中芸汇科技
الخدمات اللوجستيةIoTAIالأتمتةالصين

صيانة تنبؤية بتقنيات IoT والذكاء الاصطناعي لسلسلة التبريد في شرق الصين

صيانة تنبؤية بتقنيات IoT والذكاء الاصطناعي لسلسلة التبريد في شرق الصين

خلفية المشروع

العميل هو إحدى أفضل 10 شركات لوجستية في الصين، ويمتلك أكثر من 50 مركز فرز على مستوى البلاد، بقيمة أصول للمعدات تتجاوز مليار يوان. نموذج الصيانة التقليدي اللاحق للأعطال كان يؤدي إلى تكرار الأعطال، مما تسبب في خسائر تتجاوز 20 مليون يوان سنوياً بسبب توقف المعدات.

التحديات الأساسية

  • عدم إمكانية التنبؤ بالأعطال: حدوث مفاجئ للأعطال دون آلية إنذار مبكر
  • الصيانة المفرطة: صيانة دورية ثابتة بغض النظر عن الحالة الفعلية للمعدات، مما يهدر الموارد البشرية والمادية
  • البيانات الراكدة: بيانات المعدات في أنظمة PLC/SCADA غير مستغلة بفعالية
  • كفاءة إصلاح متدنية: استكشاف يدوي للأعطال بعد حدوثها، بمتوسط زمن إصلاح 4 ساعات
  • الحل

    بنينا للعميل نظاماً متكاملاً للصيانة التنبؤية IoT+AI:

    1. طبقة جمع بيانات IoT

  • نشر حساسات اهتزاز وحرارة وتيار على المعدات الحرجة (محركات السيور الناقلة، آلات الفرز، الرافعات)
  • دعم بروتوكولات متعددة Modbus وOPC-UA وMQTT
  • معالجة مسبقة للبيانات واستخراج الميزات في البوابة الطرفية لتقليل تكلفة النقل إلى السحابة
  • 2. محرك التنبؤ بالذكاء الاصطناعي

  • نموذج كشف الشذوذ التسلسلي المستند إلى LSTM+Transformer
  • تنبؤ بالأعطال قبل 7 أيام بدقة 92%
  • تصنيف تلقائي لأنواع الأعطال (تآكل المحامل، عدم اتزان، عدم محاذاة، إلخ)
  • تقديم نوافذ صيانة مقترحة وأولويات
  • 3. لوحة مراقبة وتشغيل بصرية

  • عرض فوري لحالة صحة جميع المعدات (ثلاثة مستويات: أخضر/أصفر/أحمر)
  • خط زمني للتنبؤ بالأعطال لمساعدة فريق الصيانة في الجدولة المسبقة
  • أرشفة تلقائية لسجلات الصيانة لتشكيل ملف دورة حياة كامل لكل معدة
  • 4. نظام أوامر عمل آلي

  • إنشاء تلقائي لأمر صيانة عند اكتشاف الذكاء الاصطناعي لخلل
  • تخصيص تلقائي لمهندس الصيانة الأنسب بناءً على نوع العطل
  • فحص تلقائي لمخزون قطع الغيار وإطلاق طلب شراء تلقائي عند نقصها
  • بيانات النتائج

    المؤشرقبل التطويربعد التطويرالتحسن
    معدل توقف الأعطال12%1.5%87.5%
    تكاليف الصيانة السنوية8 مليون يوان4.4 مليون يوان-45%
    متوسط زمن الإصلاح4 ساعات1.5 ساعة62.5%
    دوران مخزون قطع الغيار90 يوماً45 يوماً50%
    عدد مرات التوقف غير المخطط36 مرة/سنة5 مرات/سنة86%

    الحزمة التقنية

  • IoT: بروتوكولات Modbus/OPC-UA/MQTT، بوابة طرفية (ARM Linux)
  • الذكاء الاصطناعي/التعلم الآلي: Python، PyTorch، LSTM، Transformer
  • الخادم الخلفي: Go، InfluxDB (قاعدة بيانات تسلسلية زمنية)، PostgreSQL
  • واجهة المستخدم: React، ECharts (لوحة بصرية)
  • النشر: Docker، Kubernetes، سحابة هجينة
  • بعد تشغيل نظام الصيانة التنبؤية لمدة نصف عام، تفادينا 3 أعطال كبيرة في المعدات، كان كل منها ليتسبب في خسائر بملايين اليوانات. هذا حقاً قرار قائم على البيانات.

    مدير المشروع من جانب العميل

    مكتب التحول الرقمي