MỸ – Sự kết hợp giữa công nghệ trí tuệ nhân tạo (AI) và các giải pháp robot low-code/ no-code (*) đang dịch chuyển trọng tâm ngành từ việc giải quyết sự phức tạp khi vận hành sang tập trung tạo ra các giá trị chiến lược.
(*) Low-code (ít viết mã) / no-code (không cần viết mã): là các nền tảng tự động hóa ứng dụng công nghệ AI hoặc công nghệ tự động hóa quy trình bằng robot, cho phép các kỹ thuật viên xây dựng các luồng công việc tự động thông qua giao diện trực quan, kéo thả mà không cần viết code.

Hiệp hội thúc đẩy tự động hóa (Association for advancing automation) cho biết có một bước chuyển dịch cơ cấu mang tính nền tảng trong cách các nhà sản xuất triển khai hệ thống robot. Bước ngoặt này phụ thuộc vào việc tích hợp công nghệ AI lớp trên vào các nền tảng phần mềm low-code và no-code.

Các chuyên gia trong ngành nhận định rằng: Những công cụ cấu hình tích hợp công nghệ AI không chỉ thay đổi cơ bản năng lực của robot, mà còn tái định hình cả vấn đề kinh tế lẫn mô hình triển khai của chính công nghệ tự động hóa.

Đây không phải là một bước cải tiến vi mô. Nó là một sự định nghĩa lại hoàn toàn về những ai có thể vận hành robot, tốc độ tái cấu hình hệ thống nhanh đến mức nào, và mức độ phụ thuộc vào các chuyên gia kỹ thuật chuyên sâu tại các nhà máy giảm đi bao nhiêu.

Từ mã lệnh tùy biến đến trí tuệ có thể tự cấu hình
Trước đây, việc tích hợp hệ thống robot thường đi theo một phương pháp truyền thống:
– Các doanh nghiệp tích hợp hệ thống hoặc các kỹ sư phải viết các đoạn mã lệnh tùy biến (custom code) (*).
– Mỗi ứng dụng đều gắn liền chặt chẽ vào một linh kiện, một chuỗi thao tác hoặc một môi trường cố định.
– Bất kỳ thay đổi nào về sản phẩm cũng đều cần lập trình lại từ đầu.
– Thời gian ngừng hoạt động của máy móc và chi phí kỹ thuật phát sinh.
(*) Custom code (mã lệnh tùy biến/ mã viết riêng): là những đoạn mã phần mềm được các kỹ sư lập trình viết “thủ công” từ đầu bằng các ngôn ngữ lập trình truyền thống (như C++, python, hay ngôn ngữ PLC như ladder logic, structured text), nhằm phục vụ riêng cho một tác vụ hoặc một robot cụ thể tại một thời điểm nhất định.

Theo ông Rajesh Iyengar, Giám đốc điều hành công ty Lincode, các nền tảng no-code giúp loại bỏ hoàn toàn việc lập trình logic PLC (programmable logic controller), logic nghiệp vụ, hoặc việc điều chỉnh thủ công các mô hình AI. Thay vì viết code, khách hàng giờ đây cấu hình quy trình làm việc trực tiếp thông qua các giao diện trực quan.

Các hệ thống low-code ở vị trí giao thoa giữa môi trường lập trình truyền thống và các công cụ no-code. Chúng mang lại một môi trường phát triển tinh giản, tối giản hóa nhưng vẫn cho phép mở rộng tính năng thông qua các cổng kết nối API khi cần thiết.

Kết quả: các tác vụ lập trình robot dịch chuyển mạnh mẽ, từ chỗ con người phải tự viết các logic thuật toán sang việc để các hệ thống AI tự tạo và tự thích ứng các logic đó.

Lớp công nghệ AI: những thay đổi chính về mặt kỹ thuật
Các nhà điều hành từ những doanh nghiệp như Palladyne AI mô tả bước chuyển dịch này như một cuộc tiến hóa: từ lập trình định sẵn (deterministic programming) sang khả năng tự lập luận dựa trên AI (AI-based reasoning).

Hệ thống robot truyền thống thường:
– Thực thi các chu trình cố định, được lập trình sẵn.
– Yêu cầu các chỉ dẫn rõ ràng, chi tiết cho từng hệ thống.
– Bị lỗi hoặc dừng hoạt động ngay khi gặp phải các biến động ngoài kế hoạch.

Hệ thống robot tích hợp AI:
– Có khả năng học hỏi thông qua các ví dụ thực tế.
– Tự diễn giải dữ liệu đầu vào từ các cảm biến (hệ thống thị giác máy tính, LiDar).
– Tự động thích ứng theo thời gian thực trước những thay đổi của môi trường.
– Vận hành với khả năng nhận thức tình huống (situational awareness) (*).
(*) Situational awareness: là khả năng nắm bắt, hiểu rõ những gì đang xảy ra xung quanh mình và dự đoán được điều gì sẽ xảy ra tiếp theo.

Bà Kristi Martindale, Giám đốc thương mại tại công ty Palladyne AI, chia sẻ về sự khác biệt giữa hai phương thức này: Thay vì di chuyển theo lộ trình được định sẵn bằng kịch bản mã lệnh, một robot vận hành bởi công nghệ AI có thể tự nhận diện chướng ngại vật, tự điều chỉnh quỹ đạo và hoàn thành nhiệm vụ mà không cần con người can thiệp lập trình lại. Đối với các nhà máy đang hoạt động với môi trường sản xuất linh hoạt (sản lượng thấp nhưng danh mục sản phẩm đa dạng) hoặc có dây chuyền thay đổi liên tục, sự khác biệt này mang lại giá trị vận hành vô cùng lớn.

Bốn năng lực chính thúc đẩy xu hướng áp dụng
Các nền tảng low-code và no-code tích hợp công nghệ AI đã mang đến bốn năng lực chính tác động trực tiếp đến chiến lược triển khai tự động hóa tại các nhà máy:

1. Chỉ dẫn bằng ngôn ngữ tự nhiên
Kỹ thuật viên có thể đưa ra các câu lệnh bằng ngôn ngữ giao tiếp thông thường, qua giọng nói hoặc nhập văn bản, và hệ thống sẽ tự động dịch chúng thành các chỉ thị cho robot.

Thay vì cần viết sơ đồ hình thang (ladder logic) hay mã văn bản cấu trúc (structured text) (*), kỹ thuật viên chỉ cần ra lệnh cho hệ thống: “Gắp linh kiện này và đặt vào thùng kia”. Từ đó, AI sẽ tự động tính toán để tạo ra các chuyển động khả thi và logic chuỗi thao tác phù hợp.
(*) Trong ngành tự động hóa công nghiệp, ladder logic và structured text là hai ngôn ngữ lập trình tiêu chuẩn được sử dụng để điều khiển PLC, bộ não điều khiển toàn bộ máy móc, băng chuyền và robot trong nhà máy.

2. Học hỏi thông qua mô phỏng trực quan (learning by demonstration)
Thông qua công nghệ theo dõi chuyển động (motion tracking) hoặc các thao tác dẫn hướng trực tiếp, robot có thể học việc bằng cách “quan sát” con người làm mẫu. Giao diện phần mềm lúc này đã bóc tách hoàn toàn những thuật toán phức tạp về động học robot và mã lệnh điều khiển khỏi tầm nhìn của kỹ thuật viên.

Điều này giúp hạ thấp rào cản kỹ thuật khi cần huấn luyện robot cho các ứng dụng mới.

3. Học chuyển giao (transfer learning)
Các mô hình AI được huấn luyện trong một lĩnh vực cụ thể có thể tái sử dụng để đẩy nhanh tốc độ triển khai ở một lĩnh vực khác. Ví dụ, mô hình phát hiện lỗi ngoại quan phát triển cho các linh kiện nhôm trong ngành ô tô có thể chia sẻ nền tảng tri thức cho các mô hình thuộc các ngành công nghiệp phụ trợ lân cận, nơi có nguồn dữ liệu huấn luyện hạn chế. Khả năng này giúp rút ngắn thời gian thu thập dữ liệu và phát triển mô hình.

4. Khả năng lập luận theo môi trường
Các hệ thống vận hành bằng công nghệ AI sở hữu năng lực tự diễn giải môi trường xung quanh và linh hoạt thích ứng với các biến số phát sinh, như thay đổi góc định vị, chướng ngại vật, hoặc linh kiện đầu vào sắp xếp không đồng đều, mà không cần viết lại code. Đối với các tác vụ không có cấu trúc cố định, đây là một giải pháp mang tính đột phá.

Tác động thực tế đến hoạt động sản xuất
Kết quả của xu hướng tích hợp công nghệ AI không dừng lại ở những đổi mới thuần túy về mặt công nghệ. Một số kịch bản ứng dụng trong chuỗi sản xuất thực tế dưới đây sẽ chứng minh việc các hệ thống này thay đổi mô hình triển khai như thế nào.

Kiểm tra ngoại quan và điều phối nhiều robot
Trong dây chuyền lắp ráp ô tô, các hệ thống kiểm tra tích hợp công nghệ AI có thể phối hợp nhịp nhàng nhiều robot dựa trên kết quả chất lượng thu nhận theo thời gian thực.

Ví dụ:
– Robot A thực hiện bôi keo màng bọc/ keo dán.
– Hệ thống thị giác máy tính kiểm tra và xác nhận độ phủ của lớp keo.
– Robot B chỉ thực hiện công đoạn tiếp theo khi chất lượng đã đạt tiêu chuẩn.
– Robot C chuyển cụm linh kiện đã lắp ráp sang công đoạn kế tiếp.

Những quy trình mà trước đây cần các sơ đồ cây logic phức tạp được viết bằng mã lệnh tùy biến, thì giờ đây có thể cấu hình thông qua các giao diện no-code. Công nhân có thể tự điều chỉnh các tiêu chí kiểm tra và quy trình mà không cần can thiệp vào mã phần mềm.

Nhiều doanh nghiệp như Neura, Nordbo, Vention, Jidoka và Robo360 đã phát triển các nền tảng vận hành bằng công nghệ AI nhằm điều phối hành vi của robot dựa trên các kết quả phân tích thu được từ thị giác máy tính.

Lắp ráp phức tạp và phân loại linh kiện
Những tác vụ mà trước đây khó áp dụng tự động hóa như việc gom cụm và phân loại các linh kiện có tính biến động cao vào các khay đồng bộ, giờ đây đang dần hiện thực hoá.

Các linh kiện đầu vào có thể ở các trạng thái:
– Quy cách đóng gói không đồng nhất.
– Với các hướng không thể dự đoán được.
– Bị trộn lẫn trong các thùng chứa.
– Yêu cầu các logic lắp ráp theo trình tự.

Các nền tảng robot tích hợp công nghệ AI được phát triển bởi các công ty như Palladyne AI, Covariant, Osaro, Ambi Robotics, Mujin, Bright Machines và Robust.AI được thiết kế chuyên biệt để xử lý các môi trường không cấu trúc này.

Thay vì cần lập trình định sẵn giải pháp cho mọi trường hợp ngoại lệ có thể xảy ra, hệ thống sẽ tự lập luận để vượt qua các biến số theo thời gian thực. Đối với các nhà sản xuất có danh mục sản phẩm đa dạng (high-mix), bước đi này giúp giải quyết vấn đề kinh điển về sự kém linh hoạt của công nghệ tự động hóa truyền thống.

Tác động chiến lược đối với các nhà sản xuất
Sự thay đổi quan trọng nhất có thể không nằm ở yếu tố kỹ thuật, mà nằm ở cấu trúc tổ chức doanh nghiệp.

Tự động hóa một cách tự chủ (democratized automation): Các công cụ low-code và no-code đang đưa việc cấu hình robot đến gần hơn với đội ngũ sản xuất trực tiếp. Các công nhân tại dây chuyền và kỹ thuật viên bảo trì, những người am hiểu các chi tiết phức tạp của quy trình, giờ đây có thể tự điều chỉnh luồng công việc mà không cần mất thời gian chờ đợi lập trình viên hay doanh nghiệp tích hợp hệ thống từ bên ngoài. Điều này giúp rút ngắn chu kỳ thử nghiệm và tối ưu hóa tổng chi phí sở hữu (TCO).

Giải quyết vấn đề thiếu hụt lao động tay nghề cao: Các nhà máy đang gặp khó khăn trong việc tuyển dụng kỹ thuật viên lành nghề hoặc lập trình viên robot nay đã có một giải pháp khác. Thay vì cạnh tranh khốc liệt trên một thị trường lao động khan hiếm, các doanh nghiệp có thể:
– Nâng cao tay nghề cho đội ngũ nhân sự hiện có.
– Giảm sự phụ thuộc vào các doanh nghiệp tích hợp hệ thống từ bên ngoài.
– Rút ngắn tiến độ triển khai dự án.

Trên thực tế, những yếu tố này có thể mang tính quyết định đến việc liệu một dự án tự động hóa có thể được tiến hành hay không.

Những rào cản áp dụng vẫn tồn tại
Bất chấp những động lực phát triển mạnh mẽ về mặt công nghệ, mức độ nhận thức và quán tính của bộ máy tổ chức vẫn là những trở ngại lớn. Các nhà máy thường rơi vào tình trạng mà giới chuyên gia gọi là “pilot purgatory” (tạm dịch là ‘vòng lặp thử nghiệm vô hạn’), tức là liên tục đánh giá nhiều giải pháp công nghệ khác nhau nhưng không thể mở rộng quy mô ra khỏi giai đoạn thử nghiệm. Các tiêu chí đánh giá chính bao gồm:
– Độ phức tạp của quy trình.
– Chiều sâu của các bộ quy tắc bắt buộc.
– Cấp độ tự chủ của hệ thống.
– Khả năng tích hợp với hạ tầng PLC và hệ thống điều hành sản xuất (MES) hiện có.
– Các lưu ý về quản trị dữ liệu.

Không phải ứng dụng nào cũng phù hợp để triển khai hoàn toàn bằng giải pháp no-code. Các môi trường hybrid low-code (kết hợp ít viết mã) có thể mang lại khả năng kiểm soát tốt hơn trong các hệ thống phức tạp hoặc bị ràng buộc nghiêm ngặt bởi các quy chuẩn pháp lý.

Bước tiếp theo
Các nhà lãnh đạo trong ngành dự đoán các giao diện ngôn ngữ tự nhiên và khả năng lập luận tự chủ sẽ tiếp tục có những bước tiến vượt bậc. Xu hướng phát triển này chỉ ra rằng:
– Sự tương tác bằng hình thức đối thoại với các hệ thống robot ngày càng gia tăng.
– Các lớp trừu tượng trung gian giữa ý định của kỹ thuật viên và việc thực thi của robot sẽ được tinh giản tối đa.
– Mở rộng phạm vi xử lý sang các tác vụ có mức độ biến động cao hơn.

Đối với các nhà sản xuất, câu hỏi đặt ra lúc này không còn là liệu AI có tác động đến ngành robot nữa hay không, mà là họ sẽ đưa các nền tảng này vào lộ trình tự động hóa của mình nhanh đến mức nào. Sự kết hợp giữa công nghệ AI và công nghệ robot low-code/ no-code đang dịch chuyển trọng tâm: từ việc giải quyết sự phức tạp khi triển khai sang tập trung tạo ra các giá trị chiến lược. Đối với một ngành công nghiệp đang gặp phải tình trạng thiếu hụt lao động, sự biến động của sản phẩm và áp lực về biên lợi nhuận, bước chuyển dịch đó có thể mang tính quyết định sự thành công.

Để xem các tin bài khác về “Tự động hoá”, hãy nhấn vào đây.

 

Nguồn: Shop Metalworking Technology