موقع فعاليات محطة تشانغشا لملتقى نخب صناعة تجهيز المعدات الصيني من PTC
تشهد تقنية الذكاء الاصطناعي حالياً انتقالاً من الأسئلة والأجوبة العامة وتوليد المحتوى إلى مرحلة جديدة يتم فيها تضمينها بعمق في العمليات التجارية الأساسية للمؤسسات. بالنسبة لقطاعات تجهيز المعدات والطاقة والمعدات عالية التقنية والطاقة الجديدة، لم يعد قيمة الذكاء الاصطناعي تقتصر على «عروض توضيحية مرئية»، بل صار في قدرته على الدخول في عمليات رئيسية مثل تطوير المنتجات وهندسة المتطلبات وإدارة بيانات PLM وإدارة دورة حياة البرمجيات وتعاون سلسلة التوريد وتشغيل الخدمات، لحل مشكلات حقيقية مثل طول دورة البحث والتطوير وتعقيد البيانات الهندسية وارتفاع تكاليف التعاون بين الفرق وصعوبة تتبع آثار تغيّر المتطلبات وضغط الاختبارات والتحقق الكبير.
في 17 يونيو 2026، أُقيمت بنجاح محطة تشانغشا لملتقى نخب صناعة تجهيز المعدات الصيني من PTC. تحت شعار «الابتكار الرقمي المدفوع بالذكاء الاصطناعي لسلسلة القيمة الكاملة في صناعة تجهيز المعدات والطاقة»، جمعت هذه الفعالية كبار تنفيذيي PTC العالميين وخبراء التقنية المحليين وشركاء النظام البيئي للقطاع، بالإضافة إلى المسؤولين عن الرقمنة في شركات من مجالات المعدات الهندسية وطاقة الرياح والمعدات عالية التقنية وغيرها، لمناقشة معاً مسارات التنفيذ واسع النطاق للذكاء الاصطناعي الصناعي في قطاعي تجهيز المعدات والطاقة.
وباعتباره ممثلاً لشركاء النظام البيئي لـ PTC المركزين باستمرار على ممارسات تنفيذ الذكاء الاصطناعي، حضر SOIN AI هذه الفعالية بدعوة، وقدّم بشكل منهجي تراكماته المنتَجة في مجالات مثل Agentic AI ونماذج المجالات القطاعية ومعالجة المعرفة الهندسية وحوكمة المتطلبات وتوليد الاختبارات والتفاعل الذكي مع بيانات المنتجات والنشر المحلي للذكاء الاصطناعي، حول سيناريوهات تصنيعية أساسية مثل «هندسة متطلبات المنتجات المعززة بالذكاء الاصطناعي» و«Windchill + AI» و«Codebeamer + AI».
وهذه هي المرة التي يعرض فيها SOIN AI مرة أخرى، بعد محطة شيامن لملتقى PTC الصيني للتحول الرقمي ومحطة ووهان لملتقى PTC الصيني لنخب القطاعات ومحطة تشينغداو لملتقى PTC لقطاع السيارات، قدرات تطبيق الذكاء الاصطناعي الموجهة لسيناريوهات أعمال تصنيعية حقيقية على منصة التبادل في النظام البيئي لـ PTC. وقد أكد SOIN AI سابقاً في فعاليات PTC عدة مرات أن تنفيذ الذكاء الاصطناعي في التصنيع يجب أن ينطلق من نقاط الألم التجارية، وأن يدمج بيانات المؤسسة وعملياتها وقدرات النماذج المتخصصة، ليتطور تدريجياً نحو وكلاء أذكياء (Agent) يمكن توزيعهم وتطبيقهم بشكل مستقل في العمليات التجارية الرئيسية، بدلاً من البقاء على مستوى الأدوات المعزولة أو العروض الفردية.
استراتيجية PTC لدورة حياة المنتجات الذكية: الذكاء الاصطناعي يدخل الخيط الرقمي للتصنيع
السيد براد فيرغسون Brad Ferguson، نائب الرئيس الأول للاستشارات في حلول PTC العالمية
خلال الفعالية، قدّمت PTC مشاركة حول منظومة دورة حياة المنتجات الذكية واستراتيجية الذكاء الاصطناعي وخريطة طريق المنتجات. طرحت PTC أن الشركات في صناعة تصنيع تتعمق فيها الذكَنة والبرمجية والتوجه الخدمي تحتاج إلى البناء على بيانات منتجات موثوقة، وتضمين الذكاء الاصطناعي في الأدوات وسير العمل التي يستخدمها المهندسون يومياً، لإطلاق قيمة أكبر على مدار دورة حياة المنتج بأكملها. كما تؤكد استراتيجية الذكاء الاصطناعي الرسمية لـ PTC بوضوح أن ذكاءها المؤسسي يقوم على أساس بيانات منتجات موثوقة، ويُضمَّن في أدوات العمل وسير العمل اليومي للعملاء، لدعم ابتكار المنتجات واتخاذ القرارات والتعاون بكفاءة أعلى.
في منظومة منتجات PTC، يقوم Windchill AI بتضمين الذكاء الاصطناعي التوليدي والوكيل في عمليات PLM، لمساعدة الشركات على أتمتة سير العمل واستكشاف رؤى بيانات المنتجات ورفع الإنتاجية؛ بينما يدعم Codebeamer AI، عبر تضمين الذكاء الاصطناعي التوليدي في ALM، معالجة المتطلبات ورفع الجودة وتسريع تطوير المنتجات. وهذا الاتجاه يتسق بدرجة كبيرة مع فلسفة منتج SOIN AI المتمسكة منذ زمن طويل بأن «يدخل الذكاء الاصطناعي في العملية الرئيسية، بدلاً من إضافة مساعدين معزولين».
إن تعقيد قطاعي تجهيز المعدات والطاقة يحدد أنه إذا أراد الذكاء الاصطناعي خلق قيمة طويلة الأمد، فيجب أن يفهم الدلالات الهندسية وعلاقات العمليات وحدود الصلاحيات وسياق البيانات. فبين كائنات مثل المتطلبات وقوائم BOM والتغييرات والاختبارات والجودة وسلسلة التوريد والتشغيل والصيانة توجد علاقات عديدة بين المنبع والمصب، وأي انحراف في الفهم في حلقة واحدة قد يتضخم إلى تكاليف إعادة عمل مرتفعة في مراحل التصميم والتحقق والتسليم والتدقيق اللاحقة. لذلك، فإن قدرة الذكاء الاصطناعي المناسبة فعلاً للتصنيع لا ينبغي أن تقتصر على «الإجابة عن الأسئلة»، بل يجب أن تكون قادرة على تنفيذ مهام حول كائنات هندسية محددة وتنظيم السياق وإخراج نتائج مهيكلة، ثم كتابتها مرة أخرى في الخيط الرقمي للمؤسسة بعد التأكيد البشري.
هندسة متطلبات المنتجات المعززة بالذكاء الاصطناعي: من «ذكاء اصطناعي يجيب عن الأسئلة» إلى «Agentic AI يدخل عملية البحث والتطوير»
مشاركة السيد وانغ شيه نان Wang Xienan، خبير تطبيقات الذكاء الاصطناعي التوليدي في SOIN Tech
في جلسة المشاركة الخاصة بـ«هندسة متطلبات المنتجات المعززة بالذكاء الاصطناعي»، تبادل السيد ليو هونغ شون Liu Hongxun، المستشار التقني لما قبل البيع في PTC الصين، والسيد وانغ شيه نان Wang Xienan، خبير تطبيقات الذكاء الاصطناعي التوليدي في SOIN Tech، الحوار حول تحول هندسة المتطلبات في ظل اتجاه المنتجات المعرَّفة بالبرمجيات. وفي مواجهة المشكلات الشائعة لدى شركات المعدات المعقدة مثل طول سلسلة المتطلبات وكثافة المعاملات وتعقيد التعاون بين الفرق وصعوبة تتبع تغيّر المتطلبات، عرض الطرفان بشكل رئيسي كيف يمكن للذكاء الاصطناعي أن يتكامل مع منصات إدارة المتطلبات مثل Codebeamer لتشكيل قدرة تعزيز ذكي من الطرف إلى الطرف تشمل استيراد المتطلبات وفحص الجودة والتحقق من الاتساق والتفكيك الذكي وتوليد حالات الاختبار.
طرح SOIN AI في مشاركته الميدانية أن هندسة المتطلبات في قطاع المعدات المعقدة لا تحتاج إلى فهم النصوص فحسب، بل إلى حكم مستقر على المصطلحات والمعاملات والقواعد والعلاقات. فالنماذج العامة يمكنها حل مسائل الفهم والتلخيص والتوليد على مستوى اللغة الطبيعية، لكن في سيناريوهات معقدة مثل الهيدروليكا والتحكم الإلكتروني واستراتيجيات التحكم وأمن تخزين الطاقة وحدود المعاملات الهندسية وقواعد المؤسسة والعلاقات بين المنبع والمصب، تحتاج الشركات إلى نماذج مجال قطاعية تدعمها هندسة السياق معاً، حتى ينتقل الذكاء الاصطناعي من «قراءة النص» إلى «فهم القيود الهندسية». وتتجلى هذه الحكمية أيضاً في مواد SOIN AI المعروضة: مفتاح وكيل هندسة المتطلبات هو هندسة سياق أفضل، ولا تتمتع نتائج الذكاء الاصطناعي بالقابلية الهندسية للاستخدام إلا بدمج مصادر المتطلبات وعلاقاتها وقواعدها وتاريخها واختباراتها وحدود صلاحياتها.
ولتحقيق هذا الهدف، قام SOIN AI بتضمين قدرة ALA في العملية الرئيسية لإدارة المتطلبات في Codebeamer، مكوّناً حلقة مغلقة: «قراءة المتطلبات وسلسلة علاقاتها وفق معرّف المتطلب — معالجة بمساعدة الذكاء الاصطناعي — إخراج نتائج مهيكلة — تأكيد بشري — ترسيخ العودة إلى الخيط الرئيسي في Codebeamer». ويؤكد هذا المسار أن الذكاء الاصطناعي لا يحل محل الحكم النهائي للمهندسين، بل يقدم في الأفعال عالية التكرار مثل القراءة والفحص والبحث والتفكيك والتحقق دعماً هندسياً قابل للتأكيد والتتبع وإعادة الكتابة.
SOIN AI ALA: تراكم منتجات الذكاء الاصطناعي لإدارة دورة حياة البرمجيات موجه للصناعة التحويلية المتقدمة
عرض قدرات ALA المضمّنة في Codebeamer من SOIN AI
إن ALA (المساعد الذكي المستقل لدورة الحياة) الذي عرضه SOIN AI بشكل بارز في هذه الفعالية هو تطبيق ذكي على مستوى القطاع لإدارة ALM، مبني على محرك سير العمل الوكيلي المطور ذاتياً Agentic Workflow Engine (AWE) وحزمة المستندات الوكيلية Agentic Documents Suite (ADS) من SOIN AI، ويوجَّه إلى حلقات عالية القيمة في شركات التصنيع مثل مراجعة المتطلبات وإدارة الاختبارات واختيار المكونات، ويحوّل المعرفة المتناثرة في ملفات PDF والمواصفات التقنية ووثائق المتطلبات وأصول الاختبار والمشاريع التاريخية وخبرات الخبراء إلى أصول معرفية قابلة للتنسيق والاستدعاء والتنفيذ التلقائي من قبل الوكلاء الأذكياء. وتشير المواد المتعلقة بالمنتج إلى أن ALA موجه لسيناريوهات ALM في التصنيع، يركز على خدمة حلقات رئيسية مثل مراجعة المتطلبات وإدارة الاختبارات واختيار المكونات، ويدعم متطلبات الامتثال والتتبع مثل INCOSE وISO 26262 وASPICE.
حول سيناريو Codebeamer + AI، راكم SOIN AI ثماني قدرات ذكاء اصطناعي أساسية لنهاية إلى نهاية للمتطلبات:
استيراد PDF وتحليل وثائق المتطلبات. في مواجهة الوثائق غير المهيكلة مثل كتب المواصفات PDF والاتفاقيات وإشعارات التغيير الصادرة من الشركات المصنّعة، يمكن لـ ALA تحويلها تلقائياً إلى وثائق متطلبات واضحة الهيكلة ومنسقة بانتظام وقابلة للتحرير وإعادة الاستخدام، مما يقلل العمل اليدوي للإدخال وترتيب التنسيقات ويرفع كفاءة استيعاب المتطلبات منذ مرحلة بدء المشروع. ترجمة بنود المتطلبات والتعاون عبر اللغات. لسيناريوهات مثل البحث والتطوير عبر المناطق والتعاون مع العملاء الأجانب وفهم المعايير التقنية باللغات الأجنبية، يدعم ALA ترجمة دقيقة للمجالات المتخصصة، مع الدمج بين قواعد المصطلحات ودلالات السياق وعادات التعبير القطاعية، لإخراج ترجمات متسقة المصطلحات وسليمة المنطق وقابلة للتفاعل، مما يقلل انحرافات الفرق غير الناطقة بلغتها الأم في فهم التفاصيل التقنية.
فحص جودة المتطلبات. جودة المتطلبات هي منبع الخيط الرقمي للبحث والتطوير. يمكن لـ ALA، استناداً إلى معايير جودة المتطلبات مثل INCOSE، فحص وضوح بنود المتطلبات واكتمالها وقابليتها للتحقق واتساقها بشكل ذكي، ومساعدة الشركات على اكتشاف الالتباسات المحتملة والنواقص والتعبيرات غير القياسية قبل دخول المتطلبات إلى مراحل التصميم والتطوير والتحقق اللاحقة، مما يقلل مخاطر إعادة العمل الناتجة عن تأخر العيوب.
فحص تشابه المتطلبات وإعادة استخدام المعرفة. في بيئات البحث والتطوير المعقدة متعددة الفرق والمشاريع المتوازية، تُعد تكرار المتطلبات وعدم اتساق التعبير وعدم كفاية إعادة استخدام الأصول التاريخية مشكلات شائعة. يحدد ALA من خلال البحث الدلالي وتقييم التشابه المتطلبات المشابهة والمتطلبات المكررة ونقاط التناقض المحتملة، ويدعم إعادة الاستخدام عبر المشاريع وتتبع المتطلبات وتحليل آثار التغيير، مما يرفع جودة مكتبة المتطلبات وكفاءة المراجعة.
فحص اتساق المتطلبات. في قطاعات تجهيز المعدات والطاقة الجديدة والمعدات عالية التقنية، غالباً ما توجد بين المعاملات الرئيسية في بنود المتطلبات علاقات تفكيك بين المنبع والمصب. وحين تُشوَّه حدود القيم أثناء تمريرها، قد تظهر انحرافات في الواجهات اللاحقة وتكامل الأنظمة والتحقق بالاختبار. يستطيع ALA التحقق تلقائياً من اتساق مؤشرات القيم الرئيسية في المتطلبات الهرمية، وتحديد التعارضات ودعم الانتقال إلى المتطلبات المرتبطة، لمساعدة الشركات على ضمان دقة تمرير المعاملات وعقلانية توزيعها وقابلية التتبع.
التوليد التلقائي لحالات الاختبار. في مواجهة مشكلات مثل استهلاك الكتابة اليدوية لحالات الاختبار وقتاً طويلاً واعتماد التغطية على الخبرة وصعوبة توحيد التعبير عن الخطوات والنتائج المتوقعة، يمكن لـ ALA تنفيذ عملية توليد حالات الاختبار بناءً على محتوى المتطلبات، وإخراج عناوين الاختبارات والشروط المسبقة وخطوات التنفيذ والنتائج المتوقعة، مع دعم المهندسين في التصحيح والتأكيد اليدويين في أي مرحلة، بما يرسّخ أصول التحقق من المتطلبات في الخيط الرئيسي لـ ALM.
التفكيك الذكي للمتطلبات بالذكاء الاصطناعي. في عملية تحويل متطلبات المنتج إلى متطلبات برمجية ومتطلبات النظام إلى متطلبات أنظمة فرعية، يمكن لـ ALA، مع مراعاة سياق العمل المستهدف والقيود، تفكيك المتطلبات بشكل مهيكل، وإخراج متطلبات برمجية أو متطلبات مصبّية قابلة للمراجعة والتتبع وأكثر اتساقاً في الحبيبات، مما يقلل النواقص والالتباس الناتجين عن الفهم اليدوي.
البحث الذكي في المتطلبات. لمواجهة مشكلات انخفاض كفاءة البحث بالكلمات المفتاحية في مكتبات المتطلبات الضخمة وصعوبة تغطية الدلالات الهندسية وقيود المعاملات، يدعم ALA الاستعلام بلغة طبيعية ومطابقة المتطلبات، ويعيد قوائم متطلبات ذات صلة مرتبة حسب التشابه والصلة، لمساعدة المهندسين على تحديد موقع الأصول التاريخية بسرعة، دعماً لإعادة الاستخدام عبر المشاريع وتحليل الآثار وقرارات البحث والتطوير. كما يعزز Codebeamer AI الرسمي من PTC قدرات مثل كتابة المتطلبات وتوليد الاختبارات وصيانة علاقات التتبع والرؤى حول مخاطر الامتثال. ووفقاً لمواد PTC، يمكن لـ Codebeamer AI المساعدة في توليد المتطلبات وتحسينها وتوضيحها، واقتراح حالات اختبار بناءً على المتطلبات والحفاظ على علاقات دقيقة بين المصنوعات، مع تحديد الفجوات وعدم الاتساق ومخاطر الامتثال في دورة الحياة مبكراً. أما قدرة ALA المحلية من SOIN AI فتقدم، حول عادات الأعمال الحقيقية للشركات التصنيعية الصينية ومتطلبات النشر الخاص ومنظومات المصطلحات القطاعية وبيئات تكامل المنصات القائمة، حلولاً معززة أقرب إلى السيناريوهات المحلية.
Windchill + AI: من «قابلة للإدارة» إلى «قابلة للفهم وقابلة لإعادة الاستخدام وقابلة لاتخاذ القرار»
السيد لُو تشن يوان Lü Zhenyuan، مدير تقني أول لقطاع المعدات الصناعية في PTC، يشارك استراتيجية الذكاء الاصطناعي المحلي لـ Windchill وحالات التطبيق
كما قدمت PTC في هذه الفعالية مشاركة حول استراتيجيتها للذكاء الاصطناعي المحلي لـ Windchill وحالات التطبيق، معرضةً القيمة التطبيقية للذكاء الاصطناعي في جوانب التفاعل مع بيانات المنتجات ورفع كفاءة تنفيذ الأعمال والتنسيق الذكي للعمليات. وتشير المواد الرسمية لـ PTC إلى أن Windchill AI، عبر تضمين الذكاء الاصطناعي مباشرة في سير عمل PLM، يساعد المستخدمين على العثور على بيانات المنتجات المعقدة وفهمها ومعالجتها أسرع، ويدعم الاستعلام بلغة طبيعية وتلخيص الوثائق المعقدة وتتبع أصل بيانات المنتجات الموثوقة، ويرفع كفاءة استخدام PLM في ظل آليات صارمة للتحكم في الوصول والحوكمة.
حول سيناريو Windchill + AI، شكّل SOIN AI في منظومة خدمات منتجاته للتصنيع بالفعل تراكمات قدرات متعددة قابلة للتنفيذ، تتركز بوجه خاص في اتجاهات مثل التفاعل الذكي مع بيانات المنتجات وتحليل وثائق المكونات التقنية والاستعلام عن المواد واختيارها الأمثل وحوكمة بيانات BOM وتحليل آثار التغيير وتعزيز الرسم البياني المعرفي.
في سيناريوهات إدارة سلسلة التوريد والمكونات المتكاملة مع PLM، تشمل التحديات الشائعة لدى الشركات انخفاض كفاءة إدخال البيانات وصعوبة الاستعلام عنها وجمود عمليات التحليل. فإدخال معاملات المواد يدوياً ليس فقط غير كفء وغير منتظم، بل يؤثر أيضاً على دقة الاختيار وBOM؛ وتحويل المهندسين للمتطلبات الغامضة إلى معاملات تقنية يستهلك وقتاً وعرضة للأخطاء، كما تواجه المطابقة الدلالية وتكامل البيانات في الوثائق متعددة اللغات صعوبات؛ وتعتمد عمليات التحليل التقليدية أكثر على قواعد ثابتة، ويصعب معها دعم قرارات مرنة متعددة الأبعاد عابرة لمصادر بيانات متعددة. وقد صنّفت مواد SOIN AI هذه المشكلات في ثلاث مجموعات من الإجراءات: الإدخال الذكي للبيانات والاستعلام الذكي والتحليل الذكي، وتشمل التصنيف التلقائي للمواد واستخراج السمات، والتعرف على بيانات Datasheet وبناء قاعدة معرفة المكونات، وكشف تكرار المواد والتوصية بالبدائل، وإعادة استخدام المعاملات عبر المشاريع، والمقارنة والتحليل متعدد المصادر، وتوليد المسودات الأولية للحلول التقنية. في تحليل وثائق المكونات التقنية، يستطيع SOIN AI دعم تحليل واستخراج وثائق بصيغ متعددة، والتعرف والتحويل متعدد اللغات، والتصنيف الذكي للمكونات، واستخراج سمات التصنيف، والإنشاء التلقائي للمواد المصنفة، لمساعدة الشركات على تحويل المعلومات غير المهيكلة المتناثرة أصلاً في ملفات PDF وDatasheets وكتب مواصفات الموردين إلى أصول بيانات مهيكلة، ورفع جودة بيانات المواد من المنبع.
في التفاعل الذكي ودعم القرارات، يدعم SOIN AI الاستعلام التفاعلي بلغة طبيعية، وتكامل وتحليل البيانات متعددة المصادر، والمقارنة الشاملة للمكونات والمواد، والتوصية الذكية بالمواد البديلة، ومقترحات تحسين التصميم، لمساعدة المهندسين على تقليل الوقت الذي يقضونه في البحث والمقارنة والتنظيم داخل النظام، وتوجيه مزيد من الطاقة إلى الأحكام التصميمية والقرارات الهندسية. وفي عمليات أعمال PLM الأكثر تعقيداً، يمكن لـ SOIN AI، بالجمع بين الرسم البياني المعرفي والبحث المعزز بالاسترجاع RAG وقدرات سير العمل الوكيلي، دعم سيناريوهات مثل الاستعلام عن المواد واختيارها الأمثل بمساعدة الذكاء الاصطناعي، وتحليل آثار تغييرات التصميم بمساعدة الذكاء الاصطناعي، والمساعدة في توليد خطط التحكم، والبناء الذكي لـ BOM. والهدف ليس تجاوز أنظمة PLM الرئيسية مثل Windchill، بل الاستناد إلى أساس بيانات المنتجات القائم ومنظومة العمليات، وجعل الذكاء الاصطناعي، في ظل بيانات موثوقة وحوكمة صلاحيات وآلية تأكيد بشري، ينجز استخراج المعلومات وفهم العلاقات والتنبيه للمخاطر والمخرجات المهيكلة.
من وظائف الذكاء الاصطناعي الفردية إلى وكلاء على مستوى العمليات: منهجية SOIN AI للتنفيذ في التصنيع
مشاركة معمارية حلول القطاع من SOIN AI
لم تكن صعوبة تنفيذ الذكاء الاصطناعي في التصنيع يوماً في قدرات النماذج ذاتها، بل في كيفية ربط النماذج بالعمليات الحقيقية والبيانات الحقيقية والصلاحيات الحقيقية وآليات المسؤولية الحقيقية للمؤسسة. يرى SOIN AI أن شركات التصنيع المتقدمة تحتاج إلى حلقة مغلقة كاملة من «قدرة الذكاء الاصطناعي + تنسيق الأعمال + حوكمة البيانات + التأكيد البشري + إعادة الكتابة في النظام».
على مستوى معمارية المنتجات، شكّل SOIN AI أساس قدرات يقوم على AWE وADS كنواتين. يوفر AWE قدرات تنسيق المهام متعددة الوكلاء والأدوات المتعددة، ويوفر ADS قدرات تحليل وتقطيع وفهم واستخراج ومعالجة مهيكلة للوثائق المعقدة. وعلى هذا الأساس، يحوّل SOIN AI من خلال Agentic RAG والتقطيع متعدد الوسائط والتضمين الهرمي الدلالي واستخراج كيانات المتطلبات عالي الدقة والتحقق المنطقي عبر الوثائق، وثائق التصنيع المعقدة والقواعد والمتطلبات والاختبارات والمواد وخبرات المشاريع التاريخية إلى معرفة هندسية قابلة للبحث والحكم والتنسيق وإعادة الاستخدام. وتشير المواد ذات الصلة إلى أن ALA شكّل بالفعل منظومة وكلاء قطاع ALM تشمل وكيل مراجعة جودة المتطلبات، ووكيل توليد وتقييم حالات الاختبار، ووكيل تحليل آثار التغيير، ووكيل توليد مصفوفة التتبع، ووكيل مقترحات تحسين الجودة، مع التأكيد على متطلبات تحكم بمستوى صناعي مثل النشر المحلي ونموذج التضمين الخاص وعزل أمان الوثائق وقابلية تتبع سلاسل الاستدلال.
على مسار النشر والحوكمة، يوصي SOIN AI الشركات بالانطلاق من سيناريوهات منخفضة المخاطر وعالية التكرار والضرورة، والتدرج نحو تشغيل مُسلسَل لهندسة المتطلبات: في المرحلة الأولى، إعطاء الأولوية للمواد والجودة، بجعل الوثائق قابلة للقراءة والترجمة متسقة وجودة المتطلبات مقدَّمة؛ وفي المرحلة الثانية، تعزيز إعادة استخدام المعرفة والتحقق من العلاقات، بتقليل التكرار والتعارض عبر البحث المشابه وإعادة الاستخدام التاريخية والتحقق من اتساق المنبع والمصب؛ وفي المرحلة الثالثة، ربط التفكيك بالتحقق، بترسيخ تفكيك المتطلبات وتوليد الاختبارات وأصول التحقق في العملية الرئيسية؛ وفي المرحلة الرابعة، تحسين نموذج المجال باستمرار، بترسيخ تعديلات الخبراء والإنذارات الخاطئة ونتائج التأكيد البشري كعينات تدريب وتقييم؛ وفي المرحلة الخامسة، بناء منظومة حوكمة وتشغيل مستمر تغطي الصلاحيات والتدقيق والمراقبة والتقييم وإدارة الإصدارات، للوصول في النهاية إلى إعادة عمل أقل ونواقص أقل وتكرار أقل وتتبع كامل.
وتتماشى هذه المنهجية أيضاً مع تقدير PTC لنضج الذكاء الاصطناعي المضمّن. تقسّم PTC دور وكلاء الذكاء الاصطناعي في المؤسسات إلى ثلاث مراحل نضج: «الاقتراح والمساعدة والأتمتة» — من الوصول الفوري إلى المعرفة وتلخيص المحتوى والبحث عن المعلومات ذات الصلة، إلى المساعدة في إتمام خطوات سير العمل، وصولاً إلى الربط المستقل بين الأنظمة ومراقبة البيانات ودفع النتائج بمدخلات بشرية قليلة. بالنسبة لشركات التصنيع، فإن تنفيذ الذكاء الاصطناعي ليس استبدالاً للعمليات القائمة بضربة واحدة، بل تدرّج على أساس بيانات موثوقة وحوكمة العمليات، من الاقتراحات المساعدة إلى التعاون على مستوى العمليات، ثم إلى التنفيذ المؤتمت في مهام محددة.
تعميق الحضور في النظام البيئي لـ PTC: دفع ذكاء التصنيع من «إثبات المفهوم» إلى «نتائج هندسية»
تبادلات في منصة عرض إدارة دورة حياة البرمجيات المدعومة بالذكاء الاصطناعي
في السنوات الأخيرة، واصل SOIN AI استكشاف سيناريوهات PLM وALM والرقمنة التصنيعية داخل النظام البيئي لـ PTC. في أبريل 2026، أطلق SOIN AI في محطة ووهان لملتقى PTC الصيني لقطاعي الإلكترونيات عالية التقنية والأجهزة الطبية حل منتجات ALA للذكاء الاصطناعي في إدارة دورة حياة البرمجيات، معرضاً قدراته في تحليل وثائق المتطلبات والمعالجة عبر اللغات وفحص جودة المتطلبات والتعرف على تشابه المتطلبات وتحليل اتساقها، مصرحاً بوضوح بأن الذكاء الاصطناعي ينبغي أن يتقدم من «التعرف على المحتوى» أو «الإجابة عن الأسئلة» نحو دعم أعمق لحوكمة المتطلبات وإعادة استخدام المعرفة وعمليات التعاون وضبط الجودة.
وفي سبتمبر 2025، شارك SOIN AI أيضاً في محطة تشينغداو لملتقى PTC لقطاع السيارات خبرات عملية في تطبيق Agentic AI في صناعة السيارات، مقترحاً حل نقاط ألم التحول لدى الشركات — «بيانات نائمة وعمليات جامدة وغياب التطور» — من خلال بناء قواعد معرفية متعددة الوسائط والدمج العميق بين Agentic AI وأنظمة PLM، والجمع بين Agentic AI وALM. من الإلكترونيات عالية التقنية والأجهزة الطبية إلى السيارات ثم تجهيز المعدات والطاقة، يعكس حضور SOIN AI المستمر في النظام البيئي لـ PTC مساراً متصلاً من التبادل القطاعي إلى التحقق من السيناريوهات ثم الترسانة المنتَجة.
وفّرت فعاليات محطة تشانغشا هذه فرصة مهمة لـ SOIN AI لعرض قدرات منتجاته في الذكاء الاصطناعي التصنيعي بشكل أعمق. حول سيناريو Codebeamer + AI، شكّل SOIN AI بالفعل سلسلة قدرات من الطرف إلى الطرف من جمع المتطلبات وتحليلها وتفكيكها وتنفيذها إلى التحقق منها؛ وحول سيناريو Windchill + AI، يعمل SOIN AI على دمج قدرات مثل التحليل الذكي للوثائق وبناء معرفة المواد وحوكمة بيانات BOM والتفاعل بلغة طبيعية وتحليل آثار التغيير وتعزيز الرسم البياني المعرفي في إدارة بيانات المنتجات والتعاون التجاري لـ PLM.
وبالنظر إلى المستقبل، سيمضي SOIN AI في التمسك بمبدأ «تطبيقات الذكاء الاصطناعي: التنفيذ هو الملك»، معتمداً على قدرات Agentic AI المطور ذاتياً ونماذج مجال التصنيع وخبرات النشر على مستوى المؤسسات، لاستكشاف مع شركاء النظام البيئي لـ PTC ومزيد من شركات تجهيز المعدات والطاقة والمعدات عالية التقنية والطاقة الجديدة التطبيقات العميقة للذكاء الاصطناعي في رقمنة البحث والتطوير وإدارة دورة حياة المنتجات وإدارة دورة حياة البرمجيات وتعاون سلسلة التوريد.
الذكاء الاصطناعي ليس «أداة مثبتة خارجياً» للتحول الرقمي التصنيعي، بل قدرة داخلية تتقدم إلى بيانات المنتجات والعمليات الهندسية ومنظومات المعرفة المؤسسية. يأمل SOIN AI، من خلال تراكمات منتجية متينة وحلول قابلة للتنفيذ، أن يساعد شركات التصنيع على تحويل البيانات المتناثرة إلى معرفة قابلة لإعادة الاستخدام، والعمليات المعقدة إلى مهام قابلة للتنسيق، وقدرات الذكاء الاصطناعي إلى نتائج هندسية ذات جودة أعلى وكفاءة أعلى وقابلية تتبع أكبر.