شركة هاي تك للذكاء الاصطناعي تكشف عن نظام صيانة تنبؤية لاكتشاف تك للذكاء الاصطناعي أي شذوذ مدعوم بالذكاء الاصطناعي

نون - أطلقت شركة هاي تك للذكاء الاصطناعي، التابعة لمجموعة شركات فارنك، ومقرها الشرق الأوسط، أحدث حلولها المبتكرة، وهو نظام الصيانة التنبؤية واكتشاف الأعطال والشذوذ المدعوم بالذكاء الاصطناعي والمتوفر الآن ضمن منصة CAFMTEK
وقد صُممت هذه الأداة المدعومة بالذكاء الاصطناعي لتمكين مديري المرافق والمهندسين ومحترفي الصيانة، من خلال تعزيز الكفاءة التشغيلية وموثوقية أصول الميكانيكا والسباكة، بما في ذلك أنظمة التدفئة والتهوية وتكييف الهواء ولوحات التوزيع الرئيسية، بالإضافة إلى العديد من الأنظمة الأخرى.
وبهذه المناسبة قالت جافيريا أيجاز، المدير التنفيذي لشركة هاي تك للذكاء الاصطناعي: باعتماد نظام الصيانة التنبؤية من خلال حل CAFMTEK، يمكن للشركات تحويل استراتيجيات الصيانة لديها من تفاعلية إلى تنبؤية، حيث يُمكّن هذا النهج المبتكر المهنيين من الحصول على الأدوات اللازمة لتقليل الأعطال، وتحسين العمليات، وزيادة راحة السكان، وتحقيق نتائج فعّالة من حيث التكلفة، ومن خلال استخدام نماذج تعلّم آلي متطورة، يتنبأ النظام بالأعطال المحتملة، ويكشف عن أي خلل، ويوفر رؤى عملية تُمكّن من إجراء الصيانة التنبؤية، ويركز النظام على مقاييس أساسية فريدة لكل نوع من الأصول، مما يوفر لمديري المرافق وضوحًا وتحكمًا في عمليات مبانيهم.
أما بالنسبة لأنظمة التدفئة والتهوية وتكييف الهواء، فتُحلل المنصة بيانات درجة حرارة الإمداد ومراوح الإمداد آنيًا لتوقع الأعطال المحتملة، كما تُصدر تنبيهات مبكرة عند تجاوز احتمالية الأعطال للحدود المسموح بها، مما يُمكّن من التدخل في الوقت المناسب.
وفيما يتعلق بأصول المباني متعددة الطوابق، تُقارن البيانات آنيًا لمقاييس مثل إجمالي الكيلوواط/ساعة، ومعامل القدرة، والجهد، والتيار، بالحدود الديناميكية المُستمدة من البيانات التاريخية.
بالإضافة إلى ذلك، تُسلّط التنبيهات الضوء على مقاييس مُحددة تُسبب اختلالات، مما يُساعد على تشخيص أسرع وأكثر دقة.
كما تُقيّم اتجاهات استهلاك الطاقة الشهرية، كاشفةً عن أي قصور في الكفاءة أو تغييرات غير متوقعة في الأداء.
كما قدّم النظام استراتيجيةً مُصمّمةً للصيانة الوقائية المُخطّطة من خلال تحليل سجلات الأعطال وأنماطها.
ويُوصي النظام بدورات صيانة ديناميكيّة بناءً على أداء المعدّات، بدءًا من جداول شهرية للأعطال المتكررة ووصولًا إلى فحوصات سنوية للأعطال العرضية أو غير المتوقعة.
وأضافت إيجاز قائلة: ُقلل هذا النهج الشامل بشكل كبير من الأعطال غير المتوقعة، مع زيادة عمر الأصول الحيوية، ومن خلال ضمان استناد الصيانة إلى حالة الأصول الفعلية بدلاً من الجداول الزمنية الصارمة، تستفيد المؤسسات من توفير التكاليف، وتحسين الأداء، واستقرار العمليات.
وتتكيف نماذج التعلم الآلي للنظام باستمرار، مُدمجةً بيانات جديدة لتحسين دقة التنبؤ وتحسين الحدود الديناميكية. يُفيد كل حدث في التحديثات المستقبلية، مما يضمن تطور الأداة بما يتوافق مع المتطلبات التشغيلية المتغيرة.