CHLB ĐỨC – Một nhóm các nhà nghiên cứu tại đại học Bielefeld (Bielefeld University), cùng các chuyên gia từ viện Fraunhofer IOSB-INA, và các công ty Databay, Digital Twin Factory, và OPTANO, đã phát triển một giao diện được thiết kế riêng cho ngôn ngữ và thuật ngữ của ngành công nghiệp Đức, nằm trong khuôn khổ của dự án “OptimizationChat”. Hệ thống mới này được thiết kế để hiểu các thuật ngữ thông thường trong ngành sản xuất, hậu cần (logistics) và lập kế hoạch, đặc biệt nhằm khai phá tiềm năng tối ưu hóa cho các doanh nghiệp vừa và nhỏ (SME – small and medium-sized enterprises) mà không yêu cầu kiến thức toán học chuyên sâu từ trước.

Các vấn đề tối ưu hóa thường xuyên phát sinh đối với các doanh nghiệp vừa và nhỏ trong toàn ngành công nghiệp, ví dụ như khi lập kế hoạch trình tự sản xuất, giảm chi phí, hoặc tổ chức chuỗi cung ứng. Dự án “OptimizationChat” tại đại học Bielefeld, được bang North Rhine-Westphalia hỗ trợ gần 280.000 euro, hướng đến việc phát triển một hệ thống trò chuyện giúp các công ty giải quyết các bài toán tối ưu hóa một cách đơn giản.

Tiến sĩ Michael Römer

Mô hình hóa vấn đề thực tiễn thành mô hình toán học
Các bài toán tối ưu hóa có thể được giải quyết bằng cách cân nhắc vô số các khả năng, và toán học giúp tìm ra giải pháp tốt nhất. Theo các nhà phát triển dự án, điều này yêu cầu có khả năng mô hình hóa, tức là việc chuyển đổi chính xác một vấn đề thực tế thành một mô hình toán học. Cho đến nay, nhiệm vụ này thường được thực hiện bởi các chuyên gia được đào tạo chuyên môn thông qua các cuộc thảo luận với các doanh nghiệp. Tuy nhiên, việc này mất nhiều thời gian, yêu cầu kiến thức chuyên môn sâu và chi phí cao, điều này thường là một trở ngại lớn đối với việc ứng dụng yêu cầu tối ưu hóa toán học, đặc biệt là đối với các doanh nghiệp vừa và nhỏ.

Hệ thống nhận diện nhiệm vụ lập kế hoạch
Giải pháp OptimizationChat được thiết kế nhằm đơn giản hóa đáng kể quy trình này, theo giải thích của Phó giáo sư Tiến sĩ Michael Römer thuộc khoa kinh tế, đại học Bielefeld: “Hệ thống tiếp nhận các mô tả bằng ngôn ngữ tự nhiên và tự động nhận diện nhiệm vụ lập kế hoạch. Đồng thời, hệ thống sẽ yêu cầu làm rõ khi các giả định chưa rõ ràng và chỉ ra những thông tin còn thiếu. Bên cạnh đó, OptimizationChat còn hỗ trợ việc cung cấp và chuẩn bị dữ liệu vận hành một cách tự động phục vụ cho quá trình tối ưu hóa.”

Từ đối thoại khách hàng đến mô hình tối ưu hóa
Theo Tiến sĩ Römer, giải pháp OptimizationChat chuyển hóa kết quả của quá trình đối thoại với khách hàng thành một mô hình tối ưu hóa, một khuôn khổ toán học mà các chương trình máy tính, được gọi là solver, có thể giải quyết. Solver là các chương trình lựa chọn phương án tối ưu nhất từ nhiều khả năng khác nhau, chẳng hạn thông qua phương pháp quy hoạch tuyến tính nguyên (*), cho phép tính toán các quyết định tối ưu trong những điều kiện ràng buộc xác định. Tiến sĩ Römer chia sẻ: “Khi doanh nghiệp sử dụng hiệu quả vật liệu, năng lượng và thời gian lao động, điều này không chỉ nâng cao năng lực cạnh tranh mà còn giúp châu Âu giảm phụ thuộc vào các chuỗi cung ứng toàn cầu. Đồng thời, dự án thúc đẩy quá trình chuyển đổi số, tức là chuyển sang các phương thức làm việc dựa trên dữ liệu và tự động hóa, qua đó hỗ trợ đổi mới sáng tạo tại bang North Rhine-Westphalia (CHLB Đức)”.

(*) Quy hoạch tuyến tính nguyên (*) (integer linear programming – ILP): là một phương pháp tối ưu toán học được sử dụng để giải những bài toán ra quyết định. Bài toán thực tế sẽ được mô hình hóa thông qua một hàm mục tiêu (nhằm tối thiểu hóa đầu vào hoặc tối đa đầu ra nhưng vẫn giữ được hiệu suất tốt) và các ràng buộc về năng lực, thời gian, tài chính, … Phương pháp này yêu cầu mục tiêu và các ràng buộc đều có dạng tuyến tính, nhưng các biến quyết định bắt buộc phải nhận giá trị số nguyên. Điều này phù hợp với thực tế khi các quyết định như số người làm việc, số hàng hóa sản xuất, … không thể nhận giá trị phân số.

Thành phần giải thích kết nối giữa mô hình hóa và thực tiễn công nghiệp
Dự án OptimizationChat đóng góp cho nghiên cứu trong lĩnh vực trọng điểm Faith tại đại học Bielefeld, nơi nghiên cứu các nền tảng và tác động của sự hợp tác giữa con người và công nghệ trí tuệ nhân tạo, hướng đến việc tích hợp tri thức về bài toán từ cơ sở dữ liệu vào quá trình giải quyết vấn đề. Bên cạnh đó, dự án còn phát triển một thành phần giải thích nhằm mô tả rõ ràng mối liên hệ giữa mô hình hóa toán học và thực tiễn công nghiệp. Việc tập trung vào các vấn đề phát sinh trong đời sống công nghiệp hằng ngày, cùng với những yêu cầu xử lý đầu vào ngôn ngữ tự nhiên theo cách diễn đạt định hướng công nghiệp, chính là vấn đề đặc thù mà dự án đang hướng tới để giải quyết.

Để xem các tin bài khác về “AI chat”, hãy nhấn vào đây.

 

Nguồn: Hannover Messe