Ngành công nghiệp sản xuất đang đóng một vai trò vô cùng quan trọng trong đời sống hàng ngày. Đối mặt với những áp lực liên tục của chi phí, sự biến động của chuỗi cung ứng và các công nghệ đột phá như in 3D và IoT, ngành công nghiệp này phải liên tục tối ưu hóa quy trình, nâng cao hiệu quả và nâng cao hiệu quả tổng thể của các thiết bị.

Cùng với đó, ngành sản xuất cũng đang phải đối mặt với làn sóng chuyển đổi năng lượng và bền vững rất lớn. Các nhà sản xuất đang được kêu gọi giảm lượng khí thải carbon, áp dụng các hoạt động kinh tế tuần hoàn và trở nên thân thiện với môi trường hơn.

Và các nhà sản xuất cũng phải đối mặt với áp lực phải không ngừng đổi mới nhưng vẫn đảm bảo sự ổn định và an toàn. Dự đoán của AI không chính xác trong các chiến dịch marketing chỉ mang lại một vài phiền toái nhỏ, nhưng dự đoán AI mà không chính xác trong một phân xưởng sản xuất thì hoàn toàn có thể dẫn đến tử vong.

Công nghệ và sự gián đoạn không phải là điều mới mẻ đối với các nhà sản xuất, nhưng vấn đề chính là những gì hoạt động tốt về mặt lý thuyết thường lại thất bại trong thực tế. Ví dụ: các nhà sản xuất tạo ra một cơ sở kiến thức, nhưng sẽ không ai có thể tìm thấy thứ gì nếu không mất hàng giờ tìm kiếm và duyệt qua nội dung. Hoặc họ tiếp tục thêm các ứng dụng mới, và nợ kỹ thuật (technical debt) của họ cũng dần tăng. 

Giải pháp nằm ở generative AI!

1. Tóm tắt

Tóm tắt vẫn là trường hợp sử dụng hàng đầu cho công nghệ Generative AI (gen AI). Cùng với khả năng tìm kiếm và tương tác đa phương thức, gen AI sẽ trở thành một trợ lý tuyệt vời. Các nhà sản xuất sử dụng tóm tắt theo những cách khác nhau.

Họ có thể sử dụng nó để thiết kế một cách tốt hơn để người vận hành truy xuất thông tin chính xác một cách nhanh chóng và hiệu quả từ kho lưu trữ khổng lồ gồm hướng dẫn vận hành, SOP, nhật ký, sự cố trong quá khứ, v.v. Điều này cho phép nhân viên tập trung hơn vào nhiệm vụ của mình và đạt được tiến bộ mà không có sự chậm trễ không cần thiết.

Tóm tắt cũng giúp ích trong môi trường hoạt động khắc nghiệt. Nếu máy hoặc thiết bị bị lỗi, các kỹ sư bảo trì có thể sử dụng gen AI để chẩn đoán nhanh sự cố dựa trên hướng dẫn bảo trì và phân tích các thông số quy trình.

2. Hiểu dữ liệu theo ngữ cảnh

Hệ thống dữ liệu thường gây ra những vấn đề lớn trong các công ty sản xuất. Chúng thường khác nhau, tách biệt và đa phương thức. Nhiều sáng kiến ​​khác nhau nhằm tạo ra biểu đồ tri thức của các hệ thống này chỉ thành công một phần do kiến thức kế thừa có chiều sâu, tài liệu chưa đầy đủ và nợ kỹ thuật phát sinh trong nhiều thập kỷ.

IBM đã phát triển hệ thống Khám phá tri thức được hỗ trợ bởi AI, sử dụng AI tổng quát để mở khóa những hiểu biết mới và đẩy nhanh các quyết định dựa trên dữ liệu với dữ liệu công nghiệp theo ngữ cảnh. Ngoài ra, một công cụ tăng tốc cho kỹ thuật cũng đã được phát triển với tính năng nhận biết ngữ cảnh trong lĩnh vực công nghiệp. Điều này cho phép hiển thị theo thời gian thực các trạng thái của quy trình (bình thường/bất thường), giảm bớt các trở ngại thường gặp trong quy trình cũng như phát hiện và dự đoán lô vàng.

Người vận hành và kỹ sư nhà máy đã có thể sử dụng một cố vấn lực lượng lao động sử dụng khả năng tóm tắt và hiểu dữ liệu theo ngữ cảnh với khả năng phát hiện ý định và tương tác đa phương thức để nhanh chóng tập trung vào khu vực có vấn đề. Người dùng có thể đặt câu hỏi bằng lời nói, văn bản và chỉ tay, và cố vấn AI thế hệ sẽ xử lý câu hỏi đó và đưa ra câu trả lời trong khi có nhận thức về ngữ cảnh. Điều này làm giảm gánh nặng nhận thức cho người dùng bằng cách giúp họ phân tích nguyên nhân gốc rễ nhanh hơn, do đó giảm thời gian và công sức của họ.

3. Hỗ trợ mã hóa

Gen AI cũng hỗ trợ mã hóa, bao gồm tài liệu mã, hiện đại hóa mã và phát triển mã. Để làm ví dụ về cách thế hệ AI hỗ trợ hiện đại hóa CNTT, hãy xem xét trường hợp sử dụng của Water Corporation. Water Corporation đã áp dụng Watson Code Assistant để giúp họ chuyển đổi sang cơ sở hạ tầng SAP dựa trên đám mây.

Công cụ này đã tăng tốc quá trình phát triển mã bằng cách sử dụng các đề xuất do AI tạo ra dựa trên đầu vào ngôn ngữ tự nhiên, giảm đáng kể thời gian triển khai và lao động thủ công. Với Watson Code Assistant, Water Corporation đã giảm được 30% nỗ lực phát triển và chi phí liên quan trong khi vẫn duy trì chất lượng và tính minh bạch của mã.

4. Quản lý tài sản

Gen AI có khả năng chuyển đổi việc quản lý tài sản

Gen AI có thể tạo ra các mô hình nền tảng cho tài sản khi phải dự đoán nhiều KPI trên cùng một quy trình hoặc có một nhóm tài sản tương tự. Tốt hơn là bạn nên phát triển một mô hình nền tảng của tài sản và tinh chỉnh nó nhiều lần.

Gen AI cũng có thể đào tạo để bảo trì dự đoán. Các mô hình nền tảng rất hữu ích nếu dữ liệu lỗi khan hiếm. Các mô hình AI truyền thống cần nhiều nhãn để mang lại độ chính xác hợp lý. Tuy nhiên, trong các mô hình nền tảng, chúng ta có thể huấn luyện trước các mô hình mà không cần bất kỳ nhãn nào và tinh chỉnh với các nhãn giới hạn.

Ngoài ra, AI tổng quát có thể cung cấp hỗ trợ và đào tạo kỹ thuật viên. Các nhà sản xuất có thể sử dụng công nghệ AI thế hệ mới để tạo ra một chương trình mô phỏng đào tạo cho người vận hành và kỹ thuật viên. Hơn nữa, trong quá trình sửa chữa, công nghệ AI thế hệ mới có thể cung cấp hướng dẫn và tạo ra quy trình sửa chữa tốt nhất.

Xây dựng khả năng kỹ thuật số mới với generative AI

Tính linh hoạt và khả năng mở rộng mà công nghệ AI mang lại sẽ đẩy nhanh đáng kể các sáng kiến số hóa trong ngành sản xuất.

Generative AI trao quyền cho doanh nghiệp ở cốt lõi chiến lược trong hoạt động kinh doanh của họ. Trong vòng hai năm, các mô hình nền tảng sẽ cung cấp năng lượng cho khoảng 1/3 AI trong môi trường doanh nghiệp.

Trong thời gian đầu khi áp dụng các mô hình nền tảng, thời gian định giá nhanh hơn tới 70% so với phương pháp AI truyền thống. Generative AI làm cho các công nghệ AI và phân tích khác dễ sử dụng hơn, giúp các doanh nghiệp sản xuất nhận ra giá trị đầu tư của họ.

Tìm đọc các bài viết khác cùng chủ đề tại đây:

Tích hợp AI vào Quản lý hiệu suất tài sản

08 kết luận rút ra từ NVIDIA GTC

Báo cáo về trải nghiệm người mua hàng mới nhất: 03 insights thú vị