Trí tuệ nhân tạo là gì cho ví dụ

Báo cáo sản xuất hàng năm của Các nhà sản xuất năm 2018 cho thấy 92% giám đốc điều hành sản xuất cấp cao tin rằng công nghệ kỹ thuật số “Smart Factory”, bao gồm cả AI trí tuệ nhân tạo, sẽ cho phép họ tăng năng suất và trao quyền cho nhân viên làm việc thông minh hơn.

Tuy nhiên, có một khoảng cách đáng kể giữa tham vọng và khả năng thực thi: Forrester nói rằng 58% các chuyên gia kinh doanh và công nghệ đang nghiên cứu các giải pháp AI nhưng chỉ 12% đang tích cực sử dụng chúng.

Accenture và Frontier Economics ước tính rằng vào năm 2035, các công nghệ hỗ trợ bởi AI có thể tăng năng suất lao động lên tới 40% trên 16 ngành, bao gồm cả sản xuất. Trong cùng một bài báo, các tác giả tuyên bố rằng AI có thể bổ sung thêm 3,8 nghìn tỷ đô la GVA vào năm 2035 cho lĩnh vực sản xuất, tăng gần 45% so với kinh doanh thông thường.

Andrew Ng, người đồng sáng lập Google Brain và Coursera, cho biết:

“AI sẽ thực hiện sản xuất, kiểm soát chất lượng, rút ​​ngắn thời gian thiết kế và giảm lãng phí vật liệu, cải thiện việc tái sử dụng sản xuất, thực hiện bảo trì dự đoán, v.v.”

Và anh ấy đúng. AI đã và đang chuyển đổi ngành sản xuất theo nhiều cách. Hãy cùng xem xét một số trường hợp sử dụng trí thông minh nhân tạo cho các nhà sản xuất.

Kiểm tra chất lượng

Một số sai sót trong sản phẩm quá nhỏ để có thể nhận thấy bằng mắt thường, ngay cả khi người kiểm tra rất có kinh nghiệm. Tuy nhiên, máy móc có thể được trang bị camera nhạy hơn mắt chúng ta gấp nhiều lần - và nhờ đó, phát hiện được những khiếm khuyết dù là nhỏ nhất. Thị giác máy cho phép máy móc “nhìn thấy” các sản phẩm trên dây chuyền sản xuất và phát hiện ra bất kỳ khuyết điểm nào. Bước tiếp theo hợp lý có thể là gửi hình ảnh về những sai sót đã nói đến một chuyên gia là con người - nhưng đây không phải là điều bắt buộc nữa, quá trình này có thể hoàn toàn tự động. Landing.ai, một công ty do Andrew Ng thành lập, cung cấp một công cụ kiểm tra trực quan tự động để tìm ra những sai sót thậm chí rất nhỏ trong sản phẩm. Hệ thống nhận ra các khiếm khuyết, đánh dấu chúng và gửi cảnh báo.

Dự đoán các lỗi có khả năng sắp xảy ra

Bạn có biết câu chuyện về Abraham Wald và những lỗ đạn mất tích không? Và đó là một câu chuyện có thật, tôi có thể nhắc lại. Abraham Wald là một nhà thống kê lỗi lạc. Trong Thế chiến thứ hai, Không quân Hoàng gia Anh yêu cầu ông giúp họ quyết định nơi lắp thêm áo giáp cho máy bay ném bom của họ. Bạn không muốn máy bay của mình bị bắn hạ, và việc thêm quá ít áo giáp cũng như không thêm quá nhiều đều có tác dụng. Người Anh đã phân tích các máy bay ném bom đã quay trở lại Anh và thấy rằng hầu hết các thiệt hại đều được thực hiện xung quanh khu vực thân máy bay ném bom. Sử dụng suy luận đơn giản, họ nên củng cố phần này của máy bay, phải không? Tuy nhiên không phải vậy. Mẫu không bao gồm các máy bay ném bom chưa bao giờ về đến nhà. Và Wald chỉ tìm kiếm những "lỗ hổng" - những lỗ xung quanh động cơ. Nếu một chiếc máy bay bị bắn ở đó, nó sẽ không bao giờ quay trở lại. Và những hư hại xung quanh thân máy bay vẫn không ngăn được các máy bay quay trở lại Anh. Đó là xu hướng tồn tại xảy ra – Bạn chọn một số dữ liệu để xem xét và bỏ qua những dữ liệu khác, thường do thiếu khả năng hiển thị của dữ liệu đó. Điều này có thể dẫn đến kết luận sai lầm.

Bạn cũng có thể đưa ra kết luận sai khi xem xét các sản phẩm và quy trình. Các sản phẩm có thể bị hỏng theo nhiều cách khác nhau, không phụ thuộc vào việc kiểm tra bằng mắt. Một sản phẩm trông hoàn hảo vẫn có thể bị hỏng ngay sau lần sử dụng đầu tiên. Tương tự như vậy, một sản phẩm trông có vẻ thiếu sót vẫn có thể hoàn thành tốt nhiệm vụ của nó. Cách chúng ta quan sát các đối tượng và sai sót là sai lệch và nhiều thứ có thể khác với vẻ ngoài của chúng. Với lượng lớn dữ liệu về cách các sản phẩm được kiểm tra và cách chúng hoạt động, trí tuệ nhân tạo có thể xác định các lĩnh vực cần được chú ý nhiều hơn trong các cuộc kiểm tra.

Predictive maintenance (Bảo trì dự đoán)

Bảo trì dự đoán cho phép các công ty dự đoán khi nào máy móc cần bảo trì với độ chính xác cao, thay vì phỏng đoán hoặc thực hiện bảo trì phòng ngừa. Bảo trì dự đoán ngăn chặn thời gian ngừng hoạt động ngoài kế hoạch bằng cách sử dụng máy học. Các công nghệ như cảm biến và phân tích tiên tiến được nhúng trong thiết bị sản xuất cho phép bảo trì dự đoán bằng cách phản hồi các cảnh báo và giải quyết các sự cố máy móc. Một đoạn trích từ báo cáo Khoa học đời sống thế mạnh của Deloitte giải thích cách IoT đóng góp vào bảo trì dự đoán:

Ví dụ về việc sử dụng Internet of Things và Machine Learning có thể được minh họa bằng cách bảo trì dự đoán các máy được sử dụng để sản xuất cấy ghép titan. Độ cứng của titan yêu cầu các dụng cụ có đầu kim cương để cắt nó. Rất khó để xác định mức độ xỉn của các đầu kim cương, và do đó cần xác định thời gian tối ưu để mài chúng, do nhiều biến số khác nhau ảnh hưởng đến nó. Việc sử dụng cảm biến rung động hoặc âm thanh và màn hình mô-men xoắn có thể giúp đánh giá tình trạng của máy móc, vì các đầu mút chuyển động và phát ra âm thanh khác nhau.

Vì nghiên cứu được thực hiện bởi Oneserve ở Anh cho thấy 3% tổng số ngày làm việc bị mất hàng năm do máy móc bị lỗi và tác động của thời gian ngừng hoạt động của máy móc ước tính khiến các nhà sản xuất ở Anh tiêu tốn hơn 180 tỷ bảng Anh mỗi năm, nên bảo trì dự đoán ngày càng phổ biến hơn. để giúp ngăn ngừa tổn thất.

Thiết kế sáng tạo

Thiết kế là một quá trình bao gồm một chương trình tạo ra một số sản phẩm đầu ra để đáp ứng các tiêu chí cụ thể. Các nhà thiết kế hoặc kỹ sư nhập các mục tiêu và thông số thiết kế như vật liệu, phương pháp sản xuất và các ràng buộc về chi phí vào phần mềm thiết kế chung để khám phá các lựa chọn thay thế thiết kế. Giải pháp sử dụng các kỹ thuật máy học để học từ mỗi lần lặp lại điều gì hiệu quả và điều gì không. Hãy xem ví dụ này từ Autodesk:

Hình ảnh trên minh họa thiết kế chung của một chiếc ghế tham số. Thuật toán tìm ra vô số cách để thiết kế một thứ đơn giản - ví dụ: cái ghế. Bạn phải nhập các thông số: bốn chân, ghế nâng, yêu cầu trọng lượng, vật liệu tối thiểu, v.v. Sau đó, thuật toán tạo ra nhiều tùy chọn khác nhau. Tuy nhiên, phần mềm không ở đó để thay thế con người, chương trình chỉ hỗ trợ và đẩy nhanh quá trình, mở rộng giới hạn của thiết kế và trí tưởng tượng.

Thiết kế sáng tạo là một cách để khám phá những ý tưởng không thể khám phá theo bất kỳ cách nào khác - chỉ cần nghĩ xem một người thực sẽ mất bao nhiêu thời gian để nghĩ ra hàng trăm cách khác nhau để thiết kế một chiếc ghế. Trí tuệ nhân tạo có thể làm điều đó nhanh chóng, cho phép chuyên gia con người lựa chọn trong số nhiều tùy chọn. Việc chuyển đổi kỹ thuật số như vậy có thể thay đổi cách một công ty mang lại giá trị cho khách hàng và cải thiện hiệu quả của các quy trình.

Đó là một ví dụ khác về việc AI được nâng cấp cho công việc của con người.

Digital twins

Một cặp song sinh kỹ thuật số (Digital twins) là một đại diện ảo của một nhà máy, sản phẩm hoặc dịch vụ. Biểu diễn khớp với các thuộc tính vật lý của đối tác trong thế giới thực của nó thông qua việc sử dụng cảm biến, máy ảnh và các phương pháp thu thập dữ liệu khác. Trong một bài báo cho Forbes, Bernard Marr viết về các cặp song sinh kỹ thuật số:

“Sự kết hợp giữa thế giới ảo và vật lý này cho phép phân tích dữ liệu và giám sát hệ thống để xử lý các vấn đề trước khi chúng xảy ra, ngăn chặn thời gian chết, phát triển các cơ hội mới và thậm chí lập kế hoạch cho tương lai bằng cách sử dụng mô phỏng.”

Để làm cho các cặp song sinh kỹ thuật số hoạt động, điều đầu tiên bạn phải làm là tích hợp các thành phần thông minh thu thập dữ liệu về điều kiện thời gian thực, trạng thái hoặc vị trí với các mục vật lý. Các thành phần được kết nối với một hệ thống dựa trên đám mây nhận tất cả dữ liệu và xử lý nó. Và tại sao chúng ta cần công nghệ như vậy?

Hãy xem NASA, một trong những tổ chức đầu tiên áp dụng công nghệ này. Họ cần một giải pháp cho phép họ vận hành, bảo trì và sửa chữa các hệ thống không ở gần họ. John Vickers, chuyên gia sản xuất hàng đầu của NASA và quản lý Trung tâm Quốc gia về Sản xuất Tiên tiến của NASA cho biết:

“Tầm nhìn cuối cùng của Digital twins là tạo ra, thử nghiệm và xây dựng thiết bị của chúng tôi trong môi trường ảo. Chỉ khi chúng tôi đưa nó đến nơi mà nó hoạt động theo yêu cầu của chúng tôi thì chúng tôi mới sản xuất nó. Sau đó, chúng tôi muốn cấu trúc vật lý đó gắn kết lại với hệ thống đôi kỹ thuật số của nó thông qua các cảm biến để cấu trúc kỹ thuật số chứa tất cả thông tin mà chúng tôi có thể có bằng cách kiểm tra cấu trúc vật lý.”

Tác động môi trường

Việc sản xuất nhiều loại sản phẩm, bao gồm cả thiết bị điện tử, tiếp tục gây hại cho môi trường. Khai thác niken, coban và than chì để làm pin lithium-ion, tăng cường sản xuất nhựa, tiêu thụ năng lượng lớn, chất thải điện tử - chỉ là một vài trong số đó. Tuy nhiên, Jahda Swanborough, một nhà lãnh đạo môi trường toàn cầu và dẫn đầu tại Diễn đàn Kinh tế Thế giới tuyên bố rằng AI có thể giúp chuyển đổi ngành sản xuất bằng cách giảm hoặc thậm chí đảo ngược tác động môi trường của nó. AI có thể hỗ trợ phát triển các vật liệu thân thiện với môi trường mới và giúp tối ưu hóa hiệu quả sử dụng năng lượng - Google đã sử dụng AI để làm điều đó trong các trung tâm dữ liệu của mình.

Tận dụng dữ liệu

Điều này nghe có vẻ rất chung chung nhưng trên thực tế, có rất nhiều cách để sử dụng dữ liệu lớn trong sản xuất. Các nhà sản xuất thu thập một lượng lớn dữ liệu liên quan đến hoạt động, quy trình và các vấn đề khác - và dữ liệu này kết hợp với phân tích nâng cao có thể cung cấp thông tin chi tiết có giá trị để cải thiện hoạt động kinh doanh. Quản lý chuỗi cung ứng, quản lý rủi ro, dự đoán về khối lượng bán hàng, duy trì chất lượng sản phẩm, dự đoán các vấn đề thu hồi - đây chỉ là một số ví dụ về cách dữ liệu lớn có thể được sử dụng vì lợi ích của các nhà sản xuất. Loại ứng dụng AI này có thể mở khóa những thông tin chi tiết mà trước đây không thể truy cập được.

Dự báo giá cả

Để sản xuất sản phẩm, trước tiên bạn cần phải mua các tài nguyên cần thiết và đôi khi giá có thể hơi cao. Ví dụ: nếu bạn mua thép không gỉ, giá của nó bị ảnh hưởng bởi nhiều yếu tố khác nhau, bao gồm niêm yết của Metal Exchange hoặc giá của các nguyên tố khác, một số trong số chúng không được niêm yết trên sàn giao dịch kim loại. Với sự thay đổi nhanh chóng của giá cả, đôi khi khó có thể đánh giá được đâu là thời điểm tốt nhất để mua tài nguyên. Việc biết giá của các nguồn lực cũng cần thiết để các công ty ước tính giá sản phẩm của họ khi sản phẩm sẵn sàng xuất xưởng. Hãy xem xét ví dụ về thép không gỉ: giá có thể khác nhau, tùy thuộc vào danh sách hiện tại của v.d. niken hoặc giá của ferrochrome. Hệ thống có thể cung cấp các đề xuất giá chính xác giống như trong trường hợp đặt giá động được sử dụng bởi các doanh nghiệp thương mại điện tử như Amazon, nơi các thuật toán máy học phân tích dữ liệu lịch sử và cạnh tranh để luôn đưa ra mức giá cạnh tranh và tạo ra nhiều lợi nhuận hơn nữa.

Robotics

Không có gì ngạc nhiên khi một phần lớn các công việc sản xuất được thực hiện bởi rô bốt. Tuy nhiên, các robot công nghiệp thông thường đòi hỏi phải được lập trình cụ thể để thực hiện các nhiệm vụ mà chúng được tạo ra. Các robot thông thường hiện cần được cung cấp quy trình lắp ráp các bộ phận cố định nhưng các robot do AI hỗ trợ có thể diễn giải các mô hình CAD, giúp loại bỏ nhu cầu lập trình các chuyển động và quy trình của chúng. Vào năm 2017, Siemens đã phát triển một robot hai tay có thể sản xuất các sản phẩm mà không cần lập trình.

Cải thiện dịch vụ khách hàng

Khi bạn nghĩ về cụm từ “dịch vụ khách hàng”, bạn nghĩ đến những ngành nào? Khách sạn, bán lẻ, ngân hàng? Họ giao dịch trực tiếp với khách hàng, vì vậy dịch vụ khách hàng là một phần rất lớn trong hoạt động kinh doanh của họ. Tuy nhiên, trong sản xuất, tầm quan trọng của dịch vụ khách hàng thường bị bỏ qua - đó là một sai lầm vì mất khách hàng có thể đồng nghĩa với việc doanh thu bị mất hàng triệu đô la. Các giải pháp AI có thể phân tích các hành vi của khách hàng để xác định các mẫu và dự đoán kết quả trong tương lai. Việc quan sát các hành vi thực tế của khách hàng cho phép các công ty giải đáp nhu cầu của họ tốt hơn. Vào năm 2018, Nokia đã công bố phiên bản mới nhất của phần mềm Phân tích nhận thức cho Khách hàng, cung cấp các khả năng mới mạnh mẽ để các tổ chức kinh doanh, CNTT và kỹ thuật của nhà cung cấp dịch vụ có thể luôn mang đến trải nghiệm khách hàng được cá nhân hóa và theo thời gian thực vượt trội. Phần mềm cho phép các nhà cung cấp dịch vụ nhanh chóng xác định các vấn đề và ưu tiên các cải tiến.

Quản lý hàng tồn kho

Cuối cùng nhưng chắc chắn không kém phần quan trọng, quản lý hàng tồn kho có thể không phải là ứng dụng thú vị nhất của AI trong sản xuất, nhưng nó là một ứng dụng có giá trị. Theo ít nhất một ước tính, tại US hàng tồn kho có thể lên tới 1,1 nghìn tỷ đô la. Đó là một lượng giá trị khổng lồ có thể được mở khóa bằng cách quản lý khoảng không quảng cáo tốt hơn và trí tuệ nhân tạo là chìa khóa cho điều đó. Có vô số cách mà AI có thể giảm chi phí duy trì khoảng không quảng cáo, từ việc tối ưu hóa những gì có sẵn cho đến dự đoán những khoảng trống trước khi chúng xảy ra.

Một lần nữa, đó là khả năng thu nhận lượng dữ liệu đáng kinh ngạc và tìm ra các mẫu ẩn bên trong khiến AI trở nên phù hợp cho ứng dụng này. Mặc dù không phải là nhà sản xuất, Amazon có lẽ là ví dụ lớn nhất và nổi tiếng nhất về việc áp dụng AI vào quản lý hàng tồn kho

Với quá nhiều lợi ích và ứng dụng như vậy, liệu AI có phải là tương lai của ngành sản xuất?

Trí tuệ nhân tạo là một công nghệ thay đổi cuộc chơi cho bất kỳ ngành công nghiệp nào. Khi công nghệ trưởng thành và chi phí giảm xuống, AI ngày càng trở nên dễ tiếp cận hơn đối với các công ty. Trong sản xuất, nó có thể mang lại hiệu quả trong việc chế tạo mọi thứ, cũng như làm cho chúng tốt hơn và rẻ hơn. Ngành công nghiệp sản xuất luôn mong muốn đón nhận các công nghệ mới - và làm như vậy rất thành công. Giờ đây, với việc áp dụng AI, họ có thể đưa ra các quyết định nhanh chóng, dựa trên dữ liệu, tối ưu hóa quy trình sản xuất, giảm thiểu chi phí vận hành và cải thiện cách họ phục vụ khách hàng. Điều này không có nghĩa là việc sản xuất sẽ do máy móc đảm nhận - AI hiện là một bước tiến cho công việc của con người nhưng không gì có thể thay thế được trí thông minh của con người với khả năng thích ứng với những thay đổi bất ngờ.

Vậy bạn sẽ chọn đối tác nào để triển khai các dự án AI của nhà máy mình? Đối tác của bạn liệu có đưa ra được lời giải phù hợp và chính xác nhất với nhu cầu của nhà máy bạn hay không?

Hãy liên hệ Q Systems/ Đại diện hãng phần mềm Wonderware/AVEVA- Đối tác chuyển đổi số của bạn và hơn thế nữa với hơn 50 năm kinh nghiệm trong việc cung cấp các giải pháp công nghiệp chắc chắn sẽ đưa ra lộ trình và Phương pháp triển khai các dự án ứng dụng AI một cách hiệu quả nhất.