دراسة حالة: التعلم غير المشرف من أجل كشف الإخفاق في النظم الصناعية

وقد ظهرت أساليب التعلم غير المشرفة كأدوات قوية لكشف الأخطاء في النظم الصناعية، مما أدى إلى تغيير الطريقة التي تقارب بها المنظمات في الصيانة والموثوقية التشغيلية، وهذه الأساليب المتقدمة تحلل كميات كبيرة من بيانات الاستشعار دون أن تتطلب أمثلة ملصقة، مما يجعلها قيمة بصفة خاصة في البيئات التي تكون فيها البيانات الخاطئة شحيحة أو صعبة الحصول عليها، وذلك بتحديد أوجه الخلل التي قد تشير إلى فشل النظم أو إلى مسائل تشغيلية، ومن خلال نهج التعلم غير المشرفة تساعد الشركات على تحسين كفاءة الصيانة، والحد من التكاليف.

فهم التعلم غير المشرف في السياقات الصناعية

ويشمل التعلم غير المشرف مقاييس للبحث عن أنماط في مجموعات البيانات دون أي تعليقات من الخارج، وعلى عكس أساليب التعلم الخاضعة للإشراف التي تتطلب كميات كبيرة من البيانات المسمومة بدقة، يمكن للنهج غير الموصوفة أن تعمل مع مجموعات بيانات غير محددة، مما يجعلها مثالية للتطبيقات الصناعية، وتقتصر فعالية أساليب التعلم الخاضعة للإشراف على اعتمادها على كميات كبيرة من البيانات المسمومة بدقة، وعلى مجموعة من المهام المعقدة().

وتشمل أساليب التعلم غير المشرفة المشتركة مقاييس التجمّع، وأساليب الكشف عن الشذوذ، ونُهج الحد من البعد، وهذه الأساليب تبرز في البيئات الصناعية حيث لا تتوفر قواعد بيانات شاملة عن الأخطاء أو حيث تؤدي مختلف أساليب الفشل المحتملة إلى وضع علامات يدوية غير عملية، فالتعلُّم غير الموصوف هو مهمة تركز على استكشاف أساليب غير موصَّفة للكشف عن الخلل أو التكتل في غياب عملية واحدة مسمّة.

تحدي البيانات الصناعية

وتواجه تقنيات الكشف عن الشذوذ في نظم الرقابة الصناعية تحديات فريدة، ناشئة أساسا عن البعد العالي، والتباين، وتعقيد بيانات السلسلة الزمنية، وتوليد أجهزة الاستشعار الصناعية تدفقا مستمرا للبيانات المتعددة الأنواع من مصادر مختلفة، بما في ذلك رصد درجات الحرارة، وأجهزة الاستشعار عن بعد، وقياسات الضغط، ومترات التدفق، وهذه البيانات غير المتجانسة تشكل تحديات كبيرة بالنسبة لأساليب الكشف التقليدية.

وفي سيناريوهات العالم الحقيقي، كثيرا ما تكون السمات ذات الصلة التي تفكك الظروف الفعلية للآلات غير معروفة، مما يطرح تحديات جديدة في معالجة مشاكل التشخيص الخاطئ، وتحتاج نهج القانون النموذجي عموما إلى عمليات استخراج خاصة بالأخطار، تشمل وضع نماذج مصممة خصيصا لكل دراسة حالة، ويزيد تعقيدها من جراء خصائص الإنتاج التي تدوم الزمن والتفاعلات غير المباشرة بين عناصر الآلات.

دور التعلم غير المشرف في الصيانة الافتراضية

ولإجراء الصيانة الأساسية الوقائية، تكشف الصيانة المتوقعة عن خطر وقف العمل غير المتوقع في نظام التصنيع، مما يكفل استمرارية التشغيل، وتمثل الصيانة الافتراضية تحولا أساسيا من نهج الصيانة التفاعلية أو المقررة إلى استراتيجيات استباقية تحركها البيانات وتتوقع حدوث إخفاقات في المعدات قبل حدوثها.

ويكمن الكشف عن الشذوذ في صميم إدارة المبيدات مع التركيز أساسا على إيجاد أوجه خلل في معدات العمل في المراحل المبكرة وتنبيه مشرف التصنيع إلى القيام بأنشطة الصيانة، ومن خلال الرصد المستمر لظروف المعدات وتحديد الانحرافات عن أنماط التشغيل العادية، يمكن نماذج التعلم غير المشرفة أفرقة الصيانة من التدخل قبل حدوث حالات الفشل الكارث.

فوائد النهج غير المشرف عليها

إن مزايا التعلم غير المشرف على كشف الأخطاء تمتد عبر أبعاد متعددة، أولا، هذه الأساليب تلغي الحاجة إلى مجموعات بيانات تدريبية واسعة النطاق، تكون مكلفة في كثير من الأحيان وتستغرق وقتا طويلا في الخلق، وفي معظم الحالات، تكون البيانات المتاحة غير معلومة، لذا لا نعرف إذا كانت الإشارات السابقة مسموعة أو طبيعية، وبالتالي، لا يمكننا تطبيق نماذج غير موصّلة تتوقّع أحداثاً غير معقّلة تستند إلى الأداء العادي.

ثانيا، يمكن للتقنيات غير المشرفة أن تكتشف أنماطا غير معروفة من قبل قد لا يكون الخبراء البشريون قد توقعوها، وهذه القدرة قيمة بصفة خاصة في النظم الصناعية المعقدة التي قد تكون فيها أساليب الفشل أقل أو ناتجة عن مزيج غير متوقع من العوامل، ثالثا، يمكن لهذه النهج أن تتكيف مع الظروف التشغيلية المتغيرة دون اشتراط إعادة تدريب مستمرة مع أمثلة جديدة مسمّاة.

وفي صناعة التصنيع، يؤدي الصيانة التنبؤية القائمة على الكشف عن الشذوذ إلى زيادة الإنتاجية وخفض تكاليف الصيانة، كما أن تحديد العلامات غير الشاذة وأسبابها يسمح باستمرار العملية عن طريق اتخاذ المهندسين إجراءات علاجية.

التقنيات الأساسية لتحديد التخلف غير المشرف

وقد ثبتت فعالية العديد من تقنيات التعلم غير المشرفة بشكل خاص بالنسبة لتطبيقات الكشف عن الأخطاء الصناعية، حيث يوفر كل نهج مواطن قوة فريدة ويتناسب مع مختلف أنواع البيانات والاحتياجات التشغيلية.

أساليب التجميع

(ج) جمع نماذج بيانات مماثلة لمجموعة الخوارزميات، مما يتيح تحديد المعالم الخارجية التي تنحرف بدرجة كبيرة عن الأنماط الثابتة، ويشمل اتباع نهج جديد غير مشرف في التعلم من أجل كشف الإخفاقات في التسلسل الحقيقي وتشخيصها استخدام تقنيات التجميع، ولا سيما خوارزميات الكيمان، لتحليل بيانات الرصد الخام وتحويلها إلى أفكار قيمة لتطبيقات الرصد المشروط.

(ج) بيانات تقسيم المعارف إلى مجموعات متميزة استناداً إلى مقاييس التماثل، وفي تطبيقات الكشف عن الأخطاء، تشكل ظروف التشغيل العادية عادة مجموعات كثيفة، في حين يبدو السلوك الشاذ كمراكز معزولة أو مجموعات صغيرة بعيدة عن التجمعات الرئيسية، وتشمل النهج التكتلات الهرمية، والهيدروكسان (المجموعة الفضائية القائمة على أساس حساسية)، وتصورات غاوسيان مكس.

وتتوقف فعالية أساليب التجميع اعتمادا كبيرا على اختيار السمات المناسبة وعلى القياسات عن بعد التي تستوعب بدقة العلاقات بين مختلف الدول التنفيذية، وكثيرا ما تؤدي الخبرة الأساسية دورا حاسما في تحديد القياسات المستشعرة والملامح المشتقة التي ينبغي إدراجها في تحليل التجميع.

غابة عزل

وتمثل غابة عزل التربة تقنية قوية للكشف عن الشذوذ تستهدف تحديداً تحديد المتفوقين في مجموعات البيانات العالية الأبعاد، وتعمل الخوارزمية عن طريق اختيار سمات عشوائية وتجزئة القيم لخلق أشجار العزل، وتحتاج نقاط البيانات الشاذة، التي تعتبر نادرة ومختلفة، إلى أن تكون أقل انقساماً للعزل مقارنة بالحالات العادية.

هذا النهج يوفر عدة مزايا للتطبيقات الصناعية، وهو يؤدي بشكل جيد مع البيانات العالية الأبعاد، ومقياسات فعالة لمجموعات البيانات الكبيرة، ويحتاج إلى الحد الأدنى من التصحيح البارامترات، وقدرة الخوارزمية على التعامل مع أنواع البيانات المختلطة، وقوتها في السمات غير ذات الصلة تجعلها مناسبة بشكل خاص للبيئات الصناعية حيث تولد صفائف الاستشعار أنواعا قياسية متنوعة.

وقد طبقت غابة عزل بنجاح على كشف حالات اختلال المعدات، وانحرافات العمليات، وقضايا الجودة في مختلف قطاعات التصنيع، كما أن كفاءتها الحاسوبية تتيح الكشف عن الشذوذ في الوقت الحقيقي حتى مع بيانات الاستشعار عن طريق التصفير من مصادر متعددة.

تحليل العناصر الرئيسية

ويحول تحليل المكونات الرئيسية مجموعة من المتغيرات المتصلة بالعلاقة إلى مجموعة أصغر من المتغيرات الجديدة غير المتصلة بالعقيدات التي تتضمن أهم المعلومات عن البيانات الأصلية، ويلزم أن يتناول التقييم القطري المشترك مجموعة محدودة من القياسات التي لا تزال تضمن الوصف الصحيح للوضع الآلي.

ويقلل التقييم القطري المشترك من أبعاد البيانات بتحديد الاتجاهات التي تنطوي على اختلافات قصوى في مجموعة البيانات، وفي تطبيقات الكشف عن الأخطاء، فإن ظروف التشغيل العادية عادة ما تحتل منطقة محددة تحديدا جيدا في المساحة المخفضة الأبعاد، وتشير حالات الانحراف عن هذه المنطقة إلى وجود أوجه شاذة محتملة تستدعي التحقيق.

وتثبت التقنية أنها قيمة خاصة عند التعامل مع مئات القياسات المستشعرة من النظم الصناعية المعقدة، ومن خلال عرض بيانات عالية الأبعاد على حيز فرعي منخفض الأبعاد، يجعل من السهل تصور الأنماط وتحديد الصلات بين المتغيرات والكشف عن السلوك غير الشاذ، والخطأ في إعادة البناء - الفرق بين البيانات الأصلية والتوقعات من قاعات الفضاء المنخفضة كمؤشر فعال على وجود ورم.

Autoencoders and Deep Learning Approaches

ويُقترح استخدام أجهزة التدقيق الذاتي وأجهزة التكتل في الكشف عن الأمراض الشاذة، وهي شبكات للطبيعة مدربة على إعادة بناء بيانات مدخلاتها من خلال التمثيل الداخلي المضغط، وأثناء التدريب على بيانات التشغيل العادية، يتعلم جهاز التكتل الآلي أن يُشفِر بفعالية وأنماط نموذجية، وعندما يُعرض على بيانات غير عادية، يزداد خطأ التعمير بدرجة كبيرة، مما يوفر إشارة واضحة إلى الظروف غير العادية.

ويوسع نطاق هذا المفهوم من خلال تعلم التمثيلات الاحتمالية للسلوك الطبيعي، مما يتيح الكشف عن الشذوذ بشكل أقوى مع تعميم أفضل على التغيرات الطبيعية غير المنظورة، ويمثل نظام CAE-T، وهو شبكة تحويل آلية ذاتية عميقة الغرض منها الكشف عن الشذوذ ورصد الأخطاء في الوقت الحقيقي في النظام المتكامل للرصد والتقييم، تقدماً حديثاً في الجمع بين هياكل التعلم العميق المتعددة لتحسين الأداء.

(ج) نهج التعلم العميق تبرز في استخلاص العلاقات المعقدة وغير الخطية في البيانات الصناعية، ويمكنها أن تتعلم تلقائياً السمات ذات الصلة من قياسات الاستشعار الخام دون هندسة يدوية واسعة النطاق، غير أن هذه الأساليب تتطلب عادة موارد حاسوبية كبيرة ومجموعات بيانات أكبر للتدريب الفعال.

إطار تطبيق الكشف عن التخلف الصناعي

ويشمل تنفيذ التعلم غير المشرف لكشف الأخطاء عدة مراحل حاسمة، بدءا من جمع البيانات من خلال نشر النماذج والرصد المستمر.

اقتناء البيانات وتجهيزها

وتولد أجهزة الاستشعار الصناعية كميات هائلة من البيانات باستمرار، ويبدأ الكشف الفعال عن الأخطاء بالهياكل الأساسية المناسبة لاقتناء البيانات التي تلتقط القياسات ذات الصلة بمعدلات أخذ العينات المناسبة، ويمثل التدرج، والهتز، والضغط، ومعدل التدفق، والهيكل الكهربائي، والانبعاثات الصوتية أنواعا مشتركة من أجهزة الاستشعار المنتشرة في جميع المرافق الصناعية.

وتؤدي عملية تجهيز البيانات مسبقا دورا حاسما في الأداء النموذجي، وتشمل هذه المرحلة معالجة القيم المفقودة، وإزالة العوامل الخارجية الناجمة عن اختلالات أجهزة الاستشعار، وتطبيع القياسات إلى مقاييس قابلة للمقارنة، ومزامنة المصابيح عبر مختلف مصادر البيانات، ويكفل اتساق الوقت إمكانية إجراء مقارنة مجدية بين القياسات المستمدة من أجهزة الاستشعار المتعددة، وتحليل بعضها معا.

وتحوّل هندسة المعالم بيانات الاستشعار الخام إلى بيانات ذات مغزى، وقد ينطوي ذلك على حساب التدابير الإحصائية عبر النوافذ الزمنية (المتوسط، الفرق، الكشب)، أو استخراج سمات النطاق الترددي من خلال تحويلات " فورييه " ، أو حساب الكميات المستمدّة استنادا إلى العلاقات المادية بين المتغيرات.

التدريب النموذجي والتقييم

ويُجرى الكشف عن الشذوذ دون إشراف على افتراض أن العينات العادية الوفيرة متاحة عادة أثناء مرحلة التدريب، في حين أن العينات غير الشاذة غالبا ما تكون شحيحة أو صعبة جمعها، وبالتالي، يجري التدريب حصرا على العينات العادية.

وتشمل عملية التدريب اختيار الخوارزميات المناسبة، وضبط المقاييس الفائقة، وتحديد عتبات القرار للتصنيف الشاذ، وتساعد التقنيات الشاملة على ضمان تعميم النماذج بشكل جيد على البيانات الجديدة بدلا من الإفراط في الاستفادة من أمثلة التدريب، أما بالنسبة للتطبيقات الصناعية، فينبغي أن يتضمن التحقق من البيانات المستمدة من مختلف أساليب التشغيل، وعمليات الإنتاج، والظروف البيئية للتحقق من الأداء القوي.

ويتطلب إنشاء عتبات مناسبة للشبهات موازنة الحساسية إزاء معدلات الإنذار الكاذبة، وقد تفوت الحدود القصوى للتحفظ أخطاء حقيقية، بينما تولد الظروف الشديدة الحساسية إنذارات كاذبة مفرطة تقوض ثقة المشغلين وموارد صيانة النفايات، وتساعد بيانات الفشل التاريخي، عند توافرها، على معايرة هذه العتبات لتحقيق أداء الكشف الأمثل.

رصد الوقت الحقيقي وتوليد الإنذار

وبمجرد نشر نماذج التعلم غير المشرفة، تقوم باستمرار بتحليل بيانات الاستشعار الواردة لكشف حالات الشذوذ في الوقت الحقيقي، وتدرج أجهزة الاستشعار في بيانات تدفق المعدات في الوقت الحقيقي، وتتيح هذه التدفق المستمر للمعلومات، التي تتيحها تكنولوجيا التوحيد القياسي، لمصانع التصنيع الكشف فورا عن حالات الشذوذ بدلا من انتظار إجراء عمليات تفتيش مقررة.

وتوفر نظم الإنذار الفعالة معلومات قابلة للتنفيذ لأفرقة الصيانة، بما في ذلك درجات الشدة الشاذة، والمعدات أو النظم الفرعية المتأثرة، وقياسات الاستشعار ذات الصلة، وتساعد أجهزة رصد التبصر المشغلين على تقييم حالة النظام بسرعة وعلى تحديد الأولويات، كما أن التكامل مع نظم إدارة الصيانة يتيح توليد نظام عمل آلي وتخصيص الموارد.

وينبغي أن يتتبع النظام أيضا نتائج الإنذارات التي تتيح التحسين المستمر، فالتسجيل الذي يتطابق مع الأخطاء الحقيقية مقابل الإنذارات الكاذبة يقدم تعليقات قيمة على تنقيح عتبات الكشف ومعايير النموذج بمرور الوقت.

التقنيات المتقدمة والنُهج الهجينة

ويتزايد استخدام الكشف عن الأخطاء الصناعية الحديثة في الجمع بين تقنيات متعددة لتحقيق أداء أعلى.

الطرائق المجمّعة

وتشمل فئات الإبداع النموذجية نماذج مشرف عليها وغير مشرف عليها، ونماذج هجينة، والتعلم الجماعي، والنظم القائمة على القواعد، ونماذج تحليل السلاسل الزمنية، والتعلم عن النقل، ونماذج التعلم عن طريق الميثان، وتجمع النُهج المتبعة في الجمع بين التنبؤات من خوارزميات التعلم المتعددة غير الموصَّلة لتحسين دقة الكشف والقوة.

فعلى سبيل المثال، قد يستخدم نظام غابة عزل لإجراء فحص أولي سريع، كما أن التقييم القطري المشترك لتحديد أنماط غير عادية محددة، وأجهزة آلي لكشف الانحرافات الطفيفة في العلاقات المعقدة المتعددة الفواريات، وتنتج خطط التصويت أو التركيبات المرجحة لنواتج نموذجية فردية درجات شاذة نهائية تغذي مواطن القوة التكميلية للتقنيات المختلفة.

وعادة ما تحقق الأساليب المجمّعة تعميما أفضل وتخفض معدلات الإنذار الكاذب مقارنة بالنهج القائمة على أساس واحد، كما أنها توفر فائضا يحافظ على القدرة على الكشف حتى لو كان نموذج واحد من المكونات يؤدي أداء ضعيفا على أنواع معينة من الأخطاء.

التعلم شبه المشرف

وفي نظم التفتيش الصناعية العملية، كثيرا ما تكون البيانات الشاذة المحدودة المسمّاة بالعلامات غير الشاذة متاحة، مما يحفز على اعتماد أطر للكشف شبه الموصوف، وتدمج هذه المنهجيات على نحو استراتيجي الحالات الشحيحة المسمّاة بأعينات عادية وفرة لتعزيز أداء الكشف بما يتجاوز قدرات النهج غير الموصّفة.

وتمثل التقنيات التي تُشرف عليها شبه المراقبة أرضية متوسطة بين التعلم غير المشرف والإشراف عليه بالكامل، وهي تحشد كميات صغيرة من بيانات الأخطاء المسمومة عند توافرها، وتعتمد أساسا على بيانات التشغيل العادية الوفيرة التي لا تحمل علامات محددة، ويمكن لهذا النهج أن يحسن بدرجة كبيرة الكشف عن أنواع الأخطاء المعروفة مع الحفاظ على القدرة على تحديد أوجه الشذوذ الجديدة.

تحليل سلسلة الزمن

ويجمع نموذج واحد من نماذج الـ 1DCNN-Bilstm للكشف عن الشذوذ والتنبؤ به في السلسلة الزمنية بين شبكة عصبية من نوع واحد إلى دي وجهاز توجيهي متفجر من نوع LSTM، وهو فعال في استخراج سمات من بيانات السلسلة الزمنية وكشف الشذوذات.

وتولد العمليات الصناعية بيانات متتابعة حيث تحمل المعالين الزمنيين معلومات هامة عن صحة النظام، وتُظهر شبكات الذاكرة القصيرة الأجل الطويلة وغيرها من هياكل الشبكات العصبية المتكررة التي تُبث في نموذج هذه الأنماط الزمنية، ويمكنها تعلم التسلسلات العادية للأحداث وتحديد الوقت الذي ينتقص فيه السلوك الحالي من التقدم المتوقع.

وتنشئ طبقات الجمع بين التطور في مجال استخراج السمات مع الطبقات المتكررة للنموذج الزمني هياكل قوية لتجهيز بيانات السلسلة الزمنية الصناعية، ويمكن لهذه النماذج أن تلتقط كلا من الأنماط المكانية عبر أجهزة الاستشعار المتعددة والتطور الزمني للولايات النظامية.

دراسات الحالة الحقيقية في العالم وتطبيقاتها

وقد تم بنجاح نشر التعلم غير المشرف لكشف الأخطاء في مختلف القطاعات الصناعية، مما يدل على فوائد تشغيلية ومالية كبيرة.

نظم التصنيع

وبصدد الصناعة 4 -0، طُبقت أساسا أساليب التعلم الآلي على تصميم استراتيجيات الصيانة القائمة على الظروف لتحسين الكشف عن سلائف الفشل وتدهور التنبؤات، ونفذت مرافق التصنيع كشفا غير مشرف على رصد الشذوذ لرصد معدات الإنتاج بما في ذلك أجهزة لجنة التنسيق الوطنية، ونظم التجمع الآلي، وشبكات النقل.

وتظهر البيانات التي جمعت من جزء من نظام تصنيع المنتجات الكيميائية في العالم الحقيقي أن الهواء الذي كان تحت ضغط الغلاف الجوي يتدفق إلى مضغط الهواء، وبعد الضغط من خلال أربع نقاط، يُثبّت الهواء في المفاعل، وفي هذا التطبيق الكيميائي، نجحت نماذج التعلم غير الموصوفة في تحديد علامات غير عادية في وقت مبكر، واستمدت أسباباً هامة لإغلاق المفاعلات المكتشفة.

وقد نشر المصنعون الآليون هذه النظم لرصد معدات خط التجميع، وكشف الارتطام، واختلالات في المحرك، وتدهور النظام الهيدروليكي قبل فشل الإنتاج، وقد أدت القدرة على تحديد مواعيد الصيانة أثناء فترات التوقف المقررة بدلا من الاستجابة للانهيار غير المتوقع إلى انخفاض خسائر الإنتاج وتحسين فعالية المعدات عموما.

الطاقة والمرافق

وتعتمد مرافق توليد الطاقة، وعمليات النفط والغاز، ومنشآت الطاقة المتجددة اعتمادا كبيرا على كشف الأخطاء غير الموصوفة للحفاظ على الهياكل الأساسية الحيوية، وتحلل نظم رصد التربينات المريحة أنماط الاهتزاز، وموجزات درجات الحرارة، والخصائص الكهربائية لكشف مشاكل أجهزة التروس، وتحمل الفشل، وتلف الصدر.

وكثيرا ما تنطوي هذه التطبيقات على بيئات ومعدات تشغيلية قاسية توزع عبر مناطق جغرافية واسعة، مما يجعل نُهج التفتيش التقليدية مكلفة وغير عملية، فالتعلُّم غير الموصوف يتيح الرصد المستمر عن بعد بواسطة الإنذارات الآلية عندما تشير الهالات إلى نشوء مشاكل.

الصناعات

وتستخدم المصانع الكيميائية والمصافي ومرافق صناعة المستحضرات الصيدلانية الكشف غير المشرف على الشذوذ لرصد معدات العمليات المعقدة بما في ذلك المفاعلات، ومبادلات الحرارة، والمضخات، والضغطات، وهذه البيئات تمثل تحديات خاصة بسبب ظروف التشغيل المختلفة، والاختلافات بين الطلقات والصيد، والحاجة إلى الحفاظ على معايير صارمة للجودة والسلامة.

وتكيف النماذج غير المشرفة مع تغيرات العمليات العادية، بينما لا تزال تكتشف أخطاء حقيقية، وتساعد على تحديد أنماط التحلل الخفيف التي قد تفلت من الإشعار أثناء عمليات التفتيش الروتينية، ومنع مسائل الجودة، وحوادث السلامة.

تحديات التنفيذ والحلول

وعلى الرغم من فوائدها الكبيرة، فإن تنفيذ التعلم غير المشرف من أجل الكشف عن الأخطاء الصناعية ينطوي على عدة تحديات يجب على المنظمات أن تتصدى لها.

نوعية البيانات ومدى توافرها

ويمكن أن تؤثر قضايا نوعية البيانات الصناعية، بما في ذلك الانجراف المستشعر، وأخطاء المعايرة، وإخفاقات الاتصالات، والتدخل البيئي تأثيرا كبيرا على الأداء النموذجي، كما أن خطوط الأنابيب الجاهزة للتجهيز التي تكشف وتعالج مشاكل جودة البيانات هذه، هي أمور أساسية للكشف عن الشذوذ بصورة موثوقة.

ويتطلب إنشاء بنية أساسية شاملة لجمع البيانات الاستثمار في أجهزة الاستشعار وشبكات الاتصال ونظم التخزين، ويجب على المنظمات أن توازن بين الرغبة في تغطية الرصد الواسعة النطاق وبين القيود العملية للتكلفة، وتعقيد التركيب، والرأس العام لإدارة البيانات.

الترجمة الشفوية النموذجية

كما تستخدم تقنيات تفسيرية نموذجية لتقديم تفسير معقول لإغلاق مكتشف، ويتعين على موظفي الصيانة فهم سبب اعتبار النماذج ظروفاً معينة غير عادية لاتخاذ قرارات مستنيرة بشأن الردود المناسبة.

وفي خطوة العزل الافتراضي، تجد الخوارزمية السبب الجذري الذي تسبب في حدوث الشذوذ، وتكشف عملية عزل الزورق عن أهم أجهزة الاستشعار التي تسهم في توليد الشذوذ، وتساعد التقنيات مثل تحليل المساهمة في أجهزة الاستشعار على تحديد القياسات التي تقود إلى اكتشافات شاذة، وتوفر أفكارا عملية لكشف المشاكل.

وتساعد أدوات التصور التي تبين حالة النظام، والسجلات الشاذة، والاتجاهات ذات الصلة في مجال الاستشعار على سد الفجوة بين نماذج التعلم المركب وعملية صنع القرار في مجال الصيانة، وتتزايد أهمية نُهج المحاسبة المقبولة في مجال مكافحة الآفات في بناء الثقة لدى المشغلين وتمكينهم من التعاون الفعال في مجال المناخ البشري.

التكامل مع النظم القائمة

ويتطلب النجاح في النشر التكامل مع نظم إدارة الصيانة القائمة، ومنابر الوكالة، وبرامج تخطيط الموارد في المؤسسة، وهذا التكامل يتيح تدفق العمل آليا من الكشف عن الحالات الشاذة من خلال توليد طلبات العمل، وشراء الأجزاء، وتنفيذ الصيانة.

وقد تفتقر معدات المجاملة إلى أجهزة الاستشعار الحديثة والربط، مما يتطلب إعادة استخدام نظم الرصد التي يمكن استخدامها في استخدام تكنولوجيا المعلومات، ويجب على المنظمات أن تضع استراتيجيات للهجرة توسع تدريجيا نطاق تغطية الرصد مع إظهار القيمة من خلال النشر المبكر للأصول الحيوية.

معالجة البيانات غير المتعلقة بالمرافق

ويوصي الاستعراض بإجراء مزيد من البحوث في مجال تطوير خوارزميات التعلم في مجال الآلات والطرق القادرة على معالجة البيانات غير المتعلقة بالمواضيع، وتحديد أنماط التفاعل غير الخطية بين مكونات الأجهزة، وكثيرا ما تظهر العمليات الصناعية خصائص متغيرة بمرور الوقت بسبب شيخوخة المعدات، وتعديلات العمليات، والتباينات الموسمية، والتغيرات في مزيج المنتجات.

وقد تصبح النماذج التي تم تدريبها على البيانات التاريخية أقل فعالية مع انجراف ظروف التشغيل، وتساعد نُهج التعلم على الإنترنت التي تستكمل باستمرار النماذج باستخدام بيانات جديدة على الحفاظ على أداء الكشف في البيئات غير الثابتة، كما أن إعادة التدريب الدورية والتحقق من النماذج تكفل بقاء نظم الكشف عن الشذوذ دقيقة ومناسبة.

مقاييس الأداء والتقييم

ويتطلب تقييم فعالية نظم الكشف عن الأخطاء غير الموصوفة قياسات مناسبة تستوعب الدقة في الكشف والأثر التشغيلي على السواء.

مقاييس الأداء

ويقيَّم أداء النماذج في هذه المهمة باستخدام القياسات المناسبة (مثل الدقة والدقيق والتذكر من الفئة واو-1) وفيما يتعلق بتطبيقات الكشف عن الشذوذ، يقيِّم الدقة نسبة الإنذارات التي تتطابق مع الأخطاء الحقيقية، ويُذكِّر في الوقت نفسه بأن النسبة المئوية للأخطاء الفعلية التي تم اكتشافها بنجاح.

وتوفر المنطقة التي تحت منحنى التشغيل لمستقبل المفاعلات قياسا شاملا لأداء الكشف عبر مختلف العتبات، وبالنسبة للنموذج القائم على النمط، بلغ متوسط قيمة الأوركية المميتة المتوسطة 0.844 (المتوسط: 0.652-0.963)، في حين أن نموذج خط الأساس هو 0.713 (المتوسط: 0.657 و 0.766).

فالوقت الأول بين الكشف عن الشذوذ والفشل الفعلي يمثلان قياساً حاسماً لتطبيقات الصيانة المتوقعة، وقد استطاعت خوارزمية الكشف عن الشذوذ استناداً إلى النمط كشف حالات الشذوذ التي تحدث في غضون ثلاثة أيام قبل حدوث الفشل، وتوفر فترات الرصاص الطويلة مزيداً من المرونة في تحديد مواعيد الصيانة وشراء الأجزاء اللازمة.

مقاييس الأثر التشغيلي

وينبغي للمنظمات، علاوة على دقة الكشف، أن تقيس أثر نظم كشف الأخطاء في الأعمال التجارية، وتشمل مؤشرات الأداء الرئيسية خفض وقت التعطل غير المخطط له، ووفورات تكاليف الصيانة، وتحسين فعالية المعدات عموما، وتوسيع نطاق الحياة المفيدة للأصول.

وتؤثر معدلات الإنذار المزيف تأثيرا كبيرا على فعالية العمليات، مما يؤدي إلى زيادة التحذيرات الكاذبة من موارد صيانة النفايات ويضعف ثقة المشغل في النظام، ويساعد تتبع نسبة الإنذارات الحقيقية إلى الإنذارات الكاذبة على تحقيق الحد الأمثل من عتبات الكشف والنماذج الصقلية مع مرور الوقت.

الاتجاهات المستقبلية والاتجاهات الناشئة

ولا يزال مجال التعلم غير المشرف لكشف الأخطاء الصناعية يتطور بسرعة، مع وجود عدة اتجاهات واعدة للتنمية في المستقبل.

Transfer Learning and Domain Adaptation

وتشمل فئات الخلق النموذجية نماذج التعلم من النقل والتعلم من المقاييس، وتقنيات التعلم من النقل تتيح تكييف النماذج التي يتم تدريبها على نظام صناعي واحد لاستخدامها في معدات مماثلة مع حد أدنى من البيانات الإضافية عن التدريب، ويمكن لهذا النهج أن يقلل بدرجة كبيرة من الوقت والتكاليف اللازمة لنشر الكشف عن الأخطاء عبر المرافق المتعددة أو أنواع المعدات.

(ج) تساعد أساليب التكيف الرئيسية نماذج الحفاظ على الأداء عند تطبيقها على المعدات العاملة في ظروف مختلفة أو في بيئات مختلفة عن بيانات التدريب الأصلية، وهذه التقنيات قيمة بوجه خاص بالنسبة للمنظمات التي توزع عملياتها عبر مواقع متعددة.

التعليم الموحد

وينظر إطار للتعلم الموحد، مقترنا بالنماذج، في التحولات في توزيع بيانات السلسلة الزمنية، ويُجري كشفاً شاذاً وصيانة تنبؤية تستند إلى تلك البيانات، ويتيح التعلم الموحد مرافق متعددة للتدريب التعاوني على نماذج كشف الأخطاء مع الاحتفاظ ببيانات تشغيلية حساسة على كل موقع.

ويتيح هذا النهج للمنظمات الاستفادة من الخبرة الجماعية عبر أسطولها من المعدات دون إضفاء الطابع المركزي على بيانات عملية الملكية، ويمكن القيام بالصيانة التنبؤية الفعالة من خلال إطار تعليمي اتحادي ينظر في التحولات في توزيع بيانات السلسلة الزمنية، وقد حقق الإطار المقترح دقة اختبارية قدرها 97.2 في المائة.

حاسبة الحوسبة وتجهيز الوقت الحقيقي

وتشكل إدارة الصحة للأجهزة الصناعية عنصرا حاسما، يستند إلى الإنترنت الصناعي للأشياء، ويركز على رصد صحة الآلات الصناعية وظروفها، وقد ركز المجتمع الأكاديمي على مختلف الجوانب، بما في ذلك الصيانة التشخيصية، ورصد الحالة، وتقدير مدى الحياة النافعــة المتبقية، والتشخيص الذكي للأخطاء، والهيكلات القائمة على الحوسبة الحادة.

إن نشر نماذج الكشف عن الشذوذ مباشرة على أجهزة الحافة القريبة من المعدات الصناعية يتيح سرعة توقيت الاستجابة ويقلل من الاعتماد على الربط الشبكي.(ه) وتعطي بيانات الاستشعار عن طريق عمليات الصنامع الحاسوبية المحلية، ولا تنقل سوى الإنذارات الشاذة والإحصاءات الموجزة إلى النظم المركزية، وهذا النهج يدعم الكشف عن الأخطاء في الوقت الحقيقي حتى في البيئات التي توجد بها هياكل أساسية محدودة أو غير موثوقة للشبكة.

التكامل مع التوائم الرقمية

وتخلق التكنولوجيا الرقمية المزدوجة نماذج افتراضية للنظم الصناعية المادية تجمع بين بيانات الاستشعار في الوقت الحقيقي والنماذج الفيزيائية، ويتيح تكامل التعلم غير المشرف مع التوأم الرقمي كشف الأخطاء بصورة أكثر تطورا عن طريق مقارنة السلوك الفعلي مقابل الأداء المتوقع الذي يتوقعه النموذج الافتراضي.

ويعزز هذا النهج الهجين المعارف التعليمية والهندسية التي تحركها البيانات لتحقيق دقة الكشف الأعلى وتوفير نظرة أعمق لآليات الخطأ، كما أن التوأم الرقمي يتيح أيضا تحليل ما إذا كان هناك تحليل لاستراتيجيات الصيانة وتحقيق الحد الأمثل لها.

تعلم الآلات الآلية (AutoML)

وتحتاج القوة العاملة الحالية إلى مزيد من المهنيين في مجال القانون النموذجي، مثل علماء البيانات، ويقوم الباحثون بتطوير تعلم الآلات الآلية لسد هذه الفجوة، كما أن أدوات نظام التشغيل الآلي تُمكِّن عملية اختيار الخوارزميات المناسبة، والسمات الهندسية، وضبط أجهزة التناظر الفائقية لتطبيقات الكشف عن الأخطاء.

وهذه النظم تجعل من الوصول إلى تقنيات متقدمة للتعلم الآلي في المنظمات التي لا تتوفر لديها خبرة واسعة في مجال علوم البيانات، ويمكنها أن ترسم بسرعة نماذج للكشف عن الأخطاء وأن تنشرها، وتعجل من الوقت إلى التقييم، وتسمح بالتبني على نطاق أوسع في القطاعات الصناعية.

أفضل الممارسات في مجال التنفيذ

وينبغي للمنظمات التي تسعى إلى تنفيذ التعلم غير المشرف من أجل كشف الأخطاء أن تتبع عدة ممارسات رئيسية أفضل لتحقيق أقصى قدر من النجاح.

بدء مع الأصول ذات القيمة العالية

بدء عمليات نشر المعدات الحيوية التي يكون فيها للفشل أثر تشغيلي أو مالي كبير، وتُسهم النجاحات المبكرة في الأصول ذات القيمة العالية في بناء الدعم التنظيمي وتوفير عائد واضح للاستثمار يبرر التوسع في النظم الإضافية.

:: تركيز الجهود الأولية على المعدات التي تتوفر فيها خدمات الاستشعار الجيدة وتوافر البيانات، والبدء بنظم محسنة التدخيل يحد من تعقيد التنفيذ ويعجل بالوقت اللازم للتقدير.

الخبراء العاملون

ويتطلب الكشف عن الأخطاء بنجاح التعاون بين علماء البيانات والمهنيين العاملين في مجال الصيانة الذين يفهمون سلوك المعدات وطرائق الفشل.() وتُعد أدلة الخبرة الأساسية هندسة، وتساعد على تفسير النواتج النموذجية، وتُثبت أن الشذوذات التي كشفت تتطابق مع الشواغل التشغيلية الحقيقية.

وينبغي إشراك أفرقة الصيانة في جميع مراحل عملية التنمية لضمان أن توفر النظم معلومات عملية تتوافق مع سير العمل في مجال الصيانة وعمليات صنع القرار.

Establish Feedback Loops

تنفيذ عمليات لتتبع نتائج الإنذار وتحسين الأداء النموذجي باستمرار، وتسجيل أي خلل يطابق الأخطاء الفعلية، وما هي إجراءات الصيانة التي اتخذت، وتخلق نتائج تلك التدخلات بيانات قيمة تحمل علامات على مقاييس الكشف.

ويساعد الاستعراض المنتظم للإنذارات الكاذبة على تحديد الفرص اللازمة لتعديل العتبات، أو إضافة معلومات سياقية، أو تعديل سمات للحد من حالات الإنذار بالإزعاج مع الحفاظ على الحساسية إزاء الأخطاء الحقيقية.

خطة تحقيق القابلية للتسويق

(ب) تصميم الهياكل الأساسية للبيانات وهياكل النشر النموذجية مع مراعاة إمكانية التصعيد؛ وبما أن الكشف عن الأخطاء يُثبت قيمة، فإن المنظمات عادة ما ترغب في توسيع نطاق التغطية لتشمل أنواع ومرافق إضافية من المعدات، كما أن البرامج القائمة على الكلاود، والدعم العارض للنشر على أساس نموذجي من الحاويات يدعم كفاءة التوسع.

توحيد أشكال البيانات، والوصلات البينية النموذجية، وأنماط التكامل لتيسير تكرارها عبر معدات مماثلة، فالهيكلات النموذجية تتيح إعادة استخدام المكونات وتكييفها بدلا من إعادة بنائها من الصفر لكل طلب جديد.

خاتمة

وقد أدى التعلم غير المشرف إلى تحويل كشف الأخطاء الصناعية، مما مكّن المنظمات من تحديد مشاكل المعدات قبل أن تسبب الفشل وتفضيل استراتيجيات الصيانة، ومن خلال تحليل بيانات الاستشعار دون أن تتطلب أمثلة موسعة، تتغلب هذه التقنيات على قيد أساسي كان يقيد في السابق تطبيقات التعلم الآلات في البيئات الصناعية.

إن الجمع بين أساليب التجميع، وخوارزميات الكشف عن الشذوذ مثل غابات العزل، وتخفيض البعد عن طريق التقييم القطري المشترك، ونُهج التعلم العميق المتقدمة، يوفر مجموعة أدوات قوية لرصد النظم الصناعية المعقدة، وقد أظهرت عمليات نشر العالم الحقيقي في الصناعات التحويلية والطاقة والصناعات التحويلية فوائد كبيرة منها انخفاض وقت العمل، وانخفاض تكاليف الصيانة، وتحسين الموثوقية التشغيلية.

ولا تزال هناك تحديات في مجالات مثل جودة البيانات، وإمكانية التفسير النموذجي، ومعالجة ظروف التشغيل غير الثابتة، غير أن البحوث والتطوير الجاريين في مجال التعلم في مجال النقل، والتعلم الموحد، والحساب الحسفي، والتعلم الآلي للآلات ما زالا يعالجان هذه القيود ويوسعان قدرات نظم كشف الأخطاء غير الخاضعة للرقابة.

وتكتسب المنظمات التي تنفذ بنجاح هذه التكنولوجيات مزايا تنافسية من خلال تحسين استخدام الأصول، والحد من المخاطر التشغيلية، وزيادة كفاءة عمليات الصيانة، وبما أن النظم الصناعية تصبح أكثر صُنعاً وارتباطاً من خلال مبادرات الصناعة 4.0، فإن التعلم غير المشرف عليه سيؤدي دوراً أكثر أهمية في ضمان عمليات موثوقة وفعالة.

وبالنسبة للشركات التي تبدأ رحلتها بالتنبؤ بالنفقة وكشف الأخطاء، بدءا بعمليات النشر المركزة على الأصول الحيوية، وإشراك خبراء المناطق طوال العملية، وإنشاء حلقات للتغذية المرتدة من أجل التحسين المستمر، تمثل عوامل النجاح الرئيسية، ولا يزال الميدان ينضج بسرعة، حيث أصبحت التقنيات والأدوات الجديدة تتيح إمكانية الكشف عن الشذوذ بصورة متزايدة للمنظمات من جميع الأحجام.

To learn more about implementing machine learning for industrial applications, explore resources from organizations like the National Institute of Standards and Technology Manufacturing Program and the Society of Manufacturing Engineers. Academic research published in journals such as