Trong một thời gian dài, ngành công nghiệp sản xuất tại Đài Loan chủ yếu tập trung vào việc kiểm soát chi phí và đó là triết lý hoạt động cốt lõi của họ. Tuy nhiên, với sự lan tràn liên tục của làn sóng chuyển đổi kỹ thuật số, sản xuất thông minh đã trở thành tầm nhìn phát triển chung cho ngành công nghiệp. Hiện nay, mọi người đang tích cực cải thiện khả năng kỹ thuật số của họ, tìm cách giới thiệu ứng dụng Trí tuệ nhân tạo (AI) để cải thiện hiệu suất sản phẩm, hiệu quả của dây chuyền sản xuất và các mục tiêu khác.

 

Tận dụng kinh nghiệm phong phú của mình trong việc thực hiện biến đổi AI cho các ngành như thương mại điện tử, quảng cáo kỹ thuật số và bán lẻ bằng cách sử dụng iKala Cloud, nhà cung cấp dịch vụ Trí tuệ nhân tạo đám mây iKala cũng đang mở rộng sự hiện diện trên thị trường hướng vào ngành sản xuất. Họ đang cố gắng hỗ trợ khách hàng trong ngành công nghiệp để giải quyết các vấn đề như kho dữ liệu và dữ liệu không chuẩn hóa, nâng cao khả năng dự đoán dây chuyền sản xuất để thực hiện bảo trì dự đoán, phát hiện thiết bị máy móc bất thường hoặc sử dụng AutoML để tăng cường độ chính xác trong việc phát hiện lỗi, tất cả thông qua việc sử dụng công nghệ thông tin để nâng cao sự cạnh tranh.

 

Browny Lin, Giám đốc Kỹ thuật của iKala Cloud, quan sát rằng trên phạm vi quốc tế, Trí tuệ Nhân tạo (AI) đã được áp dụng vào việc phát hiện lỗi, dự đoán bảo dưỡng, lập lịch dây chuyền sản xuất và tối ưu hóa kết hợp nguyên liệu, cùng với nhiều lĩnh vực khác. Trong tương lai, trọng tâm sẽ dần dần chuyển dời từ việc cải thiện hiệu suất sản xuất đến việc nâng cao hiệu suất vận hành. Điều này bao gồm đảm bảo chất lượng sản phẩm thông qua hồ sơ sản xuất và thậm chí là việc bổ sung khả năng dự đoán cho quản lý tồn kho.

 

Dịch vụ Chuyên gia Hỗ trợ Triển khai Trí tuệ Nhân tạo (AI) trên Dây chuyền Sản xuất

 

Trong ngành sản xuất truyền thống, việc thiếu khả năng kỹ thuật số đã là một thách thức đáng kể trong việc tiến vào lĩnh vực phân tích dữ liệu. Mặc dù một số môi trường công nghiệp lớn đã triển khai Internet of Things (IoT – Internet Vạn Vật) và trang bị nhiều cảm biến trên máy móc và thiết bị để thu thập dữ liệu để ứng dụng Trí tuệ Nhân tạo (AI), phần lớn các ngành công nghiệp sản xuất vẫn giới hạn lại ở các dự án chứng minh, gây khó khăn trong việc mở rộng vào quy trình làm việc thực tế của dây chuyền sản xuất.

 

Browny Lin đã chỉ ra rằng để các nhà máy tiến vào giai đoạn sản xuất thông minh, việc phá vỡ các kho dữ liệu cục bộ cùng với việc tổng hợp dữ liệu thời gian thực và chất lượng cao là vô cùng quan trọng. Dữ liệu này là nền tảng để phát triển các ứng dụng AI có thể giải quyết những thách thức cụ thể. Theo báo cáo Xu hướng Trí tuệ Nhân tạo của Doanh nghiệp Đài Loan, một nỗ lực cộng tác giữa công ty đầu tư rủi ro Hive Ventures và Học viện Trí tuệ Nhân tạo Đài Loan, các khoản đầu tư trong quản lý dữ liệu bởi ngành sản xuất ưu tiên tối ưu hóa dữ liệu, các công cụ quyết định kinh doanh và lưu trữ dữ liệu, với các công nghệ AI tập trung chủ yếu vào máy học, thị giác máy tính và AutoML là các hướng tích hợp chính.

 

Thách thức đặt ra là sự hiếm hoi của các trường hợp phát triển từ việc thu thập dữ liệu, phát triển mô hình, xác minh mô hình, đến triển khai thành công, chưa kể triển khai các mô hình phân tích vào môi trường sản xuất thực tế, có thể gây ra sự thiên lệch và giảm đi hiệu suất. Đa phần các mô hình này đòi hỏi việc đào tạo lại để duy trì tính nhất quán và độ chính xác. Liên quan đến vấn đề này, các dịch vụ tư vấn chuyên gia, triển khai kỹ thuật và đào tạo giáo dục hiện có của iKala đóng một vai trò quan trọng, hỗ trợ trong việc triển khai thực tế các ứng dụng AI trên dây chuyền sản xuất.

Browny Lin đã đưa ra ví dụ về cách các mô hình Trí tuệ Nhân tạo (AI) được đào tạo trong ngành sản xuất tại Đài Loan có thể trải qua sự giảm đi độ chính xác khi áp dụng ở các khu vực khác do các yếu tố như nhiệt độ môi trường, độ ẩm và cách thức sắp xếp lịch khác nhau cho kỹ sư tại hiện trường. Mặc dù không đòi hỏi luôn luôn về việc đào tạo lại, việc cung cấp mô hình với dữ liệu mới và việc đào tạo lại để thích nghi với môi trường mới là rất quan trọng.

 

Ông nhấn mạnh rằng loại yêu cầu này có thể được giao cho iKala để được hỗ trợ. Nếu một mô hình AI cần được áp dụng trong các lĩnh vực ứng dụng khác nhau, dữ liệu từ mỗi lĩnh vực phải được thu thập trong giai đoạn thu thập dữ liệu ban đầu. iKala Cloud sử dụng các sản phẩm độc quyền mà họ đã phát triển độc lập, sử dụng xử lý ngôn ngữ tự nhiên, thị giác máy tính, khoa học dữ liệu và các công nghệ khác. Các sản phẩm này được phân loại thành ba giai đoạn: Onboard, Enable và Growth, dựa trên phương pháp kiến trúc của họ, để từ đó cung cấp các dịch vụ.

 

Ông tiếp tục nhấn mạnh rằng iKala Cloud đã có mặt lâu năm trong lĩnh vực đám mây và công nghệ Trí tuệ Nhân tạo, cung cấp một giải pháp toàn diện tập trung vào nhu cầu số hóa doanh nghiệp. Điều này bao gồm cơ sở hạ tầng đám mây kết hợp và đa nền tảng, tích hợp qua đám mây, giải pháp văn phòng dựa trên đám mây và việc cung cấp dịch vụ bảo trì iKala AIOps. Những dịch vụ này giúp các doanh nghiệp tăng cường hiệu suất vận hành, thúc đẩy sự đổi mới và phát triển thông qua các nền tảng đám mây và ứng dụng Trí tuệ Nhân tạo.

 

Xây dựng Mạng Dữ liệu (Data Mesh) cho Quản lý Dữ liệu Trung tâm

 

Khi các ngành công nghiệp khác nhau tiến xa trong việc số hóa, việc xây dựng một quy trình xử lý dữ liệu trở nên cần thiết để chuyển đổi tín hiệu tương tự thành tín hiệu kỹ thuật số. Ví dụ, trong ngành sản xuất, điều này có thể liên quan đến việc chuyển đổi tín hiệu âm thanh được sử dụng để phát hiện lỗi và các tệp không cấu trúc được tạo ra bởi các ứng dụng như Kiểm tra Quang học Tự động (AOI) thành các định dạng chuẩn hóa với sự hỗ trợ của các công cụ. Đội ngũ kỹ thuật của iKala có thể tận dụng cơ sở hạ tầng Trí tuệ Nhân tạo từ các nhà cung cấp dịch vụ đám mây quốc tế như Google và AWS để hỗ trợ các doanh nghiệp trong việc đào tạo các mô hình Máy học (Machine learning) hoặc Học sâu (Deep learning).

 

iKala sử dụng khái niệm Data Mesh để xây dựng một trung tâm dữ liệu, cho phép cả tệp có cấu trúc và không có cấu trúc được lưu trữ theo cách phân tán, có thể được truy cập theo thời gian thực dựa trên yêu cầu của ứng dụng. Điều này kết nối tình trạng đảo dữ liệu hiện tại và tích hợp hoạt động thông qua API hoặc phương pháp nhập. Dựa trên kiến thức lĩnh vực, các đặc điểm (đặc tính, thuộc tính) được trích xuất từ dữ liệu thô để nâng cao chất lượng của các mô hình đào tạo và phân tích. Điều này tạo nền tảng đáng tin cậy cho việc phân tích quyết định kinh doanh và ứng dụng Trí tuệ Nhân tạo.

 

“Bên cung cấp dịch vụ Trí tuệ Nhân tạo phải có kiến thức lĩnh vực để giúp các doanh nghiệp giải quyết các khía cạnh khác nhau của quy trình làm việc của họ. Khi đề cập đến việc sử dụng Trí tuệ Nhân tạo để đổi mới hoặc thậm chí tạo ra các mô hình kinh doanh chuyên ngành, nó giống như làm việc với một hộp đen có khả năng vượt qua những bức tường cao của kiến thức lĩnh vực. Các doanh nghiệp không cần học sâu về quy trình cây quyết định (Decision tree) bên trong hộp đen; họ chỉ cần tiếp tục cung cấp dữ liệu để đào tạo nó. Trong tương lai, có khả năng Trí tuệ Nhân tạo sẽ dẫn dắt quyết định kinh doanh và phát hiện các thông tin về cơ hội,” Browny Lin đã nói.

 

Bộ máy dữ liệu sản xuất giúp giảm thiểu các hạn chế của phân tích kinh doanh

 

Để đảm bảo rằng các ứng dụng Trí tuệ Nhân tạo (AI) có thể triển khai trong quá trình sản xuất thực tế, iKala, phối hợp với Google Cloud, đã giới thiệu dịch vụ Bộ máy dữ liệu sản xuất và Dịch vụ Kết nối sản xuất. Các dịch vụ này được triển khai để cấu hình quyền truy cập cho các vai trò khác nhau, bao gồm kỹ sư tại hiện trường và các hoạt động nhà máy, sử dụng hạ tầng đám mây với tính năng phân tích và ứng dụng Trí tuệ Nhân tạo dễ sử dụng, từ đó liên tục cải thiện quy trình sản xuất để tối ưu hóa.

Bộ máy dữ liệu sản xuất là một giải pháp dựa trên đám mây được thiết kế để xử lý, xây dựng mối quan hệ và lưu trữ dữ liệu môi trường nhà máy. Nó cung cấp một bản thiết kế có thể tùy chỉnh cho việc trích xuất dữ liệu, biến đổi, lưu trữ và truy cập dữ liệu. Kết nối sản xuất là một nền tảng tích hợp vi xử lý tại hiện trường của nhà máy được phát triển chung bởi Google Cloud và Litmus Automation. Nó tận dụng một cơ sở dữ liệu rộng lớn với hơn 250 giao thức truyền thông máy móc, cho phép kết nối với gần như tất cả thiết bị sản xuất và hệ điều hành cấp công nghiệp. Điều này giúp truyền dữ liệu vào hồ dữ liệu đám mây của Google để lưu trữ.

 

Nhờ sự kết hợp chặt chẽ giữa Hệ thống Dữ liệu Sản xuất và Dịch vụ Kết nối Sản xuất, các dữ liệu hiệu suất quan trọng như tỷ lệ sử dụng thiết bị có thể được hiển thị dưới dạng biểu đồ, hồi quy trực quan. Người lao động thuộc các vai trò khác nhau tại nhà máy sản xuất có thể thực hiện phân tích theo yêu cầu dựa trên nhiệm vụ của họ, đào sâu vào dữ liệu phân tích để tìm kiếm thông tin bổ sung. Ví dụ, họ có thể nhanh chóng xác định nguyên nhân gốc rễ của sự không ổn định về chất lượng gây ra khuyết điểm sản phẩm và đề xuất kế hoạch cải tiến hiệu quả.

Dân số toàn cầu đang ngày càng già hóa một cách nhanh chóng, và đối với ngành sản xuất, việc tìm kiếm những tài năng mới để thay thế các chuyên gia cao cấp sắp nghỉ hưu trở nên khó khăn hơn. Nếu những công cụ kỹ thuật số có thể được sử dụng để giảm độ phức tạp của việc áp dụng các công nghệ như máy chủ đám mây, xử lý dữ liệu và phân tích kinh doanh, điều này sẽ giúp nhân viên khám phá các cách mới để liên tục cải thiện hiệu suất vận hành từ dữ liệu đã phân tích, từ đó lấp đầy dần dần những khoảng trống về lao động.

Looker, công cụ thông tin kinh doanh hiện đại của Google Cloud, được thiết kế dành cho người dùng không chuyên về công nghệ với giao diện tự phục vụ. Nó yêu cầu ít hoặc không cần mã lập trình và cung cấp hướng dẫn mẫu tích hợp để tái sử dụng dữ liệu và quy trình công việc theo chuẩn. Looker có thể tích hợp và hoạt động cùng Hệ thống Dữ liệu Sản xuất, cho phép cả kỹ sư hàng đầu và quản lý cấp cao truy cập ngay lập tức dữ liệu toàn diện về dây chuyền sản xuất.

 

(Nguồn tin: 網管人）