A: Triển khai mô hình lớn trong sản xuất không chỉ có một con đường. Cách tiếp cận chính chia thành ba loại: thứ nhất, nhúng mô hình lớn vào các hệ thống nghiệp vụ hiện có dưới dạng ứng dụng “trợ lý”; thứ hai, xây “mô hình chuyên dụng đơn điểm” xoay quanh các kịch bản như kiểm tra chất lượng, thiết bị và quy trình; thứ ba, bắt đầu từ nền tảng “quản trị dữ liệu cộng nền tảng mô hình” và mở rộng dần. Ba con đường khác nhau rất nhiều về yêu cầu dữ liệu, và chọn sai đường thường không phải vì mô hình không đủ tốt mà vì nền dữ liệu không đỡ nổi.
Hãy bắt đầu từ sự phân biệt thực tế nhất: “có hệ thống” so với “không có hệ thống”. Giả sử một nhà máy điện tử đã chạy cả MES, ERP và WMS, với bản ghi có cấu trúc cho lệnh sản xuất, vật tư, mã khuyết tật và tham số thiết bị. Khi đó việc xây một trợ lý mô hình lớn tương đối trơn: kết nối các cơ sở dữ liệu nghiệp vụ và nền tri thức tài liệu, nó có thể xử lý hỏi đáp lập lịch, giải thích báo cáo và quy nguồn bất thường, vì mô hình có nguyên liệu để tiêu thụ. Ngược lại, nếu một công ty phụ tùng ô tô vẫn dựa vào Excel và phiếu quy trình giấy, cùng ứng dụng trợ lý đó sau khi vận hành rất có thể trả lời lan man, vì mô hình không lấy được nguồn dữ liệu ổn định và truy xuất được. Đây là bước phân nước đầu tiên khi chọn đường: mức độ số hóa dữ liệu quyết định bạn có thể đi con đường nhẹ “trợ lý” hay không.
Con đường thứ nhất là ứng dụng kiểu trợ lý, ở đó từ khóa của nền dữ liệu là “tri thức truy xuất được”. Bạn cần văn bản phi cấu trúc như tài liệu chính sách, SOP, sách hướng dẫn thiết bị, lệnh sản xuất lịch sử và báo cáo chất lượng, cộng với dữ liệu chủ và giao dịch nghiệp vụ trong ERP và MES. Khó khăn không phải khối lượng dữ liệu mà là dữ liệu đã được sắp xếp thành dạng truy xuất được chưa - tài liệu nằm rải rác trên máy tính cá nhân, phiên bản lộn xộn và thuật ngữ không thống nhất đều trở thành nhiễu khi mô hình được kết nối. Con đường này phù hợp với nhà máy muốn giữ lại kinh nghiệm của công nhân lâu năm và để nhân viên tuyến đầu tra cứu tham số quy trình bằng ngôn ngữ tự nhiên.
Con đường thứ hai là mô hình chuyên dụng đơn điểm, điển hình là kiểm tra thị giác AI, bảo trì dự đoán thiết bị và tối ưu tham số quy trình. Yêu cầu dữ liệu của nó khó nhất: cần dữ liệu lịch sử đã gán nhãn. Ví dụ kiểm tra thị giác cần ảnh khuyết tật đã gán nhãn với loại khuyết tật được định nghĩa rõ ràng và độ phủ mẫu đủ; bảo trì dự đoán cần dữ liệu rung động, nhiệt độ và dòng điện được thu thập dưới dạng chuỗi thời gian và căn chỉnh với hồ sơ bảo trì. Ở đây khoảng cách giữa “có hệ thống” và “không có hệ thống” càng rõ hơn: nhà máy có SCADA, thu thập dữ liệu tại biên và dấu thời gian thống nhất có thể đưa dữ liệu thẳng vào mô hình; nhà máy vẫn ghi số đo bằng tay phải bù tầng thu thập trước khi bàn đến mô hình.
Con đường thứ ba là nền tảng: xây quản trị dữ liệu và nền tảng quản lý mô hình trước, rồi phát triển ứng dụng ở trên. Yêu cầu dữ liệu của nó mang tính “hệ thống”: tiêu chuẩn dữ liệu thống nhất, quản lý dữ liệu chủ, giám sát chất lượng dữ liệu, và ranh giới phân quyền cùng an toàn. Nó thể hiện kết quả chậm nhưng mở rộng tốt, phù hợp với doanh nghiệp tập đoàn có nhiều nhà máy và dây chuyền muốn tái sử dụng lâu dài. So với hai con đường đầu, nó không theo đuổi thắng nhanh tại một điểm mà tránh việc làm lại từ đầu cho mỗi kịch bản.
Lời khuyên tổng thể là: trước tiên hãy kiểm kê tài sản dữ liệu của bạn - độ phủ hệ thống nghiệp vụ đến đâu, kịch bản then chốt đã có dữ liệu lịch sử gán nhãn chưa, và tri thức tài liệu có truy xuất được không. Nếu dữ liệu yếu về số hóa, đừng vội lao vào mô hình chuyên dụng; hãy bắt đầu bằng ứng dụng trợ lý và bù phần thu thập dữ liệu. Nếu một kịch bản đơn điểm có dữ liệu đầy đủ và điểm đau rõ ràng, mô hình chuyên dụng dễ thể hiện giá trị nhanh hơn. Với doanh nghiệp nhiều cơ sở muốn quy mô và tái sử dụng, hãy cân nhắc con đường nền tảng. Không có con đường nào tự thân tốt hơn; con đường khớp với nền dữ liệu của bạn là con đường triển khai được.