benlong 
AI Tác nhân trong Sản xuất: Cách các Tác nhân AI Đang Thay đổi Sàn Nhà Máy
Bây giờ là 2:40 sáng, và một nhà cung cấp đã gửi email thông báo rằng một lô cuộn dây đồng sẽ bị giao trễ hai ngày. Ở hầu hết các nhà máy sản xuất, tin nhắn này chỉ nằm trong hộp thư đến cho đến khi người lập kế hoạch đến nhà máy vào lúc tám giờ. Tuy nhiên, vào thời điểm đó, công nhân ca đêm, đã bắt đầu công việc sản xuất sử dụng các cuộn dây này, sẽ nhận ra rằng dây chuyền sẽ ngừng hoạt động vào buổi trưa, buộc ai đó phải hoàn thành việc lập lại kế hoạch thủ công cho các quy trình trong ngày.
Bây giờ hãy tưởng tượng một đêm khác. Một đại lý phần mềm đọc email đến, kiểm tra các đơn hàng phụ thuộc vào các cuộn dây bị trễ, cũng như các nguồn cung còn lại trong kho, và tạo ra một dòng thời gian hoạt động mới mà nhà máy có thể theo dõi mà không cần các cuộn dây đó. Nó kiểm tra khả năng sử dụng thiết bị thông qua dữ liệu MES, xác định hai đơn hàng sẽ bị trễ, và gửi cho người lập kế hoạch một tin nhắn phác thảo dòng thời gian mới được lên kế hoạch.
Kịch bản thứ hai này chính là điều người ta nói đến khi nhắc về AI đại lý trong sản xuất. Thực sự không chỉ là một bảng điều khiển thông minh mà còn là khả năng của AI đại lý trong việc lập kế hoạch tất cả các hành động cần thiết, sử dụng các công cụ phần mềm nhà máy và hoàn thành quy trình sản xuất một cách độc lập.
Khái niệm AI đại lý đã nhanh chóng chuyển từ một ý tưởng thú vị thành một phần trong lộ trình của các nhà cung cấp. Ví dụ, vào mùa xuân năm 2026, IBM đã công bố một hướng dẫn chỉ ra rằng quản lý chất lượng tự động, lập kế hoạch động và tối ưu hóa quy trình đầu-cuối nên là các ứng dụng hàng đầu của công nghệ AI đại lý. Vào tháng Ba cùng năm, Siemens tuyên bố rằng các hệ thống AI công nghiệp đang trở nên đại lý; họ cũng giới thiệu đại lý điều phối giám sát các đại lý chuyên biệt hoạt động với sự trợ giúp của chương trình Industrial Copilot. Trong tháng đó, Microsoft thậm chí gọi năm 2026 là bước ngoặt cho AI, nơi quản trị cũng như khả năng đảo ngược sẽ là những yếu tố thành công chính trong việc triển khai AI.
Hướng dẫn hiện tại sẽ cung cấp thông tin về AI đại lý là gì, nơi nó đã được sử dụng, và cách triển khai công nghệ mà không tạo ra rủi ro mới. Hơn nữa, chúng tôi sẽ dẫn bạn qua một ví dụ về việc sử dụng nó trong quy trình kiểm tra cầu dao.
Câu trả lời nhanh: AI đại lý trong sản xuất được mô tả là các hệ thống AI có khả năng làm việc để đạt được các mục tiêu đã đặt ra thông qua việc lập kế hoạch các hành động cần thiết, lấy thông tin từ các hệ thống dữ liệu như MES, ERP và phần mềm bảo trì và thực hiện các hành động với sự tham gia tối thiểu của con người. Các ứng dụng chính của công nghệ AI đại lý trong sản xuất bao gồm điều tra chất lượng, lập kế hoạch động, phối hợp bảo trì và lập lại kế hoạch chuỗi cung ứng. Trong hầu hết các đơn vị sản xuất hiệu quả nhất, các đại lý hoạt động dưới các giới hạn quyền hạn được xác định rõ ràng: logic an toàn nằm trong PLC, trong khi các hành động có rủi ro cao hơn đi kèm với yêu cầu phê duyệt của con người.
AI Agentic trong Sản xuất là gì?
Phần lớn các nhà máy đã sử dụng các dạng “trí tuệ” từ trước. PLC tính toán các phép toán logic với tần suất rất cao—mỗi giây, nó thực hiện hoạt động này hàng nghìn lần. Hệ thống thị giác loại bỏ các sản phẩm lỗi. Mô hình dự đoán cho thấy vòng bi bị suy giảm. Câu hỏi là: Điều gì mới ở đây?
Điều thực sự khác biệt là việc đóng vòng lặp trong câu hỏi. Mô hình dự đoán cung cấp một số thông tin trong khi hệ thống agentic có khả năng hành động dựa trên thông tin đó. Theo Siemens, hệ thống agentic đại diện cho AI sử dụng nhiều nguồn dữ liệu và công cụ để cung cấp giải pháp và giải quyết các vấn đề đa bước mà không cần ai đó phải thực hiện từng cú nhấp chuột. IBM mô tả nó theo hoạt động trên sàn sản xuất. Hệ thống agentic có thể thay đổi cài đặt máy khi phát hiện lỗi thay vì chỉ báo cáo về lỗi đó.
Trong thực tế, Các tác nhân AI trong sản xuất có thể được xem như các chương trình máy tính thực hiện ba chức năng: có mục đích (duy trì mục tiêu sản lượng trên dây chuyền 3 và xử lý cảnh báo chất lượng), có quyền truy cập nhất định vào các công cụ (đọc MES, tạo lệnh công việc bảo trì thiết bị, kiểm tra mức tồn kho của nhà cung cấp), và được hướng dẫn bởi các quy tắc liên quan đến hành động của chúng.
Tác nhân AI so với AI truyền thống so với Tự động hóa
Các thuật ngữ này thường bị nhầm lẫn, vì vậy đây là cách chúng so sánh trên một sàn sản xuất điển hình.
| Công nghệ | Nó làm gì | Ví dụ nhà máy | Ai thực hiện hành động dựa trên kết quả |
|---|---|---|---|
| Tự động hóa dựa trên quy tắc (PLC, robot) | Thực thi logic cố định chính xác như được lập trình | Một trạm ép loại bỏ một bộ phận khi lực vượt quá giới hạn | Máy móc, trong phạm vi quy tắc cố định |
| AI dự đoán / phân tích | Tìm mẫu và dự báo kết quả | Một mô hình dự đoán trục chính sẽ hỏng trong mười ngày | Một người đọc cảnh báo và quyết định |
| AI copilot tạo nội dung | Trả lời câu hỏi và soạn thảo nội dung theo yêu cầu | Một kỹ sư yêu cầu mã PLC hoặc giải thích lỗi bằng ngôn ngữ đơn giản | Một người, sau mỗi yêu cầu |
| AI Agentic | Lập kế hoạch và thực hiện công việc đa bước hướng tới mục tiêu sử dụng công cụ | Một tác nhân thấy dự đoán lỗi, tìm khoảng thời gian tải thấp, đặt lịch kỹ thuật viên và đặt hàng bộ phận | Tác nhân, trong giới hạn được phê duyệt; con người phê duyệt các bước rủi ro cao hơn |
Lưu ý rằng AI agentic không thay thế ba loại còn lại. Nó nằm trên cùng của chúng. PLC vẫn vận hành máy. Mô hình dự đoán vẫn tạo ra dự báo. Tác nhân là lớp biến các tín hiệu đó thành hành động.
Cách một Tác nhân AI Hoạt động trên Sàn Nhà máy
Có tới bốn thuật toán chính được thiết lập để vận hành lõi của hầu hết các tác nhân công nghiệp:
Nhận thức thông tin thời gian thực và lịch sử thu thập từ trạng thái máy quan sát trong SCADA hoặc PLC, kết quả kiểm tra vận hành lưu trữ trong MES hoặc đơn hàng ERP, và yêu cầu mua hàng cập nhật qua cổng nhà cung cấp hoặc email.
Lý luận. Sử dụng mô hình ngôn ngữ cộng với quy tắc lĩnh vực để hiểu tình huống và xây dựng kế hoạch, ví dụ, “kết quả ngắt mạch đang dao động; đầu tiên kiểm tra xem có phải một thiết bị thử nghiệm gây ra.”
Kích hoạt. Gọi công cụ: chạy truy vấn, tạo lệnh công việc, cập nhật lịch trình và gửi tin nhắn. Mỗi cuộc gọi được tạo đều có nhật ký.
Học hỏi. Xem kết quả và so sánh với những gì đã mong đợi; sau đó, điều chỉnh quyết định tiếp theo.
Mất một đại lý chung cho tất cả là hiếm đối với các nhà máy lớn. Họ đã áp dụng nhiều đại lý chuyên biệt với một bộ điều phối chịu trách nhiệm. Đây chính xác là điều Siemens đề cập: các Phi công Công nghiệp của họ là giao diện đối thoại phía trước, trong khi đại lý điều phối chọn đại lý chuyên gia nào hoàn thành phần công việc nào. IBM gọi mô hình tương tự là hệ thống đa đại lý hoạt động xuyên suốt các quy trình làm việc thay vì bị mắc kẹt trong một nhiệm vụ riêng biệt.
Những gì IBM, Siemens và Microsoft đang nói
Ba công ty tiếp cận chủ đề từ các góc độ khác nhau; điều này hữu ích vì nó có nghĩa là tất cả họ đều bao phủ các khía cạnh khác nhau của chiến lược, phần mềm công nghiệp và hạ tầng đám mây.
IBM xem AI đại lý như một quá trình ra quyết định liên tục đánh giá đồng thời chi phí, chất lượng và giao hàng. Tổng quan năm 2026 của công ty trình bày tám lĩnh vực ứng dụng từ chất lượng và lập lịch đến bán hàng và chuỗi cung ứng, và thêm dự đoán của Gartner rằng đến năm 2028 AI đại lý sẽ được sử dụng trong 33 phần trăm ứng dụng phần mềm doanh nghiệp so với dưới 1 phần trăm vào năm 2024.
Siemens tập trung vào chuỗi giá trị công nghiệp, bao gồm thiết kế, lập kế hoạch, kỹ thuật, vận hành và bảo trì. Khi quảng bá AI đại lý tại Automate 2025, CEO Rainer Brehm gọi công nghệ này là bước tiến “vượt ra ngoài mô hình hỏi-đáp,” đến các hệ thống có khả năng hoàn thành quy trình làm việc. Công ty khẳng định cung cấp tăng năng suất lên đến 50 phần trăm, và đảm bảo khách hàng kiểm soát các nhiệm vụ họ giao cho đại lý.
Microsoft tập trung vào điều phối và sự tin cậy. Bài viết của họ xuất bản vào tháng 3 năm 2026 mô tả ba chuyển đổi—hệ thống, dữ liệu và công việc—với các công cụ cho phép người dùng làm việc với trợ lý được thay thế bằng đại lý thực hiện nhiệm vụ. Theo công ty, một khi trí tuệ nhân tạo phát triển từ việc cung cấp đề xuất sang thực hiện nhiệm vụ, nhu cầu quản lý mô hình, kiểm soát truy cập, dữ liệu, OT và giải thích quyết định phát sinh.
Các trường hợp sử dụng AI đại lý trong sản xuất
Đây là nơi cuộc trò chuyện trở nên thực tế. Dưới đây là các trường hợp sử dụng AI đại lý trong sản xuất thường xuất hiện nhất trong tài liệu nhà cung cấp và các triển khai ban đầu, với loại công việc mà một đại lý thực sự làm trong mỗi trường hợp.
Quản lý chất lượng tự động
Vì thông tin đã có sẵn, chất lượng là trạng thái khởi đầu trong trường hợp này. Bất kỳ số lượng camera kiểm tra, băng thử hoặc đồng hồ đo nào cũng đều tạo ra số liệu và hầu hết thời gian những số liệu này chỉ được xem xét một lần.
Tuy nhiên, không giống như các hệ thống khác, một đại lý chất lượng liên tục giám sát dữ liệu. Điều này ngụ ý rằng khi đại lý phát hiện bất kỳ bất thường nào trong dữ liệu (chẳng hạn như tỷ lệ lỗi tăng, giới hạn gần đạt hoặc hàng loạt lỗi trong một ca làm việc cụ thể), nó không chỉ ghi lại bất thường đó. Nó điều tra các câu hỏi như trạm sản xuất hoặc thiết bị nào đã tạo ra kết quả như vậy.
Ví dụ, IBM trong lĩnh vực điện tử: khi hệ thống phát hiện lỗi lặp lại khi hàn, nó có khả năng điều chỉnh nhiệt độ và thời gian trên thiết bị hoặc khởi động kiểm tra mục tiêu tất cả các bảng mạch mới được hàn gần đây.
Trong trường hợp sản phẩm quan trọng về an toàn, chức năng của đại lý thường giới hạn trong việc điều tra trong khi bất kỳ thay đổi nào của quy trình đều phải được kỹ sư có giấy phép phê duyệt.
Lập lịch sản xuất động
Ngay khi lịch sản xuất được tạo ra, nó bắt đầu trở nên lỗi thời. Điều này có thể do sự cố máy móc, đơn hàng gấp hoặc vấn đề giao hàng. Điều này có nghĩa là công nhân sẽ phải liên tục lập lại lịch mọi thứ trên bảng tính của họ, đặc biệt là trong ngày.
Các đại lý lập lịch tiếp tục lập lại lịch các đơn hàng sử dụng thông tin trực tiếp về trạng thái đơn hàng, máy móc, khả năng lao động và khả năng vật liệu. IBM đưa ra ví dụ trong một nhà máy ô tô khi sản xuất bị đình chỉ do một số linh kiện chính bị giao chậm. Tuy nhiên, thay vì tắt sản xuất, đại lý lập lịch có thể dễ dàng tổ chức lại quy trình sản xuất, đặt hàng các xe không cần linh kiện đó để sản xuất trước và cân bằng khối lượng công việc giữa các công nhân dây chuyền.
Cách tiếp cận này có thể áp dụng tương tự trong hầu hết các quy trình sản xuất. Ngay cả một nhà sản xuất cầu dao nhỏ làm nhiều mẫu khác nhau cũng có thể hưởng lợi từ việc giảm số lần thay đổi cần thiết.
Điều phối bảo trì dự đoán
Bảo trì dự đoán đã tồn tại từ lâu, nhưng thách thức luôn là điều gì xảy ra sau dự đoán. Ai đó cần nhận cảnh báo, kiểm tra lịch trình, tìm kỹ thuật viên, đặt bộ phận cần thiết và thương lượng thời gian ngừng hoạt động với bộ phận sản xuất.
Công việc này được xử lý bởi các đại lý. IBM mô tả đại lý là những người có khả năng lập lịch công việc trong thời gian dự kiến ngừng sản xuất, đặt bộ phận thay thế, phân công kỹ thuật viên và tạm thời thay đổi tải với các máy khác. Cách tiếp cận tương tự đã được áp dụng trong dự án Senseye Maintenance Copilot của Siemens. Theo Siemens, khách hàng thử nghiệm đã giảm thời gian dành cho các hoạt động bảo trì phản ứng trung bình 25%.
Điều phối chuỗi cung ứng và tồn kho
Microsoft tin rằng AI chuỗi cung ứng giai đoạn đầu chỉ tạo ra các báo cáo và bảng điều khiển, sau đó con người sẽ hành động dựa trên những hiểu biết nhận được. Giai đoạn tiếp theo là có AI có khả năng hành động bằng cách phối hợp với nhà cung cấp, kích hoạt nguồn lực hoặc lập lại kế hoạch, và quản lý bất kỳ vấn đề logistics tiềm năng nào.
IBM đề cập đến nghiên cứu của chính mình, được thực hiện hợp tác với Oracle và Accelalpha, cho thấy 62% các giám đốc chuỗi cung ứng cho rằng các đại lý AI tăng tốc độ hành động. Trong khi đó, 76% các trưởng bộ phận chuỗi cung ứng kỳ vọng các đại lý có khả năng giải quyết các nhiệm vụ thường xuyên với tốc độ vượt trội hơn con người sẽ giúp đạt hiệu quả tốt hơn trong các quy trình vận hành.
Đối với một nhà máy cụ thể, phiên bản thực tế là đại lý hiểu rằng một trong các nhà cung cấp bị trễ, xác định các đơn hàng sẽ bị ảnh hưởng và đề xuất nhà cung cấp hoặc vật liệu khác cho đơn hàng đó. Đây là câu chuyện lúc 2:40 sáng đã được mô tả trước đó.
Tối ưu hóa quy trình từ đầu đến cuối
Trong các sáng kiến cải tiến quy trình truyền thống, tối ưu hóa chỉ xảy ra tại một trạm duy nhất. Có thể xem xét từng tham số của quy trình trong khi thực hiện các đánh đổi giữa tốc độ, chi phí và chất lượng của quy trình.
Điều này được chứng minh qua một trường hợp với hàng tiêu dùng của IBM. Đại lý phát hiện rằng giảm tốc độ quy trình sẽ dẫn đến giảm đáng kể tỷ lệ lỗi, từ đó giảm tổng chi phí sản xuất. Các thay đổi được thực hiện ngay lập tức và liên tục tối ưu hóa trong quy trình. Một kỹ sư có kinh nghiệm có thể đã đi đến kết luận tương tự, mặc dù sau nhiều tháng phân tích dữ liệu, chứ không phải chỉ trong vài ngày.
Tối ưu hóa năng lượng và tài nguyên
Các cơ sở công nghiệp nặng có khả năng kiểm soát chuyển đổi tải linh hoạt, cho phép tiết kiệm chi phí. Việc sử dụng các đại lý trong sản xuất thép và hóa chất cho phép các quy trình tiêu thụ nhiều năng lượng diễn ra khi giá điện thấp nhất mà không làm giảm sản lượng.
Các nhà sản xuất thiết bị điện có các ví dụ riêng về tải linh hoạt dưới dạng kiểm tra burn-in các linh kiện điện tử. Một ví dụ điển hình là Dây chuyền sản xuất MCB thông minh IoT, nơi các bài kiểm tra lão hóa được thực hiện trong vài ngày dưới điều kiện tải.
Kỹ thuật, lập trình PLC và phát triển sản phẩm
Một số công nghệ đại lý tiên tiến nhất có thể được tìm thấy trong kỹ thuật hơn là trên sàn sản xuất. Engineering Copilot của Siemens cho TIA Portal cho phép các kỹ sư tự động hóa phát triển mã PLC từ các hướng dẫn đơn giản, trong khi trong NX CAD, chức năng Design Copilot hoạt động. Siemens báo cáo rằng tại thyssenkrupp Automation Engineering, các kỹ sư đã ghi nhận chất lượng mã được cải thiện và phát triển nhanh hơn.
IBM đại diện cho các đại lý chia nhỏ nhiệm vụ kỹ thuật phức tạp thành các phần nhỏ hơn, phát triển các biến thể thiết kế và kiểm soát các mô phỏng, thường trong một bản sao số, từ rất sớm trước khi bất kỳ vật thể vật lý nào xuất hiện. Chu kỳ sản xuất ngắn hơn đồng nghĩa với việc đưa vào vận hành nhanh hơn cho bất kỳ người tiêu dùng tự động hóa nào.
Hỗ trợ vận hành tuyến đầu
Microsoft tin rằng các đội ngũ tuyến đầu sử dụng các copilots đa phương thức sẽ tự giải quyết được nhiều vấn đề hơn và cho rằng các quy trình này liên quan đến con người và AI cuối cùng sẽ trở thành các đại lý vận hành. Operations Copilot từ Siemens theo nguyên tắc tương tự, khi các vận hành viên và kỹ thuật viên sử dụng dữ liệu máy để nhận hướng dẫn khắc phục sự cố bằng ngôn ngữ dễ hiểu.
Đối với các cơ sở có tỷ lệ nhân viên thay đổi cao – một hiện tượng phổ biến ở nhiều thị trường xuất khẩu mới nổi – đây có thể là cách nhanh nhất để thu lợi ích, vì nó cho phép mỗi nhân viên mới được hưởng lợi từ chuyên môn của kỹ thuật viên cao cấp.
Ứng dụng AI đại lý trong sản xuất tổng quan
Bảng dưới đây tóm tắt các ứng dụng AI đại lý chính trong sản xuất, các hệ thống mà mỗi đại lý thường kết nối, và nơi con người thường giữ vai trò kiểm soát.
| Trường hợp sử dụng | Đại lý làm gì | Hệ thống kết nối | Điểm kiểm tra con người điển hình |
|---|---|---|---|
| Quản lý chất lượng | Phát hiện xu hướng, truy tìm nguyên nhân gốc rễ, kích hoạt kiểm tra bổ sung | MES, băng thử, thị giác máy, SPC | Kỹ sư phê duyệt mọi thay đổi quy trình |
| Lập kế hoạch sản xuất | Sắp xếp lại công việc khi đơn hàng, máy móc hoặc vật liệu thay đổi | ERP, MES, phần mềm lập kế hoạch | Người lập kế hoạch phê duyệt các thay đổi làm thay đổi ngày giao hàng |
| Điều phối bảo trì | Đặt lịch làm việc trong các khoảng thời gian tải thấp, đặt hàng linh kiện, phân công kỹ thuật viên | CMMS, giám sát điều kiện, MES | Giám sát viên xác nhận khoảng thời gian ngừng hoạt động |
| Điều phối chuỗi cung ứng | Phản ứng với chậm trễ nhà cung cấp, điều chỉnh đơn hàng và kế hoạch | ERP, cổng nhà cung cấp, email | Người mua phê duyệt nhà cung cấp mới hoặc chi tiêu thêm |
| Tối ưu hóa quy trình | Điều chỉnh tốc độ và điểm đặt trong phạm vi được phê duyệt | MES, hệ thống lưu trữ dữ liệu, giao diện máy được phê duyệt | Chủ quy trình đặt phạm vi cho phép |
| Quản lý năng lượng | Di chuyển tải linh hoạt sang các khoảng thời gian giá rẻ hơn | Đồng hồ đo năng lượng, MES, dữ liệu biểu giá | Quản lý cơ sở đặt giới hạn |
| Kỹ thuật | Tạo mã PLC, các biến thể thiết kế và mô phỏng | TIA Portal, CAD, PLM, công cụ mô phỏng | Kỹ sư xem xét và kiểm tra tất cả mã |
| Hỗ trợ tuyến đầu | Trả lời câu hỏi của vận hành viên, hướng dẫn tìm lỗi | Sổ tay, MES, dữ liệu máy | Vận hành viên quyết định hành động |
AI đại lý trong sản xuất rời rạc
Các hoạt động quy trình công nghiệp như nhà máy lọc dầu và nhà máy hóa chất từ lâu đã sử dụng công nghệ điều khiển quy trình tiên tiến. Ngược lại, sự xuất hiện của công nghệ AI tự động đã mở ra một lĩnh vực cho sản xuất rời rạc, khi các nhà máy sản xuất rời rạc đối mặt với nhiều bất đối xứng mà các hệ thống truyền thống không thể xử lý hiệu quả.
Hãy xem xét một nhà máy sản xuất thiết bị điện – bộ ngắt mạch, bộ khởi động hoặc thiết bị đo lường. Đơn vị sản xuất vận hành với hàng chục phiên bản thiết bị điện với nhiều tùy chọn và sửa đổi, mỗi phiên bản có thể dẫn đến nhiều lỗi sản xuất. Mỗi lần chuyển đổi sản xuất từ một thao tác sang thao tác khác có nguy cơ sử dụng kế hoạch sản xuất sai cao hơn. Việc theo dõi các bộ phận sản xuất trong trường hợp này phức tạp và bị chi phối bởi vô số biến số, tạo cơ hội tuyệt vời cho một đại lý “giải quyết” thông minh sử dụng các công nghệ tiên tiến.
Hiệu quả được chứng minh bởi các nhà sản xuất hàng đầu làm việc với nhiều loại sản phẩm khác nhau đã chứng minh điều này. Rockwell Automation Singapore sản xuất hơn 1.000 sản phẩm đa dạng, phần lớn trong số đó trải qua nhiều thay đổi trong năm do triển khai hơn 50 công nghệ số và AI, trong đó có AI cho kiểm soát chất lượng. Siemens Amberg và Eaton Changzhou cũng kể một câu chuyện tương tự, và chúng tôi đã đề cập cách họ đạt được điều đó trong hướng dẫn của chúng tôi về ví dụ nhà máy hải đăng từ Schneider, Siemens và Eaton.
Ví dụ: Làm thế nào một Đại lý AI có thể phản ứng với các vấn đề chất lượng trên dây chuyền kiểm tra MCB
Đây là một ví dụ về cách AI dựa trên đại lý có thể hoạt động với dữ liệu kiểm tra. Nó không mô tả hoạt động của một hệ thống AI đại lý thực tế đã được đưa vào phục vụ Benlong.
Hãy tưởng tượng một dây chuyền Dây chuyền kiểm tra tự động MCB chạy các bộ ngắt mạch C16 tốc độ cao. Mỗi thiết bị trải qua các bài kiểm tra về ngắt từ tức thời ở mức 5-10× In, hiệu chuẩn nhiệt ở mức 1,13× và 1,45× In, và điện trở tiếp xúc. Dây chuyền thực hiện 1.800-2.400 đơn vị mỗi giờ, và với mỗi đơn vị, kết quả xuất hiện cùng với số sê-ri và dấu thời gian, và gửi dữ liệu đến MES được kết nối qua OPC UA hoặc Modbus TCP.
Trong hơn hai ca làm việc, kết quả ngắt từ của một lô bắt đầu tiếp cận giới hạn dung sai. Tuy nhiên, mỗi MCB vẫn hoạt động bình thường. Hệ thống truyền thống không thấy vấn đề vì mọi thứ có vẻ ổn định.
Một AI kiểm soát chất lượng đại lý, có quyền truy cập vào cùng dữ liệu, sẽ đọc xu hướng theo cách khác. Do đó, nó có thể thực hiện các bước sau:
So sánh lô với kết quả lịch sử của các mức tương tự để đảm bảo rằng sự dịch chuyển là thực sự và không chỉ là biến động bình thường.
Xác định xem ca làm việc có liên quan đến quá trình lắp ráp, như một trạm, thiết bị cố định hoặc thay đổi người vận hành, hay có liên quan đến lô vật liệu thượng nguồn (như cuộn dây mới hoặc nhà cung cấp yoke).
Kiểm tra dữ liệu thu được từ trạm kiểm tra để xác định xem có xảy ra lỗi đo lường, ví dụ, đánh giá sự tăng điện trở tiếp xúc trong thiết bị kiểm tra.
Chuẩn bị các khuyến nghị: tăng cường lấy mẫu lô bị ảnh hưởng và tiến hành đo thiết bị cố định.
Thông báo cho kỹ sư về vấn đề để họ có thể phê duyệt các hành động sẽ được thực hiện.
Khi kỹ sư đồng ý, MES tạo nhiệm vụ kiểm tra và giữ lại. Đại lý sau đó bắt đầu giám sát các đơn vị tiếp theo để xem liệu sự dịch chuyển có dừng lại không, ghi lại mọi thứ cho các cuộc kiểm tra có thể trong tương lai.
Có một số việc đại lý không bao giờ nên làm. Cụ thể, nó không nên tăng giới hạn hoạt động ngắt hoặc bỏ qua bất kỳ yêu cầu an toàn nào hoặc thay đổi bất kỳ tham số hiệu chuẩn nào một cách tự ý. Tất cả trách nhiệm về quyết định đạt/không đạt thuộc về thiết bị kiểm tra có khả năng. Vai trò của đại lý là tìm ra vấn đề và cải thiện thời gian phản hồi của những người chịu trách nhiệm.
Các nhà sản xuất đang sử dụng các đại lý AI trong sản xuất ngày nay như thế nào?
Người ta có thể tự hỏi tất cả thông tin này có độ xác thực như thế nào. Có thể tìm được câu trả lời trung thực cho câu hỏi này bằng cách khẳng định rằng phần lớn thông tin này vẫn liên quan đến giai đoạn copilot, có nghĩa là hệ thống AI hợp tác với con người, do đó làm cho quá trình tạo ra các tác nhân tự động trở nên dần dần. Những sự thật có thể truy cập nên được đề cập:
Siemens khẳng định rằng các Industrial Copilots của họ đóng góp kết quả tốt cả trong các cơ sở sản xuất và cho khách hàng của họ. Một trong các nhà máy của họ (nhà máy động cơ ở Bad Neustadt) sử dụng Insights Hub Production Copilot để xử lý dữ liệu và chuyển đổi nó thành thông tin có thể hành động. Bên cạnh đó, Siemens đang lên kế hoạch ra mắt một nền tảng cho phép các hệ thống khác nhau (cả của họ và bên thứ ba) hoạt động đồng bộ.
Siemens Digital Industries Software đã phát triển ứng dụng Microsoft Teams để sử dụng trong hệ thống Teamcenter PLM nhằm xử lý các báo cáo giọng nói được thực hiện bằng nhiều ngôn ngữ khác nhau và truyền lại cho các chuyên gia liên quan.
Körber đã quyết định di chuyển hệ thống PAS-X MES của mình lên Microsoft Azure để tích hợp dữ liệu MES, ERP và chuỗi cung ứng cho nhân viên của họ.
Nhà máy của Rockwell Automation tại Singapore đã được trao danh hiệu Global Lighthouse vào tháng 6 năm 2026. Nhà máy này triển khai nhiều hệ thống AI và đã giảm thời gian đào tạo nhân viên mới xuống 67%.
Nhà máy của Siemens tại Nanjing được thiết kế ảo và vận hành hơn 50 hoạt động do AI điều khiển, nhận đơn hàng nhanh hơn 78%.
Diễn đàn Kinh tế Thế giới đã công bố vào tháng 6 năm 2026 rằng số lượng Global Lighthouses đã đạt 238 và hiện họ đang biến AI thành năng lực vận hành chủ chốt.
Cách Triển Khai Các Tác Nhân AI Trong Nhà Máy Sản Xuất
Phần lớn các dự án AI thất bại trong nhà máy không phải do thiếu sót của thuật toán. Thất bại có thể do dữ liệu chất lượng kém và không có người chịu trách nhiệm cho dự án. Theo Microsoft, bạn nên nhớ “quy tắc ngón tay cái” do KPMG thiết lập, giải thích lý do thành công của các dự án – 10 phần trăm do thuật toán, 20 phần trăm do công nghệ và dữ liệu, và 70 phần trăm liên quan đến con người và quy trình.
Dưới đây là một trình tự thực tiễn cho cách triển khai các tác nhân AI trong nhà máy sản xuất, được viết cho một nhà máy vừa thay vì một tập đoàn toàn cầu.
Bước 1: Bắt Đầu Với Một Vòng Quyết Định, Không Phải “Chiến Lược AI”
Chọn một quyết định phổ biến mà một người hiện đang đối mặt và có kết quả đo lường được. Ví dụ, bạn có thể xem xét cách phản ứng với sự biến động chất lượng trên dây chuyền lắp ráp, cách sắp xếp lại công việc sau khi máy dừng, hoặc cách quản lý bảo trì tại điểm nghẽn. Tuy nhiên, một quyết định kém có thể là bất cứ điều gì liên quan đến hoạt động an toàn hoặc một việc chỉ xảy ra hai lần trong một năm.
Viết quyết định đó trong một câu, đặt tên người chịu trách nhiệm cho kết quả (ai đang sở hữu nó hiện tại), và giải thích “tốt hơn” là gì bằng con số.
Bước 2: Sửa Chữa Nền Tảng Dữ Liệu Trước Tiên
Hiệu quả của một máy móc phụ thuộc vào dữ liệu mà nó có thể truy cập. Trước khi bạn mua bất kỳ nền tảng AI nào, hãy tìm kiếm những điều sau đây:
Kết quả có được lưu trữ dưới dạng hồ sơ kỹ thuật số, theo đơn vị hoặc lô, kèm theo dấu thời gian không?
Mỗi kết quả có thể được xác định bằng số máy, vị trí, lô vật liệu và công thức không?
Dữ liệu có sẵn và nằm ngoài máy móc, chẳng hạn như qua OPC UA, Modbus TCP, SQL hoặc REST API không?
MES hoặc cơ sở dữ liệu trung tâm có khả năng lưu trữ đủ hồ sơ để tiết lộ các mẫu không?
IBM cho biết tích hợp dữ liệu và các hệ thống kế thừa là rào cản đầu tiên đối với AI tác nhân, khuyên các công ty nên xác định các nguồn dữ liệu có giá trị cao nhất trước thay vì cố gắng tích hợp tất cả dữ liệu cùng một lúc. Bài viết của chúng tôi về tự động hóa hoàn toàn tích hợp giải thích cách các lớp PLC, HMI, MES và ERP kết hợp với nhau.
Bước 3: Xác định Mức độ Tự chủ Trước Khi Triển khai
Đây là bước mà hầu hết các nhóm bỏ qua, và nó là bước giúp họ tránh rắc rối. Hãy quyết định trước mức độ mà tác nhân có thể tự thực hiện cho mỗi loại hành động.
| Cấp độ | Những gì tác nhân có thể làm | Ví dụ |
|---|---|---|
| 0 – Quan sát | Giám sát dữ liệu và báo cáo kết quả; không thực hiện hành động nào | Một bản tóm tắt hàng ngày về xu hướng chất lượng trên mỗi dây chuyền |
| 1 – Đề xuất | Đưa ra các hành động kèm bằng chứng; một người quyết định và thực hiện | Đề xuất kiểm tra đồ gá khi kết quả trip bắt đầu lệch |
| 2 – Hành động với sự phê duyệt | Chuẩn bị hành động và thực hiện khi có sự phê duyệt của người dùng | Tạo nhiệm vụ kiểm tra MES sau khi kỹ sư nhấn phê duyệt |
| 3 – Hành động trong giới hạn | Tự hành động trong phạm vi đã được phê duyệt trước và báo cáo sau đó | Sắp xếp lại công việc trong ca khi không có thay đổi ngày giao hàng |
Hầu hết các nhà máy nên bắt đầu ở Mức 0 hoặc 1 và chỉ nâng cấp sau khi tác nhân đã xây dựng được hồ sơ theo dõi. Các chức năng liên quan đến an toàn luôn nằm ngoài phạm vi tác động của tác nhân ở mọi cấp độ.
Bước 4: Cung cấp Công cụ cho Tác nhân, Không phải Quyền Kiểm soát Thô
Việc tác nhân vận hành sử dụng cùng các giao diện được kiểm soát mà con người sử dụng là điều thiết yếu, ví dụ như lệnh công việc của hệ thống bảo trì, giữ MES, và cập nhật công cụ lập kế hoạch. Tác nhân không được tương tác trực tiếp với bộ nhớ PLC, sửa đổi logic an toàn hoặc thay đổi công thức đã được phê duyệt.
Bắt đầu với quyền chỉ đọc và sau đó thêm quyền ghi cho mỗi công cụ với giới hạn và nhật ký cụ thể.
Bước 5: Xây dựng Giám sát, Dấu vết Kiểm toán và Khôi phục
Theo Microsoft, có bốn khả năng tin cậy phải được thiết lập cho các nhà sản xuất khi AI bắt đầu làm việc: quản trị mô hình, kiểm soát dữ liệu và truy cập, bảo mật OT và điểm cuối, và khả năng giải thích, giới hạn và đảo ngược quyết định. Nguyên tắc tương tự được IBM nhấn mạnh khi khuyến nghị có ranh giới rõ ràng cho các quyết định được đưa ra, bao gồm con người trong vòng lặp, và đảm bảo mọi hành động do AI điều khiển đều được ghi lại.
Nói cách khác, bất kỳ hành động nào được thực hiện cũng phải được ghi nhận thông qua việc ghi lại dữ liệu sử dụng và thông tin về lý do đưa ra quyết định. Hơn nữa, mỗi hành động nên có thể đảo ngược hoặc được phê duyệt trước.
Bước 6: Thử nghiệm ở Chế độ Bóng Tối hoặc với Mô hình Kỹ thuật số Trước tiên
Tốt nhất là thử nghiệm đại lý trên hoạt động mà không chạm vào thiết bị. Đại lý quan sát mọi thứ đang diễn ra, đưa ra quyết định và đề xuất, nhưng không có gì xảy ra. So sánh lời khuyên của nó với các hành động do kỹ sư của bạn thực hiện và tập trung vào những điểm không nhất quán.
Nếu bạn có mô hình mô phỏng của dây chuyền sản xuất, hãy sử dụng nó. Hướng dẫn của chúng tôi về các bản sao kỹ thuật số cho dây chuyền sản xuất giải thích cách Siemens, Schneider Electric và ABB sử dụng mô phỏng và vận hành ảo, cũng như cách các nhà máy nhỏ hơn có thể bắt đầu với một dây chuyền đơn lẻ.
Bước 7: Đo lường, Sau đó Mở rộng
Ngay từ đầu, hãy ghi lại một số chỉ số: thời gian từ cảnh báo đến hành động được thực hiện, tỷ lệ phế phẩm và sửa chữa lại, thời gian ngừng hoạt động không kế hoạch, tuân thủ lịch trình và tỷ lệ phần trăm các đề xuất mà người dùng sẽ thực hiện theo. Sau khi vòng lặp đầu tiên chứng minh hiệu quả, tái sử dụng mô hình dữ liệu, khung quyền hạn và ghi nhật ký từ vòng lặp trước đó.
Microsoft tham khảo các phát hiện từ nghiên cứu của MIT và McKinsey nhấn mạnh rằng các tổ chức có mô hình quản trị nổi bật và dữ liệu thống nhất có thể đạt được kết quả chuyển đổi gấp bốn lần và trong thời gian ngắn hơn gấp đôi so với các công ty thiếu dữ liệu và khung quản trị. Điều có thể mở rộng là nền tảng, không phải là dự án thí điểm riêng lẻ.
Thực tiễn Tốt nhất và Những Sai lầm Thường Gặp
- Xác định một vấn đề mà mọi người thường xuyên bày tỏ phàn nàn. Đại lý có thể giải quyết thách thức khi nó phát hiện ra một vấn đề tồn tại.
Giao mỗi đại lý cho một người chịu trách nhiệm riêng.
Ghi chép mọi thứ từ việc từ chối các đề xuất; đó là điều bạn muốn học hỏi.
Không phát triển đại lý trong môi trường không chắc chắn. Nếu quy trình hoạt động thất thường, đại lý sẽ chỉ học các sai lệch.
Đại lý không bao giờ được cấp quyền ghi vào logic PLC hoặc hệ thống an toàn.
Trước khi bắt đầu dự án thí điểm, xác định ai sẽ chịu trách nhiệm bảo trì đại lý sau khi nhóm dự án ngừng tham gia.
Những thách thức cần lên kế hoạch
IBM thẳng thắn rằng AI đại lý đòi hỏi nỗ lực để triển khai. Những thách thức được nêu ra rất quan trọng để đánh giá trong bối cảnh tình hình của bạn:
Tích hợp Dữ liệu: mức độ công nghệ hiện tại khiến việc tích hợp dữ liệu và các nguồn không tương thích trở nên kém hiệu quả.
Quản trị: không rõ khi nào hệ thống được phép hoạt động độc lập và khi nào cần can thiệp của con người.
Chi phí: công nghệ có chi phí triển khai cao nhưng phương pháp tiếp cận từng bước loại bỏ rủi ro.
Khả năng mở rộng: một đại lý được tạo ra cho một nhiệm vụ cụ thể không thể sao chép; phương pháp của chúng tôi giảm thiểu thách thức này.
An ninh: việc tích hợp nhiều hệ thống hơn tạo điều kiện cho nhiều cuộc tấn công hơn cần các biện pháp kiểm soát hiệu quả.
Kỹ năng: con người chuyển từ thực hiện nhiệm vụ sang quản lý hệ thống, điều này đòi hỏi đào tạo đặc biệt.
Đại lý AI, PLC, MES và Nhà máy Thông minh
Một trong những mối lo ngại phổ biến nhất mà chúng tôi nghe từ các kỹ sư tự động hóa rất đơn giản: “Liệu cái này có bắt đầu ghi dữ liệu vào PLC của tôi không?” Câu trả lời ngắn gọn là không nên như vậy. Để hiểu tại sao, hãy xem các tác nhân nằm ở đâu trong ngăn xếp tự động hóa.
Vị trí của AI tác nhân trong ngăn xếp tự động hóa
| Lớp | Nó làm gì | Vai trò của các tác nhân AI |
|---|---|---|
| PLC và thiết bị hiện trường | Điều khiển thời gian thực xác định, khóa liên động và chức năng an toàn | Chỉ đọc dữ liệu; không điều khiển trực tiếp chuyển động hoặc an toàn |
| SCADA / HMI | Trực quan hóa, cảnh báo và lệnh của người vận hành | Giải thích cảnh báo và hướng dẫn người vận hành tìm lỗi |
| MES | Đơn hàng, công thức, hồ sơ chất lượng và truy xuất nguồn gốc | Bề mặt làm việc chính: nhiệm vụ kiểm tra, giữ, đơn đặt hàng công việc |
| ERP / chuỗi cung ứng | Nhu cầu, mua hàng, tồn kho và tài chính | Lập kế hoạch lại đơn hàng, đánh dấu rủi ro nhà cung cấp, đề xuất mua hàng |
| Lớp tác nhân và điều phối | Điều phối các tác nhân chuyên môn, thực thi quyền hạn, ghi nhật ký hành động | Nằm trên MES và ERP, ngoài vòng điều khiển thời gian thực |
PLC được thiết kế để điều khiển mọi thứ xảy ra trong vài mili giây, thường đảm bảo an toàn cho con người và máy móc. Hoạt động của các tác nhân dựa trên các quyết định được đưa ra trong vài phút/giờ và ca làm việc, nghĩa là tất cả các quy trình sản xuất chính đã kết thúc. Sự phân chia này giúp các nhà máy đảm bảo an toàn vì AI chỉ được sử dụng khi con người cần nhất.
Đó là lý do tại sao việc chú ý đến chất lượng kết nối MES là quan trọng. Dây chuyền sản xuất truyền kết quả kiểm tra, cảnh báo và cập nhật đến MES qua giao thức mở là an toàn nhất. Dây chuyền tự động đóng kín với HMI thì hiệu quả, nhưng mức độ an toàn chỉ ở mức trung bình.
Bản sao số và AI tác nhân: Mô phỏng trước, sau đó hành động
Bản sao số và hệ thống AI đều cung cấp câu trả lời cho các câu hỏi khác nhau:
Bản sao số chịu trách nhiệm hiểu và đại diện cho tình trạng của máy móc, tòa nhà hoặc cơ sở sản xuất. Công việc của bản sao số có thể tóm tắt trong câu hỏi, “chuyện gì sẽ xảy ra nếu chúng ta thực hiện một thay đổi?”
Ngược lại, AI tác nhân là hệ thống tổ chức công việc dựa trên thông tin và nguồn lực có sẵn, trong đó thông tin được sử dụng xuất phát từ các mục tiêu cần đạt được và các công cụ khác đã được phép sử dụng. AI tác nhân trả lời câu hỏi, “bước tiếp theo là gì và có thể thực hiện được không?”
Hai phương pháp này tạo thành một chu trình an toàn. Tác nhân đề xuất một thay đổi như thay đổi trình tự công việc hoặc thời gian chu trình mới. Công việc của bản sao số thông minh là kiểm tra xem thay đổi đề xuất có đáng áp dụng trong thực tế không. Chỉ khi bản sao số chứng minh kết quả của các hoạt động mới phù hợp với yêu cầu về kết quả tích cực và tuân thủ giới hạn đã thiết lập, nó mới được triển khai trong hệ thống hoặc gửi cho người phê duyệt.
IBM trình bày phương pháp này trong việc tạo ra một sản phẩm, nơi công việc được thực hiện bởi các đại lý điều phối công việc của bản sao kỹ thuật số trước khi khởi động một dự án sản xuất. Microsoft đề cập đến ý tưởng này ở cấp độ doanh nghiệp trong khi khẳng định rằng các nhà máy nên chuẩn bị cho thời đại AI đại lý nếu họ dựa vào khái niệm bản sao kỹ thuật số và chuỗi kỹ thuật số trong việc lập kế hoạch và thực hiện quy trình sản xuất. Nếu nhà máy của bạn mới bắt đầu, bài viết của chúng tôi về bài học về bản sao kỹ thuật số từ các nhà sản xuất điện hàng đầu là một điểm khởi đầu tốt, với kết quả thực tế từ Siemens Erlangen, Schneider Electric Wuxi và ABB RobotStudio.
Từ các Nhà máy Ngọn Hải đăng đến các Nhà máy Hàng ngày
Các nhà máy ít tiếp cận nhất trên tuyến đường là các Nhà máy Ngọn Hải đăng Toàn cầu WEF, và không có nhà máy nào được quản lý hoàn toàn bởi AI. Đây là các cơ sở mà con người giám sát các hệ thống ngày càng độc lập. Ngay cả các nhà máy không người vận hành nổi tiếng như FANUC và ASE vẫn phụ thuộc vào con người để bảo trì và xử lý các bất thường, như được ghi nhận qua các ví dụ về nhà máy tối thực sự.
Một nhà sản xuất quy mô vừa trong ngành thiết bị điện nên áp dụng phương pháp thực tiễn sau: loại bỏ nút thắt cổ chai, kiểm tra mọi sản phẩm trong quy trình, liên kết mọi nhà máy với MES, thêm bản sao kỹ thuật số cho mục đích lập kế hoạch, và tuyển dụng các đại lý để phân tích thông tin nhằm làm cho quá trình ra quyết định nhanh hơn.
Kết luận: Đại lý AI là sự thay đổi quy trình làm việc, không phải là việc mua phần mềm
IBM, Siemens và Microsoft đều đồng thuận về hướng phát triển của Trí tuệ Nhân tạo tại các nhà máy. Theo họ, AI đang tiến hóa tại các nhà máy từ công cụ chỉ đơn giản trả lời các câu hỏi sang vai trò đại lý giúp lập kế hoạch và thực hiện các nhiệm vụ liên quan đến quản lý vận hành trong quản lý chất lượng, lập lịch, bảo trì và chuỗi cung ứng. Siemens cho biết họ đang hướng tới tự động hóa toàn bộ quy trình tự động hóa. Microsoft cho biết năm 2026 sẽ là năm công nghệ chuyển từ giai đoạn thử nghiệm sang triển khai quy mô lớn. IBM hình dung các nhà máy nơi các điều chỉnh thường xuyên được thực hiện hướng tới mục tiêu mà không cần chỉ dẫn liên tục từ người vận hành.
Các công ty này cũng đồng thuận về các điều kiện tiên quyết để sử dụng AI tại các nhà máy. Các đại lý tự động hóa cần thông tin tốt và kết nối. Họ cần các tham số rõ ràng trong phạm vi họ sẽ hoạt động. Họ cần một người chịu trách nhiệm về kết quả và có thể thu hồi giải pháp nếu cần. Họ cũng cần các máy móc có khả năng đo lường mọi thứ và gửi thông tin ra đúng định dạng.
Hành động chính mà các công ty sản xuất nên thực hiện không phải là mua nền tảng AI mà là đảm bảo rằng mỗi trạm làm việc và mọi quy trình tạo ra dữ liệu có thể sử dụng cho mục đích của đại lý. Nếu điều này được thực hiện, việc chuyển sang các đại lý AI sẽ dễ dàng hơn nhiều.
Câu hỏi thường gặp
AI đại lý trong sản xuất là gì?
Agentic AI trong sản xuất có nghĩa là trí tuệ nhân tạo hoàn thành một số mục tiêu trong sản xuất bằng cách tạo ra một kế hoạch, trích xuất thông tin từ các hệ thống như MES, ERP và phần mềm bảo trì, và thực hiện các hành động phù hợp thông qua các hệ thống này, ví dụ, thông qua việc tạo các nhiệm vụ kiểm tra hoặc sắp xếp lại trình tự công việc. Agentic AI khác với bảng điều khiển và chatbot ở chỗ nó thực hiện các hành động cho đến khi nhiệm vụ được hoàn thành nhưng chỉ dưới các điều kiện và quy tắc do con người đặt ra.
Agentic AI có được sử dụng cho tự động hóa không?
Có, nhưng ở một cấp độ khác với tự động hóa truyền thống. PLC và robot vẫn đảm nhận việc điều khiển máy móc thời gian thực và các chức năng an toàn. Agentic AI tự động hóa các quyết định và phối hợp liên quan đến những điều này, ví dụ, phản ứng với xu hướng chất lượng, tái thực hiện lịch trình sau khi máy dừng, và tổ chức bảo trì. Siemens gọi đó là tự động hóa quá trình tự động hóa với các tác nhân AI thực hiện các quy trình làm việc hoàn chỉnh trong thiết kế, kỹ thuật, vận hành và dịch vụ.
AI nào là tốt nhất cho ngành sản xuất?
Không có một giải pháp AI duy nhất nào được xem là AI tốt nhất cho sản xuất. Trong khi thị giác máy hoàn hảo cho quá trình kiểm tra, các mô hình dự đoán phù hợp cho bảo trì, AI đồng hành tạo sinh giúp kỹ sư và vận hành viên tìm kiếm thông tin cần thiết, agentic AI phù hợp với các nhiệm vụ đa tầng như điều tra chất lượng, lập lịch và phối hợp chuỗi cung ứng. Một số giải pháp phổ biến nhất là Siemens Industrial Copilot, IBM WatsonX Orchestrate và Microsoft Azure AI. Lựa chọn giải pháp AI lý tưởng phụ thuộc vào chất lượng dữ liệu hiện có, hệ thống PLC và MES đã sử dụng, và nhiệm vụ cần được tối ưu hóa.
Agentic AI khác với tự động hóa như thế nào?
Tự động hóa truyền thống hoạt động theo các quy tắc đã định trước: khi một giá trị vượt ngưỡng, máy sẽ từ chối chi tiết. Agentic AI hướng đến mục tiêu. Khác với tự động hóa truyền thống, nó đánh giá tình huống, xác định kế hoạch hành động, sử dụng công cụ và thích nghi với điều kiện thay đổi. Một cơ sở sản xuất được xây dựng đúng cách có thể sử dụng cả hai: PLC sẽ duy trì các chức năng an toàn và điều khiển, trong khi các tác nhân AI sẽ làm việc trên MES và ERP.
Trí tuệ nhân tạo (AI) đang được sử dụng như thế nào trong sản xuất?
Các công ty áp dụng trí tuệ nhân tạo để kiểm tra chất lượng dựa trên thị giác, bảo trì dự đoán, lập lịch sản xuất, tối ưu hóa năng lượng và lập kế hoạch chuỗi cung ứng. Diễn đàn Kinh tế Thế giới đã trao giải cho các nhà máy hàng đầu như nhà máy Rockwell Automation tại Singapore và các nhà máy vải của Siemens tại Nam Kinh vì sử dụng các sản phẩm được trang bị hơn 50 giải pháp AI. Xu hướng hiện nay trở nên rõ ràng theo thời gian, chuyển từ các thử nghiệm AI riêng lẻ sang các tác nhân dẫn dắt nỗ lực trên các hệ thống vào năm 2026.
Tài liệu tham khảo
- IBM – Cách agentic AI trong sản xuất thúc đẩy chuyển đổi (Tháng 4 năm 2026) – định nghĩa, tám lĩnh vực ứng dụng, thống kê chuỗi cung ứng và thách thức triển khai.
- Blog Siemens – Tương lai của AI công nghiệp là agentic (Tháng 3 năm 2026) – mô hình nhận thức-lý luận-hành động-học hỏi, đại lý điều phối và các mô hình nền tảng công nghiệp.
- Siemens – Siemens giới thiệu các đại lý AI cho tự động hóa công nghiệp (Tháng 5 năm 2025) – các đại lý Hỗ trợ Công nghiệp trên toàn chuỗi giá trị, mục tiêu năng suất và kết quả khách hàng.
- Microsoft – Sản xuất tại điểm ngoặt năm 2026 (Tháng 3 năm 2026) – ba sự chuyển đổi, khả năng tin cậy và quản trị, và quy tắc 10-20-70.
- Diễn đàn Kinh tế Thế giới – Các địa điểm Ngọn Hải đăng Toàn cầu mới chứng minh cách AI tái cấu trúc sản xuất (Tháng 6 năm 2026) – tổng mạng lưới 238 địa điểm và kết quả cho nhóm mới.
- Rockwell Automation – Địa điểm Singapore được công nhận là Ngọn Hải đăng Toàn cầu (Tháng 6 năm 2026) – kiểm soát chất lượng dựa trên AI và bảo trì dự đoán trong nhà máy đa dạng cao.
Xây dựng dây chuyền lắp ráp hoặc kiểm tra sẵn sàng cho AI?
Các đại lý AI chỉ có thể hành động dựa trên dữ liệu thiết bị của bạn tạo ra. Nếu bạn sản xuất MCB, MCCB, RCCB, contactor hoặc đồng hồ đo năng lượng và muốn các dây chuyền kiểm tra từng đơn vị, liên kết mọi kết quả với số sê-ri và truyền dữ liệu đó đến MES của bạn qua OPC UA hoặc Modbus TCP, hãy gửi cho chúng tôi mẫu sản phẩm, sản lượng mục tiêu và mô tả ngắn gọn về quy trình hiện tại của bạn. Các kỹ sư của chúng tôi sẽ đề xuất một khái niệm dây chuyền cung cấp khả năng truy xuất nguồn gốc đầy đủ ngay hôm nay và giúp bạn sẵn sàng cho chất lượng điều khiển bởi AI trong tương lai.
