Nhà máy có robot, có AI vẫn chưa chắc thông minh, Vấn đề nằm ở dữ liệu

Ở hai bài trước, mình đã bàn về chuyện AI đang thay đổi tự động hóa nhà máy như thế nào và vì sao không phải cứ dùng robot là tự động hóa tốt. Nhưng còn một câu hỏi thú vị hơn: Giả sử nhà máy đã có robot, máy tự động, cảm biến và cả AI. Vậy nó đã trở thành “Smart Factory” chưa? Theo mình là chưa chắc. Một nhà máy có thể sở hữu rất nhiều thiết bị hiện đại nhưng nếu mỗi máy vẫn hoạt động như một “ốc đảo”, dữ liệu nằm rải rác, tên lỗi không thống nhất và không ai biết dữ liệu nào thực sự đáng tin thì AI cũng rất khó làm nên điều kỳ diệu. Và đây có lẽ là phần ít hào nhoáng nhất của cuộc cách mạng AI trong sản xuất.
AI chỉ thông minh bằng dữ liệu nó nhìn thấy
Hình ảnh minh họa cho Nhà máy có robot, có AI vẫn chưa chắc thông minh, Vấn đề nằm ở dữ liệu. Ảnh: Tư liệu
Hãy tưởng tượng một dây chuyền có 10 máy.
Một kỹ thuật viên gọi lỗi là “kẹt phôi”. Người khác lại ghi “feeding error”. Ca đêm thậm chí không ghi gì. Sau vài tháng, doanh nghiệp có rất nhiều dữ liệu. Nhưng câu hỏi là: Có thật sự sử dụng được chúng không? NIST hiện cũng xem quản lý dữ liệu và tích hợp các hệ thống cảm biến, điều khiển khác nhau là một trong những rào cản quan trọng khi đưa AI vào smart manufacturing. Đây là điểm mình thấy dễ bị hiểu nhầm. Nhiều dữ liệu không đồng nghĩa với dữ liệu tốt. AI cần biết:
Không có context, một con số đôi khi gần như vô nghĩa.
Một ví dụ rất đơn giản: Cycle time tăng 15%
Giả sử dashboard phát hiện cycle time của một máy tăng từ 20 giây lên 23 giây. AI thấy một anomaly. Nhưng tại sao? Có thể:
Để AI tìm ra nguyên nhân, dữ liệu từ máy, robot, cảm biến, sản phẩm và production context phải có khả năng liên kết với nhau. Đây mới là chỗ Smart Factory bắt đầu trở nên khó. Không phải mua thêm một GPU. Mà là làm cho các hệ thống hiểu được nhau.
Có máy rất hiện đại nhưng vẫn phải đi hỏi công nhân
Mình nghĩ khá nhiều anh em làm kỹ thuật từng gặp tình huống này. Dashboard báo: Machine stopped: 37 minutes. Nhưng không có lý do. Cuối cùng vẫn phải xuống xưởng hỏi: “Hồi 2 giờ máy này bị gì vậy anh?” Và câu trả lời: “À lúc đó hết vật tư.” Thông tin giá trị nhất của 37 phút downtime lại nằm… trong đầu một người. Đây là một ví dụ rất nhỏ nhưng cho thấy sự khác biệt giữa: data collection và useful manufacturing data. Máy biết nó dừng. Nhưng hệ thống không biết tại sao nó dừng. Nếu AI chỉ được cung cấp cột timestamp và machine_state, nó có thể phát hiện downtime rất tốt, nhưng không tự nhiên biết nguyên nhân vật tư nếu dữ liệu đó chưa bao giờ được ghi nhận.
Smart Factory không phải là nối tất cả máy vào Internet
Hình ảnh minh họa cho Nhà máy có robot, có AI vẫn chưa chắc thông minh, Vấn đề nằm ở dữ liệu. Ảnh: Tư liệu
Một quan niệm khác mình từng thấy là: Có IoT = Smart Factory. Thực tế kết nối chỉ là bước đầu. NIST có hẳn một mảng nghiên cứu về interoperability trong manufacturing, tức khả năng các hệ thống và dữ liệu khác nhau có thể trao đổi và sử dụng thông tin với nhau. Ví dụ:
Nếu tất cả dữ liệu này kết nối được theo cùng một sản phẩm, chúng ta bắt đầu có một câu chuyện hoàn chỉnh. Nếu không, ta chỉ có 5 database riêng biệt đều đầy dữ liệu. Nhưng chẳng nói chuyện được với nhau.
Vậy AI thực sự giúp được gì khi dữ liệu đã tốt?
Đây mới là đoạn thú vị. Khi dữ liệu đủ rõ và có context, AI có thể bắt đầu tìm ra những mối liên hệ mà con người khó nhìn thấy. Ví dụ:
Nhưng trước dữ liệu vẫn còn một lớp quan trọng hơn: quá trình vật lý
Đây là điểm nối lại bài trước của mình về chuyện không phải cứ dùng robot là tự động hóa tốt. Giả sử một công đoạn bơm keo liên tục thay đổi lượng keo vì áp suất không ổn định. Hoặc jig đặt sản phẩm mỗi lần lệch một chút. Hoặc vít đôi khi bị cấp ngược. Lúc này dữ liệu có tốt đến đâu cũng không thể biến một quá trình vật lý thiếu ổn định thành quá trình tốt. AI có thể giúp ta phát hiện vấn đề. Nhưng cuối cùng vẫn phải sửa:
Tự động hóa công nghiệp vì thế khá giống xây nhà.
Nếu tầng dưới chưa ổn, tầng trên càng thông minh đôi khi chỉ càng giúp ta nhìn thấy vấn đề rõ hơn.
Một nhà máy “AI-ready” có lẽ không cần bắt đầu bằng AI
Hình ảnh minh họa cho Nhà máy có robot, có AI vẫn chưa chắc thông minh, Vấn đề nằm ở dữ liệu. Ảnh: Tư liệu
Nếu một doanh nghiệp hỏi mình: “Muốn ứng dụng AI trong nhà máy thì nên mua gì trước?” Có lẽ câu hỏi đầu tiên mình muốn hỏi lại sẽ là: “Hiện tại anh có biết chính xác chuyện gì đang xảy ra trên dây chuyền không?”
Nếu phần lớn câu trả lời là “chưa”, có lẽ project AI nên bắt đầu bằng data foundation, không phải AI model. Siemens cũng mô tả smart manufacturing ở quy mô lớn theo hướng cần gom dữ liệu IT và OT, phá các data silo, chuẩn hóa dữ liệu, đảm bảo chất lượng và bổ sung context trước khi biến chúng thành insight có thể hành động.
Điều thú vị là mỗi thiết bị lại tạo ra một loại dữ liệu khác nhau
Nhìn vào một hệ thống sản xuất thực tế sẽ thấy chuyện này khá rõ. Robot tạo dữ liệu vị trí, trạng thái, cycle. Máy vặn vít có thể có torque hoặc kết quả OK/NG. Máy bơm keo có parameter về chương trình và quá trình dispensing. ICT/FCT tạo ra kết quả kiểm tra. AGV tạo trạng thái logistics. Jig và sensor xác nhận vị trí sản phẩm. Những ai muốn hình dung các lớp thiết bị này ngoài thực tế có thể xem qua các nhóm robot, máy tự động hóa và giải pháp dây chuyền tại ICATECH. Không phải để xem “máy nào xịn hơn”, mà mình thấy khá hữu ích để nhận ra rằng một Smart Factory thực tế được ghép từ rất nhiều hệ thống chuyên dụng khác nhau chứ không phải từ một loại robot duy nhất. Danh mục hiện có robot, máy bơm keo, máy vặn vít, máy hàn, ICT/FCT, AGV, jig và các giải pháp dây chuyền. Và bài toán khó chính là làm cho những thứ đó tạo thành một dòng thông tin có ý nghĩa.
Có lẽ “nhà máy thông minh” bắt đầu từ những câu hỏi rất nhàm chán
Hình ảnh minh họa cho Nhà máy có robot, có AI vẫn chưa chắc thông minh, Vấn đề nằm ở dữ liệu. Ảnh: Tư liệu
AI tạo hình ảnh rất đẹp. Robot hình người rất dễ lên video. Digital Twin nghe rất tương lai. Nhưng một dự án Smart Factory đôi khi lại bắt đầu bằng những câu hỏi chẳng hấp dẫn chút nào: Tag này tên gì? Đơn vị của nó là ai? Ai chịu trách nhiệm dự liệu này? Lỗi này được định nghĩa thế nào? Hai mãy đang dùng cùng một mã sản phẩm hay không? Timestamp có đồng bộ không? Nếu sensor hỏng thì dữ liệu có báo không? và rất nhiều những câu hỏi khác. Những câu này không viral trên YouTube. Nhưng mình nghĩ chúng quyết định việc AI trong nhà máy thực sự tạo ra giá trị hay chỉ tạo thêm một dashboard đẹp. Và nếu nhìn lại cả chuỗi ba bài thì mình thấy đây là một logic khá thú vị:
Nguồn thông tin: Tổng hợp và biên tập từ chuyên trang công nghệ.
