A: Để 5G + AI thực sự chạy trong nhà máy thông minh, cốt lõi của nền tảng dữ liệu không phải “khối lượng dữ liệu lớn” mà là “dữ liệu chuỗi thời gian được thu thập đầy đủ, truyền ổn định, gắn nhãn chính xác, lưu trữ được và truy xuất được” - thiếu bất kỳ khâu nào thì mô hình AI chỉ là bản trình diễn phòng thí nghiệm. 5G giải quyết bài toán “truyền”, AI giải quyết bài toán “tính và phán đoán”, nhưng cả hai đều đứng trên nền tảng dữ liệu. Cụ thể cần năm lớp nền tảng.
1. Thu thập dữ liệu chuỗi thời gian tần số cao ở lớp thiết bị
PLC, CNC, bộ điều khiển robot, camera thị giác, cảm biến rung, đồng hồ điện và nước trên dây chuyền đều phải xuất được dữ liệu với dấu thời gian thống nhất. Các tình huống 5G + AI điển hình - như kiểm tra video độ nét cao nhiều kênh, điều độ cộng tác AGV và điều khiển cánh tay robot từ xa - có yêu cầu lấy mẫu rất khác nhau: kiểm tra video cần khung hình liên tục 25 đến 60 fps, giám sát rung có thể cần hàng nghìn mẫu mỗi giây, trong khi dữ liệu năng lượng cấp phút là đủ. Rào cản đầu tiên của nền tảng dữ liệu là làm rõ mỗi loại thiết bị nên thu thập gì và nhanh đến đâu, đồng thời hỗ trợ phân tích các giao thức công nghiệp chính thống như OPC UA, Modbus và Profinet, thay vì vá dữ liệu bằng cách đọc đồng hồ thủ công.
2. Truyền tải tất định và bảo đảm độ trễ
5G trong nhà máy không thay thế liên kết có dây mà lấp vào những nơi dây không tới - AGV đang di chuyển, cánh tay robot quay và trạm kiểm tra đi dây tạm. Nền tảng dữ liệu đòi hỏi mạng cung cấp chất lượng dịch vụ phân tầng: độ trễ đầu-cuối cho lệnh điều khiển thường trong 10 đến 20 mili giây, truyền ngược video có thể nới đến hàng chục mili giây nhưng độ rung phải nhỏ. Đồng thời phải hỗ trợ 5G LAN, phối hợp TSN và hạ tải UPF tại biên để dữ liệu khép kín vòng ngay trong nhà máy thay vì đi vòng qua mạng công cộng. Giả sử tại xưởng dập của một công ty phụ tùng ô tô, độ rung độ trễ 5G vượt ngưỡng; phán đoán thị giác AI sẽ sai vì khung hình không đồng bộ - đó không phải lỗi thuật toán mà là lỗi đường truyền dữ liệu.
3. Mô hình dữ liệu thống nhất và căn chỉnh không-thời gian
Phần khó chịu nhất của dữ liệu nhà máy là “cùng thời điểm, khác nguồn, định nghĩa không nhất quán”. PLC giữ bit trạng thái cấp mili giây, MES giữ lô lệnh sản xuất, ERP giữ mã vật liệu, và hệ thống thị giác giữ tọa độ khuyết tật. Nền tảng dữ liệu đòi hỏi một mô hình đối tượng và mốc thời gian thống nhất liên kết thiết bị, lệnh sản xuất, vật liệu, nhân sự và vị trí, để mọi thứ truy xuất được theo dấu thời gian và trạm làm việc trên dây chuyền. Không có căn chỉnh này, phân tích nguyên nhân gốc bằng AI chỉ thấy các điểm bất thường rời rạc và không thể nói “lô vật liệu nào, máy nào, ca nào”.
4. Lưu trữ phân tầng và quản trị giữa biên và đám mây
Khối lượng dữ liệu mà 5G tạo ra là đáng kể; một luồng video độ nét cao có thể sinh hàng chục gigabyte một ngày. Nền tảng dữ liệu phải được phân tầng: biên giữ dữ liệu thời gian thực cấp giây đến phút cho điều khiển khép kín, nền tảng cấp nhà máy giữ vài tháng cho huấn luyện mô hình và phân tích hồi cứu, và đám mây xử lý việc lặp mô hình xuyên nhà máy. Cũng phải có cơ chế làm sạch dữ liệu, xử lý giá trị thiếu và quản lý nhãn - đặc biệt là nhãn mẫu khuyết tật cho kiểm tra bằng thị giác AI, cần kỹ sư công nghệ tham gia gắn nhãn, nếu không mô hình không bao giờ học được tiêu chí thật. Quản trị dữ liệu cũng bao gồm phân quyền và khử nhạy cảm, với kiểm soát phân tầng cho dữ liệu nhạy cảm liên quan tham số công nghệ.
5. Giao diện dịch vụ dữ liệu hướng tới AI
Lưu được dữ liệu không giống với dùng được dữ liệu. Yêu cầu cơ sở là cung cấp dữ liệu chuỗi thời gian, dữ liệu ảnh và dữ liệu nhãn theo nhu cầu cho nền tảng huấn luyện và engine suy luận thông qua API chuẩn hoặc lớp dịch vụ dữ liệu, có hỗ trợ kỹ thuật đặc trưng và quản lý phiên bản bộ dữ liệu. Trong một tình huống giả định tại nhà máy điện tử, nếu dây chuyền SMT cần phát hiện khuyết tật mối hàn mà mỗi lần đổi sản phẩm lại phải xuất và căn chỉnh dữ liệu lại thì chu kỳ triển khai AI sẽ bị kéo dài đáng kể.
Câu hỏi liên quan 1: chọn 5G hay Wi-Fi 6 cho thu thập dữ liệu nhà máy?
Không phải chọn một trong hai. Wi-Fi 6 phù hợp trạm làm việc cố định, văn phòng và tình huống quét mã vạch với yêu cầu độ trễ ít khắt khe; 5G phù hợp hơn với thiết bị di động, truyền ngược video băng thông đường lên cao và điều khiển sản xuất cần cô lập cắt lớp mạng. Nhiều nhà máy chạy cả hai, phân tầng theo tình huống.
Câu hỏi liên quan 2: nếu thiết bị cũ không có giao diện dữ liệu thì sao?
Bắt đầu bằng cải tạo nối mạng thiết bị, thêm gateway biên để thu tín hiệu ngoài như dòng điện, độ rung và nhiệt độ, rồi dần thay bộ điều khiển có hỗ trợ OPC UA. Đừng theo đuổi việc phủ dữ liệu toàn bộ ngay từ đầu; hãy chốt một dây chuyền và một tình huống trước.
Câu hỏi liên quan 3: xây nền tảng dữ liệu cần bao nhiêu đầu tư và bao lâu?
Tùy số dây chuyền, độ phức tạp giao thức thiết bị và có cần mạng 5G riêng hay không. Các yếu tố chính là số gateway biên, mô hình triển khai trạm gốc 5G và UPF, phí giấy phép phần mềm nền tảng, và nhân lực cho quản trị dữ liệu. Khuyến nghị cách làm ba bước - thí điểm một tình huống, nhân bản một dây chuyền, triển khai đa nhà máy - với chỉ số kiểm chứng ở mỗi bước thay vì triển khai toàn quy mô một lần.
Phù hợp và không phù hợp: nền tảng dữ liệu này phù hợp nhà máy sản xuất rời rạc và chế biến có tỷ lệ nối mạng thiết bị tương đối cao và điểm đau kiểm tra hoặc điều độ rõ ràng, đặc biệt các tình huống nhiều chủng loại sản lượng thấp đổi sản phẩm thường xuyên nơi mật độ giá trị dữ liệu cao. Không phù hợp trường hợp thiết bị dây chuyền cũ và không có kế hoạch cải tạo trong ngắn hạn, nhịp sản xuất cực kỳ không ổn định, hoặc thậm chí dữ liệu lệnh sản xuất cơ bản của MES chưa chạy được - ở giai đoạn đó hãy hoàn thiện nền tảng tin học hóa trước và bàn 5G + AI sau, nếu không mạng và năng lực tính toán đầu tư sẽ nằm không. Phép thử rất đơn giản: bạn có nói rõ được “trạm nào, loại dữ liệu gì, hỗ trợ tiêu chí AI nào” không? Nếu chưa, đừng bắt đầu.