بهبود چرخۀ Work Management در مدیریت دارایی‌های فیزیکی با استفاده از ابزارهای تحلیل داده و هوش مصنوعی

در دنیایی که پایداری، کارایی و تصمیم‌گیری داده‌محور کلید بقای صنایع فرایندی است، شرکت «پلیمر آریاساسول» گامی فراتر از تولید محصولات پلیمری برداشته و با اتکا بر دانش بومی و فناوری‌های پیشرفته هوش مصنوعی، سامانه‌ای نوآورانه را در حوزۀ مدیریت دارایی‌های فیزیکی (Physical Asset Management) توسعه داده است.
این دستاورد با عنوان «بهبود چرخه Work Management در مدیریت دارایی‌های فیزیکی با استفاده از ابزارهای تحلیل داده و هوش مصنوعی» تحولی بنیادین در نحوۀ نگهداری، تعمیرات و بهینه‌سازی دارایی‌های حیاتی صنایع بزرگ ایجاد می‌کند. هستۀ فنی و فناوری‌های به‌کاررفته این سامانه بر پایۀ مدل بلوغ SAMI (Strategic Asset Management Inc) طراحی شده و از ترکیب چندین فناوری پیشرفته در حوزۀ Operations Research، Anomaly Detection، Machine Learning و Recommender Systems بهره می‌برد.
در لایۀ تحلیل داده، داشبوردهای هوش تجاری (BI) داده‌های میدانی را به بینش‌های تصمیم‌یار تبدیل می‌کنند، و در لایۀ تعامل انسانی، یک LLM Chatbot با توانایی مکالمه و تحلیل بلادرنگ پشتیبان کاربران در چرخۀ کامل Work Management است. در توسعۀ هستۀ هوش مصنوعی، از ترکیبی از روش‌های روز دنیا شامل (RAG) Retrieval-Augmented Generation برای آموزش دقیق مبتنی بر داده‌های داخلی، (CAG) برای افزایش سرعت و بازدهی پردازش، (RLHF) Reinforcement Learning from Human Feedback برای ارتقای کیفیت یادگیری در تعامل با کاربران، و Quantization برای کاهش حجم مدل بدون افت عملکرد استفاده شده است. انتقال این مدل به محیط واقعی با استفاده از چارچوب MLOps انجام گرفته و از طریق Dynamic SQL داده‌های به‌روز عملیات صنعتی در تحلیل‌های سیستم لحاظ می‌شوند. همچنین بهره‌گیری از Long Context Reasoning موجب ارتقای توان استنتاجی مدل در تصمیم‌سازی‌های پیچیده شده است.
سامانه پروژۀ کلان ASTAR (Arya Sasol Total Asset Reliability) طی ۹ سال گذشته، بیش از ۲۴۰ میلیون دلار صرفه‌جویی اقتصادی ایجاد کرده است. ارتقا این سامانه با هوش مصنوعی در طی یک سال اخیر منجر به بهبود چشمگیر در کارایی آن شده است. به‌کارگیری ابزارهای تحلیل داده و AI در این چرخه، منجر به کاهش توقف تولید، افزایش قابلیت اطمینان تجهیزات و ارتقای کیفیت تصمیم‌گیری در تمام هفت مرحله Work Management شده است. کاربران اصلی این سامانه، واحدهای نگهداری و تعمیرات، مهندسی قابلیت اطمینان، و مدیریت دارایی‌های فیزیکی در صنایع پتروشیمی، پالایشگاهی، نیروگاهی و معدنی هستند؛ سازمان‌هایی که به تصمیم‌گیری سریع، دقیق و داده‌محور نیاز دارند.