Điều này có nghĩa là theo làn sóng AI, ngành sản xuất đang phải đối mặt với những thách thức cấu trúc và áp lực biến đổi sâu sắc, đứng trước ngưỡng của "định nghĩa lại".
Một mặt, chuỗi công nghiệp toàn cầu đang tăng tốc tái thiết của nó, có sự thiếu hụt cấu trúc của lao động, và áp lực kép của chất lượng và hiệu quả đang ngày càng nổi lên. Mặt khác, trí tuệ nhân tạo đang thâm nhập vào mọi liên kết từ nghiên cứu và phát triển, sản xuất đến chuỗi cung ứng với tốc độ chưa từng có, trở thành một biến số mới thúc đẩy sự phát triển chất lượng cao của sản xuất.
Trong bối cảnh đó, sản xuất không còn là tín đồ của các ứng dụng AI mà là chiến trường và động cơ chính để thực hiện.
Tuy nhiên, việc trao quyền sản xuất bằng trí tuệ nhân tạo không chỉ nhằm mục đích tăng cường hiệu quả và giảm chi phí. Nó gây ảnh hưởng sâu sắc hơn đến cấu trúc logic, phương pháp tổ chức và khả năng quản trị của các hệ thống sản xuất, thúc đẩy sự phát triển của ngành sản xuất từ điều khiển quy trình đến dựa trên dữ liệu, từ tự động hóa đến trí thông minh và từ các hệ thống do con người kiểm soát đến cộng tác-máy.
Do đó, việc nhúng công nghệ AI đang khởi xướng một "sự xác định lại" của ngành sản xuất.
Bài viết này sẽ tập trung vào xu hướng tích hợp của "Trí tuệ nhân tạo + Sản xuất", và phá vỡ nó từ nhiều chiều như đường dẫn thực hiện, ứng dụng điển hình, thách thức chính và khả năng tổ chức. Nó sẽ khám phá cách AI có thể được nhúng vào lớp hệ thống sản xuất theo lớp từ nhận thức, kiểm soát, thực hiện, vận hành sang ra quyết định, từ đó thúc đẩy các doanh nghiệp sản xuất tiến tới một tương lai linh hoạt hơn, chất lượng cao hơn và kiên cường hơn.
Con đường thực hiện của "Trí tuệ nhân tạo + Sản xuất": Năm lần lặp lại từ nhận thức đến ra quyết định
Với sự tiến bộ của sự tích hợp sâu sắc của "Trí tuệ nhân tạo + Sản xuất", kiến trúc cơ bản của các hệ thống sản xuất đang trải qua một sự tái thiết yên tĩnh nhưng sâu sắc.
Hệ thống sản xuất truyền thống từ lâu đã áp dụng một kiến trúc phân cấp riêng biệt về "nhận thức - kiểm soát - thực thi - hoạt động - ra quyết định": cảm biến thu thập dữ liệu và tải nó lên hệ thống điều khiển, hướng dẫn điều khiển đơn vị thực hiện, hệ thống tự động tiến hành quản lý quy trình và các kế hoạch cấp độ ra quyết định và điều chỉnh dựa trên phân tích dữ liệu định kỳ.
Kiến trúc tuyến tính được kiểm soát tập trung, từ trên xuống này từng hỗ trợ sản xuất công nghiệp quy mô lớn và tiêu chuẩn hóa. Tuy nhiên, trong môi trường sản xuất ngày càng phức tạp, năng động và có thể thay đổi ngày nay, những hạn chế của nó ngày càng trở nên nổi bật.
Ngày nay, ngành công nghiệp sản xuất đang tiến lên từ một kiến trúc phân cấp sang tái thiết hệ thống dựa trên nền tảng, tích hợp và phi tập trung. Nhận thức, kiểm soát, thực hiện, vận hành và ra quyết định không còn là các hệ thống riêng biệt mà hoạt động phối hợp, tương tác trong thời gian thực và tạo thành một vòng kín thông minh trên một nền tảng kỹ thuật thống nhất.
Trong kiến trúc này, các khả năng của trí tuệ nhân tạo không còn chỉ đơn giản là được đưa vào một liên kết nhất định, mà được nhúng sâu vào trung tâm thần kinh của toàn bộ mạng lưới sản xuất, đóng vai trò là hỗ trợ cho trí thông minh hệ thống.
Sự thay đổi mô hình này cũng phác thảo năm đường đi lặp lại cho việc áp dụng AI trong sản xuất:
Lặp lại nhận thức: Từ "có thể thấy" đến "có thể hiểu"
Bước đầu tiên của sản xuất bắt đầu với nhận thức. Với sự phát triển của phân tích video AI, các cảm biến thông minh và internet công nghiệp, "đôi mắt" của các trang web sản xuất đã trở nên gay gắt và sâu sắc hơn.
Hệ thống phân tích video hỗ trợ AI có thể tự động xác định các dị thường sản xuất, đưa ra cảnh báo lỗi và thay đổi trạng thái của các mục, bù cho các hạn chế của các thuật toán dựa trên quy tắc truyền thống. Ở đầu thu thập dữ liệu, các cảm biến không chỉ thu thập dữ liệu mà còn tiến hành phân tích sơ bộ và kích hoạt sự kiện qua cạnh AI, cung cấp cơ sở thời gian thực để kiểm soát và thực thi tiếp theo. Sự tăng cường của lớp nhận thức đánh dấu điểm khởi đầu cho sự tích hợp toàn diện của AI vào các hệ thống sản xuất.
2. Kiểm soát lặp lại: Từ "điều khiển quy tắc" đến "thế hệ thông minh"
Trí thông minh của các hệ thống kiểm soát đang viết lại logic của kiểm soát công nghiệp. Thế hệ mới của các hệ thống kiểm soát công nghiệp được thể hiện bằng tự động hóa được xác định bằng phần mềm (SDA) đã phá vỡ cấu trúc kín nơi phần cứng và lập trình bị ràng buộc trong các hệ thống điều khiển truyền thống và xây dựng một nền tảng điều khiển mở, mô-đun và cấu hình lại.
Trên cơ sở này, việc giới thiệu các công cụ trợ lý AI đã thực hiện lập trình PLC không còn là một nhiệm vụ mà các kỹ sư có thể hoàn thành một mình. Bằng cách mô tả các mục tiêu kiểm soát thông qua ngôn ngữ tự nhiên, AI có thể tự động tạo logic kiểm soát, sơ đồ, chú thích ngữ nghĩa và thậm chí tiến hành gỡ lỗi và xác minh, đạt được một bước nhảy vọt từ mã viết của con người sang đồng viết đồng nghiệp, do đó tăng cường hiệu quả phát triển và khả năng lặp lại của các hệ thống kiểm soát.
3. Lặp lại thực hiện: Từ "tự động hóa" đến "Synergy thông minh"
Thay đổi cũng đang diễn ra ở cấp độ thực hiện sản xuất. Sự tích hợp sâu sắc của AI và robot công nghiệp thúc đẩy sự hình thành "các thực thể thông minh công nghiệp" với khả năng nhận thức, phán đoán và thực thi.
Robot được điều khiển bởi AI không chỉ có thể thực hiện các hoạt động lặp đi lặp lại, mà còn đạt được lập kế hoạch đường dẫn thích ứng, nhận dạng hình ảnh thời gian thực và lập kế hoạch hợp tác đa máy. Thông qua nền tảng sinh đôi và mô phỏng kỹ thuật số, robot có thể hoàn thành đào tạo và xác minh trong môi trường ảo trước khi triển khai, giảm đáng kể chu kỳ trực tuyến. Từ đó trở đi, "bàn tay và bàn chân" được tạo ra không còn chỉ để thực hiện các hướng dẫn, mà là những người thực hiện thông minh với khả năng phán đoán.
4. Lặp lại hoạt động: Từ "Quản lý hồ sơ" đến "Tối ưu hóa dự đoán"
Hệ thống quản lý quy trình sản xuất cũng đã được tái cấu trúc toàn diện do sự ra đời của AI. Trí tuệ nhân tạo đang tăng tốc tích hợp vào các nền tảng quy trình sản xuất cốt lõi như MES và hệ thống quản lý thiết bị, trở thành một công cụ thông minh để tối ưu hóa sản xuất.
AI có thể mô hình hóa dữ liệu hoạt động của thiết bị, xác định các lỗi tiềm ẩn trước và đạt được bảo trì dự đoán. Tối ưu hóa hiệu suất OEE thông qua phân tích luồng dữ liệu thời gian thực; Trong quản lý chất lượng, AI được sử dụng để xác định các mẫu khiếm khuyết và nguyên nhân gốc rễ, do đó tăng cường tính nhất quán và tuân thủ của các sản phẩm. Quản lý quy trình sản xuất đang chuyển từ kiểm soát phản ứng sang hoạt động dự đoán, đạt được mức tối ưu hóa thông minh theo quy trình, điều khiển dữ liệu.
5. Lặp lại quyết định: Từ "phân tích độ trễ định kỳ" đến "ra quyết định thông minh thời gian thực"
Việc ra quyết định của các doanh nghiệp sản xuất cũng đang trải qua một sự chuyển đổi thông minh. AI sẽ dần dần có được khả năng hỗ trợ các nhiệm vụ ra quyết định phức tạp cao như lập lịch sản xuất, mô phỏng hàng tồn kho và dự đoán chất lượng.
Với sự trợ giúp của các mô hình AI, các doanh nghiệp có thể tiến hành mô phỏng kịch bản để nhanh chóng đánh giá khả năng chiếm đóng tài nguyên và phân phối của các chiến lược lập lịch sản xuất khác nhau. Kết hợp dữ liệu lịch sử và thời gian thực, AI có thể dự đoán xu hướng biến động chất lượng và điều chỉnh các thông số quy trình trước. Trong quản lý hàng tồn kho, AI có thể tự động khuyến nghị các chiến lược bổ sung để tăng cường hiệu quả doanh thu hàng tồn kho. Các quyết định sản xuất đã chuyển từ các phản ứng chậm trễ sang những hiểu biết hướng về phía trước, trở thành một hỗ trợ chính cho sự nhanh nhẹn và khả năng phục hồi của doanh nghiệp.
Trong năm bước nhảy vọt này, chúng tôi đã chứng kiến rằng trí tuệ nhân tạo không còn là một công cụ bên ngoài mà là một yếu tố thông minh trong hệ thống sản xuất. Nó vượt qua các ranh giới truyền thống, tích hợp vào mọi cấp độ và mọi nút, và thúc đẩy hệ thống sản xuất từ kiểm soát phân cấp đến hợp tác thông minh và từ tối ưu hóa cục bộ đến trí thông minh hệ thống.
Tái thiết có hệ thống này chính xác là bản chất của "trí tuệ nhân tạo + sản xuất".
Những khả năng hệ thống nào là cần thiết cho các tổ chức sản xuất trong kỷ nguyên "Trí tuệ nhân tạo +"?
Trong kỷ nguyên phát triển nhanh chóng của trí tuệ nhân tạo, một câu hỏi đã được thảo luận nhiều lần là: AI có thay thế con người không? Trong ngành sản xuất, vấn đề này đặc biệt nhạy cảm.
Trong quá khứ, mọi bước nhảy vọt trong tự động hóa dường như đi kèm với xu hướng "máy móc thay thế con người". Tuy nhiên, trí tuệ nhân tạo ngày nay, đặc biệt là con đường ứng dụng của nó trong các kịch bản sản xuất, đang cho chúng ta một câu trả lời chắc chắn: AI không được thiết kế để giảm số lượng người, mà là để tăng cường chúng.
Sản xuất thông minh đòi hỏi nhiều người hơn, không ít hơn.
Điều này có nghĩa là ứng dụng rộng của AI đã không dẫn đến một làn sóng sa thải; Thay vào đó, nó đã tạo ra một nhu cầu mạnh mẽ về các kỹ năng mới và tài năng đa năng.
Trước đây, AI được coi là một công cụ: được sử dụng để hỗ trợ phát hiện, phân tích dữ liệu và tạo báo cáo. Ngày nay, với sự thâm nhập của các mô hình AI trong bảo trì dự đoán, kiểm soát chất lượng, lập kế hoạch sản xuất và các liên kết khác, họ đang dần phát triển từ các thẩm phán phụ trợ sang những người ra quyết định tham gia.
Sự phát triển này không chỉ thay đổi vai trò của công nghệ mà còn định hình lại cấu trúc tổ chức. Các doanh nghiệp sản xuất đang chuyển từ mối quan hệ một chiều của "việc ra quyết định của con người và hỗ trợ AI" sang mô hình hợp tác hai chiều của "sản xuất đồng quyết định của con người". AI không còn là một công cụ back-end mà là một yếu tố thông minh được nhúng trong các quy trình kinh doanh, tham gia vào quá trình tiến hóa và kích hoạt tái cấu trúc quá trình.
Điều này cũng có nghĩa là các yêu cầu của các doanh nghiệp cho tài năng đang trải qua một sự thay đổi về chất: họ không chỉ cần các kỹ sư hiểu AI, mà còn cả tài năng AI hiểu sản xuất. Các nhà tổng quát của AI với khả năng xuyên biên giới, tư duy hệ thống và sự hiểu biết kinh doanh sẽ trở thành hỗ trợ chính cho sự chuyển đổi thông minh của một tổ chức.
Nếu AI là "bộ não" của sản xuất thông minh, thì khả năng tổ chức là yếu tố quyết định cho việc "cơ thể" này có linh hoạt, mạnh mẽ và bền vững hay không. Bước vào kỷ nguyên AI, các doanh nghiệp sản xuất không chỉ cần giới thiệu các thuật toán và công cụ, mà còn xây dựng một khung khả năng có hệ thống hỗ trợ việc thực hiện, tăng trưởng và mở rộng AI. Kích thước chính của nó bao gồm:
Khả năng chiến lược: AI không chỉ đơn thuần là "dự án CNTT", mà là "hoạt động bình thường".
Khi nhiều doanh nghiệp quảng bá "Trí tuệ nhân tạo + Sản xuất", họ coi đó là một bản nâng cấp thông tin một lần và để lại cho bộ phận CNTT để dẫn đầu. Cách tiếp cận này thường dẫn đến các dự án AI bắt đầu cao nhưng kết thúc thấp, với các dự án thí điểm thành công và sao chép thất bại.
Một sự chuyển đổi thực sự sang sản xuất thông minh đòi hỏi AI là tài nguyên chiến lược cốt lõi thúc đẩy sự thay đổi của các mô hình hoạt động kinh doanh. AI không nên tồn tại độc lập với các hoạt động kinh doanh mà nên được tích hợp sâu vào các quy trình cốt lõi như sản xuất, kiểm soát chất lượng, quản lý chuỗi cung ứng và quản lý năng lượng. Chiến lược AI nên được tích hợp sâu sắc với chiến lược kinh doanh để tạo thành một mô hình bánh kép của "Lực lượng công nghệ + công nghệ kinh doanh".
2. Khả năng tài năng: Xây dựng một tiếng vang tổng hợp của "Kỹ sư AI + Chuyên gia kinh doanh"
Việc tối ưu hóa cấu trúc tài năng là điều kiện tiên quyết để thực hiện AI. Một mặt, các doanh nghiệp cần các kỹ sư có khả năng thuật toán AI và khả năng mô hình hóa dữ liệu, những người có thể hiểu cấu trúc, đặc điểm và tiếng ồn của dữ liệu sản xuất. Mặt khác, thậm chí còn cần thiết hơn cho các chuyên gia sản xuất, những người hiểu về kinh doanh, quy trình và hoạt động để tham gia vào các dự án AI, làm cho trải nghiệm của họ rõ ràng và kiến thức được cấu trúc, để các mô hình AI gần với các vấn đề trong thế giới thực hơn.
Tài năng song ngữ với cả ngôn ngữ kỹ thuật và ngôn ngữ kinh doanh sẽ là một lực lượng xương sống không thể thiếu cho các doanh nghiệp sản xuất trong tương lai.
3. Cấu trúc tổ chức: Thúc đẩy sự đồng xây dựng của nền tảng trung gian AI và hoạt động kinh doanh
Các dự án AI thường bị phân mảnh và khó sao chép trên quy mô lớn. Lý do cơ bản nằm ở việc thiếu một nền tảng mô hình và dữ liệu thống nhất. Để kết thúc này, các doanh nghiệp cần xây dựng một nền tảng trung gian AI và dữ liệu với khả năng tái sử dụng, tích hợp các khả năng thuật toán cơ bản, khả năng quản trị dữ liệu và quy trình kinh doanh để tạo thành kiến trúc hai cấp của "Nền tảng + kịch bản".
Về mặt tổ chức, cũng cần thiết lập các ủy ban ứng dụng AI căn hộ hoặc nhóm hoạt động kỹ thuật số để phá vỡ các rào cản giữa CNTT và OT, R & D và sản xuất, trụ sở và trang web, và đạt được mô hình đồng sáng tạo nơi các vấn đề được đưa ra từ tuyến đầu và các giải pháp được cung cấp bởi nền tảng.
4. Đường dẫn thực hiện: Từ các dự án thí điểm đến triển khai chuỗi toàn bộ
Theo con đường chuyển đổi sản xuất thông minh được đề xuất trong báo cáo nghiên cứu, các doanh nghiệp nên tuân theo phương pháp bắt đầu nhanh tám bước, lặp lại nhanh chóng và mở rộng liên tục khi triển khai các dự án AI, như trong hình trên.
Con đường này nhấn mạnh rằng việc áp dụng AI không nên quá tham vọng và toàn diện. Thay vào đó, nó nên thực hiện các bước nhỏ nhưng nhanh chóng, học bằng cách thực hiện và dần dần phát triển để đạt được một bước nhảy vọt từ "trí thông minh địa phương" sang "trí thông minh hệ thống".
Giá trị thực sự của AI không nằm trong việc thay thế con người, mà là định hình một tổ chức sản xuất thông minh hơn, nhanh nhẹn hơn và phát triển hơn. Nó cho phép các tổ chức chuyển từ việc dựa trên kinh nghiệm sang dựa trên dữ liệu và từ sự cứng nhắc của quá trình sang tính linh hoạt thông minh, cuối cùng hình thành một hệ thống đồng sáng tạo thông minh tập trung vào sự hợp tác của máy.
Sự cạnh tranh trong ngành sản xuất trong tương lai sẽ không còn là một cuộc thi về thiết bị và năng lực sản xuất, mà là một sự cạnh tranh về khả năng nhận thức, khả năng tổ chức và khả năng thông minh. AI không phải là kết thúc mà là điểm khởi đầu của một nền văn minh công nghiệp mới.
Dữ liệu và mô hình: Công cụ kép "Trí tuệ nhân tạo + Sản xuất" cực kỳ khó khăn
Động cơ AI chỉ có thể thực sự thúc đẩy sự phát triển liên tục của hệ thống sản xuất thông minh khi cả "dữ liệu" và "mô hình" hoạt động đồng thời hoạt động hiệu quả.
Tuy nhiên, trong việc thực hiện thực tế "Trí tuệ nhân tạo + Sản xuất", các doanh nghiệp thường rơi vào một sự hiểu lầm nhận thức: tin rằng miễn là các thuật toán AI được triển khai và dữ liệu công nghiệp được kết nối, kết quả ra quyết định và tối ưu hóa thông minh. Nhưng thực tế là nhiều doanh nghiệp sản xuất đã "thí điểm thành công nhưng không thể sao chép" trong các dự án AI và nguyên nhân gốc nằm chính xác là hai động cơ cốt lõi của dữ liệu và mô hình chưa thực sự khởi động.
Thử thách dữ liệu: Các doanh nghiệp sản xuất có "nhiều dữ liệu nhất", nhưng cũng là "dữ liệu khó sử dụng nhất".
Tại sao dữ liệu khó sử dụng? Chủ yếu có ba lý do chính:
Dữ liệu vốn không đủ và chất lượng không đồng đều: Một lượng lớn dữ liệu công nghiệp có vấn đề như tiếng ồn, dữ liệu bị thiếu và tính không đồng nhất. Thiếu các cơ chế quản trị, và trực tiếp "cho ăn" nó vào mô hình là phản tác dụng.
Dữ liệu không được xử lý sau này trong cuộc sống và thiếu cấu trúc bối cảnh: nhiều doanh nghiệp thu thập "Điểm dữ liệu bị cô lập", thiếu thông tin ngữ cảnh như sự kiện, quy trình và lô, dẫn đến việc mô hình không thể hiểu được ngữ nghĩa kinh doanh và logic nguyên nhân của mô hình.
Vấn đề sâu sắc hơn nằm ở chỗ các doanh nghiệp sản xuất có dữ liệu, họ thiếu hệ thống khả năng để chuyển đổi dữ liệu thành kiến thức có thể sử dụng. Đây không phải là vấn đề với chức năng của phần mềm, mà là một thiếu sót có hệ thống trong cơ chế tổ chức, tư duy dữ liệu và hệ thống quản trị.
Do đó, dữ liệu trong ngành sản xuất không quá ít mà quá phân tán. Nó không phải là không có giá trị, mà là thông tin theo ngữ cảnh là không đủ.
2. Thử thách mô hình: Trí thông minh công nghiệp không thể đạt được qua đêm bằng cách dựa vào "các mô hình lớn chung"
Các mô hình AI công nghiệp phải đối mặt với ba thách thức lớn:
Thiếu sự hiểu biết về quy trình: Quá trình sản xuất bao gồm một lượng lớn kiến thức ngầm, chẳng hạn như các quy tắc thực nghiệm, cơ chế vật lý và khớp nối đa biến. Nếu mô hình không hiểu quá trình, nó chỉ có thể đưa ra dự đoán có liên quan và không thể tiến hành phân tích nguyên nhân gốc hoặc tối ưu hóa quá trình.
Sự khan hiếm dữ liệu và khó khăn ghi nhãn: So với các trường Internet như thương mại điện tử và mạng xã hội, các kịch bản công nghiệp thiếu bộ dữ liệu nguồn mở quy mô lớn và nhiều dữ liệu bất thường rất khó để dán nhãn, khiến việc học không bền vững.
Khả năng tổng quát hóa không đủ và di chuyển cảnh khó khăn: Hiệu suất của cùng một mô hình khác nhau rất nhiều trên các dây chuyền và thiết bị sản xuất khác nhau. Thiếu các khả năng cơ bản có thể được di chuyển và tinh chỉnh, dẫn đến chi phí triển khai AI cao, chu kỳ dài và ROI thấp.
Do đó, những gì ngành công nghiệp sản xuất thực sự cần là các mô hình AI theo kịch bản chuyên sâu: những mô hình không chỉ hiểu các hành vi và cơ chế xử lý vật lý mà còn thích ứng với các điều kiện năng động và sự khác biệt về thiết bị, sở hữu trí thông minh công nghiệp với kích thước mẫu nhỏ và khái quát hóa mạnh.
Rõ ràng là các mô hình AI trong sản xuất không phải là "mô hình nói chuyện", mà là "các mô hình có thể hiểu vật lý". Nó không phải là một "mô hình để tạo nội dung", mà là "mô hình để xây dựng lại quá trình".
3. Thách thức quản lý: AI không phải là về việc vay; Việc xây dựng một hệ thống khả năng là điểm khởi đầu thực sự để sản xuất AI
Trước những thách thức kép của dữ liệu và mô hình, các doanh nghiệp không còn có thể ở lại giai đoạn triển khai các công cụ, mà nên chuyển sang xây dựng một hệ thống khả năng AI hoàn chỉnh và bền vững. Cốt lõi nằm ở việc làm tốt trong ba điều: thứ nhất, quản trị dữ liệu: từ "thu thập dữ liệu" đến "tạo kiến thức"; Ii. Mô hình hóa cảnh: Thể hiện các vấn đề trong ngôn ngữ kinh doanh và giải quyết chúng bằng ngôn ngữ thuật toán; Iii. Mô hình cơ chế tinh chỉnh: Đảm bảo rằng mỗi tác nhân phù hợp với cảnh riêng của nó.
AI không phải là một cái gì đó được thông qua. "Trí tuệ nhân tạo + Sản xuất" nên được coi là một dự án có hệ thống. Sự xâm nhập của trí tuệ nhân tạo vào sản xuất không có nghĩa là nó trở nên hữu ích chỉ vì nó được cài đặt, cũng không có nghĩa là nó trở nên thông minh chỉ vì nó được mua. Đây là một dự án có hệ thống từ dữ liệu đến các mô hình, từ thuật toán đến các tổ chức.
Nếu các doanh nghiệp hy vọng sẽ thực sự đạt được sản xuất hỗ trợ AI, họ cần thoát khỏi tư duy "hướng đến công cụ" và xây dựng một hệ thống động cơ kép về "khả năng dữ liệu + khả năng mô hình" cho tương lai. Chỉ bằng cách này, trí tuệ nhân tạo không chỉ đơn thuần là một khán giả trong sản xuất, mà còn trở thành một cộng tác viên thông minh có thể hiểu, hành động và liên tục phát triển.