A: Dây chuyền AI kết hợp robot cộng tác có vận hành được hay không phụ thuộc 70% vào mức độ vững chắc của nền tảng dữ liệu, chứ không phụ thuộc vào việc bạn mua robot nào trước. Thứ tự quy hoạch nên là dữ liệu trước, rồi công nghệ, rồi thiết bị; thiếu nền tảng dữ liệu phù hợp thì dây chuyền cộng tác cùng lắm chỉ là một ốc đảo tự động hóa.
1. Trước tiên làm rõ dây chuyền cộng tác phải được cấp những nhóm dữ liệu nào
Khác biệt lớn nhất so với một dây chuyền tự động hóa thông thường là robot phải phối hợp với con người và thiết bị trong thời gian thực, nên dữ liệu chia thành bốn lớp. Lớp thứ nhất là dữ liệu cấp thiết bị: dòng điện và mô-men xoắn khớp robot, trạng thái cơ cấu tác động cuối, tốc độ khung hình và tham số hiệu chuẩn của camera, được thu thập qua EtherCAT hoặc OPC UA với tần số lấy mẫu cỡ mili giây. Lớp thứ hai là dữ liệu cấp công nghệ, như đường cong mô-men siết, khe hở lắp ráp và độ lệch kích thước của các lô đầu vào, yếu tố quyết định liệu mô hình AI có thể phán đoán chất lượng lắp ráp hay không. Lớp thứ ba là dữ liệu môi trường và con người: trong kịch bản cộng tác, người và máy dùng chung trạm làm việc, nên phải kết nối rèm sáng an toàn, máy quét vùng và định vị nhân sự, đây là điều kiện tiên quyết về tuân thủ phân biệt robot cộng tác với robot có hàng rào. Lớp thứ tư là dữ liệu đơn hàng và vật liệu từ MES và WMS, cho dây chuyền biết lô này sản xuất gì và vật liệu đang ở đâu. Nếu thiếu một trong bốn lớp, AI chỉ có thể đưa ra phán đoán điểm, không thể điều độ ở cấp dây chuyền.
2. Ngưỡng đầu tiên của nền tảng dữ liệu là đồng bộ thời gian và định danh thống nhất
Nhiều nhà máy có rất nhiều dữ liệu, nhưng dấu thời gian của robot, của PLC và của hệ thống thị giác mỗi bên chạy theo cách riêng, lệch nhau hàng chục mili giây, làm hỏng việc hợp nhất đa phương thức. Khi quy hoạch, hãy xác nhận rằng toàn dây chuyền dùng một nguồn đồng hồ duy nhất như giao thức thời gian chính xác PTP, và dữ liệu trạm trọng yếu mang một mã phôi thống nhất xuyên suốt. Định danh không nhất quán là cạm bẫy thứ hai: cùng một phôi có một mã trong MES và một mã khác trong hệ thống thị giác, nên AI không thể ánh xạ tham số công nghệ tới chi tiết vật lý. Việc này không đòi hỏi kỹ thuật tinh vi, nhưng phải được sửa ở giai đoạn thiết kế dây chuyền; cải tạo về sau rất tốn kém.
3. Chất lượng dữ liệu quan trọng hơn khối lượng dữ liệu đối với khả năng dùng được của AI
Các nhiệm vụ AI trên dây chuyền cộng tác thường có ba loại: định vị dẫn hướng bằng thị giác, lắp ráp điều khiển bằng lực và phát hiện bất thường. Yêu cầu dữ liệu của chúng khác nhau. Dẫn hướng bằng thị giác cần hiệu chuẩn chính xác và chiếu sáng ổn định, mẫu huấn luyện phải phủ được biến động kích thước của vật liệu đầu vào thực tế; lắp ráp điều khiển bằng lực cần dữ liệu mô-men sạch với tần số lấy mẫu cao, nếu không AI không thể học đặc trưng của khoảnh khắc tiếp xúc; phát hiện bất thường chịu mất cân bằng lớp nặng nhất, với rất nhiều dữ liệu bình thường và chỉ vài mẫu lỗi, nên cơ chế thu thập dữ liệu phải được thiết kế có chủ đích để lưu trữ các bất thường hiếm gặp. Một thực hành phổ biến trong ngành là chạy giai đoạn thu thập dữ liệu ba tháng, coi dây chuyền như một nguồn dữ liệu, trước khi triển khai mô hình AI; nhịp độ này an toàn hơn so với triển khai một lần.
4. Câu hỏi liên quan: yêu cầu nền tảng dữ liệu có giống nhau giữa cải tạo và dây chuyền mới không
Không. Dây chuyền mới có thể quy hoạch vị trí cảm biến, kiến trúc mạng và đồng bộ đồng hồ một lần ở giai đoạn thiết kế, với chi phí thấp nhất. Cải tạo bị ràng buộc bởi PLC và mạng hiện hữu, nên thường phải xử lý thích ứng giao diện trước, chuyển các giao thức cũ như Modbus và Profibus sang OPC UA, sau đó mới bổ sung cảm biến thị giác và cảm biến lực. Khối lượng công việc về nền tảng dữ liệu của dự án cải tạo thường lớn hơn dây chuyền mới, nên khi quy hoạch phải dự trữ thời gian cho thích ứng giao diện và các cửa sổ dừng máy.
5. Câu hỏi liên quan: dữ liệu dây chuyền cộng tác có nên đưa lên đám mây không
Còn tùy kịch bản. Các vòng điều khiển thời gian thực như điều khiển lực và dẫn hướng bằng thị giác phải được hoàn thành ở biên, yêu cầu độ trễ thường ở mức mười mili giây, nên đưa lên đám mây là không thực tế. Các nhiệm vụ không thời gian thực như huấn luyện mô hình, phân tích chất lượng xuyên dây chuyền và bảo trì dự đoán có thể chạy trên đám mây hoặc trên đám mây riêng tại chỗ. Nguyên tắc khi quy hoạch là giữ vòng điều khiển ở biên và cho phép vòng phân tích trên đám mây, thiết kế hai kênh dữ liệu này riêng biệt.
6. Câu hỏi liên quan: nền tảng dữ liệu cần bao nhiêu cảm biến
Nhiều không phải là tốt hơn; hãy suy ngược từ nhiệm vụ AI. Một trạm dẫn hướng bằng thị giác cần ít nhất một camera 3D cùng các bảng hiệu chuẩn; một trạm lắp ráp điều khiển bằng lực cần cảm biến lực sáu trục hoặc phản hồi mô-men từ khớp; phát hiện bất thường được bố trí theo mức trọng yếu của trạm, bổ sung độ rung và nhiệt độ tại các trạm then chốt. Việc chọn cảm biến phải được quyết định cùng với tần số lấy mẫu và đồng bộ hóa; chồng thêm cảm biến mà không đồng bộ thì dữ liệu vẫn không dùng được.
Phù hợp ở đâu và không phù hợp ở đâu: cách quy hoạch dữ liệu này phù hợp với các kịch bản đổi sản phẩm thường xuyên, vận hành hỗn hợp người - máy và có yêu cầu truy vết, như lắp ráp điện tử và lắp ráp linh hoạt trong phụ tùng ô tô. Không phù hợp với trường hợp chỉ một sản phẩm, nhịp cố định và dây chuyền chuyên dụng ổn định, nơi ép thêm cộng tác và AI không đáng khoản đầu tư dữ liệu. Ngoài ra, nếu nhà máy còn chưa làm cả việc nối mạng thiết bị cơ bản và định danh phôi, hãy hoàn thành hai bước đó trước khi quy hoạch dây chuyền cộng tác. Đánh giá từ những nhà cung cấp đã gắn bó hàng chục năm từ thời ERP, phục vụ 1,2 triệu khách hàng và đã triển khai hàng chục triệu thiết bị đầu cuối, những nhà máy có nền tảng dữ liệu vững cho thấy chu kỳ chạy thử và chi phí bảo trì trên dây chuyền cộng tác dễ kiểm soát hơn rõ rệt. Điều cần xem tiếp là tình trạng đồng bộ đồng hồ và định danh phôi trên chính dây chuyền của bạn, vì hai điểm này là thước đo trực tiếp nhất cho việc nền tảng dữ liệu có đủ sức nâng đỡ một dây chuyền cộng tác hay không.