Two-stage monitoring design and budgeted condition-based maintenance for LED lighting systems: a gamma-process-based ensemble Kalman filter approach

تخيل أنك قبطان لأسطول ضخم من السفن المتوهجة، ولكن بدلاً من الإبحار في المحيط، تطفو هذه السفن في سقف مبنى مكاتب عملاق. هذه السفن هي مصابيح LED، ومهمتها هي إبقاء مكاتب الطاقم مضيئة بما يكفي للقراءة والعمل. لكن هنا تكمن المشكلة: بمرور الوقت، تتعب هذه المصابيح؛ فهي لا تنطفئ فجأة دفعة واحدة، بل تخبو ببطء، مثل شمعة تحترق حتى تنتهي، إلى أن تصبح الغرفة مظلمة جداً بحيث لا يمكن رؤية شيء. هذه مشكلة، لأنه إذا خبت الأضواء كثيراً، لن يستطيع الناس العمل، وإذا استبدلتها في وقت مبكر جداً، ستخسر ثروة طائلة.

الجزء الصعب هو أنه لا يمكنك فحص كل مصباح بسهولة. لمعرفة مدى تعب مصباح معين بدقة، سيتعين عليك إنزاله ووضعه في مختبر واختباره. هذا يشبه أخذ سفينة من الأسطول فقط لفحص محركها؛ الأمر مكلف جداً ويستغرق وقتاً طويلاً. لذا، بدلاً من ذلك، لديك عدد قليل من المستشعرات على الأرض (مستوى العمل) تقيس مدى سطوع الغرفة. السؤال الكبير هو: كيف يمكنك معرفة أي المصابيح تحديداً بدأت تضعف بمجرد النظر إلى السطوع على الأرض؟ الأمر يشبه محاولة تخمين أي آلة موسيقية محددة في أوركسترا ضخمة بدأت تفقد دوزانها بمجرد الاستماع إلى الحجم الإجمالي للموسيقى. تتناول هذه الورقة هذا اللغز، باستخدام الرياضيات "للاستماع" إلى "موسيقى" الغرفة وتحديد الموعد الدقيق لاستبدال الآلات المتعبة دون إهدار المال أو الوقت.

لعبة التحري ذات المرحلتين

يقترح مؤلفو هذه الورقة، وهم فريق من المهندسين والباحثين، خطة ذكية من خطوتين لإدارة هذه المصابيح التي تخبو. فكر في الأمر كأنها لعبة "المحقق مقابل الميزانية".

المرحلة الأولى: رسم الخريطة المثالية (مرحلة التصميم)
أولاً، يحتاج الفريق إلى معرفة أفضل الأماكن لوضع مستشعرات الأرض الخاصة بهم. إذا وضعت مستشعرات تحت كل مصباح مباشرة، فستحصل على الكثير من البيانات، لكن ذلك يتطلب جهداً كبيراً. وإذا وضعتها في أماكن عشوائية، فقد تفوتك الأدلة.

استخدم الباحثون محاكاة حاسوبية فائقة القوة (تسمى Radiance) لإنشاء "خريطة" لكيفية اختلاط الضوء من كل مصباح معاً على الأرض. أدركوا أن الضوء على الأرض عبارة عن "حساء" ضخم من المساهمات من جميع المصابيح. ولتفكيك هذا الحساء، كانوا بحاجة إلى مجموعة محددة من نقاط المستشعرات التي تمنحهم أكبر قدر ممكن من المعلومات. استخدموا خدعة رياضية تسمى "التصميم الأمثل من النوع D" (D-optimal design) لاختيار المجموعة المثالية من النقاط.

تخيل أن لديك أحجية صور مقطوعة (jigsaw puzzle) ضخمة، ولكن يمكنك فقط النظر إلى قطع قليلة لتخمين الصورة الكاملة. هذه المرحلة تتعلق باختيار أفضل القطع القليلة للنظر إليها حتى تتمكن من حل الأحجية بأقل قدر من الجهد. لقد وجدوا أن نمطاً معيناً مكوناً من 76 نقطة (مطابق لعدد المصابيح) كان هو "المنطقة الذهبية" — أي كافٍ تماماً لمعرفة حالة كل مصباح دون الحاجة إلى قياس الأرضية بأكملها.

المرحلة الثانية: الدوريات الذكية (مرحلة التشغيل)
بمجرد رسم الخريطة، يبدأ العمل الحقيقي. المبنى ضخم، ولا يمكنك قياس جميع النقاط الـ 76 في كل مرة ترسل فيها طاقم الصيانة؛ فهذا سيكلف الكثير من المال. لذا، ابتكر الفريق نظام "الدورية الذكية".

بدلاً من قياس كل شيء في كل مرة، يستخدمون أداة رياضية خاصة تسمى مرشح كالمان التجميعي (Ensemble Kalman Filter - EnKF). فكر في الـ EnKF كأنه "مخمن ذكي للغاية". فهو يحتفظ بقائمة ذهنية في عقله حول مدى تعب كل مصباح "على الأرجح" بناءً على عمره. عندما يخرج طاقم الصيانة، يقومون فقط بقياس عدد قليل من النقاط الـ 76 الموجودة في خريطتهم "الذهبية". يأخذ الـ EnKF هذه الأدلة القليلة الجديدة ويحدث قائمته الذهنية، مما يعطيه فكرة أفضل بكثير عن المصابيح التي أوشكت على الفشل.

هنا يأتي دور "الميزانية". كان على الفريق أن يقرر:

1. متى يجب أن يخرج الطاقم؟ (كل شهر؟ أم كل ثلاثة أشهر؟)
2. كم عدد النقاط التي يجب قياسها في كل مرة؟
3. متى يحين وقت استبدال المصباح؟ (إذا كانت هناك فرصة بنسبة 10% للفشل قريباً؟ أم 50%؟)

أجروا آلاف عمليات المحاكاة الحاسوبية لإيجاد التوازن المثالي. أرادوا إنفاق أقل قدر ممكن من المال على الزيارات والاستبدالات، مع ضمان عدم انطفاء المصابيح وحدوث "وقت التوقف" (عندما لا يستطيع الناس العمل).

ماذا وجدوا؟

كانت النتائج رائعة حقاً. لقد اختبروا نظامهم في مكتب محاكى يحتوي على 76 مصباحاً على مدار 50 عاماً.

• النقطة المثالية: وجدوا أن أفضل استراتيجية لم تكن قياس كل شيء في كل مرة، ولا قياس لا شيء. في ظل ميزانية قياسية، كانت الاستراتيجية "البطلة" هي إرسال طاقم كل 3 أشهر (ربع سنوي) وقياس 20 نقطة محددة فقط من خريطتهم المثالية.
• عتبة المخاطرة: وجدوا أيضاً "رقماً سحرياً" لمتى يتم استبدال المصباح. إذا خمن الكمبيوتر أن هناك احتمال 12% أن يفشل المصباح قبل الزيارة التالية، فقد حان وقت استبداله. إذا انتظروا حتى تصبح النسبة أعلى، فستنطفئ المصابحة بشكل متكرر. وإذا استبدلوها في وقت مبكر جداً، فسيضيعون المال.
• العائد: مقارنة بالطريقة التقليدية المتمثلة في مجرد استبدال المصابيح وفق جدول زمني ثابت (مثل "تغيير جميع المصابيح كل 5 سنوات")، وفر هذا النظام الذكي حوالي 10% من التكلفة الإجمالية في الظروف العادية. ولكن المثير للدهشة هو أنه عندما كانت المصابيح غير متوقعة (محاكاة لبيئة واقعية "فوضوية" حيث تفشل المصابيح في أوقات غريبة)، وفر النظام الذكي نسبة هائلة بلغت 40.5% من التكاليف!

لماذا يهم هذا؟

تظهر الورقة أنك لا تحتاج لأن تكون بطلاً خارقاً لإدارة إضاءة مبنى ما. أنت فقط بحاجة إلى خريطة جيدة ومخمن ذكي. من خلال قياس عدد قليل من النقاط الرئيسية واستخدام الرياضيات لملء الفراغات، يمكنك إبقاء الأضواء ساطعة تماماً دون كسر ميزانيتك.

اختبر الباحثون أيضاً ما يحدث إذا كان لديك المزيد من المال للإنفاق. إذا كانت لديك ميزانية ضخمة، يمكنك قياس المزيد من النقاط وتوفير المزيد من المال. ولكن إذا كان لديك ميزانية محدودة جداً، فمن الأفضل الزيارة بشكل متكرر وقياس نقاط أقل، بدلاً من الزيارة نادراً وقياس الكثير. النظام يتكيف مع محفظتك.

باختصار، تشير هذه الورقة إلى أنه من خلال التعامل مع صيانة الإضاءة كأنها لعبة تحرٍ مع ميزانية، يمكننا إبقاء مكاتبنا مضيئة ومحافظنا سعيدة. إنه ليس عصا سحرية تحل كل شيء فوراً، ولكنه في عمليات المحاكاة، أثبت أنه طريقة أذكى بكثير للتعامل مع الخبو البطيء لأصدقائنا من مصابيح LED.