Sản xuất đã tinh gọn. Logistics cung cấp cho nó thì chưa.

Góc nhìn từ Scaling Business Summit 2026, Thành phố Hồ Chí Minh.

Khán giả SBS đã dành hai ngày lắng nghe về AI, sản xuất tự động và nhà máy của tương lai. Dr. Philipp Schäfers, Trưởng bộ phận Đối tác tại SYNAOS, mở đầu phiên của mình với một chiếc xe nâng.

Không phải như một cú nhìn lại. Mà như một chẩn đoán. Bởi vì trong hầu hết các nhà máy, dây chuyền sản xuất là thứ được tối ưu hóa nhiều nhất trên sàn. Các chuyển động cung cấp cho nó — xe nâng, tuyến đường gom hàng, luồng vật liệu giữa các trạm — thường là thủ công, không theo dõi và đang rò rỉ hiệu quả mà không ai đo lường.

SYNAOS xây dựng phần mềm điều phối quản lý điều này. Được thành lập tại Hanover năm 2018, công ty kết nối xe nâng thủ công, robot di động và đội xe hỗn hợp dưới một nền tảng thông minh — phục vụ khách hàng từ Volkswagen và Schaeffler đến các nhà sản xuất thực phẩm và đồ uống. Tại châu Á, họ hoạt động thông qua đối tác Gradion. Những gì Philipp trình bày là hành trình từ xe nâng đến trí tuệ đội xe, và những lựa chọn cụ thể xác định liệu tự động hóa sẽ mở rộng quy mô hay đình trệ.

1. Điểm Mù Tối Ưu Hóa Lớn Nhất Của Nhà Máy

Các quy trình sản xuất trong hầu hết các cơ sở sản xuất được quản lý chuyên sâu. Các nhóm Lean lập bản đồ lãng phí. Các kỹ sư công nghiệp cân bằng khối lượng công việc. Mỗi giây thời gian chu kỳ đều được tranh đấu. Kỷ luật tối ưu hóa là có thật và kết quả cho thấy điều đó.

Rồi bộ phận thành phẩm rời khỏi ô sản xuất. Và xe nâng tiếp quản.

“Thường trong intralogistics, không có tối ưu hóa. Các quy trình rất thủ công. Ngoài ra, xử lý đơn hàng cũng rất thủ công. Đó là lý do chúng tôi thấy tiềm năng khổng lồ để tối ưu hóa những quy trình đó và làm cho chúng hiệu quả hơn.”

Khoảng cách này mang tính cấu trúc. Tối ưu hóa sản xuất có hàng thập kỷ phương pháp luận đằng sau — Lean, Six Sigma, Theory of Constraints. Tối ưu hóa intralogistics phần lớn được quản lý bằng kinh nghiệm và trực giác: một tài xế biết đường tắt, một giám sát viên theo dõi sàn, một người lập kế hoạch xây dựng lịch trình trong bảng tính.

Philipp đưa ra một ví dụ cụ thể. Một giám đốc nhà máy đứng trên sàn quan sát các tài xế xe nâng và nhận thấy họ chạy không tải nhiều hơn mức cần thiết. Ông nghi ngờ điều này nhưng không có dữ liệu để xác nhận, không có đường cơ sở để cải thiện, không có khả năng hiển thị về cách các tuyến đường thực sự đang được vận hành. “Ông ấy thực sự không có sự minh bạch về hiệu quả của các quy trình intralogistics thủ công của mình.” Khoảng cách minh bạch đó — vô hình vì không ai đo lường nó — chính là nơi hầu hết các nhà máy đang để lại nhiều hiệu quả nhất trên bàn.

Bài học 1: Sản xuất được tối ưu hóa vì ai đó đã chọn đo lường nó. Intralogistics không hiệu quả vì lý do tương tự. Khoảng cách giữa những gì bạn giả định đang xảy ra và những gì thực sự đang xảy ra bắt đầu bằng một cảm biến.

2. Vấn Đề Bảo Tàng Tự Động Hóa

Nhiều nhà máy đã bắt đầu các thí điểm tự động hóa. Một robot di động di chuyển các bộ phận giữa hai trạm. Nó hoạt động. Báo cáo thí điểm trông tốt. Và rồi nó dừng ở đó. Một robot. Có thể hai. Chạy cùng một vòng lặp trong nhiều năm.

Philipp đặt tên trực tiếp cho mô hình này. “Bạn sẽ bị mắc kẹt với một hoặc hai robot chạy xung quanh và sau đó nó trở thành một loại bảo tàng tự động hóa.” Không phải vì công nghệ thất bại. Mà vì những quyết định ban đầu đã làm cho việc mở rộng quy mô trở nên bất khả thi.

Điểm thất bại phổ biến nhất là khóa chặt phần mềm. Một nhà máy mua robot di động từ một nhà cung cấp. Robot đó đi kèm với hệ thống quản lý đội xe độc quyền của nhà cung cấp. Nó hoạt động cho robot đó. Khi nhà máy muốn một robot thứ hai từ một nhà cung cấp khác — vì họ cần loại xe khác hoặc nhà cung cấp đầu tiên không thể cung cấp đủ nhanh — hai hệ thống không thể giao tiếp với nhau. Đội xe không thể được quản lý như một đội. Mỗi robot hoạt động cô lập.

Giải pháp không phải là cam kết với một nhà cung cấp robot duy nhất. Mà là cam kết với một nền tảng độc lập với nhà cung cấp từ đầu.

“Điều quan trọng là đưa ra quyết định đúng ngay từ đầu. Nếu không, bạn sẽ không bao giờ đạt đến điểm mở rộng quy mô tự động hóa.”

Điều đó có nghĩa là chọn phần mềm điều phối có thể chứa nhiều loại robot, nhiều nhà cung cấp và hỗn hợp vận chuyển thủ công và tự động đang phát triển — trước khi đội xe đủ lớn để làm cho việc chuyển đổi trở nên tốn kém.

Bài học 2: Thí điểm tự động hóa thì dễ. Quyết định mở rộng quy mô xảy ra ở lớp phần mềm — trước khi có robot thứ hai. Hãy chọn điều phối độc lập với nhà cung cấp từ đầu, hoặc chấp nhận rằng tự động hóa của bạn vẫn là hiện vật bảo tàng.

3. Đội Xe Của Bạn Sẽ Đa Dạng. Hãy Lên Kế Hoạch Ngay Bây Giờ.

Ở quy mô lớn, không nhà sản xuất nào vận hành đội robot chỉ với một nhà cung cấp. Vận hành 50 hoặc 100 cơ sở trên toàn cầu đồng nghĩa với các quyết định mua sắm khác nhau, yêu cầu xe khác nhau cho các loại sàn khác nhau, nhà cung cấp khác nhau ở các khu vực khác nhau. Đội xe đa nhà cung cấp không phải là trường hợp ngoại lệ. Đó là tiêu chuẩn ở quy mô doanh nghiệp.

Thách thức này tạo ra là giao tiếp. Robot từ các nhà sản xuất khác nhau nói các giao thức khác nhau. Xe kéo từ một nhà cung cấp và AMR từ nhà cung cấp khác không có ngôn ngữ chung để trao đổi vị trí, chấp nhận đơn hàng hoặc xử lý lỗi — trừ khi một tiêu chuẩn áp đặt điều đó.

VDA 5050 là tiêu chuẩn đó. Được phát triển bởi các hiệp hội ô tô và chế tạo máy của Đức, nó định nghĩa giao diện truyền thông chung giữa robot di động và hệ thống quản lý đội xe. Nó độc lập với công nghệ: cùng một giao thức hoạt động cho AMR, AGV, AGV xe nâng hoặc tàu kéo tự động. SYNAOS là thành viên của nhóm làm việc từ khi tiêu chuẩn ra đời và sử dụng nó làm lớp tích hợp cho tất cả các robot kết nối.

Tiêu chuẩn này cũng xử lý sự phức tạp vận hành của môi trường đội hỗn hợp. Các quyết định an toàn cục bộ — dừng lại khi có người bước trước robot — vẫn nằm trong hệ thống trên robot. Tối ưu hóa trung tâm và phân công đơn hàng chạy trên cloud. Kiến trúc phân tách những gì phải là cục bộ khỏi những gì tập trung hóa tốt hơn, và giao thức quản lý việc bàn giao giữa hai phần.

Bài học 3: Đội xe đa nhà cung cấp là không thể tránh khỏi ở quy mô lớn. Hãy thiết kế kiến trúc tích hợp của bạn xung quanh một tiêu chuẩn mở ngay bây giờ để bạn có thể thêm nhà cung cấp thứ ba và thứ tư mà không cần xây dựng lại từ đầu.

4. Bắt Đầu Với Xe Nâng, Không Phải Robot

Điểm vào phản trực giác cho tự động hóa nhà máy không phải là mua robot. Mà là đo lường những gì bạn đã có.

Sản phẩm đầu tiên của SYNAOS trong hành trình tự động hóa là định vị thời gian thực cho xe thủ công: một bộ cảm biến nhỏ dựa trên camera gắn trên xe nâng hiện có, liên tục truyền vị trí của nó. Xe nâng vẫn là thủ công. Tài xế vẫn lái. Nhưng lần đầu tiên, hệ thống có thể thấy xe nâng đi đâu, mất bao lâu ở mỗi trạm, bao nhiêu hành trình có hàng so với không tải, và các nút thắt cổ chai trong luồng thực sự ở đâu.

Bước thứ hai là hướng dẫn xe nâng: một ứng dụng cung cấp cho tài xế hướng dẫn về việc lấy gì tiếp theo và đi đâu, được sắp xếp theo cùng một công cụ tối ưu hóa sẽ sau này quản lý đội robot. Phán đoán của tài xế về trình tự đơn hàng được thay thế bằng trí tuệ hệ thống, nhưng xe vẫn do con người vận hành.

Cả hai bước tạo ra thứ gì đó có giá trị hơn lợi ích hiệu quả: chúng tạo ra dữ liệu. Dữ liệu tiết lộ luồng vật liệu thực tế trong nhà máy — không phải các luồng giả định từ tài liệu thiết kế, mà là các luồng thực sự. Thực tế đó trở thành cơ sở cho mọi quyết định tự động hóa tiếp theo. Robot có ý nghĩa ở đâu? Tuyến đường nào có đủ khối lượng để biện minh cho tự động hóa? Ở đâu luồng thủ công và tự động cần cùng tồn tại?

Bài học 4: Khả năng hiển thị đến trước tự động hóa. Dữ liệu từ việc đo lường các quy trình thủ công của bạn có giá trị hơn robot đầu tiên. Nó cho bạn biết nên đặt robot ở đâu.

5. Phần Mềm Là Trí Tuệ. Cloud Là Quy Mô.

Tương lai mà Philipp mô tả là một tương lai nơi trí tuệ điều phối được tách biệt rõ ràng khỏi phần cứng mà nó quản lý. Robot mang phần mềm trên robot của riêng chúng cho điều hướng, an toàn và ra quyết định cục bộ. Nền tảng cloud xử lý mọi thứ ở trên: phân công đơn hàng, tối ưu hóa tuyến đường, quản lý giao thông, phối hợp sạc và lập kế hoạch lại thời gian thực khi điều kiện thay đổi.

Lớp cloud tính toán liên tục. “Chúng tôi đang tính toán 200 đến 300.000 giải pháp mỗi giây để đạt mục tiêu này” — so sánh tất cả các đơn hàng vận chuyển đang chờ với tất cả các nguồn lực sẵn có, mỗi khi có sự kiện mới xảy ra. Một robot dừng đột ngột. Một đơn hàng mới đến. Một cửa bị chặn. Kế hoạch được tính toán lại theo thời gian thực, không phải sáng hôm sau khi ai đó xuất báo cáo Excel.

Đây là khoảng cách mà hầu hết các nhà máy hiện đang sống trong đó. Dữ liệu tồn tại. Các hệ thống tạo ra nó. Nhưng một người ngồi giữa dữ liệu và quyết định, thực hiện phân tích thủ công có thể được tự động hóa. Tối ưu hóa mà phần mềm thực hiện liên tục trong mili giây tốn của chuyên viên phân tích hàng giờ và tạo ra một kế hoạch đã lỗi thời khi được thực hiện.

Kiến trúc cloud cũng cho phép triển khai doanh nghiệp biện minh cho khoản đầu tư. Cùng một nền tảng chạy trong một nhà máy có thể mở rộng đến mười, năm mươi hoặc một trăm cơ sở mà không tăng tỷ lệ chi phí phần mềm hay chi phí quản lý. Đó là nơi lợi nhuận được cộng hưởng.

Bài học 5: Lập luận về hiệu quả cho phần mềm intralogistics là tối ưu hóa liên tục theo thời gian thực. Business case là quy mô doanh nghiệp. Cả hai đều đòi hỏi kiến trúc cloud.

Cẩm Nang Thực Thi Dành Cho CEO: Phải Làm Gì Ngày Mai

1. Gắn cảm biến lên một chiếc xe nâng trong quý này. Trước bất kỳ cuộc thảo luận nào về robot, hãy có khả năng hiển thị thời gian thực về cách intralogistics thủ công của bạn thực sự hoạt động. Dữ liệu sẽ xác nhận hoặc sửa đổi các giả định của bạn. Kết quả nào cũng xứng đáng.
2. Lập bản đồ tỷ lệ chạy không tải của bạn. Khi bạn có dữ liệu định vị, hãy tính toán tỷ lệ phần trăm hành trình xe nâng chạy không tải. Trong hầu hết các hoạt động chưa được tối ưu hóa, con số này cao đến mức đáng ngạc nhiên. Đó là đường cơ sở đầu tiên của bạn để cải thiện.
3. Kiểm tra phần mềm tự động hóa hiện tại của bạn về khóa chặt nhà cung cấp. Nếu hệ thống quản lý robot hiện có của bạn chỉ hoạt động với phần cứng của một nhà cung cấp, bạn đã có trần mở rộng quy mô rồi. Hãy hiểu trần đó ở đâu trước khi mua sắm robot tiếp theo.
4. Kiểm tra sự tuân thủ VDA 5050 trong lần mua robot tiếp theo. Trước khi ký bất kỳ hợp đồng robot di động mới nào, hãy xác nhận nhà cung cấp hỗ trợ VDA 5050. Đó là sự khác biệt giữa thêm robot vào đội xe của bạn và thêm robot vào bảo tàng của bạn.
5. Xác định mục tiêu mở rộng quy mô intralogistics trước khi thí điểm. Bạn cuối cùng muốn bao nhiêu robot chạy trong cơ sở này? Hãy thiết kế kiến trúc phần mềm cho con số đó, không phải cho robot đầu tiên. Thí điểm rẻ để khởi động lại. Kiến trúc thì không.

→ Xem toàn bộ buổi hội thảo trên YouTube