- تنقسم شركات الصيانة التنبؤية إلى ثلاث مجموعات يتم تسعيرها وشراؤها بشكل مختلف: منصات صحة الآلات المتكاملة، ومجموعات إدارة الأصول المؤسسية، وشركات الهندسة التي تبني نظامًا على البيانات التي تمتلكها بالفعل.
- يعتمد الخيار الصحيح على مكان وجود بياناتك حاليًا أكثر من اعتماده على دقة النموذج. إذا كانت بيانات المستشعرات والمؤرّخ وسجل الصيانة تتدفق بالفعل، فأنت تشتري التحليلات. أما إذا لم تكن كذلك، فأنت تشتري هندسة البيانات أولًا.
- تتجمع نتائج البائعين المنشورة حول انخفاض بنسبة 30–65% في وقت التوقف غير المخطط له. تعامل مع هذه النتائج على أنها توجيهية: فكل منها مرتبط بالعملية التي تم قياسها عليها.
- وضع الفشل الذي يجب التخطيط لتجنّبه ليس عطلاً فائتاً بل تنبيهاً لا يثق به أحد. اسأل أي مورّد عن كيفية قياس الإنذارات الكاذبة ومن يقوم بضبطها بعد الإطلاق.
ما الذي تفعله شركات الصيانة التنبؤية فعليًا
اسأل عشر شركات للصيانة التنبؤية عمّا تبيعه، وستحصل على ثلاث إجابات مختلفة حقًا، وهذا هو السبب في صعوبة مقارنة القوائم المختصرة في هذه الفئة.
المجموعة الأولى تبيع حلقة مغلقة: أجهزة الاستشعار الخاصة بها، وسحابتها، وتشخيصاتها، وتنبيهاتها. تقوم بتوصيل الأجهزة بمضخة فتظهر درجات الصحة في بوابة. المجموعة الثانية تبيع مجموعة إدارة أصول مؤسسية يكون فيها التنبؤ وحدة واحدة إلى جانب أوامر العمل، والمخزون، والامتثال. المجموعة الثالثة تبيع الهندسة — فريق يربط سجلك التاريخي الحالي، ونظام SCADA، وسجلات الصيانة، ويبني نماذج مقابل أنماط الأعطال لديك، ويسلمك نظامًا تمتلكه.
لا شيء من هذه الخيارات أفضل من الناحية النظرية. فكل منها يفشل في مواضع مختلفة. المنصة التي تعتمد على أجهزة الاستشعار أولاً تواجه صعوبة عندما تكون الأصول المهمة مزودة بالفعل بأجهزة قياس وتكون المشكلة أن لا أحد يثق في البيانات. والحزمة المتكاملة تواجه صعوبة عندما لا تكون تشغّل الحزمة بالفعل. والحل المخصص يواجه صعوبة عندما تريد شيئاً يعمل الشهر المقبل ولا يكون لديك فريق بيانات لتسليمه إليه.
السؤال المفيد إذن ليس “ما هي أفضل شركة للصيانة التنبؤية” بل “أي من تلك المشكلات الثلاث أعاني منها فعلاً؟”
كيف اخترنا هذه الشركات
تسع شركات، بناءً على ثلاثة معايير.
الصيانة التنبؤية هي خط أعمال مُسمّى، وليست ميزة. يقوم قدر كبير من برامج الصيانة بإصدار أمر عمل عندما تتجاوز القراءة حدًا معينًا، ويُسوّق ذلك على أنه تنبؤ. وهذا ليس نفس المنتج المبني للكشف عن التدهور قبل تجاوز الحد. كل شركة هنا تبيع هذه القدرة باسمها الخاص.
إنها تخدم الصناعات كثيفة الأصول. النفط والغاز، والتصنيع، والكيماويات، والتعدين، والطاقة — عمليات حيث يكلّف التوقف غير المخطط له أكثر من تكلفة الإصلاح نفسه، وحيث تكون المعدات ثقيلة ودوّارة ومكلفة الفتح. البائعون الموجهون نحو أساطيل المركبات، أو خدمات المباني، أو منشآت تقنية المعلومات يحلّون مشكلة مختلفة حقًا ولا تتم مقارنتهم هنا.
إنهم يذكرون ما يكفي للمقارنة. إن البائع الذي لا يقول بوضوح ما يبيعه، أو في أي صناعات يعمل، أو ما حصل عليه عملاؤه، لا يمكن إدراجه في القائمة المختصرة، مهما كانت سمعته — فلا يستطيع المشتري مقارنة ما لا يلتزم به المورّد كتابةً. إحدى الشركات التي كانت ستظهر هنا خلاف ذلك غائبة لأننا لم نتمكن من قراءة ادعاء واحد في مصدرها الخاص.
ما لا يستند إليه هذا التصنيف: جودة التسليم التي لا يمكننا ملاحظتها، أو الأسعار التي لا يمكننا رؤيتها، أو رضا العملاء الذي لم نقم بقياسه. اقرأ المدخلات، وتحقق من الادعاءات، وأنشئ قائمة مختصرة بناءً على التوافق.
شركات الصيانة التنبؤية التسع
Crunch-IS
تبني شركة Crunch-IS أنظمة صيانة تنبؤية اعتمادًا على البيانات الصناعية الموجودة بالفعل — تدفقات المستشعرات، وأنظمة الأرشفة التاريخية، وعلامات SCADA، وسجل الصيانة — بدلًا من بيع حزمة مستشعرات أو ترخيص منصة. العمل هو هندسة بيانات أولًا ونمذجة ثانيًا، وهو ما يتوافق مع الطريقة التي تفشل بها فعليًا معظم عمليات الأصول الثقيلة في تحقيق القيمة: ليس لأن الخوارزميات ضعيفة، بل لأن البيانات التي تغذّيها مجزأة عبر أنظمة لم يوفّق بينها أحد.
وقد تم تسليم ذلك من البداية إلى النهاية. على برنامج صيانة تنبؤية مدعوم بالذكاء الاصطناعي لمضخات الإنتاج عبر عمليات النفط والغاز والتصنيع في أوروبا، وصل النظام إلى دقة تنبؤ بنسبة 90%، وخفّض تكاليف الصيانة بنسبة 40% وقلّل من التوقفات غير المخطط لها بنسبة 65%. تعود هذه الأرقام إلى ذلك المشروع وفئة أصوله؛ وهي ليست وعدًا عامًا.
تُظهر مهمة ثانية نقطة البداية الشائعة الأخرى. بالنسبة لمشغّل في مجال النفط والغاز كان يشغّل بالفعل التوائم الرقمية من Azure، أضاف الفريق طبقة صيانة تنبؤية فوق التوائم الحالية للمعدات الدوارة الحرجة، مع ربط بيانات المستشعرات والتشغيل وسجل الصيانة في درجات صحية قابلة للتفسير، وإشارات التدهور، ومؤشرات مخاطر الأعطال — وهو منتج أولي مبني ليتم توسيعه بدلاً من كونه منتجاً نهائياً. وحيثما لا يتوفر أساس البيانات بعد، فهذه هي المهمة بحد ذاتها: برنامج منفصل مبني بنية بيانات صناعية للجاهزية للتوائم الرقمية قبل محاولة إجراء أي تنبؤ.
تقع القدرات ذات الصلة عبر تطوير الذكاء الاصطناعي والتعلم الآلي, هندسة البيانات, عمليات التعلم الآلي و تطوير إنترنت الأشياء، مع تركيز التنفيذ في النفط والغاز و التصنيع.
تأسست شركة Crunch-IS في عام 2018، وتضم أكثر من 170 خبيرًا في أكثر من 5 مواقع، مع أكثر من 120 مشروعًا منجزًا وأكثر من 40 عميلًا نشطًا، وتفيد بأن 97% من عملائها راضون تمامًا.
الأفضل لـ: المشغلين الذين تتوفر لديهم بالفعل بيانات المستشعرات والصيانة لكنها مبعثرة، والذين يرغبون في امتلاك النظام الناتج بدلاً من استئجاره.
2. العرافة
العرافة تبيع صحة الآلات كخدمة مُدارة، وهي المثال الأكثر اكتمالاً على نموذج الحلقة المغلقة في هذه القائمة. تلتقط مستشعرات إنترنت الأشياء الصناعية الخاصة بها بيانات الاهتزاز ودرجة الحرارة والبيانات المغناطيسية؛ وتحوّل منصة Machine Health الخاصة بها ذلك إلى تشخيصات إرشادية؛ ويغطي منتج منفصل يُدعى Process Health، والذي تشير الشركة إلى أنه كان “معروفاً سابقاً باسم Seebo”، تحسين العمليات إلى جانب ذلك.
النطاق المنشور كبير: “أكثر من 200 نوع من الأصول” مشمولة، “أكثر من 300 ألف آلة تتم مراقبتها” و “أكثر من 1.1 مليار ساعة من مراقبة الآلات.” وفيما يتعلق بالنتائج، تنشر العرافة “إنذارات كاذبة أقل بنسبة 75% مقارنة بالأنظمة القائمة على العتبات”, “~30 يومًا حتى أول تحسين للآلة” و، استنادًا إلى دراسة أجرتها Forrester، “< 6 أشهر لاسترداد التكلفة” و “عائد على الاستثمار بنسبة 310%.” وهي تدعم “أكثر من 40 دولة” و “أكثر من 10 لغات.”
تشمل الصناعات المذكورة النفط والغاز، والمعادن والتعدين، والكيماويات، والأدوية، والأغذية والمشروبات، ومواد البناء.
الأفضل لـ: الشركات المصنعة الكبيرة متعددة المواقع التي ترغب في إدارة الحزمة بالكامل وتشعر بالراحة مع أجهزة الاستشعار الخاصة.
3. Siemens — Senseye Predictive Maintenance
Senseye Predictive Maintenance هو حل Siemens للمصنّعين الذين لديهم بالفعل بيانات ولا يرغبون في إعادة تجهيز المصنع بالأدوات لاستخدامها. تصف الشركة الحل بأنه يجمع بين “الذكاء الاصطناعي الصناعي والمعرفة المتخصصة والتقنية القابلة للتوسّع” بحيث تستطيع الفرق “فهم صحة الأصول وتوقّع مخاطر الأعطال وتحديد أين ينبغي التصرّف أولاً.”
أكثر التفاصيل فائدة لمُشغّل المصانع القائمة هي خدمات الاتصال الصناعي المحيطة، والتي تقول سيمنس إنها قادرة على “ربط المصانع والآلات الجديدة والقديمة” — وهو اعتراف بأن المصنع الحقيقي هو مزيج من أجيال مختلفة، وليس مصنعاً حديثاً مُنشأً من الصفر.
تذكر سيمنز شركة BlueScope Steel في أستراليا وSachsenmilch في ألمانيا كعملاء، وتشير إلى أعمال في قطاع السيارات. يستحق المعرفة قبل أن تضع قائمتك المختصرة: لا تنشر سيمنز أي أرقام أداء ملموسة لـ Senseye — يتم وصف النتائج نوعيًا. اطلب الأرقام مباشرة.
الأفضل لـ: الشركات المصنعة على مستوى المؤسسات التي تمتلك بيانات مؤرشفة موجودة وقاعدة أصول متفاوتة الأعمار، لا سيما تلك الموجودة بالفعل داخل نظام التشغيل الآلي البيئي من سيمنز.
4. IBM — Maximo Application Suite
تتعامل IBM مع الصيانة التنبؤية من جانب إدارة الأصول بدلاً من جانب المستشعرات. يوصف Maximo Application Suite بأنه “حل موحد لإدارة الأصول والمرافق يجمع بين الصيانة والفحوصات والموثوقية في مكان واحد”، مع إدارة أصول المؤسسات وإدارة أداء الأصول وتخطيط الاستثمار في الأصول كمكونات — التنبؤ قدرة ضمن المجموعة، وليس المنتج.
يُذكر النفط والغاز صراحةً، ويشمل “عمليات المنبع والوسط والمصب”، إلى جانب التصنيع والطاقة والمرافق والنقل والحكومة.
ملاحظتان عمليتان. يعمل الترخيص وفق نظام ائتماني: تقول IBM إن المجموعة “يتم شراؤها باستخدام نموذج ترخيص واستخدام مبسّط يعتمد على نظام قائم على الائتمان يُسمى AppPoints”، وهو متاح إما بإدارة العميل أو كخدمة SaaS. كما أن نتائج العملاء المنشورة هي في معظمها تشغيلية وليست خاصة بالصيانة تحديدًا — فعلى سبيل المثال، تُذكر هيئة النقل في لندن مع “توفير متوقع بقيمة 21 مليون جنيه إسترليني لمترو أنفاق لندن على مدى فترة 10 سنوات”.
الأفضل لـ: المؤسسات كثيفة الأصول التي ترغب في الجمع بين الصيانة والامتثال وتخطيط رأس المال في نظام واحد — خاصة مواقع Maximo الحالية.
5. C3 AI — موثوقية C3 AI
C3 AI Reliability موضوعة كتطبيق للذكاء الاصطناعي المؤسسي في مجال الموثوقية: تصف الشركة ذلك بأنه “توحيد بيانات المستشعرات وسجلات الصيانة ومخزون قطع الغيار للتنبؤ بأعطال المعدات وتمكين المراقبة الاستباقية على نطاق واسع.”
وتنشر مجموعة النتائج الأكثر تحديدًا في هذه القائمة: “انخفاض بنسبة 50% في وقت التعطل”, “تحسن بنسبة 5% في الفعالية الإجمالية للمعدات (OEE)”, “انخفاض بنسبة 99% في ضوضاء التنبيهات” و “6 أشهر للنشر والتوسع عبر المواقع.” تشمل عمليات النشر المسماة شركة Shell مع “أكثر من 10,000 أصل تتم مراقبتها عالميًا”، وHolcim “تم التوسع عبر 80 مصنعًا و400 أصل”، وDow مع “45 مليون دولار من الفائدة الاقتصادية السنوية.”
تشمل الصناعات المذكورة النفط والغاز، والتصنيع، والمرافق، والملاحة البحرية، والدفاع والاستخبارات.
الأفضل لـ: المؤسسات الكبيرة التي تدير برنامج ذكاء اصطناعي صناعي أوسع، حيث تكون الموثوقية أحد التطبيقات من بين عدة تطبيقات.
6. AspenTech
تأتي شركة AspenTech إلى مجال الصيانة من منطلق هندسة العمليات، وهذا هو السبب في تكرار حضورها في مجالات التكرير والكيماويات والطاقة. تُقدّم صفحاتها الخاصة الصيانة التنبؤية ضمن محفظة أوسع لإدارة أداء الأصول وتحسين الإنتاج، بدلاً من تقديمها كأداة مستقلة.
حقيقة واحدة تستحق أخذها في الاعتبار في أي قائمة مختصرة: يصف موقع AspenTech الخاص بها الآن الشركة بأنها “Aspen Technology—أصبحت الآن جزءًا من Emerson.” أما الملخصات المكتوبة قبل تلك الصفقة فلا تزال تقدمها كشركة مستقلة.
شرح الشركة لهذه الفئة واضح بشكل غير معتاد فيما يتعلق بالمنهجية، حيث يُسمّي التحليل الاهتزازي، والتحليل بالأشعة تحت الحمراء، والتحليل الصوتي بوصفها الأنواع الرئيسية. وتُسمّي AspenTech التصنيع، والنقل، والمرافق، وتوليد الطاقة.
الأفضل لـ: عمليات التكرير والكيماويات والطاقة حيث لا يمكن فصل قرارات الصيانة عن ظروف العملية.
7. Cognite
حجة Cognite هي أن النمذجة ليست عادةً هي عنق الزجاجة — بل البيانات هي كذلك. إن Cognite Data Fusion® هي منصة بيانات صناعية لوضع البيانات التشغيلية في سياقها عبر أنظمة الأرشفة التاريخية وأنظمة SCADA وأنظمة الصيانة والوثائق الهندسية، مع تحليلات تنبؤية مبنية على هذا الأساس بدلاً من أن تكون بجانبه.
بالنسبة للطاقة النهائية، تقول الشركة إن المنصة تساعد المشغلين على “تحسين كفاءة إنتاج المصنع، وتبسيط ورقمنة سير عمل الصيانة والميدان، وتحسين عمر الأصول وموثوقيتها.” تنشر Cognite “انخفاض خسائر الإنتاج بنسبة 5%”, “زيادة الإنتاجية بنسبة 15%” و “زيادة إنتاج التراكب بنسبة 1%”، مع الاستشهاد بشركة OMV عند “تقليل وقت تخطيط الفحص بنسبة 50% وتوفير 6% من التأجيل في الإنتاج.”
الأفضل لـ: المشغّلون ذوو النضج الرقمي الذين يمتلكون مجموعات بيانات تشغيلية كبيرة ومجزأة — الحالة التي يكون فيها وضع البيانات في سياقها هو المشروع الفعلي.
٨. Tractian
تجمع Tractian بين أجهزتها اللاسلكية الخاصة لمراقبة الحالة ونظام CMMS أصلي، وهو ما تريده المصانع متوسطة الحجم في أغلب الأحيان: مستشعرات يمكن تركيبها بسرعة ونظام لأوامر العمل يفهمه فريق الصيانة بالفعل، دون الحاجة إلى دمج مورّدَين.
تذكر الشركة أنها “موثوق به من قبل 1,500 شركة تصنيع أمريكية وعالمية”، تنشر “4.7” تقييم العملاء، وتستشهد بترتيب Inc. 5000 وهو “#269.” تشمل العملاء المذكورين McKesson وAir Liquide وWhirlpool وVerizon وCummins وKubota. تشمل القطاعات المدرجة التصنيع والنفط والغاز والكيماويات والتعدين والمعادن والأغذية والمشروبات والأساطيل.
الأفضل لـ: المصانع متوسطة الحجم التي تريد الاستشعار وتنفيذ الصيانة من مورّد واحد، وبسرعة.
9. نانوبريسايس
تربط نانوبريسايس الحالة الميكانيكية باستهلاك الطاقة، وهو ما تسميه الصيانة التنبؤية المرتكزة على الطاقة (Energy-Centered Predictive Maintenance) — وهو عامل تمييز حقيقي في ظل الطلب المتزامن على تقارير الاستدامة ووقت التشغيل. تتضمن مجموعة أجهزتها مستشعر الحافة اللاسلكي MachineDoctor إلى جانب RotationLF وTransformerLF وNrgMonitor.
النسب المئوية التي تنشرها نانوبريسايس — بشأن الأعطال والتوقف عن العمل ونفقات الصيانة — تُقدَّم على أنها متوسطات عامة للفئة وليست نتائج من عمليات نشر مُسمّاة، لذا فهي تصف ما تميل الصيانة التنبؤية إلى تحقيقه بدلاً من ما قدّمه هذا المورّد فعليًا. اطلب أرقامًا من عملية تركيب مشابهة لعمليتك.
تشمل الصناعات المذكورة النفط والغاز، والتعدين، والأسمنت، والمعادن، ولب الورق والورق، والأدوية، والمرافق.
الأفضل لـ: برامج المعدات الدوارة حيث تكون كفاءة الطاقة جزءًا من دراسة الجدوى التجارية.
موردو الصيانة التنبؤية: مقارنة
كيفية اختيار شريك الصيانة التنبؤية
- ابدأ من البيانات، وليس من النموذج. اسأل عمّا يحتاجونه منك قبل أن يتنبأ أي شيء. البائع الذي لا يسأل عن سجل بياناتك التاريخي يبيعك أجهزة الاستشعار الخاصة به.
- اسأل كم مرة سيكون خاطئًا. كل نظام من هذه الأنظمة يُطلق تنبيهات تتبين أنها لا شيء. إذا كانت كثيرة جدًا، فسيتوقف فريقك عن فتحها — وهذه هي الطريقة التي تموت بها هذه البرامج بهدوء. اسأل من المسؤول عن خفض هذا الرقم بمجرد أن تصبح في وضع التشغيل.
- اطلب نتيجة تخص فئة أصولك. إن رقمًا من خط إنتاج الأغذية والمشروبات لا يخبرك إلا القليل عن ضاغط الغاز.
- حدد من يملك النموذج. مع المنصة، يملكه المورّد. ومع البناء الخاص، تملكه أنت. هذا خيار استراتيجي، وليس مجرد تفصيل في عملية الشراء.
- حدّد نطاق مشروع تجريبي يمكنك أن تفشل فيه بتكلفة زهيدة. خمسة أصول حيوية، ونافذة زمنية محددة، وتعريف متفق عليه مسبقًا للنجاح.
هل لا تزال تحاول معرفة ما إذا كانت الصيانة التنبؤية تناسب عمليتك على الإطلاق؟ إن الدليل المرافق للصيانة التنبؤية للعمليات الصناعية يغطي كيفية عملها، وما تحتاجه، وأين تسوء الأمور.
