تحول در استانداردسازی داده‌های فنی قطعات یدکی در صنعت فولاد

مطالعه موردی: پیاده‌سازی سیستم یکپارچه مدیریت نگهداری و تعمیرات در شرکت جهان فولاد سیرجان (SJSCO)

نویسنده: مهدی عربی – کارشناس ارشد مهندسی مکانیک – مدیر دپارتمان مدیریت دارایی شرکت IGS

صنایع فولادی و معدنی ایران، به‌ویژه در گروه‌های بزرگ تولیدی، با مجموعه‌ای گسترده از تجهیزات سنگین، خطوط پیچیده فرآیندی و قطعات یدکی متعدد سروکار دارند. این حجم از تجهیزات، نیازمند ساختاری دقیق، قابل‌اعتماد و استاندارد برای مدیریت دارایی فیزیکی و برنامه‌ریزی نگهداری است؛ ساختاری که بدون وجود یک بانک اطلاعاتی منسجم از مشخصات فنی و طبقه‌بندی درست قطعات یدکی، عملاً قابل تحقق نیست.

مقاله تعمیر و نگهداری (نت) شماره 1

شرکت جهان فولاد سیرجان (SJSCO)، به عنوان یکی از بازیگران اصلی زنجیره آهن و فولاد کشور، در سال ۱۴۰۳ پروژه‌ای راهبردی را برای استقرار سیستم یکپارچه مدیریت نگهداری و تعمیرات (IMMS) آغاز کرد. نقطه عطف این پروژه، ایجاد یک Master Data واحد، معتبر و استاندارد برای تمامی قطعات یدکی بود.

چالش اصلی از جایی آغاز شد که نزدیک به ۴۰ هزار رکورد قطعه یدکی در اختیار تیم اجرایی قرار گرفت؛ رکوردهایی که فقط دارای یک کد داخلی بودند و فاقد هرگونه استاندارد طبقه‌بندی یا اطلاعات فنی قابل‌اتکا. در بسیاری از موارد، داده‌های ثبت‌شده شامل ترکیبی نامنسجم از مشخصات فنی، ابعادی، نوع تجهیز، شماره نقشه، مدل، سایز، فشار عملیاتی، برند، تیپ و حتی توضیحات غیرمرتبط بود. این وضعیت، علاوه بر ایجاد خطا و ابهام در فرآیند نگهداری و انبارداری، برنامه‌ریزی خرید و تأمین قطعات را نیز با مشکل جدی مواجه می‌کرد.

براساس تجربه متعارف در صنعت، استخراج و تکمیل چنین حجم عظیمی از داده‌ها، نیازمند حضور حداقل ۱۰ کارشناس متخصص در حوزه‌های مکانیک، برق، ابزار دقیق، هیدرولیک، نیوماتیک، کنترل و… و صرف زمانی نزدیک به یک سال بود. اما زمان پروژه، چنین فرصتی را در اختیار نمی‌گذاشت.

اینجا پرسش کلیدی مطرح شد:

آیا می‌توان در زمانی کوتاه، بدون افزایش هزینه و بدون ایجاد وابستگی به نیروی انسانی فراوان، یک دیتابیس استاندارد، کامل و هم‌راستا با ساختار CMMS ایجاد کرد؟

راه‌حل مبتنی بر هوش مصنوعی شرکت IGS

شرکت IGS به عنوان پیمانکار این پروژه، برای پاسخ به این چالش، رویکردی نوآورانه و مبتنی بر هوش مصنوعی را توسعه داد؛ رویکردی که به‌جای تکیه بر روش‌های سنتی، از تحلیل هوشمند داده‌ها، تشخیص الگوها و تطبیق ساختاری استفاده می‌کرد.

هسته اصلی این رویکرد، یک ابزار هوش مصنوعی بود که برای نخستین‌بار در یک پروژه صنعتی فولادی در کشور، وظیفه استانداردسازی و طبقه‌بندی داده‌های خام قطعات یدکی را بر عهده گرفت.

قابلیت‌های کلیدی ابزار

  • تبدیل اطلاعات خام به ساختار طبقه‌بندی‌شده مطابق با کدینگ شرکت ایریسا (IS-SUIT)
  • تشخیص نوع قطعه یدکی و تعیین Basic Code صحیح
  • استخراج و تکمیل بیش از ۱۲ فیلد ضروری شامل:

Spare Part Type، Manufacturer، Type، Model، Part Number، Item، Article، Standard، Order Number، Drawing Number، Extra Spec و IRSA Spec Counter

  • تطبیق خودکار اطلاعات با ساختارهای فنی و شناسایی مقادیر ناسازگار
  • کاهش شدید خطای انسانی در فرآیند کاتالوگینگ
  • ایجاد ساختار یکنواخت برای قطعات مشابه
  • لینک‌دهی هوشمند به منابع خارجی شامل: کاتالوگ‌های سازندگان، وب‌سایت رسمی تجهیزات، تصاویر فنی و مستندات قابل دانلود

نکته مهم اینجاست که ابزار، تنها خوانش متن انجام نمی‌داد؛ بلکه سازوکار آن مبتنی بر «درک معنایی» مشخصات، «تشخیص نوع تجهیز» و سپس «تطبیق با ساختار طبقه‌بندی» بود. به همین دلیل توانست برای هزاران قطعه مختلف – حتی با توصیف‌های ناقص، متفاوت یا پرخطا – Basic Code صحیح تعیین کند و اطلاعات کامل استخراج‌شده را در قالب استاندارد پروژه تولید نماید.

این فرآیند، عملاً کاری را که ۱۰ متخصص با یکی دو سال تلاش می‌توانستند انجام دهند، در مدت چند هفته به خروجی قابل‌عرضه رساند.

نتایج، ارزش افزوده و مسیر آینده

اجرای راهکار هوش‌مصنوعی‌محور IGS در شرکت جهان فولاد سیرجان، نتایج قابل‌توجهی در سطح عملیاتی و راهبردی به همراه داشت:

  • استانداردسازی بیش از ۴۰ هزار رکورد قطعات یدکی
  • هم‌ترازی کامل با ساختار کدینگ IS-SUIT
  • ایجاد یک Master Data واحد، قابل جست‌وجو، مستند و قابل اتکا
  • امکان استفاده مستقیم در سیستم برنامه‌ریزی نگهداری و تعمیرات
  • کاهش خطای انسانی به نزدیک صفر
  • کاهش چشمگیر نیاز به نیروی متخصص متعدد
  • کاهش قابل‌توجه هزینه و افزایش سرعت اجرای پروژه
  • امکان تجمیع و مدیریت بهتر موجودی انبار و قطعات مشترک
  • ایجاد زیرساخت پایدار برای سال‌های بعد و توسعه‌های فرآیندی

این روش، فراتر از یک تحول داخلی در SJSCO، یک نمونه قابل‌تکرار برای کل صنایع فولادی، معدنی، سیمان، نفت و پتروشیمی محسوب می‌شود. زیرا بخش عمده سازمان‌ها با چالش مشابهی در حوزه قطعات یدکی روبه‌رو هستند و استانداردسازی داده‌ها را یک پروژه پیچیده، زمان‌بر و پرهزینه می‌دانند.

نتیجه گیری

تجربه این پروژه نشان داد که با ترکیب تخصص صنعتی و هوش مصنوعی، می‌توان یک مسیر جدید و کارآمد برای مدیریت دارایی فیزیکی و نگهداری و تعمیرات در ایران ترسیم کرد.

در ادامه مسیر، امکان توسعه ابزار مبتنی بر هوش مصنوعی به‌عنوان یک محصول نرم‌افزاری نیز در دست بررسی است؛ محصولی که می‌تواند با قیمت و زمان بسیار کمتر از روش‌های سنتی، خدمات استانداردسازی و کاتالوگینگ را برای صنایع کوچک و بزرگ فراهم کند.

شرکت IGS آمادگی دارد این تجربه و توانمندی را در اختیار سایر مجموعه‌های صنعتی قرار دهد و پروژه‌های مشابه را با بالاترین سرعت، دقت و بهره‌وری اجرا نماید.

بدون دیدگاه

دیدگاهتان را بنویسید