មុនពេលម៉ាស៊ីនក្នុងរោងចក្រខូច AI ដឹងមុន៖ ការថែទាំព្យាករណ៍អាចជួយសន្សំសំចៃការខាតបង់ដោយសារការឈប់ដំណើរការសម្រាប់វិស័យឧស្សាហកម្មផលិតកម្មតៃវ៉ាន់យ៉ាងដូចម្ដេច?

ទៀបភ្លឺម៉ោងប្រាំ ពេលមេការខ្សែចង្វាក់ផលិតកម្មនៃរោងចក្រម្ដេចនៅតំបន់កណ្ដាលម្នាក់ទទួលបានសាររំលឹកនៅលើទូរសព្ទ៖ ការរំញ័រម៉ូទ័ររបស់ម៉ាស៊ីនបំពេញលេខបីបង្ហាញពីសញ្ញាមិនប្រក្រតី ហើយប្រព័ន្ធបានប៉ាន់ស្មានថាមានហានិភ័យខូចខាតប្រហែលកន្លែងទប់ទំង (Bearing) ក្នុងរយៈពេលប្រាំពីរថ្ងៃ។ គាត់ក៏បានរៀបចំកាលវិភាគថែទាំនៅចុងសប្ដាហ៍ ដើម្បីដូរយកកន្លែងទប់ទំងនោះចេញ។ ពីរ សប្ដាហ៍ក្រោយមក ពេលក្រឡេកមើលទៅវិញ ប្រសិនបើមិនបានដូរទេ ម៉ាស៊ីននោះអាចនឹងត្រូវឈប់ដំណើរការភ្លាមៗនៅព្រឹកថ្ងៃពុធក្នុងរដូវកាលដឹកជញ្ជូនមមាញឹក ដែលនោះទើបជាគ្រោះមហន្តរាយពិតប្រាកដ។ នេះគឺជាអ្វីដែលការថែទាំព្យាករណ៍ដោយ AI កំពុងតែធ្វើ៖ ធ្វើឱ្យរឿង «ខូច» ពីឧបទ្ទវហេតុបន្ទាន់ប្រែក្លាយជាកិច្ចការប្រចាំថ្ងៃដែល يمكنកំណត់ពេលបាន។

ប្រវត្តិព្រឹត្តិការណ៍

ឧស្សាហកម្មកែច្នៃផលិតកម្មបានរស់នៅចន្លោះទម្រង់ថែទាំពីរប្រភេទជាច្រើនឆ្នាំមកហើយ៖ មួយគឺ «ខូចចាំជួសជុល» (ការថែទាំក្រោយពេលកើតហេតុ) ដែលត្រូវបង់ថ្លៃដោយការឈប់ដំណើរការដោយគ្មានការព្រមានទុកជាមុន; មួយទៀតគឺ «ដល់ពេលត្រូវដូរ» (ការថែទាំការពារ) ដែលត្រូវបង់ថ្លៃដោយការដូរគ្រឿងបន្លាស់ដែលនៅអាចប្រើប្រាស់បាន និងខ្ជះខ្ជាយថ្លៃដើម។ ទាំងពីរគឺមិនស័្ក្ដសមទេ។

ការថែទាំព្យាករណ៍ដោយ AI (Predictive Maintenance) ចង់បញ្ចប់ភាពទាល់ច្រកទាំងពីរនេះ។ វាបានដំឡើងឧបករណ៍ចាប់សញ្ញា (Sensors) នៅលើឧបករណ៍ ដើម្បីវាស់វែងសញ្ញារំញ័រ សីតុណ្ហភាព សំឡេង ចរន្តអគ្គិសនីជាដើមបន្តបន្ទាប់ រួចប្រើប្រាស់គំរូសិក្សារបស់ម៉ាស៊ីន (Machine Learning) ដើម្បីប្រៀបធៀបគំរូធម្មតា និងមិនប្រក្រតី ដោយផ្ដល់សញ្ញាเตือนនៅពេលដែលការខូចខាត «មិនទាន់កើតឡើងប៉ុន្តែោងកំពុងតែបង្កើតឡើង»។ ប៉ុន្មានឆ្នាំចុងក្រោយនេះ ឧបករណ៍ចាប់សញ្ញាមានតម្លៃថោកជាងមុន ការគំនិតគណនានៅគែម (Edge Computing) មានភាពខ្លាំងក្លាជាងមុន និងគំរូ AI មានភាពត្រឹមត្រូវជាងមុន ដែលធ្វើឱ្យវិធីសាស្ត្រនេះអាចដើរចេញពីទ្រឹស្ដីចូលទៅក្នុងរោងចក្រខ្នាតតូច និងមធ្យមយ៉ាងពិតប្រាកដ។

ចំណុចសំខាន់ក្នុងពេលនេះ

• ការចាប់សញ្ញាភ្លាមៗ ការព្យាករណ៍ទុកជាមុន: វេទិកាដូចជា Augury ប្រើប្រាស់ឧបករណ៍ចាប់សញ្ញាគ្មានខ្សែដើម្បីតាមដានសុខភាពម៉ាស៊ីនបន្តបន្ទាប់ ដោយពឹងផ្អែកលើគំរូដែលបានហ្វឹកហាត់ជាមួយទិន្នន័យឧបករណ៍ឧស្សាហកម្មចំនួនច្រើន ដើម្បីផ្ដល់សញ្ញាเตือนមុនពេលមានការខូចខាត។
• មិនចាំបាច់បិទស្អិតឧបករណ៍ចាប់សញ្ញាពេញទាំងអស់: Samotics នៅប្រទេសហូឡង់ ដើរតាមផ្លូវមួយផ្សេងទៀត—វាស់វែងសញ្ញាចរន្តអគ្គិសនីពីទូបញ្ជាម៉ូទ័រ សូម្បីតែម៉ូទ័របូមទឹកដែលជ្រមុជក្នុងទឹក និងពិបាកចូលជិតក៏អាចតាមដានបានដែរ ដោយមិនបាច់ដំឡើងឧបករណ៍ចាប់សញ្ញាលើម៉ាស៊ីនឡើយ។
• ការប៉ាន់ស្មានអាយុកាលដែលនៅសល់: Nanoprecise នៅប្រទេសកាណាដា ប្រើប្រាស់ឧបករណ៍ចាប់សញ្ញាចម្រុះរួមជាមួយគំរូ இயូទិក (Physical Model) ដើម្បីប៉ាន់ស្មាន «អាយុកាលប្រើប្រាស់ដែលនៅសល់» របស់ឧបករណ៍ ដែលធ្វើឱ្យកាលវិភាគថែទាំមានភាពត្រឹមត្រូវជាងមុន។
• ការតភ្ជាប់ទៅកាន់វេទិកាកម្រិតសហគ្រាស: អតិថិជនឧស្សាហកម្មខ្នាតធំភាគច្រើនប្រើប្រាស់វេទិកា AI សហគ្រាសដូចជា C3 AI ដើម្បីគ្រប់គ្រងការថែទាំព្យាករណ៍រួមគ្នាជាមួយនឹងឃ្លាំងស្តុក និងកាលវិភាគ។

ការវិភាគឥទ្ធិពលទីផ្សារ

ចំពោះអ្នកប្រើប្រាស់នៅតៃវ៉ាន់ (បុគ្គលិកខ្សែចង្វាក់ផលិតកម្ម និងថែទាំ)៖ ផលប្រយោជន៍ផ្ទាល់បំផុតគឺ «លែងចាំបាច់ត្រូវគេហៅត្រឡប់មករោងចក្រវិញនៅពាក់កណ្ដាលអធ្រាត្រដើម្បីបន្លំភ្លើង»។ ការថែទាំបានប្តូរពីការបន្លំភ្លើងបែបអកម្មទៅជាការកំណត់កាលវិភាគបែបសកម្ម ដែលធ្វើឱ្យការសម្របសម្រួលកម្លាំងពលកម្មមានភាពស្រួលជាងមុន។ ប៉ុន្តែវាក៏មានន័យថាបុគ្គលិកថែទាំត្រូវរៀនមើលទិន្នន័យ និងជឿជាក់លើប្រព័ន្ធ ដែលនេះគឺជាការផ្លាស់ប្តូរផ្នត់គំនិត។

ចំពោះការអនុវត្តរបស់សហគ្រាស: ឧស្សាហកម្មកែច្នៃផលិតកម្មរបស់តៃវ៉ាន់ភាគច្រើនគឺសហគ្រាសខ្នាតតូចនិងមធ្យម ដែលកាលពីមុនយល់ថាការថែទាំព្យាករណ៍គឺជាឯកសិទ្ធិរបស់រោងចក្រធំៗ។ ឥឡូវនេះឧបករណ៍ចាប់សញ្ញា និងសេវាកម្មទិញជាវ (Subscription) បានទម្លាក់កម្រិតរនាំងឱ្យទាបចុះ ដោយសាកល្បងដាក់ឱ្យប្រើប្រាស់នៅលើខ្សែចង្វាក់ផលិតកម្មសំខាន់មួយជាមុន ហើយប្រើប្រាស់ការខាតបង់ពេលឈប់ដំណើរការមកគណនាផលចំណេញពីការវិនិយោគ ដែលជាទូទៅអាចទូទាត់ដើមទុនវិញបានក្នុងរយៈពេលត្រឹមតែប៉ុន្មានខែប៉ុណ្ណោះ។ គន្លឹះគឺត្រូវចាប់ផ្ដើមពីឧបករណ៍ដែល «ឈប់ហើយឈឺចាប់ជាងគេ» មុនគេ កុំគិតចង់ដាក់ឱ្យប្រើប្រាស់ទូទាំងរោងចក្រក្នុងពេលតែមួយ។

ចំពោះអ្នកអភិវឌ្ឍន៍ និងអ្នករួមបញ្ចូលប្រព័ន្ធ (SI)៖ នេះគឺជាឱកាសសម្រាប់ឧស្សាហកម្ម SI (System Integration) របស់តៃវ៉ាន់។ ទោះបីជាវេទិកាអន្តរជាតិខ្លាំងប៉ុណ្ណាក៏ដោយ ក៏នៅពេលដែលយកមកអនុវត្តជាក់ស្ដែងនៅរោងចក្រតៃវ៉ាន់ វានៅតែត្រូវការការរួមបញ្ចូលគ្នាក្នុងស្រុក ការភ្ជាប់ទំនាក់ទំនងរវាង OT និង IT និងបុគ្គលិកដែលយល់ដឹងពីឧបករណ៍។ ការភ្ជាប់ម៉ាស៊ីនចាស់ៗរបស់រោងចក្រតៃវ៉ាន់ទៅនឹងម៉ាស៊ីន AI អន្តរជាតិ ខ្សែសង្វាក់តម្លៃនៅកណ្ដាលនេះគឺពិតជាមានភាពជាក់ស្តែងណាស់។

និន្នាការអភិវឌ្ឍន៍នាពេលអនាគត

ជំហានបន្ទាប់គឺការរួមបញ្ចូលគ្នារវាង «ការថែទាំព្យាករណ៍» ជាមួយនឹង «ការគ្រប់គ្រងថាមពល» និង «ការតាមដានការបំភាយកាបូន» — ទិន្នន័យពីឧបករណ៍ចាប់សញ្ញាក្រុមតែមួយ ក្រៅពីព្យាករណ៍ពីការខូចខាត ក៏អាចមើលឃើញថាតើម៉ាស៊ីនមួយណាដែលកំពុងលួចប្រើប្រាស់អគ្គិសនី និងបង្កើនការបំភាយកាបូនផងដែរ។ នៅពេលដែលសម្ពាធអព្យាក្រឹតកាបូនធ្លាក់មកលើឧស្សាហកម្មកែច្នៃផលិតកម្ម តម្លៃនៃការប្រើប្រាស់មួយបានផលពីរនេះនឹងកាន់តែលេចធ្លໍឡើងៗ។ آگےទៅមុខទៀត គឺឧបករណ៍អាច «កុម្ម៉ង់ឥវ៉ាន់» ដោយខ្លួនឯង៖ នៅពេលព្យាករណ៍ឃើញថាគ្រឿងបន្លាស់ត្រូវដូរ ប្រព័ន្ធនឹងធ្វើការកុម្ម៉ង់គ្រឿងបន្លាស់បម្រុង និងរៀបចំកាតព្វកិច្ចថែទាំដោយស្វ័យប្រវត្តិ ហើយមនុស្សគ្រាន់តែចុចបញ្ជាក់ប៉ុណ្ណោះ។

សេចក្តីសន្និដ្ឋាន និងមតិយោបល់ពី TheAI學院

ការថែទាំព្យាករណ៍មិនមែនដើម្បីជំនួសបទពិសោធន៍របស់ជាងជំនាញចាស់ៗនោះទេ ប៉ុន្តែគឺការបំប្លែងវិចារណញាណរបស់ជាងជំនាញចាស់ៗដែលថា «ឮសម្លេងដឹងថាខុសប្រក្រតី» ឱ្យទៅជាប្រព័ន្ធដែលអាចវាស់វែងបាន អាចបន្តវេនបាន និងអាចពង្រីកទ្រង់ទ្រាយបាន។ ជាងជំនាញចាស់ៗនៃឧស្សាហកម្មកែច្នៃផលិតកម្មតៃវ៉ាន់កំពុងតែចូលនិវត្តន៍ ហើយបច្ចេកវិទ្យានេះក្នុងកម្រិតជាក់លាក់មួយគឺកំពុង «ធ្វើឌីជីថលភាវូបនីយកម្ម» នូវបទពិសោធន៍នៅក្នុងខួរក្បាលរបស់ពួកគេ។

មតិយោបល់ក្នុងប្រយោគតែមួយ៖ កុំរង់ចាំគម្រោងដ៏ធំនៃការបំលែងឌីជីថលទូទាំងរោងចក្រ ចូរជ្រើសរើសឧបករណ៍ដែល «ឈប់ហើយឈឺចាប់ជាងគេ» មួយគ្រឿងដើម្បីដំឡើងឧបករណ៍ចាប់សញ្ញាសាកល្បងជាមុនសិន និងនិយាយដោយផ្អែកលើការខាតបង់ពេលឈប់ដំណើរការដែលបានសន្សំសំចៃពិតប្រាកដ ដែលនេះគឺជាជំហានដំបូងដ៏ជាក់ស្តែងបំផុតសម្រាប់ឧស្សាហកម្មកែច្នៃផលិតកម្មក្នុងការដាក់បញ្ចូល AI។

យោបល់សម្រាប់ឧស្សាហកម្មកែច្នៃផលិតកម្មខ្នាតតូច និងមធ្យមនៅតៃវ៉ាន់៖ ចាប់ផ្ដើមពីការសាកល្បងចំណុចតែមួយ គណនាផលចំណេញពីការវិនិយោគឱ្យច្បាស់លាស់សិនមុននឹងពង្រីកទំហំ។ ចង់ស្វែងយល់បន្ថែមអំពីឧបករណ៍ AI ឧស្សាហកម្ម សូមមើល AI ផលិតកម្ម និងចំណាត់ថ្នាក់ឧស្សាហកម្ម របស់យើង; សម្រាប់សេណារីយ៉ូផ្សេងទៀតនៃការដាក់បញ្ចូល AI របស់អ្នកជំនួញ សូមយោងទៅលើមគ្គុទ្ទេសក៍ភារកិច្ច។

ប្រភពទិន្នន័យ

ការពន្យល់ផលិតផលពីគេហទំព័រផ្លូវការនៃឧបករណ៍នីមួយៗ រួមជាមួយនឹងការរៀបចំដោយផ្នែកនិពន្ធ؛ ប្រសិទ្ធភាពនៃការដាក់បញ្ចូលគឺខុសគ្នាអាស្រ័យលើឧបករណ៍ និងឧស្សាហកម្ម សូមយកការធ្វើរោគវិនិច្ឆ័យពីសំណាក់រោងចក្រដើម និងទីតាំងផ្ទាល់ជាគោលសម្រាប់ការវាយតម្លៃជាក់ស្តែង។ រៀបចំឡើងដោយផ្អែកលើព័ត៌មានជាសាធារណៈ។