I. Tổng quan về Nền tảng No Code IIoT Giải pháp cho SMEs
Cuộc cách mạng công nghiệp 4.0 thúc đẩy doanh nghiệp cải tiến. Tự động hóa và tin học hóa dữ liệu trở nên then chốt. Đặc biệt, các doanh nghiệp vừa và nhỏ (SMEs) cần nền tảng Industrial Internet of Things (IIoT) hoàn thiện để tối ưu tầng sản xuất. Tuy nhiên, nhiều SMEs tại Việt Nam chưa hoàn thiện khâu thu thập và truyền dữ liệu. Việc đánh giá hiệu suất sản xuất chủ yếu dựa vào kinh nghiệm, làm giảm năng lực sản xuất. Luận văn này đề xuất giải pháp thu thập dữ liệu trên nền tảng No-Code IIoT, hỗ trợ doanh nghiệp giám sát, thu thập dữ liệu máy móc, đặc biệt là máy ép phun nhựa. Giải pháp cung cấp công cụ dự báo chất lượng sản phẩm bằng phương pháp Machine Learning. Dữ liệu được truyền đến quản lý thông qua Web-based SCADA, phục vụ phân tích, đánh giá và ra lệnh sản xuất phù hợp. Giải pháp này ứng dụng cho doanh nghiệp sản xuất sử dụng máy ép phun nhựa, vẫn còn giám sát thủ công và chưa áp dụng phương pháp điều hành sản xuất cụ thể.
1.1. Tầm quan trọng của IIoT và No Code trong Sản xuất Nhựa
IIoT giúp kết nối máy móc, cảm biến và hệ thống để thu thập, phân tích dữ liệu sản xuất. No-Code giảm thiểu yêu cầu về kỹ năng lập trình, giúp SMEs dễ dàng triển khai. Trong ngành sản xuất nhựa, IIoT có thể giám sát các thông số như nhiệt độ, áp suất, thời gian chu kỳ, và dự đoán chất lượng sản phẩm. Sử dụng các công cụ trực quan hóa dữ liệu giúp người dùng dễ dàng phân tích và ra quyết định. Giải pháp No-Code IIoT có thể giúp doanh nghiệp nhựa nhỏ và vừa tăng năng suất, giảm chi phí và nâng cao chất lượng sản phẩm.
1.2. Các Mục tiêu Nghiên cứu về Nền tảng No Code IIoT
Luận văn này tập trung vào các mục tiêu chính sau: (1) Xây dựng giao diện cấu hình gateway từ xa theo kiểu No-Code, giúp người dùng dễ dàng thiết lập và quản lý hệ thống mà không cần kiến thức lập trình sâu. (2) Thiết kế IoT gateway và lập trình vi điều khiển có chức năng tự động cấu hình, khởi tạo giao tiếp và thu thập dữ liệu từ các thiết bị trường thông qua I/Os hoặc các giao thức truyền thông khác. (3) Xây dựng cấu trúc IoT Server giúp lưu trữ dữ liệu, điều khiển thiết bị trường và dễ dàng trao đổi dữ liệu với các ứng dụng thứ cấp khác. (4) Xây dựng mô-đun dự báo chất lượng sản phẩm ép nhựa dựa trên dữ liệu thô thu được từ IoT Server, sử dụng các thuật toán máy học. (5) Xây dựng giao diện trực quan hóa quá trình thu thập dữ liệu của nền tảng No-Code IIoT Platform.
II. Thách thức khi áp dụng IIoT cho Dự báo Chất lượng Nhựa
Các doanh nghiệp sản xuất nhựa đối mặt nhiều thách thức khi áp dụng IIoT. Hàng lỗi không được phát hiện kịp thời làm giảm sản lượng. Công nhân thay đổi thông số máy ép, ảnh hưởng đến chất lượng sản phẩm. Tình trạng công nhân treo máy gây hư hại máy ép. Thiếu công cụ dự báo bất thường của máy ép. Dữ liệu sản xuất lưu trữ trên Excel, thiếu trực quan để phân tích. Báo cáo ép máy phụ thuộc vào con người, độ tin cậy thấp. Những vấn đề này xuất phát từ việc thiếu giám sát thông tin ép máy theo thời gian thực. Theo nghiên cứu của Muhammad F. Faqih và cộng sự (2021) việc sử dụng IIoT giúp giảm thời gian chu kỳ sản xuất và duy trì chất lượng sản phẩm, tối ưu hóa quy trình sản xuất.
2.1. Vấn đề Kiểm soát Chất lượng trong sản xuất Nhựa SMEs
Sản xuất nhựa SMEs thường gặp khó khăn trong kiểm soát chất lượng do thiếu hệ thống giám sát và phân tích dữ liệu hiệu quả. Việc dựa vào kinh nghiệm của công nhân dẫn đến sai sót và không ổn định. Các vấn đề thường gặp bao gồm: sản phẩm bị lỗi, kích thước không chính xác, bề mặt không đồng đều, và độ bền kém. Giải pháp IIoT có thể giúp cải thiện kiểm soát chất lượng bằng cách thu thập dữ liệu từ máy móc và cảm biến, phân tích dữ liệu bằng các thuật toán máy học, và cung cấp thông tin cho người dùng để điều chỉnh quy trình sản xuất.
2.2. Tại sao No Code lại quan trọng trong triển khai IIoT
No-Code đơn giản hóa quá trình triển khai IIoT cho SMEs. Các doanh nghiệp có thể xây dựng và tùy chỉnh ứng dụng IIoT mà không cần đội ngũ lập trình viên chuyên nghiệp. Theo nghiên cứu của Md Abdur Rahman và cộng sự (2023), IIoT có tiềm năng to lớn khi kết hợp với AI để thu thập dữ liệu thời gian thực và khai thác thông tin có giá trị. No-Code giúp SMEs tận dụng IIoT để cải thiện hiệu quả sản xuất, giảm chi phí và tăng khả năng cạnh tranh.
III. Cách xây dựng Nền tảng No Code IIoT cho Dự báo Nhựa
Việc xây dựng Nền tảng No-Code IIoT đòi hỏi sự kết hợp của nhiều yếu tố: (1) IIoT Gateway: thu thập dữ liệu từ máy ép phun nhựa. (2) IoT Server: lưu trữ và xử lý dữ liệu. (3) Giao diện No-Code: cho phép người dùng cấu hình hệ thống mà không cần lập trình. (4) Mô-đun dự báo chất lượng: sử dụng các thuật toán Machine Learning để dự đoán chất lượng sản phẩm. Việc tích hợp các thành phần này một cách hiệu quả sẽ giúp doanh nghiệp sản xuất nhựa đạt được những lợi ích to lớn từ IIoT.
3.1. Thiết kế IoT Gateway và Thu thập Dữ liệu từ máy ép
Thiết kế IoT Gateway cần đảm bảo khả năng kết nối với nhiều loại máy ép phun nhựa khác nhau. Gateway thu thập dữ liệu từ các cảm biến như nhiệt độ, áp suất, thời gian chu kỳ, và lưu lượng nhựa. Dữ liệu được truyền về IoT Server thông qua các giao thức như MQTT hoặc HTTP. Một số giao thức truyền thông trong công nghiệp được sử dụng gồm có : Ethernet/IP trong mô hình OSI, OPC-UA, Sparkplug.
3.2. Xây dựng IoT Server và Lưu trữ Dữ liệu hiệu quả
IoT Server cần có khả năng lưu trữ lượng lớn dữ liệu từ nhiều máy ép phun nhựa. Cấu trúc cơ sở dữ liệu cần được thiết kế để đảm bảo tính toàn vẹn và hiệu suất truy vấn dữ liệu. Server cần có API để cho phép các ứng dụng khác truy cập dữ liệu. Các giải pháp lưu trữ dữ liệu như InfluxDB hoặc TimescaleDB thường được sử dụng để lưu trữ dữ liệu thời gian thực.
3.3. Phát triển Giao diện No Code và Trực quan hóa Dữ liệu
Giao diện No-Code cho phép người dùng dễ dàng cấu hình các thông số của hệ thống IIoT, tạo các quy tắc cảnh báo, và xây dựng các Data visualization dashboards. Giao diện cần thân thiện và dễ sử dụng, ngay cả đối với người dùng không có kiến thức lập trình. Các công cụ như Node-RED hoặc Grafana có thể được sử dụng để xây dựng giao diện.
IV. Ứng dụng thuật toán Machine Learning cho Dự báo Chất lượng
Thuật toán Machine Learning đóng vai trò then chốt trong dự báo chất lượng. Dữ liệu thu thập từ máy ép phun nhựa được sử dụng để huấn luyện các mô hình Machine Learning. Các mô hình này có thể dự đoán các vấn đề chất lượng như sản phẩm bị lỗi, kích thước không chính xác, hoặc độ bền kém. Kết quả dự báo giúp người dùng đưa ra các biện pháp phòng ngừa để giảm thiểu rủi ro.
4.1. Lựa chọn Thuật toán Machine Learning phù hợp
Nhiều thuật toán Machine Learning có thể được sử dụng cho dự báo chất lượng. Các thuật toán phổ biến bao gồm: Support Vector Machines (SVM), Random Forests, và Neural Networks. Lựa chọn thuật toán phù hợp phụ thuộc vào đặc điểm của dữ liệu và yêu cầu của bài toán. Trong luận văn, Support vector classifier (SVC) được sử dụng.
4.2. Huấn luyện và Đánh giá Mô hình Dự báo Chất lượng
Dữ liệu thu thập từ máy ép phun nhựa được chia thành hai tập: tập huấn luyện và tập kiểm tra. Tập huấn luyện được sử dụng để huấn luyện mô hình Machine Learning. Tập kiểm tra được sử dụng để đánh giá hiệu quả của mô hình. Các chỉ số đánh giá như độ chính xác, độ tin cậy, và độ nhạy được sử dụng để đánh giá mô hình.
V. Kết quả và Đánh giá Nền tảng No Code IIoT cho Sản xuất Nhựa
Nền tảng No-Code IIoT đã chứng minh được hiệu quả trong việc giám sát, thu thập dữ liệu và dự báo chất lượng sản phẩm trong sản xuất nhựa. Hệ thống giúp giảm thiểu thời gian chết của máy móc, giảm lượng phế phẩm và tăng năng suất sản xuất. Giao diện No-Code giúp người dùng dễ dàng cấu hình và sử dụng hệ thống mà không cần kiến thức lập trình.
5.1. Đánh giá Sản phẩm Phần cứng và Phần mềm của IIoT platform
Sản phẩm phần cứng bao gồm IoT Gateway tự thiết kế, có khả năng kết nối với nhiều loại máy ép phun nhựa khác nhau. Sản phẩm phần mềm bao gồm IoT Server, giao diện No-Code, và mô-đun dự báo chất lượng. Các sản phẩm này được tích hợp với nhau để tạo thành một hệ thống hoàn chỉnh.
5.2. Đánh giá Hiệu quả của Mô đun Dự báo Chất lượng
Mô-đun dự báo chất lượng đạt độ chính xác cao trong việc dự đoán các vấn đề chất lượng. Kết quả dự báo giúp người dùng đưa ra các biện pháp phòng ngừa để giảm thiểu rủi ro. Theo bảng đánh giá kết quả dự đoán thể hiện trong tài liệu gốc, việc sử dụng mô-đun dự báo chất lượng giúp giảm đáng kể lượng phế phẩm trong quá trình sản xuất.
VI. Tương lai và Hướng phát triển Nền tảng No Code IIoT cho SMEs Nhựa
Nền tảng No-Code IIoT có tiềm năng phát triển mạnh mẽ trong tương lai. Các hướng phát triển có thể bao gồm: tích hợp thêm các thuật toán Machine Learning mới, mở rộng khả năng kết nối với các loại máy móc khác, và phát triển các ứng dụng di động để giám sát sản xuất từ xa. Nền tảng có thể được mở rộng để hỗ trợ các quy trình sản xuất khác ngoài ép nhựa.
6.1. Mở rộng Khả năng Kết nối và Tích hợp của IIoT platform
Nền tảng có thể được mở rộng để kết nối với các hệ thống khác như ERP, CRM, và MES. Điều này sẽ giúp doanh nghiệp có cái nhìn toàn diện về quy trình sản xuất và kinh doanh. Khả năng tích hợp với các hệ thống đám mây như AWS hoặc Azure cũng cần được xem xét.
6.2. Nghiên cứu và Phát triển các Thuật toán Machine Learning mới
Các thuật toán Machine Learning có thể được cải tiến để tăng độ chính xác và hiệu quả trong việc dự đoán chất lượng. Các thuật toán mới như Deep Learning có thể được sử dụng để giải quyết các bài toán phức tạp hơn. Việc nghiên cứu và phát triển các thuật toán Machine Learning mới sẽ giúp nền tảng trở nên mạnh mẽ và linh hoạt hơn.