تشرع الثورة الصناعية الرابعة في الانتقال إلى آفاق جديدة، حيث أصبح تجميع وتحليل البيانات من أجهزة الاستشعار الصناعية أكثر أهمية من أي وقت مضى. ومع الزيادة الهائلة في تدفقات البيانات، تظهر الحاجة الملحة لاستخدام تقنيات متقدمة لتحسين أداء الصيانة التنبؤية.

وفي هذا السياق، تلقي دراستنا الأخيرة الضوء على تنفيذ نموذج هجين يجمع بين حوسبة السحابة وحافة الشبكة، مستفيدًا من تقنيات AWS IoT Core وAWS IoT Greengrass v2. يتيح هذا النظام تحليل البيانات في الوقت الحقيقي بشكل فعال، حيث يتم إجراء استدلالات التعلم الآلي محليًا، مما يزيد من سرعة الاستجابة ويقلل من الاعتماد على السحابة.

تضمنت التجارب المنشورة في الدراسة نشر تكوينين على بنية تحتية فعلية لـ AWS: الأول يستند إلى السحابة بالكامل (Configuration A) والثاني يمثل النموذج الهجين المقترح (Configuration B). وقد أظهرت النتائج أن النموذج الهجين يقلل من استهلاك النطاق الترددي السحابي بنسبة 86.8%، فضلًا عن تقليص زمن قرار الاستدلال بمعدل 256 مرة، حيث تناقص زمن الاستجابة من 23.1 مللي ثانية إلى 0.09 مللي ثانية.

كما يحقق هذا النظام دقة عالية في التعرف على الشذوذ، مما يضعه في موضع ريادي ضمن تقنيات الصيانة التنبؤية.

هذه التحسينات لا تقتصر فقط على كفاءة النظام، بل تفتح أيضًا آفاقًا جديدة للتفكير حول كيفية تحسين النظام تحت ظروف انقطاع الاتصال مع السحابة، وهو ما يعد خطوة كبيرة نحو ضمان استدامة العمليات الصناعية.