الذكاء الاصطناعي والأتمتة الصناعية: الانتقال من التجربة إلى القيمة التشغيلية

الذكاء الاصطناعي يتوغل أكثر في الأتمتة الصناعية

لم يعد يُنظر إلى الذكاء الاصطناعي على أنه مجرد قدرة برمجية تقع فوق عمليات الأتمتة الصناعية. فهو يصبح بشكل متزايد جزءًا من بنية الأتمتة نفسها، مؤثرًا في كيفية مراقبة الآلات، واتخاذ القرارات، واستجابة أنظمة الإنتاج للظروف المتغيرة.

وسيكون هذا التحول محورًا رئيسيًا في فعالية AI LIVE: قمة لندن، التي ستُقام في أولمبيا لندن يومي 20 و21 أكتوبر 2026. ومن المتوقع أن تجمع الفعالية أكثر من 2,000 من قادة الأعمال والتكنولوجيا تحت شعار "التكنولوجيا + الهدف الإنساني".

لكن من منظور الأتمتة الصناعية، لا يكمن السؤال الأكثر إثارة للاهتمام في ما إذا كان الذكاء الاصطناعي سيدخل المصانع والمستودعات، بل في كيفية دمج المهندسين له مع أنظمة التحكم الحالية دون المساس بالحتمية أو السلامة أو التوافر أو قابلية الصيانة.

لماذا تحتاج الأتمتة الصناعية إلى استراتيجية مختلفة للذكاء الاصطناعي؟

تعمل البيئات الصناعية ضمن قيود تختلف كثيرًا عن بيئات تكنولوجيا المعلومات المؤسسية التقليدية. فلا يمكن لخط الإنتاج أن يتسامح ببساطة مع تحديث برمجي غير متوقع، أو مصدر بيانات غير متاح، أو خوارزمية تنتج استجابة غير مؤكدة في اللحظة الخاطئة.

ولهذا السبب، ينبغي ألا يحل الذكاء الاصطناعي تلقائيًا محل منطق وحدات التحكم المنطقية القابلة للبرمجة (PLC)، أو استراتيجيات التحكم في أنظمة التحكم الموزعة (DCS)، أو أنظمة السلامة، أو بنيات الأتمتة الراسخة. ففي كثير من التطبيقات، يتمثل النهج العملي أكثر في وضع الذكاء الاصطناعي فوق طبقة التحكم الحتمية.

يمكن للذكاء الاصطناعي تحليل كميات كبيرة من البيانات التشغيلية، وتحديد الأنماط غير الطبيعية، واقتراح التعديلات، ودعم التحسين على مستوى أعلى. وفي الوقت نفسه، يمكن لأنظمة التحكم التقليدية مواصلة تنفيذ الوظائف الحساسة زمنيًا والمرتبطة بالسلامة ضمن حدود هندسية محددة.

وقد يصبح هذا الفصل أحد أهم المبادئ المعمارية لاعتماد الذكاء الاصطناعي الصناعي.

أصبحت الصيانة التنبؤية أكثر عملية

تُعد الصيانة التنبؤية من أوضح التطبيقات الصناعية للذكاء الاصطناعي، لأن المصانع الحديثة تولد بالفعل كميات كبيرة من بيانات المعدات.

يمكن للاهتزاز ودرجة الحرارة والضغط والتيار ومتغيرات العمليات وسجلات الإنذارات وسجلات الصيانة أن توفر معلومات مفيدة عن حالة المعدات. وتستطيع نماذج الذكاء الاصطناعي تحليل العلاقات بين مجموعات البيانات هذه، وهي علاقات قد يصعب تحديدها من خلال المراقبة التقليدية القائمة على العتبات.

لكن القيمة لا تأتي من التنبؤ بكل عطل على نحو مثالي. فالهدف الأكثر واقعية هو تحديد التغير في سلوك المعدات مبكرًا بما يكفي لتمكين فرق الصيانة من فحص الحالة الأساسية.

وهذا التمييز مهم للمهندسين الصناعيين. إذ ينبغي لنظام الصيانة التنبؤية المفيد أن يولد معلومات قابلة للتنفيذ، لا أن ينتج ببساطة لوحة معلومات أخرى مليئة بالإنذارات.

تضيف الروبوتات والرؤية الحاسوبية طبقة أخرى من الذكاء

تتجه الروبوتات الصناعية أيضًا نحو تشغيل أكثر تكيفًا. فالروبوتات التقليدية تنفذ عادةً تسلسلات حركة محددة مسبقًا، مع وعي محدود بالتغيرات المحيطة بها.

ويمكن للرؤية الحاسوبية المدعومة بالذكاء الاصطناعي توفير معلومات إضافية حول الأجسام ومواضعها والعيوب والعاملين وظروف الإنتاج المتغيرة. وقد يتيح ذلك للأنظمة الروبوتية التعامل مع قدر أكبر من التباين دون الحاجة إلى برمجة كل حالة ممكنة بشكل صريح.

وفي مجال الخدمات اللوجستية، يمكن للمبدأ نفسه دعم الفرز الآلي وحركة المستودعات وتحديد المخزون ومعالجة الحالات الاستثنائية.

ويتمثل التحدي الهندسي في دمج هذه القدرات مع وحدات PLC الحالية ووحدات التحكم في الروبوتات والشبكات الصناعية وأنظمة السلامة والمنصات الإشرافية. قد يوفر الذكاء الاصطناعي الذكاء، لكن بنية الأتمتة المحيطة تظل هي التي تحدد ما إذا كان بالإمكان نشر هذا الذكاء بأمان واتساق.

ينبغي أن يصبح الذكاء الاصطناعي طبقة ذكاء، لا نظامًا معزولًا آخر

تتمثل إحدى أكثر الأفكار فائدة التي ظهرت في النقاش حول الذكاء الاصطناعي الصناعي في مفهوم الذكاء الاصطناعي باعتباره طبقة ذكاء.

فبدلًا من إنشاء تطبيق مستقل آخر، يمكن للذكاء الاصطناعي استهلاك المعلومات من أنظمة الأتمتة والأنظمة المؤسسية الحالية، وتحليل الظروف التشغيلية، وتقديم توصيات أو قرارات محسّنة للعمليات ذات المستوى الأعلى.

ويمكن لهذه البنية ربط بيانات الآلات ومعلومات أنظمة تنفيذ التصنيع (MES) وأنظمة المستودعات وسجلات الصيانة وظروف سلسلة التوريد وأهداف الأعمال.

لكن ينبغي تصميم التكامل بعناية. فلم تُبنَ الشبكات الصناعية أصلًا لدعم النقل غير المقيّد للبيانات بين كل نظام تشغيلي ومؤسسي. ولذلك تظل الأمن السيبراني وتقسيم الشبكات وجودة البيانات وزمن الاستجابة والتحكم في الوصول وملكية الأنظمة اعتبارات هندسية أساسية.

ستظل الأتمتة القديمة تحديًا هندسيًا رئيسيًا

تم تركيب نسبة كبيرة من البنية التحتية الصناعية قبل وقت طويل من ظهور تقنيات الذكاء الاصطناعي الحالية. ولا تزال منشآت كثيرة تشغّل وحدات PLC ومنصات DCS ومحركات ووحدات إدخال وإخراج بعيدة وأنظمة تسجيل بيانات وأنظمة اتصالات، وهي أنظمة تظل فعالة تقنيًا رغم قدمها.

ونادرًا ما يكون استبدال هذه الأنظمة لمجرد إدخال الذكاء الاصطناعي مجديًا من الناحية الاقتصادية.

وتتمثل الاستراتيجية الأكثر واقعية في التكامل التدريجي. إذ يمكن لوحدات التحكم الحالية مواصلة تنفيذ التحكم الحتمي، بينما توفر البوابات أو أنظمة تسجيل البيانات أو الحواسيب الطرفية أو الحواسيب الصناعية أو البرمجيات الوسيطة إمكانية الوصول إلى البيانات التشغيلية لتطبيقات الذكاء الاصطناعي.

ويتيح هذا النهج للشركات إدخال قدرات جديدة دون إرباك البنية التحتية الإنتاجية المجربة دون داعٍ.

يتطلب التحسين في الوقت الفعلي أكثر من نماذج الذكاء الاصطناعي

يُعد التحسين في الوقت الفعلي مجالًا آخر ينبغي فيه إبقاء التوقعات واقعية.

قد يحدد نموذج الذكاء الاصطناعي نقطة تشغيل جذابة اقتصاديًا، لكن لا يزال يتعين على التوصية احترام قيود العملية وحدود المعدات وسلوك حلقات التحكم ومتطلبات السلامة وأولويات الإنتاج.

ولذلك، ينبغي أن يعمل الذكاء الاصطناعي الصناعي ضمن حدود محددة بوضوح.

وقد تتضمن البنية الأكثر فاعلية قيام الذكاء الاصطناعي بالتوصية بهدف تشغيلي، بينما تحدد أنظمة التحكم التقليدية كيفية تحقيق ذلك الهدف. ويحافظ هذا على نقاط قوة كلتا التقنيتين: فالذكاء الاصطناعي يتولى التعرف على الأنماط المعقدة والتحسين، بينما تتولى الأتمتة الراسخة التنفيذ الحتمي.

دور الإنسان يتغير، ولا يختفي

إن فكرة أن الذكاء الاصطناعي سيُخرج البشر ببساطة من العمليات الصناعية تتجاهل تعقيد المصانع الحقيقية.

يفهم المهندسون ذوو الخبرة سلوك المعدات وتفاعلات العمليات وتاريخ الصيانة وظروف التشغيل غير الطبيعية، وهي أمور قد لا تكون موجودة في مجموعات البيانات المنظمة. ويمكن للذكاء الاصطناعي تحديد الأنماط، لكن لا يزال يتعين على المهندسين تحديد ما إذا كانت هذه الأنماط تمثل مشكلات حقيقية في العملية أو ظروف تشغيل غير معتادة لكنها مقبولة.

وهذا يجعل الخبرة البشرية مهمة بشكل خاص أثناء نشر الذكاء الاصطناعي.

ومن وجهة نظري، لن تحاول أقوى أنظمة الذكاء الاصطناعي الصناعية إلغاء الحكم الهندسي. بل ستقلل التحليل المتكرر، وتتيح للمهندسين التركيز على الحالات الاستثنائية والتحسين واستكشاف الأعطال والقرارات الأعلى قيمة.

ما الذي تعنيه AI LIVE: لندن للأتمتة الصناعية؟

توفر جلسة الذكاء الاصطناعي والأتمتة الصناعية في AI LIVE: قمة لندن منتدى مفيدًا لدراسة هذا التحول من منظور عملي وتجاري وهندسي.

ومن المتوقع أن يناقش متحدثون، من بينهم جوليا بير، رئيسة استراتيجية الذكاء الاصطناعي والابتكار في شنايدر إلكتريك، وأدي تايلور، رئيس تصميم الحلول والهندسة اللوجستية في أرفاتو، كيفية تأثير الذكاء الاصطناعي في عمليات التصنيع والخدمات اللوجستية وسلاسل التوريد.

وتكتسب المناقشة أهمية خاصة لأن نجاح نشر الذكاء الاصطناعي الصناعي ليس مجرد مسألة اختيار تقنية. فهو يتطلب تنسيقًا بين هندسة الأتمتة وتكنولوجيا المعلومات والعمليات والأمن السيبراني وإدارة البيانات والصيانة والقيادة التنفيذية.

ستأتي الميزة التنافسية الحقيقية من التكامل

ولذلك ينبغي للشركات الصناعية أن تتجاوز عروض الذكاء الاصطناعي التجريبية، وأن تركز على النتائج التشغيلية القابلة للقياس.

يُعد خفض وقت التوقف غير المخطط له، وتحسين الاستفادة من الأصول، وتحسين أداء الطاقة، وزيادة الإنتاجية، وتقليل عيوب الجودة، وجعل العمليات اللوجستية أكثر استجابة، مؤشرات أقوى على قيمة الذكاء الاصطناعي من عدد النماذج المنشورة.

تسلط AI LIVE: لندن الضوء على تحول مهم في مشهد التكنولوجيا الصناعية. فالذكاء الاصطناعي ينتقل من مرحلة التجريب إلى النشر التشغيلي، لكن نجاحه على المدى الطويل سيعتمد على مدى جودة عمله مع أنظمة الأتمتة التي تشغّل المصانع وسلاسل التوريد بالفعل.

وقد لا تكون الشركات الصناعية التي تحقق أكبر استفادة من الذكاء الاصطناعي هي التي تنشر أكبر عدد من تطبيقاته، بل قد تكون تلك التي تدمجه بأعلى قدر من الذكاء مع التحكم الحتمي والخبرة الهندسية والبيانات التشغيلية والبنية التحتية الصناعية الحالية.