Edge-AI Predictive Maintenance Based on Industrial IoT and Digital Twin System

تخيل أرضية المصنع كأنها أوركسترا ضخمة تعزف بنغمات متواصلة. لعقود من الزمن، كان الموسيقيون (الآلات) تحت مراقبة قائد أوركسترا لا يراجع نوتاتهم الموسيقية إلا مرة واحدة في اليوم. إذا بدأ وتر كمان في التآكل، فقد لا يلاحظ القائد ذلك حتى ينقطع الوتر، فتتوقف الموسيقى، وتتوقف الحفلة الموسيقية بأكملها فجأة. هذه هي الطريقة القديمة لإصلاح الآلات: انتظر حتى يحدث العطل، ثم ابدأ بالإصلاح بهلع. ولكن ماذا لو استطاع الكمان أن يهمس لمساعد ذكي في جيبه الخاص، قائلاً: "مهلاً، وتري بدأ يضعف، وأنا على وشك الانقطاع خلال عشر دقائق"؟ هذا هو الوعد الذي يقدمه الذكاء الاصطناعي الطرفي (Edge-AI) وإنترنت الأشياء الصناعي (Industrial IoT). فكر في "الذكاء الاصطنا هو" كمنح الآلة عقلها الخاص حيث تجلس تماماً، لكي تتمكن من التفكير فوراً دون انتظار رد من خادم بعيد. أما "إنترنت الأشياء الصناعي" فهو مجرد الجهاز العصبي من المستشعرات التي تشعر بنبض قلب الآلة، وحرارتها، واهتزازاتها. وماذا عن التوأم الرقمي (Digital Twin)؟ إنه نسخة شبحية ومثالية للآلة تعيش داخل الحاسوب، وتجري عمليات محاكاة لترى كيف ستشيخ الآلة الحقيقية. السؤال الكبير الذي يطرحه العلماء هو: هل يمكننا دمج هذه العناصر الثلاثة لمنع الآلات من التعطل حتى قبل أن تصدر أي صوت؟

تقول هذه الورقة البحثية، التي كتبتها ميغا باتيل، ويوجيش بيرود، وداناشري باربول: "نعم، وإليكم الطريقة". لقد بنى المؤلفون نظاماً يعمل بمثابة حارس شخصي فائق الذكاء واليقظة للمحركات الصناعية. فبدلاً من إرسال كل البيانات الخام إلى خادم سحابي بعيد (وهو ما يشبه الصراخ بطلب مساعدة من طبيب في بلد آخر وانتظار الرد)، وضعوا "الطبيب" بجانب المريض مباشرة. استخدموا حاسوباً صغيراً وبأسعار معقولة يسمى "راسبيري باي" (Raspberry Pi) ليعمل بمثابة العقل "الطرفي". هذا العقل يستمع إلى أربعة حواس مختلفة في آن واحد: مدى اهتزاز الآلة (الاهتزاز)، ودرجة حرارتها (الحرارة)، وصوتها (الصوتيات)، وكمية الكهرباء التي تسحبها (التيار).

الخدعة السحرية في نظامهم هي "التوأم الرقمي" الذي يتحدث مع المستشعرات. تخيل أن الآلة هي عداء، وأن التوأم الرقمي هو مدرب يركض بجانبه في عالم افتراضي. إذا بدأ العداء الحقيقي في التعثر، فإن المدرب لا يكتفي بالمراقبة فحسب؛ بل يحاكي ما سيحدث إذا استمر العداء في الركض، ثم يخبر العداء فوراً بأن يبطئ أو يتوقف. في هذه الدراسة، لم يكتفِ النظام بالتخمين؛ بل استخدم فريقاً من نماذج الذكاء الاصطناعي (بما في ذلك بعض النماذج التي تتعلم من أخطائها السابقة وأخرى تراقب الأنماط عبر الزمن) لاتخاذ القرار. والنتيجة؟ استطاع النظام رصد العطل بدقة تصل إلى 97.43%. هذه قفزة هائلة مقارنة بالطرق القديمة. والأفضل من ذلك، أنه قلل من "النتائج السلبية الكاذبة" (بمعنى أنه فاته عدد أقل بكثير من المشكلات الفعلية) بنسبة 33.33% مقارنة بالأنظمة التي تستمع لمستشعر واحد فقط، مثل الاهتزاز وحده.

كما تسلط الورقة الضوء على سرعة حدوث ذلك. نظرًا لأن "الطبيب" موجود هناك بجانب الآلة، فإن الوقت الذي يستغرقه تحديد المشكلة يقل عن 13 مللي ثانية. هذا أسرع من رمشة عين بشرية. وفي العالم الحقيقي، تعني هذه السرعة أن الآلات قضت وقتاً أقل بنسبة 66.67% وهي معطلة ولا تعمل. اختبر المؤلفون هذا على محرك تعمدوا جعله يتآكل ببطء، وتنبأ النظام بالفشل بشكل مثالي. حتى أنهم تحققوا من حساباتهم باستخدام اختبار إحصائي ("اختبار t") ووجدوا أن النتائج لم تكن مجرد ضربة حظ، بل كانت ذات دلالة إحصائية، مما يعني أن التحسن حقيقي وقابل للتكرار.

ومع ذلك، فإن المؤلفين حذرون من ادعاء أن هذا حل سحري ومثالي لكل مصنع على وجه الأرض. فهم يعترفون بأن اختبارهم تم في مختبر نظيف ومنضبط، وليس في أرضية مصنع فوضوية مليئة بزيوت الانسكاب، والغبار، والضجيج الكهربائي الغريب. كما يشيرون إلى أن الحاسوب الصغير الذي استخدموه (الراسبيري باي) له حدود؛ إذ لا يمكنه تشغيل أكثر نماذج الذكاء الاصطناعي ضخامة وتعقيداً حتى الآن. ولكن في الوقت الحالي، لقد أثبتوا أنك لست بحاجة إلى حاسوب خارق في السحابة للحفاظ على صحة الآلات. أنت فقط بحاجة إلى عقل محلي ذكي وتوأم افتراضي لمراقبة المستقبل. ومن خلال رصد المشكلات مبكراً وإصلاحها قبل أن تسبب كارثة، يشير هذا النهج إلى أننا يمكننا توفير الكثير من المال والحفاظ على استمرار عزف أوركسترا المصنع دون تفويت أي نغمة.