كيف تحسن أساطيل البناء استخدام الأصول مع تحليلات مخصصة

معظم أنظمة إدارة أساطيل البناء يمكنها معرفة مكان الآلة. لكن عدداً أقل بكثير يمكنه الإجابة على السؤال الدقيق حول الأسطول: أي المركبات قدمت عملاً مفيداً، وأيها أحرقت الوقود دون طائل، وأي الأصول تقترب بصمت من الفشل؟

Key takeaways

• احصل على ساعات العمل الفعلية بدلاً من ساعات المحرك، وبذلك يمكنك تحديد الآلات التي تهدر الوقود والسائقين الذين لا يعملون بكفاءة كافية.
• اجمع بين قيمة RPM وحِمل المحرك لاكتشاف سلوك الخمول المرتفع غير المرئي في التقارير القياسية.
• وزّع عبء العمل بالتساوي على الأصول الثقيلة لإطالة عمر الخدمة وتأجيل نفقات الاستبدال (CAPEX).
• اكتشف تراجع أداء المحرك قبل ظهور رموز الأعطال التي تؤدي إلى الانهيارات.
• اربط البيانات التليمترية بالمشغلين لتحسين المساءلة وتقليل الهدر واستهداف برامج التدريب.

What information should a telematics platform provide to a construction fleet manager?

يدير أحد مشغلي المعدات الثقيلة في المملكة المتحدة مئات الأصول المتصلة، بما في ذلك أكثر من 100 حفار ومولدات وآلات صناعية جميعها مزوَّدة بأجهزة تتبع تليمترية. على الرغم من أن تعقب نظام GPS كان يعمل، وتم الحصول على تقارير ساعات المحرك ووصول رموز الأعطال في الوقت المحدد، ظل فريق العمليات يواجه صعوبة في الإجابة عن أسئلة عملية مثل:

• أي الحفارات كانت فعلياً تحت الحمل مقابل تلك التي كانت تعمل بالخمول عند RPM مرتفع؟
• أي المولدات كانت أكبر من المطلوب بالنسبة للمواقع التي تزودها بالطاقة؟
• أي المشغلين يقومون بالتحميل الزائد أو التحميل المنخفض بشكل مستمر على الآلات؟
• أي الأصول تتجه نحو أحداث صيانة مكلفة؟

لقد أنتج الأسطول بالفعل كميات هائلة من البيانات، لكن معظم هذه المعلومات بقيت محصورة في تقارير قياسية.

بالتعاون مع شركة التكامل Plug N Play Solutions، أعاد الفريق بناء إستراتيجيته حول منصة تحليلات الأسطول IoT Query من Navixy، حيث تم تحويل البيانات التليمترية الخام إلى إشارات قابلة للتنفيذ حاسمة للأعمال. أنشؤوا حالات تشغيل محددة للآلة، ومقاييس لساعات الإنتاج، ومؤشرات صيانة مبنية على الحالة، وتحليلات على مستوى المشغل تتوافق مع متطلبات المعدات الثقيلة.

يستند هذا المثال التطبيقي إلى حلقة من بودكاست Telematics Talks من Navixy.

Why traditional construction fleet management metrics need to be reviewed

لم يكن هناك نقص في البيانات التليمترية لدى الأسطول. وظهرت المشكلة عندما حاول مديرو العمليات اتخاذ قرارات تتعلق بالصيانة والاستخدام استناداً إلى تلك البيانات.

قد تظهر حفارة ما ثماني ساعات عمل محرك، بينما تكون قد أمضت نصف نوبتها في الخمول عند أقصى سرعة دوران (RPM). وقد يعمل مولد بشكل مستمر مع تحمُّل جزء صغير فقط من الحمل المطلوب. وقد يُظهر مشغلان يستخدمان آلات متماثلة تماماً أنماط تآكل واستهلاك وقود مختلفة كلياً من دون أن يلاحظ أحد. إن التقارير التليمترية القياسية تختزل كل تلك الفروقات التشغيلية في مقاييس عامة.

يمكن لأجهزة GPS الصناعية الحديثة من شركات مثل Teltonika وGalileosky بث مئات من معلمات المستشعرات من آلة واحدة. لكن معظم برامج إدارة أساطيل البناء تعرض جزءاً محدوداً فقط من تلك البيانات التليمترية عبر تقارير ولوحات بيانات محددة مسبقاً.

ويكتسب هذا distinction أهمية لأن أساطيل البناء تعمل بطريقة مختلفة عن أساطيل الخدمات اللوجستية. ففي العمليات الخاصة بالمعدات الثقيلة، لا تهم كثيراً المواقع التي انتقلت إليها الأصول بقدر ما يهم كيفية تشغيلها تحت الحمل خلال تلك الساعات.

يُغيِّر ذلك النموذج التحليلي بالكامل. فبدلاً من الاعتماد على حالات الإشعال وحدها، أصبحوا يربطون بين RPM وحمل المحرك ودورات العمل والعناصر المحددة لكل آلة.

How the construction fleet started measuring productive hours instead of engine hours

كان من أهم التغييرات في المشروع إعادة تعريف معنى "وقت العمل" فعلياً. ففي كثير من أساطيل المعدات الثقيلة، تُعامل ساعات المحرك كمقياس للاستخدام. ولكن في الواقع، فإن تشغيل المحرك لا يدل كثيراً على العمل المنتج.

قامت Plug N Play باستبدال نموذج ساعات المحرك التقليدي بتحليلات "ساعات الإنتاج". وللقيام بذلك، تم دمج إشارات تليمترية متعددة: نطاقات RPM وحمل المحرك ودورات العمل وحالة الخمول والعناصر التشغيلية الخاصة بكل آلة.

بدلاً من عرض ثنائي "محرك قيد التشغيل/محرك متوقف"، جرى تصنيف الآلات إلى حالات تشغيل مثل:

• حمل منتج
• تشغيل بحمل منخفض
• خمول
• خمول مرتفع
• دورة عمل شاقة

وهذا ما رسم صورة أكثر واقعية لاستخدام الأصول على مستوى الأسطول. كما أدى ذلك على الفور إلى كشف مصدر مهم للخمول المموَّه: الخمول المرتفع.

What high idle revealed about fleet utilization in heavy machinery

كان بعض المشغلين يرفعون دواسة الوقود إلى أقصى RPM ويتركون الآلة في وضع الخمول أثناء مغادرتهم المقصورة. وقد كانت التقارير التقليدية تسجل تلك الساعات على أنها استخدام نشط لأن المحرك كان يعمل. بينما من الناحية العملية، تلك الآلات لم تقدم أي قيمة مضافة وظلَّت تولِّد:

• تكاليف الوقود
• تآكل المحرك
• تراكم أعمال الصيانة
• تضخيم مصطنع لمقاييس الاستخدام

أضاف الفريق حالة تشغيل مخصصة تُسمى "الخمول المرتفع"، تعتمد على معادلة بسيطة: High RPM + حمل محرك منخفض = خمول مرتفع.

غيّرت هذه القيمة المفردة الطريقة التي تقيّم بها الإدارة الإنتاجية. فالآلات التي كانت تبدو سابقاً "مشغولة" أظهرت فجأة أجزاء كبيرة من الوقت الضائع. أصبح بإمكان مديري الأسطول التفريق بين الأصول التي تنجز عملاً فعلياً وبين تلك التي تستهلك الوقود من دون إنتاج.

ومع ظهور قياس الخمول المرتفع، تمكن المشرفون من:

• تحديد العادات التشغيلية المشكلة.
• مقارنة الاستخدام عبر المواقع.
• تحسين قرارات الجدولة بمستوى ثقة أعلى بكثير.

من المهم الإشارة إلى أن كل هذا لم يتطلب استثمارات في أجهزة جديدة. إنما استُخلصت القيمة من تفسير البيانات بطرق مختلفة.

How custom fleet analytics reshaped maintenance planning

حدث التحول نفسه في إدارة الصيانة. في العادة، تكتفي أساطيل المعدات الثقيلة بالعمل وفق منهج الصيانة التفاعلية. يظهر رمز عطل، وتتوقف آلة ما، فيُنادى المهندس.

المشكلة أن العديد من المشاكل التشغيلية تتطور قبل فترة طويلة من ظهور رموز الأعطال. فالتحميل المنخفض المستمر يسد أنظمة DPF تدريجياً. وتشير أنماط RPM غير المستقرة إلى سلوك محرك غير طبيعي. وتكشف طفرات الحمل عن إجهاد تشغيلي قبل أن تتحول الأعطال إلى حقيقة.

وبما أن الأسطول يمتلك بيانات تليمترية تاريخية، صار من الممكن مراقبة هذه الأنماط على مدى زمني، بدلاً من رد الفعل فقط عند حدوث الأعطال المتأخرة.

وصف Matt Watson، المدير العام في Plug N Play Solutions، هذه القيمة على النحو التالي:

“إذا استطعت رؤية ذلك التوجه عبر الوقت، فستتمكن من اعتراض المشكلة قبل ظهور أي خطأ في المحرك.”

يُغيّر ذلك الوضع الاقتصادي للصيانة جذرياً. إذ يصبح جدول الصيانة في يوم عمل هادئ أقل تكلفة بكثير من الانهيارات الطارئة، أو التوقفات غير المخطط لها، أو إرسال المهندسين إلى الموقع، أو تكاليف استبدال المعدات، أو تجاوز المواعيد النهائية للمشاريع.

How load balancing helps construction fleets extend equipment life

نادراً ما توزَّع أحمال العمل بالتساوي في أساطيل المعدات الثقيلة. فبعض الآلات تتحمل أحمالاً تشغيليةً هائلة، بينما يبقى بعضها الآخر ذا استخدام خفيف. بمرور الوقت، يؤدي هذا الخلل إلى نتائج متوقعة: تآكل متسارع في الآلات عالية التحميل، واختلاف معدلات الاهتلاك، واستبدال مبكر، وارتفاع تكاليف الصيانة، وانخفاض الكفاءة العامة للأسطول.

ومع الحصول على رؤية دقيقة لحِمل المحرك وحجم العمل المنتج، تمكن فريق العمليات من إدارة التوزيع بشكل أكثر ذكاءً.

يبرز هذا النهج بصورة خاصة في أساطيل المولدات. ففي أحد الأمثلة، كانت المواقع الصناعية تطلب باستمرار مولدات بقدرة 100 كيلو فولت أمبير (kVA) بغض النظر عن احتياجاتها الفعلية. وقد أظهرت البيانات التليمترية لاحقاً أن بعض المواقع تستهلك 18 كيلو فولت أمبير فقط.

أدى هذا التفاوت إلى مشاكل تحميل منخفضة مستمرة. إذ تحتاج المحركات الحديثة الخاضعة لمعايير الانبعاثات إلى حمل كافٍ لتعمل بكفاءة. فتشغيل مولدات كبيرة مع حمل منخفض يسرع تراكم السخام ويقصر من عمر المكونات.

وبفضل التحليلات المخصصة، أصبح بإمكان الأسطول تحديد هذه الأنماط مبكراً، وتخصيص المعدات المناسبة قبل حدوث الأعطال. وبعد التنفيذ، بات بإمكان المشغلين تقديم توصيات ملائمة حول المعدات استناداً إلى بيانات التشغيل الفعلية.

How operator-level analytics improved accountability

ركزت المرحلة الأخيرة من مشروع التحليلات المخصصة لأسطول البناء على المشغل نفسه. ربطت وحدات بلوتوث كل تدفق تليمترية بشخصية محددة. إذ استخدم نفس الاعتماد لتشغيل الآلة بهدف تحديد المشغل.

أدى ذلك إلى تحسينات تشغيلية عدة:

1. منع غير المؤهلين من تشغيل معدات محددة. فلم يعد باستطاعة أي شخص تشغيل الآلات دون تصريح.
2. أصبح من الممكن تتبع الحوادث المشبوهة. إذ اكتشف الأسطول حالات تكرار استهلاك الوقود ليلاً من خلال الجمع بين معرِّفات البلوتوث وبيانات التليمترية المرئية. وما كان يبدو سابقاً مجرد فقدان وقود غير مبرر أصبح نمطاً تشغيلياً موثقاً.
3. صار من الممكن قياس سلوك المشغل بطريقة لا تستطيع معظم الحلول التليمترية القياسية توفيرها. فبعض المشغلين يُنتجون دورات عمل أنظف، بينما يرتفع معدل الخمول لدى آخرين. وبمجرد أن ظهرت هذه الأنماط، تمكّن المشرفون من تقديم التوجيه المستهدف.

تكتسب هذه النقطة أهميتها لأن الاختلافات السلوكية بين المشغلين غالباً ما تُحدث فجوات كبيرة في الكفاءة أكبر مما تحدثه الفروقات بين الآلات.

Why IoT Query mattered in the construction fleet analytics

ما كان لأي من هذه التحليلات أن يكون ممكناً بدون الوصول المباشر إلى البيانات التليمترية الخام في IoT Query. إذ تتيح معظم أنظمة التليماتيك تقارير معدة مسبقاً ولوحات بيانات ثابتة فقط. قد يكون هذا كافياً لتتبع GPS القياسي، ولكنه محدود عندما تحتاج أساطيل المعدات الثقيلة إلى منطق تشغيلي مخصص.

يعرض IoT Query قاعدة البيانات التليمترية الكاملة وينظم البيانات في طبقات تحليلية متعددة: طبقة بيانات خام لإشارات التليمترية الأصلية وطبقة تحويلية للكيانات التشغيلية والمنطق المخصص.

وقد منح هذا الهيكل لمزود الخدمة حرية تطوير حالات تشغيل خاصة بكل آلة، ومؤشرات أداء رئيسية (KPIs) مخصصة، ونماذج تشغيل دون انتظار تطوير ميزات من جانب مزود المنصة. وهذا أمر بالغ الأهمية في إدارة أساطيل البناء لأن بيئات التشغيل تختلف من موقع لآخر.

What construction fleet managers can learn from this project

هناك دروس عدة من هذه التجربة يمكن أن تفيد الأساطيل الكبيرة للمعدات الثقيلة. أولاً، إن ساعات المحرك وحدها مقياس ضعيف للاستخدام. ما لم تفصل الأساطيل بين وقت الحمل المنتج ووقت الخمول، ستبقى تقارير الاستخدام غير مكتملة.

ثانياً، يُعد حمل المحرك أحد أهم الإشارات التشغيلية في بيئات المعدات الثقيلة. فهو يؤثر مباشرة في خطة الصيانة وكفاءة الوقود وتآكل الآلات وطول عمر الأصول.

ثالثاً، سلوك المشغل له تأثير أكبر مما تتوقعه الكثير من الأساطيل. فما إن تُربط البيانات التليمترية بالمشغلين الأفراد، يسهل تحديد الفرص التدريبية ومكامن الهدر.

أخيراً، تعود قيمة تحليلات أساطيل البناء في الأساس إلى الاستفادة الذكية من البيانات القائمة أكثر مما تتعلق بجمع المزيد من البيانات.

تواصل معنا لاكتشاف كيف يمكن لـIoT Query مساعدة أساطيل البناء في تحويل البيانات التليمترية الخام إلى تحليلات لساعات الإنتاج وذكاء صيانة ومؤشرات أداء مخصصة للمعدات الثقيلة.

Frequently asked questions about heavy machinery fleet analytics

Q.: What’s the role of telematics in construction fleet management?

A.: توفر التليماتيك لفِرق إدارة أساطيل البناء رؤية لمواقع المعدات وسلوك المحرك واستهلاك الوقود ونشاط المشغل وحالات الصيانة. في عمليات المعدات الثقيلة، تكمن القيمة الكبرى غالباً في تحليل الحمل وسلوك الخمول وحمل المحرك بدلاً من الاكتفاء بتتبع GPS وحده. لاختبار هذا الاختلاف، استخدم قوالب لوحة التحكم Heavy Machinery في Dashboard Studio، وهو تطبيق مضمَّن لتصور البيانات يسمح للمستخدمين بإنشاء لوحات مخصصة لتدفقات العمل ومؤشرات الأداء الرئيسية لديهم مباشرة في Navixy دون الحاجة لخدمات خارجية أو أدوات ذكاء أعمال.

Q.: What is the difference between engine hours and productive hours for construction fleets?

A.: يكمن الفرق بين ساعات المحرك وساعات الإنتاج في أن ساعات المحرك تقيس إجمالي وقت تشغيل المحرك، بينما تقيس ساعات الإنتاج التشغيل تحت الحمل الفعلي. وتمنح تحليلات ساعات الإنتاج الأساطيل نظرة أدق حول مستوى الاستخدام وكفاءة الوقود ومخرجات التشغيل.

Q.: Can IoT Query work with existing heavy equipment telemetry hardware?

A.: يعمل IoT Query مع البيانات المستلمة من أجهزة التليماتيك الحالية للمعدات الثقيلة، بما في ذلك أجهزة GPS الصناعية، وتكاملات CAN bus، وأنظمة التحكم المخصصة للآلات. يكمل نظام Navixy التليماتيك مجموعة واسعة من أجهزة GPS الصناعية وتكاملات CAN bus، بما في ذلك Teltonika وGalileosky وأنظمة التحكم المخصصة. نتيجة لذلك، يمكن لـIoT Query استيعاب كلٍّ من التدفقات التليمترية القياسية والمخصصة.

Q.: How does operator-level analytics improve heavy machinery operations?

A.: تعزز التحليلات على مستوى المشغل كفاءة تشغيل المعدات الثقيلة عبر ربط البيانات التليمترية بالأفراد من خلال بلوتوث أو تقنيات تعريف الهوية (RFID). يساعد ذلك الأساطيل على تحسين المساءلة، وتقليل وقت الخمول، والتحقيق في أي نشاط غير مصرح به، وتحديد فرص التدريب.

Q.: How does advanced analytics improve maintenance planning?

A.: تحسن التحليلات المتقدمة خطط الصيانة من خلال تحديد أنماط التشغيل الشاذة قبل ظهور رموز الأعطال. حيث يسمح رصد سلوك الحمل وثبات RPM والاتجاهات التشغيلية للفرق الفنية بجدولة الصيانة بشكل استباقي وتقليل التوقفات المفاجئة. اطلع على منشور المدونة “كيفية التحكم في العمل الفعلي لأساطيل المعدات الثقيلة في Navixy” لمعرفة المزيد حول التحليلات القائمة على RPM لتحسين إدارة أساطيل البناء.