AI công nghiệp: Kỷ nguyên mới của bảo trì dự đoán

Từ các nhà máy của Volkswagen cho đến những xưởng chưng cất rượu whisky ở Scotland, AI đang thay đổi cách các doanh nghiệp bảo trì máy móc. Nhờ hệ thống bảo trì dự đoán, các công ty có thể giảm chi phí vận hành, cải thiện an toàn lao động và thậm chí cắt giảm lượng khí thải.

Tại dây chuyền lắp ráp của Volkswagen, khi công nhân phát hiện một lỗi điện tử tiềm ẩn, họ không còn phải lật giở các tài liệu chẩn đoán như trước. Thay vào đó, một hệ thống AI có tên KI4UPS có thể xác định nguyên nhân sự cố chỉ trong vài giây, giúp giảm đáng kể thời gian kiểm tra thủ công trên nhiều dây chuyền sản xuất xe.

Đây chỉ là một trong 1.200 ứng dụng AI hiện đang hoạt động trong các cơ sở của Volkswagen Group, đánh dấu một trong những chương trình triển khai AI công nghiệp lớn nhất trong ngành ô tô.

Trên phạm vi toàn cầu, AI đang thay đổi cách các doanh nghiệp tiếp cận việc bảo trì thiết bị. Thay vì chỉ sửa chữa khi máy móc hỏng hóc, các hệ thống hiện đại có thể dự đoán sự cố trước khi chúng xảy ra, mang lại lợi ích từ an toàn lao động cho đến phát triển bền vững.

Từ bảo trì phản ứng sang bảo trì dự đoán

Quá trình chuyển đổi này thường bắt đầu từ dữ liệu. Các cơ sở công nghiệp hiện đại được trang bị vô số cảm biến để theo dõi rung động, nhiệt độ, dòng điện và âm thanh của thiết bị.

Các hệ thống AI sẽ xử lý dòng dữ liệu liên tục này để phát hiện những dấu hiệu sớm của sự xuống cấp cơ học. Nhờ đó, việc bảo trì có thể được thực hiện đúng thời điểm và đúng vị trí cần thiết, thay vì chờ đến khi thiết bị hỏng.

Một ví dụ điển hình đến từ William Grant & Sons, hãng chưng cất rượu Scotland đứng sau thương hiệu whisky Grant's và gin Hendrick’s. Trước khi triển khai nền tảng AI IFS Resolve sử dụng mô hình ngôn ngữ Claude của Anthropic, hơn một phần ba các ca sửa chữa tại nhà máy đều xảy ra trong tình trạng khẩn cấp, khiến dây chuyền sản xuất phải dừng lại và gây tổn thất lớn.

Hiện nay, hệ thống AI có thể đọc các sơ đồ kỹ thuật phức tạp của nhà máy, kết nối với các cảm biến hiện có và dự đoán sự cố trước khi chúng xảy ra. Các kỹ thuật viên thậm chí có thể xác định vấn đề bằng cách phân tích âm thanh của đường ống rung lắc, video cho thấy một bộ phận chuyển động bất thường hoặc các biến động áp suất.

Nhờ giải pháp này, nhà máy dự kiến tiết kiệm khoảng 8,4 triệu bảng Anh mỗi năm.

Ngoài ngành thực phẩm và đồ uống, nền tảng Resolve còn được sử dụng trong nhiều lĩnh vực khác như hàng không vũ trụ, quốc phòng, xây dựng, sản xuất và năng lượng. Hệ thống có thể xử lý nhiều loại dữ liệu khác nhau, bao gồm video, âm thanh, nhiệt độ, áp suất và bản vẽ kỹ thuật để phát hiện nguy cơ hỏng hóc thiết bị.

Bên cạnh đó, nền tảng còn giúp tối ưu lịch làm việc bằng cách kết nối đúng kỹ thuật viên với linh kiện và địa điểm cần sửa chữa, đồng thời sử dụng nhận dạng giọng nói và tự động ghi chép để giảm bớt công việc hành chính.

Sản xuất ô tô quy mô lớn với AI

Sự hợp tác giữa Volkswagen và Amazon Web Services (AWS) cho thấy tiềm năng của AI khi được triển khai ở quy mô công nghiệp.

Hãng xe Đức đã gia hạn hợp tác với AWS thêm 5 năm, kết nối 43 nhà máy trên toàn cầu thông qua nền tảng Digital Production Platform. Hệ thống này được xem là mạng lưới AI lớn nhất trong ngành sản xuất ô tô, trải dài từ châu Âu đến Bắc và Nam Mỹ.

Các nền tảng bảo trì dự đoán của Volkswagen phân tích dữ liệu từ cảm biến trên thiết bị sản xuất để phát hiện lỗi trước khi chúng khiến dây chuyền phải dừng lại. Trong ngành ô tô, việc ngừng dây chuyền có thể gây thiệt hại hàng nghìn bảng mỗi phút, vì vậy việc phát hiện sớm sự cố là cực kỳ quan trọng.

Hạ tầng kỹ thuật của hệ thống tập trung vào việc chuẩn hóa dữ liệu giữa các nhà máy, cho phép triển khai các hệ thống CNTT đồng nhất trên toàn bộ mạng lưới sản xuất. Chiến lược này đã giúp Volkswagen tiết kiệm hàng chục triệu USD chi phí vận hành.

Theo Hauke Stars, thành viên hội đồng quản trị phụ trách CNTT của Volkswagen Group, mục tiêu của hãng là trở thành công ty công nghệ dẫn đầu trong ngành ô tô. Ông cho biết Digital Production Platform chính là “hệ thần kinh số” của các nhà máy và là chìa khóa cho tương lai sản xuất dựa trên AI.

Cuộc cách mạng robot

Một bước tiến lớn tiếp theo trong lĩnh vực bảo trì dự đoán là sự kết hợp giữa robot tự động và AI.

Công ty phần mềm IFS đã hợp tác với Boston Dynamics để phát triển một hệ thống AI hoàn toàn tự động, kết nối việc thu thập dữ liệu, phân tích dự đoán và hành động tại hiện trường.

Robot Spot của Boston Dynamics có thể tuần tra trong các nhà máy, thu thập dữ liệu bằng nhiều loại cảm biến. Hệ thống camera nhiệt giúp phát hiện các khu vực có nhiệt độ bất thường, cảm biến âm thanh có thể tìm ra rò rỉ khí hoặc rò rỉ không khí, còn công nghệ thị giác máy tính có thể đọc các đồng hồ đo analog để theo dõi áp suất hoặc lưu lượng.

Robot cũng có thể phát hiện các nguy cơ an toàn như hóa chất tràn hoặc các bất thường trong hệ thống điện. Tất cả dữ liệu này sẽ được gửi tới nền tảng IFS.ai, nơi các tác nhân AI phân tích thông tin và đưa ra quyết định, từ đó kích hoạt các hành động khắc phục.

Theo đại diện Boston Dynamics, sự kết hợp giữa robot và AI giúp các tổ chức đạt được mức độ an toàn và hiệu quả vận hành chưa từng có.

Hệ thống này hướng tới ba mục tiêu chính: cải thiện an toàn nhờ kiểm tra tự động trong môi trường nguy hiểm, nâng cao hiệu suất thông qua tự động hóa thông minh và giảm thời gian ngừng hoạt động của thiết bị bằng cách dự đoán sự cố từ sớm.

Tối ưu năng lượng và phát triển bền vững

Ngoài việc ngăn chặn hỏng hóc thiết bị, bảo trì dự đoán bằng AI còn trở thành một công cụ quan trọng để giảm tiêu thụ năng lượng và cắt giảm khí thải.

Schneider Electric là một trong những doanh nghiệp áp dụng phương pháp này. Hệ thống Energy Command Centre của công ty hoạt động như một trung tâm điều khiển năng lượng sử dụng AI, giúp tối ưu mức tiêu thụ điện cho nhiều hệ thống trong tòa nhà hoặc thậm chí cả một khu đô thị.

Nền tảng này tích hợp dữ liệu từ hệ thống điều hòa, chiếu sáng, trung tâm dữ liệu và nhiều hệ thống quan trọng khác để cung cấp khả năng giám sát theo thời gian thực và bảo trì dự đoán.

Tại 23 khuôn viên của Capgemini ở Ấn Độ, hệ thống này đã giúp giảm 25 GWh điện năng, tiết kiệm khoảng 3 triệu euro và chuyển sang sử dụng hoàn toàn điện tái tạo.

Trong khi đó, tại nhà máy Volkswagen ở Poznań (Ba Lan), việc tối ưu hóa bằng AI giúp giảm 12% lượng điện tiêu thụ, đồng thời cắt giảm chi phí năng lượng và lượng khí CO₂ phát thải.

Một ví dụ khác đến từ sự hợp tác giữa Schneider Electric và Compass Datacenters. Khi chuyển từ lịch bảo trì cố định sang hệ thống bảo trì dự đoán bằng AI, Compass đã giảm 40% số chuyến kiểm tra thủ công và giảm 20% chi phí vận hành.

Trong bối cảnh AI khiến nhu cầu hạ tầng điện toán tăng mạnh, những cải tiến hiệu quả như vậy ngày càng quan trọng đối với các nhà vận hành trung tâm dữ liệu.

Những thách thức trong quá trình triển khai

Dù mang lại nhiều lợi ích, việc triển khai hệ thống bảo trì dự đoán vẫn đối mặt với không ít khó khăn.

Nhiều hệ thống máy móc cũ không có cảm biến hoặc giao diện kỹ thuật số cần thiết, buộc doanh nghiệp phải nâng cấp thiết bị hoặc xây dựng lớp chuyển đổi dữ liệu. Ngoài ra, các nhóm kỹ thuật đôi khi cũng gặp khó khăn trong việc thích nghi với quy trình làm việc mới dựa trên AI.

Các mô hình dự đoán cũng cần được tùy chỉnh cho từng loại thiết bị, trong khi chi phí ban đầu cho hạ tầng, cảm biến và nền tảng AI có thể khá lớn.

Những doanh nghiệp thành công thường triển khai theo từng giai đoạn. Họ bắt đầu bằng các dự án thử nghiệm trên những thiết bị quan trọng nhất, sau đó mở rộng dần với kiến trúc hệ thống linh hoạt. Đồng thời, các mô hình AI cũng cần được huấn luyện lại thường xuyên để duy trì độ chính xác.

Sự kết hợp giữa AI biên (edge AI) và mạng 5G hứa hẹn sẽ mang lại khả năng phản ứng gần như tức thì cho các hệ thống bảo trì dự đoán.

Khi AI được xử lý trực tiếp tại thiết bị hoặc nút mạng cục bộ, độ trễ do truyền dữ liệu lên đám mây sẽ được loại bỏ. Kết hợp với độ trễ cực thấp của 5G, các hệ thống có thể đưa ra quyết định ngay lập tức như điều chỉnh hoạt động, chuyển hướng công việc hoặc tắt thiết bị để tránh hỏng hóc.

Theo nghiên cứu của McKinsey, các hệ thống bảo trì dự đoán sử dụng AI có thể giảm 50% thời gian ngừng hoạt động, giảm 70% sự cố hỏng hóc và cắt giảm tới 40% chi phí bảo trì.

Kriti Sharma, CEO của IFS Nexus Black, cho rằng cuộc cách mạng AI thực sự đang diễn ra trong các ngành công nghiệp nặng. Theo bà, đây không phải là loại AI thường xuất hiện trên các tiêu đề giật gân của báo chí, mà là công nghệ giúp những người lao động trong các ngành thiết yếu vận hành thế giới mỗi ngày.

Với các doanh nghiệp công nghiệp, câu hỏi lúc này không còn là liệu có nên áp dụng AI hay không, mà là họ có thể triển khai bảo trì dự đoán bằng AI nhanh đến mức nào. Khi các sự cố thiết bị có thể gây ra hậu quả lớn vượt xa chi phí tài chính, khả năng dự đoán và ngăn chặn vấn đề từ sớm trở nên quan trọng hơn bao giờ hết.