AI quản lý an toàn nhà máy – mô hình 3 tầng và 5 nhóm ứng dụng

Đến năm 2026, câu chuyện gắn camera AI vào quản lý an toàn nhà máy đã không còn là tranh luận “có làm được hay không”. Việc không đội mũ bảo hộ, việc đi vào khu vực cấm – bản thân chuyện nhận diện được bằng thị giác máy tính thì đã được chứng minh xong. Vậy mà số vụ tai nạn lao động vẫn không giảm rõ rệt. Nguyên nhân không nằm ở độ chính xác của khâu phát hiện, mà nằm ở chỗ chưa ai thiết kế xem sự kiện phát hiện được sẽ nối vào quyết định nào, của ai. Bài viết này tách việc triển khai AI quản lý an toàn nhà máy thành ba tầng – tầng phát hiện, tầng phán định và tầng khắc phục – rồi chỉ ra trước xem dự án thường chết ở đâu.

Bối cảnh pháp lý cụ thể trong bài là Thái Lan, nhưng cấu trúc vấn đề thì giống nhau ở hầu hết các nước sản xuất trong ASEAN, kể cả Việt Nam. Nhà máy có nhiều thiết bị đời cũ, lực lượng lao động đa quốc tịch, chi phí kỹ thuật viên tăng đều, và bộ phận an toàn lao động phải giải trình hiệu quả đầu tư bằng những con số động rất chậm. Nếu bạn đang quản lý một cơ sở tại Việt Nam, hoặc đang cân nhắc áp dụng cùng một khung cho nhiều cơ sở trong khu vực, phần lớn nội dung dưới đây dùng lại được nguyên vẹn – chỉ riêng phần tên luật là phải đọc theo khung pháp lý của nước sở tại.

AI quản lý an toàn nhà máy là gì và không phải là gì

Cần cố định phạm vi của từ ngữ trước. Nếu để chỗ này mơ hồ mà vẫn đem ra bàn trong nội bộ, câu chuyện sẽ không khớp nhau trong khi ngân sách thì vẫn chạy.

Trong bài này, AI quản lý an toàn được hiểu là tên gọi chung cho các cơ chế mà ở đó máy diễn giải tín hiệu từ camera và cảm biến, rồi nối kết quả đó vào hành vi của con người hoặc vào động tác của thiết bị, nhằm giảm những sự cố làm người bị thương. Tân ngữ ở đây là con người, không phải vật.

Ranh giới này rất quan trọng trong thực tế, nên xin tách bạch rõ với hai lĩnh vực lân cận.

Thứ nhất là AI kiểm tra ngoại quan và kiểm tra chất lượng. Đó là công nghệ tìm vết xước, thiếu chi tiết trên sản phẩm, và thuật toán thị giác máy tính dùng ở đó trùng lặp khá nhiều với ứng dụng an toàn. Nhưng mục đích thì khác. AI kiểm tra bảo vệ chất lượng xuất hàng cho khách, và chi phí khi thất bại là hàng lỗi lọt ra ngoài. AI an toàn bảo vệ thân thể con người, và chi phí khi thất bại là tai nạn lao động. Dù cùng một nhà cung cấp bán cả hai, tốc độ phản hồi được yêu cầu, cách lưu hồ sơ và bộ phận phê duyệt đều khác nhau. Không nên trộn chung vào một tờ trình.

Thứ hai là bảo trì dự đoán. Đó là chuyện bắt dấu hiệu hỏng hóc từ rung động hay dòng điện của thiết bị, và cũng hay được gọi bằng đúng cụm từ “AI phát hiện bất thường”. Nhưng cái mà bảo trì dự đoán ngăn chặn là dừng máy ngoài kế hoạch, và cái nó bảo vệ là sản lượng. Với an toàn thì mục đích khác nhau – một dòng phân định như vậy là đủ.

Ba tầng – phát hiện, phán định, khắc phục

Nếu nhìn AI quản lý an toàn như “một hệ thống camera” thì chắc chắn sẽ thiết kế sai. Lý do là camera chỉ gánh tầng thấp nhất trong ba tầng.

Điểm mấu chốt của mô hình ba tầng này là số tiền đầu tư và xác suất thất bại đi ngược chiều nhau. Tầng phát hiện ăn phần lớn chi phí vào camera và thiết bị edge, nhưng với trình độ công nghệ của năm 2026 thì hầu như không hỏng. Ngược lại, tầng phán định và tầng khắc phục gần như không tốn tiền, vậy mà số dự án chết ở đây lại áp đảo.

Nói cách khác, phần có con số lớn trên báo giá và phần làm dự án chết không trùng nhau. Với người phải viết tờ trình, đây là một cấu trúc cực kỳ khó chịu. Tầng phát hiện có số tiền lớn nên dễ giải thích, dễ lấy phê duyệt. Trong khi đó tầng phán định và tầng khắc phục trông giống “chuyện vận hành”, nên trong tờ trình thường bị gói lại thành một dòng, rồi sau khi triển khai thì không ai nhận về.

Câu hỏi thật sự là ai sở hữu tầng phán định và tầng khắc phục

Vì vậy, câu hỏi cần mang về sau khi đọc bài này không phải là “mua camera nào”. Mà là ai trong công ty mình sở hữu tầng phán định và tầng khắc phục.

Nếu lấy báo giá camera khi còn chưa trả lời được câu đó bằng tên người cụ thể, dự án gần như chắc chắn đi theo diễn biến sau. Tháng đầu sau khi triển khai, mọi người xem vì tò mò. Sang tháng thứ hai, người ta nhận ra số lượng cảnh báo quá nhiều. Tháng thứ ba, xuất hiện người tắt thông báo. Nửa năm sau, hệ thống vẫn chạy nhưng không ai mở màn hình. Một năm sau, tờ trình gia hạn hợp đồng bị chặn với lý do “không giải thích được hiệu quả”.

Diễn biến này không phải vấn đề công nghệ, mà là hệ quả tất yếu của việc tầng phán định và tầng khắc phục không có chủ. Các chương sau sẽ mổ xẻ cụ thể xem ở mỗi tầng chuyện gì xảy ra.

Độ chính xác đã đủ – bốn đứt gãy khiến tai nạn lao động vẫn không giảm

Trước hết xin đặt một mốc tham chiếu bằng con số, để thấy vì sao lại nói chuyện này vào lúc này.

Theo thống kê tình hình tai nạn lao động năm 2025 do Bộ Y tế, Lao động và Phúc lợi Nhật Bản công bố, số người chết và bị thương phải nghỉ việc từ 4 ngày trở lên là 135,333 người. Trong đó ngành chế tạo là 26,371 người, giảm 305 người tương đương 1.1% so với năm trước. Có giảm. Nhưng riêng ngành chế tạo đã chiếm khoảng 19.5% tổng số, và nếu đặt 250 ngày vận hành một năm thì tính ra mỗi ngày có khoảng 105 vụ tai nạn phải nghỉ việc xảy ra ở đâu đó trong ngành chế tạo.

Đây là số liệu của Nhật Bản, không phải của Việt Nam hay Thái Lan. Xin dùng nó như một giá trị tham chiếu cho hiện trường sản xuất, ở một nước có chế độ thống kê tai nạn lao động chặt chẽ và văn hóa báo cáo tương đối đầy đủ. Ở những nước có chế độ thống kê và văn hóa báo cáo khác, con số công bố có thể không phản ánh đầy đủ tình hình thực tế. Thêm nữa, cơ sở ở nước ngoài thường dùng chung thiết bị, bố trí chuyền và tiêu chuẩn thao tác với nhà máy mẹ, nên cấu trúc rủi ro cũng có xu hướng đi theo. Nếu cần con số của nước sở tại, xin đối chiếu thêm với thống kê do cơ quan quản lý quỹ bồi thường tai nạn lao động của nước đó công bố.

Điều cần tiếp nhận nghiêm túc hơn là cơ cấu của các vụ tai nạn chết người. Trong số các vụ chết người, nhóm kẹp và cuốn vào máy là 117 vụ, tăng 7 người tương đương 6.4% so với năm trước. Kẹp và cuốn vào máy xảy ra khi con người tới gần bộ phận chuyển động của máy. Nghĩa là một trong những nhóm mà camera AI dễ phát hiện nhất lại đang tăng lên.

Công nghệ phát hiện thì đã đủ. Về phát hiện PPE bằng AI, tức phát hiện việc không mang trang bị bảo hộ, tại thời điểm 2026 đã có báo cáo về độ chính xác chịu được vận hành thực tế, với mức hiệu năng cao trên các đối tượng như mũ bảo hộ, áo phản quang và găng tay. Vậy mà con số ở hiện trường không nhúc nhích. Xin tách sự đứt gãy đó thành bốn phần.

Đứt gãy 1 – chưa quyết cảnh báo bay tới ai

Đây là kiểu phổ biến nhất và cũng chí mạng nhất.

Trong cuộc họp bàn triển khai, khi hỏi “cảnh báo sẽ bay tới ai”, câu trả lời thường là “phụ trách an toàn lao động, với lại tổ trưởng của các chuyền nữa”. Ngay tại đây đã nguy hiểm rồi. Bởi vì những người nhận được thêm vào theo kiểu “với lại” sẽ tạo ra đúng một cấu trúc, trong đó ai cũng nghĩ rằng chắc có người khác xem.

Khi thiết kế danh sách người nhận, có ba thứ phải quyết. Người tiếp nhận cấp một – đúng một người, chắc chắn phải xem. Nơi leo thang – địa chỉ mà cảnh báo bay tới khi người cấp một không xử lý trong một khoảng thời gian nhất định. Và danh sách những người rõ ràng không nhận thông báo. Cái thứ ba hay bị bỏ sót nhất. Kiểu vận hành “cứ cho giám đốc nhà máy nhận hết cho chắc” bắt đầu bằng thiện ý, nhưng giám đốc nhà máy sẽ là người đầu tiên tắt thông báo.

Còn một thứ nữa phải quyết cùng lúc với danh sách người nhận, đó là xử lý ra sao khi người cấp một vắng mặt. Ở các nhà máy trong khu vực, ngoài các kỳ nghỉ dài như Tết Nguyên đán hay Songkran, cách sử dụng phép năm cũng khác Nhật Bản. Thiết kế chỉ có một người cấp một sẽ thành ra không người trực vào đúng ngày người đó nghỉ. Phải quyết trước khi triển khai là sẽ lập bảng trực, hay gắn danh sách người nhận vào nhóm theo ca.

Cách kiểm tra đứt gãy này. Hãy thử hỏi “cảnh báo phát ra trong ca đêm hôm qua, sáng nay mấy giờ và ai đã xem”. Nếu không trả lời được ngay, nghĩa là người nhận chưa được quyết.

Đứt gãy 2 – định nghĩa “nguy hiểm” không khớp với hiện trường

Mô hình AI phát hiện “người không đội mũ bảo hộ”. Chỗ này không có gì phải bàn. Vấn đề là trạng thái đó có thật sự nguy hiểm hay không thì phải biết công đoạn mới phán định được.

Ví dụ, một công nhân bỏ mũ bảo hộ ra để xem bản vẽ ở góc bàn giấy cuối chuyền lắp ráp thì về quy định có thể là vi phạm, nhưng rủi ro tai nạn gần như bằng không. Ngược lại, vài giây đi bộ không mũ bảo hộ ngay dưới cầu trục đang chạy là chí mạng. Với mô hình thì cả hai đều là một vụ “không mang trang bị”, nhưng với hiện trường thì đó là hai sự kiện hoàn toàn khác nhau.

Nếu triển khai mà không khớp chỗ này, sẽ có hai thất bại chồng lên nhau. Một là các vi phạm rủi ro thấp dâng lên hàng loạt và hệ thống mất uy tín. Hai là phản ứng ngược lại – nới lỏng quy tắc, và kết quả là ngay cả những khoảnh khắc thật sự nguy hiểm cũng rơi ra khỏi phạm vi phát hiện.

Cách giải trong thực tế là đừng cố định nghĩa “nguy hiểm” ở phía mô hình. Hãy để mô hình chỉ xuất ra các trạng thái như “không mang trang bị” hay “xâm nhập”, còn việc trạng thái đó có nguy hiểm hay không thì quyết bằng điều kiện tổ hợp của vùng, khung giờ và trạng thái vận hành thiết bị. Nghĩa là biến nó thành việc của tầng phán định.

• Vùng – dưới cầu trục, mặt trước máy dập, luồng xe nâng, khu chứa vật liệu nguy hiểm
• Khung giờ – trong giờ vận hành, đang đổi khuôn đổi mẫu, hay đang vệ sinh và bảo trì
• Trạng thái thiết bị – máy đó đang chạy hay đang dừng, lấy từ PLC hoặc IoT gateway

Chỉ cần nhân ba yếu tố này với nhau là số sự kiện thuộc diện xử lý đã giảm rất mạnh. Phần lấy trạng thái vận hành của thiết bị thì nhà máy nào đã làm trực quan hóa vận hành đều dùng lại được. Về cách lấy dữ liệu từ phía thiết bị, các ví dụ triển khai IoT tại nhà máy Thái Lan đã sắp xếp theo từng cấu hình, xin xem kèm.

Cách kiểm tra đứt gãy này. Tập hợp phụ trách an toàn lao động và tổ trưởng hiện trường vào cùng một phòng, cho họ phán định liên tiếp 20 đoạn video theo tiêu chí “có cần xử lý hay không”. Nếu tỷ lệ phán định lệch nhau vượt quá 30%, nghĩa là định nghĩa vẫn chưa được chia sẻ. Việc này nên làm trước cả khi huấn luyện mô hình, và chi phí gần như bằng không.

Đứt gãy 3 – khắc phục dừng ở việc nhắc nhở con người, không quay về thiết bị và luồng di chuyển

Số hiện trường mà việc xử lý sự kiện phát hiện kết thúc bằng “đã nhắc nhở công nhân” là khá nhiều. Trên giấy tờ thì ghi là đã khắc phục. Nhưng tuần sau vẫn phát hiện đúng như vậy ở đúng chỗ đó.

Đây không phải vấn đề ý thức của công nhân, mà do đã nhảy cóc qua thứ bậc của biện pháp an toàn. Trong lĩnh vực an toàn lao động, từ lâu đã có quan niệm rằng hiệu lực của các biện pháp có thứ tự. Từ trên xuống lần lượt là loại bỏ nguồn nguy hiểm, thay thế, biện pháp kỹ thuật gồm cách ly, khóa liên động và rào chắn, biện pháp quản lý gồm quy trình, đào tạo và biển báo, và cuối cùng là trang bị bảo hộ. Càng xuống dưới thì càng phụ thuộc vào sự chú ý của con người, và hiệu quả càng không bền.

“Đã nhắc nhở” thuộc về biện pháp quản lý, tức bậc thứ hai từ dưới lên. Giá trị lớn nhất thu được khi đưa camera AI vào thật ra không phải bản thân việc phát hiện, mà là việc lấy được dữ liệu về chuyện ở đâu, khi nào, trong điều kiện nào thì trạng thái nguy hiểm lặp lại. Dữ liệu đó vốn dĩ là để dùng cho các biện pháp ở bậc cao hơn.

Cụ thể, khi những chuyển đổi sau đây xảy ra thì có thể nói là triển khai đã thành công.

• Cùng một lối đi phát hiện xâm nhập 20 vụ mỗi tháng, dẫn tới việc đổi bố trí lối đi hoặc dựng rào vật lý, tức biện pháp kỹ thuật
• Việc không mang trang bị bảo hộ tập trung vào đúng một thao tác đổi khuôn, dẫn tới việc sửa chính quy trình đổi khuôn đó thành dạng làm được mà vẫn mang trang bị, tức thay thế
• Chỉ ở mặt trước một thiết bị nhất định mới nhiều phát hiện tiếp cận, dẫn tới bổ sung màn chắn quang an toàn hoặc khóa liên động, tức biện pháp kỹ thuật

Ngược lại, nếu xem log phát hiện của ba tháng mà thiết bị, quy trình và bố trí đều không thay đổi gì, thì hệ thống đó chỉ đang chạy như một thiết bị ghi hình, không đóng góp gì cho an toàn.

Cách kiểm tra đứt gãy này. Đếm “số lần đã thay đổi một trong các thứ sau kể từ khi đưa hệ thống vào – thiết bị, đồ gá, bố trí, quy trình thao tác”. Nếu bằng không, tầng khắc phục không hoạt động.

Đứt gãy 4 – chỉ số đo hiệu quả bị đặt thành số vụ phát hiện

Thứ hay gặp nhất trong các báo cáo triển khai là câu “đã phát hiện được bao nhiêu vụ hành vi nguy hiểm trong tháng”. Con số này, khi đứng một mình, có thể đọc theo cả hướng tốt lẫn hướng xấu. Số phát hiện nhiều có thể vì nguy hiểm nhiều, mà cũng có thể chỉ vì ngưỡng đặt lỏng. Số phát hiện giảm có thể vì đã an toàn hơn, mà cũng có thể chỉ vì người ta đã học cách đi vòng tránh camera.

Tệ hơn nữa, nếu đặt số vụ phát hiện làm KPI thì hiện trường sẽ học cách hành xử sao cho không bị phát hiện. Đây không phải gian dối cũng không phải lười biếng, mà là sự thích nghi hợp lý với chỉ số đánh giá. Các tuyến đi qua điểm mù của camera sẽ tự phát sinh, và nguy hiểm thực chất thì tăng lên.

Vậy đo cái gì. Các chỉ số hoạt động được trong thực tế chia thành ba tầng.

Lý do phải tách ba tầng này ra để giữ riêng là vì chỉ số cuối cùng, tức số vụ tai nạn, mất quá nhiều thời gian mới động về mặt thống kê. Một nhà máy thường chỉ có vài vụ tai nạn phải nghỉ việc mỗi năm, nên tăng giảm so với năm trước cũng không vượt ra ngoài phạm vi ngẫu nhiên. Nếu định viết báo cáo năm thứ nhất chỉ bằng số vụ tai nạn, chắc chắn sẽ bí lời.

Vì vậy năm thứ nhất hãy giải trình bằng hai tầng trên. “Thời gian xử lý cấp một trung bình đã giảm từ 48 giờ xuống 4 giờ”, “trong ba vùng lặp lại thì hai vùng đã được xử lý dứt điểm bằng rào chắn và đổi bố trí” – viết được hai câu này là đã giải thích được khoản đầu tư. Ngược lại, nếu không viết được hai câu đó thì dù số vụ tai nạn có tình cờ giảm, đó cũng không phải thành quả.

Số báo cáo suýt xảy ra tai nạn có cách xử lý hơi đặc biệt – tăng lên ngay sau khi triển khai mới là bình thường. Lý do là sự quan tâm tăng lên nên báo cáo dễ được viết ra hơn. Nếu báo cáo việc con số này giảm như một thành quả, thì năm sau văn hóa báo cáo sẽ teo lại.

Cách kiểm tra đứt gãy này. Trước khi triển khai, hãy thử viết ra một trang xem báo cáo sau một năm sẽ viết những gì. Không viết được nghĩa là chỉ số chưa được quyết.

Năm nhóm AI quản lý an toàn nhà máy và hiện trường phù hợp hay không phù hợp

Từ đây vào phần cụ thể. AI quản lý an toàn dùng trong nhà máy, trên thực tế, chia thành năm nhóm thì dễ thiết kế hơn. Mỗi nhóm có độ dễ phát hiện, mức chấp nhận của hiện trường và biện pháp khắc phục hoàn toàn khác nhau. Chính cách nói gộp “gắn camera AI” mới là thứ làm chậm quá trình cân nhắc nhất.

Trước hết xin xếp toàn bộ ra.

Điều đáng chú ý nhất ở bảng này là chỉ riêng nhóm phát hiện động tác và tư thế nguy hiểm bị đánh giá thấp ở cả hai cột có cho điểm, tức độ dễ phát hiện và mức chấp nhận của hiện trường. Vậy mà đây lại chính là nhóm trông bắt mắt nhất trong các buổi demo của nhà cung cấp. Nếu bắt tay vào nhóm này trước tiên, gần như chắc chắn sẽ vất vả. Dưới đây xin xem lần lượt.

Phát hiện không mang trang bị bảo hộ

Đây là nhóm có nhiều ví dụ triển khai nhất và độ chín công nghệ cũng cao nhất. Các đối tượng như mũ bảo hộ, áo phản quang, kính bảo hộ, găng tay, giày bảo hộ và nút chống ồn được phán định kết hợp với việc phát hiện người.

Điều kiện phù hợp. Khu vực đối tượng phải giới hạn. Nếu phán định được tại điểm đi qua như cửa vào hay lối đi thì cả độ chính xác lẫn vận hành đều ổn định. Ngược lại, nếu định canh chừng toàn bộ khu vực thao tác suốt ngày thì phán định sẽ bất ổn do ảnh hưởng của tư thế và che khuất, và số vụ cũng vọt lên.

Điều kiện không phù hợp. Khi chính quy tắc mang trang bị còn dao động ở hiện trường. Nếu vẫn còn kiểu vận hành vùng xám “công đoạn này thật ra không cần nhưng theo quy định thì vẫn phải mang”, thì mỗi lần phát hiện lại quay về tranh luận đúng sai của quy tắc, và không tiến lên được. Phải rà soát và chốt lại quy tắc xong trước khi đưa AI vào.

Lưu ý về mức chấp nhận. Nhóm này dễ vấp phản ứng “đang bị giám sát” từ hiện trường nhất. Lý do là đối tượng bị phát hiện không phải thiết bị mà là thân thể con người. Điểm này nối thẳng với vấn đề bảo vệ dữ liệu cá nhân sẽ bàn ở phần sau. Có thiết kế được theo hướng không định danh cá nhân hay không mới là thứ có tác dụng, và nó thuộc về mặt vận hành nhiều hơn mặt kỹ thuật.

Biện pháp khắc phục. Nếu không muốn dừng ở việc nhắc nhở, quay về thiết kế chỗ mặc và cởi trang bị là hiệu quả nhất. Chỗ cởi trang bị quá xa cửa vào, chỗ để bẩn, chỉ còn lại cỡ không vừa – khi điều tra những vùng tập trung nhiều vụ không mang trang bị, các lý do vật lý kiểu này hay lộ ra.

Phát hiện xâm nhập khu vực cấm

Là nhóm phát hiện việc có người đi vào vùng đã chỉ định. Về kỹ thuật là kết hợp phát hiện người với phán định vùng, và là nhóm chín muồi nhất trong năm nhóm.

Điều kiện phù hợp. Ranh giới “không được vào” phải rõ ràng về mặt vật lý. Phạm vi chuyển động của máy dập, vùng hoạt động của robot công nghiệp, phía dưới vật treo của cầu trục, khu chứa vật liệu nguy hiểm. Hiện trường nào đã kẻ vạch trên sàn thì hầu như thiết lập được ngay.

Điều kiện không phù hợp. Khi có những lúc cần đi vào một cách chính đáng, như bảo trì hay đổi khuôn. Nếu không đưa chỗ này vào thiết kế, mỗi lần bảo trì là cảnh báo phát ra hàng loạt. Việc liên động với trạng thái vận hành thiết bị hoặc với lệnh sản xuất trở thành bắt buộc, và chi phí phát triển tích hợp cũng tăng theo.

Vì sao mức chấp nhận cao. Vì quy tắc “không được vào” không có chỗ để diễn giải, nên kết quả phát hiện không dẫn tới tranh cãi. Đây là lợi thế rất lớn cho bước đi đầu tiên. Nếu chọn nhóm mở màn, thì nhóm này hoặc nhóm liên động khóa thiết bị nói ở dưới là an toàn.

Biện pháp khắc phục. Những chỗ liên tục bị phát hiện xâm nhập, phần lớn là vì “đi qua đó thì gần hơn”. Dựng rào, kẻ lại luồng di chuyển, gắn khóa điện cho cửa – các biện pháp kỹ thuật kiểu này có tác dụng một cách trực diện.

Phát hiện động tác và tư thế nguy hiểm

Là nhóm dùng ước lượng khung xương để phán định các động tác như nâng vật ở tư thế gượng, nhoài người ra, làm việc một tay. Đây là nhóm có khoảng cách giữa kỳ vọng và thực lực lớn nhất.

Có ba lý do khiến nhóm này khó. Một là định nghĩa đáp án mơ hồ – khó đặt tiêu chuẩn khách quan cho việc cúi người bao nhiêu độ trở lên thì gọi là nguy hiểm. Hai là yếu trước che khuất – khung xương bị đứt đoạn sau bóng thiết bị, khi chồng lấn với công nhân khác, hoặc phía sau xe đẩy. Ba là cùng một tư thế nhưng khác công đoạn thì mức nguy hiểm khác nhau. Vấn đề đã viết ở đứt gãy 2 bộc lộ mạnh nhất chính ở nhóm này.

Vẫn có chỗ đáng giá. Nhóm này hợp với việc phân tích các thao tác lặp lại dẫn tới đau lưng. Nếu không biến từng sự kiện thành cảnh báo mà dùng như số liệu tổng hợp trong một khoảng thời gian để cải tiến công đoạn, thì dao động về độ chính xác sẽ được trung bình hóa. Đó là cách dùng để so sánh giữa các công đoạn xem “công đoạn này mỗi ngày phát sinh bao nhiêu lần tư thế gượng”.

Kết luận về mặt thiết kế. Không dùng nhóm này cho cảnh báo thời gian thực. Dùng như báo cáo theo ngày và theo tuần. Nếu quyết cách phân vai này ngay từ đầu thì hầu như không phát sinh bất mãn về phát hiện sai.

Phát hiện tiếp cận trên luồng xe nâng và AGV

Là nhóm phát hiện sự tiếp cận giữa người và xe. Ngoài camera, còn có cấu hình kết hợp với cảm biến trên xe hoặc thẻ định vị.

Điều kiện phù hợp. Kho, bãi xuất hàng, tuyến cấp vật tư – những nơi luồng đi của người và xe giao cắt nhau. Đây cũng là nhóm mà người trong cuộc ý thức nguy hiểm mạnh nhất, nên ít bị hiện trường phản đối. Lý do là tai nạn do xe nâng dễ trở nên nghiêm trọng, và điều đó khớp với cảm nhận thực tế của hiện trường.

Điều kiện không phù hợp. Khi lối đi hẹp và người với xe vốn dĩ đã luôn ở gần nhau. Trong trường hợp đó, tiếp cận là trạng thái thường trực nên có phát hiện cũng không thành thông tin. Phải tách luồng trước, AI đến sau – thứ tự là như vậy. Làm ngược lại sẽ tạo ra một hệ thống kêu không ngừng.

Biện pháp khắc phục. Lắp gương và đèn tín hiệu tại giao cắt, đặt vùng giảm tốc cho xe, tách vật lý lối đi bộ. Phát hiện tiếp cận nên được dùng như một phương tiện đo lường để thiết kế lại luồng di chuyển – đó là cách dùng hiệu quả nhất.

Liên động khóa thiết bị

Là nhóm nối kết quả phát hiện không phải vào thông báo cho người, mà vào chính động tác của thiết bị. Cụ thể, thiết bị sẽ giảm tốc hoặc dừng khi có người vào vùng nguy hiểm.

Hiệu quả chắc chắn nhất, và thiết kế cũng nặng nhất. Hiệu quả chắc chắn vì không thông qua phán định của con người. Cả đứt gãy 1 về người nhận lẫn đứt gãy 3 về khắc phục đều không phát sinh về mặt cấu trúc ở nhóm này, vì tầng phán định và tầng khắc phục đã được nhúng vào trong máy ngay từ lúc thiết kế.

Lý do thiết kế nặng. Phát hiện sai làm thiết bị dừng thì sản xuất dừng. Ngược lại, bỏ sót thì người bị thương. Khi dùng AI thị giác máy tính cho mục đích dừng thiết bị như một chức năng an toàn, cần xem xét xem nó có đáp ứng mức yêu cầu của an toàn chức năng hay không. Nói chung, cho chức năng dừng cuối cùng nhằm bảo vệ con người, người ta dùng các thiết bị an toàn như màn chắn quang an toàn hay thảm an toàn. Đặt camera AI ở tầng trước đó, chẳng hạn tầng hỗ trợ kiểu “lại gần thì giảm tốc” hoặc “bật đèn cảnh báo”, mới là thực tế.

Kết luận về mặt thiết kế. Không định vị camera AI như vật thay thế cho thiết bị an toàn hiện có. Hãy định vị nó như một tầng bổ sung. Ranh giới này cần được ghi thành văn bản ngay từ đầu, với cả bộ phận an toàn nội bộ lẫn nhà sản xuất thiết bị.

Nên bắt đầu từ nhóm nào

Cách chọn bước đi đầu tiên có một nguyên tắc thực tế. Vào từ nhóm có mức chấp nhận cao, ranh giới rõ ràng, và biện pháp khắc phục quy được về đối sách vật lý. Cụ thể là phát hiện xâm nhập khu vực cấm.

Phát hiện không mang trang bị bảo hộ dễ được nêu lên đầu tiên vì có nhiều ví dụ triển khai, nhưng nó buộc phải xử lý đồng thời việc rà soát quy tắc và vấn đề dữ liệu cá nhân, nên thật ra khá nặng cho bước mở màn. Phát hiện động tác và tư thế nguy hiểm thì như đã nói, không hợp với mục đích thời gian thực. Liên động khóa thiết bị hiệu quả cao nhưng mất thời gian điều phối với phía thiết bị.

Cách đọc con số “độ chính xác 95%” và quy đổi sang số liệu có tác dụng ở hiện trường

Những con số kiểu “độ chính xác 95%” hay “mAP 96%” xuất hiện trong tài liệu nhà cung cấp, để nguyên như vậy thì không dùng làm căn cứ phán định ở hiện trường được. Thứ cần có là phép quy đổi xem độ chính xác đó tương đương bao nhiêu cảnh báo mỗi ngày. Triển khai mà không tính chỗ này thì lũ cảnh báo đã viết ở đứt gãy 1 sẽ xảy ra y nguyên.

Độ chuẩn xác và độ bao phủ là hai thứ khác nhau

Trước hết xin sắp xếp lại thuật ngữ. Có hai chỉ số mang ý nghĩa khác nhau trong ứng dụng an toàn.

Độ chuẩn xác (Precision) là tỷ lệ thật sự nguy hiểm trong số những thứ đã bị phán định là “nguy hiểm”. Cái này thấp thì cảnh báo giả tăng lên. Thứ làm mất niềm tin của hiện trường là cái này.

Độ bao phủ (Recall) là tỷ lệ phát hiện được trong số các sự kiện thật sự nguy hiểm. Cái này thấp thì bỏ sót tăng lên. Thứ làm người bị thương là cái này.

Hai chỉ số này có quan hệ đánh đổi. Hạ ngưỡng xuống thì độ bao phủ tăng nhưng độ chuẩn xác giảm. Ngược lại cũng vậy. Cách ghi “độ chính xác 95%” thường không nói rõ nó đang chỉ cái nào trong hai cái đó. Hơn nữa, các chỉ số tổng hợp cho bài toán phát hiện như mAP thì cũng không tương ứng trực tiếp với cái nào trong hai.

Ba câu hỏi nhất định phải hỏi ở giai đoạn báo giá. “Con số đó là độ chuẩn xác, độ bao phủ, hay một chỉ số khác”. “Đo trong môi trường như thế nào”. “Có đo lại được bằng video quay tại hiện trường của chúng tôi không”. Nhà cung cấp không trả lời được câu thứ ba thì con số của họ chỉ nên coi là giá trị tham khảo.

Ví dụ tính 1 – đọc như tỷ lệ đúng trên toàn bộ phán định

Bắt đầu từ cách đọc mộc mạc nhất. Giả sử một camera chạy 8 giờ mỗi ngày và mỗi phút xuất ra một phán định.

• 480 phút nhân 1 lần bằng 480 phán định mỗi ngày mỗi camera
• Đọc độ chính xác 96% như tỷ lệ đúng trên toàn bộ phán định, thì phần sai là 4%
• 480 nhân 0.04 bằng 19.2 vụ, tức khoảng 19 vụ sai mỗi ngày
• Với 10 camera thì 19.2 nhân 10 bằng 192 vụ, tức khoảng 190 vụ mỗi ngày

Lấy 190 chia cho 8 giờ ra 24 vụ mỗi giờ, tức nhịp một vụ mỗi 2.5 phút. Đây chính là chân tướng của chuyện “rồi không ai xem nữa”. Bất kể là ai, cũng không thể xem thông báo kêu mỗi 2.5 phút suốt ba tháng liền.

Ví dụ tính 2 – đọc bằng độ chuẩn xác thì còn khắc nghiệt hơn

Thực tế còn tệ hơn thế. Lý do là các sự kiện an toàn rất hiếm khi xảy ra. Khi cố phát hiện một sự kiện hiếm, độ chuẩn xác tụt xuống mạnh hơn nhiều so với vẻ bề ngoài của con số. Vẫn tính trên 480 phán định đó.

• Đặt tỷ lệ phát sinh trạng thái thật sự nguy hiểm là 2%, thì 480 nhân 0.02 bằng 9.6 vụ mỗi ngày mỗi camera là nguy hiểm thật, còn lại 470.4 vụ là bình thường
• Độ bao phủ 95%, thì số nguy hiểm thật phát hiện được là 9.6 nhân 0.95 bằng 9.12 vụ. Bỏ sót là 0.48 vụ mỗi ngày mỗi camera
• Giả sử 3% số bình thường bị phán định nhầm thành “nguy hiểm”, thì 470.4 nhân 0.03 bằng 14.112 vụ mỗi ngày mỗi camera là cảnh báo giả
• Tổng số cảnh báo phát ra mỗi ngày bằng 9.12 cộng 14.112 bằng 23.232 vụ mỗi ngày mỗi camera
• Độ chuẩn xác bằng 9.12 chia 23.232 bằng 0.3926, tức khoảng 39%

Độ bao phủ có tới 95%, vậy mà kết quả là khoảng 6 phần 10 số cảnh báo thực sự dâng lên là cảnh báo giả. Đây không phải lỗi tính toán, mà là hiện tượng chắc chắn xảy ra khi phát hiện một sự kiện có tỷ lệ phát sinh thấp.

Mở rộng ra 10 camera, cảnh báo là 23.232 nhân 10 bằng khoảng 232 vụ mỗi ngày, trong đó cảnh báo giả là khoảng 141 vụ. Chia cho 8 giờ ra 29 vụ mỗi giờ, tức khoảng một vụ mỗi 2 phút. Phía bỏ sót thì 0.48 nhân 10 bằng 4.8 vụ mỗi ngày, với 20 ngày làm việc thành khoảng 96 vụ mỗi tháng.

Từ hai phép tính này cần đọc ra ba điều. Thứ nhất, dù con số độ chính xác có cao đến đâu, hễ số lần phán định nhiều thì số tuyệt đối của cảnh báo giả vẫn lên tới ba chữ số. Thứ hai, sự kiện có tỷ lệ phát sinh càng thấp thì độ chuẩn xác càng tụt. Thứ ba, vấn đề này không giải được bằng cách nâng thêm hiệu năng của tầng phát hiện. Để đưa độ chuẩn xác từ 39% lên 60% thì phải hạ tỷ lệ phát hiện sai từ 3% xuống mức 1 phẩy mấy phần trăm, và mức cải thiện thu được không xứng với công sức đó.

Tầng phán định lọc được đến đâu

Lời giải nằm ở tầng phán định. Áp dụng lần lượt phép nhân “vùng nhân khung giờ nhân trạng thái thiết bị” đã viết ở đứt gãy 2, cùng với việc gộp trùng lặp. Dưới đây là một phép ước tính để cho thấy cách lọc phát huy tác dụng, còn tỷ lệ cắt giảm thì thay đổi tùy hiện trường.

232 vụ trở thành 8 vụ. Nếu mỗi ngày 8 vụ thì một người phụ trách an toàn lao động có thể đọc hết trước giờ họp đầu ca. Đây chính là thực thể của việc thiết kế tầng phán định. Không dùng thuật toán khó nào cả. Thứ được dùng chỉ là định nghĩa vùng, ngưỡng thời gian kéo dài, quy tắc gộp trùng lặp, và tín hiệu vận hành của thiết bị.

Ở đây có một lưu ý quan trọng. Việc lọc tác động theo hướng làm tăng bỏ sót. Trong phép ước tính trên, ngay tại bước giới hạn vùng đối tượng thì nguy hiểm ở các vùng khác đã bị loại khỏi phạm vi phát hiện về mặt nguyên lý. Vì vậy quy tắc lọc phải ở dạng giữ lại toàn bộ bản ghi, chỉ lọc riêng phần thông báo. Nếu giữ log đầy đủ, hàng tháng vẫn kiểm chứng lại được xem trong những sự kiện đã bị lọc bỏ có lẫn thứ đáng lẽ phải xử lý hay không. Lẫn lộn giữa lọc thông báo và lọc bản ghi sẽ khiến sau này không kiểm chứng được nữa.

Cách nghĩ về việc giữ dữ liệu này giống với thiết kế bên chất lượng, nơi phải truy được lô hàng và điều kiện công đoạn. Về việc cái gì giữ dưới dạng giá trị tổng hợp và cái gì giữ dưới dạng chi tiết, cách sắp xếp trong thiết kế hệ thống quản lý dữ liệu chất lượng áp dụng được nguyên vẹn.

Sáu tầng chi phí

Chi phí nên được ước tính bằng cách chia thành sáu tầng – camera, thi công lắp đặt, máy suy luận edge, hiệu chỉnh mô hình, phát triển tích hợp và vận hành – như vậy dễ so sánh và dễ làm tờ trình hơn. Thi công lắp đặt được tách thành một tầng riêng vì nếu để lẫn vào dòng camera thì luôn bị đánh giá thấp hơn thực tế. Các số tiền dưới đây là mức tham khảo cho trường hợp bắt đầu từ quy mô 10 camera tại một nhà máy Nhật, đơn vị là yên Nhật, và dao động rất mạnh tùy cấu hình, điều kiện hiện trường và nhà cung cấp. Không dùng được làm căn cứ ngân sách mang tính khẳng định.

Thứ dễ bị bỏ sót nhất trong bảng này là hai tầng thi công lắp đặt và vận hành. Đơn giá thân camera đang giảm, nhưng chi phí dựng giá đỡ trên trần nhà máy và kéo dây thì không giảm. Nếu khu vực chống nổ hoặc bãi ngoài trời nằm trong phạm vi, có khi thi công còn đắt hơn cả thân máy.

Về chi phí vận hành cũng vậy, nếu thông tờ trình chỉ bằng chi phí ban đầu thì sang năm thứ hai sẽ có vấn đề. Mô hình AI sẽ tụt hiệu năng khi hiện trường thay đổi. Đổi bố trí, đổi đèn sang LED, đổi hãng đồng phục, ánh nắng vào khác đi theo mùa – tất cả đều là yếu tố làm thay đổi cách mô hình nhìn thấy. Nên giả định mỗi năm cần một lần huấn luyện lại và rà ngưỡng, và giữ sẵn phần ngân sách đó ngay từ đầu.

Còn một điểm nữa, việc cài đặt quy tắc tầng phán định, một phần của phát triển tích hợp, là phần dễ bị đánh giá thấp nhất khi lập dự toán. Đây chính là phần thiết kế đã viết ở đứt gãy 2 và đứt gãy 4, và nó trộn lẫn giữa phạm vi thuê ngoài được với phạm vi bắt buộc phải tự quyết trong nội bộ. Định nghĩa vùng và ngưỡng thời gian kéo dài thì nhà cung cấp không quyết thay được. Số giờ công cho phần này nên được dự toán riêng như chi phí nhân sự nội bộ, như vậy an toàn hơn.

Nếu chia giai đoạn, cách ít thất bại là trước hết làm trọn vẹn đến khâu thiết kế tầng phán định trong phạm vi một nhóm và 4 đến 6 camera, sau đó mới mở rộng số lượng và số nhóm. Nếu đưa vào 30 camera một lượt ngay từ đầu, lũ cảnh báo sẽ bắt đầu trước cả khi kịp thiết kế tầng phán định.

Ba vấn đề nhất định phát sinh thêm tại nhà máy ở nước ngoài

Từ đầu đến đây là câu chuyện chung của nhà máy. Với nhà máy Nhật đặt cơ sở tại nước ngoài, ba vấn đề sau sẽ được cộng thêm. Dưới đây trình bày theo trường hợp Thái Lan, vì đó là nơi khung quy định đã tương đối rõ hình. Với cơ sở tại Việt Nam thì tên luật khác, nhưng cùng những luận điểm đó vẫn dựng lên nguyên vẹn dưới khung bảo vệ dữ liệu cá nhân của nước sở tại. Và riêng vấn đề đầu tiên có thể làm nhỏ đi chính nó, chỉ bằng cách đổi thiết kế.

Dữ liệu sinh trắc học và hướng thiết kế không đụng tới khuôn mặt

Trong Luật Bảo vệ Dữ liệu Cá nhân của Thái Lan (PDPA), dữ liệu sinh trắc học (biometric data) thuộc loại dữ liệu cá nhân nhạy cảm theo quy định tại Điều 26. Việc xử lý theo dạng nhận diện cá nhân bằng khuôn mặt về nguyên tắc cần có sự đồng ý minh thị (explicit consent). Sự đồng ý lấy từ người lao động còn kèm theo tranh luận về việc nó có được coi là đồng ý theo ý chí tự do hay không, do được lấy trong bối cảnh quan hệ trên dưới của quan hệ lao động.

Với cơ sở tại Việt Nam, xin không nêu tên văn bản pháp luật cụ thể trong bài này, vì việc đó cần được xác nhận với luật sư sở tại. Điều nói được là cấu trúc vấn đề thì giống nhau. Dữ liệu sinh trắc học của người lao động được xếp vào loại nhạy cảm, và việc lấy sự đồng ý trong quan hệ lao động luôn kèm theo tranh luận – đây là đặc điểm chung của các khung bảo vệ dữ liệu cá nhân trong khu vực. Vì vậy lời giải thực tế dưới đây dùng chung được.

Và lời giải có tác dụng nhất trong thực tế là không phải nhịn công nghệ, mà là đổi thiết kế.

Cụ thể, hãy nghiêng về ba điểm sau.

• Chỉ phát hiện thân thể người. Phán định đến mức “có người”, “không đội mũ bảo hộ”, nhưng không phán định người đó là ai
• Làm mờ khuôn mặt, hoặc không lưu vùng khuôn mặt. Khi cần lưu video thì lưu ở trạng thái đã che khuôn mặt
• Không gắn với ID cá nhân. Không nối với mã số nhân viên, dữ liệu chấm công, bản ghi ra vào

Nếu thỏa mãn ba điểm này, dữ liệu đang xử lý sẽ nghiêng về hướng không còn là dữ liệu sinh trắc học nhận diện được cá nhân cụ thể. Vốn dĩ, xét từ chính mục đích quản lý an toàn thì cũng hầu như không cần định danh cá nhân. Thứ cần biết là “ở vùng nào, khung giờ nào, trạng thái gì đang phát sinh”, chứ không phải “ai đã làm”. Ngược lại, nếu thiết kế theo hướng định danh được cá nhân thì sẽ bị kéo về kiểu vận hành “nhắc nhở rồi thôi” đã viết ở đứt gãy 3.

Tuy nhiên, như vậy không có nghĩa là hết cần xem xét pháp lý. Kể cả với thiết kế không định danh cá nhân, vẫn cần thông báo cho người lao động, nêu rõ mục đích, đặt thời gian lưu trữ, và quản lý quyền truy cập. Thêm nữa, việc xác nhận cuối cùng về phương châm phải lấy từ luật sư sở tại. Nội dung bài này là phương châm thiết kế trong thực tế, không phải tư vấn pháp lý.

Những thứ cần quyết trước trong nội bộ. Thời gian lưu video, 30 ngày hay 90 ngày. Phạm vi chức danh được phép xem. Và quy tắc thành văn cấm sử dụng bản ghi ngoài mục đích, tức cấm chuyển sang dùng cho đánh giá nhân sự hay kỷ luật. Ba thứ này, trước cả việc diễn giải luật, đã quyết định niềm tin của hiện trường.

Động thái xây dựng hướng dẫn vận hành CCTV

Tại Thái Lan, việc xây dựng hướng dẫn về vận hành CCTV đang được tiến hành. Lấy mốc ngày 23 tháng 3 năm 2026, dự kiến hướng dẫn sẽ được công bố trong khoảng 8 tháng sau đó. Cả thời điểm lẫn nội dung đều chưa phải là thứ đã chốt ở hiện tại, nên không nên viết vào tờ trình như thông tin đã xác định.

Phương châm ứng xử trong thực tế gồm hai điểm.

• Đừng dừng việc triển khai để chờ hướng dẫn được công bố. Khả năng tai nạn lao động xảy ra trong lúc chờ mới là rủi ro lớn hơn về mặt thực tế
• Nhưng hãy làm sao để sau này yêu cầu có tăng lên thì vẫn đáp ứng được. Cụ thể là thời gian lưu trữ đổi được bằng cấu hình, video xóa được, có lưu log truy cập, và bật được tính năng che khuôn mặt về sau

Bốn điểm này, nếu xác nhận như một hạng mục quy cách ngay ở giai đoạn chọn nhà cung cấp, thì phần lớn trường hợp thỏa mãn được mà không tốn thêm chi phí. Bị yêu cầu sau khi đã triển khai thì thành thay đổi thiết kế và đắt lên.

Với các cơ sở ngoài Thái Lan, ý ở đây không phải là ngày tháng cụ thể, mà là hãy giả định rằng yêu cầu quản lý đối với camera trong nhà máy sẽ chặt lên chứ không lỏng đi. Bốn hạng mục quy cách phía trên là danh sách kiểm tra dùng chung được, không phụ thuộc quốc gia.

Truyền đạt cho hiện trường đa quốc tịch và bảo hiểm tai nạn lao động

Hiện trường nhà máy tại Thái Lan thường có, ngoài nhân sự Thái, cả lao động đến từ Myanmar, Campuchia, Lào. Các khu công nghiệp tại Việt Nam cũng có tình huống tương tự, khi lao động đến từ nhiều tỉnh khác nhau với nền tảng đào tạo khác nhau, và có cả kỹ thuật viên nước ngoài. Việc truyền đạt về an toàn cần được thiết kế trên tiền đề cơ cấu này.

Nhiều hiện trường chỉ dán thông báo bằng tiếng Nhật và tiếng Anh rồi coi là xong, nhưng như vậy không thành truyền đạt. Trong thực tế, thiết kế sẽ như sau.

• Lấy tiếng bản địa làm gốc cho thông báo dán, và bổ sung ngôn ngữ khác tùy cơ cấu người lao động
• Lấy hình biểu tượng (pictogram) làm chính chứ không lấy chữ. Do trình độ đọc viết có sai khác, hình vẽ hiểu được mới là chắc chắn nhất
• Về chính việc đưa camera AI vào, cũng phải truyền đạt bằng cả bảng thông báo lẫn buổi giải thích, gồm bốn nội dung – đang quay cái gì, dùng vào việc gì, ai được xem, và việc không định danh cá nhân

Điểm thứ ba, hơn cả việc tuân thủ pháp luật, nối thẳng vào mức chấp nhận của hiện trường. Camera tăng lên mà không giải thích thì sẽ bị tiếp nhận như sự giám sát. Và hệ thống đã bị tiếp nhận như sự giám sát thì chắc chắn sẽ bị né tránh.

Về bảo hiểm tai nạn lao động cũng nên nắm. Tại Thái Lan, Quỹ Bồi thường Người lao động (Workmen’s Compensation Fund) do người sử dụng lao động chịu toàn bộ, với mức đóng được đặt trong khoảng 0.2 đến 1% tùy rủi ro của ngành nghề. Ngoài ra còn có cơ chế điều chỉnh mức đóng theo thành tích phát sinh tai nạn của cơ sở. Cấu trúc “mức đóng thay đổi theo ngành nghề và theo thành tích an toàn” cũng thấy ở nhiều nước trong khu vực, nên xin xác nhận con số cụ thể theo chế độ của nước sở tại.

Nghĩa là hiệu quả của biện pháp an toàn có khả năng quay về lãi lỗ dưới dạng phí bảo hiểm. Tuy nhiên, không khuyến khích đặt hiệu quả này làm căn cứ chính cho việc thu hồi vốn. Lý do là biên độ điều chỉnh mức đóng thường nhỏ hơn hẳn một bậc so với chi phí triển khai AI. Trong tờ trình, nhắc một dòng như hiệu quả phụ là mức phù hợp.

Căn cứ thu hồi vốn thực tế hơn, ngược lại, là phép ước tính chi phí khi xảy ra một vụ tai nạn. Với một vụ tai nạn phải nghỉ việc, thứ phát sinh không chỉ là khoản bồi thường trực tiếp. Dừng chuyền đó, điều tra nguyên nhân và viết báo cáo, làm việc với cơ quan chức năng, bố trí người thay thế, giải thích với khách hàng, thực hiện biện pháp phòng tái diễn – cộng dồn tất cả theo giờ công và thời gian thì số tiền lên tới mức đáng kể. Nếu làm sẵn phép ước tính này trước, cuộc tranh luận trong tờ trình sẽ chuyển từ “chi phí AI đắt hay rẻ” sang “so với chi phí của một vụ tai nạn thì thế nào”.

Cách tiến hành trong 90 ngày đầu tiên

Hãy cắt kế hoạch theo mốc 90 ngày. Lý do là việc có tới được khâu thiết kế tầng phán định trong 90 ngày hay không gần như quyết định thành bại về sau. Nói ngược lại, một kế hoạch mà sau 90 ngày mới chỉ tiến được đến khâu chọn thiết bị thì sẽ đình trệ y như vậy.

Điều quan trọng nhất trong cách tiến hành này là bước “tắt thông báo và chỉ lấy dữ liệu trong 2 tuần” ở giai đoạn 61 đến 90 ngày. Nếu bỏ qua chỗ này và phát thông báo ngay từ đầu, số vụ thô chưa qua lọc sẽ tràn vào hiện trường và mất niềm tin ngay trong ngày đầu. Số lượng cảnh báo mà hiện trường nhận được lần đầu tiên gần như quyết định toàn bộ đánh giá về hệ thống đó.

Bước “khớp phán định trên 20 trường hợp” ở giai đoạn 0 đến 30 ngày cũng hay bị bỏ qua. Nhưng đây là biện pháp duy nhất, với chi phí bằng không, để xác định có tồn tại đứt gãy 2 hay không. Nếu phán định lệch nhau, hãy xử lý chỗ đó trước cả việc chọn nhà cung cấp.

Nếu ở giai đoạn 31 đến 60 ngày có nhà cung cấp từ chối “kiểm chứng bằng video quay tại hiện trường của mình”, thì bản thân việc đó đã là một căn cứ để phán đoán. Giá trị trong catalog và giá trị tại hiện trường của mình lệch nhau bao nhiêu thì thay đổi rất mạnh theo chiếu sáng, bố trí, đồng phục và góc camera. Ký hợp đồng khi chưa xác nhận được điều này thì sau khi triển khai sẽ thành chuyện “khác với dự kiến”, và bắt đầu đàm phán chi phí phát sinh.

Cách dựng 90 ngày này có nhiều điểm chung với các dự án khác dùng AI. Về thứ tự quyết điểm kết nối của quyết định trước rồi mới chọn công nghệ, cách tiến hành triển khai AI agent cũng sắp xếp theo đúng cấu trúc đó.

Câu hỏi thường gặp

AI quản lý an toàn là gì

Là tên gọi chung cho các cơ chế mà ở đó máy diễn giải tín hiệu từ camera và cảm biến rồi nối kết quả vào hành vi của con người hoặc động tác của thiết bị, nhằm giảm những sự cố làm người bị thương. Nó khác mục đích với AI kiểm tra ngoại quan vốn tìm vết xước trên sản phẩm, và cũng khác với bảo trì dự đoán vốn dự đoán hỏng hóc thiết bị.

Trong thực tế, nên nắm theo ba tầng – tầng phát hiện tức camera bắt được, tầng phán định tức lọc xuống các vụ cần xử lý, và tầng khắc phục tức quy về ai làm gì rồi ghi lại. Tại thời điểm 2026, tầng phát hiện hầu như không hỏng, nhưng số dự án được triển khai trong khi tầng phán định và tầng khắc phục còn để trống thì rất nhiều.

Chi phí đưa camera AI vào nhà máy khoảng bao nhiêu

Vì dao động rất mạnh theo cấu hình nên không có một câu trả lời duy nhất. Cách thực tế là ước tính theo 6 tầng – camera, thi công lắp đặt, máy suy luận edge, hiệu chỉnh mô hình, phát triển tích hợp và vận hành. Mức tham khảo, tính bằng yên Nhật, là thân camera khoảng 30,000 đến 150,000 yên mỗi chiếc, thi công lắp đặt khoảng 20,000 đến 100,000 yên mỗi chiếc, máy suy luận edge khoảng 150,000 đến 800,000 yên mỗi máy, hiệu chỉnh mô hình khoảng 500,000 đến 3,000,000 yên, phát triển tích hợp khoảng 500,000 đến 4,000,000 yên, và vận hành mỗi năm khoảng 15 đến 25% chi phí ban đầu.

Tất cả đều chỉ là mức tham khảo, và thay đổi lớn theo việc có khu vực chống nổ hay không, độ cao trần, tình trạng dây đã có sẵn, và việc có lấy tín hiệu thiết bị hay không. Đặc biệt dễ bị bỏ sót là hai tầng thi công lắp đặt và vận hành – nếu tính khái toán chỉ bằng đơn giá thân camera thì sau này sẽ không giải thích được.

Có dùng lại được camera an ninh sẵn có không

Tùy điều kiện. Có bốn điểm để phán đoán.

Độ phân giải và góc thu. Camera an ninh thường được lắp để bao quát một vùng rộng, nên người trong khung hình rất nhỏ. Muốn phán định có mũ bảo hộ hay không thì đối tượng phải hiện lên đủ lớn.

Góc lắp đặt. Với góc nhìn xuống từ góc trần, phần đầu bị chụp từ thẳng trên xuống nên khó phán định trang bị bảo hộ. Phát hiện xâm nhập thì góc nhìn xuống vẫn dùng được, nhưng phần lớn trường hợp không hợp với phát hiện PPE.

Cách lấy luồng video ra. Có lấy được luồng video bằng giao thức tiêu chuẩn như RTSP hay không. Nếu là định dạng riêng khép kín trong đầu ghi thì không đưa ra ngoài để suy luận được.

Tốc độ khung hình và nén. Với các nhóm có kèm phán định chuyển động, tốc độ khung hình thấp và nén mạnh sẽ ảnh hưởng tới độ chính xác.

Kết luận là nếu chỉ phát hiện xâm nhập khu vực cấm thì khả năng dùng lại được là tương đối cao. Còn phát hiện không mang trang bị bảo hộ và phát hiện động tác nguy hiểm thì phần lớn trường hợp cần bổ sung hoặc dời camera. Cách xác nhận chắc chắn nhất là trích một tuần video từ camera hiện có và nhờ nhà cung cấp kiểm chứng.

Có bắt buộc phải lấy sự đồng ý của người lao động không

Thay đổi theo thiết kế của dữ liệu được xử lý. Việc xử lý theo dạng nhận diện cá nhân bằng khuôn mặt thuộc loại dữ liệu cá nhân nhạy cảm với tư cách dữ liệu sinh trắc học, và về nguyên tắc cần sự đồng ý minh thị. Ở Thái Lan điều này được quy định tại Điều 26 của PDPA, còn ở các nước khác trong khu vực thì tên văn bản khác nhau nhưng cách xếp loại dữ liệu sinh trắc học là nhạy cảm thì tương tự.

Mặt khác, nếu thiết kế theo hướng chỉ phát hiện thân thể người, làm mờ khuôn mặt, và không nối với mã số nhân viên hay dữ liệu chấm công, thì dữ liệu đang xử lý sẽ nghiêng về hướng không còn là dữ liệu sinh trắc học nhận diện được cá nhân cụ thể. Xét từ mục đích quản lý an toàn thì cũng hầu như không cần định danh cá nhân. Có thể làm nhỏ chính luận điểm đó bằng thiết kế – đó là lời giải trong thực tế.

Tuy nhiên, kể cả với thiết kế không định danh cá nhân, vẫn cần thông báo cho người lao động, nêu rõ mục đích sử dụng, đặt thời gian lưu trữ và quản lý quyền truy cập. Ngoài ra, việc xây dựng hướng dẫn về vận hành CCTV cũng đang tiến triển. Việc xác nhận phương châm cuối cùng phải lấy từ luật sư sở tại. Nội dung bài này là cách nghĩ về thiết kế, không phải tư vấn pháp lý.

Nên đo hiệu quả bằng chỉ số nào

Không được đo bằng số vụ phát hiện. Số phát hiện nhiều có thể vì nguy hiểm nhiều, mà cũng có thể chỉ vì ngưỡng lỏng. Hơn nữa, đặt số vụ phát hiện làm KPI thì hiện trường sẽ chuyển sang đi qua điểm mù của camera.

Cách thực tế là giữ theo 3 tầng. Tầng thứ nhất là các chỉ số xem vận hành có chạy không, gồm tỷ lệ phản hồi của người tiếp nhận cấp một, thời gian xử lý cấp một trung bình, số vụ tồn đọng. Đo được từ ngày đầu tiên triển khai. Tầng thứ hai là các chỉ số xem khắc phục có tích lũy không, gồm số vụ chuyển thành biện pháp kỹ thuật, số vùng lặp lại đã xử lý dứt điểm, số ngày đến khi hoàn tất khắc phục. Đo được từ tháng thứ hai đến tháng thứ ba. Tầng thứ ba là kết quả cuối cùng, gồm số báo cáo suýt xảy ra tai nạn, số vụ và tần suất tai nạn phải nghỉ việc.

Báo cáo năm thứ nhất hãy viết bằng 2 tầng trên. Số vụ tai nạn có mẫu số nhỏ ở quy mô một nhà máy và chỉ động theo đơn vị năm, nên không dùng làm thành quả của năm thứ nhất được. Ngoài ra, số báo cáo suýt xảy ra tai nạn tăng lên ngay sau khi triển khai mới là bình thường, và nếu báo cáo việc nó giảm như một thành quả thì năm sau văn hóa báo cáo sẽ teo lại.

Tổng kết

Xin sắp xếp lại những điểm cần nắm về AI quản lý an toàn nhà máy.

• Nắm AI quản lý an toàn theo ba tầng – phát hiện, phán định, khắc phục. Phần lớn chi phí rơi vào tầng phát hiện, nhưng chỗ làm dự án chết là tầng phán định và tầng khắc phục. Hãy hiểu ngay từ đầu cấu trúc số tiền đầu tư và xác suất thất bại đi ngược chiều nhau
• Giá trị tham chiếu từ hiện trường sản xuất Nhật Bản năm 2025 – số người chết và bị thương phải nghỉ việc từ 4 ngày trở lên là 135,333 người, trong đó ngành chế tạo là 26,371 người, giảm 305 người tương đương 1.1% so với năm trước. Trong các vụ chết người, nhóm kẹp và cuốn vào máy là 117 vụ, tăng 7 người tương đương 6.4%, tức nhóm mà AI dễ phát hiện nhất lại đang tăng
• Có bốn đứt gãy khiến tai nạn không giảm – chưa quyết cảnh báo bay tới ai / định nghĩa nguy hiểm không khớp với hiện trường / khắc phục dừng ở nhắc nhở con người / chỉ số bị đặt thành số vụ phát hiện
• Có năm nhóm. Bước mở màn an toàn là phát hiện xâm nhập khu vực cấm. Phát hiện động tác và tư thế nguy hiểm thì không dùng cho cảnh báo thời gian thực mà dùng làm báo cáo ngày và tuần. Liên động khóa thiết bị được định vị như tầng bổ sung chứ không phải vật thay thế cho thiết bị an toàn hiện có
• “Độ chính xác 95%” phải quy đổi sang số cảnh báo mỗi ngày rồi mới phán đoán. Với cấu hình 10 camera, cảnh báo có thể lên tới quy mô 190 đến 230 vụ mỗi ngày. Vấn đề này không giải được bằng cách nâng thêm độ chính xác phát hiện, mà chỉ giải được bằng việc lọc ở tầng phán định. Việc lọc chỉ áp cho thông báo, còn bản ghi thì giữ toàn bộ
• Chi phí ước tính theo 6 tầng – camera / thi công lắp đặt / máy suy luận edge / hiệu chỉnh mô hình / phát triển tích hợp / vận hành. Số tiền dao động rất mạnh theo cấu hình. Thi công lắp đặt và vận hành dễ bị đánh giá thấp
• Ở nhà máy nước ngoài có ba vấn đề cộng thêm. Vấn đề dữ liệu sinh trắc học có thể làm nhỏ đi bằng thiết kế không đụng tới khuôn mặt. Vì yêu cầu quản lý đối với camera sẽ chặt lên chứ không lỏng đi, hãy chọn quy cách cho phép đổi thời gian lưu trữ, xóa video, lưu log truy cập và bật che khuôn mặt bằng cấu hình. Với hiện trường đa quốc tịch, truyền đạt chủ yếu bằng hình biểu tượng
• Trong 90 ngày đầu – từ 0 đến 30 ngày thu gọn đối tượng còn 1 nhóm và tối đa 3 vùng rồi quyết bộ máy bằng tên người, từ 31 đến 60 ngày kiểm chứng bằng video của chính mình và định lượng quy tắc lọc, từ 61 đến 90 ngày tắt thông báo lấy dữ liệu 2 tuần trước rồi mới bật thông báo

Xin viết lại một lần nữa ở cuối. Phát hiện thì đã làm được. Tai nạn lao động vẫn không giảm là vì phía sau khâu phát hiện không có gì được nối vào. So với việc mất ba tháng để chọn camera, viết ra một trang trả lời câu “cảnh báo phát ra trong ca đêm hôm qua, sáng nay mấy giờ và ai sẽ xem” có xác suất giảm tai nạn cao hơn.

TOMAS TECH hỗ trợ tại chỗ cho các doanh nghiệp sản xuất Nhật Bản trong khu vực, đi đến tận khâu nối dữ liệu hiện trường vào quyết định thực tế. Ở giai đoạn “chưa biết nhóm nào hợp với công ty mình” hay “chỉ muốn biết camera sẵn có dùng được không” thì cũng không sao. Ngược lại, phân định xong trước khi chọn thiết bị sẽ đỡ phải làm lại về sau. Có thể bắt đầu từ việc cùng đi xem hiện trường và cùng sắp xếp lại vùng đối tượng với thiết kế tầng phán định. Trao đổi ở giai đoạn cân nhắc xin gửi qua trang liên hệ.

Nguồn tham khảo

• 厚生労働省「令和7年の労働災害発生状況を公表」 https://www.mhlw.go.jp/stf/newpage_73382.html
• JRW Innovation platform「カメラAIで重大災害を未然防止。UACJが進める製造現場の安全管理DX」 https://media.jrw-ip.jp/case/6575/
• Visionplatform.ai “AI-powered PPE detection in manufacturing” https://visionplatform.ai/ppe-detection-in-manufacturing/
• Securiti “Thailand Data Protection Framework’s Consent Requirements” https://securiti.ai/blog/consent-requirements-under-thailands-data-protection-framework/
• Chambers and Partners “Data Protection & Privacy 2026 — Thailand” https://practiceguides.chambers.com/practice-guides/data-protection-privacy-2026/thailand/trends-and-developments
• 弁護士法人ALG&Associates「タイの労災保険制度」 https://www.avance-lg.com/thailand/column/workers-compensation/
• Pertama Partners “Thailand AI Regulations 2026” https://www.pertamapartners.com/insights/thailand-ai-regulations-2026
• 株式会社NSK「工場向けAIカメラ活用事例」 https://n-sk.jp/blog/ai-camera-factory-safety-and-defect-detection