Khi tôi trò chuyện với các quản lý cơ sở và chủ nhà máy, có một sự hiểu lầm phổ biến thường trực xuất hiện. Nếu bạn hỏi họ trí tuệ nhân tạo trông như thế nào trên sàn nhà máy, họ thường hình dung ra một cánh tay robot được đồng bộ hóa cao độ đang hàn khung gầm ô tô.
Nhưng đó không phải là AI. Đó là tự động hóa vật lý. Nó rất ấn tượng, hiệu quả và đã tồn tại trong nhiều thập kỷ qua.
Nếu bạn muốn biết cách sử dụng AI trong sản xuất hiện nay, bạn cần ngừng tập trung vào các cỗ máy vật lý và bắt đầu quan sát luồng dữ liệu vô hình chảy giữa chúng. Cuộc cách mạng thực sự không nằm ở việc dạy máy móc cách di chuyển. Mà nằm ở việc dạy nhà máy của bạn cách tư duy.
Chúng ta đang bước vào kỷ nguyên của sản xuất nhận thức (cognitive manufacturing). Đây là lúc AI vượt xa công nghệ robot cơ bản và đảm nhận hệ thần kinh trong hoạt động vận hành của bạn: quản lý các chuỗi cung ứng phức tạp, dự đoán các sự cố hỏng hóc thiết bị thảm khốc trước cả khi tai người có thể nghe thấy tiếng bánh răng nghiến vào nhau, và tối ưu hóa vi mô mức tiêu thụ năng lượng để cắt giảm chi phí chung.
Việc điều hành một dây chuyền sản xuất là một cuộc chơi áp lực cao, biên lợi nhuận thấp. Mỗi phút thời gian chết ngoài kế hoạch, mỗi chuyến hàng nguyên vật liệu bị trì hoãn và mỗi đợt tăng vọt của giá năng lượng đều trực tiếp ăn mòn lợi nhuận của bạn. Hãy cùng xem cách AI có thể loại bỏ sự bất định đó một cách có hệ thống.
Cách sử dụng AI trong sản xuất: Vượt xa cánh tay Robot
Để hiểu về AI nhận thức, chúng ta phải xem xét cách các nhà máy quản lý rủi ro theo phương thức truyền thống. Về mặt lịch sử, ngành sản xuất đã vận hành ở hai chế độ: theo lịch trình và phản ứng thụ động.
Bạn lên lịch bảo trì dựa trên tờ lịch. Bạn đặt hàng nguyên vật liệu dựa trên các bảng tính lịch sử. Bạn vận hành hệ thống sưởi, làm mát và máy móc hạng nặng dựa trên ca làm việc của con người.
Vấn đề là gì? Thực tế không quan tâm đến lịch trình của bạn.
Máy móc hỏng hóc một tuần trước thời điểm bảo dưỡng định kỳ. Sự chậm trễ trong vận chuyển toàn cầu khiến các linh kiện quan trọng của bạn mắc kẹt tại một bến cảng cách xa 3.000 dặm. Mạng lưới năng lượng tăng giá đột biến đúng vào lúc bạn đang vận hành các quy trình ngốn nhiều điện nhất.
AI thay đổi điều này từ một mô hình tĩnh, thụ động sang một mô hình động, có khả năng dự đoán. Nó tiếp nhận hàng nghìn điểm dữ liệu—từ các cảm biến độ rung trên máy tiện cho đến các kiểu thời tiết toàn cầu ảnh hưởng đến tuyến đường vận tải biển—và phát hiện ra những quy luật mà bộ não con người hoàn toàn không thể xử lý ở quy mô lớn.
Bảo trì dự đoán: Sửa chữa mọi thứ trước khi chúng hỏng
Hãy nói về cơn ác mộng tốn kém nhất của bạn: thời gian chết ngoài kế hoạch. Khi một cỗ máy quan trọng dừng hoạt động, nó không chỉ khiến bạn mất tiền cho hóa đơn sửa chữa. Nó còn khiến bạn lãng phí lao động nhàn rỗi, giao hàng chậm trễ, tổn hại danh tiếng và làm gián đoạn các luồng công việc ở khâu tiếp theo.
Giải pháp truyền thống là bảo trì phòng ngừa. Bạn tắt một cỗ máy đang hoạt động hoàn toàn bình thường vào mỗi quý để thay thế những bộ phận có thể đang bị hao mòn. Việc này tốn kém, lãng phí và trớ trêu thay, việc tháo rời máy móc lại thường gây ra những lỗi mới.
Bảo trì dự đoán được thúc đẩy bởi AI lại hoàn toàn khác. Bằng cách gắn các cảm biến IoT (Internet of Things) giá rẻ vào thiết bị của bạn—để đo độ rung, nhiệt độ, tần số âm thanh và mức tiêu thụ điện—bạn cung cấp cho AI một luồng dữ liệu liên tục về "sức khỏe" của máy móc.
Một mô hình học máy (machine learning) sẽ học được chính xác tiếng ồn cơ bản của một máy CNC đang hoạt động hoàn hảo. Theo thời gian, nó học được âm thanh của một vòng bi trục chính sắp hỏng phát ra như thế nào, nhiều tuần trước khi nó thực sự bị gãy.
Thay vì một sự cố hỏng hóc thảm khốc vào chiều Thứ Ba, bạn sẽ nhận được một cảnh báo vào sáng Thứ Sáu: "Phát hiện bất thường về độ rung trên Máy tiện 4. 87% khả năng hỏng trục chính trong vòng 14 ngày tới. Đề xuất thay thế linh kiện vào giờ nghỉ ca cuối tuần này."
Bạn sửa chữa nó khi chi phí còn rẻ, thuận tiện và trong tầm kiểm soát. Chỉ riêng điều này đã có thể cắt giảm đáng kể chi phí bảo trì và gần như loại bỏ hoàn toàn các sự cố hỏng hóc bất ngờ. Nếu bạn muốn hiểu về tác động tài chính rộng lớn hơn của vấn đề này, tôi thực sự khuyên bạn nên tham khảo hướng dẫn toàn diện về tiết kiệm trong sản xuất của chúng tôi.
Đồng bộ hóa chuỗi cung ứng: Chấm dứt việc phỏng đoán
Nếu những năm qua đã dạy cho chúng ta bất cứ điều gì, thì đó là mô hình sản xuất "Just-In-Time" hoạt động rất hoàn hảo cho đến khi một con tàu duy nhất bị mắc kẹt trên kênh đào, hoặc một tình trạng thiếu hụt đột ngột xảy ra với một loại vi mạch cụ thể.
Quản lý chuỗi cung ứng sản xuất ngày nay bằng các bảng tính tĩnh cũng giống như cố gắng định vị trong một thành phố rộng lớn bằng một tấm bản đồ được vẽ từ mười năm trước.
AI không chỉ theo dõi xem nguyên vật liệu của bạn đang ở đâu; nó dự đoán thời điểm chúng thực sự đến nơi và điều chỉnh toàn bộ lịch trình sản xuất của bạn cho phù hợp.
Hãy tưởng tượng một hệ thống AI biết được thời gian thực hiện đơn hàng (lead time) của bạn, theo dõi tin tức toàn cầu về các cuộc đình công ở cảng biển, theo dõi các kiểu thời tiết có thể làm chậm trễ tàu chở hàng và tính toán ngay lập tức tác động lên hàng tồn kho của bạn. Nếu AI phát hiện ra rằng một nguyên liệu thô quan trọng sẽ bị trễ bốn ngày, nó không chỉ cảnh báo sự chậm trễ. Nó có thể tự động:
- Phân tích lượng hàng tồn kho dự trữ hiện tại của bạn.
- Đề xuất định tuyến lại quá trình sản xuất sang một dây chuyền sản phẩm khác sử dụng các nguyên vật liệu đang có sẵn.
- Tự động soạn thảo các đơn đặt hàng cho các nhà cung cấp địa phương thay thế nhằm thu hẹp khoảng trống.
Nó giúp loại bỏ sự hoảng loạn khỏi quá trình mua sắm. Thay vì người quản lý chuỗi cung ứng của bạn phải dành cả ngày để giải quyết rắc rối và thực hiện những cuộc gọi cuống cuồng, họ sẽ xem xét các kế hoạch dự phòng do AI tạo ra. Bạn có thể tìm hiểu sâu hơn về cách thức cấu trúc lại này hoạt động trong bài viết phân tích quản lý chuỗi cung ứng của chúng tôi.
Tối ưu hóa năng lượng: Ngừng "đốt tiền" trên sàn nhà máy
Sản xuất là ngành tiêu thụ cực kỳ nhiều năng lượng. Nhưng bao nhiêu phần trăm năng lượng đó thực sự được chuyển hóa thành sản phẩm, và bao nhiêu phần trăm chỉ đang bị lãng phí trong quá trình vận hành?
Hầu hết các nhà máy chạy hệ thống HVAC, chiếu sáng và máy móc hạng nặng theo những lịch trình cứng nhắc. AI coi việc tiêu thụ năng lượng như một bài toán tối ưu hóa theo thời gian thực.
Một hệ thống quản lý năng lượng AI sẽ xem xét lịch trình sản xuất của bạn, thời tiết bên ngoài (điều này tác động đến nhu cầu sưởi ấm và làm mát bên trong), và những biến động theo thời gian thực về giá của lưới điện địa phương.
Nó có thể phát hiện ra rằng việc làm nóng trước lò nướng công nghiệp của bạn sớm hơn 45 phút sẽ tận dụng được giá điện giờ thấp điểm, giúp bạn tiết kiệm hàng nghìn đô la mỗi tháng. Nó có thể linh hoạt điều chỉnh việc kiểm soát khí hậu trên sàn nhà máy dựa trên sản lượng nhiệt của các máy móc đang hoạt động. Nó có thể xác định được máy móc nào đang chạy không tải nhưng lại tiêu thụ một lượng lớn điện năng "ma cà rồng" (vampire power) và tự động tắt chúng đi.
Đây là những điều chỉnh vi mô—tiết kiệm một phần nhỏ của đồng xu ở chỗ này, một kilowatt ở chỗ kia—nhưng khi được áp dụng trên quy mô một cơ sở rộng lớn suốt 24 giờ một ngày, tác động đối với lợi nhuận ròng của bạn là vô cùng lớn. Mỗi khoản chi phí đều cần được chứng minh sự hợp lý và mức tiêu thụ năng lượng không được quản lý là một khoản chi phí tồn đọng mà bạn không còn đủ khả năng để phớt lờ. Để có cái nhìn rộng hơn về cách giải quyết những chi phí tiện ích này, hãy xem bài phân tích của chúng tôi về cắt giảm chi phí năng lượng doanh nghiệp.
Bước đầu tiên: Bạn thực sự nên bắt đầu từ đâu?
Sai lầm lớn nhất mà tôi thấy các chủ doanh nghiệp mắc phải đối với AI là cố gắng làm mọi thứ cùng một lúc. Họ muốn có một nhà máy thông minh, tự động hóa hoàn toàn vào ngay quý tới. Điều đó thường dẫn đến các hóa đơn tư vấn đắt đỏ mà thực tế lại không có bất kỳ thay đổi nào.
Lời khuyên của tôi với tư cách là một đại diện chuyển đổi AI? Hãy bắt đầu ở quy mô nhỏ, nhưng hãy bắt đầu ngay lập tức.
1. Xác định nút thắt cổ chai lớn nhất duy nhất của bạn. Đó có phải là một cỗ máy cụ thể thường xuyên bị hỏng không? Có phải là một nhà cung cấp cụ thể luôn luôn trễ hẹn? Hay là hóa đơn năng lượng của bạn đang phá hủy biên lợi nhuận?
2. Cô lập dữ liệu. Nếu đó là do cỗ máy, liệu ngay hôm nay bạn có thể cài đặt một cảm biến độ rung trị giá $200 trên đó không? Bạn không cần một hệ thống áp dụng cho toàn bộ nhà máy; bạn chỉ cần dữ liệu từ điều khiến bạn đau đầu nhất.
3. Chạy thử nghiệm AI trong 30 ngày. Đưa dữ liệu cụ thể đó vào một công cụ AI dự đoán. Chạy nó song song với các quy trình có sự tham gia của con người hiện tại. Hãy để AI chứng minh giá trị của nó. Khi nó dự đoán chính xác một sự cố hỏng hóc hoặc phát hiện ra một lỗ hổng về hiệu suất, bạn sẽ có được sự đồng thuận cần thiết để mở rộng quy mô của nó ra toàn bộ nhà máy.
AI trong sản xuất không còn là khoa học viễn tưởng, và nó không còn bị giới hạn ở các tập đoàn toàn cầu trị giá hàng tỷ đô la. Các công cụ đều có thể tiếp cận được, cảm biến thì giá rẻ và tỷ suất hoàn vốn (ROI) là ngay lập tức.
Câu hỏi duy nhất bạn phải tự hỏi mình là: bạn còn sẵn sàng chi trả bao lâu nữa cho những sự kém hiệu quả mà các đối thủ cạnh tranh của bạn đã loại bỏ thông qua lập trình?