Kiến trúc đưa dữ liệu từ gateway và Proto IoT Cloud vào lớp AI: phát hiện bất thường, dự báo xu hướng, viết báo cáo vận hành. AI chỉ đề xuất; lệnh điều khiển luôn cần người xác nhận.
Nhiều nhà máy, trạm bơm, hệ thống điện mặt trời đã có gateway đẩy dữ liệu lên dashboard. Sau một thời gian, kho dữ liệu lớn dần nhưng chủ yếu dùng để xem số hiện tại và nhận cảnh báo vượt ngưỡng. Thay đổi chậm, như dòng điện bơm tăng dần ở cùng tần số biến tần, hay một inverter phát thấp hơn các inverter cùng dãy, thì ngưỡng cố định không bắt được cho đến khi thành sự cố.
AI ở đây không tự vận hành nhà máy. Đó là lớp phân tích đặt trên dữ liệu sẵn có: tìm điểm khác thường, ước lượng xu hướng, viết bản tóm tắt cho người vận hành. Giá trị của nó phụ thuộc trực tiếp vào chất lượng dữ liệu bên dưới.
Bốn lớp tách rời: đổi gateway không phải làm lại phần AI, đổi mô hình AI không đụng vào thiết bị.
Phát hiện bất thường trên chuỗi thời gian. Thay vì một ngưỡng cố định, hệ thống xác định dải giá trị bình thường của từng điểm đo theo ngữ cảnh: giờ trong ngày, ngày trong tuần, chế độ chạy. Cùng một dòng điện bơm có thể bình thường khi biến tần chạy tần số cao nhưng bất thường ở tần số thấp. Nên bắt đầu bằng phương pháp thống kê dễ giải thích (độ lệch so với trung bình trượt cùng khung giờ, so sánh giữa các thiết bị cùng loại), rồi mới cân nhắc mô hình học máy khi có đủ lịch sử.
Dự báo xu hướng. Từ lịch sử, ước lượng giá trị vài giờ đến vài ngày tới: điện năng theo ca, mực nước bể chứa, nhu cầu nước theo giờ, sản lượng điện mặt trời khi có dữ liệu thời tiết. Dự báo luôn kèm khoảng sai lệch, phải so với thực tế định kỳ, và có thể lệch khi quy trình thay đổi hoặc gặp điều kiện chưa có trong lịch sử.
Báo cáo bằng mô hình ngôn ngữ. Con số được tính bằng truy vấn trên cơ sở dữ liệu (tổng, trung bình, số giờ chạy, số lần cảnh báo); mô hình ngôn ngữ chỉ đọc kết quả và viết phần diễn giải. Không để mô hình tự cộng trừ trên dữ liệu thô. Mỗi nhận định trong báo cáo dẫn về điểm đo, khoảng thời gian và truy vấn đã dùng để người đọc kiểm tra lại.
Kết nối qua MCP. MCP (Model Context Protocol) là giao thức mở cho phép AI Agent gọi các công cụ truy vấn dữ liệu bên ngoài. Theo nguyên tắc mở của Proto IoT Cloud, dữ liệu được kết nối với AI Agent mà doanh nghiệp đang dùng, như Claude hoặc ChatGPT, thay vì buộc dùng một mô hình riêng. Đổi mô hình không phải đổi lớp dữ liệu.
Nơi chạy.
Quyền truy cập và nhật ký. Công cụ MCP cấp cho AI Agent nên mặc định chỉ đọc và giới hạn theo trạm, theo nhà máy mà người dùng được phân quyền. Mỗi lần gọi ghi nhật ký: ai hỏi, công cụ nào, phạm vi dữ liệu, thời điểm. Khóa truy cập cấp riêng, thu hồi được.
| Vai trò | Thành phần | Ghi chú |
|---|---|---|
| Thu thập dữ liệu hiện trường | USR-M300 | Đọc Modbus RTU/TCP, giao thức PLC, DLT645, BACnet TCP/IP; gửi MQTT(S), HTTP, OPC UA; NTP; Node-RED, edge computing tới 2.000 điểm |
| Thu thập I/O nhẹ | USR-M100 | DI, DO, AI 4–20 mA, Modbus RTU master; MQTT, HTTP(S); bản 4G hoặc Ethernet |
| Gom thiết bị RS485 sẵn có | USR-N540-H7-4 | 4 cổng RS485 sang Ethernet, Modbus RTU↔TCP, MQTT |
| Nền tảng dữ liệu | Proto IoT Cloud hoặc bản cài tại chỗ | Lịch sử, cảnh báo theo ngưỡng/sự kiện, phân quyền, API |
| Máy chủ biên | USR-EG628-ETH | NPU 1 TOPS, RAM 4 GB, eMMC 32 GB; Ubuntu 20.04, Docker, Node-RED; suy luận nhẹ tại biên |
| Lớp kết nối AI | Máy chủ MCP | Công cụ chỉ đọc theo quyền; công cụ ghi (nếu có) tách riêng, mặc định tắt, cần người xác nhận |
| AI Agent | Claude, ChatGPT hoặc AI Agent doanh nghiệp đang dùng | Tài khoản và điều khoản dữ liệu do doanh nghiệp chọn |
| Máy chủ tại chỗ (tùy chọn) | Máy chủ do doanh nghiệp hoặc SI chọn | Khi cần giữ toàn bộ dữ liệu và mô hình trong mạng nội bộ |
Chưa có hạ tầng: bắt đầu bằng gateway và Proto IoT Cloud. Đã có SCADA hoặc cơ sở dữ liệu lịch sử: giữ nguyên, thêm lớp MCP đọc từ đó. Hiện trường mạng yếu: đặt phần phát hiện bất thường trên USR-EG628-ETH.
| Nhóm | Nội dung |
|---|---|
| Đầu vào cần có | Chuỗi thời gian có tên, đơn vị, chu kỳ rõ ràng; trạng thái vận hành (chạy, dừng, chế độ, tần số đặt); lịch sử cảnh báo; nhật ký bảo trì; thông số thiết kế (công suất định mức, dải đo) |
| Đầu ra của lớp AI | Điểm bất thường kèm điểm số, đồ thị, lý do; dự báo kèm khoảng sai lệch; báo cáo ca, ngày, tuần kèm bảng số gốc; gợi ý thiết bị, thông số cần kiểm tra |
| Điều khiển | AI không gửi lệnh. Nếu dự án cho AI soạn đề xuất: người có quyền xác nhận, nền tảng gửi lệnh theo phân quyền, ghi nhật ký. Bước xác nhận và nhật ký lệnh là yêu cầu thiết kế, kiểm tra trên nền tảng khi khảo sát |
| Cảnh báo | Cảnh báo ngưỡng của nền tảng giữ nguyên; cảnh báo từ AI là lớp bổ sung, ghi rõ là đề xuất |
Giới hạn cần nói rõ
Không có con số chung. Phát hiện bất thường cần lịch sử phủ các chế độ vận hành chính: tải cao, tải thấp, dừng, và mùa vụ nếu hệ thống chịu ảnh hưởng mùa. Báo cáo bằng mô hình ngôn ngữ dùng được ngay khi có dữ liệu, vì nó chỉ diễn giải số liệu đã tính.
Tùy nơi chạy. Dùng AI Agent trên cloud thì phần dữ liệu được truy vấn sẽ đi qua dịch vụ của nhà cung cấp mô hình. Nếu chính sách không cho phép, đặt cơ sở dữ liệu, máy chủ MCP và mô hình trong mạng nội bộ.
Không. Trong kiến trúc đề xuất, AI Agent không có đường gửi lệnh xuống gateway. Nếu dự án cần AI soạn đề xuất lệnh thì bước chờ người có quyền xác nhận và nhật ký lệnh là yêu cầu thiết kế. Nền tảng đã có sẵn hay chưa thì xác nhận khi khảo sát; chưa có thì phải xây thêm trước khi bật bất kỳ công cụ ghi nào.
Bài này mô tả kiến trúc giải pháp. Phần AI được thiết kế theo từng bài toán, trên dữ liệu của chính doanh nghiệp và với AI Agent doanh nghiệp chọn; PROTO cung cấp lớp thiết bị và nền tảng dữ liệu bên dưới. Hỏi đáp dữ liệu bằng ngôn ngữ tự nhiên xem thêm giải pháp Trợ lý AI – Chatbot.
Gửi mô tả hiện trường, thiết bị đang có và nơi cần xem dữ liệu. Kỹ sư PROTO trao đổi phương án kiến trúc và thiết bị phù hợp.
