Ứng dụng công nghệ đám mây tiên tiến đáp ứng các mục tiêu dữ liệu, AI của nhà sản xuất

Các nhà máy khác nhau sẽ sử dụng các giải pháp khác nhau cho cùng một quy trình công việc, dẫn đến rủi ro không chia sẻ hiệu quả kiến thức chuyên môn và dữ liệu. Điều này đặc biệt quan trọng khi sử dụng các giải pháp mới tích hợp trí tuệ nhân tạo (AI), với yêu cầu cao về chất lượng dữ liệu. Các nhóm kiểm tra trực tiếp sử dụng hệ thống giám sát bằng hình ảnh (machine vision) để đảm bảo chất lượng và tuân thủ cũng có thể đối mặt với những thách thức tương tự.

Liên quan đến những vấn đề này, ông Christanto Suryadarma, Phó Chủ tịch phụ trách Bán hàng khu vực Đông Nam Á (SEA), Hàn Quốc và Kênh khu vực APJeC, Zebra Technologies chỉ ra những thách thức và giải pháp.

Những thách thức về dữ liệu toàn doanh nghiệp

Công nghệ AI, đặc biệt là deep learning (học sâu), dựa vào dữ liệu để vận hành và phát triển. Khối lượng, sự đa dạng và tốc độ của dữ liệu chất lượng tốt là yếu tố then chốt trong việc huấn luyện và thử nghiệm các mô hình deep learning, giúp các mô hình này mang lại kết quả như mong đợi khi triển khai thực tế.

Tuy nhiên, các đội nhóm và nhà máy có thể có kinh nghiệm và thời gian khác nhau, dẫn đến làm việc đơn lẻ và khó đạt được chất lượng dữ liệu mong muốn. Dữ liệu cần được lưu trữ, chú thích và sử dụng cho các mô hình huấn luyện, đồng thời cần bổ sung các bộ dữ liệu khác để kiểm thử mô hình. Nếu dữ liệu công ty bị phân mảnh, quá trình huấn luyện các mô hình giám sát bằng hình ảnh sẽ bị ảnh hưởng nghiêm trọng.

Trong bối cảnh đó, để tối ưu hóa, mạng nơ-ron học sâu (deep learning neural network) cần tiếp xúc với nhiều biến thể dữ liệu khác nhau, bao gồm cả dữ liệu về thời điểm sản xuất. Việc tạo tập dữ liệu với các ngày tháng ngẫu nhiên đòi hỏi quá trình thu thập kéo dài (trừ khi sử dụng nền tảng để mô phỏng dữ liệu huấn luyện). Điều này có thể thách thức, nhưng là cần thiết để huấn luyện một mô hình mạnh mẽ. Ngoài ra, các quy trình công nghiệp cũng chịu ảnh hưởng của các yếu tố môi trường khác, chẳng hạn như điều kiện chiếu sáng thay đổi, vật liệu không đồng nhất, rung lắc, tiếng ồn, nhiệt độ, và những biến đổi trong điều kiện sản xuất. Độ chính xác của mô hình có thể bị suy giảm nếu không tính đến những thay đổi này trong dữ liệu huấn luyện.

Một vấn đề khác của cách tiếp cận đơn lẻ là việc tạo chú thích dữ liệu huấn luyện cho các mô hình deep learning. Chú thích không chính xác, mập mờ và không nhất quán chắc chắn sẽ dẫn đến các mô hình vận hành kém hiệu quả. Cần đảm bảo rằng chú thích dữ liệu là chính xác và rõ ràng xuyên suốt các nhà máy sản xuất cùng một hạng mục - điều này đòi hỏi các nhóm phải có khả năng cộng tác trong các dự án tạo chú thích dữ liệu.

Một lỗi phổ biến trong các dự án thực là đánh dấu các loại lỗi khác nhau không đồng nhất trên các hình ảnh, trong khi một số lỗi khác không được đánh dấu. Xác định khiếm khuyết cũng có thể mang tính chủ quan, do đó cần thực hiện kiểm tra chéo. Mọi khiếm khuyết các loại đều phải được đánh dấu rõ ràng trên tất cả các hình ảnh có liên quan. Xin được nhắc lại, nếu không có cách tiếp cận thống nhất và phát huy công nghệ đám mây, sẽ không thể giải quyết được các khó khăn thách thức về chú thích dữ liệu giữa các nhà máy và các quốc gia.

Các giải pháp nền tảng đám mây deep learning

Các đội nhóm giám sát bằng hình ảnh (machine vision) trong lĩnh vực sản xuất cần những phương pháp tiên tiến để phát huy tối đa công nghệ deep learning, bao gồm cả việc sử dụng đám mây. Nền tảng machine vision trên đám mây cho phép các đội nhóm tải lên, gắn nhãn và chú thích dữ liệu một cách an toàn từ nhiều địa điểm sản xuất đặt tại các nhà máy, quốc gia và khu vực khác nhau.

Dữ liệu tập trung lớn hơn và đa dạng hơn trong một nền tảng đám mây, xuyên suốt các nhà máy và môi trường khác nhau, sẽ hiệu quả hơn cho việc huấn luyện deep learning. Nền tảng này không chỉ cho phép người dùng cộng tác theo thời gian thực, cùng làm việc trong các dự án tạo chú thích, huấn luyện và thử nghiệm, mà còn giúp chia sẻ kiến thức chuyên môn.

Nền tảng đám mây tạo điều kiện cho người dùng với vai trò, quyền hạn và trách nhiệm rõ ràng trong việc huấn luyện và thử nghiệm các mô hình deep learning. Với dữ liệu huấn luyện và kiểm thử tốt hơn, những mô hình này có thể thực hiện phân tích kiểm tra trực quan ở cấp độ cao hơn, chính xác hơn nhiều so với machine vision dựa trên quy tắc thông thường – điều mà các nhà sản xuất trong ngành ô tô, pin điện, chất bán dẫn, điện tử và bao bì đang mong muốn.

Giải pháp đám mây còn mang lại khả năng mở rộng và tiếp cận công suất tính toán mạnh mẽ. Với các hệ thống truyền thống, chỉ máy tính của một số nhân viên được lựa chọn mới có bộ xử lý đồ họa (GPU) mạnh để thực hiện các chương trình huấn luyện lớn. Nhưng với điện toán đám mây, tất cả người dùng đều có thể tiếp cận công suất tính toán cao từ laptop. Mặc dù có thể phát sinh thêm chi phí, nhưng mô hình chi trả theo mức độ sử dụng của đám mây có thể mang lại nhiều lợi ích hơn cho doanh nghiệp so với việc đầu tư mua các máy chủ riêng và tuyển dụng thêm nhân lực CNTT vốn đang khan hiếm trên thị trường.

Mô hình cung cấp phần mềm dưới dạng dịch vụ (SaaS) mang lại sự linh hoạt cho các đội nhóm machine vision, giúp họ dễ dàng đăng ký thuê bao một nền tảng đám mây và sử dụng các tính năng, mô hình và bản cập nhật mới thường xuyên được bổ sung bởi các đối tác công nghệ. Các nền tảng deep learning trên đám mây cho phép triển khai mô hình ngoại biên trên PC và các thiết bị khác, hỗ trợ quy trình làm việc số hóa, linh hoạt trên dây chuyền sản xuất, hoặc trực tiếp tại địa điểm làm việc của người dùng và đội nhóm.

Theo Nghiên cứu Tầm nhìn Sản xuất năm 2024 của Zebra, 68% các nhà lãnh đạo trong lĩnh vực sản xuất tại khu vực Châu Á - Thái Bình Dương kỳ vọng AI sẽ thúc đẩy tăng trưởng kinh doanh. Sự gia tăng trong việc ứng dụng AI, kết hợp với ưu tiên chuyển đổi số của các nhà lãnh đạo doanh nghiệp, thể hiện rõ ràng quyết tâm của các nhà sản xuất trong việc cải thiện quản lý dữ liệu và tận dụng công nghệ mới để nâng cao khả năng giám sát và chất lượng trong toàn bộ quy trình sản xuất.

Tích hợp dữ liệu hiện đang là một trong những thách thức lớn nhất trong quản lý chất lượng. Với những mục tiêu liên quan đến AI và dữ liệu cùng kế hoạch xây dựng nhà máy ô tô mới, đây là thời điểm thích hợp để khám phá tiềm năng của công nghệ đám mây nhằm khai thác dữ liệu và tăng cường lợi ích của công nghệ deep learning trong giám sát bằng hình ảnh. Các doanh nghiệp có thể tìm hiểu thông tin chi tiết về những giải pháp deep learning machine vision của Zebra.