A: Trong nhà máy, AI biên và AI cloud không phải là lựa chọn hoặc cái này hoặc cái kia mà là sự phân công: biên xử lý vòng lặp khép kín thời gian thực, cloud xử lý tối ưu toàn nhà máy. Tiền đề là quản trị dữ liệu phân tầng, đồng bộ dấu thời gian, và khả năng đệm rồi gửi lại dữ liệu sau khi mạng gián đoạn ở phía biên. Nếu không có nền tảng dữ liệu đó, hai bên chỉ chạy riêng rẽ và sự phối hợp chỉ là nói suông.
1. Trước tiên làm rõ mỗi bên nên làm gì
AI biên chạy trên IPC công nghiệp, gateway biên hoặc thiết bị tất cả trong một đặt cạnh dây chuyền, xử lý công việc ở mức mili giây đến giây: quyết định kiểm tra chất lượng bằng thị giác, cảnh báo bất thường rung động thiết bị, bảo vệ liên động PLC và tránh vật cản cho AGV. Những nhiệm vụ này nhạy cảm về độ trễ, thường yêu cầu phản hồi trong 50 mili giây, và phải tiếp tục chạy khi mạng gián đoạn. AI cloud xử lý công việc liên dây chuyền và liên nhà máy: phân tích nguyên nhân gốc chất lượng đa quy trình, huấn luyện mô hình bảo trì dự đoán, tối ưu điều độ sản xuất và điều phối năng lượng. Nó nhìn vào toàn bộ dữ liệu lịch sử và tương quan giữa nhiều nguồn dữ liệu, không theo đuổi thời gian thực. Nên phân chia ranh giới theo thang thời gian của nhiệm vụ: dưới mức giây thuộc về biên, trên mức phút thuộc về cloud, khoảng giữa chuyển tiếp qua suy luận biên với cập nhật mô hình định kỳ từ cloud.
2. Tầng đầu tiên của nền tảng dữ liệu: biên phải có khả năng tính toán và lưu trữ cục bộ
Node biên không thể chỉ chuyển tiếp dữ liệu. Chúng cần khả năng đệm cục bộ để giữ ít nhất vài giờ đến vài ngày dữ liệu thô trong thời gian gián đoạn và gửi lại theo thứ tự sau khi phục hồi; nếu không, mô hình trên cloud sẽ mất mẫu. Phía thu thập phải dùng nguồn xung nhịp thống nhất, phổ biến là đồng bộ PTP hoặc NTP, để dấu thời gian từ cảm biến rung động, camera thị giác và sự kiện PLC căn về cùng một tham chiếu với sai số mức mili giây. Trong một tình huống giả định tại một nhà máy điện tử, nếu cảnh báo của máy gắn linh kiện và quyết định của AOI lệch nhau vài trăm mili giây về dấu thời gian, phân tích nguyên nhân gốc sẽ chỉ sang sai quy trình.
3. Tầng thứ hai: mô hình dữ liệu và nhãn phải được thống nhất
Định nghĩa trường, đơn vị và tần số lấy mẫu dùng cho huấn luyện mô hình trên cloud phải nhất quán với phía suy luận biên. Nên xây một từ điển dữ liệu nhẹ ở phía nhà máy để cố định quy ước đặt tên cho điểm thiết bị, thông số quy trình và nhãn chất lượng. Kết quả quyết định sinh ra ở biên phải được gửi lại cloud như nhãn, tạo thành vòng lặp khép kín: suy luận biên, con người rà soát, phản hồi nhãn, huấn luyện lại trên cloud và phân phối mô hình. Vòng lặp này không cần tần suất cao - cập nhật hàng tuần hoặc hàng tháng là đủ - nhưng kênh phải luôn mở.
4. Tầng thứ ba: băng thông và giao thức phải được tính rõ
Luồng video thô từ dữ liệu thị giác không phù hợp để tải toàn bộ lên cloud; biên nên trích khung hình hoặc đặc trưng trước rồi mới truyền, thường chỉ gửi kết quả quyết định kèm ảnh khung hình then chốt. Dữ liệu thiết bị được thu qua MQTT hoặc OPC UA, với việc tổng hợp và giảm mẫu tại biên. Giả sử một doanh nghiệp phụ tùng ô tô có 200 máy, mỗi máy 10 điểm dữ liệu mỗi giây; áp lực đường lên thô là đáng kể, và tổng hợp tại biên có thể giảm khối lượng đường lên đi một bậc độ lớn.
Câu hỏi tiếp theo: mô hình AI biên được cập nhật như thế nào? Trả lời: sau khi huấn luyện trên cloud, mô hình được phân phối đến node biên dưới dạng image hoặc tệp mô hình theo kiểu phát hành xám - trước tiên đẩy đến một dây chuyền để xác thực, sau đó triển khai toàn bộ, với việc biên giữ lại phiên bản trước để khôi phục.
Câu hỏi tiếp theo: xử lý tuân thủ thế nào khi dữ liệu không được rời khỏi nhà máy? Trả lời: thông số quy trình nhạy cảm có thể được khử nhận dạng tại biên trước khi lên cloud, chỉ truyền đặc trưng và số liệu thống kê trong khi dữ liệu thô ở lại cục bộ.
Câu hỏi tiếp theo: nếu thiết bị cũ không có giao diện dữ liệu thì sao? Trả lời: thêm cảm biến rung động, dòng điện và nhiệt độ để thu thập bên ngoài, chuyển đổi giao thức qua gateway biên rồi kết nối; không cần sửa hệ thống điều khiển gốc.
Ranh giới phù hợp và không phù hợp: phù hợp với nhà máy có nhiều dây chuyền sản xuất, chất lượng dao động cần truy vết nguyên nhân gốc liên quy trình, và tỷ trọng chi phí bảo trì thiết bị cao; không phù hợp với xưởng một máy, khối lượng dữ liệu cực nhỏ, hoặc tình huống chưa làm cả việc kết nối mạng và đồng bộ xung nhịp cơ bản - trong trường hợp đó nên làm chắc việc thu thập và đồng bộ thời gian trước, rồi mới bàn đến phối hợp biên-cloud. Để quyết định cần tập trung vào gì tiếp theo, hãy xem ba điều: node biên có đệm cục bộ và gửi lại khi mất mạng không, nhà máy có tham chiếu thời gian thống nhất không, và kết quả quyết định tại biên có quay về làm nhãn không. Thiếu ba điều này, kế hoạch phối hợp sẽ kém hiệu quả trên thực tế.