A: Để AI thực sự đóng góp cho sản xuất tinh gọn, điều kiện tiên quyết cốt lõi là một nền tảng dữ liệu sản xuất đủ chi tiết, đủ thời gian thực và đủ rõ nghĩa; thiếu nó thì thuật toán tốt nhất cũng chỉ dừng ở giai đoạn demo.
1. Cần dữ liệu chi tiết ở cấp công đoạn. Sản xuất tinh gọn là loại bỏ lãng phí và rút ngắn thời gian chu kỳ, và để AI xác định được trạm nút thắt, động tác bất thường và thời gian chờ, nó phải có được thời điểm bắt đầu và kết thúc của từng công đoạn, trạng thái thiết bị, động tác của công nhân và lượng sản phẩm dở dang. Nếu dữ liệu chỉ tồn tại ở mức tổ hoặc mức ngày, AI không thể chỉ ra trạm và khung thời gian cụ thể, và việc cải tiến không có điểm khởi đầu. Khi phục vụ các nhà sản xuất, ZEVON thường thiết lập thu thập dữ liệu ở cấp trạm trước rồi mới bàn đến phân tích AI.
2. Cần luồng dữ liệu thời gian thực hoặc gần thời gian thực. Các công cụ tinh gọn như quản lý kanban, phản hồi andon và gọi xử lý bất thường tự chúng đòi hỏi phản hồi từ giây đến phút. Khi AI thực hiện điều độ động, dự đoán chất lượng hoặc cảnh báo sớm thiết bị, dữ liệu trễ hàng giờ khiến kết luận trở nên vô nghĩa. Vì vậy nền tảng dữ liệu phải bao gồm thu thập tại biên, truyền thông thời gian thực và đường ống dữ liệu độ trễ thấp để AI có thể bám theo nhịp dây chuyền.

3. Cần dữ liệu chủ và ngữ nghĩa nghiệp vụ thống nhất. Nếu dữ liệu chủ như mã vật tư, BOM, tuyến công nghệ, sổ thiết bị và mã khuyết tật không nhất quán, việc huấn luyện mô hình AI sẽ cho ra kết quả tự mâu thuẫn. Tinh gọn nhấn mạnh công việc được chuẩn hóa, và dữ liệu cũng phải được chuẩn hóa. Trong giải pháp MES+AI của ZEVON, quản trị dữ liệu chủ và lớp ngữ nghĩa nghiệp vụ được xây dựng trước, sau đó AI mới học từ lệnh sản xuất lịch sử, hồ sơ chất lượng và nhật ký dừng máy.
4. Cần dữ liệu đa nguồn bao phủ con người, máy móc, vật liệu, phương pháp và môi trường. Tinh gọn nhờ AI không chỉ là phân tích sản lượng; nó còn liên kết tham số thiết bị, kết quả kiểm tra, kỹ năng công nhân và nhiệt độ, độ ẩm môi trường. Giả sử một nhà máy phụ tùng ô tô muốn giảm tỷ lệ khuyết tật bằng AI: tham số máy ép phun, tuổi thọ dụng cụ, lô nguyên liệu và dữ liệu kiểm tra cuối cùng phải được căn chỉnh trên cùng một trục thời gian, nếu không không thể phân tích nhân quả. Trong thực tiễn với hơn 120 khách hàng trong hơn 15 ngành, ZEVON nhận thấy việc căn chỉnh dữ liệu đa nguồn thường là bước tốn thời gian nhất của triển khai AI.
5. Cần cơ chế dữ liệu có thể truy xuất và khép kín vòng. Cải tiến tinh gọn là một chu trình PDCA, nên khuyến nghị của AI phải được ghi trở lại lệnh sản xuất, lịch trình hoặc tham số công nghệ và theo dõi hiệu quả. Nếu dữ liệu chỉ đọc được mà không ghi được, AI chỉ là công cụ báo cáo. Vì vậy nền tảng dữ liệu cũng cần kênh phản hồi kín và quản lý phiên bản để mọi can thiệp của AI đều được ghi lại và có thể xem xét.
Tóm tắt và khuyến nghị: trước khi vội mua thuật toán, doanh nghiệp muốn dùng AI cho sản xuất tinh gọn nên kiểm tra nền tảng dữ liệu của mình trước: đã thu thập ở cấp công đoạn chưa, thời gian thực có đủ không, dữ liệu chủ có thống nhất không, dữ liệu đa nguồn có căn chỉnh được không, và cơ chế vòng kín đã được thiết lập chưa. Làm vững năm điều này rồi mới áp dụng năng lực MES+AI, và giá trị của AI trong cải tiến tinh gọn sẽ được giải phóng một cách ổn định.