Machine Vision Trong Sản Xuất: Giải Quyết Được Gì Và Không Giải Quyết Được Gì

Machine vision trong sản xuất giải quyết tốt một nhóm bài toán cụ thể: các công đoạn kiểm tra có cấu trúc, lặp lại, nơi lỗi hoặc thông số cần đo có thể phân biệt được bằng hình ảnh và môi trường vận hành ổn định. Công nghệ này không giải quyết được các vấn đề chất lượng không có cấu trúc rõ ràng, biến động bề mặt khó lường, hay những công đoạn kiểm tra đòi hỏi phán đoán của con người. Hiểu rõ ranh giới này là yếu tố phân biệt giữa một dự án triển khai thành công và một dự án thử nghiệm tốn kém.

Machine vision thực chất là gì

Machine vision là hệ thống dùng camera để chụp ảnh sản phẩm hoặc linh kiện, sau đó xử lý ảnh theo các tiêu chí đã định trước: kích thước, tình trạng bề mặt, sự hiện diện của các chi tiết bắt buộc, hoặc khả năng đọc được mã vạch và nhãn mác.

Đây không phải là AI theo nghĩa tổng quát. Đây là công nghệ nhận dạng mẫu (pattern recognition) hoạt động trong phạm vi thông số bạn thiết lập. Hệ thống chỉ kiểm tra đúng những gì bạn yêu cầu. Nó không tự thích ứng với những lỗi mà bạn chưa cấu hình sẵn.

Chính giới hạn đó lại là điểm mạnh của hệ thống. Một hệ thống machine vision được cấu hình đúng sẽ chạy đúng tốc độ chuyền, không bị mệt mỏi như con người, và tạo ra dữ liệu ghi nhận cho từng sản phẩm được kiểm tra. Kiểm tra thủ công không thể đảm bảo đồng thời cả ba yếu tố này một cách nhất quán.

Machine vision thực sự giải quyết được gì

Có bốn nhóm ứng dụng mang lại kết quả ổn định, đo lường được trong thực tế sản xuất.

Phát hiện lỗi trên chuyền sản xuất

Lỗi bề mặt như trầy xước, nứt vỡ, nhiễm bẩn, thiếu lớp phủ, và sai lệch kích thước là ứng dụng phổ biến nhất của machine vision trong phát hiện lỗi sản xuất. Hệ thống kiểm tra từng sản phẩm ngay tại tốc độ chuyền và tự động đánh dấu hoặc loại bỏ những sản phẩm vượt ngoài dung sai cho phép.

Đây chính là nơi các nhà sản xuất Việt Nam trong ngành điện tử, bao bì và linh kiện ô tô nhìn thấy ROI rõ ràng nhất. Kiểm tra thủ công ở quy mô sản lượng lớn vừa chậm, vừa thiếu nhất quán, và tốn kém khi lỗi lọt ra ngoài đến tay các khách hàng quốc tế vốn có yêu cầu chất lượng đầu vào rất nghiêm ngặt.

Đo lường và kiểm tra kích thước

Machine vision đo kích thước linh kiện với độ chính xác mà người kiểm tra thủ công khó có thể duy trì ổn định ở tốc độ sản xuất. Chiều dài, chiều rộng, đường kính lỗ, khoảng cách khe hở và vị trí cạnh đều có thể được đo không tiếp xúc, ở tốc độ cao, với độ chính xác nhất quán.

Đối với các nhà sản xuất cung ứng cho khách hàng OEM Đức, Áo, Thụy Sĩ (DACH) hoặc Nhật Bản với yêu cầu kích thước khắt khe, đo lường bằng vision thay thế cho việc dùng dưỡng đo thủ công vốn làm chậm chuyền và tạo ra sai số phụ thuộc vào người vận hành.

Kiểm tra sự hiện diện và thiếu sót

Nhãn đã được dán lên chai chưa? Vòng đệm đã được lắp chưa? Mọi linh kiện đã có đủ trong cụm lắp ráp chưa? Tất cả ốc vít đã được lắp và siết đúng vị trí chưa? Những kiểm tra dạng có/không này nằm trong số các ứng dụng machine vision phổ biến nhất trong sản xuất, đồng thời cũng dễ triển khai ổn định nhất.

Bản thân công đoạn kiểm tra rất đơn giản, nhưng hậu quả nếu bỏ sót lại rất lớn: chi phí thu hồi sản phẩm, dừng chuyền, và khiếu nại từ khách hàng làm tổn hại quan hệ với đối tác.

Đọc mã và truy xuất nguồn gốc

Mã vạch, mã QR, mã ma trận dữ liệu (data matrix) và văn bản OCR trên linh kiện hoặc bao bì đều có thể được hệ thống vision đọc ngay tại tốc độ chuyền. Dữ liệu này được đưa thẳng vào hệ thống truy xuất nguồn gốc: mỗi sản phẩm được liên kết tự động với kết quả kiểm tra, thời điểm sản xuất và dữ liệu lô hàng.

Đối với các nhà sản xuất đang hướng tới mô hình nhà máy thông minh ứng dụng vision (smart vision factory), lớp truy xuất nguồn gốc này chính là nền tảng. Nó biến công đoạn kiểm tra từ một cổng chất lượng đơn thuần thành một tài sản dữ liệu thực sự.

Machine vision không giải quyết được gì

Giới hạn của machine vision quan trọng không kém năng lực của nó. Triển khai công nghệ này sai bài toán sẽ gây lãng phí vốn đầu tư và làm giảm niềm tin vào công nghệ.

Lỗi biến động cao hoặc không có cấu trúc rõ ràng

Machine vision hoạt động dựa trên các tiêu chí đã được định nghĩa sẵn. Nếu loại lỗi của bạn không nhất quán, khó dự đoán, hoặc cần phán đoán theo ngữ cảnh mới phân loại được, thì một hệ thống vision dựa trên quy tắc cứng sẽ tạo ra quá nhiều cảnh báo sai hoặc bỏ sót quá nhiều lỗi thật. Vision ứng dụng AI có thể mở rộng phạm vi lỗi phát hiện được, nhưng đi kèm chi phí cao hơn và cần lượng dữ liệu huấn luyện đáng kể.

Điều kiện bề mặt khó xử lý

Bề mặt trong suốt, phản chiếu ánh sáng mạnh, hoặc có kết cấu phức tạp đòi hỏi hệ thống chiếu sáng và quang học chuyên biệt. Cấu hình vision tiêu chuẩn sẽ thất bại với những vật liệu này. Để làm đúng cần thời gian kỹ thuật và thường phải có phần cứng tùy chỉnh. Hãy dự trù ngân sách cho việc này trước khi quyết định đầu tư hệ thống.

Vấn đề nằm ở quy trình phía trước

Machine vision phát hiện lỗi. Nó không sửa được quy trình sinh ra lỗi đó. Nếu tỷ lệ loại bỏ sản phẩm của bạn đang cao, kiểm tra bằng vision sẽ cho bạn biết chính xác con số đó cao đến mức nào. Nhưng cách khắc phục vẫn cần đến phân tích nguyên nhân gốc rễ và kỹ thuật cải tiến quy trình. Vision là công cụ đo lường, không phải hệ thống quản lý chất lượng.

Khi nào bài toán ROI của machine vision khả thi

ROI của machine vision trong sản xuất đến từ ba nguồn: giảm chi phí nhân công kiểm tra thủ công, giảm chi phí do lỗi lọt ra ngoài, và tăng tốc độ chuyền nhờ kiểm tra tự động.

Bài toán ROI mạnh nhất khi:

• Sản lượng kiểm tra đủ lớn để khoản tiết kiệm chi phí nhân công trở nên đáng kể
• Chi phí do lỗi lọt ra ngoài có thể đo lường được: hàng trả lại, khiếu nại bảo hành, hoặc phạt từ khách hàng
• Công đoạn kiểm tra được định nghĩa rõ ràng và các loại lỗi nhất quán
• Tốc độ chuyền đang bị giới hạn bởi năng suất kiểm tra thủ công

Bài toán ROI yếu nhất khi tỷ lệ lỗi rất thấp, công đoạn kiểm tra quá phức tạp, hoặc sản lượng không đủ lớn để bù đắp chi phí hệ thống và công sức tích hợp.

Cần chuẩn bị gì trước khi triển khai

Ba bước chuẩn bị dưới đây là yếu tố phân biệt giữa một dự án machine vision triển khai thành công và một dự án bị đình trệ ngay sau khi lắp đặt.

Xác định rõ ràng đặc tả kiểm tra

Điều gì thực sự được coi là lỗi? Dung sai chấp nhận và loại bỏ là bao nhiêu? Những nội dung này cần được tài liệu hóa trước khi bắt đầu thiết kế hệ thống. Đặc tả mơ hồ sẽ dẫn đến hệ thống cấu hình sai và tranh chấp không thể giải quyết với nhà cung cấp về việc hệ thống lẽ ra phải phát hiện được gì.

Đánh giá môi trường vận hành thực tế

Ánh sáng, độ rung, bụi bẩn, biến động nhiệt độ và tốc độ chuyền đều ảnh hưởng đến hiệu năng của hệ thống vision. Khảo sát hiện trường trước khi lựa chọn phần cứng giúp ngăn ngừa nguyên nhân phổ biến nhất gây thất bại sau lắp đặt: một môi trường mà hệ thống chưa được thiết kế để hoạt động trong đó.

Lên kế hoạch tích hợp và luồng dữ liệu

Kết quả kiểm tra sẽ đi về đâu? Nó kết nối với hệ thống MES, hệ thống truy xuất nguồn gốc, hay ERP của bạn như thế nào? Một hệ thống vision chỉ tạo ra tín hiệu đạt/không đạt mà không đưa dữ liệu vào hồ sơ sản xuất sẽ tạo ra một vấn đề đối chiếu thủ công. Hãy lên kế hoạch tích hợp trước khi hệ thống được bàn giao.

Machine vision trong sản xuất tại Việt Nam

Việc ứng dụng kiểm tra bằng vision trong sản xuất tại Việt Nam đang tăng tốc trong các lĩnh vực lắp ráp điện tử, bao bì hàng tiêu dùng và sản xuất linh kiện ô tô. Động lực chính đến từ yêu cầu của khách hàng quốc tế.

Các khách hàng OEM từ khu vực DACH, Nhật Bản và Hàn Quốc ngày càng yêu cầu hồ sơ kiểm tra được ghi nhận cho từng lô hàng xuất xưởng. Một hệ thống vision tự động tạo ra hồ sơ đó đáng tin cậy hơn nhiều so với sổ ghi chép kiểm tra thủ công, và dễ mở rộng hơn khi sản lượng đơn hàng tăng lên.

Bài toán ROI của machine vision tại Việt Nam cũng đang thay đổi khi chi phí nhân công tăng lên. Số lượng nhân sự kiểm tra thủ công từng hiệu quả về chi phí ba năm trước nay không còn hiệu quả như vậy. Bài toán kinh doanh trước đây chưa khả thi, giờ có thể đã khả thi.

Câu hỏi thường gặp

Machine vision giải quyết được những vấn đề gì trong sản xuất?

Machine vision giải quyết các bài toán kiểm tra có cấu trúc, lặp lại: phát hiện lỗi bề mặt, đo lường kích thước, kiểm tra sự hiện diện/thiếu sót, và đọc mã. Hệ thống thực hiện các công việc này ở tốc độ chuyền, không mệt mỏi, và tạo ra kết quả được ghi nhận cho từng sản phẩm. Nó không giải quyết được các vấn đề chất lượng không có cấu trúc, các loại lỗi biến động cao, hay vấn đề quy trình nằm phía trước công đoạn kiểm tra.

Phát hiện lỗi bằng machine vision là gì?

Phát hiện lỗi bằng machine vision sử dụng camera và phần mềm xử lý ảnh để nhận diện lỗi bề mặt, sai lệch kích thước, hoặc chi tiết bị thiếu trên linh kiện hay sản phẩm sản xuất. Hệ thống so sánh từng sản phẩm với một tiêu chuẩn đã định trước, sau đó đánh dấu hoặc loại bỏ những sản phẩm vượt ngoài dung sai cho phép. Nó hoạt động ở tốc độ chuyền sản xuất và tạo ra dữ liệu ghi nhận cho từng lần kiểm tra.

ROI của machine vision trong sản xuất là gì?

ROI của machine vision đến từ ba nguồn: giảm chi phí nhân công kiểm tra thủ công, giảm chi phí do lỗi lọt ra ngoài bao gồm hàng trả lại và phạt từ khách hàng, và tăng năng suất chuyền khi công đoạn kiểm tra từng là điểm nghẽn. Bài toán ROI mạnh nhất khi sản lượng kiểm tra lớn, loại lỗi được định nghĩa rõ ràng, và chi phí do lỗi lọt ra ngoài có thể đo lường được.

Giới hạn của machine vision là gì?

Machine vision hoạt động ổn định với các công đoạn kiểm tra có cấu trúc, lặp lại trong môi trường được kiểm soát. Công nghệ này gặp khó khăn với các loại lỗi biến động cao cần phán đoán, bề mặt trong suốt hoặc phản chiếu ánh sáng mà không có quang học chuyên biệt, và các vấn đề quy trình tạo ra mẫu lỗi không nhất quán. Nó phát hiện lỗi nhưng không chẩn đoán hay khắc phục nguyên nhân gốc rễ.

Machine vision có phù hợp với nhà sản xuất Việt Nam không?

Có. Các nhà sản xuất Việt Nam cung ứng cho khách hàng quốc tế tại khu vực DACH, Nhật Bản và Hàn Quốc đang chịu áp lực ngày càng lớn phải cung cấp hồ sơ kiểm tra được ghi nhận đến từng sản phẩm. Machine vision tạo ra hồ sơ đó tự động ở tốc độ chuyền, thay thế cho sổ ghi chép kiểm tra thủ công vốn chậm tổng hợp và thiếu nhất quán giữa các ca sản xuất. Khi chi phí nhân công tại Việt Nam tăng lên, bài toán ROI càng trở nên thuyết phục hơn.

Machine vision kết nối với nhà máy thông minh như thế nào?

Trong mô hình nhà máy thông minh ứng dụng vision (smart vision factory), machine vision là một nguồn dữ liệu trong hệ thống sản xuất được kết nối toàn diện. Kết quả kiểm tra được đưa vào hệ thống MES để theo dõi chất lượng theo thời gian thực, vào hệ thống truy xuất nguồn gốc để lưu hồ sơ theo từng lô, và vào công cụ phân tích để theo dõi xu hướng lỗi. Hệ thống vision từ đó chuyển từ một cổng kiểm tra chất lượng độc lập thành một phần chủ động trong lớp dữ liệu sản xuất.