Tiếng Anh Bản dịch tiếng Việt của Hà Nhi
Another example of Remote
Operations is Maersk, the huge
container ship line, but they had a
similar challenge. They had a problem
of losing up to $1 billion in their
operation because they were shipping
so many empty containers.
They already had telematic sensors on
lot of the containers cause they were
monitoring the temperature of
perishables. By integrating data from
the sensors with software from
Teradata Systems, they were able to
optimize the operation and minimize
the number of empty containers being
shipped. In the first couple of months
alone, they were able to reduce this
waste by $100 million.
Here is a case of General Motors,
which uses about 30,000 robots,
mostly from a company in Japan
called Fanuc. These robots originally
were not connected. Together, GM,
GV gợi ý, mở rộng
Một ví dụ khác cho Vận hành từ xa là
công ty vận tải có tiếng Maersk cũng
gặp phải thách thức tương tự. Maersk
đã thất thoát lên tới 1 tỷ đô la tiền vận
hành vì quá nhiều container trống được
vận chuyển. Họ cũng đã trang bị cảm
biến từ xa trên nhiều container để có thể
theo dõi nhiệt độ của các loại thực
phẩm dễ hư hỏng. Bằng cách tích hợp
dữ liệu từ cảm biến trên phần mềm hệ
thống Teradata, Maersk đã có thể tối ưu
hóa khâu vận hành và tối thiểu hóa số
container trống phải vận chuyển. Chỉ
trong vòng vài tháng đầu tiên áp dụng
công nghệ này, Maersk đã giảm hao hụt
chi phí xuống đến 100 triệu đô la.
Ví dụ điển hình tiếp theo là General
Motors (GM) sử dụng khoảng 30.000
robot từ công ty Fanuc, Nhật Bản.
Những con robot này ban đầu không hề
được kết nối với nhau. Sau đó GM,
Một ví dụ khác minh họa cho khái
niệm Vận hành từ xa là Maersk, công
ty vận tải container tầm cỡ, khi họ
cũng gặp phải thách thức tương tự.
Maersk đã thất thoát tới 1 tỷ đô la
trong quá trình vận hành vì họ cứ phải
vận chuyển quá nhiều container rỗng.
Họ cũng đã trang bị cảm biến từ xa
trên nhiều container để có thể theo dõi
nhiệt độ của các loại thực phẩm dễ hư
hỏng.
Bằng cách tích hợp dữ liệu từ cảm biến
trên phần mềm hệ thống Teradata,
Maersk đã có thể tối ưu hóa khâu vận
hành và hạn chế vận chuyển quá nhiều
container rỗng. Chỉ trong vòng vài
tháng đầu tiên áp dụng công nghệ này,
Maersk đã giảm đến 100 triệu đô la chi
phí hao hụt.
take…down to 100M.
Ví dụ (điển hình) tiếp theo là General
Motors, khi họ sử dụng khoảng 30.000
robot - phần lớn do công ty Fanuc,
Nhật Bản cung cấp. Những con robot
này ban đầu không hề được kết nối với
Fanuc and other vendors thought why
not connect these robots so they could
get the data and information about the
tradeoff between the use of materials
and configurations. More importantly,
they were able to anticipate potential
line stoppages.
In the last three years, about half the
robots got connected in what Fanuc
calls “near zero downtime”, and GM
has reported they were able to
anticipate and prevent roughly 100
line stoppages, and each one would
cost the company $2 million on
average.
Another example of Predictive
Analytics is Renfe, a rail company in
Spain. They were competing with a
local airline and decided to fight back
Fanuc và một số nhà cung cấp khác đã
đặt cùng một câu hỏi tại sao không kết
nối những con robot này lại để lấy dữ
liệu và thông tin về cân bằng giữa việc
sử dụng vật liệu và cấu hình. Quan
trọng hơn, họ có thể dự đoán được
những tắc nghẽn có khả năng xảy ra.
Trong vòng ba năm qua, một nửa số
robot này / trên đã được kết nối với
nhau, để tạo thành một mối liên hệ mà
như mô tả của Fanuc, là “hầu như
không có thời gian chết”. GM cũng cho
biết họ đã có thể dự đoán và ngăn chặn
được gần 100 tắc nghẽn mà cứ mỗi tắc
nghẽn như vậy sẽ lãng phí trung bình 2
triệu đô la.
Một ví dụ khác của Phân tích dự đoán
có thể kể đến là công ty đường sắt Tây
Ban Nha: Renfe. Renfe là đối thủ cạnh
tranh của các hãng hàng không nội địa,
nhau. Sau đó GM, Fanuc và một số
nhà cung cấp khác đã đặt cùng một câu
hỏi: Tại sao không kết nối những con
robot này lại, để lấy dữ liệu và thông
tin về khả năng cân bằng lượng vật
liệu và cấu hình? Quan trọng hơn, họ
có thể dự đoán được những tình huống
dây chuyền sản xuất có khả năng bị tắc
nghẽn.
rong vòng ba năm qua, một nửa số
robot này / trên đã được kết nối với
nhau, để tạo thành một mối liên hệ mà
như mô tả của Fanuc, là “hầu như
không có thời gian chết”.
GM cũng cho biết họ đã có thể dự
đoán và ngăn chặn được gần 100 vụ
tắc nghẽn dây chuyền sản xuất, mỗi vụ
tốn trung bình 2 triệu đô la.
case study
run-on sentences
Xin nêu thêm một ví dụ về Phân tích
dự đoán: công ty đường sắt Tây Ban
Nha có tên Renfe. Renfe là đối thủ
cạnh tranh của các hãng hàng không
and offer a high-speed rail connection
between Madrid and Barcelona. They
came up with a value proposition
including attractive pricing but key to
their value proposition is that they
guaranteed if the train did not arrive
within 15 minutes of the advertised
time they would refund all the tickets.
họ cho ra đời tuyến đường sắt cao tốc từ
Madrid tới Barcelona. Renfe đề xuất
mức giá hấp dẫn và giá trị hứa hẹn là
nếu tàu không đến trong vòng 15 phút
như quảng cáo thì khách hàng sẽ được
hoàn lại toàn bộ tiền vé.
nội địa. Họ quyết định giành lại lượng
hành khách // thị phần bằng tuyến
đường sắt cao tốc từ Madrid tới
Barcelona. Renfe đề xuất giá vé hấp
dẫn và cam kết là nếu tàu đến nơi trễ
hay sớm hơn 15 phút so với quảng cáo,
thì hành khách sẽ được hoàn lại toàn
bộ tiền vé.

Renfe đã thực hiện được cam kết do đã

They were able to make this guarantee lắp đặt cảm biến thông minh trong
because they installed comprehensive Renfe đã thực sự làm được điều này khoang tàu và trên đường ray, và do đó
sensors on board and on the tracks. nhờ vào việc lắp đặt cảm biến thông đã theo dõi và tối ưu hóa được các
They were able to optimize and keep minh trong khoang tàu và trên đường tuyến. Như vậy, Renfe đã thuyết phục
track and optimize the route. As a ray. Do đó Renfe đã theo dõi và tối ưu gần 60% hành khách hàng không nội
result, they were able to convert hóa được các tuyến đường tàu chạy. địa chuyển sang đi xe lửa, thu về thêm
roughly 60% of passengers that had Như vậy, Renfe đã chuyển đổi gần 60% 100 triệu đô la vào tổng doanh thu.
been using the local airline, gaining hành khách đã từng chọn các hãng hàng
$100 million of additional revenue. không nội địa trở thành khách hàng của
mình, thu về thêm 100 triệu đô la bổ
sung vào tổng doanh thu.
Preventive Maintenance is one of the Bảo trì định kỳ là một trong những cách Bảo trì dự đoán là một trong những
most common use cases and one of thức phổ biến nhất, hiệu quả nhất và cách thức phổ biến nhất, hiệu quả nhất
the most impactful and complex to cũng phức tạp nhất để triển khai thực và cũng phức tạp nhất khi muốn triển
deploy. Preventive maintenance is hiện. Bảo trì định kỳ vẫn được tập trung khai. Bảo trì dự đoán vẫn đang là hoạt
still highly verticalized. Preventive hóa cao. Biện pháp này được sử dụng ở động đòi hỏi chuyên môn cao. Biện
maintenance is used across all kinds hầu hết các ngành công nghiệp, bao pháp này được sử dụng ở hầu hết các
of industries, including utilities and gồm cả ngành tiện ích và vận tải, tuy ngành công nghiệp, bao gồm cả dịch
transportation, but let me give one nhiên ví dụ dễ thấy phải kể đến ở đây là vụ công ích và giao thông vận tải, tuy
example in the mining industry
because it’s very visual.
If you think of an open pit mine, it can
be two miles across and one mile
deep. Huge holding vehicles are used
with tires taller than a human being.
The problem is if one breaks down it
costs over $2 million a day of lost
revenues.
Tiếng Anh
Before IoT, it could take days or
weeks to fix the problem because you
had to order parts and these mines are
hundreds of miles from the nearest
town. By the way, the only way to
pull these vehicles out of the pit is to
use another vehicle so it cost them
double. IoT came to the rescue and in
combination with machine learning
software the company began putting
sensors on the vehicles, taking the
data from the vehicles, and able to
analyze and anticipate initially 80% of
potential failures up to three months in
advance but as the algorithms started
to learn more they were able to get to
upper to middle 90%. These are some
ngành khai khoáng.
Mỏ lộ thiên thường được ước lượng với
kích thước rộng khoảng 3,2 km và sâu
khoảng 1,6 km. Những phương tiện có
sức chứa khổng lồ thường được trang bị
bánh xe cao hơn chiều cao trung bình
của con người. Vậy nên vấn đề ở đây là
nếu một bánh xe bị hỏng hóc thì doanh
thu sẽ hao hụt hơn 2 triệu đô một ngày.
Bản dịch tiếng Việt của Minh Hạnh
Trước khi có Mạng lưới thiết bị kết nối
Internet (IoT), có thể mất vài ngày hoặc
vài tuần để khắc phục sự cố vì bạn phải
đặt mua các bộ phận và những nguồn
cung này cách thị trấn gần nhất hàng
trăm dặm. Cùng với đó, cách duy nhất
để kéo những phương tiện này lên khỏi
hố là sử dụng phương tiện khác khiến
chi phí tăng gấp đôi. Mạng lưới thiết bị
kết nối Internet đã đến ứng cứu và kết
hợp với phần mềm học máy, công ty
bắt đầu đưa các cảm biến lên cá phương
tiện, lấy dữ liệu từ các phương tiện và
có thể phân tích và dự đoán ban đầu
80% các hỏng hóc/sự cố tiềm ẩn lên
đến trước ba tháng. Nhưng khi các thuật
toán bắt đầu học hỏi/thuần thục/làm
nhiên ví dụ dễ thấy phải kể đến ở đây
là ngành khai khoáng.
Hãy hình dung tình huống có một mỏ
khai khoáng lộ thiên, rộng khoảng 3,2
km và sâu khoảng 1,6 km. Những
phương tiện khổng lồ thường được
trang bị bánh xe cao hơn đầu người.
Vậy nên vấn đề ở đây là nếu một bánh
xe bị hỏng hóc thì doanh thu sẽ hao hụt
hơn 2 triệu đô một ngày.
GV gợi ý, mở rộng
Trước khi IoT xuất hiện, bạn có thể
phải tốn vài ngày hoặc thậm chí vài
tuần mới có thể khắc phục được sự cố,
vì phải đặt mua các phụ tùng, ở các
nhà cung cấp xa hàng trăm cây số.
Thêm một ít thông tin cho các bạn rõ,
bạn chỉ có thể kéo những phương tiện
khổng lồ này lên khỏi mỏ bằng cách sử
dụng phương tiện khổng lồ khác, và do
đó mà chi phí sẽ đội lên gấp đôi. IoT
sẽ dang rộng vòng tay nhân ái, và kết
hợp với phần mềm học máy. Công ty
khai khoáng sẽ gắn/ lắp đặt cảm biến
lên các phương tiện trên, trích xuất dữ
liệu từ các phương tiện và có thể phân
tích cũng như dự đoán ba tháng trước
khi sự cố xảy ra, với độ chính xác
of the use cases.
But what are the lessons learned:
Dream big, but start small. Have a big
vision and big architecture, but start
with a small contained project.
There are a couple of reasons for this.
Everybody is learning as they go
along so they need to be able to solve
a problem and figure out how to
report a good ROI. This isn’t just
about technology -- you are
transforming your company so it is
about change management as well.
The second big lesson learned is that
you need to make sure you have
support from the C-Suite, the top
management folks for same reason.
You are transforming the
organization. You will have
naysayers. You will have people who
will resist change so you better have
somebody backing you and then build
a virtual team and establish the partner
ecosystem.
quen nhiều hơn, họ có thể đạt được mức 80%. Nhưng khi các thuật toán bắt đầu
trên tới trung bình 90%. Đây là một số vào cuộc, thì công ty này có thể đạt
trường hợp sử dụng. được mức dự đoán chính xác đến 90%.
Dưới đây là một số nghiên cứu trường
hợp.
Song, bài học được rút ra là: Mơ lớn,
nhưng bắt đầu từ việc nhỏ. Có tầm nhìn Tuy nhiên bài học cần rút ra là: Cứ mơ
lớn và mô hình lớn, nhưng hãy bắt đầu lớn đi, nhưng hãy bắt đầu từ từng việc
từ một dự án nhỏ trong đó. Có một vài nhỏ. hãy cứ mở rộng tầm nhìn với mô
lý do cho việc này. Mọi người đều đang hình vĩ đại, nhưng hãy bắt tay vào việc
học hỏi để phát triển, vì vậy họ cần có nhỏ trong một dự án cụ thể trong tầm
khả năng giải quyết một vấn đề và tìm
nhìn đó.
ra cách báo cáo lợi tức đầu tư tốt.
Không chỉ về công nghệ - bạn đang Có nhiều lý do bạn nên làm như vậy.
chuyển đổi công ty của mình, vì vậy nó Mọi người đều đang học hỏi trong quá
còn là thay đổi về cách quản lý. Bài học trình tiến bộ, vì vậy họ cần có khả
lớn thứ hai rút ra là bạn cần đảm năng giải quyết vấn đề và tìm ra mang
bảo/chắc chắn rằng bạn có sự hỗ trợ từ lại ROI cao hơn. Không chỉ về công
các giám đốc điều hành cấp cao C- nghệ mà thôi - mà bạn đang chuyển
Suite, những người quản lý hàng đầu vì đổi công ty của mình, và do vậy mà
lẽ tương tự. Bạn đang chuyển đổi tổ bạn còn phải thay đổi về cách quản lý.
chức. Bạn sẽ có những người phản đối.
Bạn sẽ có những người chống lại sự
thay đổi vậy nên bạn tốt hơn hết có ai Bài học lớn thứ hai là bạn cần đảm bảo
đó ủng hộ/chống lưng, sau đó xây dựng rằng có sự hỗ trợ từ các cấp điều hành
một nhóm thực sự và thiết lập hệ sinh cấp cao, cũng vì lý do tương tự. Bạn
thái đối tác. đang chuyển đổi tổ chức. Bạn sẽ có
những người phản đối. Bạn sẽ có
những người chống lại sự thay đổi, vậy
bạn cần có lực lượng ủng hộ, sau đó
xây dựng một nhóm công tác làm việc
 từ xa và thiết lập hệ sinh thái đối tác.

As you would expect with every new Nếu bạn mong đợi với mọi công nghệ Cũng như mọi công nghệ mới khác, có
technology, every new set of mới, mọi khả năng mới bạn sẽ gặp thất nhiều khả năng bạn sẽ gặp thất bại. Tôi
capabilities you will have failures. bại. Tôi đã liệt kê một số trên trang đã liệt kê một số trên trang trình bày
I’ve listed some on this slide but let trình bày này nhưng hãy để tôi đề cập này, nhưng hãy cho phép tôi đề cập
me mention one of them that đến một trong số trường hợp mà đáng đến một trong các trường hợp phổ biến
surprisingly we see very often. That isngạc nhiên là chúng ta thấy rất thường một cách đáng kinh ngạc. Đó là hiện
implementing IoT in isolation. For xuyên. Đó là triển khai IoT một cách cô trạng triển khai IoT rời rạc. Ví dụ, tại
example, in a United States city the lập. Ví dụ, tại một thành phố của Hoa một thành phố của Hoa Kỳ, thành phố
city implemented a city manhole Kỳ, thành phố đã triển khai một hệ đã triển khai một hệ thống kiểm soát
inflow control system to make sure thống kiểm soát dòng chảy vào miệng dòng chảy vào hệ thống thoát nước,
their sewer system would not be cống của thành phố để đảm bảo hệ sao cho không tắc nghẽn.
clogged. thống thoát nước của họ sẽ không bị tắc
nghẽn. Họ đã bán hệ thống và nó hoạt
động như thiết kế nhưng tỷ lệ lợi nhuận Họ đã tung sản phẩm này ra thị
They sold the system and it worked as thu được so với chi phí đầu tư ban đầu trường // thương mại hóa sản phẩm
designed but the ROI was not không thực tế. Tại sao? Bởi vì họ quên này, và sản phẩm hoạt động chính xác,
realized. Why? Because they forgot rằng có một quy trình kinh doanh trên nhưng tỷ lệ ROI không như mong đợi.
there was a business process above the mặt đất. Về cơ bản, những người quét Tại sao? Bởi vì họ quên rằng còn có
ground. Basically, street sweepers đường đã quét tất cả các loại bụi bẩn, lá một quy trình kinh doanh ở cấp cao
were sweeping all kinds of dirt and cây và rác thải vào các miệng cống, và hơn (hệ thống kỹ thuật). Điểm mấu
leaves and garbage into the manholes, làm tắc nghẽn chúng. Vì vậy, thành phố chốt ở đây là: những người quét đường
and clogging them up. So the city had đã phải thay đổi quy trình và sau đó bắt đã dồn tất cả bụi bẩn, lá cây và rác vào
to change the process and then started đầu có được lợi nhuận thu về. và làm tắc cống. Vì vậy, thành phố đã
to get ROI. phải thay đổi quy trình và sau đó tăng
Đó là một ví dụ rất đơn giản nhưng nó ROI lên.
thúc đẩy thông điệp rằng chúng ta
It’s a very simplistic example but it không triển khai IoT vì lợi ích của công Ví dụ trên có vẻ đơn giản hóa, nhưng
drives the message that we aren’t nghệ, mà còn để thay đổi và cải thiện lại cho thấy thông điệp rằng chúng ta
hoạt động kinh doanh cũng như xem xét không triển khai IoT chỉ vì công nghệ,
implementing IoT for the sake of the những quy trình kinh doanh nào cần mà còn để thay đổi và cải thiện hoạt
technology but to change and improve được thay đổi hoặc tác động. động kinh doanh, cũng như xem xét
our business operations and look at thay đổi hoặc tác động đến quy trình
what business processes need to be nào cần thiết.
changed or impacted as well.