الذكاء الاصطناعي

أمازون تبني مساعداً هندسياً ينظم تقييم المكونات الفضائية

أوضحت آمازون ويب سيرفيسز كيفية بناء مساعد هندسي متعدد الوكلاء يختصر وقت تقييم بدائل مكونات الطيران والفضاء من أيام إلى دقائق معدودة، مع إبقاء المهندس متخذ القرار الرئيسي.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 2 نوفمبر 2026 · آخر تحديث: 2 نوفمبر 2026 · 4 دقائق قراءة

أمازون تبني مساعداً هندسياً ينظم تقييم المكونات الفضائية — الصورة: AWS Machine Learning Blog

تحديات تقييم قطع الفضاء والتحقق من البدائل

عندما تُصبح إحدى القطع المؤهلة في صناعات الطيران والفضاء قديمة أو متوقفة عن الإنتاج، أو عندما تخضع لأوقات تسليم طويلة، يضطر المهندسون لتقصي المواصفات عبر وثائق الموردين، ومخططات واجهات التحكم، وسجلات التأهيل. تطلب هذه العملية عادةً أياماً متواصلة من المراجعات اليدوية المتقاطعة قبل صياغة مبررات الاستبدال للتأكد من عدم الإضرار بالأنظمة. وفي التطبيقات الحرجة للطيران، يمكن أن يؤدي أي استبدال غير دقيق لمكون أساسي إلى فشل المهمة بأكملها، في حين تظل الأدلة والبيانات المعتمدة مبعثرة بين الرسائل الإلكترونية والمعارف الضمنية غير الموثقة، مما يحول دون وجود ملف مراجعة متكامل ومكرر.

رؤية معمارية قائمة على إبقاء البشري في موقع القرار

لمواجهة هذه التحديات، كشفت مدونة AWS Machine Learning Blog عن آلية لبناء مساعد هندسي يقلل الجهد اليدوي عبر تجميع الأدلة وتحديد الفروق التشغيلية بسرعة عالية. ويستند النظام إلى مبدأ أساسي مفاده أن المهندس هو صاحب القرار النهائي دائمًا، بينما يقتصر دور النظام على تجميع الأدلة وإعداد المسودات دون اتخاذ أي قرار اعتماد تلقائي.

تعتمد هذه الحلول على منصة Amazon Bedrock AgentCore لإدارة الوكلاء وتنسيق عملهم، إلى جانب Amazon Nova Multimodal Embeddings وحزمة البرمجيات مفتوحة المصدر Strands Agents SDK. ويتميز هذا المفهوم بالفصل بين استخدام النماذج اللغوية الكبيرة والرمز البرمجي المحدد، حيث يُستخدم كود بلغة بايثون قائم على قواعد التفاوت لتقييم مدى تطابق المكون البديل مع المواصفات المرجعية، مما يضمن الحصول على نتائج متطابقة وموثوقة لخضوعها للمراجعات الهندسية الرسمية.

تنسيق العمل بين الوكلاء المتخصصين

يُدار النظام عبر تخطيط ذكي يقوده نموذج Claude Haiku 5.5، والذي يتولى توجيه الاستفسارات إلى واحد أو أكثر من ثلاثة وكلاء متخصصين: وكيل الفهرس، ووكيل التقييم، ووكيل المعرفة. وتستخدم هذه الكيانات الفرعية نموذج Claude Sonnet 5.5 لتنفيذ أدواتها المحددة، وفي حال مشاركة أكثر من وكيل في الاستجابة لطلب واحد، يقوم مشرف يعتمد على نموذج Claude Opus 5.5 بتجميع النتائج وتلخيصها في تقرير موحد.

فعند طرح استفسارات معقدة، مثل التأكد من نهاية العمر التشغيلي لقطعة معينة والبحث عن البدائل وتعديل تقييمها، يتم تشغيل الوكلاء الثلاثة بالتتابع. وتتصل هذه المنظومة بقواعد معرفة مخصصة أُنشئت عبر Amazon Bedrock Managed Knowledge Bases، مدمجة مع موصلات البحث على الويب للحصول على بيانات محدثة من الشبكة مباشرة.

معالجة النصوص والصور عبر التضمين متعدد الوسائط

يأتي تطبيق هذه الحلول استكمالاً لما نُشر سابقاً في مقال Manufacturing intelligence with Amazon Nova Multimodal Embeddings، والذي أظهر قدرة النموذج على استخراج الإجابات المحتجزة داخل المخططات الهندسية والرسوم البيانية الحرارية. وفي هذا النظام المطور، يؤدي نموذج التضمين دورين رئيسيين: الأول هو الاسترجاع متعدد الوسائط، حيث تُضمن أوراق البيانات ومخططات التحكم في مساحة دلالية واحدة تجمع بين النصوص والرسوم البصرية، مما يسمح للمهندس بالبحث بنص أو رفع صورة رسم بياني لاسترجاع المخطط المطابق.

أما الدور الثاني فهو قياس التشابه البصري؛ فعند المقارنة بين مكونين مرشحين، يحسب النموذج درجة تشابه جيب التمام بين الصور، بينما يحلل النموذج اللغوي الفروق الفيزيائية الدقيقة مثل نمط التثبيت ومواقع الموصلات وهندسة الهيكل الخارجي، لدعم قرارات التقييم المحددة برمجياً. وفي الحالات التي يستفسر فيها المستخدم باستخدام صورة مقتطعة، يتعامل النظام مباشرة مع فهرس أس 3 الموجه للناقلات Amazon S3 Vectors، نظراً لأن واجهة الاسترجاع الخاصة بقواعد المعرفة المدارة لا تقبل مدخلات الصور بشكل مباشر.

التوثيق المعياري ومتطلبات التشغيل

لضمان امتثال العمليات للمقاييس الصناعية الصارمة، يُنتج النظام مسودة تقييم الأثر التكاملي عبر سلسلة ثابتة تبدأ بوكيل المعرفة ثم التقييم ثم المشرف، كما يُسجل كل تقييم في سجل تدقيق محدد يتوافق مع القسمين 8.4 و8.5.6 من معيار AS9100 لإدارة الجودة في الطيران.

تتضمن النماذج التوضيحية المتاحة عبر المستودع البرمجي مجموعة بيانات نموذجية تتكون من 7 عجلات تفاعل مصنعة افتراضياً بواسطة AnyCompany وتغطي نطاق حفظ الزخم من 0.003 إلى 5.0 نيوتن متر ثانية. ويمكن للمطورين تجربة هذه الحلول والتعمق في تفاصيلها البرمجية عبر الاطلاع على GitHub repository، حيث تتوفر الدفاتر البرمجية المجهزة لبيئة Jupyter وDocker.