حل ذكاء اصطناعي قائم على الوكلاء لاكتشاف الحالات الشاذة في قطاع التصنيع

~12
عدد ساعات التعطل التي تم توفيرها شهريًّا
98.8%
دقة التنبؤ
حل ذكاء اصطناعي قائم على الوكلاء لاكتشاف الحالات الشاذة في قطاع التصنيع | Crunch-IS Case Study
اكتشف كيف قامت شركة Crunch-IS بتطوير حل ذكاء اصطناعي قائم على الوكلاء (Agentic AI) لصالح شركة تصنيع أمريكية. وبفضل ميزة الكشف عن الحالات الشاذة، يتيح النظام إجراء الصيانة الاستباقية، ويمنع التوقفات المكلفة لآلات التصنيع باستخدام الحاسب الآلي (CNC)، ويضمن عمليات آمنة وقابلة للتوسع.
الصناعة:

التصنيع

الموقع:

الولايات المتحدة الأمريكية

حجم الفريق:

4 (مهندس الذكاء الاصطناعي/التعلم الآلي، مهندس الواجهة الخلفية (Backend)، DevOps، مدير مشروع)

المدة:

10 أسابيع

Technologies
Python 3.11
PyTorch
NumPy
Pandas
Pydantic
Scikit-learn
SentenceTransformers (all-MiniLM-L6-v2)
CrewAI
FastAPI
Apache Kafka
confluent-kafka
Qdrant
PostgreSQL
Parquet
Webhook
Sentry (مستضاف ذاتيًا)
OAuth2 مع JWT
Vault من HashiCorp
Prometheus
Grafana
Docker
01

نبذة عن العميل

عميلنا هو شركة تصنيع متوسطة الحجم متخصصة في إنتاج مكونات المحركات عالية الدقة لصناعة السيارات. وتقوم الشركة بتشغيل العديد من آلات التصنيع بالتحكم الرقمي (CNC) على مدار الساعة طوال أيام الأسبوع، ولذلك يتعين عليها الالتزام بمواعيد التسليم الدولية الصارمة مع الحفاظ على جودة المنتجات وتقليل فترات التعطل إلى أدنى حد ممكن.

حل ذكاء اصطناعي قائم على الوكلاء لاكتشاف الحالات الشاذة في قطاع التصنيع | Crunch-IS Case Study
02

التحدي

كان خط الإنتاج يتعرض لفترات توقف غير مخطط لها تتراوح بين 8 و12 ساعة شهريًّا بسبب التوقف المفاجئ لآلات التحكم الرقمي (CNC) دون وجود سبب جذري واضح.

وقد أدى ذلك إلى:

  • تجاوز مواعيد الشحن المحددة والغرامات المترتبة على ذلك
  • ارتفاع تكاليف العمالة نتيجة العمل الإضافي غير المخطط له
  • تعطيل تدفق الإنتاج الذي يتميز بالتزامن الدقيق

كان العميل بحاجة إلى حل تنبؤي قادر على اكتشاف العلامات المبكرة لفشل المعدات، وإخطار المشغلين البشريين، ومنع الانقطاعات المكلفة دون إضافة أعباء إضافية تتعلق بالمراقبة اليدوية.

03

الحل الذي قدمناه

لقد طورنا نظامًا للكشف عن الحالات الشاذة مدعومًا بالذكاء الاصطناعي القائم على الوكلاء مصممًا على أساس بنية «المدير/العامل»، على غرار الطريقة التي يشرف بها مشرف الإنتاج على فريق من المتخصصين:

  • وكيل الإدارة – يتولى تنسيق العملية، حيث يقوم بتوزيع بيانات آلات CNC الواردة على وكلاء العمل المناسبين.
  • وكلاء العمل – يعملون كخبراء متخصصين، حيث يستخدم كل منهم أدوات متخصصة للكشف عن الحالات الشاذة وتحليل البيانات.

وقد جمع مسار الكشف بين نهجين متكاملين:

قاعدة بيانات البحث عن المتجهات

يتم تحويل قراءات المستشعرات الواردة إلى تمثيلات (embeddings) ومقارنتها بمكتبة من أنماط الأعطال التاريخية المخزنة في قاعدة بيانات متجهة (Qdrant). وهذا يضمن الإبلاغ الفوري عن أي تكرار لمشكلة معروفة.

نموذج LSTM الزمني

بالنسبة للمشكلات التي لم يسبق للنظام أن واجهها من قبل، يقوم نموذج التعلم العميق (LSTM) بتحليل البيانات الزمنية المتسلسلة للكشف عن إشارات الإنذار المبكر التي تنذر بحدوث حالات شاذة.

 

يتم دمج نتائج كلتا الطريقتين في درجة ثقة واحدة. وعند تجاوز القيم الحدية، يتلقى المشغلون إشعارات فورية عبر Slack أو البريد الإلكتروني، مما يتيح التدخل الاستباقي قبل حدوث أي توقف عن العمل.

Crunch-IS image case study
04

نهج التنفيذ

لضمان أن يكون النظام قويًا وآمنًا وجاهزًا للتشغيل في بيئة الإنتاج، قمنا بنشره باستخدام مجموعة تقنيات حديثة مخصصة للسحابة:

  • Apache Kafka – تولى معالجة تدفق البيانات في الوقت الفعلي من آلات التحكم الرقمي (CNC) إلى محرك الذكاء الاصطناعي.
  • OAuth2 مع JWT – فرض الوصول الآمن إلى البيانات الحساسة الخاصة بالأجهزة والإشعارات.
  • تقنية حاويات دوكر (Docker) – تضمن قابلية التوسع وقابلية النقل والتكامل السلس مع بيئة المراقبة الحالية للعميل.
  • التسجيل والمراقبة المركزيان (عبر Prometheus وGrafana) – وفرا شفافية كاملة فيما يتعلق بقرارات النموذج وحالة النظام.

وقد وفرت هذه المجموعة للعميل نظامًا يتعلم باستمرار ويتكامل بسلاسة مع العمليات اليومية. وهذا يقلل من مخاطر التوقف عن العمل ويضع الأساس للتحسين المستمر للعمليات.

05

نتائج العميل

حل الذكاء الاصطناعي الذي تم نشره:

  • قضى على فترات التعطل في جميع سيناريوهات الأعطال المعروفة سابقًا من خلال التنبؤ بها قبل وقوعها
  • أتاح وضع جداول صيانة استباقية، مما أدى إلى تقليل الانقطاعات التي تحدث في اللحظة الأخيرة
  • أنشأ نظامًا يتعلم باستمرار — حيث يتحسن نموذج LSTM مع كل حالة فشل جديدة، مما يضمن تقليل فترات التعطل في المستقبل
  • قدّم حلاً آمنًا وقابلًا للتوسع وسهل الصيانة، تم دمجه في نظام المراقبة الحالي للعميل

أخبرنا بما تعمل على بنائه

أرسل لنا مخططاً أولياً أو مواصفات أو ثلاث جمل عن النقطة التي توقف عندها النظام. عادةً ما تكفي محادثة واحدة لمعرفة ما إذا كنا مناسبين لك.

البرمجيات المخصصة، والذكاء الاصطناعي والتعلم الآلي، والبيانات والتحليلات، والحوسبة السحابية، والأمن — من تحديد النطاق المبكر وحتى التسليم على المدى الطويل.

  • 170+ خبير
  • 120+ مشروع منجز
  • 97% نسبة الرضا التام

    لقد قرأت ووافقت على شروط الاستخدام و سياسة الخصوصية *

    خصوصيتك تهمنا. نستخدم ملفات تعريف الارتباط لتحسين تجربتك وتخصيص المحتوى.