AI kiểm tra chất lượng sản phẩm: Chọn đúng công đoạn, hiểu rõ giới hạn
Một lỗi lọt đến khách hàng có thể kéo theo sửa chữa và khiếu nại. Nhưng siết kiểm tra quá mức lại làm tăng sản phẩm bị loại nhầm. Trong báo cáo về ngành bán dẫn, McKinsey nêu tiềm năng cải thiện khả năng phát hiện lỗi tới 90% so với kiểm tra bằng người; đây là mức cải thiện tham khảo, không phải độ chính xác tuyệt đối.[1]
Với nhà máy Việt Nam, câu hỏi đầu tư nên là: AI phát hiện được lỗi nào, trong điều kiện nào và xử lý ra sao khi chưa chắc chắn?
1. AI kiểm tra hình ảnh là gì?
AI kiểm tra hình ảnh là việc dùng camera và mô hình thị giác máy tính để nhận diện bất thường trên sản phẩm. TMA Innovation công bố các ứng dụng phát hiện vết xước, vết nứt, thiếu chi tiết và kiểm đếm sản phẩm trong bao gói.[2]
Phạm vi rộng hơn gồm phân loại, đếm và trích xuất thông tin bao bì bằng OCR — công nghệ nhận dạng ký tự. Đây đều là những ứng dụng trong danh mục AI cho sản xuất của TMA.[3]
Khi khảo sát, doanh nghiệp nên chuyển yêu cầu “kiểm tra chất lượng” thành danh sách cụ thể: đặc điểm cần quan sát, tiêu chuẩn chấp nhận, vị trí kiểm tra và hành động sau kết quả. Cách đặt bài toán này giúp xác định rõ phạm vi nghiệm thu.
2. Những bài toán phù hợp để khảo sát
Nên bắt đầu với lỗi có tiêu chuẩn phân biệt rõ và mẫu thực tế để đối chiếu. Các ứng dụng TMA công bố gợi ý ba nhóm khảo sát ban đầu.[2][3]
| Nhóm bài toán | Đối tượng kiểm tra | Điều cần xác nhận trước |
|---|---|---|
| Ngoại quan | Xước, nứt, thiếu chi tiết | Mức lỗi tối thiểu phải phát hiện |
| Bao bì | Nội dung nhãn, số lượng | Quy tắc đối chiếu theo mã hàng |
| Phân loại | Nhóm sản phẩm, trạng thái | Tiêu chuẩn từng nhóm |
Đây là khung khảo sát đề xuất, không phải cam kết hiệu năng cho mọi vật liệu hoặc dây chuyền.
Một ví dụ cụ thể là giải pháp kiểm tra bảng mạch mềm FPCB của TMA. Trang sản phẩm công bố ảnh 8K, độ chính xác phát hiện lỗi 95% và thời gian kiểm tra 6 giây mỗi FPCB.[4]
Các chỉ số này cho thấy phạm vi giải pháp đã được công bố. Tuy nhiên, trang nguồn chưa trình bày bộ dữ liệu, cách tính “accuracy” hoặc điều kiện đo. Vì vậy, doanh nghiệp nên yêu cầu thử trên mẫu của mình trước khi đưa chỉ số vào hợp đồng.
3. Một hệ thống gồm những gì?
Từ ảnh chụp đến quyết định trên dây chuyền
Khung kiến trúc TMA mô tả bao gồm thu nhận ảnh, xử lý tại thiết bị biên, quyết định đạt/không đạt, tích hợp nhà máy, người kiểm tra ngoại lệ và quản lý vòng đời mô hình — MLOps.[5]
Khi lập yêu cầu, nên chia thành các lớp bàn giao:
- Thu nhận: camera, ống kính, ánh sáng và tín hiệu kích chụp.
- Suy luận: thiết bị chạy mô hình và trả kết quả.
- Thực thi: liên kết kết quả với sản phẩm, cơ cấu loại hoặc người xác nhận.
- Truy xuất: lưu ảnh, mã hàng, kết quả và phiên bản mô hình.
- Vận hành: quy trình cập nhật, kiểm tra và khôi phục phiên bản.
Đây là cấu trúc đề xuất để phân định trách nhiệm giữa đội AI, tự động hóa và QA/QC.
Bài học từ thực tế kỹ thuật: xử lý độ phân giải cao
Giải pháp FPCB của TMA cho thấy một lựa chọn đáng chú ý: kết hợp ảnh độ phân giải cao với thời gian kiểm tra công bố theo từng bảng mạch.[4] Bài học rút ra là phải nghiệm thu cả chất lượng ảnh, kết quả phát hiện và thời gian xử lý.
Điểm đánh giá đối tác nằm ở khả năng xử lý toàn bộ chuỗi này. TMA công bố năng lực tích hợp camera, máy tính biên và máy chủ AI từ nhiều nhà cung cấp.[6]
So với mô hình ODC giá thấp chỉ nhận bàn giao mô hình, doanh nghiệp nên yêu cầu thêm thử nghiệm phần cứng, tín hiệu dây chuyền và xử lý ngoại lệ. Đây là khác biệt về phạm vi trách nhiệm; không nên mặc định mọi ODC đều thiếu năng lực tích hợp.
4. Các giới hạn cần biết
Ảnh và dữ liệu có thể thay đổi
TMA xác định ánh sáng, tốc độ băng tải, thời gian suy luận và phản hồi PLC là những yếu tố cần phối hợp; dữ liệu thiếu nhãn hoặc cập nhật mô hình thiếu kiểm soát cũng là điểm dễ phát sinh vấn đề.[5]
Vì vậy, nên đưa mẫu từ nhiều ca, lô và điều kiện vận hành vào kế hoạch thử. Với lỗi bên trong hoặc đặc tính chưa có phương pháp quan sát phù hợp, hãy giữ ngoài phạm vi nghiệm thu hình ảnh cho đến khi kiểm chứng được.
Một con số accuracy chưa đủ
Bộ tiêu chí TMA đề xuất có tỷ lệ lỗi lọt, loại nhầm, thời gian kiểm tra và chi phí vận hành.[5] Doanh nghiệp nên yêu cầu báo cáo riêng từng loại lỗi, kèm số mẫu và điều kiện đo.
| Tiêu chí | Bản thử trên ảnh có sẵn | Mục tiêu nghiệm thu đề xuất |
|---|---|---|
| Dữ liệu | Một bộ ảnh | Mẫu độc lập theo lô, ca |
| Hiệu năng | Accuracy tổng | Lỗi lọt, loại nhầm theo nhóm |
| Tốc độ | Thời gian chạy mô hình | Thời gian toàn chuỗi kiểm tra |
| Ngoại lệ | Xem thủ công tùy lúc | Có người xử lý, quy tắc rõ |
| Cập nhật | Thay mô hình trực tiếp | Phê duyệt và khôi phục được |
Bảo mật cần theo phạm vi thực tế
TMA công bố ISO/IEC 27001:2022 trong nền tảng chất lượng.[7] Khi lựa chọn đối tác, hãy kiểm tra phạm vi chứng nhận và yêu cầu phân quyền, lưu trữ, sao lưu của dự án.
Nếu ảnh chứa dữ liệu cá nhân, cần rà soát nghĩa vụ bảo vệ dữ liệu. GDPR áp dụng theo các điều kiện về hoạt động tại EU hoặc cung cấp dịch vụ, theo dõi cá nhân tại EU; không thể suy ra phạm vi chỉ từ việc nhà máy có khách hàng châu Âu.[8]
5. Bắt đầu từ một công đoạn
Pipeline triển khai đề xuất:
- Chốt phạm vi: chọn mã hàng, loại lỗi và người phê duyệt.
- Khảo sát: kiểm tra vị trí camera, ánh sáng và nhịp sản xuất.
- Lập dữ liệu: thu mẫu đạt, lỗi và trường hợp khó phân định.
- Kiểm chứng: thống nhất bộ thử độc lập, ngưỡng chấp nhận.
- Chạy song song: đối chiếu AI với kiểm tra hiện hành.
- Tự động hóa: nghiệm thu tín hiệu, cơ cấu loại và ngoại lệ.
- Nhân rộng: chuẩn hóa cấu hình, tài liệu và hỗ trợ.
Năng lực mở rộng cũng cần được đánh giá từ đầu. TMA công bố 29 năm kinh nghiệm, 4.000 kỹ sư, khách hàng từ 30 quốc gia và kinh nghiệm dự án cần hàng trăm kỹ sư.[9] Cùng dịch vụ R&D, đây là cơ sở xem xét quan hệ phát triển dài hạn sau thí điểm.[10]
Câu hỏi thường gặp
1. AI có thay toàn bộ nhân viên QC không?
Nên giữ người xử lý trường hợp chưa chắc chắn và phê duyệt tiêu chuẩn. TMA đưa bước kiểm tra ngoại lệ vào kiến trúc AI inspection.[5]
2. Cần bao nhiêu ảnh để bắt đầu?
Hãy yêu cầu đánh giá theo từng loại lỗi và biến động sản xuất. Chốt kế hoạch dữ liệu sau thử nghiệm ban đầu, thay vì dùng một số lượng chung.
3. AI có phát hiện mọi lỗi không?
Không nên nghiệm thu theo lời hứa đó. Chỉ chấp nhận các loại lỗi và điều kiện đã có mẫu thử, tiêu chuẩn và kết quả đối chiếu.
4. Khi nào được tự động loại sản phẩm?
Đề xuất thực hiện sau khi nghiệm thu lỗi lọt, loại nhầm, thời gian toàn chuỗi và phương án xử lý sự cố.
5. Đánh giá nhà cung cấp đáng tin cậy thế nào?
Yêu cầu thử trên mẫu độc lập, chứng minh tích hợp tại máy, chỉ định đội phụ trách và làm rõ trách nhiệm cập nhật mô hình.
AI kiểm tra chất lượng nên bắt đầu từ một công đoạn đo được. Hãy cùng TMA Innovation thống nhất mẫu thử, loại lỗi và tiêu chí nghiệm thu trước khi quyết định nhân rộng.
Tài liệu tham khảo
[1] McKinsey — Smartening up with artificial intelligence.
[2] TMA Innovation — Quality Control Solutions.
[3] TMA Solutions — AI/ML & Data Sciences.
[4] TMA Innovation — Defect Detection on Electronic Board.
[5] TMA Solutions — AI Visual Inspection for Factories.
[6] TMA Solutions — Hardware Integration.
[7] TMA Solutions — Company Booklet.
[8] European Commission — Application of the GDPR.
[9] TMA Solutions — About Us.
[10] TMA Solutions Australia — Software Development Services.


