نظام الكشف الحراري بالذكاء الاصطناعي للرافعات LXD/DXT

وفقًا لمتطلبات معيار ISO 4301 / FEM 1.001 — الأحكام الأساسية لتصميم الرافعات بشأن مراقبة درجة حرارة المعدات الكهربائية وفحص العزل، تعمل الرافعة العلوية (رافعة جسرية) لفترات طويلة تحت الأحمال الثقيلة والتشغيل المستمر، وتُعد مشاكل ارتفاع حرارة النظام الكهربائي، والاحتكاك الميكانيكي المسبب لارتفاع الحرارة، وتقادم العزل من الأسباب الرئيسية لأعطال المعدات. تتيح تقنية التصوير الحراري بالأشعة تحت الحمراء الكشف غير التلامسي عن توزيع درجات الحرارة على سطح المعدات، والكشف المبكر عن مخاطر الارتفاع الحراري، بينما يحل نظام التحليل الآلي بالذكاء الاصطناعي مشاكل الاعتماد على الخبرة البشرية في التحليل اليدوي التقليدي، وانخفاض الكفاءة، وعدم توحيد المعايير.

يتناول هذا المقال المسار التقني الكامل للفحص الحراري الذكي للرافعة العلوية بالأشعة تحت الحمراء، بدءًا من إجراءات التصوير الميداني، وبناء مكتبة الخصائص الحرارية، ونشر نماذج التعلم العميق بالذكاء الاصطناعي، وصولًا إلى التوليد التلقائي لتقارير الفحص.

مجالات استخدام الفحص الحراري بالأشعة تحت الحمراء للرافعة العلوية وأهداف الكشف

تغطي مجالات استخدام الفحص الحراري بالأشعة تحت الحمراء للرافعة العلوية ثلاث فئات رئيسية: النظام الكهربائي، ونظام النقل الميكانيكي، ومكونات التوصيل الهيكلية. في النظام الكهربائي، تشمل أهداف الكشف الرئيسية ارتفاع حرارة وحدة IGBT في محول التردد، وارتفاع حرارة ملفات الجزء الثابت للمحرك، وارتفاع الحرارة الموضعي الناتج عن زيادة مقاومة التلامس في الكتل الطرفية ووصلات الكابلات، بالإضافة إلى الارتفاع غير الطبيعي لدرجة حرارة مكونات مثل قاطع الدائرة والملامس والمرحل داخل خزانة التحكم.

في نظام النقل الميكانيكي، يُركّز الفحص على انتظام توزيع درجة الحرارة في مواضع محامل مخفض السرعة، وارتفاع حرارة الاحتكاك بين بطانة الاحتكاك وعجلة الفرامل في المكبح، وارتفاع الحرارة الموضعي الناتج عن انحراف محاذاة الأعمدة في القارنة، بالإضافة إلى درجة حرارة تشغيل محمل الأسطوانة ومحمل محور العجلة في مبيت المحمل. بالنسبة للمكونات الهيكلية الموصلة، يُركّز الاهتمام على الارتفاع غير الطبيعي لدرجة الحرارة في مواضع تحمل الأحمال مثل مسامير الوصل بين العارضة الرئيسية والعربة الطرفية، ومشبك السكة، وحامل الموصل المنزلق، حيث يعكس الارتفاع غير الطبيعي لدرجة الحرارة في هذه المواضع غالبًا ارتخاءً هيكليًا أو ضعفًا في التلامس.

من حيث دورة الفحص، يجب تنفيذ الفحص الحراري بالأشعة تحت الحمراء للرافعة العلوية بشكل متدرج وفقًا لحالة تشغيل المعدات ودرجة الأهمية. يجب إجراء مسح حراري شامل شهريًا لمعدات الفئة A (رافعات الصب في المسابك، والرافعات الحرجة في خطوط الإنتاج الرئيسية)، وفحص فصلي لمعدات الفئة B (رافعات مناطق التشغيل العادية)، وفحص نصف سنوي لمعدات الفئة C (رافعات احتياطية أو منخفضة الاستخدام). يجب إجراء فحص حراري متابعة مخصص بعد التشغيل تحت الأحمال العالية، وقبل موسم الصيف الحار، وخلال 24 ساعة من استئناف التشغيل بعد الصيانة.

يجب إجراء الفحص أثناء تشغيل الرافعة تحت الحمل المقنن، ويُفضَّل اختيار ظروف تشغيل لا تقل فيها نسبة الحمل عن 70%، لضمان ظهور الخصائص الحرارية بشكل كافٍ.

معايير اختيار الكاميرا الحرارية وإجراءات التصوير الميداني

يتطلب التفتيش الحراري للرافعات العلوية معايير أداء محددة للكاميرا الحرارية. يجب ألا تقل دقة المستشعر عن 320×240 بكسل، ويُنصح باستخدام طرازات بدقة 640×480 بكسل أو أعلى لضمان دقة الكشف عن الأهداف الصغيرة البعيدة. يجب أن تكون حساسية درجة الحرارة (NETD) أفضل من 0.05 درجة مئوية، مع دقة قياس ±2 درجة مئوية أو ±2% من القراءة. يجب أن يغطي نطاق قياس درجة الحرارة من -20 درجة مئوية إلى +350 درجة مئوية، ليتكيف مع النطاق الديناميكي الواسع من البيئات منخفضة الحرارة إلى نقاط الأعطال عالية الحرارة.

يعتمد اختيار البعد البؤري للعدسة على مسافة الكشف: لفحص محرك الرافعة العلوية والمكبح على مسافة 3~5 أمتار، تكفي العدسة القياسية بزاوية 24 درجة؛ أما لفحص خط التغذية ووصلة السكة على ارتفاعات تزيد عن 10 أمتار، يُنصح بعدسة طويلة بزاوية 12 درجة أو خاصية قياس المسافة بالليزر مع التركيز التلقائي. يجب أن تدعم الكاميرا الحرارية التركيز اليدوي، وضبط الانبعاثية (0.1~1.0 بخطوة 0.01)، وتعويض درجة الحرارة المحيطة المنعكسة، وتصحيح نفاذية الغلاف الجوي، وهذه المعاملات ضرورية لدقة الكشف الميداني للرافعات العلوية.

يجب أن يتبع التصوير الميداني إجراءات تشغيلية موحدة. قبل التصوير، يجب على المفتش تسجيل معاملات البيئة: درجة الحرارة المحيطة، الرطوبة، سرعة الرياح، درجة الحرارة المنعكسة (تُقاس عادةً بطريقة رقائق الألومنيوم)، وانبعاثية السطح المفحوص (الأسطح المعدنية المطلية حوالي 0.85~0.92، والأسطح المعدنية المكشوفة حوالي 0.25~0.45). يجب أن تكون مسافة التصوير ضمن نطاق التركيز الأمثل للكاميرا الحرارية، وعادةً لا تتجاوز 15 مترًا.

يجب التقاط صورتين حراريتين على الأقل لكل نقطة تفتيش: صورة بانورامية لتحديد المواقع (تشمل عناصر مرجعية محيطة لتحديد موقع العطل لاحقًا)، وصورة مقربة مركزة (يشغل الهدف أكثر من ثلث الإطار). يجب حفظ الصور الحرارية بتنسيق بيانات درجة الحرارة الإشعاعية الخام (مثل Radiometric JPEG من FLIR أو تنسيق TMG من GuidIR)، لتمكين تحليل الذكاء الاصطناعي ومقارنة اتجاهات درجة الحرارة لاحقًا.

طوّرت كيلود للصناعات الثقيلة جدول نقاط تصوير موحدًا في ممارسات التفتيش الحراري للرافعات العلوية، يغطي 32 نقطة تفتيش رئيسية لكل رافعة علوية، بما في ذلك الخزانة الكهربائية، المحرك، المكبح، مخفض السرعة، مبيت محمل الأسطوانة، مجموعة العجلات، واجهة خط التغذية، ومسامير توصيل العارضة الرئيسية.

بناء مكتبة الخصائص الحرارية وتدريب نماذج التعلم العميق للذكاء الاصطناعي

جوهر التحليل الذكي للصور هو بناء مكتبة خصائص حرارية تغطي حالات التشغيل الطبيعية والأعطال النموذجية لجميع مكونات الرافعة العلوية. يتم بناء المكتبة على ثلاث مراحل. المرحلة الأولى هي جمع المكتبة الأساسية، حيث يتم جمع بيانات حرارية مستمرة لأكثر من 30 يومًا أثناء تشغيل الرافعة بحالة صحية، مع تغطية معدلات تحميل مختلفة ودرجات حرارة محيطة مختلفة وأوقات تشغيل مختلفة، لإنشاء منحنى توزيع درجة الحرارة الأساسي لكل نقطة تفتيش.

تتطلب المكتبة الأساسية ما لا يقل عن 100 إطار من البيانات الحرارية الصالحة لكل نقطة تفتيش، مع تغطية خمس فئات رئيسية من المعدات: محول التردد، المحرك، المكبح، مخفض السرعة، والوصلات الكهربائية، مع ما لا يقل عن 3 عينات من علامات تجارية أو طرازات مختلفة لكل فئة. المرحلة الثانية هي توسيع عينات الأعطال، من خلال محاكاة الأعطال يدويًا أو جمع بيانات حرارية من سجل الأعطال، لجمع ما لا يقل عن 50 عينة إيجابية لكل نوع من أنواع الأعطال.

بالنسبة لبيانات الأعطال الفعلية التي يصعب الحصول عليها، يمكن استخدام شبكات GAN التوليدية لتوليد صور حرارية للأعطال، أو استخدام CycleGAN لنقل النمط من الصور الحرارية الطبيعية إلى صور الأعطال لتوسيع مجموعة العينات.

فيما يتعلق باختيار النموذج، يعتمد نظام التحليل الذكي للصور الحرارية للرافعات العلوية عادةً بنية كشف على مرحلتين.

تستخدم المرحلة الأولى شبكة كشف الأهداف (مثل YOLOv8 أو RT-DETR) لتحديد مناطق أهداف الكشف تلقائيًا من الصور الحرارية البانورامية وقصّها، بينما تستخدم المرحلة الثانية شبكة تصنيف (مثل ResNet-50 أو EfficientNet-B4 أو Vision Transformer) لتحليل نمط درجة الحرارة لكل منطقة هدف، وتحديد حالتها كطبيعية أو تحذير أو إنذار.

لسيناريوهات تحليل الاتجاه الزمني، يتم إدخال معلومات البعد الزمني باستخدام نماذج ConvLSTM أو TimesNet للتنبؤ بمنحنى تغير درجة الحرارة لنفس نقطة التفتيش عبر عمليات التفتيش المتتالية، لتحديد ما إذا كان معدل ارتفاع درجة الحرارة غير طبيعي. أثناء تدريب النموذج، يتم تطبيع بيانات درجة الحرارة الإشعاعية الخام كمدخلات، حيث يقابل كل قيمة بكسل قيمة درجة حرارة حقيقية (الدقة 0.1 درجة مئوية)، ويتم تعيين نافذة السياق على بيانات آخر 3 عمليات تفتيش لنقطة التفتيش.

في النشر الفعلي لدى كيلود للصناعات الثقيلة، حقق نموذج الكشف YOLOv8m سرعة استدلال تبلغ 35 إطارًا في الثانية على جهاز NVIDIA Jetson Orin NX، مع دقة mAP@0.5 تبلغ 94.7%، وبلغت دقة نموذج التصنيف EfficientNet-B4 96.3%، مع إجمالي وقت مستغرق من التقاط الصورة الحرارية إلى إخراج نتيجة التشخيص أقل من ثانيتين.

بنية نظام الذكاء الاصطناعي لتحليل الصور الحرارية وتنفيذ التشخيص الآلي

يعتمد نظام الذكاء الاصطناعي لتحليل الصور الحرارية للرافعات العلوية على بنية هجينة تجمع بين المعالجة عند الحافة والحوسبة السحابية للإدارة.

عند الحافة، يتم نقل بيانات الأشعة تحت الحمراء الخام التي تلتقطها الكاميرا الحرارية عبر واجهة USB 3.0 أو GigE Vision إلى جهاز حوسبة الحافة المثبت محلياً في الورشة (NVIDIA Jetson Orin NX/AGX أو حاسوب صناعي من نوع AI Box PC)، حيث يقوم الجهاز بتشغيل نماذج الكشف YOLOv8 ونماذج التصنيف EfficientNet لتحقيق الاستدلال اللحظي والتنبيه الفوري.

بالنسبة لنقاط الكشف التي تتطلب تحليل الاتجاه الزمني، يقوم جهاز الحافة برفع بيانات المنطقة المستهدفة المقتصة وقيم درجات الحرارة المميزة إلى مركز البيانات السحابي عبر بروتوكول MQTT، حيث يستضيف المركز السحابي نموذج التنبؤ بالاتجاهات ConvLSTM وقاعدة بيانات حرارية واسعة النطاق. كما يتولى المركز السحابي إدارة تحديث النماذج، وتوليد تقارير التفتيش، وتحليل البيانات المجمعة من مواقع متعددة.

يستخدم الاتصال في النظام تشفير TLS، وتُنقل بيانات التصوير الحراري وتُخزن وفق متطلبات المستوى الثاني من معيار حماية مصنفة للأمن السيبراني GB/T 22239.

يعتمد مخرجات التشخيص الآلي بالذكاء الاصطناعي استراتيجية تصنيف ثلاثية المستويات. المستوى الأخضر هو الحالة الطبيعية، حيث يقوم النظام بأرشفة البيانات الحرارية تلقائياً وتحديث منحنى درجة الحرارة المرجعي لنقطة الكشف. المستوى الأصفر هو حالة الانتباه، عندما يتجاوز فرق درجة الحرارة عتبة التنبيه لكنه يبقى دون عتبة الإنذار، يقوم النظام بوضع علامة على نقطة الكشف في تقرير التفتيش ويوصي بإعادة الفحص بشكل مركز في المرة القادمة.

المستوى الأحمر هو حالة الإنذار، عندما يتجاوز فرق درجة الحرارة عتبة الإنذار أو يكون معدل تغير درجة الحرارة غير طبيعي، يقوم النظام فوراً بإرسال إشعارات تنبيه عبر الرسائل النصية وWeChat وWeChat للشركات، ويُنشئ في تقرير التفتيش تقريراً تفصيلياً لتحليل الأعطال يتضمن الصور الحرارية، والصور المقارنة بالضوء المرئي، ومنحنيات بيانات درجة الحرارة، والبيانات التاريخية المماثلة، وتوصيات الصيانة.

في تجارب النشر في عدة مصانع لشركة كيلود للصناعات الثقيلة، نجح نظام الذكاء الاصطناعي لتحليل الصور في تقليل وقت تحليل الصور اليدوي من متوسط 45 دقيقة لكل رافعة علوية إلى 8 دقائق، مع التحكم في معدل الفوات دون 0.5% ومعدل الإنذارات الكاذبة دون 3%، وحقق قدرة إنذار مبكر تتراوح بين 7 إلى 14 يوماً في سيناريوهين نموذجيين: ارتفاع حرارة الوصلات الكهربائية والاهتراء المبكر للمحامل.

أتمتة تقارير التفتيش ومنصة إدارة البيانات

يُعد التوليد التلقائي لتقارير التفتيش حلقة أساسية في تحقيق القيمة العملية لنظام الذكاء الاصطناعي لتحليل الصور.

بعد كل جولة تفتيش، يقوم النظام تلقائياً بإنشاء تقارير منظمة بتنسيق PDF/HTML مزدوج، وتشمل محتويات التقرير: المعلومات الأساسية للتفتيش (رقم المعدة، تاريخ التفتيش، المعاملات البيئية، فريق التفتيش)، وجدول ملخص لبيانات درجات حرارة نقاط الكشف الرئيسية (مع ترميز حالة كل نقطة بالألوان الأحمر والأصفر والأخضر)، وتحليل حراري تفصيلي لنقاط الكشف غير الطبيعية (بما في ذلك الصور الحرارية، ومدرج توزيع درجات الحرارة، ومنحنيات الاتجاه التاريخي لنفس النقطة، واستنتاجات التشخيص بالذكاء الاصطناعي وتوصيات الصيانة)، بالإضافة إلى نظرة عامة على تقييم صحة المعدة.

يعتمد تقييم صحة المعدة نموذج تقييم مرجح، حيث تُحسب درجات حرارة 32 نقطة كشف وفق أوزان محددة: يشكل النظام الكهربائي 40% من الوزن (منها محول التردد IGBT 15%، ملفات المحرك 10%، الكتلة الطرفية 8%، أجهزة التحكم 7%)، ويشكل نظام النقل الميكانيكي 35% (محمل مخفض السرعة 12%، سطح احتكاك المكبح 10%، محمل أسطوانة 7%، مجموعة العجلات 6%)، بينما تشكل الوصلات الهيكلية 25% (مسامير توصيل العارضة الرئيسية 10%، مشبك السكة 8%، وصلة خط التغذية 7%).

تُعرض نتائج التقييم على مقياس من 100 درجة، حيث تعتبر الدرجة 90 فما فوق ممتازة، و75 إلى 89 جيدة، و60 إلى 74 تتطلب الانتباه، وأقل من 60 تتطلب الصيانة.

تدعم منصة إدارة البيانات تحليلات متعددة الأبعاد: تحليل الاتجاه التاريخي لدرجات حرارة رافعة واحدة (مع إمكانية تتبع جميع بيانات التفتيش خلال 12 شهراً)، والتحليل المقارن الأفقي للمعدات المماثلة (لتقييم الاتساق والتباين بين المعدات من نفس الطراز)، وتحليل التوزيع الموسمي لدرجات الحرارة (لتحسين دورات التفتيش وعتبات التنبيه)، والتنبؤ باتجاه تدهور المعدات (استناداً إلى نماذج السلاسل الزمنية للتنبؤ بالعمر المتبقي للمكونات الرئيسية).

توفر المنصة أيضاً واجهات برمجة تطبيقات قياسية (API) للتكامل مع أنظمة إدارة أصول المؤسسات (EAM) أو أنظمة إدارة الصيانة المحوسبة (CMMS)، مما يتيح التحويل التلقائي لبيانات التفتيش إلى أوامر عمل. وقد قامت شركة كيلود للصناعات الثقيلة بدمج هذا الحل الذكي للتصوير الحراري بالأشعة تحت الحمراء في نظام إدارة دورة الحياة الكاملة للرافعات العلوية، مما يشكل حلقة مغلقة متكاملة تبدأ بالكشف والتشخيص وتنتهي بالصيانة وإعادة الفحص.

نقاط التنفيذ الهندسي للتفتيش الذكي بالتصوير الحراري للرافعات العلوية

في التنفيذ الهندسي الفعلي، يتطلب نشر نظام التفتيش الذكي بالتصوير الحراري بالأشعة تحت الحمراء للرافعات العلوية التركيز على عدة جوانب رئيسية.

أولاً، يجب أن يتوافق اختيار الكاميرا الحرارية وجهاز حوسبة الحافة مع متطلبات الموقع، حيث تُحدد المعاملات الفنية بناءً على مسافة الكشف، وأبعاد الهدف، ودرجة الحرارة المحيطة، ومستوى الاهتزاز، لتجنب مشاكل مثل عدم القدرة على تمييز الأهداف الصغيرة بسبب قصر البعد البؤري، أو عدم القدرة على التعرف على فروق الحرارة الدقيقة بسبب ارتفاع قيمة NETD.

ثانياً، التدريب المتخصص لنموذج الذكاء الاصطناعي على مكونات الرافعة العلوية أمر بالغ الأهمية، إذ غالباً ما تكون نتائج النماذج العامة المدربة مسبقاً غير مرضية عند تطبيقها على مكونات محددة للرافعة (مثل تغليف IGBT سداسي الأنابيب في محول التردد، أو سطح الاحتكاك المقوس لبطانة الاحتكاك في المكبح)، لذا يجب استخدام بيانات حرارية حقيقية تم جمعها من الموقع لضبط النموذج والوصول إلى دقة الكشف المطلوبة.

ثالثاً، يعد تخطيط مسار التفتيش وتوحيد نقاط التصوير أساساً لضمان اتساق البيانات، ويُنصح بوضع علامات أرضية في الورشة لتحديد كل موقع تصوير، واستخدام أهداف عاكسة عالية على جسم الرافعة لتحديد الزاوية، مما يضمن تطابق زاوية التصوير والمسافة في كل جولة تفتيش ويحقق موثوقية مقارنة الاتجاهات الحرارية.

توفر شركة كيلود للصناعات الثقيلة خدمات هندسية متكاملة تبدأ من المسح الميداني واختيار المعدات وتدريب النماذج وصولاً إلى نشر النظام، لمساعدة الشركات على إنشاء نظام تفتيش ذكي موحد بالتصوير الحراري بالأشعة تحت الحمراء للرافعات العلوية.

الأسئلة الشائعة

يُعد نظام التفتيش الذكي للرافعات العلوية بالتصوير الحراري والأشعة تحت الحمراء تطبيقاً نموذجياً للانتقال من تقنيات فحص المعدات التقليدية إلى الرقمنة والترقية الذكية. فمن خلال إجراءات التصوير المعيارية، وقاعدة بيانات الخصائص الحرارية المتخصصة، ونماذج التعلم العميق بالذكاء الاصطناعي عالية الدقة، ومنصة إعداد التقارير الآلية، يتحول فحص معدات الرافعات من حكم نوعي قائم على الخبرة إلى تقييم كمي قائم على البيانات. ولمزيد من المعلومات حول الحلول التقنية للتفتيش الذكي والصيانة التنبؤية للرافعات العلوية، يُرجى التواصل مع فريق كيلود للصناعات الثقيلة للحصول على وثائق تقنية مفصلة وخدمات المعاينة الميدانية. تمتلك كيلود للصناعات الثقيلة خبرة هندسية واسعة في مجال الصيانة الذكية للرافعات العلوية، وتقدم للمؤسسات دعماً فنياً شاملاً بدءاً من تصميم خطط الكشف، مروراً بتكامل الأنظمة، وصولاً إلى خدمات التشغيل والصيانة.