Trung tâm kiến thức
Mục lục

Q: Nhà máy chúng tôi đã dùng MES nhiều năm và sếp giờ muốn thêm AI. Vậy AI và MES truyền thống nên được tích hợp thực sự như thế nào?

A: Ý tưởng cốt lõi của việc tích hợp AI với MES truyền thống không phải là dỡ bỏ tất cả và thay bằng hệ thống mới, mà là xếp tầng năng lực AI lên trên nền dữ liệu MES hiện có, theo con đường “quản trị dữ liệu trước, đi vào bằng một tình huống, triển khai tại biên, khép kín từng bước”. MES truyền thống mạnh về điều khiển quy trình và ghi chép thực thi nhưng yếu về dự báo và ra quyết định thích ứng; AI lấp đúng khoảng trống đó. Hai bên làm việc theo tầng và không thay thế nhau.

Hãy bắt đầu từ một tình huống điển hình. Trên dây chuyền SMT của một nhà máy điện tử, MES chạy điều độ lệnh sản xuất, truy xuất nguồn gốc vật tư và ghi chép lấy mẫu SPC, dữ liệu được sinh ra mỗi ngày, nhưng điều độ dựa vào kinh nghiệm của người lập kế hoạch, bất thường thiết bị chỉ được phát hiện qua cảnh báo sau khi xảy ra, và dao động chất lượng chỉ được phát hiện qua lấy mẫu. Sau khi sếp khởi động một dự án AI, cạm bẫy phổ biến nhất là để thuật toán tiếp quản điều độ trực tiếp, mà không nạp các ràng buộc công nghệ, quy tắc đổi máy và logic cấp phát vật tư của MES vào mô hình, nên phương án tạo ra hoàn toàn không thực thi được ở xưởng. Đó là thất bại trong việc tích hợp đúng cách.

1. Kết nối kênh dữ liệu trước; đây là điều kiện tiên quyết của tích hợp

Mô hình dữ liệu MES thường được xây quanh năm tuyến chính: lệnh sản xuất, công đoạn, thiết bị, vật tư và chất lượng. Điều mô hình AI cần là dữ liệu chuỗi thời gian, dữ liệu nhãn và dòng sự kiện. Khi triển khai, bạn cần một tầng thu thập dữ liệu thống nhất giữa MES và nền tảng AI. Một thực hành phổ biến là thu thập dữ liệu cấp thiết bị qua OPC UA, đồng bộ lệnh sản xuất và bản ghi chất lượng qua API của MES hoặc view cơ sở dữ liệu, rồi đưa vào cơ sở dữ liệu chuỗi thời gian hoặc hồ dữ liệu để làm sạch và căn chỉnh. Hãy chú ý đến căn chỉnh mốc thời gian và ánh xạ khóa chính số lệnh sản xuất; nếu hai việc này không tốt, mọi mô hình phía sau đều được xây trên cát. Những nhà cung cấp đã hoạt động trong ngành hàng chục năm từ thời kỳ ERP, phục vụ 1,2 triệu khách hàng và đã triển khai tích lũy hàng chục triệu thiết bị đầu cuối thường có tích lũy sâu hơn ở tầng giao diện dữ liệu này; khi lựa chọn, hãy tập trung vào năng lực tích hợp dữ liệu thay vì tiếp thị thuật toán.

2. Sắp xếp thứ tự đi vào tình huống theo rủi ro thấp và lợi ích cao

Thứ tự đề xuất là: bảo trì dự đoán thiết bị, dự báo chất lượng trực tuyến, hỗ trợ tối ưu lập kế hoạch, tối ưu năng lượng. Bảo trì dự đoán chỉ đọc dữ liệu rung động và dòng điện của thiết bị và không thay đổi quy trình chính của MES, nên dễ triển khai nhất. Dự báo chất lượng nâng SPC từ lấy mẫu lên cảnh báo xu hướng toàn bộ, với đầu ra mô hình là khuyến nghị tham chiếu ở bước kiểm tra của MES. Tối ưu lập kế hoạch bắt đầu bằng chế độ phối hợp người - máy “AI gợi ý, người lập kế hoạch xác nhận”, và chỉ sau khi chạy trơn mới bàn đến điều độ tự động. Một doanh nghiệp phụ tùng ô tô bắt đầu bằng dự báo mài mòn dao, thêm một trường cảnh báo trong MES, và để phòng thiết bị thay dao theo cảnh báo; sau ba tháng ổn định thì mở rộng sang lập kế hoạch.

3. Phân biệt đám mây, biên và thiết bị trong vị trí triển khai

Suy luận có yêu cầu thời gian thực cao (như kiểm tra bằng thị giác và phán đoán bất thường thiết bị) đưa xuống biên phía dây chuyền, chạy mô hình nhẹ trên cổng biên hoặc máy tính công nghiệp. Những nhiệm vụ không thời gian thực như tối ưu lập kế hoạch và phân tích xu hướng chất lượng đưa lên đám mây hoặc máy chủ trong nhà máy. Bản thân MES phần lớn chạy trên máy chủ trong nhà máy, và các dịch vụ suy luận AI tương tác với MES qua API mạng nội bộ; đừng treo vòng điều khiển thời gian thực lên internet công cộng.

Câu hỏi liên quan 1: Tích hợp có cần thay MES hiện có không?

Không. Cách phổ biến là giữ MES ở vai trò tầng thực thi trong khi AI được gắn bên ngoài như các vi dịch vụ, giao tiếp hai chiều qua hàng đợi thông điệp hoặc API. Chỉ khi phiên bản MES quá cũ và hoàn toàn không cung cấp giao diện thì mới nên cân nhắc nâng cấp phiên bản MES thay vì đổi nhà cung cấp.

Câu hỏi liên quan 2: Dữ liệu huấn luyện cho mô hình AI đến từ đâu?

Chủ yếu từ lệnh sản xuất lịch sử và dữ liệu chất lượng của MES, dữ liệu chuỗi thời gian từ PLC và SCADA của thiết bị, và gán nhãn từ kinh nghiệm thủ công. Ở giai đoạn khởi động nguội, bạn có thể dùng mô hình cơ chế tham số công nghệ cộng học ít mẫu; không cần chờ nhiều năm để tích lũy dữ liệu.

Câu hỏi liên quan 3: Chu kỳ và đầu tư của dự án tích hợp nên được ước tính thế nào?

Các yếu tố gồm độ mở giao diện của MES, độ bao phủ thu thập dữ liệu thiết bị và số lượng tình huống. Một thí điểm một tình huống thường cho kết quả nhanh hơn làm song song nhiều tình huống. Phần lớn đầu tư là phần cứng thu thập dữ liệu và dịch vụ triển khai; tỷ trọng phí bản quyền phần mềm thay đổi rất nhiều theo mô hình của nhà cung cấp. Hãy chạy một POC kiểm chứng một tình huống trước khi ký một kế hoạch tổng thể.

Ranh giới giữa phù hợp và không phù hợp: những doanh nghiệp có MES hiện tại mở API hoặc cơ sở dữ liệu đọc được, dữ liệu cấp thiết bị thu thập được, và có một tình huống điểm đau đơn lẻ rõ ràng thì phù hợp với con đường tích hợp này. Những doanh nghiệp có MES hoàn toàn đóng không có giao diện, thiết bị cũ không có đầu ra dữ liệu, hoặc kỳ vọng có AI toàn nhà máy trong một bước thì nên cải tạo hạ tầng dữ liệu trước thay vì lao vào mô hình. Điều bạn nên tập trung tiếp theo là bản kiểm kê giao diện MES và tỷ lệ kết nối thiết bị; hai con số này quyết định điểm khởi đầu thật của mọi kế hoạch tích hợp.

Chủ đề: AI-FAQ