Physical AI trong nhà máy: Lộ trình 90 ngày để biết có nên đầu tư tiếp

Một camera phát hiện con ốc lắp lệch chưa làm nên Physical AI. Giá trị chỉ xuất hiện khi phát hiện ấy dẫn đến hành động đúng: giữ sản phẩm để kiểm tra, điều chỉnh công đoạn hoặc yêu cầu kỹ thuật viên can thiệp. Nếu cảnh báo sai làm dừng chuyền quá nhiều, một mô hình nhận diện chính xác trên bộ dữ liệu thử nghiệm vẫn có thể là khoản đầu tư tồi.

Bài trước của KVBiz giải thích cơ hội đồng sáng tạo Việt–Hàn từ AI Factory đến Physical AI. Câu hỏi tiếp theo của giám đốc nhà máy là: sáng thứ Hai tới, đội của mình làm gì, đo chỉ số nào và sau bao lâu thì quyết định mở rộng? Dưới đây là lộ trình thí điểm 90 ngày cho một dây chuyền. Các mốc là đề xuất phân tích, cần điều chỉnh theo thực tế từng nhà máy.

Tuần 1: Chọn một lỗi có chi phí đo được

Trưởng sản xuất, quản lý chất lượng và tài chính cùng lập một hồ sơ ngắn: sản lượng theo ca và mã hàng; tỷ lệ lỗi theo loại; lỗi bị phát hiện ở công đoạn nào; chi phí sửa, loại bỏ hoặc khách hàng trả hàng; thời gian dừng chuyền; và công sức kiểm tra thủ công. Chọn một lỗi mà chi phí tránh được đủ lớn, tần suất đủ để kiểm thử và kết quả có thể đối chiếu.

Ví dụ giả định: chuyền làm 100.000 sản phẩm/tháng, 0,8% cần sửa vì lỗi lắp ghép, chi phí sửa trung bình 50.000 đồng/sản phẩm. Chi phí sửa trực tiếp là khoảng 40 triệu đồng/tháng. Con số này chưa gồm hàng trả về, thời gian kiểm tra và dừng chuyền; đây không phải số liệu của một nhà máy cụ thể.

Bảng tính ấy cũng đặt giới hạn cho lời hứa của nhà cung cấp. Nếu giải pháp được quảng bá tiết kiệm 100 triệu đồng/tháng chỉ nhờ giảm loại lỗi này, doanh nghiệp cần yêu cầu chỉ rõ từng khoản lợi ích khác và cách đo.

Tuần 2–3: Làm dữ liệu đáng tin trước khi huấn luyện

Thu ảnh hoặc tín hiệu tại đúng vị trí lắp cảm biến dự kiến. Mỗi bản ghi cần gắn thời gian, mã sản phẩm, lô, máy, ca và kết quả kiểm tra cuối cùng. Kỹ thuật viên chất lượng thống nhất trước thế nào là “lỗi”, “đạt” và “chưa xác định”.

Mẫu thử phải bao gồm ca ngày và đêm, thay đổi ánh sáng, thay mã hàng, rung, bụi hoặc các điều kiện có thể làm hệ thống nhìn sai. Nếu những người gắn nhãn còn bất đồng về một loại lỗi, hãy chốt tiêu chuẩn kiểm tra trước khi yêu cầu máy tự quyết định.

Lộ trình nghiên cứu năm 2026 của NIST nêu quản lý dữ liệu, kết nối các hệ thống cảm biến và điều khiển khác nhau, cùng yêu cầu vận hành tin cậy là những thách thức chính của AI trong sản xuất. Nguồn: NIST.

Điểm chặn: cuối tuần 3 phải có bộ dữ liệu truy lại được từng trường hợp, danh sách tình huống thiếu mẫu và mức thống nhất giữa người gắn nhãn. Thiếu những thứ đó thì chưa huấn luyện để điều khiển chuyền.

Tuần 4–6: Chạy song song, chưa cho AI tác động lên máy

Ở chế độ shadow mode, hệ thống dự đoán và ghi log, còn sản xuất vẫn theo quy trình hiện hành. Đánh giá riêng từng ca, từng mã hàng và điều kiện vận hành. Báo cáo ít nhất hai lỗi: bỏ sót hàng lỗi và báo nhầm hàng tốt.

Với lỗi ảnh hưởng đến an toàn hoặc chất lượng nghiêm trọng, bỏ sót có thể là rủi ro lớn nhất. Với chuyền tốc độ cao, báo nhầm quá nhiều khiến công nhân mất thời gian và dễ bỏ qua cảnh báo. Vì vậy nhà máy phải xác định trước ngưỡng chấp nhận theo hậu quả của mỗi loại sai số, rồi mới nhìn kết quả thử nghiệm.

Điểm chặn: một trang báo cáo gồm số sản phẩm quan sát, số lỗi thật, tỷ lệ phát hiện, số cảnh báo nhầm, thời gian phản hồi và những điều kiện hệ thống hoạt động kém. Từng quyết định phải tái hiện được từ dữ liệu gốc.

Tuần 7–10: Chỉ tự động hóa một hành động có thể đảo ngược

Hành động đầu tiên có thể là đánh dấu và chuyển sản phẩm nghi lỗi sang nhánh kiểm tra. Nhân viên chất lượng vẫn kết luận sản phẩm đạt hay hỏng. Mỗi lần thiết bị tác động đều có nhật ký, giới hạn vận hành và cách quay về quy trình thủ công nếu camera, mạng hoặc mô hình gặp sự cố.

Đây là bước chuyển từ AI giúp nhà máy nhìn và đề xuất sang Physical AI tác động trong môi trường vật lý. Không cần bắt đầu bằng robot tự chỉnh mọi thông số. NIST lưu ý khả năng robot phối hợp an toàn với con người và tích hợp vào dây chuyền hiện hữu vẫn là thách thức triển khai. Nguồn: NIST Robotics.

Điểm chặn: không mở rộng quyền điều khiển nếu chưa chứng minh được phản ứng của hệ thống khi tín hiệu lỗi, mất kết nối và có yêu cầu dừng khẩn cấp theo quy trình an toàn của nhà máy.

Tuần 11–13: Quyết định bằng lợi ích thực nhận

So sánh trước và sau trong những điều kiện sản xuất tương đương. Cách tính tối thiểu:

Lợi ích vận hành = chi phí lỗi tránh được + thời gian kiểm tra tiết kiệm được − chi phí báo nhầm và dừng chuyền − chi phí vận hành hệ thống.

Đặt kết quả đó cạnh tổng chi phí sở hữu: camera, máy tính tại xưởng, tích hợp thiết bị, gắn nhãn dữ liệu, bảo trì, hiệu chỉnh khi đổi mã hàng và đào tạo. Chi phí mua ban đầu chỉ là một phần.

Có ba quyết định hợp lệ. Mở rộng nếu lợi ích được xác nhận và nhiều ca chạy ổn định. Sửa rồi thử lại nếu bài toán đáng làm nhưng cảm biến, dữ liệu hoặc quy trình xử lý cảnh báo chưa đạt. Dừng nếu lỗi quá hiếm, tích hợp quá đắt hoặc thay đổi cơ khí và quy trình rẻ hơn giải quyết được vấn đề. Dừng sau 90 ngày là kết quả tốt nếu giúp tránh đầu tư sai.

Hợp tác Việt–Hàn: Giao việc theo đầu ra, không theo khẩu hiệu

Hàn Quốc đặt mục tiêu mở rộng các dự án AI Factory lên 500 vào năm 2030; đây là mục tiêu, không phải số nhà máy đã hoàn thành. Nguồn: Bộ Công nghiệp Hàn Quốc. Ngân hàng Thế giới nhấn mạnh Việt Nam cần tiến từ lắp ráp giá trị thấp sang sản xuất và dịch vụ có giá trị cao hơn. Nguồn: World Bank. Từ hai hướng đi này, KVBiz đề xuất một mô hình thí điểm có thể nghiệm thu:

• Nhà máy Việt Nam: chọn lỗi, xác nhận nhãn, đo chi phí và quyết định quy trình xử lý.
• Đối tác thiết bị Hàn Quốc: thiết kế cảm biến, kết nối máy, giới hạn tác động và phương án vận hành an toàn.
• Đội phần mềm và AI Việt Nam: xây luồng dữ liệu, mô hình, giao diện kiểm tra, nhật ký quyết định và quy trình cập nhật.
• Hai phía cùng ký tiêu chí: đánh giá qua nhiều ca, xác lập quyền sử dụng dữ liệu, mô hình và kết quả cải tiến.

Một đơn vị kết nối như SotaTek Korea có thể ghép đội phần mềm Việt Nam với kỹ sư nhà máy và đối tác thiết bị Hàn Quốc, rồi biến yêu cầu tại xưởng thành bài toán có thể kiểm thử. Đây là đề xuất hợp tác, không phải tuyên bố đã triển khai một dây chuyền cụ thể.

Trước khi ký, cần trả lời: ảnh sản phẩm lưu ở đâu, ai truy cập, ai trả phí khi đổi mã hàng, ai xử lý sự cố báo nhầm hoặc bỏ sót, và nhà máy có vận hành tiếp nếu đổi nhà cung cấp không. Những điều khoản này quyết định khả năng nhân rộng nhiều hơn một buổi demo.

Việc có thể làm ngay tuần tới: chọn một lỗi, lấy dữ liệu ba tháng gần nhất và tính chi phí thật của nó. Nếu chưa làm được, hãy đầu tư vào ghi nhận dữ liệu và chuẩn kiểm tra trước. Physical AI chỉ đáng triển khai khi nhà máy biết nó phải thay đổi quyết định nào và chứng minh được giá trị bằng số liệu.

KVBiz phân tích ngày 27/9/2026. Lộ trình 90 ngày và phép tính tài chính là khung đề xuất, không phải kết quả triển khai hay cam kết hiệu quả. Ảnh bìa tạo bằng AI, không phải dây chuyền thực tế.