Table of Contents
تطور الدروس الهندسية
وقد كانت الهندسة دائماً منضبطة من خلال التجربة والخطأ، إذ أن الطريقة الرئيسية لاستخلاص ونقل الدروس من الإخفاقات هي تقرير ما بعد الوفاة والذاكرة المؤسسية للمهندسين الأقدم، وإن كان هذا النهج ذا قيمة، فقد عانى من التجزؤ، والموضوعية، وميل إلى فقدان المعرفة مع تغير الفرق، وقد أدى التحول الرقمي للهندسة إلى تغيير جذري في هذه المظلة.
من لوغز الأنالوك إلى مستودعات رقمية
وقد تم استخلاص دروس هندسية مبكرة في سجلات الورق وأوامر التغيير بخط اليد ومحاضر الاجتماع، وكان من الصعب البحث عن هذه السجلات الناظرة، والقابلة للتدهور المادي، وكثيرا ما تكون مخزنة في مواقع مختلفة، والتحول إلى مستودعات رقمية - قواعد بيانات، ونظم إدارة الوثائق، والبرامجيات المتخصصة للمهندسين الذين يمكن تعقبهم، وذلك من أجل الاحتفاظ بمزيد من التفاصيل والوصول إلى السجلات التاريخية ذات الكفاءة.
The Imperative of Systematic Data Collection
ولا يتوفر تحليل مدفوع بالبيانات إلا بقدر ما تستهلكه البيانات، ومن بين المهندسين الأساسيين الذين تعلموا أنه يجب جمع البيانات بنية واضحة، ويصبح التراكم السلبي للسجلات دون تصنيفات محددة أو ضوابط على الجودة يؤدي إلى مشكلة معروفة تماماً هي " قياسات " - حجم البيانات التي لا تحجب عن غير المعالم.
المنهجيات الأساسية لتحليل عدم وجود بيانات
ويتطلب ترجمة البيانات الخام إلى دروس هندسية قابلة للتنفيذ منهجيات منهجية، وفي حين أن الأدوات قد تقدمت، فإن المنطق الأساسي لا يزال قائما على الطريقة العلمية: المراقبة، والافتراض، والاختبار، والتنقيح.
تحليل أسباب الروت (RCA) مُعَوَّل بالبيانات
فالأعمال التقليدية القائمة على النتائج، مثل " ٥ أسباب " أو مخططات الأسماك، تعتمد في كثير من الأحيان على رأي الخبراء والتعقل النوعي، وعندما ترتفع البيانات، يصبح التقييم القطري الإجمالي أكثر صرامة بكثير، ويمكن للمهندسين استخدام البيانات التاريخية لاختبار كل سبب من الأسباب الافتراضية، مثلاً إذا كان العنصر يشتبه في أنه فشل بسبب الإجهاد الحراري، يمكن أن تكون البيانات متداخلة مع الحد الأدنى من درجات الحرارة.
نماذج التحليل الافتراضي والتعلم الآتي
وقد أصبح التعلم من الآلات بمثابة إضافة قوية لمجموعة الأدوات التحليلية للمهندس، ويمكن تدريب نماذج التعلم المشرف على البيانات التاريخية المسمومة لتصنيف أنواع الفشل أو التنبؤ بالفشل الزمني، ومن ذلك مثلاً أن هناك خللاً في تصنيف البيانات المستقاة من نماذج الغابات يمكن أن يُستخدم لتحديد ما يشير إليه الاختلالات المفاجئة في وضع الختم، وأن أساليب التعلم غير الموصَّفة، مثل التكتل أو الكشف عن الشذوفات، غير المعتادة، هي أيضاً مفيدة على نحو غير عادي.
التوائم الرقمية والحياكة
إن تكراراً رقمياً للذاتن الافتراضي للموجودات المادية الذي يستكمل في الوقت الحقيقي مع البيانات التشغيلية يوفر منبراً دينامياً للتعلم من الأخطاء السابقة، وعندما يحدث فشل في الميدان، يمكن للمهندسين أن يعيدوا عرض الحادث على التوأم الرقمي، وأن يضبطوا المتغيرات لفهم العوامل المساهمة، وهذه التقنية قيمة خاصة بالنسبة للفشل النادرة أو العالية التكافؤ الذي يؤدي فيه الاختبارات الرقمية غير المتوقعة.
الأدوات والمنابر العملية للمهندسين
ولم تكتمل مناقشة التحليل القائم على البيانات دون معالجة الأدوات التي تجعلها متاحة، وقد جُرّدت الأوساط الهندسية نحو مزيج من المصادر المفتوحة، والتجارية، والمنابر المتكاملة لإدارة خط أنابيب البيانات من الاستنفاد إلى الرؤية.
النظام الإيكولوجي المفتوح باب العضوية: بيتون وR
وأصبح كل من هاتين الفئتين، مع مكتبات مثل الباندا للتلاعب بالبيانات، وتعلم المهارات اللازمة للتعلم الآلي، و " ماتوبولت " للتبصر، هما اللنغوا فرانكا لتحليل البيانات في مجال الهندسة، وقد أتاح للمهندسين إمكانية كتابة النصوص العرفية لتنظيف البيانات المتعلقة بالسلاسل الزمنية، وإجراء الاختبارات الإحصائية، ووضع نماذج التنبؤية.
الحلول المؤسسية والتصورات
أما بالنسبة للأفرقة العاملة التي تتطلب لوحات قوية وتدفقات عمل تعاونية، فإن منابر المؤسسة مثل " الجدول " ، و " باور " ، وبرامجيات للموثوقية المتخصصة )مثل " ريلياسوفت " ، و " الصيانة الجاهزة " ( توفر وصلة غير مكتملة في قواعد البيانات الصناعية، وتخفض هذه الأدوات الوقت اللازم لإعداد تقارير روتينية، وتسمح للمديرين برصد صحة الأسطولات في غالب.
إدارة البيانات مع شركة Directus
ويكافح العديد من المنظمات الهندسية مع صواعق البيانات لأن بيانات الاستشعار تعيش في قاعدة بيانات للسلاسل الزمنية، وسجلات الصيانة في نظام لتخطيط الموارد المؤسسية، وتقارير الحوادث في SharePoint. Directus لا تزال تُعَدِّد هذه التجزؤ من خلال قدرتها على الاتصال بقاعدة بيانات متعددة وتقديمها كنموذج موحد لجمع المعلومات والربط بين الأجهزة.
دراسات الحالة في العالم الحقيقي عبر دومين
ويوضح فحص تطبيقات العالم الحقيقي كيف يحوّل التحليل القائم على البيانات منهجيات الخلاص إلى تحسينات ملموسة في السلامة والأداء.
الفضاء الجوي: غلاف عن أنماط التعطل في المحرك
وقد كان الطيران التجاري رائداً في الصيانة التي تحركها البيانات منذ عقود، كما أن شركات الطيران ومصنعي المحركات تجمع تيرابايت من بيانات الطيران من كل مقاييس مثل نسبة ضغط المحرك، ودرجة حرارة الغاز المستنفد، ومستويات الاهتزاز، وتدفق الوقود، ومن خلال تحليل هذه البيانات عبر أساطيل كاملة، حدد مهندسون في شركات مثل برات ويتني والطيران اتجاهات فرعية تنجم عنها تقلبات في درجات الحرارة السائدة.
الهندسة المدنية: رصد الصحة في جسر
ويستخدم الرصد الهيكلي للصحة مجموعة من أجهزة الاستشعار - مقياساً، ومطياف التسارع، ومجسات التآكل - لتقييم حالة الجسور، كما أن سد الثغرات المفاجئة في سلسلة الترميز في عام 2007 كان لحظة مائية أبرزت الحاجة إلى تحسين الرصد وتحليل البيانات، ومنذ ذلك الحين، تم تركيب نظم التحميل على آلاف الجسور في جميع أنحاء العالم(أ).
السيارات: ارتفاع العمر والسلامة في البطارية
وتقوم الجهات المصنعة للمركبات الكهربائية بجمع بيانات مفصلة عن قياس البطاريات - التطوير، ودرجة الحرارة الحالية، وحالة الشحن - من ملايين المركبات في الميدان، وقد كشف تحليل بيانات الأسطول هذه عن أنماط تردي البطاريات التي لم تكن واضحة في اختبارات التدوير المختبري، وعلى سبيل المثال، أظهرت البيانات أن سرعة الشحن متواترة، إلى جانب ارتفاع درجات الحرارة المحيطة، قد أدت إلى حدوث خسائر في القدرة في بعض كيميائيات حركة المرور.
التغلب على التحديات في تحليل البيانات
وعلى الرغم من الفوائد الواضحة، تواجه منظمات هندسية كثيرة عقبات كبيرة عند محاولة تنفيذ التعلم الموجه نحو البيانات، ومن الضروري الاعتراف بهذه التحديات من أجل بناء ممارسة قوية.
نوعية البيانات والتكامل
فالنماذج التحليلية الأكثر تطوراً لا جدوى منها إذا كانت البيانات الأساسية غير كاملة أو غير دقيقة أو غير متسقة، وتشمل القضايا المشتركة البيانات المفقودة بسبب عطل أجهزة الاستشعار، ومصابيح التضليل من مصادر مختلفة للبيانات، والبيانات الفوقية الغامضة التي تجعل من غير الواضح حالة الأصول التي تمثلها نقطة البيانات، وتتطلب جودة البيانات استثماراً متعمداً في جداول المعايرة، وقواعد التحقق من البيانات، وسياسات الإدارة.
المقاومة الثقافية وتبادل المعارف
وقد يكون المهندسون مدربين على الفخر بتصميماتهم، ويمكن أن يترددوا في تبادل بيانات الفشل بصورة علنية، أو الخوف من اللوم أو المسؤولية القانونية، وقد يكون هذا الحاجز الثقافي أصعب ما يمكن التغلب عليه، كما أن التحول إلى ثقافة عادلة، حيث يُنظر إلى الفشل على أنه فرص للتعلم بدلا من الأخطاء الفردية، كما أن بعض المنظمات لديها قواعد بيانات رسمية " لا تعلم " تتطلب معلومات مدروسة لا تُستهان بها، وتستعرض من قبل لجنة لتنقسيم الحدود.
الاعتبارات الأخلاقية والبياز
ويمكن أن تجسد النظم القائمة على البيانات وتزيد من التحيزات الموجودة في البيانات التاريخية، فعلى سبيل المثال، إذا كانت بيانات صيانة الأسطول لا تجمع إلا من المركبات التي تعمل في مناخات معتدلة، فإن نموذجا للتنبؤ قد لا يعترف بأساليب الفشل التي تحدث في المناطق القطبية، وبالمثل، إذا كانت التقارير عن الحوادث تقدم فقط لأنواع معينة من المعدات لأن تلك الأصول تخضع لمراقبة أكثر دقة، فإن البيانات قد تشير إلى أن تلك الأصول تكون أكثر عرضة للفشل عندما تكون موثقة.
المستقبل: نظم التعلم الآلي والصحة الذاتية
ونظرا لأن كثافة الاستشعار تزداد وتطور المعلومات الاستخبارية الاصطناعية، فإن الحدود التالية هي التعلم الآلي حيث تتكيف النظم في الوقت الحقيقي استنادا إلى البيانات الواردة، وتتصور أسطولا من الروبوتات الصناعية يتقاسم بيانات الأداء عبر شبكة؛ وعندما يكتشف المرء نمطا من الاهتزاز كان يؤدي في السابق إلى فشل مشترك، فإنه يمكنه أن يعدل تلقائيا معالم عمله لتجنب نفس المصير، ويبث الدرس إلى جميع الروبوتات الأخرى.
ومن التطورات الواعدة الأخرى إدماج نماذج اللغات الكبيرة في إدارة المعارف الهندسية، ويمكن تدريب هذه الآليات على إدراج الدروس المستفادة، وأدلة الصيانة، ومعايير التصميم لتوفير إجابات فورية للمهندسين في الميدان، مثلاً، يمكن للفني أن يصف الأعراض المتأنية في جهاز محمول، ويمكن أن يُعادل النموذج، المرتبط بقاعدة بيانات مثل " مباشرة " ، اكتشاف الإخفاقات السابقة ذات الصلة، وإجراء اختبارات، وإيجاد حلول.
خاتمة
فالتحليل القائم على البيانات قد تغير بصورة أساسية كيف يتعلم المهندسون من أخطاء الماضي، ومن خلال جمع البيانات التشغيلية وإدماجها وتحليلها بصورة منهجية، يمكن للمهندسين أن يتجاوزوا الدروس المستفادة من حيث تحديد الأسباب الجذرية بثقة إحصائية، والتنبؤ بالفشل قبل وقوعها، ومواصلة تحسين التصميمات عبر أساطيل بأكملها، والأدوات التي تمكن من هذا التحول - من بيتون وأطر التعلم الآلى - من خلال أدوات مرنة للبيانات مثل الهياكل الأساسية المباشرة - أصبحت أكثر سهولة.