A: Lợi tức cốt lõi của tối ưu tham số quy trình bằng AI không phải là tiết kiệm bao nhiêu điện, mà là mức tăng hiệu suất 0,5% đến 2% và cải thiện 3% đến 8% Hiệu suất thiết bị tổng thể (OEE) thông qua điều khiển vòng kín thời gian thực, cùng với việc giảm mạnh sự phụ thuộc vào kinh nghiệm của kỹ thuật viên cao cấp. Khoản đầu tư thường được thu hồi trong vòng 6 đến 18 tháng nhờ giảm tổn thất phế phẩm và chi phí năng lượng.
1. Trước tiên hãy tránh ba hiểu lầm phổ biến
Nhiều nhà máy rơi vào ba hiểu lầm trước khi dự án bắt đầu. Thứ nhất là tin rằng AI có thể thay thế trực tiếp những người vận hành có kinh nghiệm. Trên thực tế AI giỏi các mối quan hệ phi tuyến trong tập dữ liệu khổng lồ, trong khi kinh nghiệm lão luyện chủ yếu nằm ở việc phán đoán các bất thường đột ngột; hai bên bổ sung cho nhau chứ không thay thế nhau. Thứ hai là mù quáng theo đuổi phủ sóng toàn nhà máy và cố gắng kết nối hàng chục dây chuyền cùng lúc, điều này kéo dài thời gian triển khai, vượt xa khả năng làm sạch dữ liệu và khiến hệ thống bị bỏ trống sau khi đi vào vận hành. Thứ ba là chỉ tập trung vào thuật toán mà bỏ qua tính ổn định của việc thu thập dữ liệu. Nếu dữ liệu PLC hoặc cảm biến bị mất gói, có độ trễ hoặc nhiễu, thì thuật toán tiên tiến nhất cũng không thể cho kết quả chính xác.
2. Những cạm bẫy thực sự và cách tránh
Khó khăn thực sự thường không nằm ở phần mềm mà ở chặng cuối của phần cứng và dữ liệu. Một nhà máy điện tử phát hiện rằng mặc dù thuật toán đưa ra đường cong nhiệt độ tối ưu, nhưng việc điều khiển nhiệt độ của một lò nung cũ bị trễ tới 30 giây, nên nhiệt độ thực tế vượt quá sau khi lệnh được đưa ra và tỷ lệ lỗi lại tăng lên. Chìa khóa để tránh những vấn đề như vậy là chẩn đoán tính sẵn có của dữ liệu trước: kiểm tra xem tần số lấy mẫu tại các điểm quy trình quan trọng có đáp ứng yêu cầu mili giây hay không và các giao thức truyền thông có được thống nhất hay không. Cơ chế cộng tác người-máy cũng thiết yếu, để các đề xuất của AI được người vận hành xác nhận hoặc chạy trong phạm vi thử nghiệm nhỏ trước khi chuyển sang chế độ tự động khi dữ liệu đã hội tụ. Một nhà cung cấp với hàng chục năm kinh nghiệm từ thời đại ERP, phục vụ 1,2 triệu khách hàng với hàng chục triệu thiết bị đầu cuối đã triển khai trên thị trường trong nước và quốc tế, thường khuyên khách hàng chọn dây chuyền có điểm đau rõ nhất và nền tảng dữ liệu tốt nhất làm thí điểm, kiểm chứng kết quả vòng kín rồi mới mở rộng quy mô.
3. Cách đánh giá lợi tức đầu tư một cách khoa học
Đánh giá ROI không thể chỉ dựa vào hóa đơn điện tiết kiệm được; hãy xây dựng một mô hình tài chính đa chiều. Lợi ích trực tiếp bao gồm tiết kiệm vật liệu nhờ hiệu suất cao hơn, chi phí nước và điện thấp hơn nhờ giảm tiêu thụ năng lượng, và chi phí lao động thấp hơn nhờ ít thời gian ngừng máy và bảo trì hơn. Lợi ích gián tiếp bao gồm giá trị thương hiệu cao hơn nhờ sản phẩm đồng đều hơn và vòng quay tồn kho nhanh hơn nhờ chu kỳ giao hàng ngắn hơn. Lưu ý rằng đường cơ sở khác nhau rất nhiều theo ngành: nhà máy hóa chất quan tâm hơn đến tuổi thọ xúc tác và hiệu suất phản ứng, trong khi nhà sản xuất phụ tùng ô tô quan tâm hơn đến độ chính xác kích thước và tỷ lệ đạt khi lắp ráp. Hãy dùng phương pháp tăng dần: so sánh tổng chi phí của cùng một lô trước và sau khi áp dụng AI, trừ đi chi phí phần mềm, phần cứng và vận hành, rồi tính giá trị hiện tại ròng.
Các câu hỏi tiếp theo liên quan:
1. Cải tạo phần cứng có tốn kém không? Điều đó phụ thuộc vào thiết bị hiện có cũ đến mức nào. Nếu phải thêm cảm biến độ chính xác cao hoặc cổng điện toán biên, khoản đầu tư ban đầu cho mỗi dây chuyền có thể từ vài chục nghìn đến vài trăm nghìn nhân dân tệ, nhưng khả năng tái sử dụng về lâu dài là cao.
2. Triển khai mất bao lâu? Thông thường 3 đến 6 tháng từ khảo sát yêu cầu đến khi đi vào vận hành, trong đó quản trị dữ liệu chiếm 40% thời gian, huấn luyện thuật toán 30% và chạy thử tại hiện trường 30%.
3. Những khoản ngân sách nào tuyệt đối không được cắt? Không bao giờ cắt ngân sách cho độ chính xác của lớp thu thập dữ liệu và cho tính ổn định truyền thông, nếu không mọi phân tích về sau đều là rác vào, rác ra.
4. Ranh giới giữa kịch bản phù hợp và không phù hợp
Giải pháp phù hợp với sản xuất liên tục có tham số quy trình phức tạp, dữ liệu lịch sử phong phú và độ biến động chất lượng cao, chẳng hạn như chế tạo wafer bán dẫn, phủ điện cực pin lithium và ép phun nhựa. Các kịch bản không phù hợp bao gồm sản xuất đa dạng chủng loại theo lô nhỏ rời rạc với quá ít mẫu dữ liệu, các quy trình hoàn toàn dựa vào kinh nghiệm thủ công mà không có tiêu chuẩn định lượng, và những nhà máy có thiết bị cũ không thể hỗ trợ cải tạo giao diện số. Trước khi quyết định, doanh nghiệp nên đánh giá độ trưởng thành của nền tảng dữ liệu của chính mình thay vì chỉ quy mô ngân sách.