طوكيو، 10 ديسمبر 2025 - أعلنت شركة Mitsubishi Electric (طوكيو: 6503) اليوم أنها طوّرت نموذج ذكاء اصطناعي مُدرّب فيزيائيًا¹ يمكنه تقدير تدهور المعدات بدقة باستخدام كمية صغيرة جدًا من بيانات التدريب. تأتي هذه التقنية نتيجة لمبادرة الشركة لتطوير نموذج ذكاء اصطناعي بالشبكات العصبية الفيزيائية² ضمن برنامج الذكاء الاصطناعي Maisart^®3 الخاص بالشركة، الذي يؤكد على الموثوقية والسلامة في العالم المادي. وبالاستفادة من خبرة شركة Mitsubishi Electric الواسعة في تطوير المعدات، تدعم التقنية الجديدة تحسين أصول موقع التصنيع للحفاظ على الإنتاجية والجودة وكذلك تقليل تكاليف الصيانة.

ينشر قطاع التصنيع في اليابان معدّات إنتاج متطورة بشكل متزايد في الوقت الذي يؤدي فيه زيادة أعداد كبار السن وتناقص عدد السكان في البلاد إلى تقليل عدد فنيي الصيانة ذوي الخبرة. وفي الوقت نفسه، هناك طلب متزايد على حلول الصيانة الوقائية التي يمكن أن تتنبأ بتدهور المعدات من أجل الاستجابة في الوقت المناسب، لأن الاستخدام المستمر للمعدات المتدهورة يمكن أن يؤدي إلى تعطل المعدات أو وجود منتجات معيبة. عادةً، تحاكي الصيانة الوقائية التقليدية سلوك المعدات باستخدام النماذج الرياضية أو نماذج المحاكاة لتقدير التدهور. ولكن هذا النهج يتطلب من خبراء المجال الذين لديهم معرفة بالأنظمة الفيزيائية تصميم آليات اكتشاف التدهور من البداية، مما قد يتطلب وقتًا وجهدًا كبيرين. ولمعالجة هذه المشكلة، هناك توجه لتقدير التدهور من خلال تدريب نموذج ذكاء اصطناعي باستخدام البيانات التشغيلية. ومع ذلك، تتطلب هذه الجهود عادةً كميات كبيرة من البيانات لتغطية شاملة لأنماط العمليات المتنوعة والتباين بين الوحدات وبيئات التركيب، بالإضافة إلى إعادة التدريب كلما تغيّرت الظروف، مما يعيق النشر العملي للذكاء الاصطناعي لتقدير تدهور المعدات.

واستجابة لذلك، طوَّر مركز البحث والتطوير لتكنولوجيا المعلومات في شركة Mitsubishi Electric في مدينة كاماكورا، مقاطعة كاناجاوا، اليابان، وشركة Mitsubishi Electric Research Laboratories, Inc. في مدينة كامبريدج، ولاية ماساتشوستس، الولايات المتحدة الأمريكية، نموذج ذكاء اصطناعي تم تدريبه مسبقًا باستخدام المعادلات النظرية للنموذج الفيزيائي للجهاز، مما يتيح لنموذج الذكاء الاصطناعي معرفة السلوك والخصائص المتوقعة للجهاز مقدمًا. بعد ذلك، ومن خلال توفير كمية صغيرة من البيانات المُقاسة التي تعكس التباين بين الوحدات والظروف البيئية، يمكن لنموذج الذكاء الاصطناعي تقدير التدهور بدقة. عند تضمين نموذج فيزيائي في الذكاء الاصطناعي، حدّدت النُهج السابقة بصورة ثابتة الترجيح⁴ بين النموذج والبيانات المُقاسة، مما يجعل من الصعب تحسين الأجهزة أو البيئات المختلفة. ولكن، تتيح التقنية الجديدة للذكاء الاصطناعي تعديل هذه المعلمات ديناميكيًا، مما يؤدي إلى دقة تقدير أعلى وإمكانية استخدام مُحسَّنة.

ومن ثَم، يمكن أن تمنع هذه التقنية الجديدة أعطال المعدات الرئيسية، وتقلّل الحاجة إلى استبدال الأجزاء في منشآت التصنيع، مما يساعد على خفض تكاليف الصيانة مع الحفاظ على الإنتاجية وجودة المنتجات.