در بسیاری از کارخانهها ارزشمندترین دارایی دادهٔ سازمان، دفتر تعمیرات است؛ دفتری که هر خرابی، هر تعویض قطعه و هر توقف ناخواسته در آن ثبت شده و معمولاً در کشوی میز سرپرست نگهداری میماند. همان سابقه، اگر مرتب شود، بهروشنی نشان میدهد هر ماشین پیش از خرابی چه نشانههایی داشته است.
نگهداری دورهای بر پایهٔ تقویم کار میکند: هر هزار ساعت، تعویض. این روش ساده است اما دو هزینه دارد؛ قطعهای که هنوز عمر داشت تعویض میشود و قطعهای که زودتر از موعد فرسوده شده، خط را میخواباند. نگهداری وضعیتمحور بهجای تقویم به رفتار واقعی ماشین نگاه میکند: لرزش، دما، جریان مصرفی و صدای غیرعادی.
دادهٔ لازم برای بازرسی تصویری را میتوان در چند هفته ساخت: کافی است از قطعات سالم و معیوب عکسبرداری منظم شود. در مقابل، دادهٔ خرابی ماشین را نمیتوان ساخت؛ باید منتظر ماند تا رخ دهد. به همین دلیل پروژهای که با بازرسی آغاز میشود زودتر به نتیجهٔ قابل نمایش میرسد و همان نتیجه، پشتیبانی مدیریت را برای گامهای بعدی فراهم میکند. شرط موفقیت هم بیش از آنکه به مدل مربوط باشد، به نور، زاویه و ثبات دوربین برمیگردد.
یک موتور بحرانی شاید سالی یک بار خراب شود؛ یعنی حتی با ثبت پیوسته، شمار نمونههای خرابی اندک است و مدل چیز زیادی برای یادگیری ندارد. دو راه عملی وجود دارد: نخست، بهجای پیشبینی خودِ خرابی، انحراف از رفتار عادی ماشین را علامت بزنید؛ دوم، ثبت دقیق هر رخداد را از همین امروز آغاز کنید، حتی اگر مدل را سال بعد بسازید. کارخانههایی که زودتر ثبت را منظم کردهاند، بعدها گزینههای بیشتری پیش رو دارند.
هزینهٔ توقف خط در ایران فقط تولید ازدسترفته نیست؛ تأمین قطعهٔ یدکی میتواند هفتهها طول بکشد و همان انتظار، توقف کوتاه را به توقف طولانی تبدیل میکند. هر هشداری که چند روز زودتر برسد، فرصت سفارش قطعه پیش از خرابی را میدهد و ارزش آن با ارزش همان هشدار در بازاری که قطعه را فردا تحویل میگیرد قابل مقایسه نیست. از سوی دیگر، بسیاری از خطوط تولید ایران سنسورهای لازم را دارند و تنها دادهشان ثبت نمیشود.
در تولید، هوش مصنوعی جایگزین دانش فنی نمیشود؛ آن دانش را روی دادهای سوار میکند که تا امروز ثبت نمیشد. یک ماشین بحرانی، یک دفتر تعمیرات مرتب و یک شاخص روشن — زمان توقف برنامهریزینشده — نقطهٔ شروعی است که هزینهاش در برابر یک روز خواب خط ناچیز به شمار میآید.
این هفته، یک ماشین یا ایستگاه بحرانی در خط تولید خود را که توقف آن بیشترین هزینه را دارد انتخاب کنید و سابقه تعمیرات آن را از دفترچه کاغذی به یک جدول دیجیتال ساده منتقل کنید. سپس برای هر رخداد، تاریخ، نوع خرابی، قطعه تعویضشده، مدت توقف و علت اولیه را ثبت کنید. در کنار این، اگر سنسور دما یا لرزش روی آن ماشین وجود دارد، مطمئن شوید دادههای آن بهصورت خودکار و پیوسته ذخیره میشود. این دو اقدام ساده، پایهای خواهد بود که در هفتههای آینده، ساخت هشدارهای روندمحور و در نهایت مدل پیشبینی بر روی آن ممکن میشود.
تراز هوشمند خط مونتاژ برای تولید چندمحصولی با هوش مصنوعی: توازن کار، رتبه و بهرهوری
پردازش خودکار اسناد زنجیره تأمین با هوش مصنوعی: خداحافظی با فاکتورهای کاغذی و خطای دستی
کیفیت پیشبینیشونده در ریختهگری پیوسته فولاد: از بیلت معیوب تا شمش سالم
مدیریت پیک برق با هوش مصنوعی و ذخیرهساز انرژی: از جریمه پیک تا صرفهجویی هوشمند
پیشبینی فرسایش ابزار ماشینکاری با هوش مصنوعی: از تعویض کورکورانه تا بهینه کامل