Trở ngại và thách thức khi ứng dụng trí tuệ nhân tạo cho ngành sản xuất - chế tạo

Lĩnh vực sản xuất - chế tạo cũng không nằm ngoài xu hướng này và việc ứng dụng AI vào lĩnh vực sản xuất - chế tạo sẽ tạo ra cú hích mạnh mẽ trong việc tăng năng suất, giảm chi phí, nâng cao chất lượng và giảm thời gian ngừng hoạt động của các dây chuyền sản xuất. Tuy nhiên, có thể thấy cho đến nay hầu hết ứng dụng của AI đang được giới thiệu đều liên quan tới việc xử lý những dữ liệu mà có thể thu thập được với số lượng đủ lớn phục vụ cho việc huấn luyện AI. Do đặc thù của lĩnh vực sản xuất - chế tạo, việc ứng dụng AI đặt ra nhiều vấn đề và thách thức làm hạn chế khả năng tiếp cận của các doanh nghiệp, đặc biệt là các doanh nghiệp vừa và nhỏ. Trong phạm vi của bài viết này chúng ta sẽ cùng tìm hiểu những thách thức đó là gì và giải pháp nào để vượt qua những thách thức đó.

AI và ứng dụng trong công nghiệp

Thuật ngữ “trí tuệ nhân tạo (AI)” được đặt ra trong những năm 1950 khi các nhà khoa học bắt đầu khám phá khả năng của máy tính để giải quyết vấn đề theo cách thức mong muốn. Khái niệm về AI thay đổi theo thời gian, nhưng về cốt lõi AI được hiểu là những cỗ máy có khả năng suy nghĩ như con người và có khả năng thực hiện các chức năng nhận thức như quan sát, học tập, suy luận và giải quyết vấn đề. Theo cấp độ về khả năng ta có thể phân chia thành AI tổng quát, AI hẹp và AI mạnh:

AI hẹp: Các ứng dụng trong đó máy có thể thực hiện một nhiệm vụ cụ thể tốt hơn một con người có thể được hiểu là một Al hẹp. Hầu hết các nghiên cứu hiện nay về Al đều đang xảy ra ở khu vực này.

Al tổng quát: Một trí tuệ nhân tạo có thể thực hiện các nhiệm vụ nhận thức với cùng mức độ và độ chính xác như bộ não con người được cho là AI tổng quát.

Al mạnh: AI ở cấp độ này cho phép máy móc vượt trội hơn bộ não con người trong nhiều nhiệm vụ.

Quá trình phát triển của việc ứng dụng Al trong lĩnh vực sản xuất - chế tạo cũng trải qua nhiều giai đoạn khác nhau với các mức độ thông minh khác nhau bao gồm:

• Phản ứng thuần túy: Những máy này không thể hình thành “ký ức", do đó chúng không có bất kỳ kinh nghiệm hoặc dữ liệu trong quá khứ để làm việc. Chúng được thiết kế để thực hiện chỉ một nhiệm vụ cụ thể. Các thiết bị này có thể được lập trình để thực hiện nhiệm vụ cụ thể. Các hệ thống điều khiển và tự động hóa sản xuất hay các máy tự động sản xuất đang ở mức này.

• Trí nhớ hạn chế: Những cỗ máy này tiếp tục thu thập dữ liệu trong quá trình hoạt động và thêm nó vào “trí nhớ” của chúng. Chúng dựa vào kinh nghiệm hay dữ liệu quá khứ để cải thiện chức năng của chúng. Tuy vậy, chúng chỉ có thể sử dụng những kinh nghiệm hay dữ liệu quá khứ này để đưa ra quyết định nhưng không thể hình thành ý tưởng mới dựa trên nó. Do đó chúng bị "giới hạn" trong cách chúng sử dụng “trí nhớ” của mình. Vài ví dụ trong số này bao gồm xe tự lái, gợi ý nhà hàng, quảng cáo online tự động.... Các ứng dụng Al ở mức này đang phát triển rất mạnh và có những tác động rõ rệt vào mọi mặt của đời sống xã hội. Việc phát triển những ứng dụng ở mức này cho lĩnh vực sản xuất - chế tạo sẽ có tác động to lớn đối với hoạt động sản xuất, làm gia tăng tính cạnh tranh của sản phẩm.

• Lý thuyết về tâm trí: Những máy này gần gũi hơn với bộ não con người theo cách chúng có thể giải thích cảm xúc của con người và có một sự hiểu biết nhận thức dựa trên môi trường, đặc điểm khuôn mặt,... Mặc dù loại Al này chưa trở thành hiện thực, hiện nay có rất nhiều nghiên cứu diễn ra xung quanh nó và hứa hẹn có nhiều ứng dụng trong thời gian tới.

• Tự nhận thức: Đây là lớp siêu thông minh, những cỗ máy tự nhận thức sẽ định hướng tương lai của AI và được coi là thế hệ tiếp theo của công nghệ. Chúng sẽ có thể bắt chước nhiều người phản ứng và có thể sẽ sử dụng mô hình nội để mô phỏng các hành động của chúng.

Trong một quá trình sản xuất, các trường hợp sử dụng Al xoay quanh các công nghệ sau:

• Học máy (Machine learning): Học máy là tập con của AI liên quan đến các thuật toán học từ các ví dụ và những trải nghiệm trước đó. Ứng dụng AI cho quá trình sản xuất sẽ sử dụng thuật toán và dữ liệu để tự động học từ các mẫu cơ bản mà không được lập trình một cách rõ ràng để làm như vậy.

• Học sâu (deep learning): Học sâu là một lĩnh vực con của học máy trong đó học sâu sử dụng nhiều lớp thuật toán được gọi là một mạng lưới thần kinh nhân tạo. Trong lĩnh vực sản xuất - chế tạo người ta sử dụng học sâu để phân tích dữ liệu.

• Đối tượng tự động: Tác nhân AI tự quản lý các tác vụ của riêng mình, chẳng hạn như robot cộng tác hoặc phương tiện vận chuyển được kết nối.

Trong lĩnh vực công nghiệp nói chung việc ứng dụng AI có khả năng nâng cao được hiệu quả nhờ khả năng:

• Lựa chọn phương án thiết kế tối ưu Trong thiết kế tổng quát, các thuật toán học máy được sử dụng để bắt chước quy trình thiết kế được các kỹ sư sử dụng. Sử dụng kỹ thuật này, nhà sản xuất có thể nhanh chóng tạo ra hàng trăm phương án thiết kế cho một sản phẩm qua đó cho phép có nhiều lựa chọn hơn khi tìm phương án tối ưu theo mục tiêu đặt ra.

• Quản lý chuỗi cung ứng và dự báo giá nguyên liệu thô

Sử dụng AI, các nhà máy có thể quản lý tốt hơn toàn bộ chuỗi cung ứng của mình, từ dự báo năng lực đến kiểm kê hàng tồn kho. Bằng cách thiết lập mô hình dự đoán và thời gian thực để đánh giá và giám sát các nhà cung cấp, doanh nghiệp có thể được cảnh báo ngay khi xảy ra lỗi trong chuỗi cung ứng và có thể đánh giá ngay mức độ nghiêm trọng của sự gián đoạn.

Phần mềm với sự hỗ trợ của AI có thể dự đoán giá hàng hóa chính xác hơn con người và nó cũng cải thiện theo thời gian nhờ khả năng phân tích lượng dữ liệu khổng lồ.

• Quản lý đơn hàng với sự hỗ trợ của AI

Quản lý đơn hàng hiệu quả đòi hỏi sự linh hoạt về thị trường, nhu cầu, kỳ vọng của người tiêu dùng và sự thay đổi chiến lược sản xuất. Các nhà máy sử dụng hệ thống quản lý đơn hàng với sự hỗ trợ của AI có thể: Tự động theo dõi hàng tồn kho để tạo yêu cầu sản xuất ngay lập tức; xử lý sự phức tạp của nhiều loại đơn hàng đến từ nhiều kênh bán hàng khác nhau.

• Cải thiện năng lực phân tích

Phân tích các bộ dữ liệu được thu thập từ các cảm biến của máy để cung cấp thông tin chi tiết nhanh chóng, phi tập trung.

• Kiểm soát chất lượng

Việc duy trì mức chất lượng mong muốn của một dịch vụ hoặc sản phẩm được gọi là đảm bảo chất lượng. Bằng cách sử dụng công nghệ thị giác máy, hệ thống AI có thể phát hiện những sai lệch so với tiêu chuẩn vì phần lớn các sai sót đều có thể thấy rõ.

• Nâng cao năng lực quản lý kho hàng và Logistics

Nhiều khía cạnh của quản lý kho có thể được tự động hóa bằng AI. Các nhà sản xuất có thể liên tục theo dõi kho hàng của mình và cải thiện hoạt động hậu cần nhờ vào luồng dữ liệu liên tục mà họ thu thập được. Chi phí quản lý kho hàng có thể giảm xuống, năng suất có thể tăng lên và sẽ cần ít người hơn để thực hiện công việc khi việc kiểm soát chất lượng và kiểm kê được tự động hóa. Kết quả là các nhà sản xuất có thể tăng doanh thu và thu nhập.

Tổn thất sản xuất do tồn kho quá nhiều hoặc thiếu hụt là những vấn đề dai dẳng của kinh doanh. Lãng phí và giảm lợi nhuận là kết quả điển hình của việc dự trữ quá mức. Doanh nghiệp có thể đạt được doanh thu, tiền bạc và sự tín nhiệm từ khách hàng khi sản phẩm được dự trữ hợp lý.

Ứng dụng Al trong ngành sản xuất - chế tạo Đối với ngành sản xuất - chế tạo ngoài các đặc điểm chung như trong công nghiệp, vai trò của AI còn bao gồm:

• Tự động hóa nhà máy sử dụng AI

Người vận hành trong các nhà máy dựa vào kiến thức và trực giác của mình để sửa đổi cài đặt thiết bị theo cách thủ công đồng thời theo dõi các chỉ báo khác nhau trên một số màn hình. Ngoài nhiệm vụ thường xuyên của mình, những người vận hành hệ thống này hiện còn chịu trách nhiệm khắc phục sự cố và kiểm tra hệ thống. Điều này có nguy cơ tạo ra những sai sót và hoặc hệ thống không hoạt động ở trạng thái tối ưu dẫn tới làm giảm hiệu quả đầu tư. Sử dụng thiết bị thông minh và Internet vạn vật (IoT) là những thiết bị công nghệ cao có cảm biến còn được gọi là "Internet vạn vật công nghiệp" (IoT) trong lĩnh vực sản xuất sẽ tạo ra lượng lớn dữ liệu vận hành theo thời gian thực. Sự kết hợp giữa AI và IIoT của nhà máy có thể cải thiện đáng kể độ chính xác và nâng cao sản lượng nhờ khả năng giảm thiểu sai sót trong vận hành và việc duy trì hệ thống luôn ở trạng thái tối ưu.

Các nhà máy "được kết nối" hoặc "nhà máy thông minh" được trang bị cảm biến và lưu trữ dữ liệu đám mây. Điều này cho phép thực hiện sản xuất thông minh với các tính năng:

Giám sát nhà xưởng sản xuất theo thời gian thực;

- Theo dõi cách tài nguyên của bạn đang được sử dụng;

- Cài đặt hệ thống từ xa;

- Đảm bảo chất lượng và kiểm tra bằng AI

- Cho phép can thiệp kịp thời.

Thị giác máy tính, sử dụng camera có độ phân giải cao để quan sát từng bước sản xuất, được sử dụng kết hợp với AI để xác định các khiếm khuyết trong quá trình sản xuất. Một hệ thống như thế này sẽ có thể phát hiện các vấn đề mà mắt thường khó có thể phát hiện ra và ngay lập tức thực hiện các hành động khắc phục hoặc ngăn chặn sai sót. Do đó, sẽ có ít sản phẩm cần thu hồi hơn và ít bị lãng phí hơn. Sự an toàn của công nhân nhà máy cũng được cải thiện và tránh được những nguy hiểm tại nơi làm việc khi có thể phát hiện những bất thường như phát thải khi độc trong thời gian thực.

• Ngăn chặn các sự cố có thể xảy ra trong tương lai Các giải pháp AI hỗ trợ nhà sản xuất dự đoán khi nào hoặc liệu thiết bị đang hoạt động có bị hỏng để có thể lên kế hoạch bảo trì và sửa chữa trước khi xảy ra lỗi hay không.

• Cải tiến quy trình

Các công ty có thể đạt được mức sản xuất bền vững bằng cách tối ưu hóa các quy trình bằng cách

sử dụng phần mềm hỗ trợ AI. Phần mềm được hỗ trợ bởi trí tuệ nhân tạo có thể giúp doanh nghiệp tối ưu hóa quy trình để duy trì tốc độ sản xuất cao. Để xác định và loại bỏ sự thiếu hiệu quả, các nhà sản xuất có thể sử dụng các công nghệ khai thác quy trình được hỗ trợ bởi AI. Ví dụ, trong sản xuất, việc làm hài lòng khách hàng đòi hỏi phải đáp ứng nhu cầu của họ theo nhiều cách khác nhau, bao gồm cả việc giao hàng nhanh chóng và chính xác.

• Nâng cao hiệu suất của xưởng sản xuất

Bản sao kỹ thuật số có thể được sử dụng để theo dõi và kiểm tra chu trình sản xuất nhằm phát hiện các vấn đề tiềm ẩn về chất lượng hoặc các khu mà hiệu suất của sản xuất không đạt được kỳ vọng. •

Sử dụng người máy kết hợp Al Robot công nghiệp sử dụng trong sản xuất sẽ cho phép tự động hóa các hoạt động đơn điệu, loại bỏ hoặc giảm đáng kể lỗi của con người và tập trung sự chú ý của con người vào các bộ phận có lợi hơn trong doanh nghiệp. Thị giác máy được đưa vào một số robot công nghiệp, cho phép chúng di chuyển chính xác trong môi trường hỗn loạn. Ứng dụng AI sẽ cho phép mở rộng năng lực của robot công nghiệp cho nhiều ứng dụng mà từ trước chỉ có thể sử dụng con người.

Ảnh minh hoạ

Những trở ngại và thách thức khi ứng dụng AI vào lĩnh vực sản xuất - chế tạo

Với rất nhiều dữ liệu được tạo ra hàng ngày bởi IoT công nghiệp và các nhà máy thông minh được tự động hóa, trí tuệ nhân tạo có một số ứng dụng tiềm năng trong ngành sản xuất chế tạo. Hiện nay đang diễn ra xu hướng chuyển dịch sang sử dụng các giải pháp Al như học máy (ML) và mạng thần kinh học sâu để phân tích dữ liệu và đưa ra quyết định tốt hơn. Các quyết định ở mọi khía cạnh của sản xuất bao gồm: - Chỉnh định các tham số điều khiển

- Vận hành dây chuyền sản xuất ở trạng thái tối

- Dự báo sớm các sự cố không mong muốn

- Bảo trì bảo dưỡng thiết bị tối ưu ưu

Tùy theo trạng thái của thị trường, các hàm mục tiêu của sản xuất được xây dựng và việc tìm ra điểm tối ưu cho vận hành sẽ được thực hiện một cách liên tục từ việc xử lý dữ liệu thu được bằng các thuật toán AI. Công tác bảo trì, bảo dưỡng thiết bị cũng như vậy. Thay vì thực hiện bảo trì theo chu kỳ cố định, bảo trì dự đoán được xây dựng nhằm mục tiêu giảm thiểu chi phí bảo trì. Trí tuệ nhân tạo có thể được áp dụng để xử lý dữ liệu sản xuất qua đó cải thiện khả năng dự đoán lỗi và lập kế hoạch bảo trì. Có thể có nhiều ứng dụng có lợi ích khi ứng dụng trí tuệ nhân tạo trong sản xuất, bao gồm dự báo nhu cầu chính xác hơn và ít lãng phí nguyên liệu hơn. Trí tuệ nhân tạo ứng dụng vào sản xuất cho phép con người và máy móc cộng tác một cách chặt chẽ trong môi trường sản xuất công nghiệp. Có một thực tế trong công nghiệp nói chung, ngành sản xuất chế tạo nói riêng là hoạt động của hệ thống là sự phối hợp của rất nhiều thiết bị dẫn tới sự hoạt động hoàn hảo của từng thiết bị riêng lẻ chưa thể đảm bảo tốt của cả hệ thống và tạo nên trở ngại cho việc tìm ra điểm vận hành tối ưu của hệ thống cũng như dự báo sớm sự cố. Trong trường hợp này việc ứng dụng Al sẽ có ưu thế tuyệt đối so với các phương pháp khác. Tuy nhiên ở quy mô hệ thống sẽ cho thấy không có các nhà máy giống nhau một cách tuyệt đối và vì vậy sẽ không thể có được dữ liệu mẫu để huấn luyện cho AI. Giải pháp khắc phục là sử dụng dữ liệu quá khứ của chính nhà máy đó để huấn luyện Al nhận diện các sự kiện có thể diễn ra trong tương lai. Thoạt đầu thì giải pháp này có vẻ là hợp lý nhưng suy xét kỹ lưỡng có thể thấy nó không thực sự phù hợp và hiệu quả bởi các lý do sau:

- Trạng thái của hệ thống liên tục biến đổi nên dữ liệu thu được từ quá khứ không phản ánh hoản toàn trung thực hệ thống trong hiện tại và tương lai.

Đối với vấn đề dự báo sớm sự cố thì việc có được dữ liệu quá khứ cũng đồng nghĩa là sự cố đã xảy ra và đã có tổn thất. Sự cổ thông thường là hiểm khi xảy ra nên lượng dữ liệu về các sự thường là khá hiếm, không đủ để huấn liệu cho AI. Một trong những giải pháp để khắc phục hạn chế này là xây dựng hệ thống mô phỏng thời gian thực nhà máy với tham số được cập nhật từ dữ liệu hoạt động thực tế. Các tình huống vận hành và sự cố sẽ được giả lập và tiến hành thu thập dữ liệu để phục vụ cho việc huấn luyện AI. Sự biển đổi của các tham số có thể được nhận dạng từ dữ liệu vận hành thực tế rồi cập nhật vào hệ mô phòng. Mô hình hoạt động này được minh họa trên Hình vẽ.

Một hệ thống như vậy sẽ bao gồm một hệ điều khiến tương tự như hệ thống điều khiển của nhà máy thực. Hệ thống điều khiển thay vì điều khiển nhà máy thực sẽ được kết nối với nhà máy mô phòng hay nhà máy áo và điều khiển nó. Dữ liệu về hoạt động của nhà máy áo trong các tình huống giả lập khác nhau như hoạt động bình thường và sự cố từng phần sẽ được thu thập làm dữ liệu mẫu để huấn luyện cho AI. Dữ liệu hoạt động của nhà máy thực sẽ là đầu vào cho các ứng dụng sử dụng thuật toán trí tuệ nhân tạo phục vụ tối ưu hóa sản xuất đồng thời cũng được so sánh với dữ liệu của nhà máy ảo để hiệu chỉnh các tham số mô phỏng, đảm bảo hoạt động của nhà máy ào bám sát hoạt động của nhà máy thực.

Với các nhà máy lớn, công nghệ phức tạp và lượng thiết bị nhiều thì việc xây dựng được hệ thống mô phòng như vậy sẽ mất khá nhiều công sức và thời gian để thực hiện. Chi phí để xây dựng hệ thống mô phỏng nhà máy chỉ bằng vài phần trăm của chi phí xây dựng nhà máy thực nhưng cũng không phải là nhỏ nêu nó không được tỉnh tới trong pha đầu tư xây dựng nhà máy và là rào cản đối với hầu hết các doanh nghiệp trong việc đặt mục tiêu ứng dụng những công nghệ của CMCN 4.0.

Kết luận

Việc ứng dụng các công nghệ của CMCN 4.0 trong ngành sản xuất - chế tạo hứa hẹn triển vọng nâng cao năng suất, cải thiện năng lực cạnh tranh của doanh nghiệp. Tuy vậy, do tính chất đặc thù của các nhà máy công nghiệp nói chung, của ngành sản xuất - chế tạo nói riêng việc triển khai ứng dụng nó gặp trở ngại cả về kỹ thuật và ngân sách dẫn tới nhu cầu phải tìm kiếm các giải pháp tháo gỡ khó khăn hỗ trợ cho các doanh nghiệp trong tiến trình này nhằm mục tiêu nâng cao năng lực cạnh tranh quốc gia của Việt Nam.

PHẠM QUANG ĐĂNG - Viện Kỹ thuật Điều khiển và Tự động hóa