Công nghệ lõi mở đường cho nhà máy thông minh vận hành tự chủ

Phát biểu khai mạc, TS. Đỗ Nguyên Hưng, Tổng Thư ký Hội Tự động hóa Việt Nam, nhấn mạnh doanh nghiệp sản xuất đang đứng trước yêu cầu nâng cao năng suất, kiểm soát chất lượng, tiết kiệm năng lượng và đáp ứng linh hoạt nhu cầu thị trường. Trong bối cảnh đó, phát triển nhà máy thông minh cần xuất phát từ bài toán thực tiễn, lựa chọn giải pháp phù hợp và lấy hiệu quả đo lường được làm căn cứ triển khai.

Theo TS. Đỗ Nguyên Hưng, bên cạnh ứng dụng công nghệ, việc tăng cường trao đổi, hợp tác kinh doanh và kết nối giữa doanh nghiệp sản xuất với các đơn vị công nghệ có ý nghĩa quan trọng trong quá trình chuyển đổi. Hiện nay, các bộ, ngành và địa phương đang triển khai nhiều chương trình hỗ trợ doanh nghiệp trong lĩnh vực công nghiệp, đổi mới sáng tạo và phát triển công nghệ. Đây là cơ hội để doanh nghiệp tiếp cận các nguồn lực, thúc đẩy nghiên cứu, ứng dụng và thương mại hóa sản phẩm. Trong giai đoạn 2027-2030, các chương trình hỗ trợ được kỳ vọng tiếp tục tạo điều kiện cho doanh nghiệp về tài chính, công nghệ và chuyên gia, qua đó nâng cao năng lực sản xuất và khả năng cạnh tranh.

TS. Đỗ Nguyên Hưng, Tổng Thư ký Hội Tự động hóa Việt Nam phát biểu khai mạc. Ảnh ĐP

Hội thảo tập trung làm rõ mô hình nhà máy thông minh thế hệ mới và những điều kiện để tiến tới sản xuất tự chủ, từ tích hợp hệ thống điều khiển, quản lý sản xuất và dữ liệu đến ứng dụng AI trong kiểm tra chất lượng, phát triển bản sao số ở cấp độ nhà máy và khu công nghiệp. Để triển khai hiệu quả, doanh nghiệp cần được hỗ trợ khảo sát hiện trạng, đánh giá mức độ sẵn sàng, xác định công đoạn ưu tiên và xây dựng lộ trình đầu tư gắn với các chỉ tiêu cụ thể về năng suất, chất lượng, thời gian dừng máy, tiêu thụ năng lượng và chi phí.

Cùng với đó, các cơ sở đào tạo cần cập nhật chương trình về PLC, SCADA, MES, robot, AI thị giác máy, dữ liệu công nghiệp và an ninh mạng công nghiệp, tăng cường thực hành và gắn đào tạo với nhu cầu thực tế. Hội Tự động hóa Việt Nam định hướng phát huy vai trò kết nối chuyên gia, doanh nghiệp công nghệ và trường đại học, cao đẳng, thúc đẩy tư vấn, thử nghiệm, chuyển giao công nghệ và nhân rộng các mô hình sản xuất thông minh có hiệu quả.

Chương trình kết nối doanh nghiệp sản xuất với các đơn vị công nghệ, tập trung vào những giải pháp có thể ứng dụng trong thực tiễn, từ tự động hóa dây chuyền đến quản trị dữ liệu và vận hành thông minh.

Từ góc nhìn triển khai, ông Bùi Trung Kiên, Giám đốc kinh doanh phụ trách lĩnh vực IoT và Smart Factory, Công ty Cổ phần Giải pháp Tự động hóa ETEK, cho rằng nhà máy thông minh cần được nhìn nhận như một hệ thống liên kết giữa quy trình, con người và máy móc thông qua dữ liệu. Mục tiêu không dừng ở tự động hóa một số công đoạn, mà hướng đến khả năng điều hành sản xuất, kinh doanh chủ động trong những giới hạn do con người thiết lập.

Trong nhiều nhà máy, dữ liệu vẫn phân tán ở các thiết bị và phần mềm riêng lẻ. Bộ phận sản xuất theo dõi máy móc, bộ phận kho quản lý vật tư, trong khi thông tin điều hành nằm ở những hệ thống khác nhau. Khi xảy ra sự cố, doanh nghiệp có thể phải tổng hợp thông tin từ nhiều nguồn mới xác định được nguyên nhân, ảnh hưởng đến thời gian xử lý và hiệu quả sản xuất.

Theo ông Bùi Trung Kiên, hành trình chuyển đổi cần bắt đầu bằng việc đánh giá hiện trạng, xác định điểm nghẽn và xây dựng kiến trúc tổng thể. Trên cơ sở đó, doanh nghiệp lựa chọn giải pháp tự động hóa, số hóa, kết nối thiết bị và tích hợp dữ liệu theo thứ tự ưu tiên, thay vì triển khai từng hệ thống rời rạc.

Các công nghệ như PLC, SCADA, MES, hệ thống quản lý kho, quản lý năng lượng và nền tảng ERP cần được đặt trong một kiến trúc thống nhất. Khi dữ liệu từ thiết bị, dây chuyền và các bộ phận quản lý được kết nối, doanh nghiệp có thể theo dõi trạng thái sản xuất, xác định nguyên nhân gây tổn thất, đánh giá hiệu suất thiết bị và đưa ra quyết định dựa trên dữ liệu thực tế.

Ông Bùi Trung Kiên cũng đề cập cách tiếp cận chuyển đổi theo từng giai đoạn: trực quan hóa để biết trạng thái vận hành, kết nối và phân tích để hiểu nguyên nhân, sau đó sử dụng tự động hóa để hành động kịp thời. Mỗi giai đoạn cần có đầu ra, chỉ tiêu và dữ liệu đánh giá cụ thể; doanh nghiệp chỉ nên mở rộng khi kết quả của bước trước đã được kiểm chứng.

Cách tiếp cận này cho thấy mức độ thông minh của nhà máy không chỉ phụ thuộc vào số lượng robot hay thiết bị hiện đại. Khả năng liên kết dữ liệu, phối hợp giữa các hệ thống và duy trì hiệu quả vận hành mới là những yếu tố quyết định giá trị của quá trình chuyển đổi.

Ông Bùi Trung Kiên, Giám đốc kinh doanh phụ trách lĩnh vực IoT và Smart Factory, Công ty Cổ phần Giải pháp Tự động hóa ETEK chia sẻ tại hội thảo. Ảnh ĐP

AI Vision và bản sao số mở rộng năng lực vận hành

Trong bối cảnh ngành sản xuất đang chuyển dịch mạnh mẽ theo hướng số hóa, tự động hóa và phát triển bền vừng, việc ứng dụng công nghệ, nâng cao năng lực vận hành và tối ưu hóa quy trình đang trở thành những yếu tố quan trọng giúp doanh nghiệp nâng cao năng lực cạnh tranh. Đặc biệt, xu hướng phát triển nhà máy thông minh không chỉ dừng lại ở việc ứng dụng các thiết bị tự động hóa, mà còn hướng đến sự kết nối đồng bộ giữa dữ liệu, trí tuệ nhân tạo, hệ thống quản lý và toàn bộ chuỗi hoạt động sản xuất. Điều này cũng đặt ra những yêu cầu mới đối với doanh nghiệp trong việc lựa chọn công nghệ và từng bước triển khai các mô hình sản xuất thông minh phù hợp với thực tiễn.

Nếu tích hợp dữ liệu tạo nền tảng điều hành, kiểm soát chất lượng là một trong những bài toán cụ thể để ứng dụng trí tuệ nhân tạo vào sản xuất. Tại hội thảo, TS. Đoàn Nam Thái, Giám đốc Công ty TNHH Công nghệ và Tự động hoá AVATECH, chia sẻ về AI Vision và khả năng thay đổi phương thức kiểm tra sản phẩm trên dây chuyền công nghiệp.

TS. Đoàn Nam Thái, Giám đốc Công ty TNHH Công nghệ và Tự động hoá AVATECH. Ảnh ĐP

Trong sản xuất đồ uống, một sản phẩm có thể trải qua nhiều công đoạn như tạo phôi chai, đóng nắp, chiết rót, dán nhãn và đóng gói. Mỗi công đoạn đều có nguy cơ phát sinh lỗi: phôi chai không đạt yêu cầu, nắp bị nứt hoặc đóng sai, nhãn lệch vị trí, sai hình ảnh, biến dạng hay xuất hiện dị vật. Nếu những lỗi này không được phát hiện kịp thời, sản phẩm không đạt chất lượng có thể tiếp tục đi qua các công đoạn sau.

Theo TS. Đoàn Nam Thái, thị giác máy truyền thống phù hợp với những bài toán có đặc điểm ổn định, độ tương phản tốt và quy tắc nhận diện rõ ràng. Tuy nhiên, khi hình dạng lỗi biến đổi, nền ảnh phức tạp hoặc hình ảnh có nhiều yếu tố gây nhiễu, AI Vision có thể mở rộng khả năng nhận diện nhờ các mô hình học sâu.

Thay vì chỉ dựa vào một tập hợp quy tắc cố định, hệ thống AI có thể được huấn luyện từ dữ liệu hình ảnh đã gắn nhãn để phân loại sản phẩm đạt và không đạt, phát hiện vị trí lỗi hoặc phân đoạn những đặc điểm cần kiểm tra. Việc lựa chọn giữa thị giác máy truyền thống và AI không nhất thiết phải theo hướng loại bỏ hoàn toàn phương pháp cũ, mà cần căn cứ vào loại lỗi, tốc độ dây chuyền, điều kiện chụp và dữ liệu mẫu. Hai phương pháp cũng có thể được kết hợp trong cùng một hệ thống.

Một ví dụ được giới thiệu là hệ thống kiểm tra chai 360 độ aVisBot 5000 của AVATECH, sử dụng 8-12 camera AI, với tốc độ công bố khoảng 36.000 sản phẩm mỗi giờ và khả năng kiểm tra lỗi kích thước khoảng 5 mm. Hệ thống hướng đến phát hiện các vấn đề về hình ảnh, nhãn, màu sắc, biến dạng và hư hỏng trên bề mặt chai, đồng thời hỗ trợ phân tích dữ liệu và tự động loại bỏ sản phẩm không đạt. Một hệ thống khác, aVisCap5000, tập trung kiểm tra nắp chai, gồm các lỗi như nứt, thiếu nắp, sai màu, sai logo, vòng bảo đảm bị hỏng hoặc có dị vật.

Những thông số này cho thấy tiềm năng ứng dụng AI Vision trong kiểm tra trực tuyến với tốc độ cao. Tuy nhiên, hiệu quả thực tế còn phụ thuộc vào điều kiện triển khai và khả năng đáp ứng yêu cầu chất lượng của từng dây chuyền. Doanh nghiệp cần thử nghiệm trên các mẫu đại diện, kiểm tra tỷ lệ bỏ lọt lỗi và tỷ lệ loại nhầm sản phẩm đạt, đánh giá tốc độ xử lý, khả năng đồng bộ với cơ cấu loại bỏ và phương án cập nhật mô hình khi thay đổi sản phẩm. Chi phí lỗi và chi phí vận hành trước, sau khi triển khai cũng cần được so sánh.

Từ kiểm soát chất lượng ở một công đoạn, nhà máy thông minh có thể tiến xa hơn khi dữ liệu vận hành được kết nối với mô hình số. Đây là hướng tiếp cận được bà Đỗ Phương Hoa, Tổng Giám đốc Công ty Cổ phần Tin học Viễn thông Vinafore, đề cập trong bài trình bày “Từ nhà máy thông minh đến khu công nghiệp thông minh”.

Theo bà Đỗ Phương Hoa, một khó khăn trong quản trị công nghiệp là các hệ thống có thể đã được số hóa nhưng vẫn thiếu bức tranh tổng thể. Thông tin thiết bị, hồ sơ kỹ thuật, tiêu thụ năng lượng và tình trạng vận hành nằm ở những phần mềm hoặc nguồn dữ liệu khác nhau, khiến việc xác định nguyên nhân sự cố và phối hợp xử lý mất thời gian.

Bà Đỗ Phương Hoa, Tổng Giám đốc Công ty Cổ phần Tin học Viễn thông Vinafore. Ảnh ĐP

Bản sao số (Digital Twin) được giới thiệu như một cách kết nối mô hình không gian với dữ liệu vận hành. Thay vì chỉ hiển thị hình ảnh ba chiều, mô hình có thể gắn với vị trí thiết bị, hồ sơ kỹ thuật, lịch sử sự cố, cảnh báo và dữ liệu cập nhật. Qua đó, người quản lý có thể quan sát trạng thái hệ thống, tìm hiểu nguyên nhân, thử nghiệm phương án xử lý và đưa ra quyết định dựa trên thông tin được tập hợp.

Chẳng hạn, khi một máy dừng hoạt động, bản sao số có thể hỗ trợ xác định vị trí thiết bị trên mô hình và gửi cảnh báo đến người phụ trách. Hồ sơ, bản vẽ và lịch sử vận hành có thể được truy cập trực tiếp thay vì phải tìm kiếm qua nhiều tủ tài liệu hoặc phần mềm. Với dữ liệu điện, nước, hệ thống có thể hỗ trợ theo dõi mức tiêu thụ theo giờ và từng khu vực, giúp doanh nghiệp nhận diện những điểm cần tối ưu.

Điểm đáng chú ý trong cách tiếp cận của Vinafore là mở rộng mô hình từ phạm vi một nhà máy sang toàn khu công nghiệp. Ở quy mô này, các nhà máy còn phụ thuộc vào hạ tầng dùng chung như điện, nước, đường giao thông, cổng và hệ thống an ninh. Một sự cố tại một điểm có thể ảnh hưởng đến hoạt động của nhiều đơn vị khác.

Bản sao số khu công nghiệp vì thế có thể hỗ trợ giám sát tập trung, kết nối dữ liệu theo vị trí địa lý, theo dõi hạ tầng dùng chung và cảnh báo rủi ro. Hệ thống Bản sao số của Vinafore có ví dụ về việc sử dụng dữ liệu để nhận diện khu vực có nguy cơ ngập khi mưa lớn, hỗ trợ cảnh báo cho các nhà máy; đồng thời theo dõi tiêu thụ tài nguyên và cung cấp dữ liệu phục vụ báo cáo carbon, ESG.

Tuy nhiên, theo bà Đỗ Phương Hoa việc mở rộng kết nối cũng đặt ra yêu cầu về quản trị dữ liệu. Các bên cần xác định rõ quyền sở hữu, quyền truy cập và trách nhiệm cập nhật thông tin; đồng thời phân định dữ liệu nào được chia sẻ ở cấp khu công nghiệp và dữ liệu nào thuộc phạm vi riêng của từng doanh nghiệp. Những chức năng dự báo cũng cần được kiểm chứng bằng mô hình và dữ liệu phù hợp, thay vì mặc nhiên coi mọi mô hình số đều có khả năng dự báo chính xác.

Về lộ trình, bà Đỗ Phương Hoa đề xuất bắt đầu từ một nhà xưởng, sau đó mở rộng ra toàn nhà máy và tiến tới phạm vi khu công nghiệp. Cách làm này cho phép tận dụng hệ thống hiện có, kết nối theo nhu cầu và từng bước hoàn thiện nền tảng chung, thay vì phải thay thế toàn bộ hạ tầng ngay từ đầu.

Từ tích hợp hệ thống tự động hóa, ứng dụng AI Vision trong kiểm soát chất lượng đến phát triển bản sao số, cho thấy nhà máy thông minh đang chuyển từ tự động hóa từng công đoạn sang kết nối dữ liệu và tối ưu vận hành trên toàn hệ thống. Tuy nhiên, để tiến tới sản xuất tự chủ, doanh nghiệp cần giải quyết đồng thời bài toán công nghệ, chuẩn hóa quy trình, chất lượng dữ liệu và năng lực nhân sự.

Việc triển khai theo từng giai đoạn, bắt đầu từ những khâu có nhu cầu rõ ràng và hiệu quả có thể đo lường, được xem là hướng đi phù hợp để doanh nghiệp từng bước làm chủ công nghệ. Khi các hệ thống được kết nối đồng bộ và dữ liệu trở thành cơ sở cho quyết định vận hành, mô hình nhà máy thông minh cũng có điều kiện mở rộng ra quy mô khu công nghiệp, góp phần nâng cao năng suất, chất lượng và năng lực cạnh tranh của ngành sản xuất.

Cùng ngày, đoàn đã tham quan thực tế tại Khu công nghiệp hỗ trợ Nam Hà Nội (HANSSIP) và nhà máy TOMECO, tìm hiểu hoạt động sản xuất, năng lực công nghệ và thực tiễn ứng dụng tự động hóa trong doanh nghiệp. Một số hình ảnh của chuyến tham quan: