Quang Trương
Pearl
AI nên bắt đầu từ đâu để tạo ra giá trị thật trong vận hành, không phải chỉ để trình diễn?
Trong một bài chia sẻ nội bộ, BHP nói rõ, thay vì hỏi “chúng ta có thể dùng AI ở đâu”, các lãnh đạo của họ đổi câu hỏi thành “chúng ta đang đưa ra những quyết định nào lặp đi lặp lại, và thiếu thông tin gì để những quyết định đó tốt hơn”. Cách đặt vấn đề này kéo AI ra khỏi phòng thí nghiệm và đặt thẳng vào hiện trường sản xuất.
Dữ liệu từ cảm biến, hệ thống giám sát máy móc được phân tích để phát hiện mẫu bất thường, cảnh báo sớm rủi ro, đưa ra lựa chọn cho người vận hành. Mục tiêu không chỉ là hiệu suất và an toàn, mà còn là giảm tác động môi trường.
Quan trọng hơn, BHP không xem AI là một bộ sưu tập dự án để trưng bày. Họ coi đây là một năng lực vận hành, ảnh hưởng xuyên suốt chuỗi giá trị, từ khai thác khoáng sản cho tới giao hàng cho khách.
Hành trình này không bắt đầu bằng những bài toán hoành tráng. BHP chọn các vấn đề nhỏ nhưng có tác động rõ ràng tới hiệu suất, nơi thay đổi có thể đo lường được bằng kết quả. Mỗi trường hợp sử dụng đều có người chịu trách nhiệm và một KPI cụ thể, được theo dõi định kỳ giống như mọi chỉ số vận hành khác.
Nhờ đó, công ty giảm được thời gian dừng máy ngoài kế hoạch, tiết kiệm năng lượng và nước. AI không tạo thêm báo cáo để đọc, mà tạo ra tín hiệu hành động. Trước đây, dự đoán hỏng hóc chỉ là một báo cáo phụ dễ bị bỏ qua trong bộ máy hành chính phức tạp. Giờ đây, các mô hình AI xác định rõ ngưỡng kích hoạt, khi nào cần hành động và ai phải làm gì.
Tại các cơ sở ở Escondida, Chile, cách làm này giúp BHP tiết kiệm hơn 3 gigalit nước và 118 gigawatt giờ năng lượng trong vòng hai năm. Theo công ty, đây là kết quả trực tiếp từ việc áp dụng AI vào tối ưu hóa vận hành, từ nhà máy tuyển quặng đến hệ thống khử muối.
Bài học rút ra khá rõ ràng. Khi AI được đặt đúng vào nơi diễn ra quyết định, nơi người vận hành có thể hành động ngay theo khuyến nghị thời gian thực, hiệu quả sẽ được nhân rộng. Ngược lại, nếu chỉ dừng ở báo cáo định kỳ, cải tiến sẽ phụ thuộc vào việc con người có kịp xem và có quyết định hành động hay không.
Ở mức độ rủi ro cao hơn, BHP triển khai xe tự hành, máy móc tự chủ và vận hành từ xa. Dữ liệu từ các mỏ xa xôi được truyền về trung tâm khu vực. Khối lượng và độ phức tạp của dữ liệu lớn đến mức nếu không có AI và phân tích tự động, con người khó có thể tối ưu mọi quyết định. Công nghệ ở đây không thay thế con người, mà giảm rủi ro và sai sót trong những môi trường khắc nghiệt nhất.
BHP còn đi xa hơn với các thiết bị đeo thông minh tích hợp AI để bảo vệ người lao động. Các thiết bị này theo dõi nhịp tim, mức độ mệt mỏi, gửi cảnh báo thời gian thực cho người giám sát. Tại Escondida, mũ bảo hiểm thông minh có thể phân tích sóng não để phát hiện tình trạng mệt mỏi của tài xế xe tải, một yếu tố then chốt với an toàn.
Hãy bắt đầu bằng một vấn đề về độ tin cậy và một vấn đề về hiệu quả tài nguyên mà đội vận hành đã theo dõi, gắn kèm KPI rõ ràng. Sau đó, vẽ lại quy trình, ai sẽ xem kết quả, họ có thể hành động gì. Thiết lập quản trị dữ liệu và giám sát mô hình ở mức cơ bản, rồi đánh giá hiệu quả cùng các chỉ số vận hành quen thuộc.
Quan trọng nhất, hãy dùng AI để hỗ trợ ra quyết định trong các quy trình rủi ro cao trước, chỉ tự động hóa khi con người đã đủ tin tưởng vào hiệu quả của hệ thống. AI không phải là đích đến, nó là công cụ để đưa ra quyết định tốt hơn, nhanh hơn, ngay tại nơi công việc thực sự diễn ra. (artificialintelligence)
AI bắt đầu từ quyết định, không phải từ công nghệ
Nếu hỏi BHP rằng họ dùng AI để làm gì, câu trả lời không phải là danh sách công nghệ. Với họ, AI đơn giản là cách biến dữ liệu vận hành thành những quyết định tốt hơn, mỗi ngày.Trong một bài chia sẻ nội bộ, BHP nói rõ, thay vì hỏi “chúng ta có thể dùng AI ở đâu”, các lãnh đạo của họ đổi câu hỏi thành “chúng ta đang đưa ra những quyết định nào lặp đi lặp lại, và thiếu thông tin gì để những quyết định đó tốt hơn”. Cách đặt vấn đề này kéo AI ra khỏi phòng thí nghiệm và đặt thẳng vào hiện trường sản xuất.
Dữ liệu từ cảm biến, hệ thống giám sát máy móc được phân tích để phát hiện mẫu bất thường, cảnh báo sớm rủi ro, đưa ra lựa chọn cho người vận hành. Mục tiêu không chỉ là hiệu suất và an toàn, mà còn là giảm tác động môi trường.
Quan trọng hơn, BHP không xem AI là một bộ sưu tập dự án để trưng bày. Họ coi đây là một năng lực vận hành, ảnh hưởng xuyên suốt chuỗi giá trị, từ khai thác khoáng sản cho tới giao hàng cho khách.
Hành trình này không bắt đầu bằng những bài toán hoành tráng. BHP chọn các vấn đề nhỏ nhưng có tác động rõ ràng tới hiệu suất, nơi thay đổi có thể đo lường được bằng kết quả. Mỗi trường hợp sử dụng đều có người chịu trách nhiệm và một KPI cụ thể, được theo dõi định kỳ giống như mọi chỉ số vận hành khác.
Nhờ đó, công ty giảm được thời gian dừng máy ngoài kế hoạch, tiết kiệm năng lượng và nước. AI không tạo thêm báo cáo để đọc, mà tạo ra tín hiệu hành động. Trước đây, dự đoán hỏng hóc chỉ là một báo cáo phụ dễ bị bỏ qua trong bộ máy hành chính phức tạp. Giờ đây, các mô hình AI xác định rõ ngưỡng kích hoạt, khi nào cần hành động và ai phải làm gì.
AI ở nơi rủi ro cao nhất
Bảo trì dự đoán là ví dụ rõ ràng nhất. Các mô hình AI phân tích dữ liệu từ cảm biến trên xe và hệ thống xử lý vật liệu để dự đoán nhu cầu bảo trì, giúp giảm hỏng hóc và sự cố an toàn. Một trung tâm bảo trì tập trung cung cấp chỉ báo theo thời gian thực và dài hạn về tình trạng thiết bị, thay vì chờ sự cố xảy ra.Tại các cơ sở ở Escondida, Chile, cách làm này giúp BHP tiết kiệm hơn 3 gigalit nước và 118 gigawatt giờ năng lượng trong vòng hai năm. Theo công ty, đây là kết quả trực tiếp từ việc áp dụng AI vào tối ưu hóa vận hành, từ nhà máy tuyển quặng đến hệ thống khử muối.
Bài học rút ra khá rõ ràng. Khi AI được đặt đúng vào nơi diễn ra quyết định, nơi người vận hành có thể hành động ngay theo khuyến nghị thời gian thực, hiệu quả sẽ được nhân rộng. Ngược lại, nếu chỉ dừng ở báo cáo định kỳ, cải tiến sẽ phụ thuộc vào việc con người có kịp xem và có quyết định hành động hay không.
Ở mức độ rủi ro cao hơn, BHP triển khai xe tự hành, máy móc tự chủ và vận hành từ xa. Dữ liệu từ các mỏ xa xôi được truyền về trung tâm khu vực. Khối lượng và độ phức tạp của dữ liệu lớn đến mức nếu không có AI và phân tích tự động, con người khó có thể tối ưu mọi quyết định. Công nghệ ở đây không thay thế con người, mà giảm rủi ro và sai sót trong những môi trường khắc nghiệt nhất.
BHP còn đi xa hơn với các thiết bị đeo thông minh tích hợp AI để bảo vệ người lao động. Các thiết bị này theo dõi nhịp tim, mức độ mệt mỏi, gửi cảnh báo thời gian thực cho người giám sát. Tại Escondida, mũ bảo hiểm thông minh có thể phân tích sóng não để phát hiện tình trạng mệt mỏi của tài xế xe tải, một yếu tố then chốt với an toàn.
Bài học cho mọi nhà lãnh đạo
Câu chuyện của BHP không chỉ dành cho ngành khai thác mỏ. Bất kỳ doanh nghiệp nào cũng có thể học được cách tiếp cận này.Hãy bắt đầu bằng một vấn đề về độ tin cậy và một vấn đề về hiệu quả tài nguyên mà đội vận hành đã theo dõi, gắn kèm KPI rõ ràng. Sau đó, vẽ lại quy trình, ai sẽ xem kết quả, họ có thể hành động gì. Thiết lập quản trị dữ liệu và giám sát mô hình ở mức cơ bản, rồi đánh giá hiệu quả cùng các chỉ số vận hành quen thuộc.
Quan trọng nhất, hãy dùng AI để hỗ trợ ra quyết định trong các quy trình rủi ro cao trước, chỉ tự động hóa khi con người đã đủ tin tưởng vào hiệu quả của hệ thống. AI không phải là đích đến, nó là công cụ để đưa ra quyết định tốt hơn, nhanh hơn, ngay tại nơi công việc thực sự diễn ra. (artificialintelligence)
