تخيل أنك تسير عبر مصنع ضخم عالي التقنية حيث تقوم الروبوتات ببناء أجزاء معقدة. في الأيام الخوالي، إذا ارتكبت آلة خطأً أو سجل مستشعر درجة حرارة غريبة، فإن هذه المعلومة كانت تضيع في كومة من الأوراق أو تُدفن في ملف كمبيوتر لا يستطيع أحد العثور عليه. كان الأمر يشبه محاولة العثَد حبة رمل محددة على الشاطئ دون معرفة في أي دلو توجد. هذه مشكلة كبيرة للعلماء والمهندسين الذين يريدون استخدام الذكاء الاصطناعي (AI) لجعل هذه المصانع أكثر ذكاءً. الذكاء الاصطناعي يشبه طالباً فائق الذكاء؛ يمكنه تعلم أشياء مذهلة، ولكن فقط إذا توفرت له الكتب المدرسية الصحيحة. إذا كانت البيانات فوضوية، أو مخفية، أو لا تحمل ملصقاً يقول "سُجلت بينما كانت الفرن عند 200 درجة"، فإن الذكاء الاصطناعي يصاب بالارتباك ولا يستطيع التعلم.

ولحل هذه المشكلة، يستخدم العلماء ما يسمى ببيانات "FAIR". فكر في FAIR كقواعد لضمان أن تكون البيانات Findable (سهلة العثور عليها)، وAccessible (سهلة الوصول إليها)، وInteroperable (قادرة على العمل مع بيانات أخرى/تتحدث نفس اللغة)، وReusable (سهلة الاستخدام مرة أخرى). ولكن هناك قطعة مفقودة: وهي الـ provenance (أصل البيانات/المصدر). الـ provenance هو مجرد مصطلح معقد يعني "الأثر الورقي" أو "قصة الأصل". إنه يجيب على أسئلة مثل: "من صنع هذا؟" و"متى حدث ذلك؟" و"ماذا كانت الآلة تفعل قبل ذلك مباشرة؟". بدون هذه القصة، تصبح البيانات مجرد رقم عائم في الفراغ. الورقة التي ستطالعها الآن تتناول تحدي إنشاء هذا الأثر الورقي المثالي لعمليات التصنيع المعقدة متعددة الخطوات، محولةً أرض المصنع الفوضوية إلى مكتبة منظمة جيداً حيث تعرف كل قطعة من البيانات تاريخها الخاص.

---

ملف العملية الافتراضي: آلة زمن رقمية للمصانع

يقترح مؤلفو هذه الورقة، وهم فريق من الباحثين من مدينة كارلسروه بألمانيا، أداة جديدة تسمى ملف العملية الافتراضي (Virtual Process Dossier - VPD). يمكنك التفكير في الـ VPD كـ "آلة زمن رقمية" أو "مذكرات مفصلة للغاية" للمصنع. في المصنع التقليدي، يمر المنتج بعدة خطوات: يتم تسخينه، وضغطه، وتبريده، وقياسه. وفي كل خطوة من هذه الخطوات، تراقب المستشعرات وتسجل البيانات. المشكلة هي أن هذه البيانات غالباً ما تنتهي بها الحال مبعثرة في أماكن مختلفة، ولا أحد يعرف بالضبط أي مستشعر سجل أي درجة حرارة خلال أي خطوة محددة من خط التجميع.

يحل الـ VPD هذه المشكلة عن طريق بناء رسم بياني للمعرفة (Knowledge Graph). تخيل شبكة تفاعلية ضخمة حيث تكون كل قطعة من البيانات عبارة عن "عقدة"، والخطوط التي تربط بينها تحكي قصة كيفية ارتباطها ببعضها البعض. في هذه الشبكة، ليست قراءة درجة الحرارة مجرد رقم؛ بل هي متصلة بذراع الروبوت المحدد الذي أمسك بالقطعة، واللحظة الدقيقة لفتح باب الفرن، والآلة المحددة التي ضغطت المادة. هذا يجعل البيانات "FAIR" لأن أي شخص (أو أي ذكاء اصطناعي) يمكنه النظر إلى الرسم البياني وفهم السياق الكامل للبيانات فوراً.

المكونات السحرية الثلاثة

تشير الورقة إلى أن الـ VPD يتكون من ثلاثة أجزاء رئيسية، تعمل معاً كفريق واحد:

1. أنطولوجيا الـ VPD (كتاب القواعد):
   هذا هو عقل العملية. الـ "أنطولوجيا" (Ontology) هي بمثابة قاموس يتفق عليه الجميع. لم يخترع المؤلفون لغة جديدة من الصفر؛ بدلاً من ذلك، أخذوا قواميس موثوقة وموجودة بالفعل (مثل DCAT وPROV وSSN/SOSA وWiLD) وقاموا بدمجها معاً.

• التشبيه: تخيل أنك تبني قلعة من الليغو. لديك تعليمات للقاعدة، والجدران، والسقف من مجموعات مختلفة. "أنطولوجيا الـ VPD" هي دليل التعليمات الرئيسي الذي يخبرك بالضبط كيف تجمع تلك المجموعات المختلفة معاً لتتناسب تماماً. إنها تحدد أن "المستشعر" هو نوع من "الوكيل" (Agent)، وأن "خطوة التسخين" هي نوع من "النشاط" (Activity). هذا يضمن أنه عندما يقول الروبوت "لقد سخنتُ هذا"، ويقول الكمبيوتر "تم تسخين هذا"، فإنهما يتحدثان نفس اللغة.

2. إطار عمل الـ VPD (طاقم البناء):
   امتلاك كتاب قواعد أمر رائع، ولكنك تحتاج إلى طريقة لبناء الشيء فعلياً. "إطار العمل" هو الدليل خطوة بختوة حول كيفية إعداد النظام. فهو يخبر المصنع بكيفية الاستعداد قبل بدء الإنتاج (إعداد الخطة "الاستباقية" - prospective) وكيفية تسجيل البيانات أثناء تشغيل الآلات (التقاط الواقع "الاسترجاعي" - retrospective).

• التشبيه: فكر في هذا كقائمة التحقق الخاصة بطاقم البناء. قبل افتتاح المصنع، يكتبون الخطة: "أولاً، يسخن الفرن، ثم يضغط المكبس". هذا هو الجزء "الاستباقي" (ما نتوقعه أن يحدث). ثم، بينما يعمل المصنع، يقوم الطاقم تلقائياً بتدوين ما حدث بالفعل: "وصل الفرن إلى 200 درجة في الساعة 10:05 صباحاً، وضغط المكبس بقوة 500 نيوتن". هذا هو الجزء "الاسترجاعي" (ما حدث فعلاً). يضمن إطار العمل ربط هاتين القصتين معاً بشكل مثالي.

3. واجهة مستخدم الـ VPD (لوحة التحكم):
   حتى مع وجود كتاب قواعد مثالي وطاقم بناء رائع، ستكون البيانات عديمة الفائدة إذا لم يستطع البشر قراءتها. واجهة المستخدم (UI) هي موقع إلكتروني يتيح للناس تصفح هذه الشبكة الضخمة من البيانات دون الحاجة إلى أن يكونوا خبراء في الكمبيوتر.

• التشبيه: إذا كان الرسم البياني للمعرفة عبارة عن مكتبة ضخمة تحتوي على ملايين الكتب، فإن واجهة المستخدم هي "أمين المكتبة الودود" الذي يمكنه القول: "أرني جميع قراءات درجة الحرارة من الفرن يوم الثلاثاء الماضي"، ويستخرج الصفحات الصحيحة فوراً. إنها تقوم بتصور البيانات بحيث يمكن للإنسان رؤية قصة دورة الإنتاج، أو يمكن للذكاء الاصطناعي تحميل البيانات للتعلم منها.

كيف يعمل في الحياة الواقعية

اختبر المؤلفون فكرتهم باستخدام مثال مبسط: صنع جزء من البلاستيك المقوى بالألياف.

1. الإعداد: يبدأون بقطعة من الألياف. يضعونها في إطار مسك (Gripper frame).
2. الخطوات: أولاً، تدخل القطعة في فرن لتسخن. ثم، يقوم مكبس بضغطها لتأخذ شكلها.
3. المستشعرات: خلال هذه العملية، تقيس المستشعرات درجة حرارة السطح العللي والسفلي للقطعة، وزاوية الإطار.

في مصنع عادي، قد يتم حفظ بيانات درجة الحرارة في ملف واحد، وبيانات المكبس في ملف آخر. سيتعين عليك تخمين أي قراءة لدرجة الحرارة تنتمي إلى أي دورة ضغط.

مع نظام الـ VPD، يقوم النظام بربط كل شيء تلقائياً. عندما يسجل المستشعر درجة حرارة، يعرف الـ VPD:

• من: مستشعر البيروميتر (Pyrometer sensor).
• ماذا: درجة حرارة السطح العلوي.
• متى: خلال خطوة "التسخين" في سير العمل.
• أين: في حالة سير العمل المحددة حيث تم ضبط الفرن على 200 درجة.

تستبعد الورقة صراحةً فكرة أن كتالوجات البيانات الحالية كافية. يجادل المؤلفون بأن معظم الأدوات الموجودة تنظر فقط إلى تسميات عامة (مثل "الملف 1" أو "الملف 2") ولا تفهم "سير العمل" (Workflow). كما يشيرون إلى أن بعض الأنظمة الأخرى تركز فقط على البيانات الرقمية (مثل كود البرمجيات) وتفشل عند تطبيقها على المصانع المادية حيث تتفاعل الآلات والمواد. لقد تم تصميم الـ VPD خصيصاً للتعامل مع هذا الواقع المادي الفوضوي.

ما تقوله الورقة فعلياً (وما لا تقوله)

يؤكد المؤلفون بحذر أنهم بنوا نموذجاً أولياً وإطار عمل، لكنهم لا يدعون أنهم حلوا كل المشكلات في عالم التصنيع.

• ما وجدوه: نجحوا في إنشاء "أنطولوجيا" تربط بيانات المستشعرات بخطوات سير العمل. وأظهروا أنه باستخدام المعايسات الموجودة (مثل PROV و SSN)، يمكنهم جعل البيانات "FAIR" دون إعادة اختراع العجلة. كما أثبتوا أن نظامهم يمكنه تلقائياً ربط مجموعة بيانات بالآلة والخطوة المحددة التي أنشأتها.
• ما يقترحونه: يقترحون أن هذا النهج يمكن أن يساعد علماء البيانات الذين يحاولون تدريب نماذج الذكاء الاصطناعي على بيانات المصنع. فمن خلال وجود "قصص" واضحة مرفقة بالبيانات، يمكن للذكاء الاصطناعي التعلم بشكل أسرع وأكثر دقة.
• ما لا يزال مجهولاً: تقدم الورقة هذا كـ "مقترح" و"نموذج أولي". ويذكرون أنهم بنوه لمشروع بحثي يضم 8 مختبرات ومعهدين في ألمانيا. هم لا يدعون أن كل مصنع في العالم يستخدم هذا بالفعل، ولا يدعون أنه يعمل بشكل مثالي لكل نوع من أنواع الآلات دون مزيد من الاختبار. إنهم يقدمون واجهة المستخدم كأداة مفتوحة المصدر ليجربها الآخرون، مما يعني أن الاعتماد الحقيقي في العالم الواقعي وتوسيع النطاق هما الخطوتان التاليتان.

لماذا هذا مهم

الهدف النهائي هنا هو التوقف عن إهدار البيانات. في المصانع الحديثة، تولد المستشعات كميات هائلة من البيانات، ولكنها غالباً ما تظل غير مستخدمة لصعوبة فهمها. يعمل "ملف العملية الافتراضي" كمترجم وأمين مكتبة، محولاً ذلك المحيط من البيانات إلى قصة واضحة وسهلة القراءة. إذا استطاع المصنع معرفة القصة الكاملة لكيفية صنع جزء ما، فيمكنهم استخدام الذكاء الاصطناعي لمعرفة سبب تعطل الجزء، أو كيفية جعله أقوى، أو كيفية توفير الطاقة.

تخلص الورقة إلى أنه من خلال جعل البيانات "واعية بالعملية" (Process-aware) - أي أن البيانات تعرف تاريخها وسياقها - يمكننا كسر "الصوامع" (Silos) (كتل المعلومات المعزولة) التي تعيق التصنيع حالياً. إنها خطوة نحو مستقبل لا تكون فيه المصانع مجرد آلات تصنع الأشياء، بل أنظمة ذكية تتعلم وتطور نفسها، بفضل فكرة بسيطة ولكنها قوية: يجب أن يكون لكل قطعة من البيانات "تدوينة في مذكراتها".