Nhịp đập công nghệ

3 hệ thống AI - robot - IoT dành cho nhà máy thông minh

Hoàng Bắc • 04/11/2026 14:08

AI, IoT và robot đang mở ra những cách làm mới trong quản lí sản xuất, bảo trì máy móc và vận hành nhà máy.

Các giải pháp được đề xuất tại Techmart chuyên ngành Công nghệ sản xuất thông minh và Tự động hóa cho doanh nghiệp vừa và nhỏ, diễn ra ngày 29 và 30/10 (TP.HCM).

AI phát hiện bất thường, dự báo sự cố trước khi máy dừng

Tại Techmart, PGS.TS. Trương Quang Vinh (Đại học Bách khoa TP.HCM) giới thiệu tham luận Quản lý nhà máy thông minh ứng dụng AI: Từ dữ liệu đến quyết định thông minh cho doanh nghiệp vừa và nhỏ.

Từ nguyên liệu cá tra, nhà máy chế biến thuỷ sản của Tập đoàn Sao Mai còn tận dụng nhiều phụ phẩm để làm ra nhiều sản phẩm từ kinh tế tuần hoàn. Ảnh: T.L
Từ nguyên liệu cá tra, nhà máy chế biến thuỷ sản của Tập đoàn Sao Mai còn tận dụng nhiều phụ phẩm để làm ra nhiều sản phẩm từ kinh tế tuần hoàn. Ảnh: T.L

Ở khâu giám sát an toàn, nhóm nghiên cứu phát triển hệ thống nhận dạng đồ bảo hộ lao động (PPE) trên nền tảng YOLOv8. Mô hình kết hợp Cơ chế chú ý toàn cục cải tiến (Improved Global Attention Mechanism) và Cơ chế tập trung động (Dynamic Focus Mechanism).

Mô hình đề xuất có 13,2 triệu tham số. Độ chính xác mAP@50 toàn bộ các lớp đạt 91,5%, cao hơn YOLOv9s (90,4%), YOLOv10s (83,4%) và Faster R-CNN (85,6%). Với chỉ số mAP@50-95, mô hình đạt 58,2%. Kết quả này cũng vượt YOLOv9s (57%), YOLOv10s (48,9%) và DETR R50 (34,2%).

Khả năng nhận diện còn được kiểm chứng theo từng màu mũ bảo hộ. Mũ xanh đạt 93%, mũ đỏ 91,9%, mũ trắng 96,1% và mũ vàng 89,5%.

Nhóm nghiên cứu sử dụng thuật toán Random Forest Regressor. Giải pháp kết hợp chip xử lý ARM Cortex-4 STM32 và mạng không dây LoRa với bộ thu phát SX1278 để truyền dữ liệu lên máy chủ đám mây Dasys Cloud.

Kết quả đo lường cho thấy thuật toán Random Forest có sai số RMSE mean 23,77 giờ. Mức này thấp hơn Linear Regressor (32,66 giờ) và Decision Tree Regressor (31,52 giờ).

Nghiên cứu sử dụng cảm biến gia tốc 3 trục kết hợp mạng thần kinh tích chập một chiều (1D CNN). Mô hình phân loại bốn trạng thái: hoạt động bình thường, lệch trục, lỗi vòng bi và mất cân bằng.

Kết quả thử nghiệm cho thấy mô hình đạt độ chính xác phân loại 99,803%. Con số này cao hơn SVM (99,75%), KNN (99,525%) và GNB (99,375%). Dữ liệu rung động vì thế có thể trở thành một kênh cảnh báo hữu ích.

Đáng chú ý, các giải pháp giám sát vận hành và dự đoán bảo trì đã có ứng dụng thực tế tại Nhà máy Cơ khí Duy Khanh (Khu Công nghệ cao). Hệ thống Duy Anh SMS quản lí đồng bộ 66 máy.

Nhà máy cũng sử dụng bộ giám sát trạng thái và năng lượng máy. Thiết bị tích hợp chip đo năng lượng của Analog Device, kết nối gateway qua WiFi/Zigbee và cổng RS485. Hệ thống còn hỗ trợ cập nhật firmware từ xa qua OTA.

Từ dữ liệu sản xuất đến robot vận hành trong nhà máy

Trong tham luận Xây dựng nhà máy thông minh từ nền tảng quản lý sản xuất (MES) và bảo trì (CMMS), chuyên gia Chung Ngọc Hải (Quasoft và BnK Solution) giới thiệu hai phân hệ QUASOFT MES và QUASOFT CMMS.

Smart Factory - nhà máy thông minh thường được hình dung với AI, thiết bị IoT, robot, tự động hóa... Ảnh minh họa
Smart Factory - nhà máy thông minh thường được hình dung với AI, thiết bị IoT, robot, tự động hóa... Ảnh minh họa

Với QUASOFT MES, dữ liệu từ ERP/Sales như dự báo, định mức nguyên vật liệu (BOM) và dữ liệu nền (Master Data) được chuyển đến phòng kế hoạch.

Tại đây, hệ thống lập lịch sản xuất tự động bằng APS. Kế hoạch sau đó được chuyển xuống phân xưởng thông qua các lệnh sản xuất. Sản lượng được ghi nhận qua màn hình thao tác. Ở khâu kho, vật tư và thành phẩm được quản lí theo sơ đồ bố trí, kết hợp quét tem QR Code hoặc RFID.

Thay cho việc ghi chép từng kết quả bằng tay, hệ thống Auto-QC Data thu thập dữ liệu kiểm tra theo thời gian thực. Nguồn dữ liệu đến từ camera thị giác máy (Machine Vision), cảm biến công nghiệp, cân tự động và thiết bị kiểm tra chức năng.

Trong khi MES theo sát dòng sản phẩm thì QUASOFT CMMS kết hợp IoT để theo dõi tình trạng máy móc. Quy trình được triển khai qua năm bước. Cảm biến thu thập thông số nhiệt độ, độ rung và dòng điện.

Dữ liệu được truyền qua IoT Gateway đến máy chủ CMMS để xử lí theo ngưỡng thiết lập. Trạng thái máy hiển thị trên Dashboard. Hệ thống đồng thời gửi cảnh báo qua email, SMS, ứng dụng hoặc các kênh thông báo khác.

Dashboard cho phép theo dõi tiến độ xử lí sự cố theo thời gian thực. Một ví dụ trên hệ thống kiểm thử ghi nhận 43 yêu cầu, 50 tiếp nhận, 18 đang xử lí và 18 hoàn thành.

Theo tham luận, hệ thống hướng đến mục tiêu hiệu suất thiết bị tổng thể (OEE) trên 90,88%. Trong đó, khả năng đáp ứng đạt 100%, hiệu suất sản lượng 85%, chất lượng 87,18% và hiệu suất dây chuyền 74,1%.

Trong tham luận Giải pháp toàn diện nhà máy thông minh Smart Factory: từ ERP - WMS - WCS - RCS đến hạ tầng thiết bị kho thông minh, AGV, Cobot, Robot..., ông Quan Thọ Hào (Beyondsoft Technology) giới thiệu các mô hình kho thông minh và hệ thống điều phối robot.

Ở lĩnh vực kho vận, PTP System 1 kết hợp R-bot, loại robot shuttle di chuyển bốn hướng trên mặt phẳng kệ, với H-bot, xe nâng di chuyển theo hai hướng dọc.

Mô hình phù hợp với kho có chiều cao không quá 30 m và không giới hạn số lượng SKU. Giải pháp đạt mức cao về mật độ lưu trữ và hiệu suất xuất nhập pallet. Hiệu suất picking ở mức vừa.

Trên nền tảng đó, PTP System 2 được thiết kế theo hướng linh hoạt hơn. Hệ thống loại bỏ hoàn toàn băng tải cố định trong kho. Các vị trí buffer và picking được bố trí ngay tại cổng xuất nhập, giúp nâng hiệu suất picking lên mức cao.

Giải pháp hướng đến các mô hình logistics 3PL, thương mại điện tử và siêu thị. Đây là những lĩnh vực có nhu cầu xử lí nhanh nhiều chủng loại hàng hóa.

Với kho có lối đi cực hẹp, PTP System 3 và 4 sử dụng robot xếp dỡ đa hướng U-bot kết hợp đội xe AMR. Mô hình áp dụng cho kho có chiều cao không quá 10 m. Theo tham luận, giải pháp giúp tăng hiệu suất xếp dỡ 30% so với xe nâng đối trọng truyền thống. Ở công đoạn siết vít, giải pháp hướng đến loại bỏ 100% sai sót do con người. Với công việc xếp pallet, thị giác 3D giúp robot nhận diện và bốc dỡ những kiện hàng không được sắp xếp theo thứ tự cố định.

Theo số liệu được Beyondsoft công bố, các giải pháp có thể giúp giảm đến 70% sự cố gây gián đoạn dây chuyền và nâng OEE lên 85%. Tổng thời gian sản xuất có thể rút ngắn khoảng 40%, trong khi tỉ lệ giao hàng đúng hạn (OTIF) tăng hơn 10%. Hiệu suất sản xuất toàn nhà máy có thể tăng 30%. Chất lượng sản phẩm nhất quán được cải thiện hơn 10%.

Doanh nghiệp cũng đưa ra mức hiệu quả dự kiến cắt giảm 30% nhân lực trực tiếp đứng máy và giảm 40% tổng chi phí vận hành (OPEX).

Đây là những con số do đơn vị cung cấp giải pháp công bố. Các chỉ tiêu phản ánh mục tiêu tối ưu nguồn lực khi tự động hóa được tích hợp vào hoạt động kho vận và sản xuất.

Nổi bật
      Mới nhất
      3 hệ thống AI - robot - IoT dành cho nhà máy thông minh
      • Mặc định

      POWERED BY ONECMS - A PRODUCT OF NEKO