تطبيق التعلّم الآلي للصيانة التنبؤية في أنظمة الحماية الكاثودية

تم دمج التعلم الآلي في الأنظمة في معظم الصناعات داخل الولايات المتحدة. في عام 2024، بلغ سوق التعلم الآلي في بلدنا أكثر من $21 مليار في التقييم بسبب ارتفاع الطلب على الأتمتة والأنظمة "المُعلّمة".

في شركة Dreiym Engineering، شاهدنا بعض أنظمة التعلم الآلي المستخدمة في كل شيء بدءاً من الوقاية من الحرائق وحتى إدارة المخاطر. أحد المجالات المثيرة للتكامل هو في أنظمة الحماية الكاثودية.

تنطوي الأساليب التقليدية لأنظمة الحماية هذه على سلسلة من عمليات المراقبة والصيانة اليدوية التي لا ينبغي أن يطغى عليها التعلم الآلي. ومع ذلك، هناك بعض المزايا لاستخدام كل من التقنيات التقليدية والمتقدمة في ضمان خطوط الأنابيب وصهاريج التخزين والهياكل البحرية والمرافق المدفونة تجنب التآكل الضرر.

محدودية الصيانة التقليدية للحماية الكاثودية

يعمل نظام الحماية الكاثودية النموذجي (سواء أكان جلفانيًا أو تيارًا متأثرًا) عن طريق إعادة توجيه التآكل بعيدًا عن السطح المعدني. ويمكن أن يكون ذلك أداة فعالة للغاية طالما أنه مصمم بشكل جيد ويتم صيانته بشكل صحيح.

وتكمن المشكلة في أن عمليات التفتيش الروتينية التي يتم إجراؤها في النموذج التقليدي تعتمد على عمليات التفتيش القائمة على الوقت والخدمة التفاعلية. فقد تقوم الشركة بإجراء عمليات تفتيش بصرية شهرية "تجول" أو عمليات تفتيش بصرية سنوية. المسوحات الفاصلة القريبة (رابطة الدول المستقلة).

في حين أنها فعالة، إلا أن هناك الكثير مما يفوتنا من نظام يوفر المراقبة في الوقت الحقيقي. تخيل عدد الموارد التي يمكن توفيرها إذا تم ملاحظة أنماط التدهور الناشئة أو انخفاض الأداء في الوقت المناسب. وهنا يمكن لقوة التعلم الآلي ومستشعرات إنترنت الأشياء (إنترنت الأشياء) أن تُحدث فرقاً كبيراً.

ما هي الصيانة التنبؤية؟

مفهوم الصيانة التنبؤية واضح ومباشر. فبدلاً من التفاعل مع ما حدث بالفعل، تقوم بتطوير نظام حماية كاثودية يتطلع إلى ما قد يحدث بناءً على المراقبة والتحليلات في الوقت الفعلي.

تستخدم خوارزميات التعلّم الآلي أدوات مختلفة، بما في ذلك اتجاهات الأداء التاريخية، والمتغيرات البيئية (مثل درجة الحرارة والرطوبة ومستوى المياه ومقاومة التربة) وبيانات أجهزة الاستشعار، ثم تحسب النتائج المحتملة. يشبه الأمر وجود مهندس في "المحطة الجاهزة" لا يحتاج إلى أي نوم ويعمل فقط على البيانات المرصودة. وبهذه الطريقة، إذا لوحظت أي حالات شاذة أو اتجاهات تدهور، يتم الإبلاغ عنها على الفور وإرسالها لإخطار فرق الصيانة أو الإدارة المناسبة.

كيف يعمل التعلم الآلي في أنظمة CP

هناك العديد من مراحل تكامل تعلّم الآلة التي يجب أن تحدث قبل أن تتمكن من الاعتماد على مثل هذه الأنظمة للصيانة التنبؤية. على سبيل المثال، يجب أن يتضمن التعلم الآلي للحماية الكاثودية بنية تحتية رقمية. يجب تركيب شاشات إنترنت الأشياء لالتقاط نقاط البيانات من أجل:

• إمكانات الأنابيب إلى التربة (PSP)
• خرج التيار من المقومات
• كثافة تيار الأنود
• فولتية الخلية المرجعية
• ظروف التربة المحلية
• العوامل البيئية (درجة الحرارة، الأس الهيدروجيني، الرطوبة)

تقوم جميع هذه المستشعرات بتغذية البيانات إلى المنصات القائمة على السحابة أو الإنترانت. حيث يتم حسابها وتحليلها للكشف عن الحالات الشاذة، مثل الانخفاض المفاجئ في PSP. سيطور التعلّم الآلي نماذج انحدار للتنبؤ بالقيم المستقبلية أو "تنبؤ" بالمكان الذي يجب أن تكون عليه الحماية. كما سيقوم بتصنيف كل مستشعر أو مكوّن لتحديد ما إذا كان يحتاج إلى فحص أو من المحتمل أن يفشل.

في بعض التطبيقات المتطورة، يمكن أن يؤدي انتشار التعلم الآلي وأجهزة الاستشعار إلى شبكات عصبية متقدمة حول البنية التحتية للحماية. وهذه فائدة كبيرة للأنظمة الأكبر حجماً والأكثر تعقيداً، مثل خط أنابيب عابر للبلدان.

مثال من العالم الواقعي: خط الأنابيب مراقبة النزاهة

قيمة المراقبة الميدانية للأنظمة لن تختفي. لن يحل التعلم الآلي محل المهندسين يدوياً فحص خطوط الأنابيب. ما يفعله ML هو تبسيط العملية وإضافة طبقة أخرى من الحماية.

لنفكر في خط أنابيب نفط بطول 200 ميل مزود بنظام حماية كاثودي للتيار الكهربائي. سيتطلب هذا النطاق من النظام الكثير من الفرق التي تتنقل يدوياً ميلاً بعد ميل للتحقق من مشاكل الجهد الكهربائي ومحطات الاختبار.

يوفر التعلم الآلي باستخدام مستشعرات إنترنت الأشياء مراقبة في الوقت الفعلي عبر النظام بأكمله. فبدلاً من أن تتنقل الفرق بشكل منهجي ميلاً بعد ميل، يمكنها التركيز على المناطق الأكثر "عرضة للخطر" بفضل المستشعرات والبيانات التي يتم تحليلها.

توفر عمليات التكامل هذه على الشركات الوقت والمال. يؤدي تطبيق تعلّم الآلة لأنظمة الحماية الكاثودية إلى نقل الشركة من عقلية تركز على الامتثال إلى عقلية تحسين الأصول الاستراتيجية. يتم تقليل المخاوف التنظيمية حيث يضمن توليد التقارير والتشخيصات الحديثة التوثيق المناسب. بالنسبة لقطاعات مثل النفط والغاز، يُترجم ذلك إلى وفورات كبيرة ومخاطر أكثر استقراراً.

التحديات والاعتبارات في تطبيق التعلّم الآلي في مجال التعلّم الآلي للحاسوب

لا يخلو دمج التعلم الآلي في أنظمة الحماية الكاثودية الحديثة من بعض التجارب والأخطاء. ستكون هناك آلام متزايدة بينما تتكيف شركتك مع المراقبة المتقدمة وصيانة أجهزة الاستشعار.

أولاً، تتطلب خوارزميات تعلّم الآلة حجمًا كبيرًا من البيانات عالية الجودة. بدون تلك المعلومات، لا يمكن للنموذج التنبؤ بدقة بالاحتياجات المستقبلية أو العمل بفعالية. قد يكون لدى بعض الشركات القديمة صوامع بيانات لا تتواصل مع بعضها البعض أو تحتوي على معلومات لم يتم تحويلها رقميًا للتحليل التاريخي. ويعتمد نجاح التعلم الآلي إلى حد كبير على معلومات دقيقة وموثوقة من أجهزة الاستشعار.

من ناحية أخرى، يجب تدريب نماذج التعلم الآلي. وتتحسن قدرات هذه الأنظمة بمرور الوقت. وهذا يعني أنه يجب أن تكون هناك لمسة إنسانية للتكامل على أساس الخبرة والإلمام بأهداف نظام كاثودي. فحتى أقوى أنظمة التعلم الآلي لا يمكن أن تعمل بفعالية إذا لم تكن هناك أمثلة ذات صلة بالسلوك الطبيعي وغير الطبيعي لتكون بمثابة نقاط مرجعية.

كما يجب أن تسمح الأنظمة القديمة بتكامل أنظمة الحماية الكاثودية. قد تعمل الحماية الكاثودية الموجودة بالفعل بشكل مستقل عن الأنظمة الأخرى لمشاكل الامتثال. يجب بناء جسور واجهة برمجة التطبيقات، أو قد تكون هناك حاجة إلى وحدات حوسبة متطورة مع بنية تحتية سحابية لضمان إمكانية عمل تعلّم الآلة مع نظام معين. سيتطلب ذلك بعض التكاليف الأولية التي قد تكون باهظة بالنسبة لبعض الشركات أو الصناعات.

وأخيراً، هناك قلق بشأن الأمن السيبراني والامتثال. إن إدخال جيش من مستشعرات إنترنت الأشياء يعرّض الشركة لمخاطر الهجمات الإلكترونية. ولا يخفى على أحد أن بعض الجهات الفاعلة الخبيثة ستبحث عن المؤسسات ذات الصلة بالبنية التحتية كأهداف محتملة للهجوم. ومهما كان ما يتم إدخاله من تقنيات إنترنت الأشياء، يجب أن يتضمن تشفيراً من الدرجة الصناعية، ومصادقة متعددة الطبقات، واختباراً منتظماً لنقاط الضعف لضمان الامتثال.

دورنا كخبراء في الهندسة

نعم، يعد تطبيق التعلم الآلي لأنظمة الحماية الكاثودية التي تعمل على تحسين الصيانة التنبؤية أداة قوية في خفض المخاطر وتحسين الأداء المالي للشركة. ومع ذلك، لا يمكنك الاعتماد فقط على علماء البيانات أو متخصصي تكنولوجيا المعلومات لتنفيذ مثل هذه الأنظمة.

مطلوب مهندسون لديهم تاريخ طويل من النجاح في هذا المجال:

• اختبار كيمياء التربة لمعرفة تأثيرها المحتمل على التآكل
• قياس التداخل الكهربائي وما هو التدريع الذي قد يكون مطلوبًا
• تصميم أنواع مختلفة من أنظمة الحماية الكاثودية
• ضمان الامتثال الكامل للوائح التنظيمية وفحوصات السلامة
• تقديم تحليل نمط الفشل

أنت بحاجة إلى فرق ذات مهارات عالية مثل فريقنا في شركة درييم الهندسية لضمان هندسة التآكل المناسبة، وتصميم الحماية الكاثودية، والرؤية الهندسية الكهربائية الجنائية. سيؤدي ذلك إلى سد الفجوة الناتجة عن إدخال تقنيات جديدة، مثل تعلّم الآلة وإدارة مستشعرات إنترنت الأشياء. يمكن لفرقنا المحترفة تدقيق وتقييم أنظمة الحماية الكاثودية الحالية الخاصة بك وتقييم جاهزية أنظمة الحماية الكاثودية الحالية الخاصة بك من أجل جاهزية تعلّم الآلة، وتقديم المشورة بشأن وضع أجهزة الاستشعار لضمان تحليل البيانات الأكثر دقة وفعالية.

علاوةً على ذلك، يمكن لشركة هندسة الجودة أن تقدم خارطة طريق لتنفيذ الصيانة التنبؤية التي من شأنها أن تشمل:

• تقييم البنية التحتية الحالية للحماية الكاثودية
• إطلاق برنامج تجريبي بأصول عالية القيمة
• التحقق من صحة النموذج وتعديله باستخدام التعليقات الواردة من الفرق
• إدماج تعلّم الآلة في جداول الصيانة وتدريب الموظفين
• التأكد من أن النظام قابل للتطوير في حالة الحاجة إلى توسيع نطاق التغطية

كلما زادت إرشادات الخبراء في المراحل الأولى من تطبيق تعلّم الآلة كلما كان أداء النظام أفضل على المدى الطويل. العمل مع شركة درييم الهندسية في وقت مبكر وليس بعد التركيب يساعد على منع العديد من المشاكل التي تواجهها بعض الشركات عند إعداد ML للحماية الكاثودية.

مستقبل أكثر ذكاءً للحماية من التآكل

ليس هناك شك في أن التآكل هو أحد أكثر التهديدات المكلفة والمستمرة للبنية التحتية الحيوية. ولطالما كانت الحماية الكاثودية بمثابة دفاع أساسي ضد هذه التهديدات. يعد دمج التعلم الآلي للصيانة التنبؤية المتقدمة طريقة ممتازة لتعزيز الحماية.

في حين أنه سيكون هناك بعض التعديلات على التقنيات الجديدة وإعادة تقييم مهام الموظفين، إلا أنه لا يمكن المبالغة في فوائد الحد من المخاطر وتحليل التكاليف وتخصيص الموارد. إن تعلّم الآلة أداة قيّمة تكمّل الرقابة البشرية وتساعد على ضمان حماية خطوط الأنابيب والخزانات وغيرها من الهياكل بشكل جيد في المستقبل.