Physical AI có thể nhìn thấy nhiều hơn bao giờ hết. Tại sao các nhà sản xuất vẫn đưa ra quyết định chậm chạp?

Physical AI sự tiến bộ công nghệs đang mang lại cho các nhà sản xuất một cái nhìn rõ ràng hơn về sàn nhà máy. Camera có thể phát hiện khuyết tật trong thời gian thực. Cảm biến có thể nhận diện dấu hiệu sớm của sự cố thiết bị. Digital twin có thể cho thấy khi một dây chuyền đang lệch khỏi dung sai. Công cụ AI có thể tóm tắt những gì đã xảy ra trong suốt một ca làm việc. Tuy nhiên, nhiều nhà sản xuất đang phát hiện ra rằng việc nhìn thấy nhiều hơn không tự động đồng nghĩa với việc quyết định nhanh hơn.

Quá thường xuyên, một tín hiệu bị kẹt bên trong hệ thống đã tạo ra nó. Một cảnh báo khuyết tật vẫn ở trong công cụ chất lượng. Một rủi ro thất bại vẫn ở trong ứng dụng bảo trì. Một ràng buộc sản xuất vẫn ở trong hệ thống lập kế hoạch. Mỗi hệ thống hiểu chức năng riêng của mình nhưng thiếu nhận thức về bối cảnh kinh doanh rộng hơn. Kết quả không chỉ là dữ liệu rời rạc, mà là ý nghĩa và hành động rời rạc. 

Các nhà sản xuất không cần thêm các giải pháp điểm. Họ cần một lớp trí tuệ thể chế chủ quyền cho phép các hoạt động vật lý và kỹ thuật số hoạt động như một hệ thống duy nhất. Một lớp mang lại ngữ cảnh, bộ nhớ và quản trị chung trên các hệ thống kỹ thuật số, tự trị và vật lý, đảm bảo mọi phần của hoạt động đều dựa trên cùng một hiểu biết về tài sản, quy trình, phụ thuộc, chính sách và mục tiêu. Physical AI mở rộng những gì các nhà sản xuất có thể phát hiện. Việc những tín hiệu đó trở thành quyết định được quản lý, phối hợp, hay chỉ đơn giản tạo ra nhiều cảnh báo hơn, phụ thuộc vào việc có tồn tại lớp như vậy dưới chúng hay không.

Kết nối Tín hiệu với Hành động Chủ quyền

Physical AI không phải là công nghệ tương lai. Ở nhiều nhà máy, các thành phần đã có sẵn: cảm biến, camera, digital twin, hệ thống tự động hoá, nền tảng doanh nghiệp và công cụ AI. Thách thức là làm cho chúng hoạt động cùng nhau, thay vì là những hòn đảo trí tuệ riêng lẻ.

Một lớp trí tuệ thể chế do doanh nghiệp kiểm soát giải quyết thách thức này bằng cách hoạt động trên các công nghệ hiện có như một nền tảng chung. Nó không thay thế các hệ thống hoặc mô hình. Thay vào đó, nó khiến chúng suy nghĩ như một. Dù được triển khai trên dây chuyền sản xuất, kho hàng, nhà máy hay toàn doanh nghiệp, mục tiêu là di chuyển nhanh hơn từ phát hiện đến quyết định. Nếu một vấn đề sản xuất được phát hiện, phản hồi không nên chỉ dừng lại ở một cảnh báo. Lớp này có thể kết nối tín hiệu đó với bảo trì, tồn kho, lập kế hoạch sản xuất và cam kết của khách hàng. Thay vì chỉ đơn giản xác định một vấn đề, nó giúp phối hợp phản hồi trên toàn bộ doanh nghiệp. 

Ví dụ, một bất thường máy móc có thể kích hoạt đề xuất bảo trì, xác minh tính sẵn có của phụ tùng, đánh giá tác động sản xuất và đề xuất điều chỉnh lịch trình, tất cả dựa trên sự hiểu biết chung về ưu tiên và chính sách của doanh nghiệp.  

Đạt được những kết quả đó đòi hỏi các nhà sản xuất phải thực hiện đúng ba yếu tố:

1. Bắt đầu với quyết định, không phải mô hình

Thách thức hiếm khi là thiếu dữ liệu. Các nhà sản xuất đã có sẵn thông tin hữu ích trong máy móc, hệ thống chất lượng, ứng dụng bảo trì, công cụ lập kế hoạch và ghi chú của vận hành viên. Vấn đề là các hệ thống này thường hoạt động và suy luận một cách độc lập.

Bắt đầu với một quyết định vận hành đang quá chậm hiện nay. Nó có thể là tắt một tài sản, giải phóng một giữ chất lượng, cân bằng lại sản xuất, dự trữ một phụ tùng hoặc thay đổi cam kết giao hàng của khách hàng. Kiểm tra xem sự chậm trễ có tạo ra chi phí, rủi ro hoặc ảnh hưởng đến khách hàng hay không.

Sau đó theo dõi cách quyết định đó di chuyển từ tín hiệu đến phản hồi. Đối với rủi ro hỏng máy, điều này có nghĩa là tích hợp trí tuệ thu được từ dữ liệu cảm biến với lịch sử bảo trì, tính sẵn có của phụ tùng, ưu tiên sản xuất và năng lực lực lượng lao động, thông qua một ontology doanh nghiệp chung. Ngôn ngữ chung này biến nhiều đầu vào thành một phản hồi phối hợp thay vì một tập hợp các hoạt động rời rạc. 

Cũng quan trọng không kém, quyết định, lập luận và kết quả có thể được lưu giữ trong bộ nhớ thể chế, cho phép tổ chức liên tục xây dựng và tái sử dụng kiến thức. 

2. Chỉ kết nối các hệ thống cần thiết để hành động

Khi lộ trình quyết định đã rõ, xác định các hệ thống định hình nó. Mục tiêu là mở rộng ontology doanh nghiệp đến những gì cần thiết để đưa ra quyết định nhanh hơn, không phải kết nối toàn bộ nhà máy cùng một lúc. Phạm vi này có thể giới hạn trong một kho hoặc dây chuyền sản xuất duy nhất, hoặc có thể bao phủ toàn bộ doanh nghiệp. Điều quan trọng là lớp trí tuệ bao phủ mọi thứ mà quyết định chạm tới. Và khi bạn bao phủ nhiều hơn theo thời gian, trí tuệ sẽ tích lũy. 

Một mẫu khuyết tật có thể xuất hiện trên các hệ thống thị giác máy tính, cảm biến, robot và digital twin. Một lớp trí tuệ chung đưa những tín hiệu này vào một góc nhìn vận hành duy nhất, loại bỏ việc điều tra thủ công qua nhiều công cụ. Cách tiếp cận tương tự kết nối dữ liệu vận hành và kinh doanh, cho phép quyết định nhanh hơn, dựa trên chính sách thay vì phản hồi rời rạc. 

Trong sản xuất ô tô, một lớp trí tuệ thể chế có thể giảm các lần dừng dây chuyền do phối hợp hơn 70% và hỗ trợ phản hồi chất lượng gần thời gian thực. Trong ngành hàng không, nó có thể rút ngắn các giai đoạn lắp ráp chính từ 11 ngày xuống dưới sáu giờ bằng cách loại bỏ các nút thắt xác nhận thủ công. Trong năng lượng và tiện ích, nó có thể giảm thời gian mất điện do bão xuống 34% thông qua việc lập kế hoạch phản hồi sớm hơn.

3. Thiết lập chủ quyền trước khi mở rộng nó

Khi Physical AI tiến gần hơn tới hoạt động, các nhà sản xuất cần một lớp quản trị giữ chủ quyền quyết định trong doanh nghiệp, không phải ở nhà cung cấp, ngay cả khi ngày càng nhiều công việc chuyển sang AI. Điều này có nghĩa là liên kết các tín hiệu tại tầng nhà máy, hệ thống doanh nghiệp và agentic AI theo các quy tắc của công ty.

Xác định các quy trình làm việc có tác động giá trị cao và chia các hành động thành ba nhóm: những gì AI có thể chuẩn bị một cách tự động, những gì nó có thể đề xuất để xem xét, và những gì vẫn cần sự phê duyệt của con người.

Một bất thường rung động nên kích hoạt hành động, không chỉ là một cảnh báo. Hệ thống nên tự động đánh giá lịch trình, linh kiện, năng lực và chính sách để đề xuất phản hồi tốt nhất. Một sổ quyết định ghi lại lý do và phê duyệt cho mỗi hành động, đảm bảo khả năng kiểm toán đồng thời giữ quản trị và kiến thức thể chế dưới sự kiểm soát của doanh nghiệp.

Biến tầm nhìn vận hành thành hành động có chủ quyền

Cú sốc cung ứng tiếp theo, thiếu hụt lao động hoặc sự kiện chất lượng sẽ cho thấy nhà sản xuất nào có thể hành động xuyên hệ thống và nhà nào vẫn chỉ quản lý bằng các giải pháp tạm thời. Physical AI sẽ tiếp tục mở rộng những gì nhà máy có thể nhìn thấy. Những nhà sản xuất xây dựng lớp trí tuệ thể chế có chủ quyền trước khi gián đoạn tiếp theo sẽ là những người biến tầm nhìn đó thành hành động phối hợp khi tốc độ là yếu tố quan trọng nhất.