AI đang tiến vào quy trình công nghiệp
Trí tuệ nhân tạo ngày càng được định vị là một công nghệ vận hành thay vì một sáng kiến kỹ thuật số độc lập. Trong các môi trường công nghiệp, giá trị của AI trở nên rõ ràng hơn khi nó kết nối phần mềm hiện có, hệ thống điều khiển, dữ liệu sản xuất và các quyết định của con người.
Thách thức không nhất thiết nằm ở việc thiếu công nghệ. Nhiều nhà sản xuất và tổ chức logistics hiện đã vận hành rất nhiều ứng dụng, máy móc và nền tảng dữ liệu. Vấn đề lớn hơn là khối lượng công việc thủ công cần thiết để truyền thông tin và quyết định giữa các hệ thống này.
Các phát hiện gần đây được Ace Workflow trích dẫn cho thấy 26% số giờ làm việc được ghi nhận trong doanh nghiệp, và lên tới 44% trong lĩnh vực tài chính, có thể được thu hồi thông qua tự động hóa có mục tiêu. Dù các con số này không dành riêng cho ngành sản xuất, chúng làm nổi bật một vấn đề rộng hơn mà các kỹ sư công nghiệp thường xuyên gặp phải: sự kém hiệu quả của quy trình thường tồn tại tại các điểm giao tiếp giữa các hệ thống.
Nút thắt thực sự thường nằm giữa các hệ thống
Tự động hóa công nghiệp theo truyền thống tập trung vào việc tự động hóa từng máy móc, từng cụm sản xuất và từng quy trình điều khiển riêng lẻ. AI hiện đại bổ sung một lớp tối ưu hóa khác bằng cách xử lý các quyết định và hoạt động trao đổi thông tin xung quanh những hệ thống đó.
Một dây chuyền sản xuất có thể đã sở hữu PLC, nền tảng DCS, phần mềm MES, hệ thống lưu trữ dữ liệu lịch sử, hệ thống kho và các ứng dụng doanh nghiệp. Mỗi hệ thống vẫn có thể thực hiện hiệu quả chức năng được giao, trong khi toàn bộ quy trình vẫn phụ thuộc vào bảng tính, phê duyệt thủ công, nhập dữ liệu lặp lại hoặc sự can thiệp của người vận hành.
Từ góc độ kỹ thuật, đây là một điểm khác biệt quan trọng. Tự động hóa thêm một tác vụ riêng lẻ không nhất thiết cải thiện toàn bộ quy trình. Giá trị lớn hơn có thể đến từ việc kết nối hạ tầng tự động hóa hiện có để thông tin được luân chuyển giữa các hệ thống với ít sự can thiệp thủ công hơn.
AI như một lớp trí tuệ cho tự động hóa
Đây là lĩnh vực AI có thể bổ trợ cho tự động hóa công nghiệp truyền thống.
Tự động hóa truyền thống thường được thiết kế dựa trên các điều kiện, trình tự và logic điều khiển đã xác định. AI có thể bổ sung một lớp hỗ trợ ra quyết định, có khả năng diễn giải các điều kiện vận hành thay đổi, nhận diện mô hình và ưu tiên các trường hợp ngoại lệ.
Adie Taylor của Arvato mô tả cách tiếp cận này là sử dụng AI như một lớp trí tuệ, cho phép tự động hóa phản ứng với những biến động trong thế giới thực, đồng thời giúp con người tập trung vào các trường hợp ngoại lệ.
Khái niệm này đặc biệt phù hợp với lĩnh vực logistics và sản xuất. Các hệ thống tự động đạt hiệu quả cao khi điều kiện vận hành vẫn nằm trong giới hạn đã được lập trình. AI có thể hỗ trợ diễn giải những tình huống khó thể hiện chỉ bằng các quy tắc cố định.
Do đó, mục tiêu kỹ thuật không nên là thay thế điều khiển tất định bằng AI. Một kiến trúc thực tế hơn là duy trì điều khiển tất định cho các chức năng quan trọng đối với an toàn và yêu cầu phản hồi nhanh, đồng thời sử dụng AI cho việc phân tích, dự báo, tối ưu hóa và hỗ trợ ra quyết định ở cấp cao hơn.
Những lĩnh vực AI công nghiệp có thể mang lại giá trị thực tiễn
Một số ứng dụng đang nổi lên như những lĩnh vực thực tế để triển khai AI công nghiệp.
Bảo trì dự đoán có thể kết hợp dữ liệu thiết bị trong quá khứ, số đo độ rung, nhiệt độ, cảnh báo và điều kiện vận hành để nhận diện các mô hình liên quan đến những sự cố đang phát triển.
Thị giác máy tính có thể hỗ trợ kiểm tra, nhận diện lỗi, quản lý hàng tồn kho và giám sát quy trình trong những trường hợp thông tin hình ảnh khó được xử lý thủ công ở quy mô lớn.
Robot thông minh có thể giúp thiết bị tự động phản ứng hiệu quả hơn trước những thay đổi về luồng vật liệu, điều kiện kho bãi và yêu cầu sản xuất.
Tối ưu hóa theo thời gian thực có thể sử dụng dữ liệu vận hành để xác định các điểm hạn chế và đề xuất điều chỉnh cho sản xuất, logistics hoặc phân bổ nguồn lực.
Điểm chung là dữ liệu. AI không thể bù đắp cho thông tin được cấu trúc kém, tín hiệu bị thiếu hoặc các nguồn dữ liệu không được kiểm soát. Vì vậy, các tổ chức công nghiệp cần xem thiết bị đo lường, khả năng kết nối, chất lượng dữ liệu và tích hợp hệ thống là một phần của quá trình triển khai AI, thay vì những mối quan tâm kỹ thuật tách biệt.
Không nên bỏ qua hạ tầng cũ
Một trong những điểm thực tiễn nổi bật từ chương trình hội nghị tại London là tầm quan trọng của việc tích hợp AI với hạ tầng hiện có.
Các cơ sở công nghiệp hiếm khi có cơ hội thay thế toàn bộ PLC, bộ điều khiển, cảm biến, hệ thống SCADA hoặc nền tảng DCS chỉ để đưa vào một năng lực AI mới. Vòng đời thiết bị dài khiến các lớp kỹ thuật số hiện đại phải cùng tồn tại với những hệ thống có thể đã được lắp đặt từ nhiều năm trước.
Điều này tạo ra yêu cầu kỹ thuật về tích hợp có kiểm soát.
Cổng giao thức, hệ thống lưu trữ dữ liệu lịch sử, API, điện toán biên, mạng công nghiệp và nền tảng dữ liệu có thể cung cấp giao diện giữa các hệ thống tự động hóa hiện hữu và những ứng dụng phân tích mới hơn. Kiến trúc cũng phải tính đến an ninh mạng, độ trễ, quyền sở hữu dữ liệu và khả năng sẵn sàng của hệ thống.
Theo quan điểm của tôi, đây là một trong những cân nhắc thực tiễn quan trọng nhất đối với AI công nghiệp. Giải pháp thành công thường sẽ là giải pháp tích hợp được với nền tảng tự động hóa đã lắp đặt mà không làm xáo trộn không cần thiết các chức năng điều khiển đã được kiểm chứng.
Chuyên môn của con người vẫn là một phần của kiến trúc điều khiển
AI công nghiệp không nên chỉ được đánh giá dựa trên số lượng tác vụ mà nó có thể tự động hóa.
Người vận hành, kỹ sư bảo trì và chuyên gia quy trình sở hữu kiến thức ngữ cảnh khó có thể mã hóa hoàn toàn vào phần mềm. Họ hiểu các điều kiện vận hành bất thường, hành vi của thiết bị và những giới hạn sản xuất có thể không xuất hiện rõ ràng trong các tập dữ liệu lịch sử.
AI có thể giảm bớt việc phân tích lặp đi lặp lại và làm nổi bật các dấu hiệu bất thường, nhưng sự can thiệp của con người vẫn quan trọng khi quyết định liên quan đến những điều kiện bất thường, yếu tố an toàn hoặc các mục tiêu vận hành xung đột.
Điều này gợi ý một mô hình trong đó AI xử lý khối lượng lớn thông tin, còn các kỹ sư vẫn giữ quyền quyết định đối với những quyết định vận hành đã được xác định. Cách tiếp cận này cũng có thể giúp việc áp dụng AI dễ dàng hơn, vì nó đưa tự động hóa vào từng bước thay vì yêu cầu chuyển ngay sang vận hành tự chủ.
Quản trị phải phát triển song song với triển khai
Việc mở rộng AI trong hoạt động công nghiệp cũng tạo ra các yêu cầu về quản trị.
Các công ty cần hiểu hệ thống AI sử dụng dữ liệu nào, các đề xuất được tạo ra như thế nào, ai chịu trách nhiệm hành động dựa trên những đề xuất đó và điều gì xảy ra khi hệ thống đưa ra kết quả không chính xác.
Trong môi trường công nghiệp, quản trị phải vượt ra ngoài những cân nhắc CNTT thông thường. An toàn chức năng, an ninh mạng, kiểm soát truy cập, quản lý thay đổi, khả năng truy xuất và trách nhiệm vận hành đều có thể trở nên quan trọng, tùy thuộc vào mức độ AI tương tác với các hệ thống sản xuất.
Việc Schneider Electric tham gia phiên thảo luận về AI và Tự động hóa Công nghiệp phản ánh thách thức rộng hơn này. Chiến lược AI không thể chỉ nằm trong một bộ phận công nghệ khi việc triển khai ảnh hưởng đến quản lý năng lượng, hệ thống tự động hóa và các quy trình vận hành.
AI LIVE London tập trung vào triển khai thực tiễn
AI LIVE: The London Summit 2026 sẽ diễn ra vào ngày 20-21 tháng 10 tại Olympia London, quy tụ hơn 2.000 lãnh đạo và có sự góp mặt của hơn 50 diễn giả chuyên gia, bốn hội thảo dành cho lãnh đạo cùng các buổi trình diễn kỹ thuật trực tiếp.
Phiên thảo luận chuyên sâu về AI và Tự động hóa Công nghiệp vào ngày 20 tháng 10 đặc biệt phù hợp với các nhà sản xuất, đơn vị vận hành logistics và đội ngũ kỹ thuật đang đánh giá những ứng dụng AI thực tiễn.
Chủ đề rộng hơn của sự kiện, Công nghệ + Mục đích Con người, cũng phản ánh một hướng đi hữu ích cho các cuộc thảo luận về AI công nghiệp. Câu hỏi ngày càng ít tập trung vào việc AI có thể thực hiện một tác vụ cụ thể hay không, mà tập trung nhiều hơn vào việc AI nên được đưa vào đâu, nên tương tác thế nào với tự động hóa hiện có và trách nhiệm nào nên tiếp tục thuộc về con người.
Cơ hội của AI công nghiệp nằm ở tích hợp, không phải thay thế
Giai đoạn tiếp theo của tự động hóa công nghiệp khó có thể chỉ được định hình bằng việc bổ sung AI vào máy móc.
Cơ hội quan trọng hơn nằm ở việc kết nối thông tin, quyết định và các hệ thống tự động hóa hiện có thành một kiến trúc vận hành linh hoạt hơn. AI có thể phân tích khối lượng lớn dữ liệu công nghiệp, nhận diện mô hình và hỗ trợ ra quyết định, trong khi PLC, nền tảng DCS và hệ thống an toàn tiếp tục thực hiện các chức năng điều khiển tất định.
Đối với các kỹ sư công nghiệp, điều này có nghĩa là việc áp dụng AI nên bắt đầu từ những vấn đề vận hành được xác định rõ ràng thay vì các màn trình diễn công nghệ. Hãy xác định các điểm bàn giao thủ công, thiết lập dữ liệu cần thiết, xác định ranh giới ra quyết định, sau đó xác định nơi AI có thể tạo ra giá trị đo lường được.
Cách tiếp cận đó khiến AI công nghiệp không còn là câu chuyện thay thế tự động hóa hiện có, mà là mở rộng những gì hạ tầng tự động hóa đã được thiết lập có thể đạt được.
