كيف يساهم تخطيط مخزون الصيانة والإصلاح والعمليات (MRO) المدعوم بالذكاء الاصطناعي في تحسين توقعات قطع الغيار

يقوم أحد مخططي الصيانة بمراجعة استهلاك قطع الغيار على مدى ثلاث سنوات، ويلاحظ أن محملًا معينًا لم يُستخدم سوى بضع مرات. وتشير التوقعات إلى أن الطلب عليه محدود. ومع ذلك، عندما تتعطل إحدى الآلات الحيوية، يتبين أن هذا المحمل غير متوفر، ويضطر قسم المشتريات إلى ترتيب عملية شراء عاجلة.

المشكلة لا تكمن بالضرورة في نقص البيانات التاريخية. بل تكمن في أن معدلات الاستهلاك التاريخية وحدها لا تفسر متطلبات الصيانة المستقبلية.

تخطيط مخزون صيانة وإصلاح وتشغيل (MRO) المدعوم بالذكاء الاصطناعي يُغيّر هذه الطريقة من نهج الشركات المصنعة في توقع احتياجات قطع الغيار، وذلك من خلال الجمع بين سجل الاستهلاك وجداول الصيانة، وسجلات أعطال المعدات، وأوامر العمل، ومهل التسليم من الموردين، وغيرها من المؤشرات التشغيلية ذات الصلة. وبدلاً من اعتبار الاستخدام السابق المؤشر الوحيد للطلب المستقبلي، تأخذ عملية التخطيط في الاعتبار الظروف التي قد تؤدي إلى نشوء هذا الطلب.

بالنسبة للشركات الصناعية التي تعتمد بشكل كبير على الأصول، فإن هذا التمييز له أهمية كبيرة. فالتوقعات الأفضل يمكن أن تساعد المخططين على توقع متطلبات الصيانة، والاستعداد لتقلبات الطلب، واتخاذ قرارات أكثر استنارة بشأن تجديد المخزون.

الهدف ليس التنبؤ بكل عطل في المعدات بشكل مؤكد، بل تحسين المعلومات المتاحة عند اتخاذ القرار بشأن قطع الغيار التي يجب شراؤها، وموعد طلبها، وكمية المخزون التي يجب الاحتفاظ بها.

لماذا غالبًا ما تكون التوقعات التقليدية لقطع الغيار غير كافية

غالبًا ما تستخدم طرق التنبؤ التقليدية متوسطات الاستهلاك التاريخية، أو نقاط إعادة الطلب الثابتة، أو جداول البيانات التي يتم تحديثها يدويًّا. وقد تنجح هذه الطرق مع المواد التي يتم استهلاكها بانتظام، لكن قطع الغيار الصناعية تشكل تحديًا مختلفًا.

غالبًا ما يكون الطلب متقطعًا. فقد لا يتم استهلاك أحد المكونات لعدة أشهر قبل أن يؤدي إجراء صيانة ما إلى ظهور حاجة مفاجئة إليه. ويمكن أن تؤدي عمليات الإغلاق المخطط لها إلى تركز الطلب، في حين أن الأعطال غير المتوقعة قد تعطل جداول الشراء المقررة.

هناك ثلاثة قيود ذات أهمية خاصة.

قد تخفي المتوسطات التاريخية ارتفاعات مفاجئة في الطلب. قد تكون هناك حاجة إلى قطعة ذات متوسط استهلاك منخفض في عدة وحدات أثناء إجراء صيانة شاملة مخطط لها. وقد لا يعكس المتوسط الشهري هذه الزيادة المؤقتة.

قد تظل إشارات الصيانة منفصلة عن تخطيط المخزون. قد تحتوي أوامر العمل وتقارير الأعطال وجداول الصيانة على معلومات مفيدة حول المتطلبات المستقبلية، لكن قد يضطر المخططون إلى مراجعة عدة أنظمة يدويًّا للعثور عليها.

قد لا تعكس التوقعات التغيرات في ظروف العرض. حتى عندما يتم تقدير الطلب بشكل صحيح، فإن طول مهلة التسليم من جانب المورد قد يجعل سياسة تجديد المخزون، التي كانت لتكون معقولة لولا ذلك، غير كافية.

يعالج التنبؤ بقطع الغيار المدعوم بالذكاء الاصطناعي هذه القيود من خلال تحليل العديد من المدخلات ذات الصلة وتحديد الأنماط التي قد تغفلها المتوسطات التاريخية البسيطة.

لا تزال جودة التوقعات تعتمد على توفر البيانات، ومدى ملاءمة النماذج، والتحقق التشغيلي. ولا تقضي الذكاء الاصطناعي على عدم اليقين؛ بل تساعد الشركات المصنعة على إدارته بطريقة أكثر منهجية.

تخطيط مخزون الصيانة والإصلاح والعمليات (MRO): من البيانات التاريخية إلى القرارات الاستشرافية

يتطلب التخطيط الفعال لمخزون الصيانة والإصلاح والعمليات (MRO) أكثر من مجرد تقدير عدد قطع الغيار التي قد يستهلكها المصنع. فالمخططون بحاجة إلى فهم متى قد ينشأ الطلب، وما هي المعدات التي يتعلق بها هذا الطلب، وما إذا كانت المواد المطلوبة ستكون متوفرة عند بدء أعمال الصيانة.

يمكن للتخطيط المدعوم بالذكاء الاصطناعي أن يدمج عدة مصادر للمعلومات في عملية اتخاذ القرار نفسها:

• الاستهلاك التاريخي للمواد ومعاملات المخزون.
• جداول الصيانة الوقائية وأوامر العمل المخطط لها.
• سجلات تاريخ أعطال المعدات وتحليل الأسباب الجذرية.
• عمر المعدات وساعات التشغيل، إن توفرت.
• مدة التسليم من الموردين، وأوامر الشراء المفتوحة، وأرصدة المخزون الحالية.
• عمليات الإغلاق المخطط لها والتغييرات التشغيلية الأخرى المعروفة.

تخدم هذه المدخلات أغراضًا مختلفة. فسجل الاستهلاك يحدد خط الأساس، وجداول الصيانة تشير إلى المتطلبات المخطط لها، وسجلات الأعطال توفر سياقًا إضافيًا للاحتياجات المحتملة من الصيانة التصحيحية.

وتساعد بيانات الموردين بعد ذلك في تحديد ما إذا كان من الممكن تلبية الاحتياجات المتوقعة من خلال المخزون الحالي أم أنه يتعين البدء في تجديد المخزون في وقت أبكر.

على سبيل المثال، قد تشير إحدى التوقعات إلى زيادة الطلب على أحد المكونات خلال فترة التوقف عن العمل المرتقبة. وإذا امتدت فترات التسليم الخاصة بالمشتريات إلى ما بعد الفترة الزمنية المتاحة للتخطيط، فيمكن للنظام المساعدة في إبراز هذا الاحتياج قبل أن يتحول إلى مشكلة شراء عاجلة.

هذه هي القيمة العملية للتخطيط التنبئي للمخزون: ربط تقدير الطلب بالقرارات اللازمة لتلبية هذا الطلب.

التنبؤ بقطع الغيار باستخدام الذكاء الاصطناعي: كيف تعمل هذه العملية

تكون توقعات قطع الغيار المدعومة بالذكاء الاصطناعي أكثر فائدة عندما تتجاوز مجرد إعطاء رقم ما، وتدعم القرارات التي تتبع ذلك.

1. وضع خط أساس موثوق للطلب

تبدأ العملية بالاطلاع على سجلات الاستهلاك التاريخية وغيرها من السجلات ذات الصلة. ويجب أن تكون البيانات دقيقة بما يكفي للتمييز بين الاستخدام الفعلي للمواد والمعاملات المكررة، والمراجع غير الصحيحة للأجزاء، وغيرها من الحالات الشاذة.

كما ينبغي تقسيم قطع الغيار وفقًا لخصائص الطلب عليها. فلا ينبغي بالضرورة توقع الطلب على مرشح يُستهلك بانتظام باستخدام نفس النهج المتبع مع مكون بديل طارئ يتسم بطلب متقطع للغاية.

يمكن لأساليب السلاسل الزمنية الإحصائية أن تضع أساسًا مرجعيًّا للأنماط المتكررة. ومن ثم، يمكن لنماذج الذكاء الاصطناعي أن تدمج معلومات سياقية إضافية حيثما تدعمها البيانات.

2. الفصل بين الاحتياجات المخطط لها وغير المخطط لها

يُعد التمييز بين استهلاك الصيانة المخطط له والطلب الناجم عن الأعطال أحد أكثر التمييزات فائدة في توقع الطلب على قطع الغيار.

توفر جداول الصيانة الوقائية معلومات عن الأنشطة المعروفة. أما متطلبات الصيانة التصحيحية فهي أقل تحديدًا وقد تعتمد على سجل الأعطال وحالة المعدات وأنماط التشغيل.

قد يؤدي دمج هذين العاملين في متوسط تاريخي واحد إلى إخفاء الأسباب الكامنة وراء الطلب.

ويُعد النهج الأكثر فائدة هو تقدير الاحتياجات المخطط لها والاحتياجات التصحيحية بشكل منفصل قبل دمجها في خطة مخزون شاملة. وهذا يمنح المخططين رؤية أوضح بشأن الاحتياجات التي تم تحديد مواعيدها وتلك التي تنطوي على قدر أكبر من عدم اليقين.

3. تحديد الأنماط المتغيرة والحالات الشاذة

يمكن لنماذج الذكاء الاصطناعي تحليل البيانات التاريخية والتشغيلية لتحديد التغيرات في الاستهلاك، والارتفاعات غير المعتادة في الطلب، والأنماط المتكررة.

على سبيل المثال، قد تشير الزيادة في حالات الأعطال في نوع معين من المعدات إلى الحاجة إلى استبدال مكونات معينة بوتيرة أكبر. كما قد يؤدي جدول الإغلاق إلى زيادة مؤقتة في الطلب تختلف عن نمط الاستهلاك المعتاد.

ينبغي تفسير هذه المؤشرات في سياقها. فقد تعكس الزيادة المفاجئة في القضايا الجوهرية تغييرًا تشغيليًّا حقيقيًّا، ولكنها قد تنجم أيضًا عن تصحيحات في المخزون أو تغييرات في ممارسات المعاملات.

لذلك، ينبغي أن تسلط عملية التنبؤ الضوء على الاستثناءات المهمة أمام المخططين، بدلاً من التعامل مع كل حالة شاذة إحصائية على أنها احتياج مستقبلي مؤكد.

4. ترجمة التوقعات إلى قرارات تتعلق بتجديد المخزون

تصبح توقعات الطلب ذات قيمة عملية عندما تُستخدم في تحديد توقيت إعادة الطلب، ومخزون الأمان، وأولويات الشراء.

ينبغي أن تقارن عملية التخطيط بين الطلب المتوقع والمخزون المتاح، وأوامر الشراء الواردة، ومهل التسليم من الموردين. ومن ثم يمكنها تحديد حالات النقص المحتملة والمساعدة في تحديد ما إذا كان من المناسب إجراء عمليات تجديد المخزون أو نقل المخزون أو اتخاذ إجراءات أخرى.

ينبغي أن يأخذ القرار النهائي في الاعتبار مدى أهمية القطعة والعواقب المترتبة على نفاد مخزونها. فلا ينبغي أن تحظى التوقعات المتعلقة بمواد استهلاكية ذات أولوية منخفضة تلقائيًا بنفس الاستجابة التي تحظى بها التوقعات المتعلقة بمكون قد يؤدي إلى توقف الإنتاج.

توقّع الطلب على الصيانة: ربط أحداث المعدات بقطع الغيار

تهدف توقعات الطلب على الصيانة إلى تقدير كمية قطع الغيار والمواد الاستهلاكية اللازمة لدعم أنشطة الصيانة المستقبلية. وفي البيئات الصناعية، يتطلب ذلك فهمًا لكل من الأعمال المجدولة وحالة عدم اليقين المرتبطة بأعطال المعدات.

يمكن أن يكشف سجل صيانة المعدات عن أنماط الأعطال المتكررة. وقد تحدد الملاحظات المتعلقة بالأسباب الجذرية المكونات المتورطة في الأعطال المتكررة، في حين أن ساعات التشغيل قد تساعد في تفسير المتطلبات المتعلقة بالتآكل. وتوفر أوامر العمل معلومات حول أنشطة الصيانة المخطط لها والمواد المرتبطة بها.

وعندما يتم ربط هذه السجلات ببيانات المخزون والمشتريات، يمكن للمخططين تكوين صورة أكثر شمولاً عن الاحتياجات المستقبلية.

تصف شركة «فيردانتيس» هذا النهج من خلال قدرات منصة «MRO360» الخاصة بالتنبؤ بالطلب على الصيانة، والتي تجمع بين أنماط الاستهلاك والمعلومات المتعلقة بالصيانة لدعم توقعات قطع الغيار. كما تميز المنصة بين الطلب المخطط والطلب التصحيحي، بدلاً من الاعتماد حصريًّا على سجل الاستخدام السابق. انظر توقعات الطلب على الصيانة من شركة فيردانتيس.

ينبغي الاستمرار في التعامل مع التوقعات باعتبارها أدوات لدعم اتخاذ القرار، وليس ضمانات. فأعطال المعدات تتأثر بظروف التشغيل وجودة الصيانة وعوامل أخرى قد لا تظهر بشكل كامل في البيانات المتاحة.

الذكاء الاصطناعي في إدارة مخزون صيانة وإصلاح الطائرات (MRO): من التوقعات إلى التنفيذ

لا يقتصر دور الذكاء الاصطناعي في إدارة مخزون الصيانة والإصلاح والعمرة (MRO) على التنبؤ بالاستهلاك فحسب. بل تعتمد قيمته على مدى ارتباط رؤى التنبؤ بسياسات المخزون، وسير عمل المشتريات، وتنفيذ أعمال الصيانة.

لنفترض أن هناك شركة تصنيع تستعد لإغلاق مخطط له. تشير التوقعات إلى أن هناك حاجة إلى عدة مكونات، لكن المخزون الحالي لا يغطي سوى جزء من الطلب المتوقع.

يمكن لعملية التخطيط المتكاملة أن تساعد الفريق على تقييم المخزون المتاح، والطلبات الواردة، ومهل التسليم من الموردين، والمتطلبات في المصانع الأخرى. وبذلك يمكن للمخططين تحديد ما إذا كان ينبغي شراء قطع غيار إضافية، أو نقل المخزون المناسب، أو تعديل توقيت الطلبات.

وهذا يقلل من الاعتماد على جداول البيانات المنفصلة وعمليات المطابقة اليدوية عبر الأنظمة المختلفة.

يجمع نظام «فيردانتيس MRO360» بين توقعات الطلب والمعلومات الذكية المتعلقة بالمخزون، وتخطيط نقاط إعادة الطلب، وتقييم مدى أهمية قطع الغيار، وتوصيات النقل بين المصانع. وتوضح المعلومات المنشورة عن المنصة إمكانية التكامل مع بيئات أنظمة تخطيط موارد المؤسسات (ERP) وأنظمة إدارة صيانة الأصول (CMMS) وأنظمة إدارة الأصول (EAM) الحالية، مع مراجعة المستخدمين للتوصيات قبل أن يتم تسجيل التغييرات المعتمدة في نظام السجلات. اكتشف MRO360.

بالنسبة للشركات المصنعة، فإن الاعتبار المهم هو العلاقة بين جودة التوقعات وتنفيذها. فحتى التوقعات الأكثر دقة لا يمكنها منع حدوث نقص في المخزون إذا تأخرت إجراءات الشراء، أو كانت معلومات الموردين غير موثوقة، أو كانت سجلات المخزون غير دقيقة.

كيفية تقييم برامج تخطيط مخزون الصيانة والإصلاح والعمليات (MRO) المدعومة بالذكاء الاصطناعي

ينبغي على الشركات المصنعة التي تفكر في استخدام برامج تخطيط مخزون الصيانة والإصلاح والعمليات (MRO) المدعومة بالذكاء الاصطناعي أن تقيّم كيفية تعامل هذا الحل مع واقع الطلب الصناعي، بدلاً من التركيز حصريًّا على دقة التوقعات المعلن عنها.

ومن بين الأسئلة الرئيسية ما يلي:

• تصنيف الطلب: هل يمكن للبرنامج التمييز بين الاستهلاك المنتظم والطلب المتقطع والطلب الناجم عن الأعطال؟
• بيانات الصيانة: هل يمكن للنظام أن يضم أوامر العمل وسجلات الصيانة وعمليات الإغلاق المخطط لها، حيثما تتوفر هذه السجلات؟
• التحقق من صحة التنبؤات: هل يمكن للمخططين مقارنة التوقعات بالطلب الفعلي وفهم الانحرافات الكبيرة؟
• قرارات تتعلق بالمخزون: هل يمكن للتوقعات أن تساهم في تحديد نقاط إعادة الطلب، ومخزون الأمان، وتوقيت إعادة التزويد؟
• التكامل المؤسسي: هل يمكن للمنصة أن تعمل مع أنظمة تخطيط موارد المؤسسات (ERP) وإدارة صيانة الأصول (CMMS) وإدارة الأصول المؤسسية (EAM) الحالية؟
• الإشراف البشري: هل يمكن لفرق الصيانة والمشتريات والمخزون مراجعة التوصيات قبل تنفيذها؟

ينبغي على الشركات المصنعة التي تقيّم برامج توقع الطلب على قطع الغيار أو برامج تخطيط مخزون الصيانة أن تدرس أيضًا أداء الحل عبر فئات مختلفة من قطع الغيار. فقد يخفي رقم دقة واحد اختلافات جوهرية بين الأصناف التي يتم استهلاكها بانتظام وقطع الغيار التي يتسم الطلب عليها بالتقطع الشديد.

وينطبق الأمر نفسه على برامج تحسين مخزون قطع الغيار والصيانة والإصلاح (MRO). فالتنبؤ وتحسين المخزون أمران مرتبطان، لكنهما ليسا متبادلين. حيث يقدّر التنبؤ الاحتياجات المستقبلية؛ بينما يستخدم التحسين تلك التقديرات جنبًا إلى جنب مع درجة الأهمية، ومهل التسليم، وتوقعات الخدمة، والقيود المالية لتحديد سياسات التخزين المناسبة.

إن النظام الأكثر فائدة هو الذي يربط بين هذين النشاطين مع الحفاظ على قدرة المخططين ذوي الخبرة على مراجعة الحالات الاستثنائية.

التنبؤات الأفضل تؤدي إلى قرارات أفضل بشأن مخزون صيانة وإصلاح وتشغيل (MRO)

يعمل تخطيط مخزون الصيانة والإصلاح والعمليات (MRO) المدعوم بالذكاء الاصطناعي على تحسين الطريقة التي يتنبأ بها المصنعون باحتياجات قطع الغيار، وذلك من خلال الجمع بين بيانات الاستهلاك التاريخية وجداول الصيانة وسجلات أعطال المعدات ومعلومات التوريد.

عند تطبيقها بشكل سليم، يمكن أن تساعد هذه الرؤى الشركات المصنعة على الاستعداد للصيانة المخطط لها، وتحديد حالات النقص المحتملة في وقت مبكر، واتخاذ قرارات أكثر استنارة بشأن تجديد المخزون. والهدف من ذلك ليس القضاء على عدم اليقين، بل الحد من عدم اليقين الذي يمكن تجنبه، والتصدي للمخاطر المتبقية بشكل أكثر فعالية.

بالنسبة للشركات المصنعة التي تسعى إلى الحد من حالات نفاد مخزون قطع غيار الصيانة والإصلاح والتجديد (MRO) باستخدام الذكاء الاصطناعي، فإن النجاح لا يعتمد فقط على تكنولوجيا التنبؤ. فالبيانات الموثوقة، والنماذج المناسبة، وأنظمة المؤسسة المترابطة، والملكية الواضحة لقرارات التخطيط، كلها عوامل لا تقل أهمية.

يجمع نظام «فيردانتيس MRO360» بين توقعات الطلب، والمعلومات المتعلقة بالمخزون، وتخطيط إعادة التزويد لدعم هذه العملية. ومن خلال ربط التوقعات بالقرارات التي تحدد مدى توفر المخزون، يمكن للشركات المصنعة تعزيز إدارة مخزون قطع الغيار دون التعامل مع كل مكون على أنه يتبع نفس نمط الطلب.

والنتيجة هي اتباع نهج أكثر تطلعاً للمستقبل في تخطيط الصيانة، حيث تعكس قرارات المخزون المتطلبات التشغيلية المتوقعة بدلاً من الاستهلاك التاريخي وحده.

الأسئلة الشائعة

1. كيف يساهم الذكاء الاصطناعي في تحسين التنبؤ بالطلب على قطع الغيار؟

يمكن للذكاء الاصطناعي تحليل بيانات الاستهلاك السابقة جنبًا إلى جنب مع جداول الصيانة وسجلات الأعطال وساعات التشغيل وغيرها من البيانات ذات الصلة، وذلك لتحديد الأنماط التي قد تغفلها المتوسطات التاريخية. ويمكن لهذه الرؤى أن تحسّن تقديرات الطلب وتساعد المخططين على توقع الاحتياجات، شريطة أن تكون البيانات الأساسية موثوقة.

2. ما هو تخطيط مخزون صيانة وإصلاح وتشغيل (MRO) المدعوم بالذكاء الاصطناعي؟

يعتمد تخطيط مخزون الصيانة والإصلاح والعمرة (MRO) المدعوم بالذكاء الاصطناعي على الذكاء الاصطناعي والنماذج التحليلية لتقدير الاحتياجات المستقبلية من مواد الصيانة ودعم قرارات إدارة المخزون. ويمكنه ربط توقعات قطع الغيار بتوقيت إعادة التزويد، ومخزون الأمان، والأولويات التشغيلية.

3. كيف يمكن للمصنعين الحد من نفاذ مخزون قطع الغيار؟

يمكن للمصنعين الحد من حالات نفاذ المخزون من خلال تحسين توقعات الطلب، ومراقبة المهل الزمنية للموردين، والحفاظ على دقة سجلات المخزون، ومواءمة سياسات التخزين مع درجة أهمية قطع الغيار. كما يساعد دمج جداول الصيانة مع تخطيط المخزون على تحديد الاحتياجات قبل أن تصبح ملحة.

4. هل يمكن للذكاء الاصطناعي توقع احتياجات قطع الغيار استنادًا إلى بيانات الصيانة؟

يمكن للذكاء الاصطناعي الاستعانة بجداول الصيانة، وأوامر العمل، وسجلات أعطال المعدات، وسجلات الأسباب الجذرية، وبيانات التشغيل لتقدير الاحتياجات المستقبلية من قطع الغيار. وتعتمد فائدة هذه التوقعات على جودة البيانات، ومدى ملاءمة نموذج التنبؤ، ومدى تمثيل ظروف التشغيل.

5. ما الذي ينبغي على الشركات المصنعة البحث عنه في برامج تخطيط مخزون الصيانة والإصلاح والعمليات (MRO)؟

ينبغي على الشركات المصنعة تقييم تقسيم الطلب، وتكامل بيانات الصيانة، والتحقق من صحة التوقعات، وتوصيات تجديد المخزون، والتوافق بين أنظمة تخطيط موارد المؤسسات (ERP) وإدارة الأصول المؤسسية (EAM)، وسير عمل الموافقة البشرية. كما ينبغي عليها تقييم الأداء عبر أنماط الطلب المختلفة بدلاً من الاعتماد على رقم واحد يمثل دقة النتيجة الإجمالية.