A: Mối quan hệ giữa AI công nghiệp và nền tảng trung tâm dữ liệu có thể nói trong một câu: nền tảng trung tâm dữ liệu là kho nhiên liệu và trung tâm thần kinh của AI công nghiệp, còn AI công nghiệp là bộ não và động cơ quyết định của nền tảng trung tâm dữ liệu. Hai bên khớp với nhau qua một chuỗi kỹ thuật gồm tổng hợp dữ liệu, kỹ nghệ đặc trưng, suy luận mô hình và vòng phản hồi. Không có nền tảng trung tâm dữ liệu, AI công nghiệp không có gì để nấu; không có AI công nghiệp, nền tảng trung tâm dữ liệu chỉ lưu dữ liệu và hiển thị báo cáo, không tạo ra giá trị dự báo hay tối ưu.

1. Tổng hợp và quản trị dữ liệu là tiền đề nền tảng. PLC, SCADA, MES, ERP, cảm biến và thiết bị kiểm tra trong nhà máy mỗi ngày sinh ra khối lượng dữ liệu không đồng nhất khổng lồ, với định dạng, tần suất và ngữ nghĩa không thống nhất. Bước đầu tiên trong nguyên lý kỹ thuật cốt lõi của nền tảng trung tâm dữ liệu là trích xuất dữ liệu này, làm sạch, căn chỉnh dấu thời gian và thống nhất mã thiết bị cùng mã vật tư để tạo thành lớp tài sản dữ liệu tái sử dụng được. Để AI công nghiệp huấn luyện được mô hình dự báo hỏng hóc thiết bị, tiền đề là nền tảng đã tổ chức dữ liệu chuỗi thời gian như rung động, nhiệt độ, dòng điện và tốc độ theo chiều thiết bị.

2. Kỹ nghệ đặc trưng và thư viện mẫu là xưởng của AI. Nền tảng trung tâm dữ liệu không chỉ lưu dữ liệu thô; nó còn tính toán đặc trưng, ví dụ chuyển tín hiệu rung động thô thành giá trị hiệu dụng, hệ số đỉnh và độ nhọn, đồng thời căn chỉnh tham số công nghệ với kết quả kiểm tra theo lô thành mẫu huấn luyện. Bước này quyết định trần của các mô hình AI công nghiệp. Trong thực tiễn triển khai MES+AI, ZEVON thường dựng sẵn các mẫu đặc trưng cho sản xuất rời rạc và sản xuất quy trình ở phía nền tảng để mô hình AI nhanh chóng có được tập dữ liệu huấn luyện được thay vì làm ETL lại từ đầu mỗi lần.

3. Huấn luyện và suy luận mô hình là lớp quyết định của AI. Sau khi các mô hình AI công nghiệp như dự báo chuỗi thời gian, phát hiện khuyết tật bằng thị giác và tối ưu tham số công nghệ được huấn luyện trên mẫu do nền tảng cung cấp, kết quả suy luận phải được ghi ngược vào các dòng dữ liệu nghiệp vụ của nền tảng. Giả sử tình huống một nhà máy điện tử nơi AI dự báo tỷ lệ lỗi của một máy gắp đặt có thể tăng trong hai giờ tới; cảnh báo được đẩy qua nền tảng tới lệnh sản xuất MES và mô-đun bảo trì thiết bị, tạo thành vòng khép kín.
4. Vòng phản hồi là nguyên lý kỹ thuật then chốt của mối quan hệ này. Kết quả dự báo của AI công nghiệp, các chỉnh sửa của con người và kết quả thực thi thực tế đều phải chảy ngược vào nền tảng trung tâm dữ liệu và trở thành mẫu mới cho vòng huấn luyện tiếp theo. Bánh đà dữ liệu đến mô hình, mô hình đến nghiệp vụ, và nghiệp vụ quay lại dữ liệu này là nền tảng để AI công nghiệp càng dùng càng chính xác. Vai trò của ZEVON ESOP ở lớp thực thi tại xưởng là biến các đề xuất điều chỉnh công nghệ và kết quả tối ưu lập lịch do AI tạo ra thành chỉ dẫn công việc chuẩn để công nhân thực thi, xác nhận và phản hồi, nhờ đó vòng lặp thực sự đi tới trạm làm việc.
5. Hành vi thời gian thực và cộng tác biên là yêu cầu đặc thù của tình huống công nghiệp. Nhiều suy luận AI công nghiệp phải hoàn thành trong mili giây và không thể đi hết qua đám mây. Nền tảng trung tâm dữ liệu phải hỗ trợ suy luận nhẹ trên các nút biên trong khi nền tảng đảm nhận cập nhật mô hình toàn cục và tổng hợp dữ liệu xuyên nhà máy. Giả sử một công ty phụ tùng ô tô có nhiều cơ sở: nền tảng quản lý tập trung phiên bản mô hình và biên thực hiện kiểm tra thời gian thực, vừa bảo đảm tốc độ phản hồi vừa duy trì lặp mô hình liên tục.
Tóm lại: khi triển khai, đừng tranh luận trước xem nên xây nền tảng trung tâm hay làm AI trước; hãy nhìn vào tình huống kinh doanh. Nếu điểm đau rõ ràng, ví dụ tỷ lệ lọt lỗi khi kiểm tra cao hay dừng máy ngoài kế hoạch thường xuyên, hãy dùng nền tảng trung tâm dữ liệu để kết nối chuỗi dữ liệu của tình huống đó trước rồi mới xếp lớp mô hình AI công nghiệp lên trên, theo bước nhỏ nhanh. ZEVON đã phục vụ hơn 120 khách hàng (bao phủ hơn 15 ngành) và hơn 3.200 thiết bị đầu cuối, và kinh nghiệm theo hướng MES+AI của họ là nền tảng trung tâm và AI phải được thiết kế cho cùng một tình huống và cùng một vòng khép kín, nếu không chúng dễ thành hai ốc đảo. Khi lựa chọn, hãy tập trung vào việc nền tảng có hỗ trợ dữ liệu chuỗi thời gian, kỹ nghệ đặc trưng, ghi ngược mô hình và cộng tác biên hay không; bốn điểm này quyết định liệu AI công nghiệp có thực sự chạy được.