البيانات هي ثروة العصر وقد اعتاد المصنعون استخدام تحليل البيانات في التصنيع والإنتاج منذ عدة سنوات لتحسين اتخاذ القرار والعمليات والكفاءة في الشركة، بالتالي تعزيز حصتهم في السوق. فمع تزايد تعقيد عمليات التصنيع وتزايد الحاجة إلى تحسين كفاءة الإنتاج، فإن تسخير قوة تحليل البيانات قد يوفر ميزة تنافسية.
في الواقع، في العصر الصناعي المتطور اليوم: الشركات التي تعتمد تحليلات التصنيع بشكل فعال في مؤسساتها ستولد مزايا تنافسية كبيرة عن نظيرتها التي تؤخر اعتمادها. نستعرض أدناه مفهوم تحليل البيانات في عملية الصناعة والإنتاج وأهميتها وأبرز حالات استخدامها.
مفهوم تحليل البيانات في التصنيع والإنتاج
تحليل البيانات في التصنيع والإنتاج يعني تجميع وفحص البيانات الأولية في المصنع، بما يتضمن: بيانات المنتجات كالكميات المنتجة والداخلة في التصنيع، بيانات الماكينة كتواريخ التشغيل والصيانة، وبيانات الشراء والتوزيع. يهدف تحليلها لإدارة العملية الإنتاجية وتحسينها بما يتضمن الوظائف الرئيسية كالمراقبة والجدولة والصيانة والجودة والتخطيط. فمن خلال الكشف عن الأنماط والاتجاهات والارتباطات واستخراج رؤى مفيدة، يمكن تحسين وتسريع عملية اتخاذ القرارات المستنيرة و تحسين الكفاءة العامة.
أهمية تحليل البيانات في عمليات التصنيع
كما أشرنا يشكل تحليل البيانات ثورة في مختلف الصناعات بما فيها عملية التصنيع والإنتاج، فعندما نتحدث عن التصنيع نركز على جانبين أساسيين وهما الإنتاجي والفني نتعمق في التفاصيل:
الجانب الإنتاجي
تشكل عملية جدولة الإنتاج الفعالة قلب نجاح التصنيع بما يتضمن: تخصيص الموارد، تنسيق المهام وضمان تسليم المنتجات في الوقت المناسب. في الواقع، تفشل طرق الجدولة التقليدية بسبب محدودية قدرتها على حساب المتغيرات في الوقت الحقيقي وتحسين استخدام الموارد. مما يجعل استخدام تحليل البيانات يحدث ثورة في جدولة الإنتاج.
الجانب الفني
يمكن الاستفادة من البيانات التي تسجل الأحداث لزيادة استخدام المعدات، وخفض التكلفة، ودفع تحسين العمليات، وتقليل الأخطاء البشرية، والكشف عن ظروف الماكينة الدقيقة واتجاهاتها المستقبلية في الإنتاج.
نتحدّث في الفقرة التالية عن كيفية الاستفادة من تطبيقات تحليل البيانات في مجال الصناعة والإنتاج.
حالات استخدام تحليل البيانات في التصنيع
يعمل تحليل البيانات في التصنيع و الإنتاج على تغيير الصناعة التحويلية بشكل كبير، كما أن مجالات استخدامها كثيرة في إدارة وتحسين عملية الإنتاج من جودة وسعر المنتجات وضبط كميات المخزون وغير ذلك وتتجلى فيما يلي:
جدولة الإنتاج
يحدد جدول الإنتاج تسلسل العمليات التي سيتم تنفيذها على مستوى المواد والمعدات لإنتاج السلع التامة الصنع. حيث يستخدم المشغلون الأساليب الاستدلالية المستندة إلى قواعد أو جداول البيانات لبساطتها، ولكن هذه الطريقة قد تكون دون المستوى الأمثل. في حين تضمن الطرق القائمة على التحسين الرياضي الجداول الزمنية المثلى، لكنها قد تستغرق أوقاتًا حسابية أطول للتقارب، مما يصعب تنفيذها حالياً.
هنا يبرز دور تحليل البيانات في التصنيع والإنتاج حيث يسد الفجوة في تطوير جداول الإنتاج، فمن خلال استكمال معرفة مجال المشغلين بتحليل البيانات، تتفوق جداول الإنتاج على الاستدلالات القائمة على القواعد، فهي تتميز بالكفاءة وتوليد الحلول بسرعة، مما يجعل التنفيذ في الوقت الفعلي أسهل.
تطوير المنتج
يعتبر تطوير المنتج إحدى العمليات المكلفة والمهمة في التصنيع، فلكي تبقى الشركات قادرة على المنافسة، عليها دفع تكاليف البحث والتطوير لإنشاء خطوط إنتاج جديدة، وتحسين النماذج الحالية، وتطوير خدمات جديدة ذات قيمة مضافة.
كانت تستخدم النمذجة التكرارية للوصول إلى أفضل منتج، لكن الآن، يسمح علم البيانات وتحليل بيانات التصنيع بمحاكاة جزء كبير من تلك العملية. فباستخدام “التوائم الرقمية” وغيرها من أساليب النمذجة، يمكن إنشاء ظروف العالم الحقيقي افتراضياً للتنبؤ بالأداء وتقليل تكاليف البحث والتطوير.
تحسين جودة المنتج
أي تطبيق تقنيات تحليل البيانات لتحسين سمات المنتج، حيث يشكل توفير منتجات وخدمات عالية الجودة ركيزة نجاح أي عمل على المدى الطويل. يسرّع تحليل بيانات جودة المنتج عمليات فحص الجودة، ويسمح بتحديد مشكلات الجودة المحتملة لتحذير المشغلين مسبقًا، كما يساعد المشغلين في اقتراح إجراءات لاستكشاف الأخطاء وإصلاحها وحل المشكلات.
تحسين إنتاجية التصنيع
تحدّد إنتاجية التصنيع كمية السلع الوسيطة أو تامة الصنع التي قد تنتجها المنشأة في فترة زمنية محددة. فالمنشأة التي تعمل بسلاسة بأدنى حد من فترات التوقف غير المخطط لها أو عدم وجودها تعمل بشكل غير فعال، في حين يسمح استخدام زيادة البيانات للمصنعين عزل أوجه القصور والاختناقات التي تحد من الإنتاجية كما يساعد تحليل البيانات في تحديد التعديلات المناسبة في معلمات الإنتاج لتحسين العمليات، مما يضيف فائدة إضافية تتمثل بزيادة صافي الإنتاج باستخدام البنية التحتية الموجودة دون استثمارات رأسمالية باهظة.
كما يشكل عائد التصنيع جزء من مدخلات العملية التي يتم تحويلها بنجاح إلى سلع تامة الصنع عالية الجودة. في الواقع تؤدي الاختلافات في المواد الخام إلى تقلب مخرجات الإنتاج بالتالي إنتاجية التصنيع، خاصة في بعض الصناعات كالمواد الكيميائية أو التعدين أو الأدوية. فرغم وجود الكثير من معايير الإنتاج في مصانع التصنيع الحديثة، لكن كيفية ضبطها لتعظيم إنتاجية المنتج غير واضحة دائمًا.
الجدير بالذكر أن شركة Aimpoint Digital طورت منصة تصنيع قابلة للتفسير (EM) لتحديد تأثير معلمات الإنتاج على عائد التصنيع، تعتمد على تقنيات الاستدلال السببي لاقتراح متغيرات الإنتاج الأكثر تأثيرًا. يمكنها تحليل كل البيانات المتعلقة بمواد الإدخال عبر أجهزة المنشأة وإخبار المشغلين بكيفية تأثير تغيير متغيرات الإدخال على إنتاجية الماكينة.
التنبؤ بالطلب وإدارة المخزون
يعتبر التنبؤ بالطلب أمر هام جداً في العصر الحالي، حيث يسمح التحكم الكامل في سلسلة التوريد بالتحكم في المخزون بشكل أفضل. في الواقع، تنفيذ ذلك معقد لكن باستخدام أساليب علم البيانات يمكن التحكم الشامل في سلسلة التوريد مع بيانات المتجر بشكل أفضل لإدارة المشتريات ومراقبة المخزون والنقل. بحيث يمكن إنشاء خطط طلب دقيقة لتحديد الاتجاهات التي تخفى على المعنيين، ومن خلال فهم أفضل للوقت الذي يستغرقه تصنيع الأجزاء، والمدة التي ستستغرقها عمليات العمل، والتكاليف والأرباح المتوقعة لوظيفة ما، يمكن للمصنعين تقدير حاجتهم إلى المواد بشكل أفضل لتحسين التخطيط.
تحسين الأسعار
يلعب مراقبة وتحليل أوقات دورة تصنيع المنتج دورًا مهمًا في التسعير، فمعرفة الأوقات الدقيقة لإنشاء الأجزاء والتكاليف المرتبطة تسمح بنمذجة التكلفة الدقيقة ووضع استراتيجيات تسعير محسنة، حيث يقلل خفضها بشكل كبير الربحية، كما يؤثر رفعها بشكل كبير على الطلب.
تسمح منصات التحليلات المتقدمة مثل MachineMetrics تقديم تلك البيانات لضمان تحديد الأسعار بشكل مناسب لمساعدة الشركات المصنعة على تحسين معايير عملها لضمان دقة أوقات الدورات.
إدارة مخاطر سلسلة التوريد
كما في البيانات الواردة من آلات الإنتاج، يمكن التقاط البيانات من المواد خلال فترة النقل ونقلها من معدات البائع إلى منصة برمجيات تحليلات التصنيع للمساعدة في توفير رؤية شاملة في سلسلة التوريد.
كما يمكن للشركات استخدام تحليل بيانات التصنيع لإدارة سلاسل التوريد على شكل “برج مراقبة”، وتوجيه وإعادة توجيه الموارد لتسريع أو إبطاء. كما يمكنهم طلب الإمدادات والمخزونات الاحتياطية عند استشعار الطلب الجديد وتحفيز البائعين الثانويين عند حدوث انقطاع.
التنبؤ بالأخطاء والصيانة الوقائية
تعود برامج الصيانة الوقائية في التصنيع إلى عقود، حيث تقل احتمالية حدوث الأعطال غير المخطط لها من خلال البرامج القائمة على الاستخدام أو القائمة على الوقت. يسمح تطبيق تحليل البيانات في التصنيع والإنتاج الاستفادة من البيانات في الوقت الفعلي لمنع الأعطال والتنبؤ بدقة عالية باحتمالية حدوث الانهيار ولحظة حدوثه. مما يقلل التكاليف عبر السماح للفنيين بإجراء الإصلاحات في الوقت الأمثل للماكينة وأجزاء المرحلة، بالتالي يقلل وقت التوقف الإجمالي ويزيد الإنتاجية.
تحليل الضمان
يشكل دعم الضمان بالنسبة لعدة شركات مصنعة بمثابة استنزاف، وفي كثير من الأحيان تتكون الضمانات من نهج عام “مقاس واحد يناسب الجميع”، يسمح بعدم اليقين والمشاكل غير المتوقعة في المعادلة.
من خلال تطبيق تحليل البيانات والحصول على المعلومات من الضمانات النشطة يمكن تحسين المنتجات أو تغييرها لتقليل الفشل والتكلفة. كما يؤدي إلى تكرارات أكثر استنارة لخطوط المنتجات الجديدة لتجنب الشكاوى الميدانية بشكل استباقي.
تحليلات الإنتاجية
أي استخدام تحليل البيانات للتأكد من سلاسة عمل منشأة التصنيع قدر الإمكان بما يتضمن: تجنب عوامل كالتوقف غير المخطط له للآلات عندما تكون الآلات في وضع الخمول فهي تؤثر بشكل كبير على ربحية مؤسسة التصنيع. إضافة إلى ذلك فإن الاستخدام غير الفعال للآلات أو العمالة يسبب ضعف تخصيص الموارد، في حين يسمح استخدام أدوات التحليل كالتنبؤ بالمخزون والطلب والمحاكاة والتحسين تشغيل المنشآت بأقصى طاقتها.
كما أشرنا استخدام تحليل البيانات في التصنيع والإنتاج ليس بجديد على عالم الصناعة، لكن التغيير الأهم اليوم هو كيفية جمع البيانات. فلا تزال الشركات تستخدم أساليب تقليدية مجزأة، حيث يفحص الموظفون العوامل ويسجلونها يدويًا، وملء النماذج، وتدوين تاريخ التشغيل والصيانة للآلات. في الواقع، هذه الأساليب تستغرق وقت طويل، كما أنها غير دقيقة بسبب الأخطاء البشرية، وقد تكون عرضة للتحيز، بالنتيجة لا تولد جودة التحليل المطلوبة لاتخاذ قرارات دقيقة.
لكن مع وصول الصناعة 4.0 وإنترنت الأشياء الصناعي (IIoT) يجري التحول الرقمي، بدأت الصناعة التحويلية باستخدام تحليلات بيانات التصنيع المتقدمة المستندة إلى بيانات الإنتاج في الوقت الفعلي لاتخاذ قرارات أفضل وأسرع وتمكين التشغيل الآلي عبر المؤسسة. حيث يؤدي جمع بيانات الماكينة تلقائيًا إلى فتح عدد لا يحصى من حالات الاستخدام المتقدمة تتراوح من المراقبة والتشخيص إلى الصيانة التنبؤية وأتمتة العمليات نناقشها في الفقرة التالية.
حالات استخدام التحليلات المتقدمة في التصنيع
تعمل المعدات المتصلة مع الآلات من خلال الحساسات والأجهزة الطرفية على تغذية كميات هائلة من البيانات إلى منصات التحليلات السحابية. يمكنها تحليل البيانات وفهمها بشكل أسرع من الإدراك البشري، كما يمكنها تقليل العمالة المرتبطة بجمع البيانات اليدوية والتوثيق. كما أن تقنية برمجيات تحليلات التصنيع تستخدم تحليلات وخوارزميات متقدمة، بالتالي تولد رؤى مكتسبة في الوقت الفعلي أكثر قابلية للتنفيذ.
محاكاة الأحداث المنفصلة
تعد محاكاة الأحداث المنفصلة (DES) أداة قوية لتمثيل عمليات التصنيع الحديثة المتزايدة التعقيد، حيث تصف نماذج DES العمليات بأنها تسلسل للأحداث تحدث في نقاط زمنية منفصلة. يسمح بإنشاء مصنع في العالم الافتراضي متعدد الاستخدامات مع تطبيقات مختلفة كالجدولة وتخطيط السعة وتخصيص الموارد وتحليل السيناريوهات.
تطبيقات الرؤية الحاسوبية
لقد تطورت أنظمة مراقبة الجودة الآلية بشكل كبير فقد تحولت من حساسات وأسلاك إلى مجموعة متطورة من الأجهزة البصرية المتقدمة. حيث يمكن لأجهزة الاستشعار إضافة البيانات إلى درجة الحرارة وتطبيقات الرؤية المتقدمة كالكشف الحراري والأشعة تحت الحمراء بالتحكم بدقة في التوقفات، مما يوفر سرعات أعلى، وعمالة أقل.
الروبوتات
ظهرت الروبوتات نتيجة تطور الذكاء الاصطناعي وخوارزميات التعلم الآلي، بالتالي ستزداد البيانات التي توفرها في تنفيذ واجباتها. من خلال تضمين هذه البيانات ضمن منصة قوية لتحليلات التصنيع القائمة على السحابة، يمكن التحكم في الجودة على المستوى الجزئي، وتحسين بناء الآلات من صانعي الآلات OEM.
الصيانة التنبؤية
تسمح تقنيات الصيانة التنبؤية بتجاوز جداول الصيانة الثابتة عبر دمج البيانات لقياس صحة الماكينة والتنبؤ بالوقت الذي قد تحتاج فيه الماكينة إلى الصيانة.
فكما هو معروف تكاليف فشل الآلات والمعدات كبيرة، ورغم أن الصناعات تستخدم جداول صيانة دورية، ولكنها ثابتة فهي لا تأخذ في الاعتبار الفروق في تدهور صحة الآلة. فقد تحتاج بعض الآلات المزيد من الصيانة المتكررة، بينما قد تعمل الأجهزة الأخرى بأمانة مع جداول الصيانة المتأخرة.
على الجانب الآخر، يسمح دمج حساسات الآلة مع بعض أساليب الذكاء الإحصائي والاصطناعي، التنبؤ باحتمالية تعطل الآلة. كما يساعد استخدام أساليب كتحليل وقت الفشل في جدولة صيانة الماكينة بشكل ديناميكي إلى منع الفشل وتقليل الانقطاعات وزيادة إنتاجية المصنع.
الاستفادة من أنظمة تخطيط موارد المؤسسات لتحليل البيانات
تلعب أنظمة تخطيط موارد المؤسسات (ERP) دورًا محوريًا في إدارة عمليات التصنيع، فهي تقدم وظائف كمراقبة المخزون وإدارة الطلبات وإعداد التقارير المالية. كما يسمح دمج PlanetTogether مع أنظمة ERP كنظام SAP وOracle وMicrosoft لمديري تكنولوجيا المعلومات في التصنيع الاستفادة من بيانات الإنتاج بسلاسة لجدولة التحسين. مما يسهل تبادل البيانات في الوقت الفعلي بالتالي يتيح اتخاذ قرارات أفضل وتحسين كفاءة الإنتاج بشكل عام.
تبسيط إدارة سلسلة التوريد (SCM) من خلال التكامل
تعد سلسلة التوريد جيدة التنسيق ضرورية للإنتاج السلس في عملية التصنيع، حيث يوفر دمج PlanetTogether مع أنظمة SCM كنظام Kinaxis رؤية شاملة لسلسلة التوريد، تسمح بتعديلات الجدولة الاستباقية بحسب البيانات في الوقت الفعلي. بالتالي تسمح مزامنة جداول الإنتاج مع المهل الزمنية للموردين، وتقلبات الطلب، وقيود النقل، للمصنعين تقليل الاختناقات وتحسين استخدام الموارد.
تعزيز أنظمة تنفيذ التصنيع (MES) من خلال تحليل البيانات
توفر أنظمة تنفيذ التصنيع (MES) المراقبة والتحكم في الوقت الفعلي لعمليات الإنتاج على أرض المصنع. كما يسمح دمج PlanetTogether مع أنظمة MES كنظام Aveva للمصنعين جمع بيانات دقيقة وفي الوقت المناسب حول تقدم الإنتاج وحالة الماكينة ومقاييس مراقبة الجودة. مما يسمح بإمكانية إعادة الجدولة الديناميكية وتقليل وقت التوقف عن العمل وتحسين استخدام الموارد.
فوائد تحليلات التصنيع
يعتبر الوعي السياقي أمر هام جداً لأنظمة التصنيع المتقدمة، وتوفر تحليلات التصنيع هذا الوعي في الوقت الحقيقي، مما يجعل الشركات أكثر قدرة على المنافسة لتحسين الإنتاجية والربح والكلفة والجودة وتطوير المنتجات وكسب رضا العملاء.
حيث تمكّن برامج تحليلات التصنيع الشركات من تحسين الإنتاجية والربحية عبر الاستفادة من تدفق البيانات الهائل الذي تولده معدات الإنتاج الخاصة بها. كما توفر أدوات التصور ولوحات المعلومات تتبع مؤشرات الأداء الرئيسية ورؤى قابلة للتنفيذ للمديرين وصناع القرار في الشركة. ويمكن تصنيف فوائد تحليل بيانات التصنيع إلى ثلاث فئات تتجلى بما يلي:
تقليل التكاليف
يقلل تحليل البيانات في التصنيع والإنتاج التكاليف بشكل كبير لأنه يحسن العمليات باستخدام الرؤى التي يتم الكشف عنها في التحليلات. كما يقلل نمو الروبوتات واتخاذ القرار بواسطة الآلات المستقلة أو شبه المستقلة حجم العمالة. فضلاً عن برامج الصيانة التنبؤية والإرشادية التي أثبتت فعاليتها في تقليل التكلفة وزيادة الإنتاجية عبر تقليل وقت التوقف عن العمل وإدارة مخزون قطع الغيار بشكل أفضل.
ازدياد الدخل
يسمح توفر الرؤى في الوقت الفعلي في مجالات الإنتاج وإدارة المخزون وتخطيط الطلب والعرض للمصنعين الاستجابة للتغيرات في الطلب بشكل أسرع. فلو أخبرتهم البيانات أنهم يقتربون من السعة القصوى، يمكنهم ضبط جوانب الإنتاج كإضافة العمل الإضافي، أو إضافة السعة، أو تغيير العمليات للاستجابة لأوقات التسليم والحفاظ عليها.
فوائد متنوعة
ينتج عن تطور قدرات تحليلات التصنيع فوائد متنوعة تتضمن: تقليل استهلاك الطاقة، وبروتوكولات بيئية أكثر أمانًا، وتقليل أخطاء الامتثال، وزيادة رضا العملاء.
في الختام
الجدير بالذكر أن كمية البيانات وتنوعها تشكل تحديات كبيرة عند استخدام تحليل البيانات في التصنيع والإنتاج، لكن المكاسب المحتملة للمصنعين في تعزيز الإنتاجية الإجمالية والربحية قد تكون هائلة. لذا يجب على الشركات المصنعة الاهتمام بدمج البنية التحتية مع التحليلات الحديثة التي يمكنها استخلاص البيانات المعقدة وتحويلها إلى رؤى قابلة للتنفيذ في الوقت الفعلي.
