Ứng dụng AI trong sản xuất: Từ kế hoạch đến bảo trì

Giai đoạn 1: Lập kế hoạch, AI đề xuất và người điều độ cân bằng ràng buộc

Kế hoạch sản xuất phải dung hòa đơn hàng, năng lực máy, thời gian chuyển đổi, nguyên liệu, nhân lực và lịch bảo trì. AI có thể hỗ trợ tổng hợp nhu cầu, phát hiện xung đột và tạo một số phương án để người điều độ so sánh. Nó đặc biệt hữu ích khi dữ liệu nằm ở nhiều bảng và việc cập nhật thủ công làm kế hoạch nhanh lỗi thời.

Tuy nhiên, một lịch tối ưu trên màn hình có thể không chạy được ngoài xưởng. Dữ liệu định mức có thể cũ; một công đoạn có thể cần người có chứng nhận; lô nguyên liệu đang chờ kiểm tra; hoặc thời gian vệ sinh giữa hai sản phẩm không được ghi đúng. Trước khi dùng đề xuất, người phụ trách cần xem các ràng buộc cứng, xác nhận tình trạng thực tế và biết lý do hệ thống ưu tiên một phương án.

Giai đoạn 2: Kiểm tra chất lượng, từ sàng lọc nhanh đến truy nguyên lỗi

Camera và mô hình nhận dạng có thể hỗ trợ sàng lọc bề mặt, kích thước hoặc trạng thái lắp ráp. Cảm biến quá trình có thể giúp nhận ra một chuỗi thông số khác với điều kiện vận hành bình thường. Mục tiêu ban đầu nên là hỗ trợ người kiểm tra tìm mẫu cần xem kỹ, không phải tuyên bố mọi sản phẩm đi qua đều đạt chuẩn.

Nhà máy cần theo dõi cả lỗi bị bỏ sót và cảnh báo sai. Nếu cảnh báo sai xuất hiện quá nhiều, nhân viên dễ mất tin tưởng hoặc kiểm tra đối phó. Nếu ngưỡng quá lỏng, sản phẩm không phù hợp có thể đi tiếp. Quy trình phải quy định ai xem lại mẫu, khi nào cách ly lô, cách ghi nhận quyết định và cách dùng kết quả xác minh để đánh giá lại hệ thống.

Giai đoạn 3: Bảo trì, hiểu tín hiệu trước khi dự báo hỏng hóc

AI có thể tìm mẫu trong dữ liệu rung, nhiệt độ, dòng điện, áp suất, âm thanh hoặc lịch sử dừng máy. Nhưng cảm biến không tự tạo ra dữ liệu tốt. Vị trí lắp, tần suất lấy mẫu, đơn vị đo, hiệu chuẩn, mất kết nối và thay cảm biến đều ảnh hưởng đến cách diễn giải. Một giá trị bất thường có thể đến từ thiết bị, tải vận hành, môi trường hoặc chính lỗi đo.

Trước dự báo, nhà máy có thể bắt đầu bằng giám sát điều kiện: hiển thị xu hướng, đặt ngưỡng kỹ thuật đã được xác nhận và gắn dữ liệu với từng máy. Nhật ký bảo trì cần phân biệt triệu chứng, nguyên nhân đã xác minh, linh kiện thay thế và thời điểm máy trở lại hoạt động. Nếu mọi lần dừng đều được ghi chung là lỗi máy, mô hình khó học được tín hiệu có ích.

Giai đoạn 4: An toàn, không giao quyền kiểm soát nguy hiểm cho mô hình

Như ở phần kiểm tra chất lượng, cảnh báo sai ở an toàn cũng có hai dạng: quá nhiều khiến người vận hành bỏ qua, quá ít tạo cảm giác an toàn giả. Vì vậy, hệ thống phải được thử trong điều kiện ánh sáng, bụi, tiếng ồn, trang phục và bố trí thực tế. Luôn có cách vận hành an toàn khi AI, camera, mạng hoặc máy chủ không hoạt động.

Trước khi đầu tư: checklist trước khi triển khai bảo trì dự báo

Bảo trì dự báo thường hấp dẫn vì hứa hẹn nhận biết vấn đề trước khi máy dừng. Nhưng không phải dây chuyền nào cũng sẵn sàng. Bảy câu hỏi dưới đây giúp xác định liệu dữ liệu, lịch sử bảo trì và cách phản ứng với cảnh báo đã đủ để bắt đầu thử nghiệm hay chưa.

1. Chọn tài sản phù hợp. Máy có ảnh hưởng rõ đến sản xuất, cơ chế hỏng có thể quan sát và đủ lịch sử vận hành. Không chọn chỉ vì máy đã có nhiều cảm biến.
2. Xác nhận dữ liệu cảm biến. Mã máy, đơn vị, dấu thời gian và tần suất lấy mẫu nhất quán; khoảng mất dữ liệu được nhận biết; hiệu chuẩn và thay đổi cấu hình có hồ sơ.
3. Nối dữ liệu với bối cảnh. Tín hiệu được ghép với tải, sản phẩm, ca chạy, trạng thái khởi động hoặc vệ sinh. Nếu thiếu bối cảnh, thay đổi bình thường dễ bị báo thành bất thường.
4. Làm sạch lịch sử bảo trì. Sự cố có nguyên nhân xác minh, thời điểm phát hiện, hành động và kết quả. Nhãn không chắc chắn phải được đánh dấu, không được biến thành sự thật để mô hình học.
5. Định nghĩa phản ứng với cảnh báo. Ai nhận, kiểm tra trong bao lâu, phép đo bổ sung nào cần thực hiện, khi nào nâng cấp mức ưu tiên và ai cho phép can thiệp.
6. Đánh giá chi phí sai. So sánh hậu quả của bỏ sót với cảnh báo giả, thời gian kiểm tra và nguy cơ dừng máy không cần thiết. Ngưỡng phải phản ánh mức rủi ro của từng thiết bị.
7. Chạy song song với quy trình hiện tại. Trong giai đoạn đầu, vẫn giữ lịch bảo trì đang áp dụng; chỉ ghi cảnh báo AI và kết quả kiểm tra thực tế. Chỉ thay đổi lịch hoặc nguồn lực khi đã có đủ bằng chứng.

Nếu chưa đáp ứng checklist, một bảng xu hướng tốt và quy trình ghi sự cố nhất quán có thể mang lại nhiều giá trị hơn mô hình dự báo. Đây không phải bước lùi; đó là cách tạo nền dữ liệu để dự báo sau này có thể được kiểm chứng.

Bắt đầu thử nghiệm ở một công đoạn

Hãy chọn một công đoạn có dữ liệu đang được ghi đều, hậu quả sai sót có thể kiểm soát và người chịu trách nhiệm rõ ràng. Trong vài tuần đầu, AI chỉ nên hỗ trợ nhận diện mẫu hoặc chuẩn bị thông tin; người vận hành vẫn xác nhận mọi thay đổi. Cách làm này giữ AI ở đúng vai trò: hỗ trợ chuẩn bị quyết định, còn chất lượng, an toàn và quyền vận hành vẫn thuộc hệ thống quản lý cùng con người có trách nhiệm.

Nếu đang chọn bài toán đầu tiên cho nhà máy, bạn có thể đối chiếu thêm khung chọn thử nghiệm AI trong doanh nghiệp và nguyên tắc chung khi ứng dụng AI.