QC thủ công thất thoát ở đâu
Kiểm tra chất lượng bằng mắt người có những điểm yếu cố hữu:
| Vấn đề của QC tay | Hậu quả |
|---|---|
| Mắt người mỏi, mất tập trung | Lỗi nhỏ lọt qua, nhất là cuối ca. |
| Không soi kịp tốc độ dây chuyền | Phải chạy chậm lại, hoặc chỉ kiểm xác suất → sót. |
| Tiêu chí mỗi người mỗi khác | Hàng lúc bị loại oan, lúc lỗi lọt — không nhất quán. |
| Hàng lỗi tới tay khách | Đền hợp đồng, trả hàng, mất khách, mất uy tín. |
Quy ra: đền hàng + mất khách (rủi ro lớn nhất), chi phí người soi, và hàng lỗi/loại oan bào mòn biên lợi nhuận. Đây là việc lặp lại, cần độ chính xác và tốc độ — đúng thế mạnh của thị giác máy tính.
AI làm được tới đâu
Quy trình "AI QC dây chuyền" gồm bốn bước:
01 · Camera dây chuyền. Camera quay sản phẩm khi chạy qua điểm kiểm (tận dụng hoặc lắp thêm camera công nghiệp).
02 · AI soi từng sản phẩm. So với mẫu chuẩn, phát hiện lỗi bề mặt (móp, xước, nứt, sai màu, thiếu chi tiết, lệch in) — đều tay và nhanh hơn mắt người.
03 · Phân loại Đạt / Lỗi. Gắn khung + lý do lỗi cho từng sản phẩm; ca nghi ngờ chuyển "kiểm lại".
04 · Loại lỗi + ghi log. Tự đẩy hàng lỗi ra khỏi line (qua cơ cấu chấp hành), ghi log + báo cáo tỷ lệ lỗi theo ca/máy để truy nguyên nhân.
AI soi và phân loại theo tiêu chí; con người xử lý ca biên và quyết định cải tiến dây chuyền. Mẫu lỗi mới cần được "dạy" thêm theo thời gian.
Dùng AI nào & tích hợp vào dây chuyền có sẵn
Lõi là thị giác máy tính: mô hình phát hiện/đối chiếu lỗi huấn luyện trên ảnh sản phẩm đạt/lỗi của chính nhà máy. Nền tảng: Google Vertex AI Vision, AWS Rekognition, hoặc mô hình mở (YOLO) chạy edge ngay tại nhà máy để xử lý realtime và không phụ thuộc mạng.
Không thay dây chuyền. AI là lớp camera + phần mềm gắn vào điểm kiểm sẵn có; tín hiệu "loại" nối với PLC/cơ cấu đẩy hiện tại; log đẩy về hệ thống MES/quản lý sản xuất nếu có. Triển khai on-premise/edge là mặc định cho môi trường nhà máy.
Dùng được tới đâu — ROI & ranh giới
Dùng được tốt cho lỗi nhìn thấy được (bề mặt, hình dạng, màu, in ấn, thiếu chi tiết). Cần đầu tư ban đầu về camera/ánh sáng và "dạy" mẫu lỗi.
Nên giao AI: soi 100% sản phẩm theo tốc độ line, phân loại đạt/lỗi đều tay, thống kê tỷ lệ lỗi theo ca/máy để truy nguyên.
Chưa nên giao AI: lỗi không nhìn thấy (chức năng bên trong cần đo lường), quyết định dừng/điều chỉnh dây chuyền — vẫn cần kỹ sư.
ROI: hết hàng lỗi tới khách (cắt đền hàng + giữ khách), giảm mạnh sót lỗi so QC tay, soi 100% thay vì xác suất, và đỡ người soi nhiều ca.
MONA đã làm gì & bắt đầu thế nào
Thị giác máy tính (QC, nhận diện, đọc ảnh chứng từ) là năng lực MONA đã triển khai thật. Cách làm: huấn luyện trên ảnh sản phẩm của chính nhà máy, chạy edge realtime, nối PLC + MES sẵn có, và để kỹ sư kiểm soát ca biên. Cam kết bảo mật bằng văn bản.
Bắt đầu: tuần 1 chọn một công đoạn + loại lỗi đắt nhất; tuần 2 thu ảnh đạt/lỗi + lắp camera/ánh sáng; tuần 3–4 chạy thử song song QC tay, đo tỷ lệ bắt/sót/loại oan, hiệu chỉnh rồi nối cơ cấu loại.
Câu hỏi thường gặp
- AI bắt được những loại lỗi nào?
- Các lỗi nhìn thấy được: móp, xước, nứt, sai màu, lệch/thiếu in, thiếu chi tiết, sai kích thước hình học. Lỗi chức năng bên trong cần thiết bị đo riêng.
- Có phải thay dây chuyền/PLC không?
- Không. AI là lớp camera + phần mềm gắn vào điểm kiểm; tín hiệu loại nối với PLC/cơ cấu đẩy hiện có, log đẩy về MES nếu có.
- Cần internet không?
- Không bắt buộc. Mô hình chạy edge ngay tại nhà máy để xử lý realtime và hoạt động kể cả khi mất mạng.
- AI có tự nhận lỗi mới không?
- Mẫu lỗi mới cần được bổ sung và 'dạy' thêm theo thời gian; hệ thống càng chạy càng chính xác khi được phản hồi đúng/sai.
Nguồn tham khảo
- Google Vertex AI Vision · cloud.google.com/vertex-ai
- AWS Rekognition · aws.amazon.com/rekognition
- NIST AI Risk Management Framework · nist.gov
- Kinh nghiệm AI thị giác máy tính của MONA · Reviewed by Mon
Hệ sinh thái MONA
MONA Software xây phần mềm theo yêu cầu và sản phẩm AI cho doanh nghiệp. Trong cùng hệ sinh thái MONA Group: mona.media phụ trách thiết kế website và dịch vụ SEO tổng thể; mona.host lo hosting, VPS, domain.