Sự chuyển dịch tiếp theo của ngành ô tô hậu xe điện

Xe đang sạc điện tại trạm trên phố đang trở thành cảnh tượng thường ngày, đồng thời xu hướng dịch chuyển từ động cơ đốt trong sang động cơ điện liên tục xuất hiện trên các tiêu đề báo chí. Một số nhà sản xuất ô tô thậm chí đã vượt qua giai đoạn chuyển đổi này.

Bài viết của ông Christanto Suryadarma, Phó Chủ tịch Kinh doanh khu vực Đông Nam Á (SEA), Hàn Quốc và Kênh APJeC, Zebra Technologies sẽ nói rõ hơn về quá trình chuyển đổi này và các hãng xe cũng như các khu vực khác nhau sẽ có tốc độ thay đổi khác nhau.

Ông Christanto Suryadarma, Phó Chủ tịch Kinh doanh khu vực Đông Nam Á (SEA), Hàn Quốc và Kênh APJeC, Zebra Technologies.

Theo Hiệp hội các nhà sản xuất ô tô Việt Nam, thị trường xe máy điện và ô tô điện năm 2023 đã ghi nhận sự tăng trưởng. Thị trường chứng kiến sự ra mắt của nhiều mẫu xe hybrid và xe điện, trong các phân khúc từ phổ thông đến cao cấp. BMI Research dự báo mức tiêu thụ xe điện sẽ đạt tốc độ tăng trưởng gộp 26% trong giai đoạn 2023-2032, tương đương mức tiêu thụ hàng năm 65.000 xe vào năm 2032.

Với khoảng 100 triệu dòng lệnh và hơn 1.000 chip bán dẫn, số hóa và tin học hóa ô tô là một sự dịch chuyển lớn khác theo thời gian và đang tiếp tục phát triển. Ước tính, các phương tiện tự hành ngày nay có khoảng 300 triệu dòng lệnh và một chiếc xe điện cần khoảng 3.000 con chip.

Một quá trình chuyển đổi mới đang diễn ra, khi các hãng xe tích hợp công nghệ AI vào sản phẩm của mình. Chức năng trợ lý thoại IDA trên những chiếc xe của Volkswagen hiện được bổ sung ChatGPT, trong khi BMW hợp tác với Amazon Web Services (AWS) để đưa các mô hình ngôn ngữ lớn (LLM) vào Hệ thống trợ lý cá nhân thông minh của BMW. Hiện vẫn còn quá sớm để khẳng định AI tạo sinh sẽ thay đổi cách thức tương tác giữa người lái xe, ô tô và môi trường xung quanh như thế nào? Tuy vậy người dùng cũng hào hứng khi hình dung về các phương án sử dụng và trải nghiệm mới, ngoài những phương án do BMW và Volkswagen giới thiệu.

Trợ lý AI cá nhân có thể hỗ trợ người lái xe lập kế hoạch chuyến đi, nhắc việc, tìm chỗ đỗ, chia sẻ trạng thái hành trình với người khác, cập nhật và đề xuất tuyến đường theo thời gian thực. Thậm chí, chúng còn có thể đặt cà phê hoặc bữa trưa, để bạn lấy được ngay khi lái xe qua trạm nghỉ tiếp theo.

Việc tích hợp AI tạo sinh vào ô tô đánh dấu một bước tiến lớn trong việc ứng dụng AI vào ngành sản xuất ô tô để tạo giá trị cho người tiêu dùng. Tuy nhiên, người dùng cuối không phải là những người duy nhất hưởng lợi từ công nghệ này – đội ngũ kỹ sư sản xuất cũng được hưởng lợi từ AI. Các nhà sản xuất ô tô đang sử dụng một số ứng dụng AI để đáp ứng yêu cầu về chất lượng và tuân thủ đối với những chiếc ô tô hiện đại hợp thị hiếu, cũng như giúp nâng cao trải nghiệm của công nhân làm việc tại nhà máy. Học sâu (Deep learning) là một loại hình AI tiên tiến, bắt chước mạng lưới thần kinh trong não người.

Giới học thuật và các doanh nghiệp công nghệ đang coi học sâu như một công cụ hữu ích để các nhà sản xuất ô tô đáp ứng các yêu cầu kiểm tra trực quan mà các công cụ truyền thống không thể xử lý. Các hệ thống machine vision (thị giác máy) truyền thống thường được sử dụng để kiểm tra chất lượng và sản phẩm cuối, truy xuất nguồn gốc linh kiện, đo đạc và đo lường, chấm công, đo và kiểm tra độ xốp. Tuy nhiên, những công cụ này gặp nhiều hạn chế, bao gồm thời gian huấn luyện, chi phí, khả năng tương tác, bảo trì và xử lý các phương án sử dụng phức tạp.

Ứng dụng công nghệ giám sát bằng hình ảnh trong môi trường sản xuất.

Trong một báo cáo đối chuẩn ngành gần đây của Zebra, 56% lãnh đạo doanh nghiệp ô tô ở Anh và 43% ở Đức cho biết, hiện đang sử dụng một số loại hình AI như deep learning trong các dự án machine vision. Ở Anh và Đức, khoảng 20% lãnh đạo doanh nghiệp cho biết, không sử dụng bất kỳ công nghệ AI nào nhưng mong muốn tìm hiểu thêm hoặc dự định đầu tư.

“Đôi mắt AI” với công nghệ deep learning machine vision (thị giác máy học sâu) đảm bảo mức độ chính xác, chất lượng và kiểm tra tuân thủ chưa từng có – đồng thời trang bị cho đội ngũ kỹ sư, lập trình viên và nhà khoa học dữ liệu các công cụ deep learning mới dùng trong ngành sản xuất ô tô hiện đại.

Công nghệ deep learning machine vision có thể được ứng dụng rộng rãi trong sản xuất chất bán dẫn có nhu cầu cao, trong các giai đoạn từ kiểm tra tấm wafer, căn chỉnh mẫu hình, phân loại khuôn, cắt lát wafer, chất lượng kem hàn cho tới đo lường và kiểm tra 3D. Hơn bao giờ hết, cần có các tiêu chuẩn cao để áp dụng cho mọi đối tượng, từ ô tô đến AI tạo sinh, cho đến ô tô được trang bị AI tạo sinh.

Khi các công ty đẩy mạnh nỗ lực điện khí hóa, công nghệ deep learning machine vision còn có thể được ứng dụng trong quá trình sản xuất pin EV, để tăng cường kiểm tra node và bọc cực âm, vị trí tab điện cực, căn chỉnh đấu nối, kiểm tra số sê-ri/mã, cũng như xác minh lắp ráp.

Khi các nhà sản xuất phải đối mặt với thách thức tuyển dụng và giữ chân nhân công lành nghề, các công cụ deep learning thương mại sẽ là nhân tố giúp thay đổi cục diện. Công cụ nhận dạng ký tự quang học (OCR) ứng dụng deep learning có thể cung cấp công nghệ mạng neural đã được huấn luyện bằng hàng nghìn mẫu hình ảnh khác nhau, sẵn sàng để sử dụng và ngay lập tức cho độ chính xác cao, cả khi xử lý các trường hợp rất khó. Người dùng, dù không có chuyên môn về machine vision, vẫn có thể tạo các ứng dụng OCR mạnh sau vài bước đơn giản, minh chứng cho cách thức AI tiên tiến có thể được đơn giản hóa và phổ biến rộng rãi hơn cho người lao động.

AI, bất kể là deep learning hay AI tạo sinh, đều là động lực tạo giá trị cho người tiêu dùng và những người mang trách nhiệm thúc đẩy quá trình sản xuất phát triển, chẳng hạn như đội ngũ kỹ sư tuyến đầu tại nhà máy. AI đang nâng cao khả năng hiển thị giám sát tài sản, giúp trang bị và cung cấp thông tin tốt hơn cho nhân viên, cũng như nâng cao năng lực tự động hóa các nhiệm vụ phức tạp và lặp đi lặp lại. Các đội nhóm kỹ thuật lành nghề, có giá trị cao có thể trở thành những người kiểm soát giám sát, đồng thời có nhiều thời gian hơn để thúc đẩy chiến lược và hoạt động sản xuất phù hợp với các xu hướng dịch chuyển tương lai.

Để tìm hiểu thêm về deep learning machine vision, vui lòng truy cập tại đây.

Thúy Nguyễn