مصنع مجموعة بي إم دبليو في ريغنسبورغ يطبق نظام صيانة تنبؤية مبتكر

يضع مصنع مجموعة BMW في ريغنسبورغ معايير جديدة في كفاءة خط التجميع من خلال نظام التحليل الذكي الرائد، والذي يهدف إلى منع التوقفات غير المخطط لها وتحسين تدفق إنتاج المركبات. 

يستخدم حل الصيانة التنبؤية المتطور الذكاء الاصطناعيلتحديدبشكل استباقيdent، مما يؤدي إلى تحسينات كبيرة في وقت تشغيل الإنتاج وتوفير التكاليف.

يركز نظام المراقبة الذكي في مصنع مجموعة BMW في ريغنسبورغ على عملية التجميع، حيث يتم تثبيت المركبات على ناقلات تحميل متحركة أو أنظمة انزلاقية. وتتحرك هذه الناقلات عبر قاعات الإنتاج بشكل متسلسل، وأي عطل فني في أنظمة النقل يمكن أن يعطل خط التجميع، مما يؤدي إلى زيادة جهود الصيانة وتكاليفها. 

ولتجاوز هذه المشكلات، قام فريق الابتكار في شركة بي إم دبليو بتطوير نظام قادر على الكشف المبكر عن الأعطال، مما يضمن استمرار الإنتاج دون انقطاع.

ومن اللافت للنظر أن نظام المراقبة هذا يستفيد من البيانات الموجودة مسبقًا من المكونات المثبتة وعناصر التحكم في الناقل، مما يلغي الحاجة إلى أجهزة استشعار أو معدات إضافية. ويقوم النظام بتقييم نقاط بيانات متنوعة بشكل فعال، بما في ذلك تقلبات استهلاك الطاقة، وعدم انتظام حركة الناقل، ووضوح الرموز الشريطية،dentأي خلل. 

عند اكتشاف مثل هذه الحالات الشاذة، يتم إرسال تنبيه على الفور إلى مركز التحكم في الصيانة، مما يتيح اتخاذ إجراءات سريعة لمعالجة المشكلة.

يؤكد مدير المشروع أوليفر مراسيك على التشغيل المستمر للنظام: "تعمل شاشات المراقبة في مركز التحكم لدينا على مدار الساعة طوال أيام الأسبوع، مما يتيح لنا الاستجابة بسرعة لأي نوع من تقارير الأعطال وإخراج المركبة المتضررة من الدورة"

التنفيذ: مدعوم بالذكاء الاصطناعي، وموحد، وفعال من حيث التكلفة

لا تُعدّ الصيانة التنبؤية حلاً قائماً بذاته، بل هي جهد تعاوني. ويُسهّل توحيد النظام، بالتعاون مع إدارة ورش العمل المركزية لمجموعة BMW ومواقع المصانع الأخرى، نشره السريع في مواقع مجموعة BMW حول العالم. 

ومن المزايا البارزة فعاليته من حيث التكلفة، حيث أنه لا يتطلب أجهزة استشعار إضافية، وتقتصر النفقات على التخزين وقوة الحوسبة.

تم دمج نماذج التعلم الآلي الداخلية في النظام، باستخدام خرائط حرارية برموز لونية مختلفة لتصوير أنماط الأعطال في مختلف المكونات. يتيح هذا التمثيل المرئي لفنيي الصيانة الاستجابة بدقة للمشكلاتdent.

يُعزى نجاح النظام إلى جهود التحسين المستمر. ويعمل الفريق حاليًا على توسيع قدراته من خلال ربط منشآت إضافية، وتحسين النظام، ودمج الإجراءات الموصى بها في رسائل الأعطال. ويهدف هذا التحسين إلى تبسيط عملية استكشاف الأخطاء وإصلاحها لفنيي الصيانة من خلال تسليط الضوء على المشكلات المشابهة التي حدثت في النظام.

يؤكد دينيز إنس، عالم البيانات في الفريق، على الفوائد الأوسع للصيانة التنبؤية المثلى: "إن الصيانة التنبؤية المثلى لا توفر لنا المال فحسب، بل تعني أيضًا أنه يمكننا تسليم الكمية المخطط لها من المركبات في الوقت المحدد - مما يوفر قدرًا هائلاً من الضغط في الإنتاج"

الأهداف المستقبلية: تعزيز القدرة على التنبؤ وبراءات الاختراع

يمتد تاريخ مصنع مجموعة BMW في ريغنسبورغ في مجال مراقبة تكنولوجيا النقل باستخدام البيانات إلى ست سنوات، حيث تتم مراقبة ما يقارب 80% من خطوط التجميع الرئيسية باستخدام هذا النظام. ورغم أنه لا يمكن التنبؤ بجميع الأعطال، فقد نجح النظام بالفعل في منع توقف الإنتاج لمدة 500 دقيقة تقريبًا سنويًا في تجميع المركبات فقط. وبالنظر إلى معدل إنتاج المصنع، فإن هذا يُترجم إلى مكاسب كبيرة في كفاءة التشغيل.

تشمل أهداف الفريق المستقبلية تحسين القدرة على التنبؤ من خلال تقدير الوقت المتبقي بين اكتشاف العطل واحتمالية التوقف. ستساعد هذه الميزة الفنيين على تحديد أولويات مهام الصيانة بناءً على مدى إلحاحها. بالإضافة إلى ذلك، يجري دراسة استخدام النظام في مجالات أخرى من المصنع، مثل المعدات المستخدمة لتعبئة المركبات بسائل الفرامل وسائل التبريد.

ومن اللافت للنظر أن نظام التعلم المتكامل في مصنع مجموعة BMW في ريغنسبورغ يُعد رائداً في مجاله، وقد حظي بتقدير من مصنعي المعدات وأدى إلى حصول مجموعة BMW على براءتي اختراع مسجلتين.