-  Trong sản xuất khoa học đời sống, nhiều dữ liệu giá trị vẫn bị mắc kẹt trong bảng tính, phân tán qua nhiều hệ thống hoặc không được thu thập, tạo ra điểm mù về hiệu suất thiết bị và quy trình sản xuất.

-  Một phương pháp mới đang nổi lên: tích hợp dữ liệu quản lý tài sản, sản xuất theo lô và hệ thống chất lượng, sau đó tăng cường bằng AI.

-  Dữ liệu tài sản cung cấp cơ hội độc đáo vì đây là nơi duy nhất tổ chức có thể truy cập dữ liệu hiệu suất thiết bị đến cấp số sê-ri, tiết lộ không chỉ hiệu suất mà còn chi phí vận hành và thách thức bảo trì.

-  Hiện tại, các hệ thống quản lý tài sản (AMS), hệ thống thực thi sản xuất (MES) và hệ thống quản lý chất lượng (QMS) thường hoạt động riêng biệt, trong khi dữ liệu hiệu suất thiết bị quan trọng nằm trong bảng tính cơ bản.

-  Tích hợp các luồng dữ liệu này cho phép nhà sản xuất tối ưu hóa hoạt động theo cách trước đây không thể thực hiện được, như theo dõi hiệu suất thiết bị cụ thể tại các địa điểm sản xuất khác nhau.

-  Ví dụ: với phân tích dữ liệu tích hợp, nếu phân tích cho thấy không có sự thay đổi hiệu suất trong 3 năm, hệ thống có thể đề xuất kéo dài khoảng thời gian bảo trì từ 3 tháng lên 8 tháng.

-  Machine learning và AI kết hợp với cảm biến IoT có thể cách mạng hóa phương pháp sản xuất truyền thống, cho phép đánh giá thời gian thực về quy trình, mẫu sử dụng và hiệu suất.

-  Khi khiếu nại khách hàng được lưu trữ trong QMS và tích hợp với các hệ thống khác, AI có thể đẩy nhanh việc xác định vấn đề cốt lõi, phát hiện thiết bị hoặc lô hàng nào gây ra vấn đề.

-  Lợi ích kinh doanh vượt ra ngoài hiệu quả hoạt động: AI có thể đề xuất quyết định tốt hơn về mua sắm thiết bị, lập lịch bảo trì và tối ưu hóa quy trình.

-  Đối với nhà sản xuất khoa học đời sống, sự hội tụ dữ liệu sản xuất không chỉ về hiệu quả mà còn về việc tạo ra môi trường sản xuất thông minh, phản ứng nhanh và tiết kiệm chi phí hơn.

📌 AI đang mở khóa dữ liệu sản xuất trong ngành khoa học đời sống bằng cách tích hợp ba hệ thống riêng biệt: quản lý tài sản, sản xuất theo lô và quản lý chất lượng. Kết quả là tối ưu hóa bảo trì, giảm chi phí và nâng cao chất lượng sản phẩm, tạo lợi thế cạnh tranh cho doanh nghiệp tiên phong.

https://www.forbes.com/councils/forbesbusinessdevelopmentcouncil/2025/04/02/how-to-unlock-manufacturing-data-with-ai/

- Một nghiên cứu được trình bày tại hội nghị Ngân hàng Trung ương châu Âu (ECB) cho thấy nếu doanh nghiệp có thể vượt qua giai đoạn biến động do việc áp dụng AI, công nghệ này sẽ giúp họ phát triển mạnh mẽ hơn về lâu dài.
- Các tác giả nghiên cứu sử dụng dữ liệu từ Cục Thống kê Dân số Hoa Kỳ và các cuộc khảo sát trong giai đoạn 2017-2021, phát hiện những doanh nghiệp sản xuất áp dụng AI sớm đã chứng kiến năng suất giảm khi thay thế nhân công bằng robot.
- Phát hiện này đi ngược lại quan điểm phổ biến cho rằng AI làm tăng năng suất và "bổ sung" cho công việc thay vì tự động hóa hoàn toàn.
- Kristina McElheran, một trong những tác giả của nghiên cứu, giải thích: "Trong ngắn hạn, chúng tôi thấy nhiều đau đớn". Sự sụt giảm năng suất được giải thích là tác dụng phụ khi AI can thiệp vào các thông lệ đã được thiết lập của nhà sản xuất, chẳng hạn như duy trì hàng tồn kho thấp.
- Tuy nhiên, theo thời gian, những doanh nghiệp này bắt đầu vượt trội về mọi mặt - tăng trưởng doanh số, năng suất và việc làm - với điều kiện họ vượt qua được giai đoạn biến động.
- McElheran, nhà nghiên cứu tại Đại học Toronto, lưu ý rằng sự phục hồi này thường không xảy ra ở các công ty lâu đời, vốn thường có quy mô lớn hơn và "gặp khó khăn để hoàn thành việc này".
- Nghiên cứu được thực hiện trên mẫu 30.000 doanh nghiệp, trong đó tỷ lệ áp dụng AI tăng từ 7,5% lên 9,1% trong giai đoạn nghiên cứu.
- Chủ tịch ECB Christine Lagarde đã đề cập rằng khoảng 23% đến 29% người lao động ở châu Âu có nguy cơ cao bị ảnh hưởng bởi AI, nhưng điều này không nhất thiết báo hiệu một "tận thế việc làm" vì các vai trò mới có thể được tạo ra trong khi các vai trò cũ bị loại bỏ.

📌 Nghiên cứu trên 30.000 doanh nghiệp cho thấy AI ban đầu làm giảm năng suất khi thay thế lao động, nhưng doanh nghiệp vượt qua giai đoạn chuyển đổi sẽ vượt trội về doanh số, năng suất và việc làm. Công ty lâu đời và lớn thường khó thích nghi hơn.

https://www.reuters.com/technology/artificial-intelligence/if-ai-doesnt-kill-your-company-it-will-make-it-stronger-study-shows-2025-04-01/

-  Siemens vừa công bố mô hình nền tảng công nghiệp (IFM) mới phát triển cùng Microsoft tại Hannover Messe, sự kiện thương mại Công nghiệp 4.0 lớn của Đức diễn ra từ 31/3 đến 4/4/2025.

-  Mô hình nền tảng này khai thác kho lưu trữ kỹ thuật số của Siemens với thư viện kiến thức sản xuất chuyên ngành nhằm tối ưu hóa kỹ thuật và tự động hóa công nghiệp, được mô tả là mô hình đầu tiên thuộc loại này trong lĩnh vực công nghiệp.

-  IFM sẽ tích hợp với phần mềm digital twin (metaverse công nghiệp), công cụ AI tạo sinh Industrial Copilot, và bộ điều khiển logic lập trình ảo (vPLC) mới của Siemens.

-  Mô hình này có khả năng xử lý và bối cảnh hóa mô hình 3D, bản vẽ 2D, dữ liệu công nghiệp và thông số kỹ thuật, đồng thời đưa ra khuyến nghị dựa trên dữ liệu để "giảm bớt khoảng cách lực lượng lao động có kỹ năng và tăng cường hiệu quả hoạt động".

-  Roland Busch, chủ tịch kiêm CEO của Siemens nhấn mạnh: "Chúng tôi có kiến thức chuyên môn - hiểu rõ các ngành công nghiệp của mình. Và chúng tôi có dữ liệu. Kết hợp với AI, đây là sự kết hợp chiến thắng."

-  Siemens đã triển khai PLC ảo Simatic S7-1500V trên dây chuyền lắp ráp tại nhà máy Audi ở Böllinger Höfe, Heilbronn, Đức. Thay vì sử dụng bộ điều khiển phần cứng gần máy móc hoặc robot, các bộ điều khiển ảo hoạt động trong trung tâm dữ liệu cách xa nhiều kilômét.

-  Siemens là công ty đầu tiên trên thế giới nhận được chứng chỉ an toàn cho PLC ảo từ hiệp hội kiểm định kỹ thuật TÜV của Đức. Audi cũng đang sử dụng giải pháp AI của Siemens để kiểm tra quang học các vết hàn trên thân xe.

-  Audi sẽ triển khai PLC ảo trong xưởng thân xe tại nhà máy Neckarsulm trong năm nay. Gerd Walker, phụ trách sản xuất và hậu cần tại Audi, cho biết: "Sàn sản xuất ảo hóa là yếu tố then chốt cho sản xuất linh hoạt... để phản ứng nhanh với thay đổi thị trường và tối ưu hóa sản xuất."

-  Siemens cũng đã công bố hàng loạt quan hệ đối tác lớn với Accenture, AWS và Nvidia. Công ty đã thành lập bộ phận AI công nghiệp chuyên dụng với Accenture (gọi là Accenture Siemens Business Group) với 7.000 nhân viên, nhằm phát triển và tiếp thị các giải pháp AI chung.

-  Với Nvidia, Siemens đang phát triển dịch vụ digital-twin, Teamcenter Digital Reality Viewer, sử dụng nền tảng đồ họa Omniverse của Nvidia để nâng cao khả năng trực quan hóa, mô phỏng và đắm chìm.

-  Siemens Industrial Copilot đã giành giải thưởng Hermes Award 2025, được trao bởi Deutsche Messe cho một đổi mới tiên tiến tại lễ khai mạc Hannover Messe. Đây là "sản phẩm AI tạo sinh đầu tiên cho môi trường công nghiệp trên toàn bộ chuỗi giá trị - từ thiết kế, lập kế hoạch và kỹ thuật đến vận hành và dịch vụ."

📌 Siemens đã tạo bước đột phá với mô hình nền tảng AI công nghiệp đầu tiên cùng Microsoft và PLC ảo với Audi. Các công nghệ này kết hợp kiến thức chuyên môn, dữ liệu và AI để tối ưu hóa sản xuất, giảm thiếu hụt lao động có kỹ năng và tăng hiệu quả hoạt động trong Công nghiệp 4.0.

https://www.rcrwireless.com/20250331/industry-4-0/siemens-ai-foundation-model

https://m.koreatimes.co.kr/pages/article.asp?newsIdx=395164

https://www.wsj.com/tech/ai/humanoid-robots-are-lousy-co-workers-china-wants-to-be-first-to-change-that-0fe8528c

#WSJ

Robot hình người là đồng nghiệp tồi. Trung Quốc muốn là nước đầu tiên thay đổi điều đó.

Mỹ và Trung Quốc đang chạy đua để xây dựng một người lao động hình người thực sự hữu ích. Bên nào giành chiến thắng có thể đạt được lợi thế lớn trong vô số ngành công nghiệp.

Tác giả: Raffaele Huang và Josh Chin Ngày 29 tháng 3 năm 2025 11:00 tối ET

Trong vài tuần qua, các kỹ sư Trung Quốc đã tập trung tại nhà máy của một thương hiệu xe điện hạng sang để thử nghiệm công nghệ mới mà giới lãnh đạo nước này coi là quan trọng trong cuộc cạnh tranh với Mỹ.

Các kỹ sư tại một công ty khởi nghiệp có tên UBTech 9880 -3,28% (giảm; mũi tên đỏ hướng xuống) đang đào tạo robot giống người để sắp xếp phụ tùng ô tô và di chuyển container. Nhiệm vụ trông có vẻ bình thường, nhưng công nghệ đằng sau không hề đơn giản.

Được điều khiển bởi trí tuệ nhân tạo, những robot hình người này làm việc với các robot khác và tự tìm ra cách hoàn thành công việc, theo công ty cho biết—và trong quá trình đó, học cách làm việc tốt hơn.

Mỹ và Trung Quốc là hai quốc gia duy nhất đang đi đầu trong lĩnh vực robot hình người thông minh, theo các chuyên gia. Bên nào có thể tạo ra robot hình người thực sự hữu ích sẽ chiếm ưu thế trong vô số ngành công nghiệp sử dụng nhiều lao động.

"Thời đại của robot đã đến," Jensen Huang, giám đốc điều hành của công ty chip AI Nvidia, phát biểu tại một hội nghị vào tháng 3. "Mọi người, hãy chú ý. Đây có thể là ngành công nghiệp lớn nhất."

Robot hình người, giống như ván trượt bay, là một mục tiêu lâu dài trong danh sách những lời hứa khoa học viễn tưởng chưa được thực hiện. Trong nhiều năm, tiêu chuẩn của công nghệ này là Asimo của Honda, một robot giống hình viên kẹo dẻo nổi tiếng vì không thể đi lên cầu thang mà không ngã. Việc phát triển Asimo đã dừng lại vào năm 2018.

Về mặt thực tế hơn, các cánh tay robot đã hoạt động trên dây chuyền lắp ráp trong nhiều thập kỷ. Chúng được lập trình để thực hiện các nhiệm vụ cụ thể với độ chính xác cao nhưng không thể linh hoạt ứng biến.

Các nhà sản xuất robot hình người mới nhằm đạt được bước nhảy vọt bằng cách kết hợp kỹ thuật robot với chip máy tính siêu mạnh và thuật toán AI tương tự như những thuật toán giúp các ứng dụng như ChatGPT hoạt động. Đôi khi nó được gọi là AI "hiện thân" hoặc "vật lý".

Một robot hình người tại hội nghị công nghệ.

Robot của Unitree Robotics tại một hội nghị gần đây ở San Jose, California. Ảnh: David Paul Morris/Bloomberg

Robot Asimo leo cầu thang.

Robot Asimo của Honda tại buổi giới thiệu năm 2014. Ảnh: francois lenoir/Reuters

Hiện tại, các robot hình người vẫn còn vụng về và tiềm ẩn nguy hiểm khi làm việc cạnh con người. Cuối cùng, theo những người ủng hộ, chúng sẽ cách mạng hóa mọi thứ từ sản xuất đến khai thác mỏ, chăm sóc người già và chiến đấu trong chiến tranh. Với mắt, tai, tay và chân hoạt động, chúng sẽ hòa nhập một cách liền mạch vào môi trường được thiết kế cho con người.

"Bạn sẽ không cần phải cải tạo nhà máy, kho hàng hoặc nhà của mình để phù hợp với robot hình người—đó là lời hứa trong tương lai," Jeff Burnstein, chủ tịch Hiệp hội Phát triển Tự động hóa, một nhóm thương mại ở Ann Arbor, Michigan, cho biết.

Vũ công hình người, vận động viên chạy marathon

Chính phủ Trung Quốc đã tuyên bố họ muốn đất nước trở thành nhà lãnh đạo thế giới về robot hình người vào năm 2027. AI hiện thân được liệt kê là ưu tiên của quỹ đầu tư mạo hiểm nhà nước mới trị giá 138 tỷ đô la, khuyến khích các nhà đầu tư và công ty khu vực tư nhân tham gia vào lĩnh vực này.

Đây dường như là khởi đầu của một câu chuyện quen thuộc. Các công ty Trung Quốc sản xuất phần lớn xe điện, tàu thủy và tấm pin mặt trời trên thế giới—trong mỗi trường hợp, được thúc đẩy bởi trợ cấp của chính phủ và các quy định thuận lợi.

"Họ có nhiều công ty phát triển robot hình người và nhận được nhiều hỗ trợ từ chính phủ hơn bất kỳ ai khác. Vì vậy, hiện tại, họ có thể có lợi thế," Burnstein cho biết.

Mỹ vẫn có lợi thế trong lĩnh vực bán dẫn, phần mềm và một số linh kiện chính xác. Giống như trong các lĩnh vực AI khác, Nvidia thống trị thị trường chip tiên tiến cần thiết để cung cấp năng lượng cho bộ não robot hình người. Các nhà phát triển Trung Quốc cũng thua kém đối thủ Mỹ trong việc tạo ra bàn tay robot khéo léo, theo các chuyên gia trong ngành.

Một số nhà lập pháp đã kêu gọi Nhà Trắng cấm robot hình người Trung Quốc tại Mỹ và hạn chế hơn nữa quyền tiếp cận công nghệ Mỹ của các nhà sản xuất robot Trung Quốc, viện dẫn lý do an ninh quốc gia.

Người sáng lập công ty khởi nghiệp Trung Quốc Unitree Robotics đã được mời đến gặp riêng với nhà lãnh đạo Trung Quốc Tập Cận Bình vào tháng 2. Vài tuần trước đó, robot hình người của công ty đã được mời lên sân khấu chính trong chương trình gala Lễ hội Mùa xuân hàng năm của đất nước. Tại đó, chúng xoay khăn tay màu đỏ trong khi nhảy múa cùng với các nghệ sĩ biểu diễn người thật trước hàng trăm triệu khán giả.

Các công ty mới tại Trung Quốc có liên quan đến lĩnh vực robot Nguồn: Tianyancha

(Dữ liệu biểu đồ từ 2016-2024)

Vào tháng 4, ban tổ chức Marathon Bắc Kinh dự định tổ chức giải đấu robot đầu tiên trên thế giới trong nửa marathon.

Sự quảng bá che giấu một thực tế lộn xộn hơn. Theo các kỹ sư Unitree, công ty đã dành ba tháng để đào tạo robot của mình cho gala Lễ hội Mùa xuân được phát sóng trên truyền hình, và các robot hình người không thể nhảy múa suốt đêm—hoặc bất cứ điều gì gần như vậy—mà không mất thăng bằng hoặc pin cạn kiệt. May mắn thay, phần biểu diễn chỉ kéo dài vài phút.

Tương tự, ban tổ chức marathon sẽ cho phép các đội robot thay pin hoặc toàn bộ robot—với hình phạt 10 phút. Các robot chạy hình người thường chỉ có thể hoạt động không quá vài giờ với một lần sạc, và cơ thể chúng có thể không đủ mạnh cho toàn bộ cuộc đua.

Tesla đã dựa vào người điều khiển con người để điều khiển robot hình người Optimus khi triển khai một đội ngũ để nhảy múa, phục vụ quầy bar và phát túi quà tại một sự kiện tháng 10. Trong một bài đăng trên X, giám đốc điều hành chương trình Optimus của Tesla, Milan Kovac, đã thừa nhận việc điều khiển kỹ thuật số này, nói rằng các robot được đưa ra để "trình diễn tầm nhìn của chúng tôi về một tương lai tuyệt vời."

Số lượng mẫu robot hình người được ra mắt Nguồn: Morgan Stanley

(Dữ liệu biểu đồ từ 2022-2024)

Các mô hình AI giúp máy móc đi lại và mang vác đồ vật phức tạp hơn nhiều so với những mô hình cho phép chatbot viết báo cáo trường học về Shakespeare. AI vật lý phần lớn không thể dựa vào dữ liệu văn bản hoặc hình ảnh thu thập từ internet. Robot hình người cần dữ liệu ba chiều để hiểu vật lý, và phần lớn dữ liệu đó phải được tạo ra từ đầu.

Đó là nơi Trung Quốc có lợi thế rõ rệt: Đất nước này có vô số nhà máy nơi robot hình người có thể hấp thụ dữ liệu về thế giới trong khi thực hiện các nhiệm vụ.

"Lý do tại sao Trung Quốc đang tiến bộ nhanh chóng ngày nay là vì chúng tôi đang kết hợp nó với các ứng dụng thực tế và lặp đi lặp lại và cải tiến nhanh chóng trong các kịch bản thực tế," Cheng Yuhang, giám đốc bán hàng của Deep Robotics, một trong những công ty khởi nghiệp robot của Trung Quốc cho biết. "Đây là điều mà Mỹ không thể sánh được."

Học tập trong công việc

UBTech, công ty khởi nghiệp đang đào tạo robot hình người để sắp xếp và mang vác phụ tùng ô tô, có quan hệ đối tác với các nhà sản xuất ô tô hàng đầu Trung Quốc bao gồm Geely. Tại một nhà máy ở tỉnh Chiết Giang, miền đông Trung Quốc, các robot đang được đào tạo để giúp Geely sản xuất xe điện hạng sang thương hiệu Zeekr.

Người trong công ty cho biết các robot đang học công việc nhanh hơn bằng cách thực hiện chúng. Giống như một học sinh trung học học tiếng Pháp có sự cải thiện đáng kể sau khi dành một học kỳ tại Pháp, thế giới thực đặt ra những vấn đề cho robot mà không thể tạo ra trong phòng thí nghiệm—chẳng hạn như xử lý trọng lượng lệch của một container phụ tùng ô tô.

"Một vấn đề có thể được giải quyết trong một tháng tại phòng thí nghiệm, nhưng có thể chỉ mất vài ngày trong môi trường thực tế," một người quản lý tại UBTech cho biết.

Hiện tại cần hai robot khoảng 12 giây để cùng nhau chất một container lên xe tải, so với ba giây đối với công nhân con người, theo những người tại UBTech. Các robot được kỳ vọng sẽ nhanh hơn—và chúng có thể làm việc 24/24. Zeekr, nhà sản xuất xe hạng sang, cho biết các bài kiểm tra được thực hiện trong khu vực không sản xuất và việc phát triển robot hình người đang ở giai đoạn đầu.

Một số nhà sản xuất robot hình người của Mỹ đang thử nghiệm robot trong môi trường công nghiệp. Một trong số đó, công ty khởi nghiệp được Amazon.com hậu thuẫn Agility Robotics, đã thử nghiệm khả năng của robot hình người trong việc sắp xếp và di chuyển bưu kiện trong kho hàng Amazon kể từ năm 2023.

Vào tháng 2, công ty khởi nghiệp Figure có trụ sở tại Sunnyvale, California đã phát hành video cho thấy hai robot cộng tác với nhau để xác định các mặt hàng và sắp xếp chúng trong tủ lạnh.

Với sức mạnh sản xuất của Trung Quốc, một robot được sản xuất tại địa phương cuối cùng có thể có giá thấp hơn một nửa so với robot được sản xuất ở nơi khác, Ming Hsun Lee, một nhà phân tích của Bank of America cho biết.

Ông nói rằng ông đã dựa trên ước tính của mình về ngành công nghiệp xe điện của Trung Quốc, ngành đã phát triển nhanh chóng để chiếm khoảng 70% sản lượng xe điện toàn cầu. "Tôi nghĩ robot hình người sẽ là một ngành công nghiệp xe điện khác cho Trung Quốc," ông nói.

Hệ thống robot UBTech, có tên là Walker S, hiện có giá hàng trăm nghìn đô la bao gồm cả phần mềm, theo những người thân cận với công ty. UBTech dự định giao từ 500 đến 1.000 robot Walker S cho khách hàng trong năm nay, bao gồm nhà cung cấp của Apple là Foxconn. Công ty hy vọng tăng số lượng giao hàng lên hơn 10.000 vào năm 2027. Rất ít công ty ngoài Trung Quốc đã bắt đầu bán robot hình người được điều khiển bởi AI.

Những người trong ngành kỳ vọng cuộc cạnh tranh sẽ diễn ra trong nhiều thập kỷ, khi các robot giải quyết các môi trường phức tạp hơn, chẳng hạn như nhà riêng.

"Bạn vẫn cần trải qua một quá trình rất dài trước khi robot có thể thực sự thay thế con người, đặc biệt là sự phối hợp giữa tay và não," người sáng lập Geely, Eric Li cho biết.

Viết cho Raffaele Huang tại [email protected] và Josh Chin tại [email protected]

https://amp.scmp.com/tech/tech-trends/article/3302272/china-manufacturing-ai-pose-existential-threat-us-robotics-sector

https://www.wired.com/story/ai-swaps-desk-work-for-the-factory-floor/

Trợ lý AI tham gia vào nhà máy sản xuất

Các nhà sản xuất đã có sẵn dữ liệu. Các công cụ sử dụng mô hình ngôn ngữ lớn (LLM) có thể giúp họ khai thác dữ liệu này.

Máy mài bi thép về cơ bản vẫn giữ nguyên thiết kế từ khoảng năm 1900, nhưng các nhà sản xuất đã tự động hóa dần mọi quy trình xung quanh nó. Ngày nay, quá trình sản xuất được vận hành bằng băng chuyền và phần lớn là tự động. Nhiệm vụ quan trọng nhất của con người là xác định khi nào có sự cố—và ngay cả công việc đó cũng có thể sớm được giao cho AI.

Tại nhà máy Schaeffler ở Hamburg, quy trình bắt đầu với dây thép, sau đó được cắt và ép thành các viên bi thô. Những viên bi này được làm cứng qua một loạt lò nung, rồi trải qua 3 lần mài với độ chính xác ngày càng cao cho đến khi đạt độ cầu hoàn hảo trong phạm vi một phần mười micron. Thành phẩm là một trong những linh kiện quan trọng nhất của ngành công nghiệp hiện đại, giúp giảm ma sát trong mọi thứ, từ máy tiện đến động cơ ô tô.

Độ chính xác này đòi hỏi phải kiểm tra liên tục—nhưng khi phát hiện lỗi, việc truy tìm nguyên nhân có thể là một bài toán nan giải. Kết quả kiểm tra có thể cho thấy một lỗi nào đó xảy ra trong dây chuyền sản xuất, nhưng nguyên nhân không phải lúc nào cũng rõ ràng. Có thể mô-men xoắn của một công cụ vặn vít bị lệch, hoặc một bánh mài mới thay đang ảnh hưởng đến chất lượng sản phẩm. Để tìm ra nguyên nhân, cần phải so sánh dữ liệu từ nhiều thiết bị công nghiệp khác nhau, trong khi hầu hết các thiết bị này không được thiết kế để chia sẻ dữ liệu với nhau.

AI có thể giải quyết vấn đề này như thế nào?

Năm ngoái, Schaeffler trở thành một trong những công ty đầu tiên sử dụng Factory Operations Agent của Microsoft—một sản phẩm mới được thiết kế riêng cho các nhà sản xuất, hoạt động dựa trên mô hình ngôn ngữ lớn. Công cụ này giúp xác định nguyên nhân của lỗi sản xuất, thời gian ngừng hoạt động, hoặc tiêu thụ năng lượng quá mức. Về cơ bản, đây là một phiên bản ChatGPT dành cho nhà máy, với các mô hình AI của OpenAI chạy trên nền tảng đám mây Azure của Microsoft.

Kathleen Mitford, phó chủ tịch phụ trách tiếp thị ngành công nghiệp toàn cầu của Microsoft, mô tả sản phẩm này là “một trợ lý lý luận hoạt động trên dữ liệu sản xuất”. Theo bà, “công cụ này có thể hiểu câu hỏi của người dùng và dịch chúng thành các truy vấn chính xác dựa trên mô hình dữ liệu tiêu chuẩn”.

Ví dụ, một công nhân nhà máy có thể hỏi “Nguyên nhân nào khiến tỷ lệ lỗi sản phẩm tăng cao hơn bình thường?”, và AI sẽ trả lời bằng dữ liệu tổng hợp từ toàn bộ quá trình sản xuất.

Kết hợp AI với dữ liệu toàn cầu

Factory Operations Agent được tích hợp sâu với các sản phẩm doanh nghiệp của Microsoft, đặc biệt là Microsoft Fabric, nền tảng phân tích dữ liệu của công ty. Nhờ đó, Schaeffler—vận hành hàng trăm nhà máy trên hệ thống của Microsoft—có thể huấn luyện AI bằng dữ liệu từ khắp nơi trên thế giới.

Stefan Soutschek, phó chủ tịch phụ trách CNTT của Schaeffler, cho biết sức mạnh thực sự của hệ thống này nằm ở khả năng phân tích dữ liệu trên quy mô lớn.

“Lợi ích lớn nhất không nằm ở chatbot, dù nó rất hữu ích,” ông nói. “Điểm mạnh là nền tảng dữ liệu công nghệ vận hành (OT) ở phía sau, và chatbot chỉ đơn giản là công cụ truy xuất dữ liệu từ đó.”

Mặc dù có tên gọi là "agent" (trợ lý), nhưng đây không phải AI tự động hành động. Nó không có mục tiêu riêng và chỉ giới hạn trong việc trả lời câu hỏi của người dùng. Người dùng có thể thiết lập để AI thực hiện một số lệnh cơ bản thông qua Microsoft Copilot Studio, nhưng mục tiêu chính của sản phẩm này không phải để AI tự ra quyết định, mà là công cụ giúp truy xuất dữ liệu dễ dàng hơn.

Giải quyết khoảng cách giữa IT và OT

Trong sản xuất, việc tìm ra lỗi thường đòi hỏi so sánh dữ liệu từ nhiều hệ thống khác nhau, bao gồm hệ thống kiểm soát chất lượng, phần mềm nhân sự (HR), và các thiết bị điều khiển công nghiệp như lò nung hoặc máy khoan chính xác.

Trong ngành công nghiệp, đây được gọi là “khoảng cách IT/OT”—tức là sự tách biệt giữa công nghệ thông tin (IT) như bảng tính Excel và công nghệ vận hành (OT) trong nhà máy. Các công ty AI tin rằng các mô hình ngôn ngữ lớn (LLM) như Factory Operations Agent có thể thu hẹp khoảng cách này, cho phép công nhân nhà máy đặt câu hỏi và nhận câu trả lời dưới dạng hội thoại.

Factory Operations Agent dự kiến sẽ ra mắt chính thức trong năm nay, trở thành một công cụ sẵn có cho người dùng Azure AI. Tuy nhiên, đây không phải là sản phẩm duy nhất trong lĩnh vực này.

Các công ty công nghệ đang nhắm đến ngành sản xuất như một thị trường tiềm năng cho các ứng dụng AI. Tháng 9 năm ngoái, Google ra mắt bản cập nhật cho Manufacturing Data Engine, nhằm khai thác dữ liệu từ các thiết bị công nghiệp. Cả Microsoft và Google đều duy trì các nền tảng cho phép các nhà phát triển thử nghiệm và tinh chỉnh AI theo các yêu cầu cụ thể.

Cơ hội và rủi ro của AI trong nhà máy

Cạnh tranh trong lĩnh vực này mang lại lợi ích cho ngành sản xuất, nhưng việc sử dụng AI trong công nghiệp cũng làm tăng các rủi ro về an toàn—đặc biệt là trong môi trường nhà máy, nơi sự cố có thể liên quan đến tính mạng con người.

Điểm quan trọng là Factory Operations Agent chỉ xử lý dữ liệu chứ không trực tiếp điều khiển máy móc, nhưng vẫn có những lo ngại.

Duncan Eddy, giám đốc điều hành tại Trung tâm An toàn AI Stanford, cảnh báo rằng rủi ro lớn nhất với AI như Factory Operations Agent là người dùng có thể không nhận ra khi hệ thống bắt đầu hoạt động sai, hoặc không biết cách can thiệp khi sự cố xảy ra.

“Các hệ thống này có thể gặp lỗi theo những cách mới, bất ngờ và khó đoán,” ông nói.

AI Assistants Join the Factory Floor
Manufacturers already have the data. LLM-powered tools could help them make use of it.
A male factory worker wearing safety gear operates a CNC machine in an industrial manufacturing plant ensuring precision...

The basic machine for grinding a steel ball bearing has been the same since around 1900, but manufacturers have been steadily automating everything around it. Today, the process is driven by a conveyor belt, and, for the most part, it’s automatic. The most urgent task for humans is to figure out when things are going wrong—and even that could soon be handed over to AI.
The Schaeffler factory in Hamburg starts with steel wire that is cut and pressed into rough balls. Those balls are hardened in a series of furnaces, and then put through three increasingly precise grinders until they are spherical to within a tenth of a micron. The result is one of the most versatile components in modern industry, enabling low-friction joints in everything from lathes to car engines.
That level of precision requires constant testing—but when defects do turn up, tracking them down can present a puzzle. Testing might show a defect occurring at some point on the assembly line, but the cause may not be obvious. Perhaps the torque on a screwing tool is off, or a newly replaced grinding wheel is impacting quality. Tracking down the problem means comparing data across multiple pieces of industrial equipment, none of which were designed with this in mind.

This too may soon be a job for machines. Last year, Schaeffler became one of the first users of Microsoft’s Factory Operations Agent, a new product powered by large language models and designed specifically for manufacturers. The chatbot-style tool can help track down the causes of defects, downtime, or excess energy consumption. The result is something like ChatGPT for factories, with OpenAI’s models being used on the backend thanks to the company’s partnership with Microsoft’s Azure.
Kathleen Mitford, Microsoft’s corporate vice president for global industry marketing, describes the project as “a reasoning agent that operates on top of manufacturing data.” As a result, Mitford says, “the agent is capable of understanding questions and translating them with precision and accuracy against standardized data models.” So a factory worker might ask a question like “What is causing a higher than usual level of defects?” and the model would be able to answer with data from across the manufacturing process.
The agent is deeply integrated into Microsoft’s existing enterprise products, particularly Microsoft Fabric, its data analytics system. This means that Schaeffler, which runs hundreds of plants on Microsoft’s system, is able to train its agent on data from all over the world.
Stefan Soutschek, Schaeffler’s vice president in charge of IT, says the scope of data analysis is the real power of the system. “The major benefit is not the chatbot itself, although it helps,” he says. “It’s the combination of this OT [operational technology] data platform in the backend, and the chatbot relying on that data.”
Despite the name, this isn’t agentic AI: It doesn’t have goals, and its powers are limited to answering whatever questions the user asks. You can set up the agent to execute basic commands through Microsoft’s Copilot studio, but the goal isn’t to have the agent making its own decisions. This is primarily AI as a data access tool.

That’s particularly valuable in manufacturing, where tracking down a set of errors might mean comparing data across quality assurance systems, HR software, and industrial control systems like kilns and precision drills. Within the industry, this is known as the IT/OT gap: the disconnect between information tech like spreadsheets and the operational tech that’s used in a factory. AI companies believe large language models like the Factory Operations Agent will be able to work across that gap, allowing it to answer basic troubleshooting questions in a conversational way.
The Factory Operations Agent is due to leave public preview later this year, making it broadly available to Azure AI users. But there will be plenty of competing systems hoping to play a role on the factory floor. As tech companies look for ways to make money from recent breakthroughs in LLMs, manufacturing has proven to be a tempting target. Last September, Google rolled out an update to its Manufacturing Data Engine specifically aimed at unlocking data held on industrial devices, and both Microsoft and Google maintain platforms where independent developers can test out systems with different fine-tuning strategies and different tolerances for risk.
That competition is good for the field, but the increasing use of industrial AI also raises the stakes for safety—particularly on the factory floor, where malfunctions can be a matter of life or death. Crucially, the Factory Operations Agent only manipulates data rather than directly controlling machinery, but there are still concerns. Speaking in his personal capacity, Duncan Eddy, executive director of the Stanford Center for AI Safety, says the biggest concern for AI models like the Factory Operations Agent is simply that users won’t recognize when the system is starting to fail, or won’t know how to intervene once they do.
“These systems can fail in new and surprising and unpredictable ways,” he says.

- Mô hình ngôn ngữ lớn (Large Language Models - LLMs) đang đóng vai trò quan trọng trong việc tái định hình ngành công nghiệp sản xuất, nhờ khả năng xử lý và phân tích dữ liệu lớn.
- Các LLM có thể giúp cải thiện hiệu quả sản xuất bằng cách tối ưu hóa các quy trình sản xuất và giảm thiểu lãng phí thông qua dự đoán chính xác hơn về nhu cầu và nguồn cung.
- Trong ngành công nghiệp sản xuất, LLMs được sử dụng để phát triển các hệ thống tự động hóa thông minh, có khả năng tự học hỏi và thích ứng với các điều kiện sản xuất thay đổi.
- Các công ty đang áp dụng LLM để cải thiện giao tiếp và hợp tác giữa con người và máy móc, qua đó nâng cao năng suất và an toàn lao động.
- LLM cũng đóng góp vào việc phát triển sản phẩm mới bằng cách phân tích xu hướng thị trường và phản hồi của khách hàng, giúp các công ty nhanh chóng thích ứng với thị trường.
- Công nghệ này còn giúp giảm chi phí đào tạo nhân viên, do khả năng cung cấp hướng dẫn và đào tạo tự động, cá nhân hóa cho từng nhân viên.
- Một số thách thức khi triển khai LLM trong sản xuất bao gồm vấn đề về quyền riêng tư dữ liệu, cần thiết lập các chính sách bảo mật dữ liệu chặt chẽ và đảm bảo tính minh bạch trong quá trình xử lý dữ liệu.

📌 Mô hình ngôn ngữ lớn đang thay đổi ngành công nghiệp sản xuất bằng cách cải thiện hiệu quả, năng suất và đổi mới sản phẩm. Các công ty sử dụng LLM để tối ưu hóa quy trình, phát triển sản phẩm mới và cải thiện an toàn lao động, mặc dù còn đối mặt với thách thức về bảo mật dữ liệu.

Citations:
[1] https://www.weforum.org/agenda/2024/04/why-large-language-models-are-so-important-for-the-future-of-the-manufacturing-industry/

- Siemens đang tích hợp AI tạo sinh vào quy trình sản xuất để cải thiện hiệu suất và tăng cường sự linh hoạt.
- Công nghệ AI tạo sinh của Siemens giúp tối ưu hóa quy trình sản xuất thông qua việc tự động hóa và cá nhân hóa.
- AI tạo sinh được áp dụng trong nhiều lĩnh vực khác nhau của quy trình sản xuất, bao gồm thiết kế sản phẩm, quản lý chuỗi cung ứng và bảo trì dự đoán.
- Siemens tin rằng việc áp dụng AI tạo sinh sẽ giúp các nhà sản xuất giảm thời gian sản xuất, giảm chi phí và tăng cường khả năng cạnh tranh.
- Công ty cũng nhấn mạnh tầm quan trọng của việc đào tạo nhân viên để họ có thể tận dụng tối đa lợi ích của AI tạo sinh trong sản xuất.
- Siemens đang hợp tác với các đối tác công nghệ và tổ chức giáo dục để phát triển và triển khai giải pháp AI tạo sinh trong ngành công nghiệp sản xuất.

📌 Siemens đang dẫn đầu trong việc áp dụng AI tạo sinh vào ngành công nghiệp sản xuất, mở ra cơ hội cải thiện đáng kể hiệu suất và sự linh hoạt cho các nhà sản xuất. Bằng cách tối ưu hóa quy trình sản xuất thông qua tự động hóa và cá nhân hóa, Siemens không chỉ giúp giảm thời gian và chi phí sản xuất mà còn tăng cường khả năng cạnh tranh của các doanh nghiệp. Sự hợp tác với các đối tác công nghệ và tổ chức giáo dục cũng cho thấy cam kết của Siemens trong việc phát triển và triển khai công nghệ AI tạo sinh, đồng thời nhấn mạnh tầm quan trọng của việc đào tạo nhân viên để họ có thể tận dụng tối đa lợi ích từ công nghệ này.

• BMW thông báo sẽ triển khai robot hình người trong các nhà máy sản xuất xe hơi của mình, bắt đầu từ nhà máy tại Spartanburg, South Carolina.
• Robot có chiều cao 5 feet 6 inch và nặng 130 pound, được sản xuất bởi startup Robotics có trụ sở tại California là Figure, sau khi đã xác định được các trường hợp sử dụng ban đầu.
• Figure 01, robot của hãng, đã học cách làm cà phê sử dụng hệ thống AI từ đầu đến cuối và được thiết kế để thực hiện các công việc không mong muốn hoặc nguy hiểm, như công việc sản xuất thuộc loại khó khăn, không an toàn hoặc nhàm chán.
• Các robot của Figure hứa hẹn sẽ tăng năng suất, giảm chi phí và tạo ra môi trường làm việc an toàn, ổn định hơn. Đây là lần đầu tiên robot tự động, giống người được sử dụng trong môi trường sản xuất ô tô.
• Robot sử dụng bàn tay năm ngón cho việc lắp ráp và tự động nghỉ mỗi năm giờ để đi tới trạm sạc.
• Việc triển khai robot đã đặt ra thêm tranh luận về việc tự động hóa có thể thay thế việc làm của con người; khoảng 11.000 người làm việc tại cơ sở của BMW ở South Carolina.
• Reuters cho biết quan hệ đối tác sẽ bắt đầu với số lượng nhỏ robot của Figure được sử dụng bởi BMW và sẽ mở rộng nếu đạt được các mục tiêu hiệu suất. Sau khi được đào tạo để thực hiện các nhiệm vụ cụ thể, chúng sẽ được tích hợp vào quy trình sản xuất trong 12-24 tháng tới.

📌 Việc BMW đưa robot hình người vào sản xuất là một bước tiến công nghệ quan trọng, nhưng cũng gây nên lo ngại về tương lai việc làm của con người. Robot của Figure sẽ được đưa vào hoạt động tại nhà máy Spartanburg trong khoảng thời gian 12-24 tháng tới và sẽ được mở rộng nếu thử nghiệm thành công. Các robot này không chỉ có khả năng tăng năng suất mà còn giảm chi phí và tạo ra môi trường làm việc an toàn hơn. Tuy nhiên, điều này đặt ra câu hỏi về số lượng việc làm bị ảnh hưởng khi khoảng 11.000 người đang làm việc tại cơ sở của BMW ở South Carolina, là nhà xuất khẩu ô tô lớn nhất tại Mỹ.

• Công nghệ digital twin đã thúc đẩy sự tăng trưởng về năng suất và hiệu quả trong sản xuất toàn cầu, cải thiện thiết kế sản phẩm và quy trình vận hành, đồng thời giảm thời gian chết và tăng cường hiệu suất. Generative AI (GenAI) có khả năng tăng cường và nhân đôi giá trị của digital twins, mở ra khả năng mới trong thiết kế, vận hành và sản xuất.
• 61% các giám đốc điều hành đang hợp tác với công ty công nghệ chuyên biệt để đạt được mục tiêu về sản xuất thông minh. Kết hợp GenAI với digital twins có thể giúp giảm 15% thời gian sản xuất và tăng 10% sản lượng cho các nhà sản xuất quy mô lớn.
• Intel sử dụng digital twins và GenAI để tối ưu hóa hoạt động và tăng sản lượng nhà máy. Họ đã áp dụng digital twin để giải quyết vấn đề vận chuyển vật liệu tự động và sử dụng dữ liệu từ các kịch bản mô phỏng để tối ưu hóa sản lượng.
• Các tổ chức không nên chờ đợi đối thủ mà nên hành động ngay bằng cách đầu tư chiến lược vào công nghệ có khả năng mở rộng để chạy các tải công việc thế hệ tiếp theo. Điều này bao gồm nâng cấp từ kiến trúc lạc hậu, mở rộng linh hoạt, tích hợp cơ sở hạ tầng thông minh và số hóa cũng như làm cho quy trình sản xuất trở nên linh hoạt và có tính module hơn.

📌 Sự kết hợp của AI tạo sinh và digital twins giúp giảm 15% thời gian sản xuất và tăng 10% sản lượng cho các nhà sản xuất quy mô lớn. Với AI tạo sinh, digital twins có thể nhanh chóng phân tích dữ liệu để cung cấp thông tin chi tiết, dự đoán và đề xuất các phương án thay thế để kiểm tra trong môi trường digital twin không rủi ro. 

• Ngành sản xuất đang trải qua chuyển đổi số do AI.
• McKinsey dự báo AI sẽ tạo ra $13 nghìn tỷ hoạt động kinh tế vào năm 2030.
• 90% nhà sản xuất ô tô dự định chuyển đổi số vào năm 2027.
• AI giúp giải quyết thách thức thiếu hụt lao động.
• Triển khai AI với mục tiêu cụ thể như kiểm soát chất lượng, sử dụng OCR.
• AI cải thiện độ chính xác dữ liệu, giảm lỗi và theo dõi linh kiện.
• AI học và thích ứng qua tạo mạng lưới thần kinh, yêu cầu GPU và dữ liệu hình ảnh chất lượng.
• Phương pháp phát hiện bất thường mới trong AI giúp phân biệt linh kiện tốt và lỗi.

📌 AI đang mở ra cơ hội lớn trong ngành sản xuất, với khả năng tạo ra $13 nghìn tỷ hoạt động kinh tế vào năm 2030 theo dự báo của McKinsey. Sự kết hợp giữa các ứng dụng AI như OCR và phương pháp phát hiện bất thường trong AI hứa hẹn cải thiện đáng kể hiệu suất và chất lượng sản xuất. Các công ty sản xuất ô tô, với gần 90% dự định chuyển đổi số vào năm 2027, cũng như sự thiếu hụt lao động dự kiến lên đến 2.1 triệu công việc vào năm 2030, đang đối mặt với thách thức lớn mà AI có thể giải quyết.