Trong bài số 1 Hệ thống kiểm tra quang học tự động AOI + AI: Chuẩn chất lượng mới cho QC nhà máy, chúng ta đã nói về lý do tại sao QC bằng mắt thường đang chạm trần, và vì sao nhà máy buộc phải nghĩ đến hệ thống kiểm tra quang học tự động AOI + AI nếu muốn giữ chuẩn chất lượng cho OEM.

Ở bài số 2 này, chúng ta hãy cùng đi sâu tìm hiểu bên trong hệ thống AOI+AI:

• Máy thực sự “nhìn thấy” gì trên sản phẩm?
• AI “hiểu” và phân loại lỗi ra sao?
• Và, một hệ thống AOI + AI được cấu thành bởi những khối kỹ thuật nào trong thực tế nhà máy?

Từ góc nhìn của Midra Global, đây là bước mà nhiều nhà máy hay nghĩ là… đơn giản. Thực tế, một hệ thống AOI + AI không phải chỉ là “gắn thêm vài cái camera và một phần mềm AI”, mà đó là một nền tảng kỹ thuật hoàn chỉnh tích hợp quang học – tự động hóa – trí tuệ nhân tạo – dữ liệu sản xuất.

Các chuyên gia của Midra Global đã nghiên cứu sâu về các hệ thống AOI + AI (kiểm tra quang học tự động) có độ phức tạp cao dành cho QC nhà máy sản xuất các bộ phận ô tô và xe máy. Đội ngũ của Midra đã tích hợp kỹ thuật công nghiệp, thị giác máy tính (computer vision) và tự động hóa vào một nền tảng turnkey duy nhất, phù hợp với điều kiện nhà máy Việt Nam.

1. Hệ thống AOI + AI thực chất là gì?

Về mặt kiến trúc, AOI + AI là một hệ thống gồm 4 khối chức năng làm việc liên tục theo chu trình:

Thu nhận hình ảnh → Xử lý & AI → Vận hành & lưu trữ dữ liệu → Kết nối & tích hợp với dây chuyền.

Xét ở góc độ vận hành, nhà máy sẽ thấy hệ thống này vận hành rất đơn giản:

• Đặt chi tiết (ví dụ: ống xả) vào trạm,
• Hệ thống chụp và phân tích,
• Trả về OK/NG hoặc PASS/FAIL và lưu dữ liệu.

Nhưng để làm được điều đó ở tốc độ 6–7 giây cho mỗi sản phẩm, ổn định qua nhiều ca, đáp ứng nhiều model thì hệ thống này là một kiến trúc kỹ thuật cần được thiết kế rất cẩn thận.

2. Kiến trúc AOI + AI theo chuẩn thiết kế của Midra Global

2.1. Khối thu nhận hình ảnh (Image Acquisition Block)

Đây là “đôi mắt” của hệ thống, có nhiệm vụ là chụp được dữ liệu hình ảnh ổn định, lặp lại, đủ chi tiết trong mọi điều kiện sản xuất.

Các thành phần điển hình của hệ thống bao gồm:

• Camera 2D công nghiệp: kiểm tra bề mặt mối hàn, mép cạnh, lỗ khoan, ngoại quan.
• Scanner 3D: thu thập “point cloud” để phân tích hình dạng, độ cong, vị trí lỗ, sai lệch hình học trên bề mặt cong của ống xả.
• Nguồn sáng chuyên dụng: backlight, ring light, bar light, coaxial… được thiết kế riêng cho vật liệu kim loại, bề mặt hàn, chi tiết sơn/xi.
• Jig/fixture & cơ khí gá đặt: đảm bảo chi tiết vào đúng vị trí, đúng tư thế, lặp lại nhiều lần mà không “xê dịch” so với trường nhìn của camera và scanner.

Trong thực tế, 70-80% chất lượng của hệ thống AOI + AI nằm ở khối thu hình: nếu hình ảnh không ổn định, mọi thuật toán phía sau, kể cả AI, đều khó cho ra kết quả đáng tin cậy.

2.2. Khối xử lý hình ảnh & AI (Image Processing & AI Block)

Sau khi có hình ảnh “đẹp”, hệ thống chuyển sang “hiểu” và ra quyết định. Khối này có khả năng:

a) Nhận dạng model tự động

Với những line có nhiều loại ống xả / cụm chi tiết khác nhau, hệ thống có thể:

• Tự nhận biết model đang được đưa vào trạm kiểm tra.
• Gán đúng bộ tiêu chí QC và chương trình AI cho từng model.

Điều này đặc biệt quan trọng trong bối cảnh nhà máy đổi mã liên tục theo kế hoạch sản xuất.

b) Phân loại lỗi bằng deep learning

AI được huấn luyện để phân biệt giữa:

• Biến thiên chấp nhận được trong sản xuất (ví dụ: vệt hàn “xấu nhưng đạt”).
• Lỗi thực sự cần loại bỏ, như:
  • Lõm chân mối hàn (weld undercut),
  • Bề mặt hàn tràn, thô (excessive weld bead),
  • Rỗ khí (porosity),
  • Thiếu lỗ/lỗ bị tắc,
  • Biến dạng bracket, sai lệch vị trí lắp.

Thay vì “bắt tất cả cho chắc” rồi tăng false NG, AI cho phép hệ thống phân biệt tinh tế hơn, gần với cách một chuyên gia QC giàu kinh nghiệm đánh giá, nhưng ổn định và lặp lại.

c) Đo kiểm kích thước & hình học

Dựa trên point cloud 3D và các đường biên (edge), hệ thống có thể:

• Đo khoảng cách giữa các lỗ, bracket, flange.
• Kiểm tra đường kính lỗ, sai lệch vị trí, độ cong/vênh.

Đây là những thông số mà QC bằng mắt thường rất khó kiểm soát ổn định, đặc biệt trên bề mặt kim loại cong.

d) Logic ra quyết định QC

Dựa trên tiêu chuẩn QC của nhà máy, hệ thống có thể xuất ra:

• PASS / FAIL / WARNING,
• Có thể phân cấp mức độ lỗi (ví dụ: NG nghiêm trọng thì Từ chối, NG nhẹ thì Kiểm tra lại).

Ưu điểm so với AOI thuần thuật toán “cứng”:

• AI thích ứng tốt hơn với biến thiên sản xuất,
• Giảm false positive (NG giả) và false negative (lỗi lọt),
• Càng chạy lâu, hệ thống càng có thêm dữ liệu thì mô hình càng được tinh chỉnh tốt hơn.

2.3. Khối HMI, điều khiển vận hành & lưu trữ dữ liệu

Khối HMI là nơi QC, kỹ thuật và quản lý nhà máy tương tác với hệ thống mỗi ngày.

HMI điển hình trong các dự án của Midra Global thường có:

• Màn hình hiển thị trực quan: kết quả OK/NG, hình ảnh chi tiết, vùng lỗi được tô màu.
• Lịch sử lỗi (defect log): xem lại các lỗi theo ca, theo lô, theo mã hàng.
• Chọn model hoặc auto-recognition: linh hoạt cho các tình huống khác nhau.
• Cảnh báo thời gian thực: khi phát hiện NG, hệ thống có thể dừng băng tải, đẩy sản phẩm sang line kiểm, hoặc báo chuông/đèn.
• Báo cáo xuất file: CSV/Excel/hình ảnh phục vụ phân tích kỹ thuật, báo cáo nội bộ hoặc audit OEM.

Về mặt dữ liệu, hệ thống có thể:

• Lưu ảnh và kết quả của từng chi tiết,
• Cho phép truy xuất theo mã hàng, lô, ca, ngày…
• Kết nối với hệ thống MES/ERP/traceability để đồng bộ dữ liệu chất lượng của toàn nhà máy.

Trên cơ sở này, QC nhà máy chuyển từ “đánh giá cảm quan” sang “quản lý chất lượng dựa trên dữ liệu”.

2.4. Khối kết nối & tích hợp (Connectivity & Integration Block)

Một hệ thống AOI + AI không tồn tại độc lập mà nó phải “ăn khớp” với môi trường sản xuất hiện hữu của nhà máy. Cụ thể:

• PLC, robot, băng tải, buffer: đảm bảo luồng vật tư vào, ra trạm kiểm tra mượt mà, không làm tắc line.
• MES/ERP & hệ thống traceability: đồng bộ mã hàng, lệnh sản xuất, dữ liệu QC.
• Hệ thống phân loại sản phẩm: đẩy hàng NG sang line xử lý, tách riêng, không lẫn với hàng OK.

Trong các dự án thực tế, Midra Global thiết kế trạm AOI + AI sao cho:

• Tối thiểu xáo trộn layout hiện tại,
• Rõ ràng về giao diện tín hiệu (I/O, fieldbus, OPC-UA, API…),
• Dễ mở rộng thêm model, thêm điểm kiểm, hoặc tích hợp robot sau này.

3. AOI + AI giải quyết bài toán QC nào trong nhà máy phụ tùng ô tô xe máy?

Dựa trên kinh nghiệm tư vấn và thiết kế hệ thốngcho các nhà máy phụ tùng ô tô xe máy của Midra, Hệ thống AOI + AI thường giải quyết các nhóm bài toán QC sau:

3.1. Kiểm tra mối hàn (Weld Inspection)

• Phát hiện các lỗi bề mặt mối hàn: rỗ, thiếu ngấu, hàn tràn, cháy cạnh…
• Phân tích biên dạng mối hàn để đánh giá việc tuân thủ tiêu chuẩn hàn của OEM.

3.2. Kiểm tra lỗ & kích thước (Hole & Dimensional Checking)

• Có/không có lỗ (presence / absence).
• Đường kính, vị trí, sai lệch so với chuẩn.

3.3. Kiểm tra vị trí đặc tính & sai lệch lắp ráp (Feature Positioning & Alignment)

• Khoảng cách giữa các bracket, flange, điểm lắp bulông.
• Độ song song, vuông góc, thẳng hàng, rất quan trọng cho các cụm như ống xả, khung, giá đỡ.

3.4. Kiểm tra biến dạng, cong vênh (Deformation & Warping)

• Scanner 3D phát hiện những sai lệch hình học nhỏ trên bề mặt cong mà mắt người khó thấy, nhưng đủ để gây khó khăn khi lắp ráp ở công đoạn sau.

3.5. Kiểm tra thiếu chi tiết (Missing / Incorrect Parts)

• Kiểm tra ốc, nut, clip, bracket, plate… có đủ và đúng vị trí hay không.
• Phát hiện nhầm lẫn giữa các chi tiết tương tự (ví dụ: hai loại bracket gần giống nhau).

4. Vì sao AOI + AI vượt trội so với QC thủ công?

So với việc QC bằng mắt thường, chúng ta dễ dàng thấy một hệ thống AOI + AI mang lại 5 lợi thế lớn:

4.1. Kiểm tra 100% sản phẩm với tốc độ line

Mỗi chi tiết được kiểm tra với cùng một mức độ chi tiết, không phụ thuộc ca kíp, không phụ thuộc tâm trạng hay độ mỏi mắt.

4.2. Kết quả nhất quán và lặp lại

Máy không “dễ tính hơn” vào cuối ca. Tiêu chí QC được mã hóa thành logic, thuật toán, mô hình AI rõ ràng, giúp nhà máy loại bỏ tối đa yếu tố chủ quan.

4.3. Truy xuất dữ liệu đầy đủ

Mỗi kết quả kiểm tra đều có ảnh, log, timestamp. Khi OEM hỏi lại một lô hàng 6 tháng trước, QC không còn phải lật sổ, đoán nhớ mà chỉ cần truy vấn dữ liệu trong hệ thống.

4.4. Mở rộng dễ dàng theo model & sản lượng

Khi thêm model mới, nhà máy chủ yếu là: Thêm bộ tiêu chí QC và Thu thập và huấn luyện thêm dữ liệu, mà không nhất thiết phải tăng tuyển QC tương ứng. Đặc biệt khi hệ thống đã sẵn sàng về hạ tầng camera, lighting, cơ khí, server.

4.5. Giảm phụ thuộc nhân lực QC, chuyển QC sang vai trò chuẩn hóa

Vai trò của đội ngũ QC nhà máy sẽ dịch chuyển từ “đứng kiểm từng sản phẩm” sang “xây và duy trì tiêu chuẩn kiểm tra”. Đây chính là hướng đi mà nhiều OEM lớn đang mong đợi từ nhà cung cấp.

5. Một nhà máy ống xả xe máy điển hình sử dụng AOI + AI

Hãy cùng hình dung, một nhà máy ống xả xe máy điển hình luôn có các nhu cầu:

• Sản xuất nhiều loại ống xả cho một hoặc nhiều OEM.
• Mỗi sản phẩm có nhiều mối hàn, nhiều lỗ, nhiều đặc tính lắp ráp.
• Tốc độ: khoảng 6-7 giây/chi tiết.
• OEM yêu cầu truy xuất dữ liệu QC chi tiết và ổn định giữa các ca.

Với QC thủ công, đội ngũ thường gặp các vấn đề:

• Đổi mã liên tục khiến việc “nhớ tiêu chí” dễ nhầm.
• Ca đêm thiếu người, mệt mỏi, dễ bỏ sót lỗi.
• Khi audit, rất khó chứng minh là 100% sản phẩm đã được kiểm tra đúng tiêu chí.

Khi áp dụng Hệ thống kiểm tra quang học tự động AOI + AI thì:

• Hệ thống tự nhận dạng model, gán đúng chương trình kiểm tra.
• Mối hàn, lỗ, bracket, hình học được kiểm tra đồng thời trong vài giây.
• Mỗi chi tiết đều có ảnh và log kết quả để phục vụ audit.
• Chất lượng giữa các ca, các ngày, các batch được chuẩn hóa và ổn định.

Từ góc độ của chuyên gia tư vấn, Midra Global thường khuyến nghị các nhà máy bắt đầu bằng một line pilot tập trung vào nhóm sản phẩm gây “đau đầu nhất”, sau đó mới nhân rộng,thay vì cố gắng “tự ghép” camera với AI và các phần mềm rời rạc.

6. AOI + AI – nền tảng số hóa QC nhà máy

Nhìn tổng thể, Hệ thống kiểm tra quang học tự động AOI + AI không đơn thuần chỉ là thiết bị QC, mà đây là một nền tảng số hóa chất lượng giúp nhà máy:

(a) đưa trí tuệ nhân tạo (AI) và dữ liệu (image + log) vào quy trình kiểm soát chất lượng;

(b) giảm phụ thuộc và đánh giá cảm quan của nhân sự QC,

(c) nâng cấp năng lực của nhà máy, đáp ứng yêu cầu ngày các cao của các OEM.

Ngành sản xuất Việt Nam đang bước rất nhanh vào giai đoạn tự động hóa kiểm tra chất lượng, và Midra Global luôn đồng hành với các nhà máy như một đối tác kỹ thuật, chứ không chỉ là nhà cung cấp thiết bị, vật tư công nghiệp.

Sau khi đã hiểu bên trong một hệ thống AOI + AI, câu hỏi tiếp theo rất tự nhiên là: “Cụ thể, hệ thống này mang lại bao nhiêu giá trị kinh tế và ROI cho nhà máy?” Đây sẽ là nội dung của Bài 3 trong series: “AOI + AI mang lại giá trị kinh doanh gì cho nhà máy phụ tùng ô tô  – xe máy?”

Nếu Anh/Chị muốn đánh giá khả năng áp dụng Hệ thống kiểm tra quang học tự động AOI + AI cho sản phẩm của nhà máy mình, Midra Global sẵn sàng hỗ trợ một buổi pre-study kỹ thuật để giúp các Anh/Chị:

• Xác định bài toán chất lượng cốt lõi cần giải quyết của nhà máy.
• Phân tích yêu cầu kiểm tra, chu kỳ, không gian, dữ liệu.
• Đề xuất concept hệ thống AOI + AI phù hợp với hiện trạng QC và hạ tầng sản xuất cụ thể.

CÔNG TY TNHH MIDRA GLOBAL
🏭 Trụ sở: 78F TT9 – KĐT Văn Phú – Hà Đông – Hà Nội
🏢 VP HCM: 54h/10, KDC 434, Bình Đáng, Bình Hòa, Tp.HCM
🌐 Website: www.midra.vn
📞 Hotline: 0982 800 084
✉️ Email: midra@midra.vn.

Bài viết liên quan:

Hệ thống kiểm tra quang học tự động AOI + AI: Chuẩn chất lượng mới cho QC nhà máy