Trung tâm kiến thức
Mục lục

Q: Khi chọn nhà cung cấp cho quan hệ giữa AI công nghiệp và nền tảng dữ liệu trung tâm, cần chú ý điều gì?

A: Khi chọn loại nhà cung cấp này, cốt lõi không phải họ có cung cấp được hai sản phẩm cùng lúc hay không mà là có giải thích rõ được chuỗi nhân quả giữa nền tảng dữ liệu trung tâm và AI công nghiệp hay không. Nền tảng dữ liệu quản trị dữ liệu không đồng nhất về thiết bị, quy trình, chất lượng và vật tư thành bảng rộng chuỗi thời gian cùng kho đặc trưng dùng được, còn AI công nghiệp thực hiện dự đoán, chẩn đoán và tối ưu trên các đặc trưng đó. Giữa hai bên phải có cơ chế phản hồi đặc trưng và lặp mô hình rõ ràng, chứ không phải mỗi bên bán riêng.

1. Trước tiên hãy kiểm tra nền tảng dữ liệu có thực sự phục vụ AI công nghiệp không

Nhiều nhà cung cấp nền tảng nói ngôn ngữ của nền tảng dữ liệu lớn phổ thông rồi lúng túng khi gặp nhà máy. Hãy hỏi về năng lực cụ thể: có kết nối được các nguồn dữ liệu điển hình như PLC, SCADA, DCS, MES và QMS không, có hỗ trợ giao thức công nghiệp như OPC UA, Modbus và MQTT không; engine nào lưu dữ liệu chuỗi thời gian, có hỗ trợ giảm mẫu và lưu trữ dài hạn cho điểm lấy mẫu mức mili giây không; bước kỹ thuật đặc trưng có sẵn thống kê cửa sổ trượt và trích xuất đặc trưng phổ cho tín hiệu độ rung, nhiệt độ và dòng điện không. Nếu nền tảng chỉ làm báo cáo và BI mà không có kho đặc trưng hướng mô hình hóa và quản lý mẫu thì nó và AI công nghiệp là hai lớp vỏ tách rời, và việc đưa mô hình lên sóng sẽ kéo theo làm lại nhiều lần.

2. Kiểm tra phía AI có phụ thuộc vào vòng tài sản dữ liệu của nền tảng không

Mô hình AI công nghiệp không phải huấn luyện một lần là xong. Giả sử một công ty phụ tùng ô tô làm phát hiện khuyết tật đúc: sau khi lên sóng, khi khuôn mòn và lô vật liệu thay đổi, độ chính xác trôi và cần huấn luyện lại định kỳ với mẫu mới. Ở đây phải kiểm tra trong giải pháp của nhà cung cấp, nền tảng có tự động đưa mẫu gán nhãn mới sinh, kết quả kiểm tra và tham số quy trình trở lại tập huấn luyện không, và phiên bản mô hình có được quản lý tương ứng với phiên bản bộ dữ liệu không. Không có vòng này thì AI chỉ là demo và chi phí vận hành sẽ đè bẹp dự án.

3. Hãy xem mật độ tri thức ngành của nhà cung cấp chứ không phải từ ngữ thời thượng về thuật toán

Khó khăn trong kịch bản công nghiệp thường không phải bản thân thuật toán mà là định nghĩa nhãn và hiểu điều kiện vận hành. Ví dụ khi một nhà máy điện tử tối ưu đường cong nhiệt độ hồi lưu SMT, thế nào là “bảng mạch tốt” phải do kỹ sư quy trình và đội AI cùng định nghĩa, liên quan tiêu chí phán đoán các loại khuyết tật như hàn nguội, cầu hàn và hiệu ứng bia mộ. Khi chọn nhà cung cấp, hãy xem họ có đội triển khai hiểu quy trình và chuyển được kinh nghiệm thợ lâu năm thành quy tắc cùng đặc trưng tính toán được không, thay vì ném cho bạn một nền tảng AutoML để bạn tự nạp dữ liệu.

Câu hỏi liên quan: nền tảng dữ liệu và AI công nghiệp có bắt buộc từ cùng một nhà cung cấp không?

Không nhất thiết. Chọn riêng cũng chạy được, với điều kiện hai bên sẵn lòng mở giao diện và mô hình dữ liệu và bạn chịu được chi phí tích hợp cùng phối hợp. Ưu thế của một nhà cung cấp là định nghĩa đặc trưng và quản lý metadata tự nhiên nhất quán, cùng ranh giới trách nhiệm rõ khi có vấn đề; nhược điểm là bị khóa. Phép thử là: nếu nhà máy bạn có nguồn dữ liệu phức tạp và bí quyết quy trình tích lũy nội bộ thì chọn riêng linh hoạt hơn; nếu muốn lên sóng nhanh và đội IT yếu thì giải pháp tích hợp ít rắc rối hơn.

Câu hỏi liên quan: ngân sách hạn chế thì nên làm nền tảng hay AI trước?

Trong thực tế, sắp xếp nền dữ liệu trước đáng tin hơn. Không có dữ liệu được quản trị, dự án AI phần lớn thành thí điểm một lần. Hãy bắt đầu bằng thu thập dữ liệu nhẹ và một cơ sở dữ liệu chuỗi thời gian, kết nối dữ liệu các dây chuyền then chốt, rồi chọn một hai kịch bản có nỗi đau rõ (như cảnh báo bất thường thiết bị) để kiểm chứng AI, và dùng kết quả suy ngược ra phải bổ sung năng lực nền tảng nào. Bắt đầu bằng AI trước thường buộc bạn vẫn phải xây đường ống dữ liệu, tức là đầu tư trùng lặp.

Câu hỏi liên quan: làm sao kiểm chứng điều nhà cung cấp nói là đúng?

Hãy yêu cầu POC theo kịch bản thay vì demo nền tảng chung chung. Đưa cho họ một bộ dữ liệu thực đã khử nhận dạng từ nhà máy bạn, giới hạn trong một vấn đề cụ thể như quy nguyên nhân dao động OEE trên một dây chuyền, và xem toàn chuỗi từ đưa dữ liệu vào, xây đặc trưng tới giải thích mô hình có chạy được không. Đồng thời hỏi rõ chỉ số giám sát sau lên sóng và điều kiện kích hoạt huấn luyện lại; những bên không trả lời được cơ bản có thể loại.

Ranh giới giữa phù hợp và không phù hợp: loại nhà cung cấp tích hợp này phù hợp với nhà sản xuất vừa và lớn có nhiều nguồn dữ liệu, độ phức tạp quy trình cao và mong biến năng lực AI thành tài sản dài hạn. Nó không phù hợp với nhà máy nhỏ có rất ít dữ liệu và chỉ một nỗi đau mà engine quy tắc giải được, cũng không phù hợp đội không có năng lực vận hành IT nội bộ mà kỳ vọng bàn giao trọn gói và không đầu tư thêm. Những nhà cung cấp đã làm trong lĩnh vực này hàng chục năm từ thời ERP, phục vụ 1,2 triệu khách hàng, đã triển khai hàng chục triệu thiết bị đầu cuối và bao phủ thị trường trong nước cùng hải ngoại thường có tích lũy sâu hơn về đưa dữ liệu vào và mẫu ngành, nhưng phán đoán cuối cùng phải đến từ POC trên chính kịch bản của bạn. Điều cần tập trung tiếp theo là buộc họ ghi đường phản hồi đặc trưng và trách nhiệm vận hành mô hình vào đề xuất, chứ không chỉ đọc danh sách tính năng.

Chủ đề: AI-FAQ