Trí tuệ nhân tạo (AI) và máy học (ML) chắc chắn sẽ ảnh hưởng rất lớn đến ngành công nghiệp sản xuất - chế tạo (manufacturing). Với những công nghệ này, các nhà sản xuất sẽ có được công suất tính toán (computational power) cần thiết để giải quyết các vấn đề mà con người hầu như không giải quyết được. Cuối cùng, chúng có thể cung cấp các câu trả lời đã được quy định trước cho các vấn đề sản xuất mà họ đã thắc mắc trong nhiều thế kỷ. Cụ thể là, làm thế nào để chúng ta làm cho sản phẩm của mình hiệu quả nhất có thể, không lãng phí và ít thời gian chết nhất?

Hầu hết các báo cáo mang tính đột phá mới nhất về công nghệ cho thấy rằng: cuộc thảo luận về những điều viển vông trên đã vượt xa các thường lệ trong công nghiệp, cho nên, tầm nhìn này sẽ giúp ích trong việc gợi ý những điều khả thi. Nhiều nhà sản xuất thiếu cơ sở hạ tầng dữ liệu (data infrastructure) cần thiết để khai thác được tiềm năng thật sự của AI và ML, vậy nên, hành trình hướng tới sản xuất hoàn hảo có thể trừu tượng đến mức khiến những ai mong muốn đạt được nó đều trở nên rối bời. 

Bắt đầu với dữ liệu

Trong khi viễn cảnh về công suất tính toán (computational power) không tưởng của công nghệ mà AI mang lại nghe có vẻ giống khoa học viễn tưởng, thì thực tế, những ứng dụng hiệu quả lại  đều bắt đầu bằng dữ liệu (data). Thật vậy, dữ liệu vừa là tài sản chưa được sử dụng đúng mức của các nhà sản xuất, vừa là yếu tố nền tảng khiến AI trở nên mạnh mẽ. Cũng giống như Tháp nhu cầu Maslow (Maslow’s Hierarchy Of Needs), một lý thuyết về động lực được mô tả như một kim tự tháp, với những nhu cầu cơ bản nhất, quan trọng nhất ở phía dưới và những nhu cầu phức tạp nhất ở phía trên.

Tháp nhu cầu của Khoa học dữ liệu

Tương tự, tháp nhu cầu khoa học dữ liệu của Monica Rogati là một kim tự tháp chỉ ra những điều cần thiết để bổ sung trí thông minh cho hệ thống sản xuất. Ở dưới đáy là nhu cầu thu thập đúng dữ liệu, đúng định dạng, hệ thống và đúng số lượng. Các ứng dụng của AI và ML sẽ chỉ đạt chất lượng tốt khi thu thập được dữ liệu tốt.

Khi bắt đầu áp dụng AI, nhiều nhà sản xuất thấy rằng dữ liệu của họ có ở nhiều định dạng khác nhau và được lưu trữ tại một số hệ thống như MES, ERP và SCADA. Nếu quy trình sản xuất là thủ công, rất ít dữ liệu được thu thập và phân tích, với nhiều biến động. Đây thường được gọi là dữ liệu bẩn (dirty data), bất cứ ai cố gắng hiểu ý nghĩa của nó sẽ phải tiêu tốn rất nhiều thời gian và công sức (ngay cả nhà khoa học dữ liệu). Họ sẽ cần chuyển đổi dữ liệu thành định dạng chung và nhập nó vào một hệ thống chung, nơi dữ liệu có thể được sử dụng để xây dựng các mô hình.

Một khi dữ liệu sạch, tốt được thu thập, các nhà sản xuất phải chắc chắn rằng họ có đủ dữ liệu đúng khi cải thiện quy trình hoặc giải quyết một vấn đề nào đó. Bên cạnh đó là đảm bảo có đủ các trường hợp sử dụng và nắm bắt tất cả các biến dữ liệu (data variables) đang ảnh hưởng đến ca sử dụng đó. 

Ví dụ: chỉ thu thập một biến số về số vòng tua máy mỗi phút là sẽ không đủ để bạn biết được lý do tại sao xảy ra lỗi. Tuy nhiên, nếu bạn thêm độ rung, nhiệt độ và dữ liệu về nhiều điều kiện gây ra lỗi, bạn có thể bắt đầu xây dựng các mô hình và thuật toán để dự đoán chúng. Ngoài ra, khi thu thập được nhiều dữ liệu hơn, bạn có thể tạo các yêu cầu về độ chính xác, chẳng hạn như “Thuật toán này sẽ có thể dự đoán được sự sự cố này trong vòng một ngày, với độ chính xác là 90%”. 

Nếu những điều ở trên phức tạp quá, thì sẽ có những giải pháp có sẵn cho việc tự động thu thập dữ liệu từ nhiều thiết bị và hệ thống khác nhau, sau đó tự động làm sạch dữ liệu hoặc định dạng. Điều này cho phép các kỹ sư tập trung vào việc xây dựng các mô hình và thuật toán, thay vì dành nhiều thời gian để làm sạch dữ liệu. 

Bắt đầu bằng cách giải quyết một vấn đề đơn giản hơn 

Tiếp cận với data khi bắt đầu sử dụng AI sẽ cho phép các nhà sản xuất hiểu và kiểm soát các quy trình của họ ngay từ đầu. Điều này không chỉ giúp họ kiểm soát được quy trình và bắt đầu gặt hái nhanh chóng được một số lợi ích như loại bỏ các biến thể của quy trình, mà còn cải thiện các loại phân tích họ có thể làm trong tương lai, cùng các mô hình AI và ML tiên tiến hơn. 

Hãy nhớ rằng: Nếu quy trình của bạn vượt ngoài tầm kiểm soát, sẽ không có điều kỳ diệu nào xảy ra khi thêm AI vào.

Đạt được lợi thế dẫn đầu trong mỗi ngành cũng là một lý do quan trọng để bắt đầu với việc thu thập dữ liệu và giải quyết lập tức các vấn đề sản xuất. Những công ty như Google, Amazon và Facebook thống trị các ngành công nghiệp của họ bởi vì họ là những công ty đầu tiên bắt đầu xây dựng các bộ dữ liệu. Các bộ dữ liệu này dần trở nên đồ sộ, và việc thu thập, phân tích dữ liệu của họ tối tân đến mức khiến họ liên tục phát huy được lợi thế cạnh tranh của mình.

Đối với nhiều nhà sản xuất, quy trình sản xuất - chế tạo là tương tự nhau. Nhà sản xuất càng sớm bắt đầu hành trình hướng tới AI, họ sẽ càng sớm xây dựng các bộ dữ liệu lớn cho phép họ thực hiện các mô hình AI và ML tiên tiến. Với từng vòng lặp sản xuất, họ sẽ bỏ xa các đối thủ cạnh tranh của mình.

Ứng dụng AI và ML vào giải quyết vấn đề là cả một hành trình, không phải ngày một ngày hai mà làm được. Nó bắt đầu bằng việc thu thập dữ liệu thành các các quy trình trực quan hóa và thống kê đơn giản, cho phép bạn hiểu rõ hơn về dữ liệu kiểm soát các quy trình của mình. Từ đó, bạn sẽ tiến bộ không ngừng thông qua những năng lực phân tích tiên tiến, cho đến khi đạt được mục tiêu không tưởng là sản xuất hoàn hảo, khi mà AI giúp bạn tạo ra các sản phẩm hiệu quả và an toàn nhất có thể.

VietnamWorks InTECH
Theo Forbes