thuha88

Moderator
Tham gia
27/4/21
Bài viết
92
Điểm tương tác
0
Công nghệ trí tuệ nhân tạo (AI) không còn là thuật ngữ mới mẻ trên thế giới, đang ngày càng được sử dụng rộng rãi giúp thúc đẩy năng suất lao động của các doanh nghiệp trên mọi ngành nghề. Trong đó, ngành sản xuất là ngành được coi là rất tiềm năng cho việc áp dụng công nghệ AI nhờ lượng dữ liệu khổng lồ tích lũy được từ hoạt động sản xuất.

  • Kiểm soát chất lượng và mức độ đồng đều của sản phẩm
Ứng dụng AI trên các camera máy quét sản phẩm nhằm tìm ra các sản phẩm lỗi, có dị vật hoặc quy cách không đúng. Kết quả này có được thông qua việc công nghệ AI thu thập dữ liệu, học các mô hình sản phẩm hoàn chỉnh từ đó đối chiếu với các sản phẩm chạy qua dây chuyền nhằm phát hiện ra các sản phẩm không đạt chất lượng.


115.anhbai.jpg


Hình 1: Dây chuyển sản xuất cá tại Na Uy


Ứng dụng thực tế đã được một công ty sản xuất phi lê cá tại Na Uy áp dụng trong việc soi và lọc ra các miếng cá trắng có chất lượng cao hơn, và phân loại các miếng cá chất lượng thấp hơn làm các sản phẩm cá muối hoặc chiên(1), qua đóa đảm bảo được chất lượng sản phẩm cung cấp cho người tiêu dùng là tốt và phù hợp nhất với nhu cầu sử dụng.

  • Ghi nhận năng suất của công nhân một cách thông minh
Chất lượng và năng suất sản phẩm trên chuyền phụ thuộc rất lớn vào tay nghề và mức độ tập trung của công nhân sản xuất. Việc kiểm soát các yếu tố này đặt ra các thách thức cho nhà quản trị. Công nghệ AI đưa ra các giải pháp xử lý cho vấn đề này thông qua ứng dụng vòng đeo tay thông minh, có chức năng thu thập các hành động, cử chỉ của công nhân trong từng công đoạn chế biến. Các thông tin này được phân tích thông qua các thuật toán AI và phân loại các thao tác thuộc công đoạn nào, mức độ hiệu quả so với chuẩn là bao nhiêu, cần điều chỉnh thao tác gì để có được hiệu suất là cao nhất… Ứng dụng này đã giúp tăng 25% năng suất lao động phổ thông tại Vantix(2) (Đơn vị thuộc Tập đoàn Vingroup) trong năm 2020.


1-VN.jpg


Hình 2: Mô hình gửi nhận dữ liệu của thiết bị vòng đeo tay

  • Bảo trì tiên đoán
Một nghiên cứu được thực hiện bởi Oneserve (Anh) đã chỉ ra rằng, các nhà sản xuất có thể bị thiệt hại tới hơn 180 tỷ bảng Anh mỗi năm, cùng với 3% tổng số ngày làm việc có thể bị mất do các lỗi từ máy móc thiết bị dẫn tới ngừng hoạt động sản xuất(3). Các thiệt hại này hoàn toàn có thể dự đoán trước và khắc phục nhờ giải pháp bảo trì tiên đoán, giúp chuyển đổi phương thức bảo trì máy móc trong nhà máy từ bị động sang chủ động. Với giải pháp này, hệ thống sẽ thu thập thông tin hoạt động từ các máy móc hiện có và phân tích, đưa ra các kết quả trực quan về thông tin tổng quát từng loại máy móc, theo dõi sức khỏe máy móc theo thời gian thực, cảnh báo các loại máy móc hoạt động không bình thường, lên lịch bảo trì và nhắc nhở bảo trì và cuối cùng là báo cáo hiệu suất hoạt động của máy móc. Nhờ vậy, tuổi thọ của máy móc thiết bị được kéo dài hơn và hạn chế các thiệt hại do lỗi thiết bị sản xuất đem lại. Bảo trì dự đoán đã được ứng dụng tại một số doanh nghiệp sản xuất lớn trên thế giới, trong đó có Siemens. Trong một bài viết về tối ưu hóa hoạt động công nghiệp với trí tuệ nhân tạo, Roland Busch – CTO của Siemens cho biết: “Bằng cách phân tích dữ liệu, ứng dụng trí tuệ nhân tạo có thể cho ra kết quả về sức khỏe của máy móc và tìm ra các bất thường để có thể bảo trì dự đoán.


Trên đây là một số ứng dụng tiêu biểu của công nghệ AI trong sản xuất. Bên cạnh các công nghệ khác của công nghiệp 4.0 như IoT, Machine Learning…, AI vẫn đang tiếp tục đóng góp những ảnh hưởng mang tính cách mạng của mình trong việc thay đổi cách thức hoạt động của bất kỳ ngành nào kèm theo những lợi ích không thể phủ nhận. Với ngành sản xuất, AI giúp nhà quản trị đưa ra quyết định nhanh chóng, chính xác trên thời gian thực và các dự đoán hoạt động tương lai. Từ đó đem lại những lợi ích to lớn nhờ giảm chi phí hoạt động, tăng doanh thu và làm hài lòng người tiêu dùng sản phẩm. Có thể nhìn nhận AI là tương lai của ngành sản xuất, là cơ hội chuyển mình mạnh mẽ cho các doanh nghiệp nắm bắt nhanh và sẵn sàng tiên phong ứng dụng AI trong hoạt động.
 

Bên trên Bottom