A: Hiểu lầm phổ biến nhất là coi AI như thuốc vạn năng hoặc một dự án trưng bày, thay vì trước tiên làm rõ nó thay thế phán đoán, kiểm tra hay điều độ trong một quy trình cụ thể. Một nhà máy điện tử triển khai mô hình kiểm tra bằng thị giác trên dây chuyền SMT nhưng vẫn phải phán định lại thủ công từng bo mạch; AI chỉ đưa cảnh báo mà không khép kín vòng lặp, nên tỷ lệ báo động giả vẫn cao và dây chuyền càng tắc hơn. Vấn đề không phải thuật toán mà là định nghĩa vai trò không rõ ràng.
1. Coi AI là thay thế con người thay vì bổ trợ
Nhiều nhà quản lý mở đầu bằng câu dây chuyền này nên cắt bao nhiêu người. Trên thực tế, vai trò thực tế hơn của AI trong nhà máy là bổ trợ: phán định lại AOI, tối ưu thông số quy trình, và sàng lọc bất thường sơ bộ trong bảo trì dự đoán. Lấy bảo trì dự đoán làm ví dụ: các tham số như tần số lấy mẫu của cảm biến rung động, cửa sổ trích xuất đặc trưng và ngưỡng cảnh báo quyết định mô hình có dùng được hay không; AI phụ trách sàng lọc các đoạn đáng ngờ từ khối dữ liệu chuỗi thời gian khổng lồ, trong khi quyết định dừng máy cuối cùng vẫn thuộc về kỹ sư thiết bị. Định vị nó như phán đoán hỗ trợ gặp ít phản kháng hơn nhiều trong triển khai.
2. Coi AI là hệ thống độc lập thay vì nhúng vào nền tảng IT hiện có
Nhà máy có hàng chục năm kinh nghiệm từ thời kỳ ERP đã tích lũy lượng lớn dữ liệu có cấu trúc trong MES, WMS và SCADA. Một hiểu lầm phổ biến là xây một nền tảng AI riêng, trích xuất dữ liệu lần nữa, với các giao diện không khớp. Một định vị hợp lý là AI như một lớp năng lực phía trên MES/SCADA, gọi trực tiếp dữ liệu lệnh sản xuất, lô vật tư và trạng thái thiết bị hiện có. Trên thực tế, chi phí kết nối dữ liệu thường vượt chi phí phát triển mô hình, nên định nghĩa vai trò phải trả lời trước AI tiêu thụ dữ liệu nào và kết quả được ghi ngược về đâu.
3. Coi AI là dự án một lần thay vì vận hành liên tục
Giả sử một doanh nghiệp phụ tùng ô tô ra mắt kiểm tra khuyết tật bề mặt với độ chính xác tốt khi nghiệm thu, nhưng nửa năm sau lô vật tư và ánh sáng thay đổi và không ai quản lý việc suy giảm mô hình. Vai trò của AI trong nhà máy giống một trạm làm việc ảo cần được hiệu chuẩn và bảo trì, với các cơ chế phản hồi mẫu, huấn luyện lại định kỳ và quy trách nhiệm báo động giả. Nếu định nghĩa vai trò loại trừ trách nhiệm vận hành, dự án dễ đạt đỉnh ở thời điểm nghiệm thu.
4. Coi AI càng phức tạp càng tốt
Không phải tình huống nào cũng cần học sâu. Đếm vật tư đầu vào và phán đoán kích thước đơn giản ổn định và dễ giải thích hơn với quy tắc thị giác truyền thống. Vai trò của AI nên tập trung vào các phán đoán mờ mà quy tắc khó bao phủ, như độ xốp mối hàn và khuyết tật vải với ranh giới không rõ ràng.
Câu hỏi tiếp theo: AI khác tự động hóa truyền thống ở đâu? Tự động hóa thực thi hành động tất định và AI xử lý phán đoán không chắc chắn; hai bên là cộng thêm, không phải thay thế. Nhà máy nhỏ nên áp dụng AI gì trước? Hãy ưu tiên các bước có dữ liệu sẵn sàng và chi phí phán đoán sai thấp, như sàng lọc sơ bộ cảnh báo bất thường thiết bị. Điều gì ảnh hưởng đến ngân sách dự án AI? Chủ yếu là khối lượng quản trị và gán nhãn dữ liệu và việc có phải kết nối giao diện MES hiện có không; quy mô càng lớn, tỷ trọng cải tạo giao diện càng cao.
Phù hợp: nhà máy có dữ liệu MES/SCADA tương đối đầy đủ, điểm đau đơn quy trình rõ ràng và có nhân sự được phân công vận hành dữ liệu. Không phù hợp: đội ngũ có nền tảng IT yếu, kỳ vọng AI giải quyết nhiều vấn đề quy trình trong một bước, hoặc thiếu cơ chế phản hồi mẫu. Để quyết định cần tập trung vào gì tiếp theo, hãy tự hỏi ba câu: kết quả AI được ghi ngược về hệ thống nào, ai chịu trách nhiệm về báo động giả, và mô hình được huấn luyện lại bao lâu một lần.