בינה מלאכותית בשיחה עם רצפת הייצור
בינה מלאכותית בשיחה עם רצפת הייצור
מה מלמד החיבור בין מכבש תעשייתי ל־Claude ואיך פתרונות CIMCO שגוארה מטמיעה יכולים להכין את המפעל לשלב הבא
מנהל ייצור מגיע בבוקר ורואה שאחת המכונות ייצרה פחות מהצפוי. הוא פותח את דוח המשמרת, בודק את זמני העצירה, מחפש איזו עבודה רצה ומנסה להבין אם השתנה משהו בתהליך. חלק מהתשובה נמצא במערכת הניטור, חלק בתיק הייצור וחלק אצל העובד שהיה ליד המכונה.
עכשיו דמיינו שהוא יכול לשאול: ״מה השתנה בביצועים של המכונה בעבודה הזאת לעומת הפעם הקודמת?״ המערכת מאתרת את הנתונים הרלוונטיים, משווה בין העבודות ומחזירה הסבר שאפשר לקרוא ולהבין, לצד המקורות שעליהם הוא מבוסס.
זה הכיוון שממחישה כתבה על חיבור ציוד ייצור ל־AI לקראת כנס IMTS 2026. עבור מפעלים, זו הזדמנות להפוך מידע שנאסף לאורך העבודה לידע שנגיש ברגע שצריך אותו. עבורנו בגוארה, החיבור מתחיל בתחום שבו אנחנו פועלים כבר היום: חיבור המכונות, איסוף נתוני הייצור וניהול המידע שמלווה כל עבודה.
היישום שמתואר בכתבה
הכתבה פורסמה באתר M4SNews בתאריך 12 בספטמבר 2026, על בסיס תוכן של Aerospace Manufacturing. היא עוסקת בהרצאה של אנדי ג׳וזף, סמנכ״ל ההנדסה בחברת Promess. לפי הכתבה, ההרצאה נבנתה סביב יישום שבו מכבש הרכבה אלקטרומכני של החברה חובר ל־Claude, וכללה בתוכניתה הדגמה של שיחה בשפה טבעית עם ציוד הייצור.
העיקרון הוא לתת למערכת ה־AI גישה למידע רלוונטי על הציוד: מצב המכונה, נתוני התהליך, היסטוריית ביצועים ותיעוד טכני. כך היא יכולה להשיב לשאלות על סמך ההקשר של אותה סביבת ייצור. הכתבה מדגישה גם את העבודה הנדרשת להכנת המידע ולשיפור דיוק התשובות. לכתבה המקורית.
בעינינו, העניין בדוגמה הזאת הוא האפשרות לקצר את הדרך שבין שאלה שעולה ברצפת הייצור לבין המידע הדרוש כדי לטפל בה. היישום המתואר הוא דוגמה מסוימת; בכל מפעל צריך לבחון אילו נתונים זמינים ואילו שאלות הם יכולים לעזור לפתור.
איך שיחה מתחברת למכונה
מאחורי שיחה פשוטה יש כמה חיבורים. תחילה צריך לקבל מידע מהמכונות וממערכות המפעל. אופן החיבור תלוי בבקר, בממשקים הזמינים ובסוג הנתונים שרוצים לאסוף. בעולם התעשייה קיימים תקנים וממשקים שונים, ובהם OPC UA ו־MTConnect, לצד ממשקי תוכנה שמאפשרים למערכות להחליף מידע.
לאחר מכן צריך להנגיש ל־AI פעולות מוגדרות, כמו ״הצג עצירות של מכונה בטווח תאריכים״ או ״אתר את הוראת העבודה המאושרת למק״ט הזה״. כאן יכול להשתלב MCP, קיצור של Model Context Protocol. זהו תקן לחיבור יישומי AI למקורות מידע ולכלים חיצוניים. הסבר בתיעוד הרשמי של MCP.
במילים פשוטות, אפשר לבנות חיבור שבו ה־AI מקבל את השאלה, מפעיל כלי שמביא את הנתונים המתאימים ומנסח את התוצאה באופן ברור. אותו כלי יכול לפנות למערכת ניטור או למאגר מסמכים שכבר קיימים במפעל. התכנון הזה דורש התאמה למערכות המקומיות, הגדרת הרשאות והחלטה אילו פעולות יהיו זמינות.
עבור מנהל המפעל, השאלה המעשית היא איזה מידע אפשר להעמיד לרשות המערכת ובאיזו איכות. שם נקבעת במידה רבה התועלת שאפשר לקבל מהשיחה.
ההקשר קובע אם התשובה שימושית
נניח שמכונה ייצרה אתמול 80 חלקים והיום 60. המספרים לבדם משאירים הרבה שאלות פתוחות. האם מדובר באותו חלק? באותה פעולת עיבוד? האם היום הייתה משמרת קצרה יותר? אולי בוצע סטאפ ארוך או שהעבודה כללה ביקורת נוספת?
בסביבת ייצור של מגוון גדול של חלקים בסדרות קטנות, ההשוואות האלה חשובות במיוחד. יום עם פחות חלקים יכול להיות יום מוצלח מאוד, אם יוצר בו חלק מורכב יותר. גם השוואה של אותו מק״ט דורשת תשומת לב לפעולה, לרוויזיה ולתנאי העבודה.
לכן תכנון המידע צריך לכלול קשר ברור בין המכונה, העבודה, החלק והזמן. כדאי גם להגדיר מה מודדים: זמן עיבוד בפועל, זמן מחזור, זמן סטאפ או משך העבודה הכולל. כשאותו מונח מקבל משמעות שונה בשני דוחות, גם ההסבר שמבוסס עליהם עלול להטעות.
לכמויות דרוש מקור מוגדר, למשל מונה חלקים שנבדק והוגדר עבור התהליך. חוסרים בתקשורת צריכים להיות מסומנים כחוסרים. סיבות עצירה יכולות להגיע מהבקר, מדיווח עובד או ממקור אחר, וצריך לשמור את ההבחנה הזאת. אלה החלטות מעשיות בתכנון המערכת, שמשפיעות ישירות על איכות התשובות.
המקום של גוארה בתהליך
בגוארה אנחנו משווקים ומטמיעים פתרונות CIMCO לחיבור המכונות ולניהול המידע ברצפת הייצור. הפעילות שלנו כוללת ניטור ואיסוף נתונים, העברת תוכניות וניהול מסמכי ייצור. הצוות שלנו מגיע עם היכרות עם סביבת ייצור מרובת מק״טים וסדרות קטנות, שבה ההקשר של כל עבודה חשוב במיוחד. על גוארה ותחומי הפעילות שלנו.
המשמעות של הפעילות הזאת בהקשר של AI היא בניית תשתית שאפשר לעבוד איתה: מידע שנאסף באופן עקבי, משויך לעבודה המתאימה ונגיש למשתמשים המורשים. על התשתית הזאת אפשר לבחון בהמשך שילוב של ממשק שיחה, בהתאם לצורכי המפעל ולממשקים הזמינים.
ניטור הייצור באמצעות MDC MAX
מערכת CIMCO MDC-Max מאפשרת לאסוף ולנתח מידע מהמכונות ומהמפעילים, להציג מצב עדכני והיסטוריה ולהפיק דוחות. בהתאם לחיבור ולהגדרות, אפשר לעקוב אחר אירועי ייצור, זמני עצירה, עבודות וכמויות, ולשלב את המידע עם מערכות נוספות. מידע על MDC-Max באתר CIMCO.
נתוני המכונה מספקים את התיעוד של מה שנמדד. דיווחי העובדים יכולים להוסיף הסבר, למשל שהעצירה נבעה מהמתנה לחומר או מביקורת. השילוב בין שני המקורות הוא חלק מתהליך איסוף הנתונים המתואר גם בתיעוד היצרן. איסוף נתוני מכונה ודיווחי מפעילים.
מבחינת ממשק שיחה עתידי, זה יכול להיות הבסיס לשאלות כגון ״אילו סיבות עצירה תועדו הכי הרבה השבוע?״ או ״איך השתנה זמן הייצור של אותה עבודה?״ התשובה תלויה בשדות שנאספים ובאופן שבו הם הוגדרו בהטמעה.
מסמכי ייצור והיסטוריית גרסאות
מערכות לניהול מסמכי ייצור מוסיפות את ההקשר ההנדסי. באתר גוארה מוצג NC-BASE לניהול תוכניות, שרטוטים ומסמכים נלווים. במשפחת מוצרי CIMCO, מערכת MDM כוללת גם ניהול גרסאות, הרשאות ותהליכי בדיקה ואישור של מסמכים. אלה כלים שאפשר להתאים למבנה העבודה במפעל. ניהול מסמכים בגוארה, יכולות CIMCO MDM.
כאשר בונים חיבור AI למידע הזה, אפשר לתכנן למשל איתור של הוראת הסטאפ המתאימה או של הערות שנשמרו בייצור קודם. כדי שהתוצאה תהיה שימושית, יש לקשור את המסמך למק״ט ולרוויזיה הנכונים ולכבד את הרשאות הגישה והאישור שלו.
תקשורת והעברת תוכניות
מערכת CIMCO DNC-Max משמשת לתקשורת ולהעברת תוכניות בין המחשבים למכונות. היא כוללת, בהתאם להגדרות, גם תיעוד של פעולות העברה ואפשרויות לטיפול בגרסאות. לפרטי מערכת התקשורת.
בתכנון חיבור בין המערכות, רישומי ההעברה עשויים לעזור לברר איזו תוכנית נשלחה ומתי. כדי לקבוע איזו גרסה רצה בפועל בזמן מסוים, צריך גם תיעוד מתאים מהייצור וקישור אמין בין האירועים. זו דוגמה לצורך בהבנת התהליך כולו כשמחברים מידע ממקורות שונים.
ממשק שיחה עם AI הוא שכבת שילוב נוספת שדורשת אפיון ויישום בפני עצמה. את היקפה בוחנים לפי המערכות המותקנות, זמינות הנתונים והשאלות שהמפעל רוצה לפתור. כך אפשר לבנות ציפיות ברורות לגבי התוצאה כבר בתחילת הדרך.
דוגמה לשאלה שהופכת לבירור ממוקד
ניקח תרחיש להמחשה, עם מספרים שנועדו להסביר את הרעיון. מנהל הייצור שואל: ״למה התפוקה בעבודה הזאת ירדה לעומת ההרצה הקודמת?״ נניח שהמערכת משווה פרקי זמן שווים בשתי הרצות של אותו מק״ט, באותה פעולה ורוויזיה, ושבשתי ההרצות נאספו נתוני מחזור ודיווחי עצירה.
תשובה מתוכננת היטב יכולה להיראות כך: ״בשתי ההרצות זמן המחזור הממוצע שנמדד היה כ־4 דקות. בהרצה הנוכחית נרשמו 70 דקות עצירה, לעומת 20 דקות בהרצה הקודמת. מתוך העצירות הנוכחיות, 45 דקות דווחו כהמתנה לביקורת. כדאי לבדוק את זמינות הביקורת בשעות האלה.״
לצד התשובה יוצגו צירי הזמן ורישומי העובדים שעליהם היא מבוססת, יחד עם טווחי הזמן שהושוו והגדרת המדדים. כך מנהל הייצור מקבל כיוון ברור להמשך הבירור ויכול לפתוח את הנתונים בעצמו.
אם חסר שיוך לעבודה, אם אחת ההרצות אינה מלאה או אם סיבת העצירה לא תועדה, התשובה צריכה להציג את החסר. כאשר יש רק סמיכות בין אירועים, צריך לתאר אותה ולברר את הקשר. הבדל כזה בניסוח עוזר למשתמש להבין מה נמדד ומה עדיין דורש בדיקה בשטח.
שימושים נוספים במידע שכבר נאסף
בתכנון הייצור, ממשק כזה יכול לעזור לאתר עבודות דומות ולהציג את זמני הסטאפ והייצור שנמדדו בהן. כאשר מתכננים סדרה חוזרת, ההיסטוריה יכולה לספק נקודת מוצא טובה יותר להערכת הזמן, בתנאי שתנאי ההשוואה מתאימים.
בהעברת משמרת, אפשר לתכנן סיכום של העבודות שרצו, העצירות שתועדו וההערות שהוזנו. המפעיל שמתחיל לעבוד יוכל לקבל תמונה מרוכזת ולהעמיק באירוע מסוים לפי הצורך.
באיכות ובתחזוקה, אם דוחות הבדיקה והטיפול נשמרים ומקושרים למכונה ולעבודה, אפשר לאתר אירועים קודמים ותיעוד רלוונטי. לדוגמה: ״האם תועדה בעבר התופעה הזאת ומה בוצע בעקבותיה?״ היכולת לענות נשענת על התיעוד שנשמר בפועל ועל ההרשאה לגשת אליו.
הערך המשותף לשימושים האלה הוא חיסכון בזמן החיפוש ושימור הידע לאורך זמן. עבור מפעל שבו אנשים מסוימים מחזיקים חלק גדול מהידע התפעולי, תיעוד מסודר יכול לעזור לעובדים נוספים להגיע למידע ולהמשיך ממנו.
איך מתחילים באופן שמתאים למפעל
נקודת התחלה טובה היא שאלה שחוזרת שוב ושוב וגוזלת זמן: עצירות ממושכות, פערים בזמני סטאפ או חיפוש מידע מייצור קודם. סביב השאלה הזאת אפשר למפות אילו נתונים כבר קיימים, מה חסר ומי משתמש בתוצאה.
אפשר לבחור קבוצת מכונות קטנה או משפחת עבודות, לקבוע הגדרות אחידות למדדים ולוודא שהנתונים משקפים את התהליך בפועל. מתוך הבסיס הזה מגדירים חיבור לקריאת מידע ומודדים אם הוא עוזר לאנשים להשלים משימה: כמה זמן נדרש להגיע לתשובה, האם היא מדויקת והאם המקורות שלה ברורים.
בשלב הראשון, גישה לקריאה ולניתוח מאפשרת להתמקד בתועלת הזאת תוך שמירה על תהליכי ההפעלה והאישור הקיימים. במסגרת האפיון מגדירים גם מי יכול לראות איזה מידע, היכן הוא מעובד ואילו מסמכים מותרים לשימוש. פעולות שמשנות נתוני ייצור או מפעילות ציוד דורשות תכנון והרשאות ייעודיים.
גם מפעל עם מכונות ותיקות יכול לבחון אילו נתונים אפשר לאסוף בעזרת החיבור המתאים. רמת הפירוט משתנה בין בקרים ומכונות, ולכן כדאי להתחיל ממיפוי הציוד והשאלות העסקיות. אפשרויות חיבור ואיסוף נתונים ב־CIMCO MDC-Max.
החיבור שמתחיל כבר היום
מבחינתנו בגוארה, הכיוון שמוצג בכתבה מדגיש את החשיבות של העבודה על תשתית המידע. כל עבודה שמשויכת נכון, כל עצירה שמתועדת וכל מסמך שנשמר בגרסה המתאימה מוסיפים ידע שאפשר להשתמש בו בהמשך.
הפתרונות שאנחנו מטמיעים מסייעים לבנות את הבסיס הזה. ממשק שיחה יכול להוסיף בעתיד דרך נוחה להגיע למידע ולהבין אותו, כאשר הוא מותאם לתהליכים ולנתונים של המפעל.
אם גם אצלכם התשובה לשאלה פשוטה דורשת לפתוח כמה דוחות ולחפש בין תיקיות, אפשר להתחיל ממיפוי קצר של המידע הקיים. נשמח לשוחח על חיבור המכונות, ניטור הייצור וניהול המסמכים, ולבחון מה כדאי להסדיר כדי להפיק יותר ערך מהמידע שכבר נוצר אצלכם מדי יום.
המאמר נכתב בהשראת הכתבה IMTS 2026 Conference: Bringing Conversational AI to the Manufacturing Floor, שפורסמה ב־M4SNews ב־12 בספטמבר 2026. ההסברים על ההטמעה והשימושים האפשריים מרחיבים את הנושא מנקודת המבט של גוארה.
Comments