جدول المحتويات
المستشعر البرمجي (soft sensor) نموذج حاسوبي يقدّر متغيرًا في العملية لا يمكن قياسه مباشرة على الخط، مثل نقاوة المنتج أو مؤشر الانصهار (melt index)، انطلاقًا من متغيرات تُقاس أصلًا بشكل مستمر مثل درجات الحرارة والضغوط والتدفقات. يعمل داخل نظام التحكم ويعطي قيمة كل بضع ثوانٍ أو دقائق بدل انتظار نتيجة المختبر لساعات.
أهم النقاط
- يحوّل المستشعر البرمجي قياسات سهلة إلى تقدير مستمر لمتغير نوعي يصعب قياسه على الخط أو يكلّف ذلك كثيرًا (Lawrence et al., 2024).
- تصل نتائج المختبر متأخرة. فمؤشر الانصهار للبولي بروبيلين لا يُقاس إلا كل 2 إلى 4 ساعات (Farsang et al., 2015)، وكثير من عينات الجودة تؤخذ مرة في كل وردية من 8 ساعات أو مرة في اليوم (Lawrence et al., 2024).
- توجد ثلاث عائلات: النماذج الفيزيائية (المبادئ الأولى)، ونماذج البيانات (data-driven)، والنماذج الهجينة. تهيمن نماذج البيانات على البحث العلمي، لكن الممارسين يبدؤون عادة بنموذج خطي.
- يبقى المختبر جزءًا من المنظومة بوصفه مرجعًا للتحقق ولتصحيح الانحياز.
- يتعطل المستشعر البرمجي بصمت بسبب أعطال مستشعرات الإدخال أو انجراف العملية أو التشغيل خارج نطاق بيانات التدريب.
ما هو المستشعر البرمجي؟
في المصفاة أو مصنع الكيماويات أو مصنع الإسمنت أو وحدة معالجة المعادن، غالبًا ما تكون المتغيرات الأهم تجاريًا هي الأصعب قياسًا: نقاوة المنتج، ومؤشر انصهار البوليمر، والجير الحر في الكلنكر، ورتبة المركّز. وتصفها دراسة مسحية حديثة بأنها متغيرات يصعب قياسها على الخط بسبب قيود تقنية أو بسبب الكلفة المرتفعة للمستشعرات (Lawrence et al., 2024).
المستشعر البرمجي نموذج رياضي يقدّر مثل هذا المتغير باستمرار انطلاقًا من قياسات موثوقة وقليلة الكلفة. وكلمة «برمجي» تعني أنه عملية حسابية داخل نظام DCS أو طبقة التحكم المتقدم أو خادم متصل بقاعدة البيانات التاريخية (historian)، وليس جهازًا جديدًا يُركّب في الميدان. ويُسمّى أيضًا المستشعر الاستدلالي أو المستشعر الافتراضي. وبحسب الدراسة نفسها، تبقى المصافي ومصانع الصلب ومنتجو البوليمرات ومصانع الإسمنت أكبر مستخدميه.
لماذا تكون التحاليل المخبرية أبطأ من أن تخدم التحكم في العملية؟
المختبر دقيق لكنه بطيء: تؤخذ العينة وتُنقل وتُحلَّل ثم تُسجَّل النتيجة، بينما تواصل الوحدة الإنتاج. وتبيّن الأمثلة المنشورة حجم هذه الفجوة.
| المتغير النوعي | العملية | القياس المرجعي | التأخير أو الدورية |
|---|---|---|---|
| محتوى البيوتان في قاع عمود نزع البيوتان (debutanizer) | تجزئة النافتا في المصفاة | جهاز كروماتوغرافيا غازية في أعلى عمود نزع الأيزوبنتان | تأخير من 30 إلى 75 دقيقة (Pani et al., 2016) |
| مؤشر الانصهار | مفاعل البولي بروبيلين | اختبار مخبري وفق ASTM D1238 أو ISO 1133 | كل 2 إلى 4 ساعات (Farsang et al., 2015) |
| الجير الحر في الكلنكر | فرن الإسمنت | عينة مخبرية | تأخير يزيد على ساعتين (Fuller Technologies) |
| رتبة المركّز | التعويم بالرغوة | محلل مباشر على الخط | كل 10 إلى 15 دقيقة تقريبًا (Duchesne et al., 2003) |
| المتغيرات النوعية المعتادة | الصناعات التحويلية عمومًا | عينة مخبرية | مرة في كل وردية من 8 ساعات أو مرة في اليوم (Lawrence et al., 2024) |
وحتى محلل التعويم يصفه مؤلفو الدراسة بأنه أبطأ من ديناميكية العملية (Duchesne et al., 2003).
ثمن التأخير هو هامش الأمان. فالاضطراب الذي يظهر ويختفي بين عينتين لا يُرى أبدًا، لذلك يحتفظ المشغلون بمسافة أمان عن حدود المواصفات. ويصف أحد موردي معدات الإسمنت أفرانًا تُشغَّل بحرق زائد أو ناقص لتعويض تأخر نتائج الجير الحر، ومطاحن إنهاء تُشغَّل بحذر بين قياسين للنعومة (Fuller Technologies). والمستشعر البرمجي يقلّص هذه المنطقة العمياء.
نموذج فيزيائي أم نموذج بيانات: أي نوع من المستشعرات البرمجية؟
تنقسم المستشعرات البرمجية إلى ثلاث عائلات (Lawrence et al., 2024):
| النوع | يُبنى من | نقاط القوة | نقاط الضعف |
|---|---|---|---|
| نموذج فيزيائي (صندوق أبيض) | موازنات الكتلة والطاقة، والديناميكا الحرارية، والحركية الكيميائية؛ وغالبًا مرشح Kalman | معنى فيزيائي واضح؛ يحترم قوانين الحفظ | يتطلب معرفة عميقة بالعملية؛ صعب المعايرة في العمليات المعقدة غير الخطية |
| نموذج بيانات (صندوق أسود) | بيانات العملية والمختبر التاريخية: PLS والشبكات العصبية وما يماثلها | يلتقط سلوكًا معقدًا دون نموذج كامل | لا يعرف إلا ما في البيانات؛ تتراجع دقته عندما تنتقل العملية إلى نظام تشغيل جديد |
| هجين (صندوق رمادي) | بنية فيزيائية تُتعلَّم معاملاتها أو بواقيها من البيانات | يجمع بين البنية الفيزيائية والملاءمة للبيانات | جهد أكبر؛ قد يضيف جزء البيانات القليل بعيدًا عن بيانات التدريب |
في الأبحاث المنشورة حول المستشعرات البرمجية بين 2015 و2023، تركّز العمل أساسًا على نماذج البيانات: إذ مثّلت الشبكات العصبية نحو 48% منها وPLS نحو 11%، بينما نالت المستشعرات الهجينة أقل اهتمام (Lawrence et al., 2024). أما الممارسة الصناعية فأكثر تحفظًا: فالمعتاد أن يُبنى نموذج خطي أولًا، ولا يُنتقل إلى أساليب أعقد إلا إذا لم يكن دقيقًا بما يكفي. كما يمكن للمهندسين المسؤولين عن نموذج PLS التحقق من معاملاته في ضوء معرفتهم بالعملية.
أين تُستخدم المستشعرات البرمجية في مصانع العمليات؟
جودة منتجات التقطير. في عمود نزع البيوتان، يُقاس البيوتان في القاع بجهاز كروماتوغرافيا مركّب في أعلى عمود نزع الأيزوبنتان، مما يُدخل تأخيرًا من 30 إلى 75 دقيقة يمكن لمستشعر برمجي على تدفق القاع أن يسدّه (Pani et al., 2016). وفي مجموعة البيانات العامة لهذا العمود، المدخلات السبعة هي درجات حرارة القمة والصينية والقاع، وضغطا القمة والقاع، وتدفق الارتجاع، وتدفق منتج القمة (Wang and Dang, 2024).
مؤشر انصهار البوليمرات. في مصنع مجري للبولي بروبيلين يعمل بمفاعلين حلقيين، يقدّر مستشعر برمجي مؤشر الانصهار بين اختبارين مخبريين بالجمع بين PCA وPLS ومعادلات الموازنة لتسوية القياسات المشوّشة (Farsang et al., 2015).
الجير الحر في الإسمنت. يدرّب أحد موردي أنظمة التحكم في مصانع الإسمنت شبكات عصبية عميقة على السجل التشغيلي والمخبري للمصنع للتنبؤ بالجير الحر والنعومة كل دقيقتين إلى ثلاث دقائق، وتُستخدم نتائج المختبر للتحقق من النموذج وإعادة حساب انحيازه (Fuller Technologies).
رتبة التعويم. تُستخدم صور سطح الرغوة، بعد اختزالها بـ PCA وPLS، للتنبؤ برتبة المركّز بين قراءتين للمحلل المباشر (Duchesne et al., 2003).
تتوافق هذه الأمثلة مع القطاعات الأربعة التي نعمل فيها: النفط والغاز، والكيمياء، والصناعة التحويلية، والتعدين.
ما البيانات اللازمة لبناء مستشعر برمجي؟
- السجل التاريخي للعملية من قاعدة البيانات التاريخية لكل مدخل مرشّح، بدقة زمنية أدق من ديناميكية العملية، ويغطي جميع الدرجات واللقائم وأنماط التشغيل التي سيواجهها المستشعر.
- نتائج المختبر مع وقت أخذ العينة. يجب أن يكون الطابع الزمني هو وقت سحب العينة، لا وقت تحليلها أو إدخالها في نظام LIMS؛ وإلا تعلّم النموذج من بيانات غير متزامنة.
- بيانات الأحداث: تغييرات الدرجة، والتوقفات، والاضطرابات، ومعايرة الأجهزة، وصيانة المحللات، لاستبعاد هذه الفترات أو وسمها.
- المعرفة بالعملية: أزمنة المكوث والأزمنة الميتة بين كل مدخل ونقطة أخذ العينة، لإزاحة المدخلات زمنيًا.
البيانات المعنونة هي عنق الزجاجة، وتعدّها الدراسة التحدي الرئيسي في تطوير المستشعرات البرمجية (Lawrence et al., 2024). فسنة من أخذ العينات بمعدل عينة في كل وردية تعطي نحو ألف نقطة مخبرية.
كيف يُبنى المستشعر البرمجي خطوة بخطوة؟
تتبع الخطوات التالية المنهجية الصناعية التي وصفها Lawrence et al. (2024)، مع ملاحظات عملية مضافة.
- تحديد المتغير المستهدف والجدوى الاقتصادية. إشراك مشغّل غرفة التحكم ومهندس العمليات ومهندس التحكم، وموازنة التكاليف مع الفائدة المتوقعة، مثل تقليل المنتج خارج المواصفات أو تقليل الجودة الزائدة غير المدفوعة.
- اختيار المدخلات بناءً على المعرفة بالعملية. وعندما تكون هذه المعرفة محدودة، تساعد أساليب مثل LASSO أو انحدار ridge على استبعاد المدخلات ذات التأثير المهمل.
- جمع البيانات وتنظيفها. حذف القيم الشاذة والقيم المفقودة وفترات التوقف والاضطراب. فالبيانات الصناعية وفيرة لكنها فقيرة في المعلومات.
- المزامنة الزمنية. تُقاس المدخلات بتواتر أعلى بكثير من المختبر. يُحتفظ بقيم المدخلات المقابلة لكل عينة مخبرية، مع إزاحتها بالزمن الميت المناسب.
- التدريب والتحقق دون اتصال. البدء بنموذج خطي. وتقسيم البيانات زمنيًا: التدريب على البيانات الأقدم والاختبار على فترة لاحقة.
- النشر في حلقة مفتوحة. تشغيله في نظام DCS أو على خادم متصل به، وعرضه على المشغلين، ومقارنته بنتائج المختبر قبل الاعتماد عليه. ويتناول مقال دمج الذكاء الاصطناعي مع أنظمة SCADA وOT جانب الربط.
- التسليم. عندما يتبع التقدير المختبر بثبات، يمكن استخدامه في حلقة تحكم وتسليمه لمشغّل غرفة التحكم.
كيف يُتحقق من المستشعر البرمجي مقارنة بالمختبر؟
يجيب التحقق عن سؤال واحد: هل يتفوق التقدير على ما يملكه المشغلون أصلًا بين عينتين مخبريتين؟
- الاختبار على فترة لاحقة تتضمن تغيير درجة أو اضطرابًا، لا تشغيلًا مستقرًا فقط.
- حساب المؤشرات المعتادة. الجذر التربيعي لمتوسط مربعات الخطأ (RMSE) ومعامل الارتباط مع قيم المختبر هما المقياسان المعتادان (Lawrence et al., 2024). ويُضاف متوسط الخطأ الذي يكشف الانحياز.
- رسم المنحنى. وضع التقديرات وقيم المختبر على منحنى زمني واحد والتأكد من أن التقدير يتبع المختبر.
- التفوق على مرجع بسيط: آخر قيمة مخبرية تبقى ثابتة حتى العينة التالية. وإلا فإن المستشعر البرمجي لا يضيف شيئًا.
- للمختبر خطؤه الخاص. عندما يقترب خطأ المستشعر البرمجي من قابلية التكرار (repeatability) لطريقة المختبر، يصبح من غير الممكن قياس أي تحسن إضافي.
لماذا تتعطل المستشعرات البرمجية، وكيف نحافظ عليها؟
| نمط العطل | كيف يظهر | الاستجابة |
|---|---|---|
| عطل في مستشعر إدخال (مُرسِل عالق أو منجرف أو معطل، أو انقطاع وصلة البيانات) | قفزة مفاجئة أو قيمة ثابتة في التقدير | فحص النطاق ومعدل التغير لكل مدخل؛ وسم التقدير أو تجميده والرجوع إلى المختبر |
| انجراف بطيء في العملية (تقادم المحفّز، الاتساخ، تغيّر المادة الخام) | فرق متزايد عن قيم المختبر | تصحيح الانحياز مع كل نتيجة مخبرية؛ إعادة التدريب على بيانات حديثة إذا عاد الفرق باستمرار |
| التشغيل خارج نطاق التدريب (درجة أو لقيم أو معدل إنتاج جديد) | أخطاء كبيرة وتقديرات خارج نطاق التشغيل المعتاد | التحقق من أن المدخلات داخل نطاق بيانات التدريب؛ بناء نموذج لكل نمط تشغيل؛ إعادة التدريب |
| نتائج مخبرية خاطئة | تصحيحات انحياز تلاحق الضجيج | فحص قيم المختبر قبل استخدامها في التصحيح |
عندما تتراجع التقديرات، يبدأ الممارسون بفحص المدخلات (أعطال المستشعرات، ومشكلات نقل البيانات، والقيم الشاذة، والتوقفات، والاضطرابات) قبل المساس بالنموذج (Lawrence et al., 2024). وتفقد المستشعرات البرمجية الثابتة دقتها عندما تنتقل العملية إلى نظام تشغيل جديد. أما المستشعرات التكيفية فتحدّث معاملاتها من العينات الجديدة، غير أن أقل من ثلث المستشعرات التي شملتها الدراسة كانت تكيفية. ويُعدّ تصحيح الانحياز، الذي يقرّب التقدير من آخر نتيجة مخبرية، أكثر أساليب الصيانة شيوعًا. لكنه يصحح الإزاحة لا الميل الخاطئ، الذي يتطلب إعادة التدريب. كما تتناول مراجعة أقدم تغطي الكيمياء والعمليات الحيوية وصناعة الصلب مسألة الصيانة بوصفها قضية مفتوحة (Kadlec et al., 2009).
عيّنوا لكل مستشعر برمجي مسؤولًا محددًا يراجع فرقه عن المختبر وفق جدول ثابت.
من أين نبدأ؟
اختاروا متغيرًا نوعيًا واحدًا يكلّف تأخر المختبر فيه مالًا، مع سجل مخبري لا يقل عن سنة وأجهزة إدخال موثوقة. ويساعد تقييم سريع للجاهزية للذكاء الاصطناعي على فحص البيانات قبل أي نمذجة. ولمزيد من القراءة: التحكم في العمليات بالذكاء الاصطناعي في الصناعة الكيميائية.
يبني فريق علوم البيانات لدينا نماذج تنبؤية على البيانات الصناعية وينشرها على بنيتكم التحتية الخاصة. والمنهج نفسه، أي التنبؤ أولًا ثم التأكيد في المختبر، هو أساس عملنا على Virtual Lab في البحث والتطوير للتركيبات، وهو استخدام مختلف عن المستشعر البرمجي على الخط: ففي ENAD Shymeca قلّص دورات الاختبارات الفيزيائية بنسبة 40%، وفي ADFC توجّه المقارنة بين النتائج المحاكاة والفعلية عمليات التحسين. لمزيد من التفاصيل: Virtual Lab للبحث والتطوير الصناعي.
المصادر
- Lawrence et al., Machine learning for industrial sensing and control: A survey and practical perspective, Control Engineering Practice, 2024 (arXiv 2401.13836)
- Farsang et al., PCA Based Data Reconciliation in Soft Sensor Development: Application for Melt Flow Index Estimation, Chemical Engineering Transactions 43, 2015
- Pani, Amin and Mohanta, Soft sensing of product quality in the debutanizer column with principal component analysis and feed-forward artificial neural network, Alexandria Engineering Journal 55, 2016
- Wang and Dang, Fuzzy Recurrent Stochastic Configuration Networks for Industrial Data Analytics, arXiv 2407.11038, 2024
- Duchesne et al., Application of Multivariate Image Analysis (MIA) to Predict Concentrate Grade in Froth Flotation Processes, CIM, 2003
- Fuller Technologies, AI-Powered Soft Sensors for Cement Process Optimization
- Kadlec, Gabrys and Strandt, Data-driven soft sensors in the process industry, Computers and Chemical Engineering 33, 2009
الأسئلة الشائعة
ما الفرق بين المستشعر البرمجي والمحلل المباشر على الخط؟
المحلل المباشر، مثل جهاز الكروماتوغرافيا الغازية أو محلل التعويم على الخط، يقيس فعليًا عينة من تيار العملية. أما المستشعر البرمجي فهو حساب يقدّر الخاصية نفسها من قياسات أخرى مثل درجات الحرارة والضغوط والتدفقات. وغالبًا ما يُستخدمان معًا، إذ يملأ المستشعر البرمجي الفجوات بين نتائج المحلل أو المختبر ويُصحَّح بها.
هل المستشعر البرمجي هو نفسه المستشعر الافتراضي أو المستشعر الاستدلالي؟
نعم، تشير هذه المصطلحات عمليًا إلى الشيء نفسه. فمصطلحات soft sensor والمستشعر الافتراضي والمستشعر الاستدلالي والنموذج الاستدلالي كلها تصف نموذجًا يستنتج متغيرًا صعب القياس من متغيرات سهلة القياس. وتستخدم الشركات المورّدة والمراجع أسماء مختلفة فحسب.
كم من البيانات نحتاج لبناء مستشعر برمجي؟
يكون القيد عادة عدد نتائج المختبر لا بيانات العملية. فإذا أُخذت عينة المتغير النوعي مرة في كل وردية، فإن سنة كاملة تعطي نحو ألف نقطة معنونة، ومرة في اليوم تعطي نحو 365 نقطة. ويجب أن يغطي السجل التاريخي أيضًا جميع الدرجات واللقائم وأنماط التشغيل التي سيواجهها المستشعر أثناء الخدمة.
هل يمكن استخدام المستشعر البرمجي في التحكم بحلقة مغلقة؟
نعم، لكن فقط بعد فترة من التحقق على الخط في حلقة مفتوحة، يقارن خلالها المشغلون والمهندسون تقديراته بنتائج المختبر. وعندما يتبع المختبر بثبات، يمكن استخدامه قياسًا في حلقة تحكم أو في تطبيق للتحكم المتقدم. ويجب أن يبقى تحت المراقبة مع خطة بديلة عند تعطل مدخلاته.
كم مرة يجب إعادة تدريب المستشعر البرمجي؟
لا توجد فترة ثابتة. والنهج الشائع هو تطبيق تصحيح للانحياز عند وصول كل نتيجة مختبر جديدة، وإعادة تدريب النموذج فقط عندما تزداد الأخطاء، أو بعد تعديل في العملية، أو عند ظهور درجة منتج أو لقيم جديد. وتتبّع الفرق بين التقدير والمختبر عبر الزمن يبيّن متى تلزم إعادة التدريب.
هل يحل المستشعر البرمجي محل التحاليل المخبرية؟
لا. يبقى المختبر هو القياس المرجعي. فهو يُستخدم لتدريب المستشعر البرمجي والتحقق منه قبل الاستخدام وتصحيحه بعد التشغيل، لذلك فإن تقليص أخذ العينات أكثر من اللازم يحرمه من البيانات التي يعتمد عليها.



