Liftline: تتبع معدات الأندية وإدارة الانتظار والصيانة التنبؤية بالذكاء الاصطناعي

الإحباط الذي لم يحله أي ناد فعليا

ادخل ناديا تجاريا مزدحما الساعة 6 مساء الثلاثاء. حامل القرفصاء مشغول، وجهاز التجديف بالكابل مشغول، ولا سبيل لمعرفة مدة انتظار أي منهما. مقبض جهاز الكابل الثالث ممزق منذ أسبوعين، لكن الموظفين لا يعرفون أي جهاز تحديدا لأن البلاغ وصفه بأنه “شيء الكابل المعطل”. يحبط الأعضاء، ويغادر بعضهم مبكرا، ويلغي آخرون عضويتهم بعد ثلاثة أشهر، ولا يربط النادي بين هذه الوقائع.

جوهر Liftline بسيط جدا: يرى الأعضاء المعدات المتاحة، وينضمون إلى الطابور إن كانت مشغولة، ويبلغون عن المشكلات في ثوان. العمل المثير للاهتمام هو ما يحدث لهذه البيانات بعد بدء تدفقها.

ثلاث بوابات، منصة واحدة

يرى كل دور ما يحتاجه فقط، لا أكثر ولا أقل. يفرض RBAC على مستوى API.

كيف يبدو فعليا

ثلاث بوابات حسب الدور تعمل ببيانات ناد تجريبية، وليست نماذج Figma. فيما يلي جولة لدقيقتين سجلت من بيئة الاختبار المرحلي، تليها بعض الشاشات النموذجية.

نحو 23 MB · MP4 · اضغط للتشغيل

بوابة الإدارة · /portal/dashboard

لوحة الموظفين · /app/floor

مركز قيادة الذكاء الاصطناعي · /portal/ai

السمة الداكنة معروضة · السمة الفاتحة متاحة · هوية بعلامة خاصة لكل ناد

حيث يستحق الذكاء الاصطناعي مكانه فعلا

قاومنا الرغبة في إضافة الذكاء الاصطناعي إلى كل ميزة. هذه ثمانية مواضع يؤدي فيها Claude عملا لا تجيده البدائل:

1. توقع وقت الانتظار. توقع طول الطابور لكل جهاز باستخدام أنماط الاستخدام التاريخية وحركة النادي الحالية.
2. توصيات بمعدات بديلة. عندما يكون جهاز التجديف بالكابل مشغولا: “جهاز التجديف جلوسا متاح ويستهدف العضلات نفسها.”
3. الصيانة التنبؤية. تحليل تدفق البلاغات لتوقع الأعطال قبل وقوعها وترتيب التذاكر حسب الخطورة وتكرار الاستخدام.
4. تصنيف البلاغات. معالجة اللغة الطبيعية للبلاغات الحرة لتصنيف نوع المشكلة وكشف التكرار ووضع علامات على مسائل السلامة الحرجة لتصعيدها فورا.
5. خطط تدريب تكيفية. تعديل جلسة العضو المخططة آنيا لتجاوز المعدات غير المتاحة.
6. كشف الاختناقات. تكشف بيانات المستشعرات والطوابير أنماط الازدحام المرتبطة بتخطيط الصالة.
7. كشف إشارات الإحباط. انتظار متكرر للجهاز نفسه دون نجاح → عرض استباقي لبديل خارج أوقات الذروة.
8. تحديد خطر تسرب الأعضاء. ربط انخفاض تكرار الزيارات بحوادث عدم توافر المعدات.

نطلق توقع وقت الانتظار والصيانة التنبؤية أولا؛ فكلاهما يؤثر مباشرة في المقياسين اللذين يهمان الأندية فعلا: رضا الأعضاء والتكلفة التشغيلية.

المنظومة التقنية

• الواجهة الأمامية: Next.js 14 (App Router) + TypeScript + Tailwind CSS — قاعدة شيفرة واحدة وثلاث تجارب حسب الدور.
• الخلفية: Node.js + Express + TypeScript مع برمجيات وسيطة للمصادقة وRBAC وسجلات التدقيق وتحديد معدل الطلبات.
• قاعدة البيانات: PostgreSQL 16.
• الاتصال الآني: Socket.io — تدفع تحديثات حالة المعدات إلى كل عميل متصل خلال أقل من 100 مللي ثانية.
• التخزين المؤقت: Redis — حالة الطوابير في المسار كثير الاستخدام وتوقعات الانتظار.
• الذكاء الاصطناعي: Anthropic Claude API للفرز بمعالجة اللغة الطبيعية والتوقعات ومخطط التدريب التكيفي.
• البريد الإلكتروني: Nodemailer مع MailHog للحفاظ على اتساق بيئة التطوير.

كل المكونات داخل حاويات عبر docker-compose للتطوير المحلي؛ ويعمل الإنتاج على سحابة العميل (AWS أو GCP أو Azure، حسب اختياره)، مع قاعدة البيانات وRedis وSocket.io داخل VPC الخاص به.

البنية في مخطط واحد

┌─────────────────────────────────────────────────────┐
│                  Next.js Frontend                    │
│  ┌──────────┐  ┌──────────────┐  ┌───────────────┐   │
│  │ Member   │  │    Staff     │  │  Admin Portal │   │
│  │ App /app │  │ Dash /staff  │  │    /portal    │   │
│  └────┬─────┘  └──────┬───────┘  └───────┬───────┘   │
└───────┼────────────────┼──────────────────┼──────────┘
        ▼                ▼                  ▼
┌─────────────────────────────────────────────────────┐
│              Express API + Socket.io                 │
│  ┌────────┐ ┌────────┐ ┌────────┐ ┌──────────────┐   │
│  │  Auth  │ │  RBAC  │ │ Audit  │ │ Rate Limiter │   │
│  └────────┘ └────────┘ └────────┘ └──────────────┘   │
│  ┌──────────────────────────────────────────────┐    │
│  │           AI Service · Claude API             │    │
│  └──────────────────────────────────────────────┘    │
└──────────┬───────────────────────────┬───────────────┘
           ▼                           ▼
     ┌──────────┐               ┌──────────┐
     │PostgreSQL│               │  Redis   │
     │    16    │               │  cache   │
     └──────────┘               └──────────┘

أين نحن وإلى أين نتجه

Liftline قيد التطوير الخاص كمنتج تبنيه SEYSO. يعمل هيكل التطبيق ذي البوابات الثلاث وحالة المعدات الآنية وإدارة الطوابير ومسار البلاغات المصنفة بمعالجة اللغة الطبيعية في بيئة التطوير لدينا. والخطوتان التاليتان هما الصيانة التنبؤية وتوقع وقت الانتظار.

نجري محادثات نشطة مع سلاسل الأندية والمشغلين المستقلين بشأن عدد صغير من عمليات النشر التجريبية التأسيسية — تثبت في منشأتك ضمن تصميم مشترك، دون تكلفة بناء، مقابل استخدام بياناتك التشغيلية لتدريب الإعدادات الافتراضية للمنصة. إذا كان ذلك يهمك، فتواصل معنا أدناه.

لماذا هذا هو الوقت المناسب

أعادت صناعة اللياقة بناء نفسها بين 2020 و2024. تحدد البرمجيات الآن توقعات الأعضاء — تطبيقات حجز الحصص وأجهزة القوة الذكية والأجهزة القابلة للارتداء — لكن الطبقة التشغيلية الأساسية لمعظم الأندية ما زالت ورقة على لوح. Liftline طبقة تشغيلية تحترم سلوك الأعضاء الفعلي في الصالة، وتمنح المالكين بيانات لاتخاذ قرارات غير عاطفية بشأن الموظفين والتخطيط والمشتريات.