة مركزية منعزلة.

اعتماد بنية أساسية حاسوبية قابلة للتوسع وكمية

وتتطلب أعباء العمل الهندسي الكبير في البيانات موارد حاسوبية مرنة وقابلة للتقسيم، وتوفر منابر السحاب قدرة كبيرة على التخزين والحساب من أجل إجراء عمليات المحاكاة المعقدة، ونماذج التعلم الآلي، وإجراء تحليلات واسعة النطاق للبيانات، غير أنه لا ينبغي إرسال جميع البيانات إلى السحابة، فالبيانات المتعلقة بالحسابات الداخلية تجهز محليا على المعدات التي تنتجها أو بالقرب منها، وهي ضرورية لتطبيقات ذات طابع سريع في مجال التجهيز.

التكنولوجيات الرئيسية التي تتيح الحصول على بيانات كبيرة في مجال الهندسة

وقد تقاربت عدة تكنولوجيات لجعل الهندسة الكبيرة التي تحركها البيانات عملية وفعالة من حيث التكلفة، ويساعد فهم هذه العوامل التمكينية القادة الهندسيين على اتخاذ قرارات مستنيرة بشأن الاستثمار.

تعليم الآلات وآلاتهن

والتعلم الماكني هو المحرك الذي يستخرج من مجموعات البيانات الكبيرة بآراء التنبؤية، وفي السياقات الهندسية، يتم تدريب نماذج التعلم الخاضعة للإشراف على البيانات المسمومة للتنبؤ بالنتائج مثل احتمال الفشل أو القوة المادية، ويحدد التعلم غير المشرف الأنماط الخفية في البيانات غير الموسومة، مثل مجموعات من ظروف التشغيل الشاذة، ويجري استخدام التعلُّم في تعزيز نظم الرقابة المعقدة على النحو الأمثل.

منهاجا التوأم الرقمي

ماذا يفعلون؟

وتوفر برامج التوأم الرقمية إطاراً لإنشاء وتحديث وتحليل نماذج افتراضية للموجودات المادية، وهي تدمج مسارات بيانات اليو تي، ونماذج المحاكاة، والبيانات التاريخية في تمثيل حي متماسك، ويمكن للمهندسين أن يتساءلوا عن توأم رقمي لفهم صحة الأصول الحالية، وأن يُجريوا سيناريوهات افتراضية، وأن يتوقّعوا الأداء في المستقبل، وهذه البرامج أصبحت ضرورية بصورة متزايدة لإدارة النظم المعقدة على دورة حياتهم الكاملة.

عملية المحاكاة المتقدمة وتكامل تحليل البيانات

وتنتقل أدوات المحاكاة الحديثة إلى ما هو أبعد من النماذج القائمة بذاتها إلى التغريم المباشر وتتعلم من البيانات التشغيلية، وهذا التقارب يعني أن تحليل العناصر المحددة، وديناميات السوائل الحاسوبية، وعمليات المحاكاة الدينامية المتعددة الأجسام يمكن أن تُعادل قياساً حقيقياً، وتحسين دقتها، وأن بعض البرامج توفر الآن تحديثاً آلياً، حيث يُعدل المحاكاة باستمرار بارامتراتها لتجارب البيانات الملاحظة.

التغلب على تحديات البيانات الضخمة في مجال الهندسة

والوعد بتقديم بيانات كبيرة هو أمر هام، ولكن أيضا العقبات، وكثيرا ما ترى المنظمات التي لا تتصدى لهذه التحديات بصورة منهجية أن مبادراتها المتعلقة بالبيانات تعطل أو لا تحقق قيمة تجارية قابلة للقياس.

أمن البيانات وحماية الملكية الفكرية

البيانات الهندسية غالباً ما تكون من بين ممتلكات المنظمة الفكرية القيمة، تصميمات المنتجات وعمليات التصنيع وبيانات الأداء تمثل سنوات من الاستثمار والتفريق التنافسي، خرق البيانات الذي يعرض هذه المعلومات قد يكون كارثياً، حماية البيانات الهندسية تتطلب التشفير في كل من الراحة والعبور، ضوابط صارمة على الدخول على أساس الدور، تقسيم الشبكة بين تكنولوجيا العمليات ونظم تكنولوجيا المعلومات، وعمليات المراجعة الأمنية المنتظمة.

نوعية البيانات والاتساق عبر المصادر

وتأتي البيانات الهندسية من مصادر متنوعة - مستشعرة لها معدلات مختلفة لأخذ العينات، وقواعد بيانات غير متسقة، وسجلات يدوية مع خطأ بشري، ويؤدي ضعف نوعية البيانات إلى نماذج غير موثوقة وإلى قرارات سيئة، ومن الضروري وضع ممارسات صارمة لإدارة البيانات، ويشمل ذلك تحديد معايير البيانات، وتنفيذ خطوط التثبت الآلي للبيانات والتطهير، وحفظ فهرس البيانات الفوقية، وتتبع خط البيانات.

دمج نظم الإرث مع منابر البيانات الحديثة

وتدير منظمات هندسية عديدة نظماً قديمة العهد لم تصمم أبداً لتنقية البيانات إلى منابر تحليلية، ويتطلب ربط هذه الأصول القديمة بالهيكل الأساسي الحديث للبيانات تخطيطاً دقيقاً، وتشمل الخيارات إعادة استخدام أجهزة الاستشعار التي تستخدم نماذج لاقتناء البيانات، باستخدام بوابات صناعية تستخدم فيها أجهزة إيوت التي تتكلم عن بروتوكولات أقدم مثل مودبوس أو مكتب تنسيق العمليات، وتنفيذ نظام متوسط يترجم بين أشكال البيانات القديمة والحديثة.

إدارة المقاومة والتغيير في المنظمة

وقد يؤدي التحول من الهندسة القائمة على أساس المؤشرات إلى مقاومة، وقد يشعر كبار المهندسين بأن خبرتهم قد تقلل من قيمتها، وقد تعتاد الأفرقة على العمل في الحروف على الاكتفاء بالبيانات، ويكمن الحل في إدارة التغيير التي تشدد على كيفية زيادة البيانات بدلا من الاستعاضة عن الحكم الإنساني، وتكشف عيب التصميم المبكر الذي يلحقه تحليل البيانات قبل أن يتم بناء نموذج مجازي، أو جدول أعمال صيانة مجزأ.

الاتجاهات المستقبلية: حيث تأخذ البيانات الضخمة عملية الابتكار الهندسية

وتتجه مسار البيانات الضخمة في مجال الهندسة إلى زيادة التشغيل الآلي، وإلى زيادة التكامل، وإلى ظهور قدرات جديدة بدأت للتو.

تصميمات متجانسة مُنحت بواسطة بيانات عالم الواقع

وتستخدم أدوات التصميم التجانسية أداة التصاميم الحسنة لاستكشاف آلاف البدائل التصميمية استنادا إلى متطلبات الأداء، وعندما تُدرَج هذه الأدوات بيانات الاستخدام في العالم الحقيقي بدلا من الافتراضات المثلى، فإنها تنتج تصميمات لا تكون أخف أو أقوى فحسب، بل تتطابق أيضا مع ظروف التشغيل الفعلية، وهذا الجمع بين التصميم السخي والوعود الكبيرة بالبيانات من أجل التعجيل بالابتكارات في الميادين من الهياكل الفضائية الجوية إلى العصيات الطبية.

العملية المستقلة

ومع أن نماذج التعلم الآلي تصبح أكثر قوة وثقة، فإن العمليات الهندسية ستزداد استقلالاً، وسيعدل خطوط التصنيع بارامتراتها الخاصة استجابةً للممتلكات المادية المتغيرة أو الظروف البيئية، وستعيد سلاسل الإمداد تشكيل نفسها دينامياً عند حدوث حالات تعطيل، وسيتحول الدور الهندسي من عمليات المراقبة اليدوية إلى تصميم نظم مستقلة تُفضي إلى أن تصبح نفسها على أفضل وجه.

إمكانية مشاهدة دورة الحياة من نهاية إلى نهاية

والهدف النهائي من البيانات الضخمة في مجال الهندسة هو إبراز دورة الحياة الكاملة من مصادر المواد الخام عن طريق التصميم والتصنيع والاستخدام والصيانة وإعادة التدوير في نهاية المطاف، وهذا الرأي المغلقة يتيح للمنظمات أن تغذي بصيرير من كل مرحلة إلى مراحل سابقة، وأن تهيئ دورة من التحسين المستمر، وستكون المنتجات المصممة بهذا الوضوح الكامل أكثر استدامة وأكثر موثوقية وأكثر ربحية على مدى حياتها كلها.

الاستنتاج: هندسة مستقبل البيانات - الدريفن

إن جمع البيانات الكبيرة لدفع عملية الابتكار في مجال الهندسة ليس مشروعاً لمرة واحدة أو شراءاً للتكنولوجيا، بل هو تحول استراتيجي يلمس كل جزء من المنظمة الهندسية، والمنظمات التي تنجح هي التي تستثمر بفكر في البنية الأساسية للبيانات، وتبني المزيج الصحيح من المهارات، وتعالج التحديات الأمنية والجودة القائمة، وتزرع ثقافة تُعتبر فيها البيانات أكثر المتعاونين مع المهندسين قوة، وتحتاج المسارات إلى الاستثمار وإلى الابتكارات الحسنة، ولكن المكافأة على الجودة.