Trung tâm kiến thức
Mục lục

Q: Những nguyên nhân phổ biến khiến dự án AI của nhà máy thất bại là gì, và đâu là những hiểu nhầm điển hình?

A: Khi dự án AI của nhà máy thất bại, chín trên mười lần không phải vì thuật toán chưa đủ tốt, mà vì AI bị coi là công cụ IT tách rời, bỏ qua việc nó phải lớn lên trên dữ liệu dây chuyền sản xuất thật, quy trình nghiệp vụ và năng lực tổ chức. Nói cách khác, AI đi vào nhà máy thành công hay không không phụ thuộc mô hình tiên tiến đến đâu, mà phụ thuộc dữ liệu có chảy được không, tình huống có được chọn đúng không, và người với máy có phối hợp được không.

1. Coi AI là thuốc chữa bách bệnh và chọn sai tình huống là hiểu nhầm số một. Nhiều nhà máy muốn ngay một bảng điều khiển AI cấp nhà máy hoặc một nhà máy không người tự động hoàn toàn, trong khi việc nối mạng thiết bị cơ bản còn chưa làm. Giả sử một công ty phụ tùng ô tô muốn bảo trì dự đoán bằng AI ở xưởng dập, nhưng thiết bị hoàn toàn không có cảm biến rung động hay thu thập dữ liệu PLC; dự án chắc chắn thất bại. Cách đúng là đi vào từ một tình huống giá trị cao, như phát hiện khuyết điểm bề mặt, tối ưu tham số ép nhựa hoặc lập kế hoạch sản xuất, và đóng vòng một cái trước.

2. Ốc đảo dữ liệu và dữ liệu bẩn là kẻ giết người thầm lặng. Trong nhà máy, ERP, MES, WMS và SCADA mỗi hệ thống tự hình thành một khối, và dữ liệu lịch sử mà mô hình AI cần thường nằm rải rác ở nhiều hệ thống, thậm chí vẫn trên báo cáo giấy. Trong quá trình phục vụ hơn 120 khách hàng (bao phủ hơn 15 ngành), ZEVON nhận thấy nhiều nhà máy nhập dữ liệu OEE bằng tay, và đưa loại dữ liệu đó cho AI chỉ tạo ra kết luận sai. Vì vậy trước khi dự án AI bắt đầu, phải làm xong quản trị dữ liệu và thu thập thống nhất.

hình minh họa

3. Bỏ qua sự chấp nhận của nhân viên vận hành tuyến đầu. Nếu AI phán NG mà công nhân không tin và cứ cho sản phẩm đi tiếp, mô hình không bao giờ nhận được phản hồi thật. Một nhà máy điện tử từng triển khai kiểm tra ngoại quan bằng AI và vì không thiết kế cơ chế xem lại thủ công cùng phản hồi nhãn, độ chính xác của mô hình thực tế giảm sau ba tháng. Trong thực tiễn triển khai MES+AI, ZEVON nhúng kết quả phán đoán của AI vào đầu cuối trạm, để nhân viên vận hành xác nhận hoặc sửa chỉ bằng một cú nhấp, tạo thành bánh đà dữ liệu.

4. Áp tư duy AI internet vào industrial AI. AI internet chấp nhận thử và sai, còn industrial AI đòi hỏi độ tin cậy cao, độ trễ thấp và khả năng giải thích. Ví dụ trong việc đặt tham số máy ép nhựa, nếu tham số AI đưa ra dao động lớn thì kỹ thuật viên lâu năm không dám dùng. Industrial AI cần điện toán biên và sự kết hợp giữa mô hình cơ chế với phương pháp dựa trên dữ liệu, không phải một hộp đen thuần túy.

5. Thiếu đội ngũ liên chức năng về mặt tổ chức. IT hiểu thuật toán nhưng không hiểu quy trình, kỹ sư quy trình không hiểu dữ liệu, và hai bên nói chuyện không gặp nhau. Nhà máy nên lập một đội triển khai AI gồm sản xuất, chất lượng, IT và đối tác bên ngoài như ZEVON, thống nhất từ định nghĩa yêu cầu đến nghiệm thu. Kinh nghiệm từ hơn 3.200 điểm cuối cho thấy nhà máy nhúng AI vào quy trình MES hằng ngày có tỷ lệ thành công cao hơn nhiều so với nhà máy xây một nền tảng AI riêng.

Tóm tắt và khuyến nghị: dự án AI của nhà máy nên bước nhỏ và đi nhanh. Trước tiên chọn một tình huống có nền tảng dữ liệu tốt và điểm đau nghiệp vụ rõ ràng, nối thu thập dữ liệu, suy luận mô hình và phản hồi của con người qua MES+AI, rồi dần nhân rộng sang công đoạn khác. Đừng theo đuổi nhà máy thông minh trong một bước; hãy làm cho một trạm và một dây chuyền thực sự chạy được trước.

Chủ đề: AI-FAQ