تحسين الصيانة التنبؤية وتوافر الأصول

تحسين صيانة الأصول من خلال رؤى في الوقت الحقيقي

الصيانة التنبؤية هي أحد المكونات الرئيسية لنظام Industry 4.0. ويمكن أن تؤثر استراتيجيات الصيانة السيئة تأثيرًا كبيرًا على الكفاءة التشغيلية والربحية للمصنعين الصناعيين. ولكي تتمكن الشركات في الصناعات التي تعتمد على الأصول من المنافسة، تحتاج إلى تقليل وقت التعطل غير المخطط له وتحسين تكاليف الصيانة.

• 82% من الشركات كانت تعاني من وقت تعطل غير مخطط له خلال السنوات الثلاث الماضية، وتكلفة تصل إلى 260,000 دولار أمريكي في الساعة، مع استمرار الانقطاعات المؤقتة في المتوسط لمدة أربع ساعات.
• بالنسبة للمؤسسات التي تعتمد على الأصول الكثيفة، يعتبر استحقاق ممارسات الصيانة لديها عاملاً محددًا رئيسيًا لقدرتها على العمل بشكل موثوق، دون انقطاع، وبشكل مربح. يمكن أن يوفر تحسين ممارسات الصيانة والعمليات والأنظمة عائدًا كبيرًا على الاستثمار.
• يمكن للمؤسسات استخدام التحليلات التنبؤية للتنبؤ بفشل الأصول وعمر حياة موثوق بها وتكوين رؤى قابلة للتنفيذ في الوقت الفعلي.

بالنسبة إلى صناعة التصنيع، يعتبر استخدام البيانات لتمكين الصيانة التنبؤية وتحسينها أمرًا مهمًا بشكل خاص حيث يمكن تطبيق حالة الاستخدام على أي نوع من أنظمة إنتاج التصنيع، مثل البنية التحتية للمراقبة الرقمية المحوسبة (CNC) وسلسلة التوريد وأنظمة المستودعات والخدمات اللوجستية وأنظمة الاختبار، وما إلى ذلك.

في حين يمكن استخدام مجموعة واسعة من مصادر البيانات اعتمادًا على التطبيق المحدد، فإن مفاتيح التحول من الصيانة التفاعلية إلى الصيانة التنبؤية هي تدفقات بيانات Internet of Things (IoT) أو رسائل من آلة إلى آلة (M2M) التي يتم إرسالها وتلقيها من خلال وسيط MQTT (معيار المراسلة IoT) أو التي يقدمها المؤرخون من أنظمة الذكاء التشغيلي. وهذه هي مصادر البيانات الأولية اللازمة لتقييم ما إذا كانت عمليات الصيانة مطلوبة؛ غير أن البيانات المستمدة من مصادر أخرى ضرورية لإنشاء نظام مناسب للصيانة التنبؤية. على سبيل المثال، تحتوي أنظمة إدارة الصيانة على معلومات عن قطع المعدات نفسها، مثل تقارير الصيانة. وتشمل المصادر الأخرى للبيانات أنظمة المراقبة الإشرافية واقتناء البيانات (SCADA)، ومخزن خاص يحتوي على ملفات الوسائط (مثل الصور وتدفقات الفيديو)، وأدلة الصيانة، وتوقعات الطقس. إن مجموعة البيانات التي يمكن استخدامها في الصيانة التنبؤية واسعة.

خفض التكاليف وتحسين الكفاءة من خلال الضبط الدقيق للصيانة التنبؤية

توضح البنية المقدمة هنا كيف يمكن دمج مكونات Oracle الموصى بها لإنشاء بنية تحليلات كاملة تغطي دورة حياة تحليلات البيانات بأكملها، من الاكتشاف إلى الإجراء والقياس، وتقدم مجموعة واسعة من مزايا الأعمال الموضحة أعلاه.

توضح هذه الصورة كيف يمكن استخدام منصة بيانات Oracle للتصنيع لدعم الصيانة التنبؤية وتحسين توافر الأصول. وتشمل المنصة الدعائم الخمس التالية:

• مصادر البيانات، الاكتشاف
• استيعاب، تحويل
• الاحتفاظ، التوقع، الإنشاء
• التحليل والتعلم والتنبؤ
• القياس، الإجراء

يتضمن ركيزة مصادر البيانات والاكتشاف فئتين من البيانات.

تشتمل بيانات سجل الأعمال على بيانات من MES وWHM وCMM (الصيانة وإدارة الأصول) وإنترنت الأشياء وأنظمة SCADA وإدخال المؤرخ والمشغل (بما في ذلك الأخطاء والجودة والملاحظات).

تتضمن بيانات المدخلات الفنية IIoT والصور والبريد الإلكتروني ومقاطع الفيديو والوثائق الورقية (OCR) والأحداث المنفصلة (مثل محطة طارئة لخط الإنتاج).

تضم دعامة الاستيعاب، التحويل أربع قدرات.

يستخدم استيعاب الدفعة أدوات تكامل بيانات OCI وOracle Data Integrator وDB.

يستخدم النقل المجمع OCI FastConnect ونقل بيانات OCI وMFT وOCI CLI.

يستخدم تسجيل بيانات التغيير OCI GoldenGate.

يستخدم استيعاب التدفق Kafka Connect.

تتصل جميع الإمكانات الأربع بشكل أحادي الاتجاه في مخزن بيانات الخدمة ومخزن بيانات المعاملات والتخزين السحابي داخل الركيزة Persist وCrecision وCreate.

بالإضافة إلى ذلك، يرتبط استيعاب التدفق بمعالجة التدفق ضمن دعامة التحليل والتعلم والتنبؤ.

تتكون دعامة الاستمرار والدقة والإنشاء من خمس قدرات.

يستخدم مخزن البيانات المقدم Autonomous Data Warehouse وExadata Cloud Service.

يستخدم مخزن بيانات المعاملات ATP وMySQL وOracle NoSQL وExadata Cloud Service.

يستخدم تخزين السحابة تخزين كائنات OCI.

تستخدم المعالجة الدفعية تدفق بيانات OCI.

تستخدم الحوكمة OCI Data Catalog.

هذه القدرات مرتبطة بالركيزة. يتم توصيل التخزين السحابي بشكل غير مباشر بمخزن بيانات الخدمة ومخزن بيانات المعاملات؛ كما أنه متصل بشكل ثنائي بمعالجة الدفعة.

تتصل إمكانيتان في ركيزة التحليل والتعلم والتنبؤ. يتصل مخزن بيانات الخدمة بإمكانية التحليلات والتمثيل المرئي وأيضًا بمنتجات البيانات وإمكانية واجهات برمجة التطبيقات. يتصل التخزين السحابي بإمكانية التعلم الآلي.

تشتمل دعامة التحليل والتعلم والتنبؤ على خمس إمكانات.

تستخدم التحليلات والتمثيل المرئي Oracle Analytics Cloud وGraphStudio وموردي البرامج المستقلين (ISV).

تستخدم منتجات البيانات وواجهات برمجة التطبيقات بوابة OCI API ووظائف OCI.

يستخدم التعلم الآلي علوم بيانات OCI وOracle Machine Learning.

تستخدم خدمات الذكاء الاصطناعي OCI Anomaly Detection و OCI Forecasting و OCI Language وOCI Vision.

تستخدم معالجة التدفق GoldenGate Stream Analytics وتحليلات التدفق من جهات خارجية.

يسجل الإجراء، ركيزة Act كيفية استخدام تحليل البيانات: من قِبل الأشخاص والشركاء والتطبيقات والنماذج، وتحديدًا لتحديث نماذج خدمة الذكاء الاصطناعي.

يشمل الأشخاص والشركاء مراقبة الحالة وتحليل بيانات الاستشعار وتحليل وضع الفشل وتأثيراته (FMEA).

تشتمل التطبيقات على إدارة أداء الأصول (APM)، وتحليل السبب الأساسي، والصيانة المرتكزة على الموثوقية (RCM).

تضم النماذج نموذج خدمة الذكاء الاصطناعي المحدث والتحليلات التنبؤية ونماذج التعلم الآلي

الركائز الأساسية الثلاثة - الاستيعاب، والتحويل؛ والاستمرار، والدقة، والإنشاء، والتحليل، والتعلم، والتنبؤ - مدعومة بالبنية الأساسية، والشبكة، والأمان، وIAM.

ربط البيانات واستيعابها وتحويلها

يتألف حلنا من ثلاث ركائز، يدعم كل منها إمكانيات نظام أساسي محدد للبيانات. توفر الركيزة الأولى إمكانية توصيل البيانات واستيعابها وتحويلها.

هناك أربع طرق رئيسية لإدخال البيانات في بنية لتمكين مؤسسات التصنيع من الانتقال من الصيانة التفاعلية إلى الصيانة التنبؤية.

• لبدء العملية، سنقوم بتمكين التحويل المجمع لبيانات المعاملات التشغيلية. تُستخدم خدمات النقل المجمع في الحالات التي يلزم فيها نقل كميات كبيرة من البيانات إلى Oracle Cloud Infrastructure (OCI) للمرة الأولى، على سبيل المثال، البيانات من المستودعات التحليلية المحلية الحالية أو مصادر السحابة الأخرى. ستعتمد خدمة النقل المجمع المحددة المستخدمة على موقع البيانات ومعدل تكرار النقل. على سبيل المثال، يمكن استخدام خدمة نقل بيانات OCI أو جهاز نقل بيانات OCI لتحميل حجم كبير من البيانات المحلية من التخطيط التاريخي أو مستودعات مستودع البيانات. عندما يجب نقل كميات كبيرة من البيانات بشكل مستمر، نوصي باستخدام OCI FastConnect، التي توفر اتصال شبكة خاصة مخصصًا وعالي النطاق بين مركز بيانات العميل وOCI.
• يشيع طلب عمليات الاستخراج المتكررة في الوقت الفعلي أو في أقرب وقت فعلي، ويتم استيعاب البيانات بانتظام من أنظمة إدارة المستودعات والجدولة وإدارة الطلبات باستخدام OCI GoldenGate. تستخدم OCI GoldenGate التقاط تغيير البيانات لاكتشاف أحداث التغيير في الهيكل الأساسي للأنظمة التي يلزم خدمتها (على سبيل المثال، إضافة مكون جديد وعمليات صيانة مكتملة وتغييرات في الطقس وما إلى ذلك) وإرسال البيانات في الوقت الفعلي إلى طبقة ثابتة و/أو طبقة التدفق.
• بالنسبة إلى شركات التصنيع، قد يساعد تحليل البيانات في الوقت الفعلي من مصادر متعددة في توفير رؤى قيمة حول كفاءتها التشغيلية وأدائها العام. في حالة الاستخدام هذه، نستخدم استيعاب العمليات لاستيعاب كل البيانات المقروءة من أجهزة الاستشعار من خلال IoT والاتصالات M2M والوسائل الأخرى. تعد القدرة على تسجيل وتحليل تدفقات البيانات في الوقت الفعلي أمرًا بالغ الأهمية لقدرة الشركة المصنعة على إجراء صيانة تنبؤية على أصولها. يمكن إنشاء التدفقات من عدة أنظمة ISA-95 من المستوى الثاني، مثل أنظمة SCADA، وعناصر التحكم المنطقية القابلة للبرمجة، وأنظمة أتمتة الدفعات. سيتم استيعاب البيانات (الأحداث) وسيتم إجراء بعض التحويلات/التجميعات الأساسية قبل تخزينها في تخزين كائنات OCI. يمكن استخدام تحليلات التدفق الإضافية لتحديد الأحداث المترابطة ويمكن تغذية أي أنماط محددة (يدويًا) لفحص علم البيانات الخام.
• لتحليل بيانات التدفق عالية التردد هذه في الوقت الفعلي، سنستخدم معالجة التدفق لتقديم تحليلات متقدمة. في حين أن أدوات التحليلات التقليدية تستخرج المعلومات من البيانات أثناء التخزين، فإن تحليلات البث تقيّم قيمة البيانات أثناء نقلها، أي في الوقت الفعلي. وهذا ليس الفائدة الوحيدة. ونظرًا لأن تحليلات التدفق يمكن أن تكون مؤتمتة للغاية، يمكنها مساعدة الشركات المصنعة على تقليل تكاليف التشغيل. على سبيل المثال، يمكن أن توفر تحليلات البث بيانات في الوقت الفعلي عن تكاليف المرافق الأساسية، مثل الكهرباء والمياه. ويمكن للمصانع والمصانع بعد ذلك استخدام أداة تحليلات متدفقة مؤتمتة للوصول إلى رؤى فورية بشأن المجالات التي يمكن تحسينها لتقليل تكاليف الطاقة والاستجابة بشكل مناسب لأحداث تشغيلية معينة باستخدام الذكاء الاصطناعي. كما يمكن أن ينتج عن تدفق التحليلات تنبؤات في الوقت الفعلي حول متطلبات صيانة المعدات القادمة، مما يساعد الشركات على الاستعداد مسبقًا لأي إصلاحات قادمة أو عمليات صيانة روتينية.
• أحد المكونات الاختيارية المهمة المحتملة للبنية هو OCI Roving Edge Infrastructure، والتي يمكن استخدامها مع أجهزة Oracle Roving Edge في المرافق البعيدة، مثل محطة توليد الطاقة أو حقل الألواح الشمسية. تقدم OCI Roving Edge Infrastructure جميع خدمات OCI، بحيث يمكن استنساخ بنية صيانة تنبؤية. يمكن أيضًا استخدام OCI Roving Edge Infrastructure كمركز بيانات لتدفق البيانات قبل إدخالها لتدفق الاستيعاب/المعالجة في السحابة.
• في حين أن الاحتياجات في الوقت الفعلي تتطور، فإن الاستخراج الأكثر شيوعًا من أنظمة ERP والتخطيط وإدارة المستودعات وإدارة النقل هو نوع من استيعاب الدفعات باستخدام عملية ETL. يتم استخدام استيعاب مجموعة المعالجة لاستيراد البيانات من الأنظمة التي لا يمكنها دعم تدفق البيانات (على سبيل المثال، نظام الإشراف على البيانات والتحكم فيها والحصول عليها القديم أو أنظمة إدارة الصيانة). يمكن استيعاب هذه المستخلصات بشكل متكرر، في كثير من الأحيان كل 10 أو 15 دقيقة، ولكن لا تزال مجموعة في طبيعتها حيث يتم استخراج مجموعات من المعاملات ومعالجتها بدلاً من المعاملات الفردية. تقدم OCI خدمات مختلفة لمعالجة استيعاب الدفعة، مثل خدمة تكامل بيانات OCI الأصلية وOracle Data Integrator تعمل على طبعة OCI Compute. وسيستند اختيار الخدمة في المقام الأول إلى تفضيلات العملاء وليس إلى متطلبات تقنية.

الحفاظ على البيانات ومعالجتها وتنظيمها

يتم بناء استمرارية البيانات ومعالجتها على ثلاثة مكونات (أربعة مكونات اختياريًا). سيستخدم بعض العملاء جميعهم، بينما سيستخدم آخرون مجموعة فرعية. اعتمادًا على وحدات التخزين وأنواع البيانات، يمكن تحميل البيانات إلى تخزين الكائنات أو تحميلها مباشرةً إلى قاعدة بيانات علائقية منظمة للتخزين الدائم. عندما نتوقع تطبيق إمكانات علوم البيانات، يتم عادةً التقاط البيانات التي يتم استرجاعها من مصادر البيانات في شكلها الأولي (كملف أصلي غير معالج أو استخراج) وتحميلها من أنظمة المعاملات إلى تخزين السحابة.

• التخزين السحابي هو طبقة الاحتفاظ بالبيانات الأكثر شيوعًا في النظام الأساسي للبيانات. ويمكن استخدامها مع كل من البيانات المهيكلة وغير المهيكلة. يعد تخزين كائنات OCI وتدفق بيانات OCI وOracle Autonomous Data Warehouse اللبنات الأساسية. يتم تسجيل البيانات المسترجعة من مصادر البيانات بصيغتها الأولية وتحميلها إلى تخزين كائنات OCI. مخزن كائنات OCI هو طبقة استمرار البيانات الأساسية، وSpark في تدفق بيانات OCI هو محرك المعالجة الدفعية الأساسي. تتضمن المعالجة الدفعية العديد من الأنشطة، بما في ذلك المعالجة الأساسية للضوضاء وإدارة البيانات المفقودة والترشيح استنادًا إلى مجموعات البيانات الصادرة المحددة. تتم إعادة كتابة النتائج إلى طبقات مختلفة من تخزين الكائنات أو إلى مخزن علائقي دائم استنادًا إلى المعالجة المطلوبة وأنواع البيانات المستخدمة.
• يتم الاحتفاظ بجميع أنواع البيانات المخزنة في كل من الصيغ الأولية والمعالجة في مخزن بيانات المعاملات. تعمل قاعدة بيانات Oracle، مثل Oracle Autonomous Database، بكفاءة لجميع حالات الاستخدام، ولكن قد يعتقد بعض العملاء أن بعض البيانات سيتم تخزينها بشكل أفضل على قاعدة بيانات NoSQL. ومع ذلك، هذا ليس صحيحًا بالضرورة - ستكون قاعدة بيانات Oracle المحسنة أعلى Exadata أسرع من قاعدة بيانات NoSQL للكتابة - وباستخدام قاعدة بيانات NoSQL، يمكنك الاستفادة من مزايا وجود جميع بياناتك في مستودع واحد بطريقة عرض موحدة. يمكنك أيضًا الاستفادة من الأقسام المختلطة للحفاظ على بضع أقسام فقط في تخزين Exadata وبقية البيانات في تخزين الكائنات حيث تستخدم معظم التحليلات ولوحات المعلومات التشغيلية أحدث البيانات.
• سنستخدم الآن خدمة مخزن البيانات للحفاظ على البيانات المنسقة في نموذج محسّن لأداء الاستعلام. يوفر مخزن بيانات الخدمة طبقة علائقية مستمرة تستخدم لخدمة بيانات منسقة عالية الجودة للمستخدمين النهائيين مباشرة عبر أدوات مستندة إلى SQL. في هذا الحل، يتم تكوين طبعة Oracle Autonomous Data Warehouse كمخزن بيانات يخدم مستودع بيانات المؤسسة، وإذا لزم الأمر، متاجر بيانات على مستوى النطاق أكثر تخصصًا. كما يمكن أن يكون مصدر البيانات أيضًا لمشروعات علوم البيانات أو المستودع المطلوب لـ Oracle Machine Learning. قد يأخذ مخزن بيانات الخدمة أحد الأشكال المتعددة، بما في ذلك Oracle MySQL HeatWave أو Oracle Database Exadata Cloud Service أو Oracle Exadata Cloud@Customer.

تحليل البيانات والتنبؤ والعمل

وتيسر ثلاثة مناهج تقنية القدرة على التحليل والتنبؤ والعمل.

• تعتبر إمكانات التحليلات المتقدمة أمرًا بالغ الأهمية لتحسين الصيانة. في حالة الاستخدام هذه، نعتمد على Oracle Analytics Cloud لتقديم التحليلات والتمثيلات المرئية. يتيح ذلك للمؤسسة إمكانية استخدام التحليلات الوصفية (يصف الاتجاهات الحالية مع الرسوم البيانية والتخطيطات البيانية)، والتحليلات التنبؤية (يتنبأ بالأحداث المستقبلية، ويحدد الاتجاهات، ويحدد احتمالية النتائج غير المؤكدة)، والتحليلات الإرشادية (تقترح إجراءات مناسبة، تؤدي إلى اتخاذ القرارات المثلى).
• بالإضافة إلى التحليلات المتقدمة، يُستخدم علم البيانات والتعلم الآلي والذكاء الاصطناعي بشكل متزايد للبحث عن الحالات الشاذة، والتنبؤ بمكان حدوث أي أعطال، وتحسين عملية التوريد. يمكن استخدام علوم بيانات OCI أو خدمات الذكاء الاصطناعي لـ OCI أو Oracle Machine Learning في قواعد البيانات. نستخدم أساليب التعلم الآلي وعلم البيانات لإنشاء نماذج الصيانة التنبؤية وتدريبها. يمكن بعد ذلك نشر نماذج التعلم الآلي هذه لتسجيل النقاط عبر واجهات برمجة التطبيقات أو المضمنة كجزء من مسار تحليلات تدفق GoldenGate. في بعض الحالات، يمكن نشر هذه النماذج في قاعدة البيانات باستخدام Oracle Machine Learning Services REST API (لإجراء ذلك، يجب أن يكون النموذج بصيغة Open Neural Network Exchange). بالإضافة إلى ذلك، يمكن نشر علوم بيانات OCI لأجهزة الكمبيوتر المحمولة التي ترتكز على Jupyter/Python أو Oracle Machine Learning لخوارزميات تعلم الآلة والحواسيب المحمولة Zeppelin داخل مخزن بيانات المعاملات أو الخادم. وبالمثل، يمكن لـ Oracle Machine Learning وOCI Data Science، إما بمفردها أو بالاشتراك معها، تطوير نماذج توصيات/قرارات. يمكن نشر هذه النماذج كخدمة، ويمكننا نشرها خلف بوابة واجهة برمجة تطبيقات OCI ليتم تقديمها على أنها "منتجات بيانات" وخدمات. وأخيرًا، بمجرد إنشاء نماذج التعلم الآلي، يمكن نشرها في التطبيقات التي تعد جزءًا من نظام تحكم موزع (إذا كان مسموحًا به) أو نشرها على الحافة عبر جهاز Oracle Roving Edge أو ما شابه ذلك.

يمكن تطبيق النماذج المتعددة التي تم إنشاؤها عن طريق الجمع بين علم البيانات والأنماط المحددة بواسطة التعلم الآلي على أنظمة الاستجابة واتخاذ القرار التي تقدمها خدمات الذكاء الاصطناعي.

• يمكن أن يساعد اكتشاف OCI الشاذ في مراقبة مقاييس أداء سلسلة التوريد (على سبيل المثال، مخزون المواد الخام، إنتاجية الإنتاج، العمل قيد التنفيذ، أوقات العبور، دوران المخزون، وما إلى ذلك) في الوقت الفعلي لتحديد الاضطرابات ومعالجتها. في سلسلة التوريد المعقدة، يمكن أن يساعد مجموع نقاط الشذوذات المحددة في ترتيب أولويات اضطرابات الأعمال الملحوظة خلال الإجراءات.
• يمكن أن يساعد تقدير OCI في التنبؤ بمقاييس سلسلة التوريد، مثل الطلب والعرض وقدرة الموارد، بحيث يمكن اتخاذ الإجراءات المناسبة للإعداد في وقت مبكر.
• يمكن أن تساعد OCI Vision ولغة OCI على فهم المستندات، مثل تقارير جودة المنتجات الصادرة وتقارير أخطاء المنتجات، لإثراء بيانات سلسلة التوريد.

المكون النهائي ولكن الحرج هو حوكمة البيانات. سيتم توفير ذلك من خلال كتالوج بيانات OCI، وهو خدمة مجانية توفر إدارة البيانات وإدارة البيانات الوصفية (للبيانات الوصفية التقنية وبيانات تعريف الأعمال) لجميع مصادر البيانات في النظام البيئي للنظام الأساسي للبيانات. تعد OCI Data Catalog أيضًا مكونًا مهمًا للاستعلامات من Oracle Autonomous Data Warehouse إلى OCI Object Storage حيث توفر طريقة لتحديد موقع البيانات بسرعة بغض النظر عن طريقة التخزين الخاصة بها. وهذا يسمح للمستخدمين والمطورين وعلماء البيانات باستخدام لغة وصول مشتركة (SQL) عبر جميع مخازن البيانات المستمرة في البنية.

استخدام بياناتك لتحسين عمليات التصنيع وزيادة الربحية

ومع الصيانة التنبؤية، لا تتم خدمة المعدات إلا عندما تحتاج إلى خدمتها، مما يقلل من الانقطاعات غير المتوقعة. وهذا يوفر مزايا متعددة تشمل تقليل عمليات الإصلاح أو الاستبدال المجدولة للصيانة، واستخدام موارد صيانة أقل (بما في ذلك قطع الغيار واللوازم)، وفي نفس الوقت، تقليل حالات الفشل. وهذا يوفر مزايا متعددة تشمل تقليل عمليات الإصلاح أو الاستبدال المجدولة للصيانة، واستخدام موارد صيانة أقل (بما في ذلك قطع الغيار واللوازم)، وفي نفس الوقت، تقليل حالات الفشل.

يساعد تقليل وقت التعطل غير المخطط له على تحسين عمليات الأعمال وتحسين الكفاءة والإنتاجية والسرعة والمساعدة على ضمان وصول الجزء المناسب إلى المكان المناسب في الوقت المناسب. وفي الوقت نفسه، يؤدي تقليل تكاليف الصيانة والعمالة والمواد وتحسين تكاليف دورة حياة الأصول إلى زيادة الربحية.