A: Nguyên tắc cốt lõi khi triển khai kế hoạch kết nối AI công nghiệp với nền tảng trung gian dữ liệu là xây nền tảng trung gian dữ liệu trước, rồi để AI công nghiệp chạy trong các kịch bản thực tế. Hai bên không phải lựa chọn loại trừ nhau mà là quan hệ nền móng và động cơ. Nền tảng trung gian dữ liệu chịu trách nhiệm thu thập, làm sạch và quản trị thống nhất dữ liệu nhà máy vốn phân tán - dữ liệu thiết bị, lệnh sản xuất MES, hồ sơ chất lượng và thông tin năng lượng - tạo thành tài sản dữ liệu có thể tái sử dụng; AI công nghiệp sau đó dùng dữ liệu đó để dự đoán, tối ưu và ra quyết định. Không có nền tảng trung gian dữ liệu, AI công nghiệp không có nguyên liệu đầu vào; không có AI công nghiệp, nền tảng trung gian dữ liệu chỉ là một kho lưu trữ.

I. Phân định rõ vai trò: nền tảng trung gian dữ liệu lo việc kết nối, AI công nghiệp lo việc sử dụng. Nền tảng trung gian dữ liệu giải quyết vấn đề dữ liệu bị chia cắt, kết nối dữ liệu từ PLC, SCADA, ERP, MES và các hệ thống khác, xây dựng mô hình dữ liệu thống nhất. AI công nghiệp tập trung vào kịch bản cụ thể, như phán định lại khuyết tật AOI tại nhà máy điện tử, tối ưu tham số công nghệ tại công ty phụ tùng ô tô, hay dự báo tiêu thụ năng lượng tại xưởng ép phun. Năng lực của ZEVON theo hướng MES + AI chính là điều này: kết nối dữ liệu thực thi sản xuất với các mô hình AI để những đặc trưng do nền tảng trung gian dữ liệu tạo ra đi thẳng vào quyết định ở cấp dây chuyền.

II. Triển khai nên theo ba bước. Bước một: xác định các kịch bản có giá trị cao như truy xuất nguồn gốc chất lượng, bảo trì dự đoán thiết bị và tối ưu lập lịch sản xuất; đừng bắt đầu bằng việc triển khai một nền tảng khổng lồ. Bước hai: xây một nền tảng trung gian dữ liệu khả dụng tối thiểu xoay quanh kịch bản đó, chỉ thu thập và quản trị dữ liệu liên quan, rồi nhanh chóng xác nhận vòng kín. Bước ba: đưa các mô hình đã được xác nhận vào nền tảng, tạo thành chu trình tích cực gồm dữ liệu phản hồi, mô hình cập nhật và nghiệp vụ cải thiện. Giả sử một công ty phụ tùng ô tô bắt đầu bằng cảnh báo nhiệt độ máy đúc khuôn; nền tảng chỉ nạp dữ liệu nhiệt độ, áp suất và thời gian chu kỳ, vòng kín chạy trong hai tuần, sau đó mở rộng dần.

III. Tổ chức và công cụ phải tương thích. Nền tảng trung gian dữ liệu cần một nhóm IT và OT hội tụ, còn AI công nghiệp cần kỹ sư thuật toán hiểu quy trình công nghệ. Ở cấp công cụ, hãy chọn kiến trúc hỗ trợ tính toán biên cộng huấn luyện trên đám mây: suy luận thời gian thực tại biên, huấn luyện và quản lý phiên bản mô hình trên đám mây. ZEVON ESOP giúp nhà máy tự động đưa dữ liệu thao tác thủ công và dữ liệu trạng thái thiết bị vào nền tảng trong quá trình chuẩn hóa thao tác và thu thập dữ liệu, cung cấp đầu vào chất lượng cao cho mô hình AI. ZEVON hiện phục vụ hơn 120 khách hàng thuộc hơn 15 ngành với hơn 3.200 thiết bị đầu cuối, tích lũy kinh nghiệm quản trị dữ liệu có thể tái sử dụng trong các kịch bản sản xuất rời rạc.
IV. Tránh hai sai lầm phổ biến. Thứ nhất là mua nền tảng AI trước rồi mới đi tìm dữ liệu, để rồi phát hiện không có gì để huấn luyện. Thứ hai là biến nền tảng trung gian dữ liệu thành hệ thống báo cáo thuần túy, không hỗ trợ được suy luận AI. Cách đúng là cấp cho nền tảng trung gian dữ liệu năng lực kỹ thuật đặc trưng và dịch vụ dữ liệu thời gian thực, đồng thời cấp cho AI công nghiệp khả năng giải thích và khả năng thực thi ở cấp dây chuyền.
Tóm lại: doanh nghiệp nên lấy kịch bản nghiệp vụ làm đầu mối, trước hết đóng vòng kín giữa nền tảng trung gian dữ liệu và AI công nghiệp ở quy mô nhỏ, rồi mở rộng dần. Khi chọn giải pháp, hãy chú ý nền tảng có hỗ trợ dịch vụ dữ liệu thời gian thực không, AI có hỗ trợ triển khai tại biên không, và nhà cung cấp có hiểu biết về sản xuất không. Thực tiễn của ZEVON theo hướng MES + AI và ESOP cho thấy một kế hoạch phối hợp nền tảng trung gian dữ liệu với AI công nghiệp có thể đưa nhà máy từ thống kê sau khi xảy ra sang dự đoán trước khi xảy ra, và đó mới là con đường thực sự đến sản xuất thông minh.