Học máy (Machine learning) nâng cao mức độ hiệu quả trong sản xuất công nghiệp
Trí tuệ nhân tạo (AI) đã xuất hiện trên câu chuyện của mọi người kể từ khi ra mắt thành công chatbot ChatGPT. AI cũng đang có những bước tiến vượt bậc trong công nghệ sản xuất công nghiệp. Học máy có thể tăng hiệu quả sản xuất. Nhưng nó hoạt động như thế nào? Tìm hiểu cách thức tại EMO Hannover 2023, từ ngày 18 đến ngày 23 tháng 9 năm 2023. Với khẩu hiệu “Đổi mới sản xuất“, hội chợ thương mại hàng đầu thế giới về công nghệ sản xuất sẽ truyền cảm hứng cho khách thăm thương mại bằng cách trình bày nhiều ý tưởng mới, với trí tuệ nhân tạo nổi bật.
Máy móc sản xuất có thể thực sự tự tối ưu hóa không? Nó có thể học hỏi từ những sai lầm của chính nó? Và liệu nó có thể tiếp thu bí quyết từ các máy khác không? Trí tuệ nhân tạo (AI) biến tất cả những điều này thành có thể. Khi các máy sản xuất tự học hoạt động thông minh, điều này dẫn đến năng suất cao hơn, chi phí thấp hơn, chất lượng được cải thiện và giảm thời gian ngừng hoạt động.
“Chúng tôi đã dành rất nhiều thời gian để tối ưu hóa các quy trình công nghệ sản xuất của mình và đã tạo dựng được lợi thế cạnh tranh ở đây. Giờ đây, chúng tôi muốn làm điều tương tự trong quá trình chuyển đổi kỹ thuật số của sản xuất công nghiệp”, ông Markus Spiekermann, Trưởng phòng Kinh tế Dữ liệu giải thích tại Viện Kỹ thuật Hệ thống và Phần mềm Fraunhofer ISST nói: “Trí tuệ nhân tạo đang đóng một vai trò quyết định trong việc đáp ứng các yêu cầu mới. Bởi vì chỉ thông qua việc sử dụng các phương pháp AI mới có thể đạt được mức độ tự động hóa cao”.
Bảo trì dự đoán cho máy tiện
Xu hướng trí tuệ nhân tạo AI đang nắm giữ trong ngành công nghiệp. Ví dụ, nhà sản xuất máy công cụ Weisser Söhne GmbH & Co. KG dựa vào các mô hình AI cho phép bảo trì dự đoán các máy tiện của họ.
Tiến sĩ-Ing giải thích: “Bảo trì dự đoán sử dụng trí tuệ nhân tạo để dự báo khi nào máy sẽ cần bảo dưỡng để ngăn máy bị hỏng”. Ông Robin Hirt, Giám đốc điều hành và người sáng lập công ty khởi nghiệp Prenode GmbH có trụ sở tại Karlsruhe. Công ty phần mềm giúp các nhà chế tạo máy trang bị cho nhà máy của họ các tính năng dựa trên AI tùy chỉnh.
Ông Hirt cho biết các máy móc sản xuất hiện đại có thể tự tối ưu hóa với sự trợ giúp của trí tuệ nhân tạo.”Chúng thường sử dụng cái gọi là phương pháp máy học cho việc này. Những phương pháp này cho phép máy nhận ra các mẫu và mối tương quan trong dữ liệu sản xuất và tự động rút ra các cải tiến từ chúng. Trong nhiều trường hợp, chúng cũng có thể học hỏi từ những sai lầm của mình và áp dụng bí quyết từ các máy khác”.
Ông Robin Hirt
Dữ liệu phi tập trung được sử dụng để tạo mô hình trí tuệ nhân tạo AI chung
Kỹ thuật học liên kết thường được sử dụng vì dữ liệu thu được từ một máy tiện đơn lẻ thường không đủ làm cơ sở cho một mô hình trí tuệ nhân tạo AI chính xác. Học tập liên kết tạo điều kiện cho việc “đào tạo” mô hình AI phổ biến, với dữ liệu được lưu trữ ở dạng phi tập trung nhưng không chia sẻ dữ liệu trực tiếp. Do đó, dữ liệu riêng lẻ vẫn còn trên các máy tương ứng và không phải được lưu trữ tập trung ở một nơi (chẳng hạn như trong đám mây của nhà sản xuất máy).
Các mô hình trí tuệ nhân tạo AI sử dụng dữ liệu máy tiện đang hoạt động để ước tính tình trạng hiện tại của nhà máy, sau đó chuyển tiếp dữ liệu này cho nhân viên vận hành. Mạng lưới thần kinh học tập sâu được sử dụng cho việc này.
Trợ lý phân loại thông minh từ Trumpf
Trí tuệ nhân tạo cũng được sử dụng để vận hành Sorting Guide (tạm dịch là Hướng dẫn phân loại), một hệ thống được tạo bởi chuyên gia laser Trumpf ở Ditzingen, Baden-Württemberg, Đức, giúp phân loại các bộ phận được sản xuất và do đó tăng mức độ sử dụng máy. Hướng dẫn sắp xếp là một hệ thống hỗ trợ dựa trên máy ảnh dựa trên máy học phi tập trung. Các thành phần chính của hệ thống trí tuệ nhân tạo AI là camera độ phân giải cao, màn hình lớn, PC công nghiệp và phần mềm xử lý hình ảnh thông minh.
“Học máy phi tập trung liên quan đến việc liên kết một số máy với nhau để tạo thành một hệ thống trí tuệ nhân tạo AI”, Giám đốc điều hành Prenode Hirt giải thích về nguyên tắc này. Những máy này liên tục thu thập dữ liệu cục bộ về quy trình làm việc của chúng. Một mô hình AI được phát triển cho mỗi máy, sau đó được tập trung hóa, ông Hirt tiếp tục: “Những mô hình này sau đó được hợp nhất trong một đám mây trung tâm và được chuyển trở lại các hệ thống riêng lẻ. Hệ thống trí tuệ nhân tạo AI sau đó có thể rút ra cục bộ dựa trên trải nghiệm của tất cả các máy khác mà không cần phải chia sẻ dữ liệu thô nhạy cảm. “Điều này cho phép máy chạy các quy trình của chúng hiệu quả hơn và đạt được năng suất cao hơn“.
Hướng dẫn sắp xếp (Sorting Guide) của Trumpf hoạt động như sau: Hướng dẫn sắp xếp sử dụng dữ liệu chính hiện có và quá trình xử lý hình ảnh tự học để nhận dạng các phần riêng lẻ. Sau đó, nó đưa ra đề xuất sắp xếp trên màn hình. Các bộ phận được sản xuất được hiển thị bằng các màu khác nhau trên màn hình – được mã hóa theo đơn đặt hàng của khách hàng hoặc các bước công việc tiếp theo như uốn, mài bavia, sơn phủ hoặc vận chuyển chẳng hạn. Điều này làm cho các khía cạnh như kể lại các bộ phận tốn thời gian, xác nhận thủ công và các tài liệu đi kèm trở thành quá khứ. Người vận hành máy có thể nhìn thoáng qua bộ phận nào đã sẵn sàng để xử lý thêm và liệu có cần phải xử lý hậu kỳ hay không. Điều này đẩy nhanh quá trình phân loại và giúp tránh lỗi – cho phép máy quay trở lại sản xuất nhanh hơn. Trí tuệ nhân tạo AI và sản xuất đi đôi với nhau
Tối ưu hóa gia công dựa trên phân tích dữ liệu
Một phương pháp mới phân tích độ mòn của công cụ trong các quy trình gia công như khoan hoặc phay cũng dựa trên trí tuệ nhân tạo. Điều quan trọng là có thể sử dụng các công cụ đắt tiền càng lâu càng tốt. Do đó, điều quan trọng là có thể ước tính thời gian sử dụng còn lại một cách chính xác. Bằng mọi giá phải tránh làm gãy dụng cụ và phá hủy các chi tiết gia công đắt tiền, hoặc thậm chí làm hỏng máy công cụ.
Cho đến nay, các mục tiêu xung đột này đã được giải quyết bằng cách thay thế sớm các công cụ sau một số lần vận hành nhất định (dựa trên kinh nghiệm) để tránh mọi tổn thất về chất lượng hoặc thậm chí là thời gian ngừng hoạt động tốn kém do hỏng dụng cụ. Tuy nhiên, việc thay thế công cụ rất tốn kém và mất thời gian, đó là lý do tại sao phải tối ưu hóa các chu kỳ thay đổi.
Đây là nơi trí tuệ nhân tạo AI phát huy tác dụng. Các nhà nghiên cứu tại Đại học Kỹ thuật Kaiserslautern đã phát triển một phương pháp “huấn luyện” hệ thống bằng cách sử dụng dữ liệu đo lường và quy trình thực để có được dự đoán đáng tin cậy về tình trạng hao mòn và do đó tối ưu hóa các quy trình cắt.
Trong thực tế, nó hoạt động như sau: Các thông số liên quan đến quy trình trước tiên cần được xác định để dự đoán tình trạng mài mòn của dụng cụ cắt. Chúng bao gồm các lực gia công khác nhau, các rung động của máy và các yêu cầu về năng lượng của các trục máy. Dữ liệu lấy từ các phép đo liên tục của dụng cụ và phôi gia công được thu thập. Thách thức lớn nhất sau đó là xác định các mối tương quan trong dữ liệu thu thập được.
Tìm kiếm các mẫu
Để đạt được điều này, các nhà nghiên cứu đang đào tạo hệ thống hỗ trợ trí tuệ nhân tạo AI. Điều này sử dụng các phương pháp học máy để phát hiện các mẫu có thể có và đưa ra kết luận về tình trạng hao mòn. Nó cũng có thể dự đoán các thông số quy trình mà các công ty cần sử dụng trong các quy trình cắt cụ thể để giữ cho công cụ được sử dụng đáng tin cậy trong một thời gian sử dụng nhất định. Dữ liệu mà hệ thống cần học hỏi được thu thập từ năm công ty đối tác – bao gồm cả những công ty toàn cầu cũng như các doanh nghiệp vừa và nhỏ. Ví dụ, các biến thể khác nhau được thử nghiệm liên quan đến loại công cụ và vật liệu hoặc tham số quy trình. Do đó, một cơ sở dữ liệu rộng được thu thập trong toàn bộ thời gian sử dụng cho đến và bao gồm cả lỗi của công cụ.
Trí tuệ nhân tạo đã khá thông minh, nhưng nó vẫn chưa hoàn hảo. Các quy trình quá khác nhau trong các trường hợp sử dụng riêng lẻ. Do đó, học máy hỗ trợ quyết định thay đổi công cụ. Mục đích là làm cho hệ thống ngày càng tốt hơn thông qua cái gọi là học chuyển đổi. Ở đây, kiến thức từ các nhiệm vụ liên quan đã học trước đó được sử dụng để đào tạo các mô hình máy học nhanh hơn cho các nhiệm vụ mới (nhưng có liên quan).
IIP-Ecosphere để truy cập ngưỡng thấp
Tuy nhiên, trong trường hợp sản xuất công nghiệp, lợi ích của trí tuệ nhân tạo không phải lúc nào cũng rõ ràng, đặc biệt là đối với các công ty nhỏ. Nhiều người lo ngại về việc bàn giao dữ liệu sản xuất của họ để máy tính phân tích chuyên sâu.
Đối với các công ty sản xuất vẫn chưa chắc chắn về giá trị gia tăng của trí tuệ nhân tạo AI, dự án IIP-Ecosphere, trong đó Viện Kỹ thuật Phần mềm và Hệ thống Fraunhofer (Fraunhofer ISST) đang hợp tác, nhằm mục đích cung cấp quyền truy cập ngưỡng thấp vào các giải pháp AI độc lập với nhà cung cấp cho các vấn đề sản xuất phức tạp. Mục tiêu của dự án là thiết lập một loại hệ sinh thái mới và cho tất cả những người chơi khác nhau – bao gồm các trường đại học và tổ chức nghiên cứu, các công ty công nghiệp và nhà cung cấp giải pháp trí tuệ nhân tạo AI – để thúc đẩy việc sử dụng AI trong sản xuất. Trí tuệ nhân tạo phát triển mạnh trên mạng lưới tri thức. Kết quả là tạo ra “Ecosphere for Intelligent Industrial Production”, hay gọi tắt là IIP-Ecosphere.
Một nền tảng để khám phá
Ông Markus Spiekermann, Trưởng phòng Kinh tế Dữ liệu tại Viện Kỹ thuật Hệ thống và Phần mềm Fraunhofer ISST, giải thích: “Ví dụ, cái gọi là danh mục giải pháp AI đang được phát triển như một phần của dự án IIP-Ecosphere. Đây là một nền tảng để khám phá và phân tích các giải pháp AI hiện có cho các vấn đề liên quan đến sản xuất.” Ngoài việc tạo điều kiện truy cập thông tin về các giải pháp hiện có, danh mục còn cung cấp các bộ lọc được nhắm mục tiêu dựa trên các trường hợp sử dụng và hiển thị giá trị gia tăng của các giải pháp”. Ông Spiekermann cho biết: “Sau đó, các ứng dụng AI riêng lẻ có thể được triển khai trực tiếp bằng cách sử dụng nền tảng IIoT mã nguồn mở cũng được phát triển trong dự án”.
Ông Markus Spiekermann
Tri thức đại diện cho sức mạnh trong cuộc đấu tranh sinh tồn giữa cuộc cạnh tranh quốc tế khốc liệt – nhưng dữ liệu cũng vậy. So với các đối thủ Mỹ và Nhật Bản, liệu Đức có đi trước trong việc phát triển và sử dụng trí tuệ nhân tạo trong công nghệ sản xuất công nghiệp? Ban điều hành vẫn chưa có quyết định về điều này. “Theo những gì tôi có thể nói, chúng tôi hiện chưa ở vị trí dẫn đầu về phát triển so với đối thủ, điều sẽ không cho phép chúng tôi ngủ quên trên vòng nguyệt quế của mình”, chuyên gia của Fraunhofer – ông Spiekermann cho biết: “Thật vậy, về mặt AI, chúng ta đang tụt hậu so với các nhà cung cấp quốc tế, bao gồm cả công nghệ sản xuất công nghiệp”.
Ngược lại, chuyên gia Fraunhofer cũng tuyên bố: “Tuy nhiên, chúng tôi vẫn dẫn đầu cuộc chơi về việc tối ưu hóa các quy trình đặc thù. Dữ liệu nào có sẵn và cần thiết cho các trường hợp sử dụng cụ thể? Những cạm bẫy là gì và những ngoại lệ nào cần được xem xét? Nếu chúng tôi có thể nhanh chóng cải thiện chuyên môn trí tuệ nhân tạo AI chuyên nghiệp và công nghệ của mình, chúng tôi có thể tạo ra vị trí dẫn đầu chính cho mình ở Đức với bí quyết lĩnh vực này”.
Trí tuệ nhân tạo tại EMO Hannover
Khi máy móc liên kết và chia sẻ kiến thức, chúng sẽ trở nên thông minh hơn bao giờ hết. Trí tuệ nhân tạo làm cho mọi thứ có thể. Trong sản xuất công nghiệp, học máy đóng một vai trò quan trọng trong việc nâng cao mức độ hiệu quả. Mạng lưới thần kinh học tập sâu được sử dụng cho việc này. Tại EMO Hannover, nhiều công ty sẽ giới thiệu các thiết bị, hệ thống và linh kiện có thể tối ưu hóa quá trình sản xuất thông qua việc sử dụng các mô hình dựa trên dữ liệu. Nhà chế tạo máy công cụ JG Weisser Söhne GmbH & Co. KG sẽ cung cấp thông tin chi tiết về tương lai của ngành gia công kim loại tại EMO Hannover 2023 tại Gian hàng E64 ở Sảnh 11. Chuyên gia laser Trumpf sẽ trình bày tại Gian hàng G22 ở Sảnh 9.
Về EMO Hannover 2023 – Hội chợ Thương mại Hàng đầu Thế giới về Công nghệ Sản xuất
Các nhà sản xuất công nghệ sản xuất quốc tế sẽ trình bày các công nghệ thông minh cho toàn bộ chuỗi giá trị tại EMO Hannover 2023 từ ngày 18 đến ngày 23 tháng 9 năm 2023. Dưới biểu ngữ Đổi mới Sản xuất, hội chợ thương mại hàng đầu thế giới về công nghệ sản xuất sẽ giới thiệu toàn bộ các công nghệ gia công kim loại hiện đại là trung tâm của mọi quá trình sản xuất công nghiệp. Các thiết bị mới nhất sẽ được trưng bày, cũng như các giải pháp kỹ thuật hiệu quả, dịch vụ liên quan đến sản phẩm, phương pháp sản xuất bền vững và nhiều hơn thế nữa.
Trọng tâm chính của EMO Hannover là máy công cụ cắt và tạo hình, hệ thống sản xuất, công cụ chính xác, xử lý vật liệu tự động, công nghệ máy tính, điện tử công nghiệp và phụ kiện. Khách thăm EMO đến từ tất cả các lĩnh vực công nghiệp chính bao gồm xây dựng máy móc và nhà máy, ngành công nghiệp ô tô và các nhà cung cấp phụ tùng, công nghệ hàng không vũ trụ, kỹ thuật chính xác và quang học, đóng tàu, kỹ thuật y tế, chế tạo công cụ và khuôn mẫu, thép và kết cấu nhẹ.
EMO Hannover là nơi gặp gỡ quốc tế số một của ngành. Với hơn 2.200 công ty trưng bày đến từ 47 quốc gia đã thu hút gần 120.000 khách tham quan thương mại từ khoảng 150 quốc gia tại EMO Hannover 2019. EMO là nhãn hiệu đã đăng ký của hiệp hội máy công cụ Châu Âu Cecimo. EMO được tổ chức bởi VDW (Hiệp hội các nhà chế tạo máy công cụ Đức), Frankfurt am Main, CHLB Đức.
Người liên hệ
Viện Fraunhofer về Phần mềm và Kỹ thuật Hệ thống Ông Markus Spiekermann Trưởng phòng Kinh tế Dữ liệu Speicherstraße 6 44147 Dortmund, Germany Tel. +49 231 97677-424 markus.spiekermann@isst.fraunhofer.de https://www.isst.fraunhofer.de/
Prenode GmbH Tiến sĩ-Ing. Robin Hirt CEO và Founder Rintheimer Strasse 23 76131 Karlsruhe, Germany Điện thoại +49 721 98618966 robin.hirt@prenode.de https://prenode.de/
Trumpf SE + Co. KG Ông Ramona Hönl Người phát ngôn Máy công cụ Johann-Maus-Strasse 2 71254 Ditzingen, Germany Điện thoại +49 7156 303-31251 ramona.hoenl@trumpf.com https://www.trumpf.com
Để xem các tin bài khác về “Trí tuệ nhân tạo”, hãy nhấn vào đây.
Nguồn: EMO Hannover
