Page 52 - Công nghệ kỹ thuật và công nghệ thông tin trong tiến trình công nghiệp hóa - hiện đại hóa Đồng bằng sông Cửu Long

nghệ tự động hóa và điều khiển sau đây được dự đoán sẽ bùng nổ trong
tương lai:

2.3.1 Công nghệ trí tuệ nhân tạo AI (artificial intelligence)
Đây là một xu hướng được dự báo là biến động nhất trong công nghệ
tự động hóa, nhất là xu hướng điều khiển thông minh. Công nghệ AI đang
phá vỡ các hoạt động sản xuất truyền thông theo một hướng đáng kinh ngạc.
Nó cho phép các hệ thống máy móc có thể học, thích nghi và tự đưa ra các
quyết định một cách chuẩn xác. Các nhà máy sử dụng công nghệ này như là
một công nghệ nhận dạng mẫu, phát hiện bất thường để tối ưu hóa sản phẩm.
Các kỹ sư vận hành sẽ dần làm quen với các máy móc hiện đại ứng dụng công
nghệ AI được giao tiếp chủ yếu và giao diện người dùng HMI (human
machine interface). Sự hiện diện của các ứng dụng tích hợp sẵn máy học cũng
sẽ gia tăng trong xu hướng này.

2.3.2 Công nghệ nhập VAI (immersive technologies) như VR
(virtual reality), AR (augmented reality)
Các công nghệ nhập vai hiện tại hỗ trợ chia sẻ thông tin thời gian thực
hứa hẹn hỗ trợ hiệu quả trong các hoạt động huấn luyện công nhân, giảm lỗi
hướng dẫn, tăng hiệu suất. Điều này đồng nghĩa với VR, AR sẽ giúp tăng giá
trị kinh doanh thông qua việc tạo mội trường an toàn cho công nhân, tăng
năng suất, giảm thời gian sản xuất.

2.3.3 Điện toán biên (edge computing) và điện toán đám mây
(cloud computing)
Hệ thống điện toán biên hỗ trợ các hoạt động như thu thập, phân tích,
xử lý và lưu trữ dữ liệu cục bộ theo thời gian thực tại nơi triển khai thiết bị.
Hệ thống này sẽ hỗ trợ cho những đối tượng không chuyên về công nghệ
thông tin tại biên. Phần lớn các nền tảng biên (edge platform) được xây
dượng và vận hành một cách độc lập mà không cần người hay chuyên gia
công nghệ thông tin hỗ trợ tại chỗ. Tự động thu thập các dữ liệu vận hành
(operational technology [OT] data) tại biên có thể giúp mở ra những thông
tin chuyên sâu chất lượng cao và hữu ích từ khối lượng dữ liệu khổng lồ của
nhà máy. Các dữ liệu thu thập sau đó có thể được phân tích và tích hợp vào
các mô hình thông tin thông dụng và linh hoạt. Nó giúp các nhà khoa học dữ
liệu và kỹ sư dữ liệu cộng tác tốt hơn để phát triển những hiểu biết sâu sắc ở
cấp doanh nghiệp.

38