Critical Studies on Cycle Time Reduction Using Lean Tools in Aerospace Components Manufacturing Industries

في عالم تصنيع الطيران عالي المخاطر، يعد بناء قطعة واحدة لمحرك نفاث أو لقمر صناعي إنجازاً يتطلب دقة متناهية. هذه المكونات، التي تُصنع غالباً من مواد صلبة مثل التيتانيوم أو السبائك المتخصصة، يجب أن تكون مثالية؛ فخطأ ضئيل قد يعني الفرق بين رحلة آمنة وفشل كارثي. ولهذا السبب، تكون العملية بطيئة، ومنظمة بدقة، ومعقدة للغاية. وخلافاً للمصانع التي تنتج ملايين القطع المتطابقة، غالباً ما تنتج مصانع الطيران دفعات صغيرة من قطع متنوعة وعالية التخصص. هذا النهج القائم على "تنوع عالٍ وحجم إنتاج منخفض" يعني أن الآلات تتوقف باستمرار لتغيير الأدوات، والعمال يقومون باستمرار بالتحقق من القياسات، والقطع تقضي وقتاً طويلاً في الانتظار في الطوابير. ويُسمى الوقت الذي تستغرقه عملية تحويل كتلة خام من المعدن إلى قطعة نهائية معتمدة بـ "زمن الدورة". وبالنسبة للمصنعين، فإن تقصير هذا الوقت هو هدف رئيسي؛ فهو يعني قدرتهم على تسليم القطع بشكل أسرع، واستخدام آلاتهم الباهظة الثمن بكفاءة أكبر، وتقليل التكاليف دون المساس أبداً بمعايير السلامة التي تحافظ على أمن الأجواء.

لعقود من الزمن، استخدمت المصانع مجموعة من مبادئ الإدارة المعروفة باسم "التصنيع الرشيق" (Lean Manufacturing) لتسريع وتيرة العمل. فكر في هذه المبادئ كوسيلة لتنظيم مساحة العمل بحيث لا يعيق أي شيء سير العمل. وتعمل أدوات مثل "رسم خرائط تدفق القيمة" كخريطة للعثور على الأماكن التي تنتظر فيها القطع دون داعٍ، بينما يساعد نظام "تغيير القوالب في دقيقة واحدة" العمال على تغيير إعدادات الآلات في دقائق بدلاً من ساعات. ومع ذلك، وجدت صناعة الطيران أن هذه الأساليب التقليدية، رغم فائدتها، تصطدم أحياناً بحائط مسدود؛ فالعمليات معقدة للغاية والبيانات ضخمة جداً لدرجة تمنع المديرين البشر من تتبع كل تأخير في الوقت الفعلي. وهنا يأتي دور الموجة الجديدة من التكنولوجيا؛ فمن خلال الجمع بين أساليب التنظيم التقليدية والذكاء الاصطناعي الحديث، يحاول الباحثون الآن إنشاء طريقة أكثر ذكاءً لإدارة الإنتاج. والهدف هو استخدام الحواسيب ليس فقط لتسجيل ما حدث، بل للتنبؤ بما سيحدث لاحقاً، مما يسمح للمصانع بإصلاح المشكلات قبل أن تتسبب في حدوث أي تأخير.

لقد وضع فريق من الباحثين، بقيادة ساسيدهاران تي بي، وكيه مانجوناتا، وجاياتيش كومار باندي، خطة لاختبار مدى نجاح هذا المزيج. وركزوا على مصنع محدد لتصنيع مكونات الطيران في الهند ينتج دعامات هيكلية وأجزاء للمحركات. لم يعتمد الباحثون على التخمين للوصول إلى حل، بل بنوا إطار عمل خطوة بخطوة حدد أولاً الأسباب الأكثر أهمية لتباطؤ الإنتاج. وجمعوا مدخلات من لجنة من الخبراء، بمن فيهم مديرو الإنتاج ومهندسو الجودة، لترتيب الأولويات. وكانت النتائج واضحة: العامل الأكثر حرجاً لم يكن آلة أو أداة معينة، بل كان التزام الإدارة العليا بدعم التغييرات. وتلا ذلك موثوقية الآلات وتدريب الموظفين كأعمدة تالية في الأهمية. فبدون قيادة قوية ومعدات مدربة جيدا ومصانة جيداً، لن يتمكن أي برنامج حاسوبي من إصلاح حالات التأخير.

وبمجرد معرفة ما يجب التركيز عليه، طبق الفريق مزيجاً من أدوات التصنيع الرشيق والذكاء الاصطناعي على خط إنتاج حقيقي. بدأوا برسم خريطة للتدفق الحالي للعمل، وهو ما كشف أن القطع تقضي وقتاً طويلاً في الانتظار بين الخطوات، أو في التخزين. ثم أدخلوا تحسينات مثل الجدولة الأفضل والصيانة التنبؤية، حيث ينبه النظام العمال لإصلاح آلة قبل تعطلها. والأهم من ذلك، أضافوا طبقة من الذكاء الاصطناعي يمكنها النظر في البيانات التاريخية والتنبؤ بالوقت الذي ستستغرقه قطعة جديدة بدقة. سمح هذا للمصنع بتخطيط جدوله الزمني بدقة أكبر بكثير. واختبر الفريق أربعة أنواع مختلفة من نماذج الذكاء الاصطناعي لمعرفة أي منها الأفضل في مهمة التنبؤ هذه. ووجدوا أن نموذجاً يسمى "الذاكرة الطويلة قصيرة المدى" (Long Short-Term Memory)، والمصمم لفهم تسلسل الأحداث، كان الأكثر دقة. فقد استطاع التنبؤ بالوقت اللازم لإنتاج قطعة معقدة بهامش خطأ يقل عن ساعتين، وهو مستوى من الدقة لم يستطع المخططون البشريون تحقيقه بمفردهم.

كانت نتائج هذه التجربة التي استمرت ستة أشهر مذهلة. قبل تطبيق النظام الجديد، كان الوقت الإجمالي لصنع قطعة يتضمن ساعات عديدة من الانتظار والحركة غير الفعالة. وبعد تطبيق إطار العمل الخاص بالتصنيع الرشيق والذكاء الاصطناعي، انخفض الوقت بشكل كبير في كل مرحلة من مراحل الإنتاج. ففي مرحلة التشغيل الآلي، والتي تتضمن قطع وتشكيل المعدن، انخفض الوقت من 42 ساعة إلى 31 ساعة. وفي مرحلة التجميع، حيث تُجمع الأجزاء معاً، انخفضت من 30 ساعة إلى 22 ساعة. وحتى الفحص النهائي، وهو أمر بالغ الأهمية للسلامة، أصبح أسرع، حيث انخفض من 24 ساعة إلى 17 ساعة. وبشكل عام، شهد المصنع انخفاضاً هائلاً في الوقت الذي تقضيه القطع في الانتظار أو التحرك دون داعٍ. كما تحسن معدل "الاستخدام الفعلي" للآلات، وهو الوقت الذي تعمل فيه الآلات فعلياً، بشكل كبير؛ فعلى سبيل المثال، ارتفع استخدام آلات القطع الرئيسية التي يتم التحكم فيها بالحاسوب من حوالي 72 بالمائة إلى 90 بالمائة بنهاية الدراسة.

كما تناولت الدراسة الصحة العامة للمعدات، والتي تُقاس بدرجة تسمى "فعالية المعدات الإجمالية" (Overall Equipment Effectiveness). تجمع هذه الدرجة بين عدد مرات تشغيل الآلة، وسرعتها، وعدد القطع الجيدة التي تنتجها. قبل التغييرات، كانت هذه الدرجة تحوم حول 68 بالمائة، ولكن بعد وضع النظام الجديد، ارتفعت باطراد لتصل إلى 88 بالمائة. وهذا يعني أن المصنع لم يكن يعمل بشكل أسرع فحسب، بل كان يعمل بشكل أذكى، مع أعطال أقل وقطع معيبة أقل تحتاج إلى إعادة تصنيع. ووجد الباحثون أن أكبر المكاسب جاءت من تقليل وقت "الانتظار"، الذي شكل قرابة ربع إجمالي الوقت الضائع في المصنع. ومن خلال استخدام الذكاء الاصطناعي للتنبؤ بالاختناقات وأدوات التصنيع الرشيق لتسهيل تدفق العمل، قضى المصنع على الكثير من وقت الخمول هذا. كما انخفضت أيضاً نسبة "الإفراط في المعالجة"، حيث يتم تشغيل أو فحص القطع أكثر مما هو ضروري، بشكل ملحوظ.

إن ما يجعل هذا البحث قيماً بشكل خاص هو أنه يثبت أن هذين العالمين — تنظيم المصانع التقليدي وعلوم الحاسوب المتقدمة — يمكنهما العمل معاً بفعالية. فقد أظهرت الدراسة أنه لا يمكنك ببساطة تثبيت برنامج حاسوبي جديد وتوقع تلاشي المشكلات؛ إذ يجب معالجة العنصر البشري والتنظيم المادي للمصنع أولاً. لقد عمل نموذج الذكاء الاصطناعي بشكل أفضل لأنه غُذي ببيانات من مصنع تم تنظيمه بالفعل ليكون فعالاً. وأكد الباحثون أن التحسينات لم تكن مجرد ضربة حظ أو طفرة مؤقتة في الأداء، بل إن مكاسب السرعة والكفاءة ظلت ثابتة طوال شهور الدراسة، مما يشير إلى أن طريقة العمل الجديدة مستدامة.

وخلص الفريق إلى أنه بالنسبة لمصنعي الطيران الذين يتطلعون ليصبحوا أسرع وأكثر كفاءة، فإن الطريق نحو المستقبل يكمر في هذا النهج المتكامل. لقد أثبتوا أنه من خلال إعطاء الأولوية لدعم الإدارة وموثوقية الآلات، ثم إضافة أدوات التنبؤ الذكية، يمكن للمصانع تحقيق مستوى من الأداء كان بعيد المنال سابقاً. لم تدّعِ الدراسة أن هذا يحل كل مشكلات التصنيع، ولم تشر إلى أن العمال البشريين سيتم استبدالهم، بل أظهرت أنه عندما يتم دعم العمال المهرة بأدوات يمكنها رؤية مستقبل الإنتاج، يصبح النظام بأكمله أكثر مرونة وقدرة. وبالنسبة لصناعة حيث كل ساعة لها ثمنها والسلامة فيها أمر غير قابل للتفاوض، فإن هذا المزيج بين الخبرة البشرية وذكاء الآلة يقدم طريقاً واضحاً ومثبتاً لبناء مستقبل الطيران.