Quang Trương
Pearl
Điều gì sẽ xảy ra khi các nhà máy bắt đầu dựa vào AI để xoay chuyển hiệu quả, chi phí và khả năng cạnh tranh, và nếu điều đó xảy ra ở Việt Nam thì doanh nghiệp trong nước sẽ đứng ở đâu?
Các nhà sản xuất đều chung một mục tiêu là giảm chi phí, tăng năng suất và cải thiện chất lượng. AI hỗ trợ trực tiếp những mục tiêu đó bằng các khả năng dự đoán hỏng hóc, điều chỉnh lịch sản xuất và phân tích tín hiệu chuỗi cung ứng. Khảo sát của Google Cloud cho thấy có hơn một nửa lãnh đạo sản xuất đã dùng tác nhân AI trong các công việc liên quan đến lập kế hoạch và kiểm soát chất lượng.
Điểm quan trọng ở đây là việc ứng dụng AI tạo ra tác động có thể đo được. Giảm thời gian máy ngừng hoạt động, giảm phế phẩm, nâng hiệu suất thiết bị và phản hồi khách hàng tốt hơn. Mỗi kết quả đều gắn với khả năng cạnh tranh thực tế.
Motherson Technology Services ghi nhận mức giảm chi phí bảo trì từ 25 đến 30 phần trăm, giảm 35 đến 45 phần trăm thời gian dừng máy và tăng 20 đến 35 phần trăm hiệu quả sản xuất sau khi triển khai AI dựa trên tác nhân, hợp nhất nền tảng dữ liệu và triển khai các chương trình hỗ trợ lực lượng lao động.
ServiceNow mô tả cách nhiều nhà sản xuất đang kết hợp quy trình làm việc, dữ liệu và AI vào cùng nền tảng. Hơn một nửa số doanh nghiệp tiên tiến đã có chương trình quản trị dữ liệu hoàn chỉnh để nâng đỡ cho các sáng kiến AI. Những ví dụ này cho thấy AI đang xuất hiện ngay trong dây chuyền, không còn ở giai đoạn thử nghiệm.
Trình tự sử dụng: ServiceNow khuyến nghị nên bắt đầu từ quy mô nhỏ và mở rộng dần. Chọn hai hoặc ba trường hợp có giá trị cao sẽ giúp tránh bẫy thí điểm. Bảo trì dự đoán, tối ưu năng lượng và kiểm tra chất lượng là những lựa chọn dễ đo lường nhất.
Quản trị và an ninh: Việc kết nối thiết bị vận hành với hệ thống CNTT và đám mây làm tăng rủi ro. Nhiều hệ thống vận hành cũ không được thiết kế để tiếp xúc với internet. Vì vậy, việc thiết lập quy tắc truy cập dữ liệu và cơ chế giám sát phải diễn ra từ giai đoạn đầu.
Lực lượng lao động và kỹ năng: Yếu tố con người vẫn là trọng tâm. Người vận hành cần tin và hiểu hệ thống được AI hỗ trợ. Ngành sản xuất vốn đã thiếu nhân lực lành nghề, vì vậy đào tạo và nâng cao kỹ năng trở thành một phần không thể tách rời khi triển khai AI.
Hệ sinh thái và tính tập trung: Môi trường sản xuất thường gồm cảm biến IoT, mạng công nghiệp, đám mây và công cụ quy trình làm việc. Các lãnh đạo nên ưu tiên khả năng tương tác, tránh phụ thuộc vào một nhà cung cấp duy nhất để giữ sự linh hoạt dài hạn.
Đo lương tác động: Các chỉ số như thời gian dừng máy, chi phí bảo trì, năng suất và thông lượng phải được theo dõi liên tục. Trường hợp của Motherson cho thấy việc đo lường kỹ lưỡng có thể tạo ra chuẩn mực thực tế.
Vượt ra khỏi sự cường điệu: Dù AI tiến triển nhanh, các thách thức vẫn tồn tại. Ngành thiếu nhân lực kỹ năng cao, máy móc cũ tạo ra dữ liệu không đồng nhất và chi phí triển khai khó đoán. Hạ tầng cảm biến, kết nối và tích hợp cũng tốn kém. Lúc này AI không thể đứng một mình mà phải kết hợp với chuyên môn của người vận hành, kỹ sư và các nhà khoa học dữ liệu.
Tuy vậy, nhiều báo cáo gần đây cho thấy các thách thức này có thể kiểm soát được nếu doanh nghiệp xây dựng cấu trúc quản trị rõ ràng, đội ngũ đa chức năng và kiến trúc mở rộng hợp lý.
Sự chuyển hướng của sản xuất khi AI trở thành động lực chiến lược
Ngành sản xuất đang chịu nhiều sức ép. Giá nguyên liệu tăng, nhân lực thiếu hụt, chuỗi cung ứng mong manh, khách hàng thì đòi hỏi sản phẩm tùy chỉnh nhiều hơn. Khi mọi thứ trở nên phức tạp như vậy, AI không còn là lựa chọn phụ mà trở thành công cụ cốt lõi để doanh nghiệp ứng phó và tiến lên.Các nhà sản xuất đều chung một mục tiêu là giảm chi phí, tăng năng suất và cải thiện chất lượng. AI hỗ trợ trực tiếp những mục tiêu đó bằng các khả năng dự đoán hỏng hóc, điều chỉnh lịch sản xuất và phân tích tín hiệu chuỗi cung ứng. Khảo sát của Google Cloud cho thấy có hơn một nửa lãnh đạo sản xuất đã dùng tác nhân AI trong các công việc liên quan đến lập kế hoạch và kiểm soát chất lượng.
Điểm quan trọng ở đây là việc ứng dụng AI tạo ra tác động có thể đo được. Giảm thời gian máy ngừng hoạt động, giảm phế phẩm, nâng hiệu suất thiết bị và phản hồi khách hàng tốt hơn. Mỗi kết quả đều gắn với khả năng cạnh tranh thực tế.
Motherson Technology Services ghi nhận mức giảm chi phí bảo trì từ 25 đến 30 phần trăm, giảm 35 đến 45 phần trăm thời gian dừng máy và tăng 20 đến 35 phần trăm hiệu quả sản xuất sau khi triển khai AI dựa trên tác nhân, hợp nhất nền tảng dữ liệu và triển khai các chương trình hỗ trợ lực lượng lao động.
ServiceNow mô tả cách nhiều nhà sản xuất đang kết hợp quy trình làm việc, dữ liệu và AI vào cùng nền tảng. Hơn một nửa số doanh nghiệp tiên tiến đã có chương trình quản trị dữ liệu hoàn chỉnh để nâng đỡ cho các sáng kiến AI. Những ví dụ này cho thấy AI đang xuất hiện ngay trong dây chuyền, không còn ở giai đoạn thử nghiệm.
Những yếu tố mà các lãnh đạo CNTT và đám mây phải cân nhắc
Kiến trúc dữ liệu: Hoạt động sản xuất đòi hỏi các quyết định nhanh, đặc biệt trong bảo trì và kiểm soát chất lượng. Doanh nghiệp cần tìm cách kết hợp hệ thống vận hành tại biên với nền tảng đám mây. Hướng dẫn trưởng thành của Microsoft chỉ ra rằng hệ thống cũ và kho dữ liệu rời rạc vẫn là rào cản lớn, vì vậy chuẩn hóa cách thu thập, lưu trữ và chia sẻ dữ liệu thường là bước đầu quan trọng.Trình tự sử dụng: ServiceNow khuyến nghị nên bắt đầu từ quy mô nhỏ và mở rộng dần. Chọn hai hoặc ba trường hợp có giá trị cao sẽ giúp tránh bẫy thí điểm. Bảo trì dự đoán, tối ưu năng lượng và kiểm tra chất lượng là những lựa chọn dễ đo lường nhất.
Quản trị và an ninh: Việc kết nối thiết bị vận hành với hệ thống CNTT và đám mây làm tăng rủi ro. Nhiều hệ thống vận hành cũ không được thiết kế để tiếp xúc với internet. Vì vậy, việc thiết lập quy tắc truy cập dữ liệu và cơ chế giám sát phải diễn ra từ giai đoạn đầu.
Lực lượng lao động và kỹ năng: Yếu tố con người vẫn là trọng tâm. Người vận hành cần tin và hiểu hệ thống được AI hỗ trợ. Ngành sản xuất vốn đã thiếu nhân lực lành nghề, vì vậy đào tạo và nâng cao kỹ năng trở thành một phần không thể tách rời khi triển khai AI.
Hệ sinh thái và tính tập trung: Môi trường sản xuất thường gồm cảm biến IoT, mạng công nghiệp, đám mây và công cụ quy trình làm việc. Các lãnh đạo nên ưu tiên khả năng tương tác, tránh phụ thuộc vào một nhà cung cấp duy nhất để giữ sự linh hoạt dài hạn.
Đo lương tác động: Các chỉ số như thời gian dừng máy, chi phí bảo trì, năng suất và thông lượng phải được theo dõi liên tục. Trường hợp của Motherson cho thấy việc đo lường kỹ lưỡng có thể tạo ra chuẩn mực thực tế.
Vượt ra khỏi sự cường điệu: Dù AI tiến triển nhanh, các thách thức vẫn tồn tại. Ngành thiếu nhân lực kỹ năng cao, máy móc cũ tạo ra dữ liệu không đồng nhất và chi phí triển khai khó đoán. Hạ tầng cảm biến, kết nối và tích hợp cũng tốn kém. Lúc này AI không thể đứng một mình mà phải kết hợp với chuyên môn của người vận hành, kỹ sư và các nhà khoa học dữ liệu.
Tuy vậy, nhiều báo cáo gần đây cho thấy các thách thức này có thể kiểm soát được nếu doanh nghiệp xây dựng cấu trúc quản trị rõ ràng, đội ngũ đa chức năng và kiến trúc mở rộng hợp lý.
Các gợi ý chiến lược dành cho lãnh đạo
- Kết nối AI với mục tiêu kinh doanh và các KPI như thời gian chết, phế phẩm và chi phí trên mỗi đơn vị
- Kết hợp điện toán biên và đám mây theo cách thận trọng để vừa đảm bảo suy luận thời gian thực, vừa tận dụng phân tích quy mô lớn
- Đầu tư vào con người, xây dựng đội ngũ gồm kỹ sư, vận hành và nhà khoa học dữ liệu
- Xem OT và CNTT như một môi trường thống nhất để đưa bảo mật vào ngay từ đầu
- Mở rộng theo từng bước và chứng minh giá trị ở một nhà máy trước
- Chọn các tiêu chuẩn và thành phần mở để tránh phụ thuộc nhà cung cấp
- Theo dõi kết quả liên tục để điều chỉnh mô hình khi điều kiện thay đổi
