Doanh nghiệp cần biết những gì để áp dụng “Máy móc tự học” vào sản xuất công nghiệp (Phần 1)

Thông qua việc hiểu được khái niệm, cách phân loại và tận dụng những ưu thế của “Máy móc tự học”, cách nhà sản xuất sẽ dễ dàng gặt hái được thành công hơn khi áp dụng công nghệ này.

Khái niệm Machine learning – Máy móc tự học (ML) đang ngày càng xuất hiện nhiều hơn trên các phương tiện thông tin đại chúng, hay thậm chí tương tác cùng chúng ta mỗi ngày, ngay cả khi chúng ta không nhận ra điều đó. Từ những công nghệ mới được giới thiệu bởi Netflix và Amazon, đến các ứng dụng nhận dạng giọng nói Siri và Cortana hay trí tuệ nhân tạo tự tính toán thời gian đi lại của Google Maps… tất cả chúng dường như đều quen thuộc với chúng ta hơn là khái niệm “Máy móc tự học”.

Phổ biến là thế nhưng việc ứng dụng công nghệ ML vào ngành sản xuất công nghiệp lại là một câu chuyện khác. Mặc dù có không ít công ty đang sử dụng loại công nghệ này, nhưng dĩ nhiên nó cũng không “dễ thấy” như các ứng dụng vừa kể trên. Trong bài diễn thuyết của mình trong hội thảo Ignition Community 2018, Kathy Applebaum và Kevin McClusky đã chỉ ra cách phân loại dành cho công nghệ ML, các loại thuật toán khác nhau được áp dụng trong ML và quan trọng nhất là chỉ ra những điều doanh nghiệp cần biết khi ứng dụng ML tại cơ sở của họ.

Nhìn vào tình trạng áp dụng công nghệ ML trong các ngành công nghiệp hiện nay, Applebaum cho biết việc bảo trì tiên đoán chính là điểm nhấn của công nghệ này, kế đó là ứng dụng kiểm soát chất lượng, dự báo nhu cầu và đào tạo robot.

Với vai trò rõ ràng và nhu cầu sử dụng ngày càng gia tăng, việc tìm kiếm ứng dụng ML phù hợp với tổ chức của mình đang là mối quan tâm của các nhà quản lý. Trả lời cho vấn đề này, McClusky đã đề xuất sử dụng phần mềm Automation’s Ignition phiên bản 7.9.8 với tính năng đa dụng để đáp ứng nhu cầu của các tổ chức trong nhiều điều kiện khác nhau.

Các loại công nghệ ML

Applebaum cho biết điều quan trọng đầu tiên đối với các tổ chức là phải nhận thức được ba loại công nghệ ML chính được sử dụng để tham chiếu và không thiếu các đối số về sự kết hợp công nghệ giữa ba loại này. Ba loại này là:

• Analytics — “Ở đây có nghĩa là khám phá kiến thức”, cô nói. “Có thể bạn đang cần thực hiện phân tích mô tả (tức là chạy báo cáo từ cơ sở dữ liệu). Thông qua việc áp dụng ML, việc phân tích sẽ thêm thành phần “lý do” vào phân tích mô tả để xác định nguyên nhân của vấn đề (ví dụ: tại sao máy bị hỏng) và trở thành phân tích dự báo. Phân tích dự báo có thể xem xét những vấn đề có khả năng xảy ra trong tương lai và thường không cụ thể, dựa trên những gì đã xảy ra trước đó. Cuối cùng, nhà quản lý sẽ xây dựng đề xuất để giải quyết vấn đề dựa trên những gì được dự báo trước.”
• Artificial intelligence – Trí tuệ nhân tạo: Bản chất của ML bao gồm một phần không thể thiếu: Sử dụng dữ liệu tự động hóa để không ngừng tự cải thiện (khả năng tự học). Tiêu biểu nhất cho loại công nghệ này chính là Trí tuệ nhân tạo (AI). “Đây là công nghệ có thể mô phỏng trí thông minh của con người.” Applebaum đánh giá.
• Các thuật toán: Để minh họa vai trò của các thuật toán trong ML đối ứng trong các trường hợp khác nhau, đầu tiên, McClusky đưa ra những hướng dẫn ứng dụng ML nhằm mục đích nhóm các điểm dữ liệu lại với nhau.

Chúng ta sẽ cùng tìm hiểu rõ hơn về các thuật toán của ML do McClusky giới thiệu trong phần sau của loạt bài viết về công nghệ này.

Văn phòng NSCL biên dịch