في عالم التصنيع الحديث، تتجه المصانع نحو أحجام أصغر من الإنتاج مع تخصيص كبير للمنتجات، مما يتطلب إعادة برمجة متكررة للأنظمة الآلية المرنة والقابلة لإعادة التهيئة. ولكن كيف يمكن للذكاء الاصطناعي أن يسهم في هذا النظام؟

تعتمد الحلول الحديثة على وكالات مدفوعة بنماذج اللغة الكبيرة (Large Language Models)، التي يمكن أن تلعب دورين مكملين. في الجانب الأول، تعمل كنظام غير متصل لتوليد تسلسلات إنتاج حتمية، مما يقلل من جهد البرمجة. وفي الجانب الثاني، يمكنها تشغيل الآلات بشكل مباشر والتعامل مع الأعطال الطارئة التي لا تستطيع البرامج الثابتة التنبؤ بها.

نحن نقترح حلاً حيث يتم ربط كل وحدة مصنع بوكلاء مدعومين بنموذج اللغة الكبيرة وأداة خادم تحكم متقدمة (MCP) تعرض مهارات الوحدة عبر استدعاءات طرق (OPC UA). يتعاون الوكلاء عبر بروتوكول MQTT، ويتم دعمهم بالتحديثات الزمنية لحالة المصنع.

نقوم بمقارنة ثلاثة هياكل وكيل (المنظم، الند للند، والعملاق) عبر تسع تحديات إنتاجية ذات تعقيد متزايد في نموذج لمحاكاة مصنع سداسي الوحدات. أظهرت التحليلات أن هياكل الوكلاء العملاق والند للند حققت أعلى معدل حل متوسط بلغ 93%.

وعلاوة على ذلك، استطاع المنظم التعامل مع عطل حزام النقل بصمت في جميع التجارب بعيدا عن بقية الجزء المحظور، ليظهر سلوك تشخيصي للطوارئ دون الحاجة لأي منطق معالجة فشل صريح.

إن إنشاء أدوات MCP معيارية، والتواصل بين الوكلاء المعتمد على MQTT، وإدخال حالة المصنع في الوقت الحقيقي، يمهد الطريق لأسس تصنيع ذكي فعال يعتمد على نماذج اللغة الكبيرة.