SẢN XUẤT

Tái công nghiệp hóa và thực tế của sản xuất

Tác giả: Del Costy, Chủ tịch kiêm Giám đốc Điều hành, Siemens Digital Industries

Sự hồi sinh của ngành sản xuất Mỹ bao gồm nhiều thứ hơn những gì xảy ra trên sàn nhà máy.

Tái công nghiệp hóa đòi hỏi các tổ chức phải nắm vững toàn bộ vòng đời đổi mới từ quan niệm sản phẩm thông qua kỹ thuật, xác nhận, sản xuất và tối ưu hóa. Hoa Kỳ từ lâu đã dẫn đầu trong việc xuất sắc về đổi mới. Thách thức bây giờ là hài hòa sự đổi mới đó với khả năng sản xuất hiện đại để chúng tôi có thể tiếp tục đổi mới với tốc độ.

Khi chúng ta nghĩ về phân khúc công nghiệp, chúng ta vẫn đang ở giai đoạn đầu của quá trình áp dụng công nghệ. Có những lợi ích to lớn cần đạt được - và mọi người sẽ đóng một vai trò quan trọng. Và, tất nhiên, bạn không thể có bất kỳ cuộc trò chuyện nào mà không hỏi: Việc áp dụng AI trong sản xuất có ý nghĩa gì?

Tâm lý đó đã định hình cách tôi nghĩ về những gì đang xảy ra trong sản xuất ngày nay. Bất cứ nơi nào tôi đi, mọi người đều nói về AI. Họ rất háo hức muốn nói về những gì AI có thể làm, nhưng ít người nói về những gì AI cần để hoạt động hiệu quả, và đó là bối cảnh.

Sản xuất đòi hỏi sự hiểu biết rõ ràng về các hệ thống, quy trình, vật liệu và các ràng buộc phức tạp. Đây là nơi mà AI trong sản xuất có thể cực kỳ mạnh mẽ. Nó có thể làm sáng tỏ hàng loạt dữ liệu, tìm ra các mô hình trong thông tin chi tiết để đưa ra các khuyến nghị về cải tiến sản phẩm, hệ thống, quy trình và nhà máy. Lưu ý là điều này chỉ hoạt động nếu AI dựa trên thực tế rằng sản xuất là một môi trường chính xác. Nếu không có bối cảnh, trí thông minh không chỉ là dự đoán - và chỉ dự đoán thôi là không đủ để biến đổi ngành công nghiệp.

Tại sao Industrial AI chỉ tốt bằng dữ liệu đằng sau nó

Đến nay, mọi người đã nghe lời hứa: “AI sẽ tối ưu hóa dây chuyền sản xuất, tăng tốc phát triển sản phẩm, cải thiện chất lượng và dự đoán thất bại trước khi chúng xảy ra.” Những cơ hội đó là có thật. Nhưng AI chỉ có thể mở rộng quy mô trong sản xuất khi dữ liệu được ngữ cảnh hóa và kết nối với vật lý của kỹ thuật và sản xuất.

Bạn có thể có mô hình tinh vi nhất trên thế giới, nhưng nếu nó thiếu hiểu biết về dung sai, vật liệu, hạn chế sản xuất, lịch sử xác nhận và yêu cầu hoạt động của bạn, kết quả sẽ không đáng tin cậy ở mức tốt nhất và gây bất lợi cho doanh nghiệp của bạn ở mức tồi tệ nhất. Các nhà sản xuất không thể chịu rủi ro khi triển khai AI quá tự tin Họ cần AI có thể đưa ra các khuyến nghị chính xác và đáng tin cậy mọi lúc

Đó là nơi mà nhiều cuộc trò chuyện về Industrial AI bị phá vỡ. Thông thường, các cuộc thảo luận về AI không phản ánh được những ràng buộc, ưu tiên và điều kiện của sàn xưởng. Các tổ chức đưa ra những lập luận nghe có vẻ thuyết phục nhưng bị ngắt kết nối với thế giới vật chất. Và trong sản xuất, sự tự tin mà không chắc chắn là nguy hiểm.

Điều thường không được nói là nhiều triển khai AI được xây dựng trên mô hình của người khác, chạy trên giả định của người khác về cách hoạt động của một doanh nghiệp. Trên thực tế, các nhà sản xuất đang thuê trí thông minh mà họ nên sở hữu.

Đồng thời, phát triển sản phẩm vẫn bị gánh nặng bởi các quy trình hàng thập kỷ. Đưa một sản phẩm mới ra thị trường có thể mất từ 40 đến 50 tháng. Trên hết, có tới 60% chi phí phát triển thường được tiêu thụ bởi việc tạo mẫu vật lý. Quá nhiều ngân sách R&D được dành để chứng minh các thiết kế thay vì đổi mới chúng.

Nếu các nhà sản xuất Mỹ muốn cạnh tranh và giành chiến thắng, chúng ta phải nén toàn bộ chu trình công nghiệp từ khái niệm đến sản xuất. Industrial AI có thể giúp đạt được mục tiêu đó, nhưng chỉ khi nó được xây dựng trên nền tảng dữ liệu phản ánh chính xác cách các sản phẩm được thiết kế, sản xuất và vận hành.

Liên kết liên quan:

Sản xuất đòi hỏi sự hiểu biết rõ ràng về các hệ thống, quy trình, vật liệu và các ràng buộc phức tạp. Đây là nơi mà AI trong sản xuất có thể cực kỳ mạnh mẽ, nhưng chỉ khi AI dựa trên thực tế rằng sản xuất là một môi trường chính xác.

Làm thế nào để xây dựng nền tảng kỹ thuật số cho AI công nghiệp đáng tin cậy

Năm ngoái, Siemens đã đầu tư 15 tỷ đô la vào các công ty phần mềm của Mỹ để đảm bảo khách hàng phát triển mạnh trong kỷ nguyên tiếp theo của chuyển đổi dựa trên dữ liệu và kỹ thuật số, và chúng tôi đã dành nhiều thập kỷ để xây dựng nền tảng dữ liệu liên quan.

Cách tiếp cận của chúng tôi bắt đầu với các hệ thống quản lý vòng đời sản phẩm nắm bắt và bảo tồn mọi sửa đổi thiết kế, thay đổi kỹ thuật và kết quả xác nhận trong môi trường riêng của khách hàng. Kiến thức thể chế đó vẫn thuộc về: với nhà sản xuất.

Chúng tôi kết hợp điều đó với các công nghệ mô phỏng dựa trên vật lý xác thực các khuyến nghị AI so với các mô hình kỹ thuật thực tế thay vì chỉ dựa vào đầu ra thống kê. Khi các đề xuất AI có thể được kiểm tra chống lại các định luật vật lý, các nhà sản xuất sẽ tự tin rằng họ có thể hành động dựa trên kết quả.

Phần thứ ba là tự động hóa. Với công nghệ kết nối thiết kế và sản xuất của Siemens, dữ liệu không dừng lại ở giai đoạn kỹ thuật. Nó mở rộng sang các hoạt động, tạo ra khả năng hiển thị thời gian thực về cách các sản phẩm, dây chuyền và nhà máy đang hoạt động trong thời gian thực. Cùng với nhau, những khả năng này tạo ra thứ mà không nền tảng AI độc lập nào có thể sao chép: dữ liệu theo ngữ cảnh được kết nối trong toàn bộ vòng đời.

Chúng tôi gọi đây là chuỗi kỹ thuật số. Nó kết nối ý định thiết kế với thực tế sản xuất và bảo tồn kiến thức tổ chức khi các sản phẩm và hệ thống phát triển. Nó cung cấp cho AI bối cảnh cần thiết để tạo ra kết quả có ý nghĩa.

Và sự khác biệt đó rất quan trọng. Industrial AI đáng tin cậy không thể được coi là một suy nghĩ sau đó. Các nhà sản xuất không thể thuê ngoài thông minh miền của họ và mong đợi kết quả tốt hơn. Họ cần một nền tảng kết nối kết nối các sản phẩm, quy trình và sản xuất để Industrial AI có thể hoạt động trên toàn doanh nghiệp thay vì bên trong các silo biệt lập.

Giá trị của cách tiếp cận đó trở nên rõ ràng khi chúng ta xem xét cách các công ty đang áp dụng nó vào thực tế.

Chúng ta cần thực hiện tái công nghiệp hóa như thế nào

Hoa Kỳ đã đặt ra một mục tiêu đầy tham vọng là tái công nghiệp hóa nền kinh tế của mình.

Ngành công nghiệp Mỹ đã đạt được những tiến bộ to lớn thông qua tự động hóa, phần mềm và công nghệ song sinh kỹ thuật số. Những đổi mới này đã giúp các nhà sản xuất trở nên năng suất cao hơn, kiên cường hơn và thích nghi hơn.

Nhưng khách hàng của chúng tôi đang bước vào một giai đoạn mới. Họ đang cố gắng xây dựng năng lực mới, hiện đại hóa các hoạt động hiện có và duy trì tính cạnh tranh toàn cầu - tất cả trong khi phải đối mặt với tình trạng thiếu lao động lành nghề dai dẳng.

Industrial AI được xây dựng trên nền tảng kỹ thuật số mạnh mẽ đó, giúp khách hàng mở rộng những gì con người của họ có khả năng. Nó cung cấp cho các kỹ sư, người vận hành và kỹ thuật viên các công cụ mới để trở nên hiệu quả hơn, tăng tốc đổi mới và hoàn thành nhiều hơn nữa.

Thách thức không phải là phát minh ra AI nữa. Nó đang triển khai AI ở quy mô doanh nghiệp. Ngày nay, chỉ một tỷ lệ nhỏ các tổ chức đã tích hợp thành công AI trong các hoạt động của họ. Thu hẹp khoảng cách triển khai đó là một trong những thách thức công nghiệp và cơ hội quyết định của thập kỷ tới.

Đó là những gì Siemens tập trung vào: giúp khách hàng của chúng tôi chuyển từ tham vọng AI sang triển khai AI và biến lời hứa của AI thành tăng năng suất thực sự trong ngành công nghiệp Mỹ.

Cách PepsiCo sử dụng cặp song sinh kỹ thuật số và AI để tăng tốc hiệu suất sản xuất

Với một trong những khách hàng của chúng tôi, PepsiCo, chúng tôi đã xây dựng một khung có thể nhân rộng kết hợp công nghệ Digital Twin, Industrial AI và kiến trúc IT/OT được kết nối để giúp mở rộng các cải tiến trong các hoạt động sản xuất, kho bãi và hậu cần.

Kết quả rất đáng kể. Tại một cơ sở Gatorade của Hoa Kỳ, PepsiCo đã đạt được mức tăng 20% thông lượng chỉ trong vòng ba tháng. Công ty cũng ước tính giảm 10 đến 15% chi tiêu vốn bằng cách sử dụng xác thực ảo để phát hiện năng lực tiềm ẩn trước khi thực hiện các khoản đầu tư vật lý.

Bộ đôi kỹ thuật số đã giúp nén các mốc thời gian thiết kế và tối ưu hóa cơ sở từ nhiều tháng thành nhiều ngày. Bằng cách tạo các mô hình dựa trên vật lý sử dụng dữ liệu hoạt động thực từ nhiều cơ sở, các nhóm có thể thiết lập các đường cơ sở về hiệu suất, xác định tắc nghẽn, hiểu luồng vật liệu và xác định chính xác nơi và lý do năng lượng được tiêu thụ.

Hơn 90% các vấn đề sản xuất có thể được xác định trước khi bắt đầu sản xuất.

Đây là sức mạnh của phương pháp tiếp cận kỹ thuật số ưu tiên mà PepsiCo khai thác. Các kỹ sư tối ưu hóa bố cục trước khi thiết bị được di chuyển. Lưu lượng vật liệu được xác nhận trước khi chạm vào băng tải. Các quy trình sử dụng nhiều năng lượng được xác định trước khi chúng tạo ra những thách thức hoạt động. Quyết định được thúc đẩy bởi dữ liệu hơn là giả định.

Khi đổi mới sản phẩm, phát triển quy trình và thực hiện sản xuất được kết nối, các tổ chức sẽ đạt được tốc độ và sự tự tin cần thiết để hiện đại hóa cơ sở hạ tầng kế thừa. Đó chính xác là cách các nhà sản xuất giành chiến thắng trong cuộc đua với thời gian.

Trong khi tái công nghiệp hóa chắc chắn là cải thiện các hoạt động hiện có, một thành phần quan trọng khác là xây dựng các mô hình sản xuất hoàn toàn mới.

Haddy thể hiện tương lai của sản xuất phân tán như thế nào

Một ví dụ khác về một công ty tận dụng danh mục phần mềm, phần cứng và tự động hóa tích hợp của Siemens là Haddy, một công ty in 3D robot hỗ trợ AI, đang thay đổi cơ bản tương lai của cách chúng tôi sản xuất.

Mô hình MicroFactory của Haddy chứng minh thực tế đó, kết hợp năng lực sản xuất công nghiệp với kinh tế hiệu quả cao để sản xuất mọi thứ từ trang trí công viên giải trí đến thuyền cho Hải quân. Công ty này, một người chiến thắng gần đây của Siemens Giải thưởng Techcellence, kết nối các yêu cầu thương mại và quốc phòng, giúp kết nối đổi mới doanh nghiệp với sự sẵn sàng công nghiệp quốc gia.

Điều làm cho mô hình mà Haddy sử dụng hấp dẫn là cách AI liên tục cải thiện hiệu suất sản xuất thông qua một vòng phản hồi khép kín:

Bước 1 - Phần nói chuyện: Một máy ảnh phát hiện một vết lõm bề mặt nhỏ gần như không thể để con người chú ý.

Bước 2 — Hệ thống lắng nghe: Hệ thống nhận ra áp suất tăng đột biến bốn phút trước khi lỗi xuất hiện. AI kết nối các tín hiệu đó và xác định một mối quan hệ.

Bước 3 - Nó theo dõi nguyên nhân gốc rễ: Phân tích cho thấy sự suy thoái vật liệu xảy ra ở thượng nguồn trong quá trình sấy khô trước khi bắt đầu in ấn.

Bước 4 - Nó tự sửa chữa: Nhiệt độ máy sấy được điều chỉnh tự động. Sản xuất tiếp tục không bị gián đoạn.

Bước 5 — Nó xác minh: Mười lớp tiếp theo in thành công. Vấn đề được ghi lại và ghi lại như đã được giải quyết.

Bước 6 — Mỗi máy trở nên thông minh hơn: Giải pháp được chia sẻ trên mọi máy in Haddy trên toàn cầu, làm nó vĩnh viễn và lặp lại.

Vòng lặp này không thể thực hiện được chỉ thông qua tự động hóa. Nó là một ngăn xếp phần cứng, phần mềm và tự động hóa kết hợp tạo điều kiện thuận lợi cho việc học tập thể chế ở quy mô công nghiệp.

Tái công nghiệp hóa đòi hỏi phải kết nối đổi mới với sản xuất

Tin tốt về những nỗ lực tái công nghiệp hóa trong các ngành công nghiệp của Mỹ là các nhà sản xuất không cần phải tái phát minh kỹ thuật để đạt được kết quả đột phá. Bằng cách kết hợp các khung kỹ thuật đã được chứng minh với mô phỏng và Industrial AI, những lợi ích phi thường về hiệu quả trở nên khả thi.

Các tổ chức dẫn đầu thập kỷ sản xuất tiếp theo sẽ là những tổ chức xây dựng nền tảng mạnh mẽ nhất cho AI công nghiệp. Họ sẽ là những công ty duy trì chuyên môn về lĩnh vực, thiết kế và sản xuất kết nối, đồng thời đảm bảo mọi quyết định dựa trên AI có thể được xác nhận dựa trên vật lý. Biến các khuyến nghị AI xác suất thành kết quả xác định.

Đó là bài học mà chúng ta thấy từ các công ty như PepsiCo, Haddy và nhiều công ty khác đã nhận ra rằng đây không chỉ là lợi thế cạnh tranh, mà còn là con đường thúc đẩy sản xuất của Mỹ.

Các thành phố và doanh nghiệp Mỹ đã cam kết tái công nghiệp hóa đã không chờ đợi một tín hiệu để bắt đầu xây dựng lại tương lai của họ. Các nhà sản xuất của Mỹ cũng không thể chờ đợi.

Xây dựng nền tảng, sở hữu trí thông minh và hợp tác với các tổ chức hiểu cách kết nối đổi mới với sản xuất và cùng nhau chúng ta có thể đẩy nhanh kỷ nguyên tái công nghiệp hóa tiếp theo của Mỹ.

Xuất bản: Ngày 17 tháng 8 năm 2026