AI trong sản xuất (AI in manufacturing) tạo giá trị rõ nhất ở sáu việc: kiểm tra ngoại quan bằng thị giác máy, phát hiện bất thường trong quy trình, giám sát an toàn, theo dõi vật tư và robot vận chuyển, bảo trì dự đoán và phân tích hiệu suất. Mỗi ứng dụng gắn với một KPI nhà máy đã đo sẵn, như tỷ lệ lỗi lọt, thời gian máy chờ hay thời gian dừng ngoài kế hoạch. Nhờ vậy, bạn so sánh được trước và sau triển khai bằng chính số liệu của nhà máy.

Điều quyết định thành công thường không nằm ở mô hình AI, mà ở việc camera, robot, PLC và hệ thống giám sát có kết nối được với nhau hay không. Bài viết dành cho giám đốc nhà máy, quản lý vận hành, trưởng bộ phận IT/OT và doanh nghiệp làm robot. Với mỗi ứng dụng, bạn sẽ thấy dữ liệu cần có, KPI cần đo và cách bắt đầu bằng một PoC nhỏ.

Nhà máy tự động khác nhà máy thông minh ở điểm nào?

Nhà máy tự động làm đúng những gì đã được lập trình; nhà máy thông minh dùng dữ liệu từ chính quá trình đó để phát hiện vấn đề và điều chỉnh. Robot hàn chạy theo quỹ đạo cố định là tự động hóa. Hệ thống nhận ra dòng điện hàn dao động bất thường và cảnh báo trước khi mối hàn hỏng là nhà máy thông minh.

Nhiều nhà máy đã có robot, PLC, camera và dashboard, nhưng mỗi hệ thống báo trạng thái riêng. Người vận hành phải chuyển qua lại giữa phần mềm của nhiều nhà cung cấp để chạy một line. Mọi tình huống ngoại lệ, như robot bị chặn đường hay máy chờ khuôn, vẫn xử lý thủ công.

Vì vậy, bước sang nhà máy thông minh (Smart Factory) thường không bắt đầu bằng việc mua thêm thiết bị. Nó bắt đầu bằng một lớp kết nối, nơi hình ảnh camera, trạng thái máy, lệnh điều khiển robot và màn hình giám sát dùng chung một bối cảnh vận hành.

6 ứng dụng AI nào trong nhà máy đo được giá trị rõ ràng?

Sáu ứng dụng dưới đây được chọn vì mỗi ứng dụng gắn với một KPI vận hành cụ thể

1. Kiểm tra ngoại quan bằng AI (AI visual inspection)

AI visual inspection dùng camera và mô hình thị giác máy để phát hiện vết xước, móp, sai màu hay thiếu linh kiện ngay trên dây chuyền. Ví dụ, line sơn vỏ thiết bị có thể chụp từng sản phẩm sau buồng sấy và đánh dấu vết chảy sơn mà mắt người dễ bỏ sót ở ca đêm. Cần đo cùng lúc tỷ lệ lỗi lọt và tỷ lệ loại nhầm hàng đạt, vì mô hình quá nhạy sẽ giảm lỗi lọt nhưng loại bỏ cả hàng tốt.

2. Phát hiện bất thường trong quy trình (anomaly detection)

Anomaly detection học trạng thái bình thường của các thông số như áp suất, nhiệt độ khuôn, tốc độ trục, rồi cảnh báo khi tổ hợp thông số lệch khỏi mẫu đó. Trong ép nhựa, nhiệt độ khuôn và áp suất phun có thể cùng trôi chậm trong giới hạn cho phép, rồi một thời gian sau mới xuất hiện bavia hàng loạt. Ngưỡng cảnh báo cố định dễ bỏ qua kiểu sai lệch này, vì từng thông số riêng lẻ vẫn nằm trong giới hạn.

3. Giám sát an toàn quanh người và robot

AI nhận diện vật thể và người trên hình ảnh camera để phát hiện người đi vào vùng hoạt động của robot, xe nâng, hoặc thiếu đồ bảo hộ, rồi cảnh báo tại chỗ hoặc gửi đến tổ trưởng ca. Nguyên tắc cần giữ: AI chỉ là lớp bổ sung, không thay thế thiết bị an toàn đã được chứng nhận; bộ điều khiển an toàn của robot và hệ thống dừng khẩn cấp vẫn hoạt động độc lập. Hình ảnh nhân viên là dữ liệu cá nhân, nên chính sách lưu trữ và phân quyền truy cập cần được chốt trước khi lắp camera.

4. Theo dõi vật tư và robot vận chuyển

Khi nhà máy dùng AMR hoặc AGV chở vật tư, khuôn hay bán thành phẩm, câu hỏi hằng ngày là: robot nào đang ở đâu, đang làm nhiệm vụ gì, vì sao dừng. Cảm biến trên robot đôi khi không đủ trong xưởng có ánh sáng thay đổi, sàn phản chiếu, vật cản di động hoặc khu vực bị che khuất. Camera cố định kết hợp mã AprilTag bổ sung một lớp định vị từ bên ngoài, không thay thế cảm biến của robot

Thay vì nằm rải rác trên dashboard của từng hãng, trạng thái, lộ trình, nhiệm vụ, cảnh báo và lệnh điều khiển robot được gom về một giao diện giám sát chung, dạng sơ đồ 2D hoặc mô hình xưởng 3D. Người vận hành thấy ngay robot nào đang bị chặn, robot nào sắp hết pin, và can thiệp từ cùng một màn hình. KPI phù hợp là thời gian mỗi chuyến vận chuyển, thời gian máy chờ, tỷ lệ docking thành công, mức sử dụng robot và thời gian phản hồi cảnh báo. Đây là nhóm năng lực trong dịch vụ Smart Factory AI & Robot Control của BnK.

5. Bảo trì dự đoán (predictive maintenance)

Predictive maintenance kết hợp dữ liệu rung, nhiệt độ, dòng điện với lịch sử hỏng hóc để ước tính khi nào thiết bị có khả năng gặp sự cố. Ứng dụng này cần thời gian tích lũy dữ liệu dài hơn các ứng dụng khác, vì mô hình phải "thấy" đủ các lần hỏng thực tế. Nên bắt đầu với thiết bị nút cổ chai, nơi mỗi giờ dừng máy gây thiệt hại lớn nhất.

6. Phân tích hiệu suất sản xuất (production analytics)

Production analytics gom dữ liệu từ máy, MES và ERP để chỉ ra OEE thấp vì đâu: dừng máy, chạy chậm hay hàng lỗi, ở ca nào, với mã sản phẩm nào. Kết quả này thường dùng để chọn ứng dụng tiếp theo. Nếu phần lớn tổn thất đến từ máy chờ vật tư, theo dõi vật tư và robot là ưu tiên hợp lý. Xem thêm giải pháp của BnK cho ngành sản xuất công nghiệp.

Nhà máy của bạn đang chạy AMR hoặc AGV? Xem concept demo HMI giám sát robot 2D và 3D của BnK trong một buổi trao đổi ngắn. Đặt lịch demo

Cần hạ tầng gì để triển khai AI trong sản xuất?

Cần một kiến trúc gồm bốn lớp nối với nhau, cùng một lớp quản lý vận hành phía trên. Thiết kế dạng module cho phép bắt đầu từ một phần, ví dụ chỉ thêm camera và màn hình giám sát, rồi mở rộng dần

Dữ liệu đi từ camera lên lớp phân tích; lệnh đi ngược xuống robot qua lớp điều khiển. Ứng dụng cần phản hồi tức thì, như cảnh báo an toàn hay định vị robot, nên xử lý trên máy chủ AI đặt tại xưởng để hình ảnh không phải rời nhà máy. Với hệ thống nhiều camera IP, điểm khó thường nằm ở hiệu năng: BnK thiết kế pipeline trên NVIDIA DeepStream và GStreamer, tối ưu mô hình bằng TensorRT, điều chỉnh tốc độ khung hình theo từng luồng và cân bằng độ trễ với thông lượng trên GPU.

Trước khi đưa vào sản xuất, ba nhóm điều kiện cần được thống nhất với nhà máy:

• Ranh giới an toàn chức năng: bộ điều khiển an toàn và dừng khẩn cấp giữ nguyên, thao tác can thiệp thủ công được quy định rõ.

• Vận hành khi có sự cố: hành vi khi mất kết nối, khi camera hoặc máy chủ hỏng, quy trình cảnh báo, khôi phục và chế độ dự phòng.

• An ninh mạng: phân vùng mạng, phân quyền theo vai trò, quản lý API và thông tin xác thực, ghi log và hỗ trợ từ xa có kiểm soát.

Một dự án Smart Factory thực tế trông như thế nào?

Tại một nhà máy ép nhựa (tên khách hàng được giữ kín), BnK xây dựng hệ thống quản lý robot dựa trên camera. Hệ thống giải quyết ba bài toán: thấy được toàn bộ robot trong xưởng, định vị và phát hiện vật cản bằng hình ảnh, và điều khiển robot từ máy chủ để docking chính xác

BnK phụ trách lớp nhận diện đa camera trên DeepStream, giao diện giám sát nhà máy, tích hợp robot, cùng kiểm thử và tối ưu hệ thống. Bài học rõ nhất: độ chính xác và độ trễ phải được kiểm chứng trong điều kiện xưởng thật, và giao tiếp giữa máy chủ với robot phải có cơ chế an toàn khi mất kết nối.

Trong dự án này, thu nhận đa camera, hiệu chuẩn và định vị bằng AprilTag, nhận diện vật thể và người đã được kiểm chứng; theo dõi robot trên bản đồ xưởng, HMI giám sát và vòng điều khiển phía máy chủ đang ở mức prototype; docking độ chính xác cao và điều phối nhiều robot đang được phát triển. Năng lực đã kiểm chứng có thể làm nền cho PoC tiếp theo, phần còn lại cần kiểm chứng thêm trong điều kiện của từng nhà máy.

Vì sao nên bắt đầu bằng PoC, và bắt đầu từ đâu?

PoC giúp kiểm chứng một ứng dụng trong điều kiện thật của nhà máy trước khi cam kết ngân sách mở rộng. BnK khuyến nghị bắt đầu với một workflow robot và một PoC tập trung, đủ để kiểm tra bốn điều: giao diện giữa các hệ thống, độ tin cậy khi vận hành, cách hệ thống khôi phục khi có sự cố, và giá trị kinh doanh đo được. Lộ trình gồm ba giai đoạn:

1. Đánh giá: workshop yêu cầu, khảo sát nhà máy và robot, rà soát kiến trúc hiện tại, phân tích khả thi. Đầu ra là báo cáo đánh giá, kiến trúc tham chiếu, phạm vi PoC và ước tính effort.

2. PoC: xây một use case ưu tiên, tích hợp camera hoặc robot được chọn, đo độ chính xác và độ trễ, trình diễn HMI hoặc luồng điều khiển, chỉ ra rủi ro khi mở rộng.

3. Triển khai đầy đủ: thiết kế chi tiết, phát triển phần mềm, tích hợp robot và PLC, HMI, kiểm thử, hỗ trợ triển khai, bàn giao và đào tạo.

Theo mô hình BnK đang áp dụng, giai đoạn đánh giá thường kéo dài 1–3 tuần và PoC 4–8 tuần; thời gian triển khai đầy đủ và chi phí được xác định theo phạm vi sau đánh giá. Điểm bắt đầu phù hợp tùy bối cảnh của bạn:

Bối cảnh	Ưu tiên	Điểm bắt đầu đề xuất
Nhà máy đã có robot	Thấy toàn xưởng, giảm điều phối thủ công, nối robot với máy và hệ thống sản xuất	Đánh giá tự động hóa nhà máy
Nhà sản xuất robot, nhà cung cấp giải pháp	Bổ sung định vị, giám sát, điều khiển, tích hợp nhà máy	Technical workshop hoặc PoC tập trung
Công ty AI, công nghệ, system integrator	Năng lực DeepStream và computer vision mà không phải tự xây đội	Kỹ sư chuyên trách hoặc đội chuyên gia

Tìm hiểu thêm: Giải pháp Smart Factory của BnK · Smart Factory AI & Robot Control Services

Câu hỏi thường gặp

Triển khai AI trong nhà máy tốn bao nhiêu?

Chi phí phụ thuộc vào loại ứng dụng, số camera hoặc robot cần tích hợp, mức sẵn có của dữ liệu và yêu cầu kết nối với PLC, MES. Giám sát một khu vực có phạm vi rất khác điều phối cả đội robot. Giai đoạn đánh giá cho ra ước tính effort cụ thể trước khi bạn cam kết PoC.

Nhà máy chưa có MES có triển khai được không?

Được, với các ứng dụng dựa trên camera như giám sát an toàn hay định vị robot, vốn chỉ cần camera, máy chủ AI tại xưởng và kết nối với robot. Production analytics phụ thuộc nhiều hơn vào dữ liệu sản xuất có cấu trúc. Tích hợp với MES và lịch sản xuất là bước mở rộng, phạm vi được xác định riêng cho từng dự án.

Dữ liệu hình ảnh có phải đưa ra ngoài nhà máy không?

Không bắt buộc. Xử lý hình ảnh có thể chạy hoàn toàn trên máy chủ đặt tại xưởng, chỉ gửi kết quả tổng hợp ra ngoài khi cần. Phương án lưu trữ và truy cập từ xa được thống nhất với bộ phận IT và bảo mật của nhà máy trước khi triển khai.

AI có thay thế thiết bị an toàn của robot không?

Không. Lớp nhận diện bằng camera bổ sung thông tin cho điều phối và cảnh báo, còn bộ điều khiển an toàn của robot và hệ thống dừng khẩn cấp vẫn hoạt động độc lập. Hành vi khi mất kết nối và thao tác can thiệp thủ công được quy định trước khi đưa vào sản xuất.

Nhà máy dùng robot của nhiều hãng thì có tích hợp được không?

Có thể, nếu robot cho phép nhận lệnh và trả trạng thái qua giao diện điều khiển; điều này cần xác nhận trong giai đoạn đánh giá. BnK có thể triển khai từng module điều phối hoặc tích hợp lớp điều khiển quanh robot hiện có, trong đó giao việc, lập lịch và quản lý trạng thái robot đã có prototype. Tối ưu đội robot đa hãng ở quy mô lớn vẫn là năng lực BnK đang hướng tới, nên phạm vi được xác định cụ thể theo từng dự án.

Có thể chỉ thuê kỹ sư DeepStream hoặc computer vision không?

Được. Năng lực DeepStream và computer vision của BnK được cung cấp độc lập với giải pháp robot. Hình thức gồm kỹ sư chuyên trách, đội chuyên gia, đánh giá kỹ thuật, phát triển PoC, tối ưu hiệu năng hoặc xử lý sự cố trên hệ thống hiện có. Nếu cần xây thêm backend, giao diện hay tích hợp hệ thống, bạn có thể kết hợp với dịch vụ phát triển phần mềm của BnK.

Bắt đầu từ bài toán quan trọng nhất của nhà máy bạn

Bạn muốn biết AI có thể ứng dụng vào nhà máy của mình như thế nào và giúp kết nối robot, camera, máy móc ra sao? Hãy đặt lịch với chuyên gia tư vấn của BnK!

Đặt lịch tư vấn