طلاب جامعة مصر للمعلوماتية يطورون تطبيقين للذكاء الاصطناعي في التصنيع وسلاسل الإمداد

طوّر فريقان من طلاب كلية علوم الحاسب والمعلومات بجامعة مصر للمعلوماتية تطبيقين يستهدفان مشكلتين عمليتين في قطاع التصنيع: تحسين كفاءة الإنتاج والآلات، واكتشاف مخاطر تأخر توريد المواد الخام. جاء تطوير المشروعين بالتعاون مع خبراء من ألمانيا وإسبانيا وهولندا، وخضعا لجلسة تقييم عبر تقنية Zoom شارك فيها المشرفون والخبراء.

وبحسب الجامعة، صُمم التطبيقان استجابة لاحتياجات مؤسسات مرتبطة بالصناعات الذكية والثورة الصناعية الخامسة، مع الاستفادة من مشروع شبكات التصنيع الذكية والمرنة والمتجددة الممول من برنامج Horizon Europe. وترأس لجنة التقييم الخارجية البروفيسور الألماني بيرند كرامر، وشارك فيها البروفيسور مايك بابا زوجلو، والدكتورة ماريا راميريز جوتيريز، والسيد فرناندو جيجانتي من مؤسسة AIDIMME الإسبانية.

من بيانات المستشعرات إلى قرارات الصيانة

يحمل التطبيق الأول اسم «محسن كفاءة الإنتاج والآلات المعتمدة على نموذج المعرفة». ويستهدف معالجة مشكلة شائعة في منصات التصنيع الحديثة، تتمثل في بقاء الأنظمة ضمن نمط رد الفعل، بحيث لا تتعامل مع أعطال الآلات أو اختناقات الإنتاج إلا بعد وقوعها.

يعتمد التطبيق على منصة هجينة لدعم القرار تجمع بين نماذج تعلم آلي، من بينها Isolation Forest وXGBoost، والاستدلال الأنطولوجي باستخدام لغة OWL. ويربط النظام تدفقات بيانات المستشعرات بتسلسل هرمي لأصول المصنع، ثم يستخدم قواعد SWRL لتتبع العلاقات السببية بين تدهور المكونات واختناقات النظام وخسائر كفاءة الإنتاج.

وتتضمن المنصة وحدة شرح تعتمد على النماذج اللغوية الكبيرة لتحويل الحالات الدلالية المعقدة إلى توصيات صيانة بلغة أبسط. كما يضم المشروع طبقة لتوسيع قاعدة المعرفة تدير ستة وكلاء ذكاء اصطناعي تنافسيين، مهمتهم رصد أنماط سلوكية جديدة واقتراح قواعد SWRL يراجعها المهندسون قبل اعتمادها. وتشير الجامعة إلى أن التصميم يستهدف تشغيل المنصة في بيئة مصنع ضمن مسار تنفيذ حاوي ومنخفض التأخير.

توأم رقمي لمخاطر المواد الخام

أما التطبيق الثاني، «التوأم الرقمي الدلالي لاكتشاف مخاطر توريد المواد الخام ومعالجتها»، فيركز على ضعف الرؤية الفورية في لوجستيات التصنيع وصعوبة التعامل مع شروط اتفاقيات مستوى الخدمة غير المنظمة. ويهدف النظام إلى اكتشاف تأخر التسليم مسبقاً وتفعيل موردين بدلاء عند الحاجة.

يجمع التطبيق بين التعلم الآلي للتنبؤ باحتمالات التأخير، والنماذج اللغوية الكبيرة لتحويل نصوص العقود إلى «ثلاثيات أنطولوجية» منظمة، ومستدل أنطولوجي لدعم تنفيذ القرارات. ومن خلال رسم بياني معرفي يربط البيانات والتبعيات، يحاول الإطار نقل إدارة الإمداد من الاستجابة بعد وقوع التأخير إلى التدخل الاستباقي، مع توفير مصدر موحد للمعلومات المتعلقة بتوافر المخزون.

لماذا يهم هذا التطور؟

تكمن أهمية المشروعين في الجمع بين تقنيات الذكاء الاصطناعي وأساليب تمثيل المعرفة داخل سيناريوهين صناعيين محددين، بدلاً من الاكتفاء بعرض عام لقدرات الذكاء الاصطناعي. عملياً، يركز المشروع الأول على جعل بيانات المستشعرات قابلة للتفسير واتخاذ القرار، بينما يركز الثاني على تحويل بيانات العقود وسلاسل الإمداد المتفرقة إلى نموذج يمكن استخدامه للتنبؤ والتدخل.

مع ذلك، لا تعرض المادة نتائج تشغيلية كمية، مثل انخفاض الأعطال أو تحسن زمن التوريد، ولا توضح ما إذا كان التطبيقان دخلا مرحلة الاستخدام التجاري أو التجارب الميدانية. لذلك يبقى الأثر الصناعي المعلن مرتبطاً بمرحلة التطوير والتقييم، وليس بنتائج أداء مثبتة في مصانع عاملة.

ضم فريق التطبيق الأول عبد الكريم أحمد، سيف وفيق، محمد حسين، ريناد سامح، وملك منتصر، تحت إشراف الدكتورة شرين الفيومي. وضم فريق التطبيق الثاني ماثيو وائل، يوسف فارس، يوسف أسامة، ومارك تادرس، تحت الإشراف نفسه.