Khi AI và dữ liệu sạch trở thành "bộ óc" cho nhà máy thông minh tại Việt Nam

Chia sẻ tại Tọa đàm "Nhân rộng mô hình nhà máy thông minh: Ứng dụng AI, tự động hóa và công nghệ số trong ngành sản xuất Việt Nam" – sự kiện nằm trong khuôn khổ Hội nghị Sản xuất Công nghiệp Quốc tế 2026 (IMC 2026) diễn ra sáng 10/9 tại Trung tâm Triển lãm Việt Nam (VEC), các chuyên gia hàng đầu đã thảo luận sôi nổi về chiến lược chuyển đổi số, tối ưu hóa vận hành và các giải pháp bứt phá cho ngành sản xuất trong giai đoạn mới.

NHỮNG XU HƯỚNG NỔI BẬT VÀ CHUYỂN DỊCH CỐT LÕI 

Nhìn lại xu hướng nổi bật của những chuyển dịch cốt lõi của ngành sản xuất Việt Nam. TS. David Tw. Chia, Giám đốc điều hành khu vực Đông Nam Á của Beckhoff Automation nhận định rằng xu hướng lớn nhất trong những năm qua không chỉ nằm ở AI mà là "Software-Defined Automation" (Tự động hóa định nghĩa bằng phần mềm). Công nghệ này đóng vai trò cầu nối mượt mà giữa phần cứng và phần mềm, giải quyết bài toán cốt lõi là mở rộng quy mô từ giai đoạn thử nghiệm lên sản xuất hàng loạt.

Ở góc độ thu hút đầu tư, ông Huỳnh Thiện Ân - Giám đốc LAPP Việt Nam chỉ ra rằng Việt Nam hiện nay không chỉ thu hút các tập đoàn lớn nhờ chi phí nhân công hay vị trí địa lý. Sự lựa chọn của các thương hiệu toàn cầu đến từ chất lượng nguồn nhân lực, hạ tầng năng lượng xanh đáp ứng 100% tiêu chuẩn khắt khe, và khả năng làm chủ các công nghệ mới như ngành bán dẫn. “Trong vòng 3 năm tiếp theo, sự cạnh tranh sẽ phải thay đổi.Từ chi phí lao động thấp, chúng ta sẽ chuyển lên một nguồn lao động và nguồn năng lượng cao hơn, cộng với sự hỗ trợ về công nghệ. Đặc biệt nguồn công nghệ về AI sẽ giúp cho Việt Nam cạnh tranh hơn trong chuỗi cung ứng, thu hút đầu tư từ FDI”, ông Ân chia sẻ. 

Sự chuyển dịch đó cũng đòi hỏi hạ tầng công nghệ phải tiến hóa. Theo ông Đoàn Đại Phong, Phó Tổng Giám đốc Viettel IDC, hạ tầng số và công nghệ số đã không còn tách rời khỏi quy trình sản xuất. Trong giai đoạn 3-5 năm tới, các nhà máy thông minh đơn lẻ sẽ không thể đứng độc lập mà bắt buộc phải tích hợp sâu vào một hệ sinh thái gắn kết chặt chẽ với toàn bộ chuỗi cung ứng (value chain) phía sau.

Đồng tình với xu hướng liên kết này, bà Kimmy Nguyễn, Giám đốc khu vực của NTQ Europe, phân tích rằng nếu như 3-5 năm qua dữ liệu chủ yếu phục vụ quản trị nội bộ để tối ưu bộ máy, thì trong ba năm tới, dữ liệu nhà máy sẽ trở thành lợi thế cạnh tranh trực tiếp của sản phẩm, đặc biệt khi khách hàng ngày càng quan tâm đến truy xuất nguồn gốc và báo cáo chất lượng. “Đây cũng sẽ là lợi thế cạnh tranh khi chúng ta biết tận dụng dữ liệu nhà máy”, bà Kimmi Nguyễn khẳng định. 

Nhìn nhận ở tầm vóc hệ thống, Ông Cao Đại An, Trưởng Văn phòng Công nghệ và Giải pháp kiêm Thực hành AI khu vực ASEAN và Nhật Bản tại Hitachi Digital Services ví dữ liệu hiện đại hóa như "bộ óc" của doanh nghiệp. Khi hội nhập sâu rộng, dữ liệu phải được liên kết minh bạch trên phạm vi toàn cầu để đáp ứng các tiêu chuẩn về phát triển bền vững. “Chúng ta sẽ thấy là dữ liệu và digital workforce (lực lượng lao động số) là một trong những cái xu hướng trong những năm tiếp theo”, ông An nhận định. 

GỠ NÚT THẮT HẠ TẦNG: ĐỒNG BỘ OT - IT VÀ BÀI TOÁN DỮ LIỆU SẠCH

Tuy nhiên, các chuyên gia cũng cho rằng khoảng cách từ ý tưởng ứng dụng AI đến thực tế triển khai tại các nhà máy luôn chứa đựng nhiều thử thách. Ông Huỳnh Thiện Ân chỉ ra rằng rào cản lớn nhất nằm ở sự khác biệt về giao thức giữa các thiết bị, máy móc nhập từ Nhật Bản, châu Âu hay Mỹ. Để AI có thể phân tích và đưa ra phán đoán chính xác, nhà máy buộc phải giải quyết bài toán kết nối các tầng dữ liệu OT (thiết bị, cảm biến, robot) và IT (hệ thống văn phòng, quản trị) để chúng cùng nói một ngôn ngữ chung.

Về kiến trúc hạ tầng, ông Đoàn Đại Phong cho rằng đối với một nhà máy, câu hỏi cốt lõi không phải là sự cân bằng giữa điện toán biên hay trung tâm, mà là khối lượng công việc (workload) cần được xử lý ở đâu.

Chẳng hạn, dữ liệu từ các thiết bị cảm biến hay robot tại dây chuyền cần được xử lý nội biên để đảm bảo tốc độ phản hồi nhanh. Ngược lại, dữ liệu hình ảnh từ camera của nhiều nhà máy cần được tập trung về trung tâm để phân tích và huấn luyện các mô hình AI.

“Vì vậy, một kiến trúc công nghệ phù hợp cho nhà máy phải là mô hình hybrid (mô hình lai), trong đó nguyên tắc quan trọng nhất là xác định chính xác vị trí xử lý tối ưu cho từng khối lượng công việc cụ thể”, ông Phong nhấn mạnh. 

Bổ sung thêm về vai trò về công nghệ, ông Cao Đại An nhấn mạnh rằng công nghệ chỉ là công cụ hỗ trợ. Trong giai đoạn thử nghiệm, công nghệ thường là tâm điểm chú ý. Tuy nhiên, khi đi vào vận hành thực tế, công nghệ chỉ đóng vai trò là yếu tố kích hoạt cho quá trình chuyển đổi, trong đó dữ liệu chính là bộ óc của doanh nghiệp.

Đặc biệt, doanh nghiệp không thể áp dụng các mô hình AI huấn luyện sẵn bằng kiến thức chung trên thế giới mà bắt buộc phải học hỏi từ chính dữ liệu sạch của mình. “Tri thức công nghiệp và nền tảng dữ liệu nội bộ chính là chìa khóa cốt lõi. Nếu chỉ tập trung vào các dự án công nghệ đơn lẻ, doanh nghiệp có thể thành công ở giai đoạn thử nghiệm, nhưng dữ liệu đó sẽ không phản ánh hết thực tế vận hành”, ông An nhấn mạnh. 

Vì vậy, nền tảng công nghệ phải đủ khả năng mở rộng để liên tục cập nhật các bí quyết vận hành phù hợp với các trường hợp sử dụng ưu tiên. Song song với đó, khi AI và lực lượng lao động số bước vào vận hành, doanh nghiệp bắt buộc phải tái thiết kế mô hình vận hành và quy trình làm việc. “Từ ngành sản xuất xe lửa, máy biến thế cho đến robot công nghệ cao, bài toán đặt ra đều giống nhau: quy trình và vai trò con người phải được thay đổi ra sao để cùng phát triển song hành với lực lượng lao động số trong hệ thống”, ông An nói thêm. 

CHIẾN LƯỢC TỐI ƯU HÓA BÀI TOÁN ĐẦU TƯ CÔNG NGHỆ CHO CÁC DOANH NGHIỆP 

Tiến sĩ David Tw. Chia từ Beckhoff Automation khu vực Đông Nam Á, chỉ ra thực trạng nhiều doanh nghiệp chi lớn mua máy móc nhưng các thiết bị này lại không thể giao tiếp với nhau, dù là máy cũ hay máy mới. Để giải quyết, ông khuyến nghị các nhà máy nên gắn cảm biến nhằm chuyển đổi dữ liệu analog sang digital đối với máy cũ, hoặc tận dụng các giao thức mở đối với thiết bị mới.

Nhấn mạnh tầm quan trọng của việc thu thập và phân tích dữ liệu thời gian thực thông qua chỉ số OEE (Hiệu suất tổng thể thiết bị), chuyên gia này cho biết công cụ này giúp doanh nghiệp kiểm soát ba yếu tố cốt lõi: thời gian vận hành, sản lượng thực tế và tỷ lệ chất lượng sản phẩm.

Chia sẻ về hiệu quả đầu tư thực tế, ông David cho biết một dự án triển khai thí điểm trên cụm máy móc ban đầu được tính toán có thời gian hoàn vốn trong 18 tháng, nhưng nhờ dữ liệu thời gian thực giúp chỉ rõ nguyên nhân sụt giảm sản lượng, dự án đã thu hồi vốn hoàn toàn chỉ sau 6 tháng.

Đối với các nhà lãnh đạo đối mặt với bài toán nguồn vốn eo hẹp nhưng vẫn muốn tạo ra giá trị thực tiễn, các chuyên gia đã hiến kế những giải pháp mang tính thực chiến cao. 

Bà Kimmy Nguyễn đại diện NTQ Europe đề xuất chiến lược tập trung đánh giá và thu thập dữ liệu thời gian thực (real-time) tại một cụm máy cụ thể nhằm giải quyết bài toán thời gian dừng máy (downtime). Kinh nghiệm thực tế từ các dự án linh kiện điện tử cho thấy việc phân tích nguyên nhân downtime theo các nhóm cụ thể có thể giúp doanh nghiệp giảm tới 21% thời gian chết chỉ sau 6 tháng.

Trao đổi về bài toán chuyển đổi số cho doanh nghiệp vừa và nhỏ (SME), ông Đoàn Đại Phong, Phó Tổng Giám đốc Viettel IDC cho rằng các đơn vị này không nên tự xây dựng hạ tầng AI hay hạ tầng số riêng biệt. Theo ông, việc tự đầu tư theo hình thức chi phí vốn (CapEx) gặp nhiều rào cản lớn do tính chất phức tạp và vòng đời công nghệ quá ngắn, khi các dòng chip AI thường chỉ kéo dài từ 2 đến 3 năm trước khi lỗi thời.

Do đó, ông khuyến nghị các nhà máy và SME nên tận dụng hạ tầng dùng chung như điện toán đám mây hoặc các giải pháp từ nhà cung cấp bên ngoài. Cách tiếp cận này giúp doanh nghiệp rút ngắn thời gian đưa sản phẩm ra thị trường, tối ưu hiệu quả và dễ dàng mở rộng quy mô. Bên cạnh đó, chuyên gia này cũng nhấn mạnh tầm quan trọng của việc lựa chọn đúng bài toán kinh doanh để triển khai theo thứ tự ưu tiên nhằm thu về kết quả nhanh chóng.

Khép lại bài toán chiến lược, ông Cao Đại An từ Hitachi Digital Services  nhấn mạnh rằng ban lãnh đạo phải hoạch định một lộ trình dài hạn từ năm đến mười năm phù hợp với đặc thù riêng của doanh nghiệp. Việc đầu tư vào một nền tảng dữ liệu vững chắc ngay từ ban đầu, kết hợp giải quyết các điểm nghẽn về quy trình, sẽ là chìa khóa giúp doanh nghiệp duy trì năng lực cạnh tranh và phát triển bền vững trước mọi biến động của thị trường.