Câu 1. Trí tu ệ nhân t ạ o là gì? Gi ả i thích s ự khác bi ệ t gi ữ a AI và các phương pháp toán h ọ c khác trong nh ậ n d ạ ng. Trí tu ệ nhân t ạ o (AI) là các h ệ th ố ng máy tính có kh ả năng th ự c hi ệ n các nhi ệ m v ụ thông thư ờ ng yêu c ầ u trí tu ệ con ngư ờ i, ch ẳ ng h ạ n như nh ậ n th ứ c th ị giác, nh ậ n d ạ ng gi ọ ng nói, ra quy ế t đ ị nh và d ị ch thu ậ t gi ữ a các ngôn ng ữ . AI đư ợ c th ể hi ệ n b ở i các máy móc có th ể nh ậ n th ứ c, t ổ ng h ợ p và suy lu ậ n thông tin AI có ti ề m năng đ ể c ả i thi ệ n ch ấ t lư ợ ng cu ộ c s ố ng hàng ngày b ằ ng cách làm các công vi ệ c th ông thư ờ ng và ph ứ c t ạ p t ố t hơn con ngư ờ i có th ể làm, làm cho cu ộ c s ố ng đơn gi ả n hơn, an toàn hơn và hi ệ u qu ả hơn. AI và các phương pháp toán h ọ c khác trong nh ậ n d ạ ng khác nhau v ề phương pháp ti ế p c ậ n và kh ả năng. AI t ậ p trung vào t ạ o ra các h ệ th ố ng thông minh t ừ d ữ li ệ u b ằ ng các thu ậ t toán như m ạ ng th ầ n kinh và h ọ c máy. Nó có th ể thích nghi và c ả i thi ệ n hi ệ u su ấ t theo th ờ i gian. Các phương pháp toán h ọ c khác d ự a trên các thu ậ t toán đư ợ c xác đ ị nh trư ớ c và thi ế u kh ả năng h ọ c ho ặ c thích nghi. AI có th ể x ử lý d ữ li ệ u ph ứ c t ạ p và không c ấ u trúc, phù h ợ p cho nhi ệ m v ụ nh ậ n d ạ ng hình ả nh và gi ọ ng nói. Nó có ti ề m năng t ổ ng quát hóa t ố t đ ố i v ớ i d ữ li ệ u m ớ i. Tuy nhiên, các mô hình AI có th ể thi ế u kh ả năng gi ả i thích. Các phương pháp toán h ọ c khác có th ể phù h ợ p hơn ch o các v ấ n đ ề đơn gi ả n hơn và cung c ấ p k ế t qu ả rõ ràng hơn. Câu 2. Gi ả i thích m ộ t s ố phương pháp h ọ c máy s ử d ụ ng phân lo ạ i (Gi ả i thích b ằ ng hình và ch ữ ) Decision trees are a type of supervised learning algorithm that is mostly used for classification problems. It works for both categorical and continuous input and output variables. A decision tree is a flowchart - like structure in which each internal node represents a "test" on an attribute (e.g., whether a coin flip comes up heads or tails), each branch represents the outcome of the test, and each leaf node represents a class label (decision taken after computing all attributes). The paths from root to leaf represent classification rules. Cây quy ế t đ ị nh là m ộ t lo ạ i thu ậ t toán h ọ c có giám sát đư ợ c s ử d ụ ng ch ủ y ế u ch o các v ấ n đ ề phân lo ạ i. Nó ho ạ t đ ộ ng cho c ả bi ế n s ố đ ầ u vào và đ ầ u ra r ờ i r ạ c và liên t ụ c. M ộ t cây quy ế t đ ị nh là m ộ t c ấ u trúc gi ố ng như bi ể u đ ồ dòng ch ả y trong đó m ỗ i nút n ộ i b ộ đ ạ i di ệ n cho m ộ t “bài ki ể m tra" trên m ộ t thu ộ c tính (ví d ụ : xem li ệ u m ộ t l ầ n t ung đ ồ ng xu có ph ả i là m ặ t ng ử a hay m ặ t s ấ p), m ỗ i nhánh đ ạ i di ệ n cho k ế t qu ả c ủ a ki ể m tra và m ỗ i nút lá đ ạ i di ệ n cho m ộ t nhãn l ớ p (quy ế t đ ị nh đư ợ c th ự c hi ệ n sau khi tính toán t ấ t c ả c á c thu ộ c tính). Các đư ờ ng đi t ừ g ố c đ ế n lá đ ạ i di ệ n cho các quy t ắ c phân lo ạ i. K nearest neighbors (KNN) là m ộ t thu ậ t toán trong Machine Learning đư ợ c s ử d ụ ng trong bài toán phân lo ạ i và gom c ụ m. Ý tư ở ng cơ b ả n c ủ a thu ậ t toán KNN là d ự a trên vi ệ c xác đ ị nh l ớ p ho ặ c nhóm c ủ a m ộ t đi ể m d ữ li ệ u m ớ i b ằ ng cách so sánh nó v ớ i K đi ể m d ữ li ệ u g ầ n nh ấ t trong t ậ p d ữ li ệ u hu ấ n luy ệ n. KNN đánh giá l ớ p ph ổ bi ế n nh ấ t trong K đi ể m g ầ n nh ấ t và gán nhãn cho đi ể m d ữ li ệ u m ớ i d ự a trên l ớ p đó. KNN đư ợ c coi là m ộ t thu ậ t toán đơn gi ả n và d ễ hi ể u, tuy nhiên nó có th ể tr ở nên tính toán t ố n kém đ ố i v ớ i các t ậ p d ữ li ệ u l ớ n. Random Forest là m ộ t thu ậ t toán h ọ c máy đư ợ c s ử d ụ ng cho các tác v ụ phân lo ạ i và h ồ i quy. Nó là m ộ t k ỹ thu ậ t k ế t h ợ p c ủ a nhi ề u cây quy ế t đ ị nh đ ộ c l ậ p, đư ợ c g ọ i là cây ng ẫ u nhiên. M ỗ i cây trong Random Forest đư ợ c hu ấ n luy ệ n trên m ộ t ph ầ n d ữ li ệ u con ng ẫ u nhiên và đưa ra m ộ t d ự đoán riêng. K ế t qu ả cu ố i cùng đư ợ c xác đ ị nh b ằ ng cách tính toán trung bình (phân lo ạ i) ho ặ c trung v ị (h ồ i quy) c ủ a các d ự đoán này. Thu ậ t toán Random Forest có kh ả năng x ử lý c ả d ữ li ệ u s ố và d ữ li ệ u h ạ ng m ụ c, gi ả m thi ể u tác đ ộ ng c ủ a nhi ễ u và overfitting, đ ồ ng th ờ i tăng tính chính xác và ổ n đ ị nh c ủ a mô hình d ự đoán. Câu 3. Gi ả i thích m ộ t s ố phương pháp không giám sát b ằ ng hình và t ừ ng ữ • Clustering Clustering là m ộ t thu ậ t toán trong h ọ c máy đư ợ c s ử d ụ ng đ ể ph ân nhóm các đi ể m d ữ li ệ u có tính ch ấ t tương t ự . M ụ c tiêu chính c ủ a clustering là tìm ra c ấ u trúc ẩ n trong d ữ li ệ u mà không c ầ n có các nhãn hay thông tin trư ớ c v ề các nhóm. Trong quá trình clustering, các đi ể m d ữ li ệ u đư ợ c xác đ ị nh d ự a trên s ự tương t ự v ề m ặ t đ ặ c trưng. Các đi ể m d ữ li ệ u tương t ự nhau s ẽ đư ợ c gom l ạ i thành các nhóm (clusters), trong đó m ỗ i nhóm đ ạ i di ệ n cho m ộ t c ụ m d ữ li ệ u có tính ch ấ t tương t ự Các ứ ng d ụ ng c ủ a clustering trong h ọ c máy là r ấ t đa d ạ ng. Ví d ụ , trong khám phá d ữ li ệ u, clusteri ng có th ể giúp tìm ra c ấ u trúc t ự nhiên c ủ a d ữ li ệ u và nh ậ n bi ế t các nhóm tương đ ồ ng. Trong x ử lý ả nh, clustering có th ể đư ợ c s ử d ụ ng đ ể phân đo ạ n ả nh thành các vùng tương đ ồ ng. Ngoài ra, clustering cũng đư ợ c s ử d ụ ng trong phân tích khách hàng, phân lo ạ i v ăn b ả n và nhi ề u lĩnh v ự c khác trong khoa h ọ c d ữ li ệ u và trí tu ệ nhân t ạ o. • Association Association là m ộ t phương pháp trong h ọ c máy dùng đ ể khám phá m ố i quan h ệ gi ữ a các m ụ c trong t ậ p d ữ li ệ u. M ụ c tiêu chính c ủ a association là tìm ra các quy t ắ c k ế t h ợ p ( association rules) gi ữ a các m ụ c đ ể xác đ ị nh s ự ph ụ thu ộ c và liên k ế t gi ữ a chúng. Quy t ắ c k ế t h ợ p (association rules) đư ợ c bi ể u di ễ n dư ớ i d ạ ng "X - > Y", trong đó X và Y là các t ậ p h ợ p các m ụ c. Quy t ắ c này cho bi ế t n ế u m ộ t t ậ p h ợ p các m ụ c X xu ấ t hi ệ n trong d ữ li ệ u, thì có kh ả năng t ậ p h ợ p các m ụ c Y cũng xu ấ t hi ệ n cùng v ớ i X. Ví d ụ , trong bài toán gian hàng bán l ẻ , association có th ể giúp tìm ra các quy t ắ c k ế t h ợ p như "N ế u khách hàng mua s ả n ph ẩ m A, thì khách hàng cũng mua s ả n ph ẩ m B" ho ặ c "N ế u khách hàng mua s ả n ph ẩ m C và D, thì khách hàng cũng mua s ả n ph ẩ m E". Ứ ng d ụ ng c ủ a association trong h ọ c máy là r ấ t phong phú. Nó có th ể đư ợ c s ử d ụ ng trong khai thác d ữ li ệ u, g ợ i ý s ả n ph ẩ m, phân tích hành vi ngư ờ i dùng, phân lo ạ i văn b ả n, và nhi ề u lĩnh v ự c khác trong lĩnh v ự c trí tu ệ nhân t ạ o và khoa h ọ c d ữ li ệ u. Câu 4. Hãy trình bày các lo ạ i hình cơ b ả n trong phân tích d ữ li ệ u (Data Analytics), m ỗ i lo ạ i hình cho m ộ t ví d ụ c ụ th ể Các lo ạ i phân tích d ữ li ệ u D ự a trên các k ỹ thu ậ t đư ợ c s ử d ụ ng, phân tích d ữ li ệ u có th ể đư ợ c phân thành các lo ạ i sau: Có nhi ề u lo ạ i hình cơ b ả n trong phân tích d ữ li ệ u, dư ớ i đây là m ộ t s ố lo ạ i ph ổ bi ế n: 1. Phân tích mô t ả (Descriptive Analytics): Lo ạ i phân tích này t ậ p trung vào vi ệ c mô t ả d ữ li ệ u m ộ t cách t ổ ng quan và tr ự c quan. Nó bao g ồ m v i ệ c s ử d ụ ng các phương pháp th ố ng kê và tr ự c quan hóa đ ể khám phá các đ ặ c trưng, xu hư ớ ng và quy lu ậ t c ủ a d ữ li ệ u. M ụ c tiêu c ủ a phân tích mô t ả là giúp ngư ờ i dùng hi ể u rõ hơn v ề d ữ li ệ u và đưa ra các nh ậ n đ ị nh ban đ ầ u. Ví d ụ : Gi ả s ử b ạ n có m ộ t t ậ p d ữ li ệ u v ề doanh thu hàng ngày c ủ a m ộ t c ử a hàng trong su ố t m ộ t năm. B ằ ng cách s ử d ụ ng phân tích mô t ả , b ạ n có th ể tính t ổ ng doanh thu hàng tháng, tính trung bình doanh thu hàng ngày, và tr ự c quan hóa bi ể u đ ồ đ ể th ấ y s ự bi ế n đ ộ ng và xu hư ớ ng c ủ a doanh thu theo th ờ i gian. 2. Phân tích di ễ n gi ả i (Diagnostic Analytics): Lo ạ i phân tích này t ậ p trung vào vi ệ c tìm hi ể u nguyên nhân và lý do x ả y ra c ủ a m ộ t hi ệ n tư ợ ng ho ặ c s ự ki ệ n d ự a trên d ữ li ệ u có s ẵ n. Phân tích di ễ n gi ả i đưa ra các gi ả i thích, gi ả thuy ế t và các mô hình g iúp gi ả i thích s ự bi ế n đ ổ i trong d ữ li ệ u và cung c ấ p s ự hi ể u bi ế t sâu hơn v ề v ấ n đ ề đang đư ợ c nghiên c ứ u. Ví d ụ : Ti ế p t ụ c ví d ụ trên, sau khi th ự c hi ệ n phân tích mô t ả , b ạ n nh ậ n th ấ y r ằ ng doanh thu gi ả m m ạ nh vào m ộ t tháng c ụ th ể . B ằ ng cách s ử d ụ ng phân tíc h di ễ n gi ả i, b ạ n có th ể nghiên c ứ u các nguyên nhân có th ể gây ra s ự gi ả m này, như thay đ ổ i trong chi ế n lư ợ c bán h à ng, môi trư ờ ng kinh doanh ho ặ c y ế u t ố khác. 3. Phân tích d ự đoán (Predictive Analytics): Lo ạ i phân tích này s ử d ụ ng các mô hình và thu ậ t toán đ ể d ự đoán và ư ớ c lư ợ ng các s ự ki ệ n và k ế t qu ả trong tương lai d ự a trên d ữ li ệ u quá kh ứ . Phân tích d ự đoán s ử d ụ ng các phương pháp như h ồ i quy, phân lo ạ i, m ạ ng nơ - ron và các thu ậ t toán h ọ c máy khác đ ể t ạ o ra mô hình d ự đoán có th ể áp d ụ ng cho d ữ li ệ u m ớ i. Ví d ụ : D ự a trên d ữ li ệ u doanh thu hàng ngày trong quá kh ứ , b ạ n có th ể xây d ự ng mô hình d ự đoán đ ể ư ớ c tính doanh thu trong các ngày tương lai, b ạ n có th ể s ử d ụ ng mô hình h ồ i quy đ ể d ự đoán doanh thu c ủ a ngày ti ế p theo d ự a trên doanh thu c ủ a các ngày trư ớ c đó và các y ế u t ố khác như th ờ i ti ế t, ngày trong tu ầ n, ho ặ c các s ự ki ệ n đ ặ c bi ệ t. 4. Phân tích đ ề xu ấ t (Prescriptive Analytics): Lo ạ i phân tích này t ậ p trung vào vi ệ c đưa ra các quy ế t đ ị nh và hư ớ ng d ẫ n đ ể t ố i ưu hóa k ế t qu ả d ự a trên d ữ li ệ u hi ệ n có và m ụ c t iêu đã đ ị nh s ẵ n. Phân tích đ ề xu ấ t k ế t h ợ p thông tin t ừ các phân tích mô t ả , di ễ n gi ả i và d ự đoán đ ể đ ề xu ấ t các gi ả i pháp và chi ế n lư ợ c t ố i ưu cho v ấ n đ ề đang đư ợ c xem xét. Ví ụ : V ớ i mô hình d ự đoán đã đư ợ c xây d ự ng, b ạ n có th ể s ử d ụ ng phân tích đ ạ i s ố đ ể đưa ra các quy ế t đ ị nh t ố i ưu. Ví d ụ , d ự a trên d ự đoán doanh thu, b ạ n có th ể t ố i ưu hóa l ị ch trình cung ứ ng, qu ả n lý nhân s ự , ho ặ c tăng gi ả m giá c ả đ ể đ ạ t đư ợ c doanh thu cao nh ấ t trong các ngày ti ế p theo. Câu 5. Hãy trình bày các bư ớ c chính trong phân tích d ữ li ệ u Các bư ớ c chính trong phân tích d ữ li ệ u bao g ồ m: 1. Thu th ậ p d ữ li ệ u: Thu th ậ p các ngu ồ n d ữ li ệ u liên quan đ ế n v ấ n đ ề ho ặ c m ụ c tiêu phân tích t ừ các ngu ồ n khác nhau, như cơ s ở d ữ li ệ u, t ệ p tin, trang web, các d ị ch v ụ API ho ặ c b ấ t k ỳ ngu ồ n d ữ li ệ u nào khác 2. Ti ề n x ử lý d ữ li ệ u: Lo ạ i b ỏ d ữ li ệ u không h ợ p l ệ ho ặ c thi ế u, đi ề u ch ỉ nh đ ị nh d ạ ng, đ ồ ng nh ấ t hóa d ữ li ệ u, và x ử lý các giá tr ị b ị thi ế u ho ặ c nhi ễ u trong d ữ li ệ u. 3. Khám phá d ữ li ệ u (Exploratory Data Analysis - EDA): Khám phá d ữ li ệ u đ ể hi ể u các đ ặ c t rưng, mô hình, quan h ệ và xu hư ớ ng có trong d ữ li ệ u. Đi ề u này có th ể đư ợ c th ự c hi ệ n b ằ ng cách s ử d ụ ng các bi ể u đ ồ , b ả ng s ố li ệ u và các phương pháp th ố ng kê mô t ả 4. Xây d ự ng mô hình: Áp d ụ ng các phương pháp phân tích d ữ li ệ u, bao g ồ m các thu ậ t toán máy h ọ c, th ố ng kê ho ặ c khai phá d ữ li ệ u đ ể xây d ự ng mô hình d ự đoán, phân lo ạ i ho ặ c nh ậ n bi ế t các m ẫ u trong d ữ li ệ u. 5. Đánh giá mô hình: Đánh giá mô hình d ự a trên các tiêu chí như đ ộ chính xác, đ ộ tin c ậ y, đ ộ phù h ợ p và các đ ộ đo khác tùy thu ộ c vào m ụ c tiêu phâ n tích. Đi ề u này giúp xác đ ị nh hi ệ u su ấ t c ủ a mô hình và ki ể m tra tính kh ả thi c ủ a nó. 6. Di ễ n gi ả i k ế t qu ả : Trình bày và di ễ n gi ả i k ế t qu ả c ủ a phân tích d ữ li ệ u. Đi ề u này bao g ồ m vi ệ c trình bày các phát hi ệ n, đánh giá s ự ả nh hư ở ng và gi ả i thích ý nghĩa c ủ a các k ế t qu ả phân tích. 7. Tri ể n khai và theo dõi: Áp d ụ ng các phân tích d ữ li ệ u vào th ự c t ế và theo dõi hi ệ u qu ả c ủ a các gi ả i pháp đã tri ể n khai. Đi ề u này cho phép c ả i thi ệ n và đi ề u ch ỉ nh các phân tích d ữ li ệ u trong tương lai. Câu 6. Hãy đ ị nh nghĩa CPS? Cho vài ví d ụ v ề CPS? H Ệ TH Ố NG S Ả N XU Ấ T KHÔNG GIAN M Ạ NG TH Ự C - Ả O Cyber Physical Systems (CPS) là h ệ th ố ng k ế t h ợ p gi ữ a các thành ph ầ n v ậ t lý và các ph ầ n m ề m thông minh k ế t n ố i v ớ i nhau thông qua m ạ ng Internet. CPS k ế t h ợ p kh ả năng c ả m nh ậ n, tính toá n và tương tác c ủ a máy tính v ớ i th ế gi ớ i v ậ t lý xung quanh đ ể t ạ o ra các h ệ th ố ng thông minh và t ự đ ộ ng hóa. M ộ t ví d ụ đơn gi ả n v ề CPS là máy đi ề u khi ể n nhi ệ t thông minh, nơi nhi ệ t đ ộ đư ợ c đi ề u ch ỉ nh d ự a trên s ự có ngư ờ i và đi ề u ki ệ n th ờ i ti ế t bên ngoài. H ệ th ố ng này k ế t h ợ p c ả m bi ế n đ ể giám sát nhi ệ t đ ộ và ngư ờ i s ử d ụ ng, công ngh ệ truy ề n thông đ ể k ế t n ố i v ớ i internet và các thi ế t b ị đi ề u khi ể n đ ể đi ề u ch ỉ nh h ệ th ố ng làm l ạ nh ho ặ c làm nóng. M ộ t ví d ụ khác là ô tô t ự lái. Nó tích h ợ p các c ả m bi ế n khác nhau như camera, lidar và radar v ớ i máy tính trên xe đ ể x ử lý d ữ li ệ u t ừ c ả m bi ế n và đưa ra quy ế t đ ị nh v ề lái, phanh và tăng t ố c. Trong môi trư ờ ng công nghi ệ p, m ộ t dây chuy ề n l ắ p ráp s ử d ụ ng cánh tay robot đư ợ c hư ớ ng d ẫ n b ở i các thu ậ t toán máy tính và c ả m bi ế n đ ể th ự c hi ệ n các nhi ệ m v ụ chính xác khác nhau là m ộ t ví d ụ khác v ề h ệ th ố ng v ậ t lý đi ệ n t ử Câu 7. Nêu nh ữ ng đ ặ c tính c ủ a CPS ▪ Tích h ợ p các thành ph ầ n v ậ t lý và k ỹ thu ậ t s ố : CPS k ế t h ợ p m ộ t cách mư ợ t mà các y ế u t ố v ậ t lý và k ỹ thu ậ t s ố đ ể t ạ o s ự tương tác li ề n m ạ c h. ▪ Giám sát và đi ề u khi ể n th ờ i gian th ự c: CPS thu th ậ p và phân tích d ữ li ệ u trong th ờ i gian th ự c đ ể đưa ra quy ế t đ ị nh ngay l ậ p t ứ c và t ố i ưu hóa h ệ th ố ng ▪ Ho ạ t đ ộ ng t ự đ ộ ng: CPS có th ể đưa ra quy ế t đ ị nh và th ự c hi ệ n hành đ ộ ng mà không c ầ n s ự can thi ệ p thư ờ n g xuyên c ủ a con ngư ờ i. ▪ Quan tâm v ề an ninh m ạ ng: CPS yêu c ầ u các bi ệ n pháp b ả o m ậ t v ữ ng ch ắ c đ ể b ả o v ệ kh ỏ i các m ố i đe d ọ a và đ ả m b ả o s ự riêng tư d ữ li ệ u. ▪ An toàn và đáng tin c ậ y: CPS ưu tiên an toàn và đáng tin c ậ y c ủ a các quy trình và ho ạ t đ ộ ng v ậ t lý. ▪ Đ a d ạ ng và có kh ả năng m ở r ộ ng: CPS có kh ả năng ch ứ a đ ự ng các thành ph ầ n đa d ạ ng và có th ể m ở r ộ ng v ề kích thư ớ c và ph ứ c t ạ p. ▪ Tương tác gi ữ a con ngư ờ i và máy: CPS có giao di ệ n thân thi ệ n ngư ờ i dùng đ ể t ạ o ra s ự c ộ ng tác và ki ể m soát hi ệ u qu ả ▪ M ạ ng k ế t n ố i: CPS d ự a vào giao ti ế p m ạ ng đ ể t ạ o s ự ph ố i h ợ p và t ố i ưu hóa li ề n m ạ ch. Câu 8. L ậ p b ả ng so sánh s ự khác nhau gi ữ a CPS và h ệ th ố ng nhúng Cyber Physical System H ệ th ố ng nhúng K ế t h ợ p quá trình v ậ t lý v ớ i h ệ th ố ng tính toán và truy ề n thông Bao g ồ m ph ầ n c ứ ng và ph ầ n m ề m đư ợ c thi ế t k ế cho m ộ t nhi ệ m v ụ c ụ th ể Bao g ồ m các y ế u t ố tính toán, thành ph ầ n v ậ t lý và cơ s ở h ạ t ầ ng m ạ ng đư ợ c k ế t n ố i v ớ i nhau Thư ờ ng ho ạ t đ ộ ng đ ộ c l ậ p Giám sát, đi ề u khi ể n và ph ố i h ợ p các quá trình v ậ t lý theo th ờ i gian th ự c Ch ủ y ế u t ậ p trun g vào th ự c hi ệ n m ộ t ch ứ c năng ho ặ c nhi ệ m v ụ c ụ th ể Cho phép truy ề n thông hai chi ề u gi ữ a các thành ph ầ n v ậ t lý và ả o Tương tác v ớ i môi trư ờ ng g ầ n k ề Nh ấ n m ạ nh kh ả năng k ế t n ố i, tương tác và h ợ p tác qua các lĩnh v ự c khác nhau Thư ờ ng đư ợ c t ố i ưu hóa cho hi ệ u su ấ t tài nguyên và tiêu th ụ đi ệ n năng th ấ p Ví d ụ : lư ớ i đi ệ n thông minh, h ệ th ố ng giao thông thông minh, t ự đ ộ ng hóa công nghi ệ p Ví d ụ : vi đi ề u khi ể n, c ả m bi ế n, đi ệ n t ử tiêu dùng Câu 9. Trình bày nh ữ ng đi ể m tương đ ồ ng và khác bi ệ t c ủ a ba khái ni ệ m sau . Cho ví d ụ minh h ọ a c ụ th ể . “Digital Twin Prototype (DTP)”, “ Digital Twin Instance (DTI)” , “Digital Twin Aggregate (DTA)”. ▪ DTP là m ộ t digital twin đư ợ c tri ể n khai trư ớ c khi t ạ o ra m ộ t s ả n ph ẩ m v ậ t lý. Nó bao g ồ m các thi ế t k ế , phân tích và quy trình c ầ n thi ế t đ ể t ạ o ra phiên b ả n v ậ t lý c ủ a m ộ t s ả n ph ẩ m. ▪ DTI là digital twin đư ợ c thi ế t k ế cho m ộ t s ả n ph ẩ m đã đư ợ c s ả n xu ấ t. Nó liên k ế t v ớ i đ ố i tư ợ ng v ậ t lý trong su ố t vòng đ ờ i đ ể ti ế n hành các th ử nghi ệ m trên các trư ờ ng h ợ p s ử d ụ ng khác nhau. ▪ DTA là s ự t ổ h ợ p c ủ a nhi ề u DTI. Nó giúp thu th ậ p thông tin đ ể xác đ ị nh kh ả năng c ủ a m ộ t s ả n ph ẩ m v ậ t lý trong các đi ề u ki ệ n khác nhau. ▪ Đ i ể m tương đ ồ ng chính gi ữ a các thu ậ t ng ữ này là chúng đ ề u liên quan đ ế n khái ni ệ m t ạ o ra m ộ t phiên b ả n k ỹ thu ậ t s ố c ủ a m ộ t đ ố i tư ợ ng ho ặ c h ệ th ố ng v ậ t lý. M ụ c tiêu c ủ a chúng là b ắ t chư ớ c và mô ph ỏ ng các đ ặ c đi ể m, hành vi và d ữ li ệ u c ủ a đ ố i tác v ậ t lý trong th ế gi ớ i th ự c. Câu 10. Trình bày ngu ồ n d ữ li ệ u và mô hình cho d ữ li ệ u s ố trong vi ệ c t ạ o b ả n sao s ố Trong vi ệ c t ạ o b ả n sao s ố (Digital Twin), ng u ồ n d ữ li ệ u s ố có th ể đ ế n t ừ các h ệ th ố ng, c ả m bi ế n và thi ế t b ị khác nhau đư ợ c k ế t n ố i v ớ i đ ố i tư ợ ng ho ặ c h ệ th ố ng v ậ t lý đư ợ c đ ạ i di ệ n. Các ngu ồ n này có th ể bao g ồ m: ▪ C ả m bi ế n: Các c ả m bi ế n đư ợ c g ắ n vào đ ố i tư ợ ng ho ặ c h ệ th ố ng v ậ t lý thu th ậ p d ữ li ệ u như n hi ệ t đ ộ , áp su ấ t, đ ộ ẩ m, rung đ ộ ng và các thông s ố khác liên quan. ▪ Thi ế t b ị Internet of Things (IoT): Các thi ế t b ị IoT, như đ ồ ng h ồ thông minh, thi ế t b ị gia d ụ ng thông minh và máy móc k ế t n ố i, t ạ o ra d ữ li ệ u v ề ho ạ t đ ộ ng, hi ệ u su ấ t và đi ề u ki ệ n môi trư ờ ng c ủ a chúng. ▪ H ệ th ố ng đi ề u khi ể n: H ệ th ố ng đi ề u khi ể n và h ệ th ố ng SCADA (Supervisory Control and Data Acquisition) giám sát và đi ề u khi ể n đ ố i tư ợ ng ho ặ c h ệ th ố ng v ậ t lý, cung c ấ p d ữ li ệ u v ề tình tr ạ ng, ho ạ t đ ộ ng và hi ệ u su ấ t c ủ a chúng. ▪ H ệ th ố ng bên ngoài: D ữ li ệ u cũng có th ể đư ợ c l ấ y t ừ các h ệ th ố ng bên ngoài như các API th ờ i ti ế t, cơ s ở d ữ li ệ u ho ặ c các n ề n t ả ng k ỹ thu ậ t s ố khác cung c ấ p thông tin liên quan v ề môi trư ờ ng ho ặ c ng ữ c ả nh mà đ ố i tư ợ ng ho ặ c h ệ th ố ng v ậ t lý ho ạ t đ ộ ng trong đó. V ề mô hình cho d ữ li ệ u s ố trong b ả n sao s ố , thông thư ờ ng bao g ồ m t ạ o ra m ộ t phiên b ả n ả o c ủ a đ ố i tư ợ ng ho ặ c h ệ th ố ng v ậ t lý b ằ ng các k ỹ thu ậ t như thi ế t k ế h ỗ tr ợ máy tính (CAD), mô hình 3D ho ặ c ph ầ n m ề m mô ph ỏ ng. Mô hình này bao g ồ m hình h ọ c, c ấ u trúc, hành vi và các thu ộ c tí nh khác liên quan c ủ a đ ố i tư ợ ng ho ặ c h ệ th ố ng v ậ t lý. D ữ li ệ u s ố t ừ các ngu ồ n khác nhau đư ợ c tích h ợ p vào mô hình này đ ể t ạ o ra m ộ t phiên b ả n đ ộ ng và th ờ i gian th ự c c ủ a đ ố i tư ợ ng ho ặ c h ệ th ố ng v ậ t lý. Đi ề u này cho phép theo dõi, phân tích và mô ph ỏ ng hành vi, hi ệ u su ấ t và ph ả n ứ ng c ủ a b ả n sao s ố đ ố i v ớ i các đi ề u ki ệ n và k ị ch b ả n khác nhau.