AI kiểm tra in hạn sử dụng và mã lô – OCR/OCV, RFP và FAT/SAT

Hạn sử dụng in lệch 1 ngày, số lô vẫn là số lô của mã sản phẩm trước, mực không ra nên dòng in bị mất. Với lỗi in trên dây chuyền đóng gói, chỉ cần một trường hợp bị phát hiện tại cửa hàng của nhà bán lẻ hay nhà bán buôn là nhà máy đã phải lo thu hồi, nhận hàng trả lại, dán nhãn lại và giải trình với đối tác. Nhiều nhà máy đã có máy in phun, máy in laser hay máy in TTO (in truyền nhiệt), nhưng không nhiều nơi kiểm tra được trên toàn bộ sản phẩm rằng “nội dung được in có đúng hay không”. Đó là lý do việc triển khai AI kiểm tra dòng in (hạn sử dụng, số lô) được đưa ra bàn thảo, tức là một hệ thống dùng camera đọc dòng in và phán định ngay trên dây chuyền xem nội dung có đúng hay không.

Bài viết này chỉ có một luận điểm. Thành bại của AI kiểm tra in không nằm ở độ chính xác của mô hình nhận dạng ký tự, mà nằm ở bốn điều sau. ① Nhận “nội dung in đúng (giá trị kỳ vọng)” một cách tự động từ lệnh sản xuất của ERP/MES chứ không do người nhập tay. ② Phân biệt khi phán định giữa “không đọc được”, “nội dung sai” và “không có dòng in”. ③ Xác nhận đến mức sản phẩm NG chắc chắn đã rời khỏi dây chuyền (xác nhận loại bỏ, reject confirm). ④ Trong thử nghiệm nghiệm thu, cho chạy “các dòng in cố ý làm sai, bị mờ, bị khuyết” và đo tỷ lệ bỏ sót và loại nhầm ở đúng tốc độ dây chuyền. Và sự cố đáng sợ nhất không phải là “in mờ”. Đó là việc cài đặt ngày hoặc số lô bị sai khi chuyển đổi sản xuất (changeover), rồi máy cứ tiếp tục in ra những dòng chữ rất rõ ràng. Sự cố này không thể chặn được chỉ bằng OCR (có đọc được hay không), mà chỉ chặn được bằng OCV (có khớp với giá trị kỳ vọng hay không).

Dưới đây, để trưởng phòng đảm bảo chất lượng, trưởng phòng kỹ thuật sản xuất và giám đốc nhà máy tại các nhà máy vốn Nhật ở Thái Lan (và ASEAN) có dây chuyền đóng gói thực phẩm, đồ uống, gia vị, dược phẩm, mỹ phẩm, hàng tiêu dùng, hoặc dây chuyền khắc số lô cho linh kiện ô tô và linh kiện điện tử, có thể chuẩn bị đủ căn cứ để ra quyết định trong nội bộ, bài viết lần lượt trình bày: khác biệt giữa các phương thức, các dạng sự cố, cách truyền giá trị kỳ vọng, thiết kế chụp ảnh và loại bỏ, các lựa chọn sản phẩm, lưu hồ sơ, tính toán mô hình chi phí và hiệu quả, các mục trong RFP, thiết kế thử nghiệm FAT/SAT, và các vấn đề riêng của Thái Lan và ASEAN. Lưu ý rằng số vụ, đơn giá, số tiền, tỷ lệ phát hiện và số năm hoàn vốn của nhà máy mô hình trong bài đều là số giả định đặt ra cho bài viết này. Đây không phải số trung bình ngành, không phải số liệu khảo sát, cũng không phải giá của nhà sản xuất. Ngoài ra, những phần liên quan đến luật và quy định chỉ là giới thiệu thông tin công khai, không phải tư vấn pháp lý.

Vì sao kiểm tra dòng in trên dây chuyền đóng gói ở Thái Lan đang được đặt ra lúc này

Bối cảnh của các nhà máy thực phẩm Thái Lan năm 2026 không hề dễ dàng. Theo Pattaya Mail, Liên đoàn Công nghiệp Thái Lan (FTI), Hội đồng Thương mại Thái Lan và Viện Thực phẩm Quốc gia (NFI) dự báo xuất khẩu thực phẩm của Thái Lan năm 2026 sẽ giảm 7.3% so với năm trước, còn 1.4 nghìn tỷ baht (42 tỷ USD). Xuất khẩu thực phẩm tháng 1 đến tháng 2 năm 2026 giảm 10.5%, còn 202.1 tỷ baht, với nguyên nhân chính được cho là chi phí năng lượng và logistics tăng. Đây là dự báo tại thời điểm tháng 4, bài viết này chưa xác nhận các số liệu điều chỉnh sau đó. Năm nào doanh thu khó tăng thì phần lợi nhuận mất đi do thu hồi và hàng trả lại, cũng như niềm tin của đối tác, lại càng có sức nặng.

Quy định ghi nhãn cũng đã thay đổi. Theo báo cáo GAIN của Cục Nông nghiệp Nước ngoài thuộc USDA (Bộ Nông nghiệp Hoa Kỳ) (tháng 7 năm 2026), Thông báo No.450 của Bộ Y tế Thái Lan (B.E.2567, năm 2024) “Ghi nhãn thực phẩm bao gói sẵn” có hiệu lực từ ngày 19 tháng 7 năm 2024, và thời gian chuyển tiếp cho nhãn theo quy định cũ đã kết thúc vào ngày 18 tháng 7 năm 2026. Từ ngày 19 tháng 7 năm 2026, nhãn phải tuân thủ hoàn toàn thông báo mới. Việc chuyển đổi nhãn cũng là dịp để rà soát bố cục dòng in, định dạng ngày và các job của máy in. Giai đoạn job cũ và job mới cùng tồn tại cũng là giai đoạn dễ xảy ra lỗi cài đặt.

Về ứng dụng AI, doanh nghiệp Thái Lan vẫn đang ở giai đoạn khởi đầu. Theo The Nation Thailand (ngày 6 tháng 10 năm 2026), Ngân hàng Thế giới đã nâng dự báo tăng trưởng năm 2026 của Thái Lan lên 2.0%, đồng thời chỉ ra rằng tại thời điểm tháng 12 năm 2025 chỉ 12% doanh nghiệp Thái Lan sử dụng AI, trong đó chỉ một phần sử dụng bản trả phí, và khoảng 80% doanh nghiệp Thái Lan chưa cảm nhận được việc AI nâng cao năng suất. Các rào cản được nêu là chi phí cao, thiếu chuyên môn, và lo ngại về bảo mật và quyền riêng tư.

Về định hướng quốc gia, theo Macau Business, cuối tháng 8 năm 2026, “National AI Roadmap for the Sustainable Productivity of Industries in Thailand” do Viện Năng suất Thái Lan (FTPI) và Tổ chức Năng suất Châu Á (APO) xây dựng đã được bàn giao tại Thailand Productivity Forum 2026. Các mục tiêu khuyến nghị cho Bộ Công nghiệp bao gồm: đến năm 2030, nâng năng suất 15% ở các ngành ưu tiên, tỷ lệ áp dụng AI từ 60% trở lên ở doanh nghiệp lớn và từ 40% trở lên ở doanh nghiệp vừa và nhỏ trong các ngành chủ chốt, từ 80 dự án thí điểm AI trở lên (trong đó 30% được triển khai chính thức). Đây là mục tiêu khuyến nghị, không phải mục tiêu chính phủ đã quyết định. Về ưu đãi đầu tư, theo bài phân tích của Alvarez & Marsal đăng trên Mondaq, ngày 15 tháng 1 năm 2026 BOI đã công bố một nhóm biện pháp ưu đãi đầu tư mới thay cho các chế độ đã hết hiệu lực vào năm 2025, trong đó sản xuất tiên tiến và tự động hóa cũng thuộc đối tượng. Nhiều biện pháp được cho là nhận hồ sơ từ ngày làm việc đầu tiên của năm 2026 đến ngày làm việc cuối cùng của năm 2027. Về nội dung ưu đãi cụ thể và việc dự án của doanh nghiệp có thuộc đối tượng hay không, vui lòng xác nhận với BOI hoặc chuyên gia.

Về phía thị trường, các nhà sản xuất thiết bị kiểm tra cũng bắt đầu đưa AI OCR cho dòng in ngày và số lô lên hàng đầu. Tháng 7 năm 2026, một bài viết tài trợ của Zebra Technologies (Mỹ), và tháng 8, một tờ rơi của đại lý của hãng này đã quảng bá việc kiểm tra mã ngày và mã lô cho thực phẩm, đồ uống, mỹ phẩm và hàng tiêu dùng. Ngoài ra, thông cáo báo chí của công ty nghiên cứu Future Market Insights (tháng 7 năm 2026) dự báo thị trường kiểm định OCR nội tuyến (inline) trên dây chuyền đóng gói sẽ tăng từ 248 triệu USD năm 2026 lên 661 triệu USD năm 2036 (bình quân 10.3% mỗi năm). Đây là dự báo của một công ty nghiên cứu, đồng thời mang tính quảng bá cho báo cáo trả phí, và định nghĩa thị trường cũng không được trình bày chi tiết, nên cần đọc với sự thận trọng.

AI kiểm tra in là gì – khác biệt giữa OCR, OCV, kiểm tra chất lượng in và kiểm định mã vạch

Cụm từ “kiểm tra in” thường được dùng để gọi chung nhiều hệ thống có mục đích khác nhau. Phần lớn nguyên nhân khiến các cuộc thảo luận về triển khai không ăn khớp nằm ở chỗ điểm này chưa được làm rõ.

OCR (Optical Character Recognition, nhận dạng ký tự quang học) là chức năng “đọc” chuỗi ký tự được in. Nó trích xuất nội dung được viết dưới dạng chuỗi ký tự và ghi lại. Chỉ với OCR thì không biết kết quả đọc có đúng hay không.

OCV (Optical Character Verification, đối chiếu ký tự quang học) là chức năng xác nhận chuỗi ký tự được in có khớp với “nội dung lẽ ra phải được in (giá trị kỳ vọng)” hay không. Điều kiện tiên quyết là phải có giá trị kỳ vọng, và chính OCV là thứ chặn được sự cố cài đặt ngày sai hay số lô của mã sản phẩm trước còn sót lại.

Kiểm tra có dòng in và chất lượng in không xem nội dung, mà xem có dòng in hay không, có nằm đúng vị trí quy định không, số ký tự có đủ không, có bị mờ hay khuyết không.

Kiểm định mã vạch đánh giá theo cấp độ xem mã 1 chiều và 2 chiều có được in với chất lượng đúng tiêu chuẩn hay không. Ví dụ, ISO/IEC 15416:2025 là tiêu chuẩn quy định phương pháp đo và đánh giá chất lượng in của mã vạch tuyến tính (1 chiều), không phải tiêu chuẩn chất lượng cho chuỗi ngày hay số lô mà con người đọc. Cấp độ của máy kiểm định mã vạch và thử nghiệm nghiệm thu được trình bày chi tiết trong bài “Triển khai máy kiểm định mã vạch: cấp chất lượng in, RFP và nghiệm thu cho nhà máy Thái Lan“.

Trong thực tế, các phương thức này được kết hợp theo từng cấp. Nhà sản xuất máy in Domino Printing Sciences giải thích phần mềm hệ thống thị giác của họ theo 3 cấp. Theo tài liệu giới thiệu của hãng (bản 2025), R150 xác nhận có dòng in và vị trí, R350 đếm số ký tự và kiểm định mã máy đọc, R550 đối chiếu nội dung bằng OCR/OCV. Điều có thể rút ra từ cách phân cấp này là nếu không đối chiếu đến tận nội dung thì không phát hiện được trường hợp “ngày sai được in rất rõ ràng”.

Ngoài ra, cụm từ AI-OCR cũng được dùng cho mục đích đọc chứng từ giấy để số hóa dữ liệu. Khi triển khai AI-OCR cho chứng từ, vấn đề chính là “độ chính xác đọc”, còn trong kiểm tra in trên dây chuyền đóng gói, mục đích chính là “chặn những gì không khớp với giá trị kỳ vọng”. Cùng là nhận dạng ký tự nhưng trục đánh giá khác nhau. Cách đo độ chính xác cho chứng từ được đề cập trong bài “Độ chính xác AI-OCR: PoC và nghiệm thu chứng từ đa ngôn ngữ“.

Sự cố xảy ra ở đâu – 5 dạng lỗi in và phương thức phát hiện tương ứng

Khi xem xét kiểm tra in, trước hết hãy kiểm kê xem “muốn chặn sự cố nào”. Về mức độ mà lỗi ghi nhãn dẫn đến thu hồi, có một số nghiên cứu ở nước ngoài.

Theo bài viết của Food Business MEA (năm 2023) giới thiệu một nghiên cứu phân tích các vụ thu hồi liên quan đến chất gây dị ứng và gluten của thực phẩm thuộc thẩm quyền FDA Hoa Kỳ (năm tài chính 2013 đến 2019, dữ liệu từ Recall Enterprise System của FDA), trong số các vụ thu hồi nghiêm trọng liên quan đến chất gây dị ứng đã xác định được nguyên nhân gốc, khoảng 70% liên quan đến ghi nhãn, và có thể đã ngăn được 63.5% bằng kiểm soát nội dung nhãn phù hợp, 36.5% bằng kiểm soát vận hành nhãn phù hợp. Đây là số liệu của Hoa Kỳ về các vụ thu hồi liên quan đến ghi nhãn chất gây dị ứng, không phải tỷ lệ lỗi in ngày hay số lô. Tuy nhiên, quan điểm cho rằng không chỉ nội dung nhãn mà cả việc kiểm soát vận hành cũng là đối tượng phòng ngừa thu hồi là điều đáng tham khảo cho thiết kế kiểm tra in, vốn quản lý việc dùng job nào.

Thêm một nghiên cứu nữa, của Soon và Wahab (Trends in Food Science & Technology, năm 2021), đã xác định 2,470 vụ thu hồi và cảnh báo thực phẩm liên quan đến lỗi ghi nhãn do 5 cơ quan của Canada, Úc và New Zealand, Anh, Hoa Kỳ (USDA FSIS và FDA) đưa ra trong giai đoạn 2011 đến 2020. Phần lớn liên quan đến chất gây dị ứng (2,301 vụ), nhưng cũng có 36 vụ do hạn sử dụng sai. “Lỗi bao bì và in ấn” được nêu là một yếu tố góp phần, nhưng nhiều nguyên nhân gốc được cho là báo cáo thiếu hoặc không rõ. Số vụ sai hạn sử dụng trông có vẻ ít, nhưng đó là con số phụ thuộc vào thông lệ báo cáo.

Về Thái Lan, tạp chí khoa học của FDA Thái Lan (năm 2022) có đăng bài phân tích các trường hợp thực phẩm xuất khẩu từ Thái Lan sang Hoa Kỳ bị FDA Hoa Kỳ từ chối nhập khẩu (2011 đến 2020). Nguyên nhân chính của việc từ chối là không đạt chuẩn và vệ sinh (adulteration) với 70.2%, và ghi nhãn thực phẩm không phù hợp cũng nằm trong số các lý do từ chối. Số vụ và tỷ lệ do ghi nhãn không được nêu trong phần tóm tắt. Ngoài ra, trong khảo sát cho bài viết này, chúng tôi không tìm thấy thống kê tổng hợp số vụ thu hồi trong nước Thái Lan do lỗi in ngày.

Điều quan trọng hơn độ lớn của con số là: phương thức chặn được sẽ khác nhau tùy theo “dạng” sự cố. Các lỗi in xảy ra tại hiện trường có thể chia đại thể thành 5 dạng sau.

Như bảng này cho thấy, ① và ⑤ đọc được rõ ràng nên chỉ kiểm tra có dòng in, chất lượng hay OCR thì không chặn được. Hơn nữa, ① chỉ cần xảy ra 1 lần là trở thành sự cố mà tất cả sản phẩm in từ lần chuyển đổi sản xuất này đến lần chuyển đổi tiếp theo đều mang cùng một lỗi. Mờ hay khuyết là lỗi của từng sản phẩm riêng lẻ, còn cài đặt sai là lỗi của cả lô. Thứ tự ưu tiên của kiểm tra in được quyết định dựa trên khác biệt này.

Khi kiểm kê, đối chiếu ba sổ sách sau sẽ giúp thu hẹp đối tượng.

• Hồ sơ hàng trả lại, thu hồi, khiếu nại từ khách hàng (nhà bán lẻ, nhà bán buôn): dạng nào, ở dây chuyền nào, bao nhiêu sản phẩm đã lọt ra ngoài
• Hồ sơ lỗi in phát hiện qua kiểm tra lấy mẫu ở cuối dây chuyền: dạng nào, phát hiện sau bao nhiêu giờ, đã sửa lại bao nhiêu sản phẩm
• Hồ sơ thay đổi job máy in và chuyển đổi sản xuất: ai, khi nào, đã cài đặt giá trị nào

Nhiều nhà máy không lưu loại hồ sơ thứ ba. Khi đó, trước khi kiểm tra in, việc xây dựng cơ chế lưu lại “ai đã cài đặt giá trị nào” tự nó đã là cải tiến đầu tiên.

So sánh OCR học sâu và loại đăng ký phông chữ

Khi so sánh thiết bị kiểm tra in, khác biệt lớn về phương thức nằm ở cách đọc ký tự. OCR truyền thống đọc bằng cách đăng ký phông chữ dùng để in và dạy mẫu cho từng ký tự (teaching). OCR học sâu dùng mô hình đã được huấn luyện trước bằng lượng lớn hình ảnh và phông chữ, là công nghệ theo hướng bỏ bước đăng ký phông chữ.

Hãy xem các tuyên bố của từng hãng. Trong tờ rơi về kiểm tra ngày và số lô, Zebra định vị rằng “OCR truyền thống thường cần định nghĩa phông chữ, huấn luyện ký tự và cài đặt quy mô lớn”, và cho biết AI OCR của hãng (kết hợp phần mềm Aurora Focus với cảm biến thị giác thông minh NS42 hoặc máy quét công nghiệp cố định FS42) đã được huấn luyện trước bằng lượng lớn hình ảnh thực và phông chữ. Theo tuyên bố của hãng, hệ thống kiểm tra ngày và số lô tối đa 900 sản phẩm mỗi phút, thời gian cho 1 lần đọc nhanh nhất là 40 mili giây, xử lý được bao bì co nhiệt, phản xạ và chói, bề mặt cong (lõm), chữ dập nổi và chất lượng in không đồng đều, với “độ chính xác gần 100%”. Tất cả đều là tuyên bố của nhà cung cấp, điều kiện của độ chính xác không được nêu. Cần xác nhận trong thử nghiệm nghiệm thu với sản phẩm và dòng in của chính nhà máy.

Keyence tuyên bố về OCR của cảm biến thị giác tích hợp AI rằng không cần cắt ký tự, đăng ký từ điển hay điều chỉnh cài đặt khác, AI tích hợp chọn công cụ kiểm tra tối ưu trong 2 giây, và đọc ổn định ngay cả khi độ đậm nhạt, độ dày hay kích thước ký tự thay đổi. Hãng cũng cho biết đáp ứng OCR/OCV cho thực phẩm và đồ uống bằng dòng VS và dòng CV-X, và nêu các yếu tố cản trở việc đọc gồm: khả năng đọc giảm do phương thức in, mực và vật liệu nền không tương thích, chiếu sáng, bụi và độ ẩm, tốc độ cao và nhiều mã sản phẩm.

OCR học sâu có khả năng giảm đáng kể công sức khởi động, nhưng có một điểm cần lưu ý. Trong kiểm tra in, điều đáng lo hơn cả “không đọc được” là “phán định một ký tự sai thành đúng”. Ví dụ khi “8” và “3”, “0” và “D”, “1” và “7” bị mờ thành hình dạng giống nhau, ký tự bị biến dạng có bị phán định nhầm là khớp với giá trị kỳ vọng hay không. Bất kể phương thức nào, điểm này được xác nhận bằng thử nghiệm cho chạy các dòng in cố ý làm biến dạng thành ký tự trông giống nhau.

Với nhà máy dược phẩm, động thái của EU và PIC/S cũng đáng tham khảo. Theo bài phân tích của GMP Insiders (năm 2025), dự thảo Annex 22 (trí tuệ nhân tạo) mới của EU GMP yêu cầu, khi có thể áp dụng, xử lý các dự đoán có độ tin cậy thấp là “chưa phán định (undecided)”, khả năng giải thích của phán định, tách biệt nghiêm ngặt dữ liệu huấn luyện và dữ liệu kiểm thử, v.v. Theo bài viết của PharmaNow, tại thời điểm ngày 12 tháng 8 năm 2026, Annex 22 vẫn ở giai đoạn dự thảo, chưa được thông qua và chưa có hiệu lực. Áp dụng vào thiết kế kiểm tra in, điều này dẫn đến cách nghĩ: những gì “không phải OK cũng không phải NG, có độ tin cậy thấp” được loại ra giống như NG để con người xác nhận lại.

Lấy giá trị kỳ vọng từ đâu – phân phối thống nhất ERP/MES → máy in → camera và chuyển đổi sản xuất

Hiệu quả của OCV được quyết định bởi tính đúng đắn của giá trị kỳ vọng. Với cách vận hành để người vận hành nhập tay giá trị kỳ vọng vào màn hình thiết bị kiểm tra, nếu nhập vào thiết bị kiểm tra cùng một lỗi sai như đã nhập vào máy in, ngày sai sẽ bị phán định là “đúng”. Nếu cài đặt in và giá trị kỳ vọng kiểm tra do cùng một người nhìn cùng một tờ giấy để nhập, thì việc kiểm tra không phải là một xác nhận độc lập.

Vì vậy, cấu hình cơ bản là giá trị kỳ vọng được nhận tự động từ lệnh sản xuất của ERP hoặc MES, và cùng một giá trị được phân phối đồng thời đến máy in và camera. Cấu hình điển hình được tóm tắt trong hình.

Hình: Ví dụ cấu hình hệ thống AI kiểm tra in. Từ lệnh sản xuất của ERP/MES, cùng một giá trị kỳ vọng (nội dung in) được phân phối đến máy in và camera. Kết quả đọc của camera được đối chiếu với giá trị kỳ vọng để phán định OK, NG hoặc không đọc được (No-read); NG và không đọc được được loại ra bằng thiết bị loại bỏ, và cảm biến xác nhận loại bỏ xác nhận việc loại ra. Khi NG liên tiếp N sản phẩm thì dừng dây chuyền, lưu lại hình ảnh, phán định và giá trị kỳ vọng.

Những điều cần quyết định khi truyền giá trị kỳ vọng

• Nguồn phát sinh giá trị kỳ vọng: Từ dữ liệu gốc mặt hàng (số ngày của hạn sử dụng, định dạng, mã nhà máy) và lệnh sản xuất (ngày sản xuất, số lô, dây chuyền), lắp ráp các mục nào và như thế nào. Hạn sử dụng là phép tính “ngày sản xuất + số ngày”, nên quy tắc tính cũng là một phần của giá trị kỳ vọng.
• Đích phân phối và tính đồng thời: Cùng một giá trị phải vào máy in và camera cùng thời điểm. Không để sản xuất bắt đầu trong trạng thái chỉ một bên được cập nhật.
• Chọn job khi chuyển đổi sản xuất: Người vận hành không nhập giá trị, mà chỉ chọn số lệnh sản xuất (hoặc quét mã vạch). Một số nhà sản xuất máy in cho biết có thể dùng phần mềm phân phối nhãn tập trung để tự động quản lý job và chọn nhãn từ ERP/MES hiện có (tuyên bố của Domino).
• Cấm nhập tay và quy trình ngoại lệ: Quyết định trước người phê duyệt, xác nhận bởi hai người và cách lưu hồ sơ cho trường hợp bắt buộc phải nhập tay, chẳng hạn khi hệ thống gặp sự cố.
• Lịch sử thay đổi: Lưu lại ai, khi nào, đã cài đặt giá trị kỳ vọng nào cho job nào. Có thể cho rằng những thiếu sót trong “kiểm soát vận hành nhãn” được chỉ ra trong nghiên cứu về thu hồi cũng có thể bao gồm việc quản lý cài đặt và thay đổi như thế này.
• Thời điểm chuyển ngày: Quyết định cách xử lý ngày sản xuất khi sản xuất qua nửa đêm, và cách đồng bộ giờ nếu có in giờ.

Số lô và ngày được in cũng là điểm khởi đầu của truy xuất nguồn gốc. Cơ chế nhận giá trị kỳ vọng từ lệnh sản xuất có luồng dữ liệu gần như giống với cơ chế tra ngược lô. Thiết kế tổng thể truy xuất nguồn gốc cho nhà máy thực phẩm được trình bày trong bài “Hệ thống truy xuất nguồn gốc nhà máy thực phẩm: RFP và triển khai 90 ngày“.

Thống nhất ngày con người đọc với ngày trong mã vạch

Nếu bao bì có in mã vạch GS1 hoặc mã 2 chiều, việc ngày con người đọc và ngày trong mã có chỉ cùng một ngày hay không cũng có thể trở thành đối tượng xác nhận. Trong bộ dữ liệu chính thức của GS1, mã định danh ứng dụng (AI) (10) là mẻ/lô (chữ và số, tối đa 20 ký tự), (11) là ngày sản xuất, (13) là ngày đóng gói, (15) là hạn sử dụng tốt nhất (best before), (16) là hạn bán, (17) là hạn tiêu dùng/sử dụng, và ngày tháng đều ở dạng YYMMDD 6 chữ số. Ngoài ra, AI của ngày tháng không dùng đơn lẻ được mà phải kết hợp với GTIN (AI (01)) v.v.

Mặt khác, theo Thông báo No.450 của Thái Lan, hạn sử dụng được ghi theo dạng “ngày/tháng/năm” v.v. (sẽ đề cập chi tiết ở phần “Các vấn đề riêng của Thái Lan và ASEAN” bên dưới). Nghĩa là cùng một ngày tồn tại dưới hai định dạng khác nhau: “ngày/tháng/năm” trên bao bì và “YYMMDD” trong mã. Nếu nhận giá trị kỳ vọng từ ERP/MES dưới dạng một ngày duy nhất, rồi từ đó tạo ra cả hai định dạng để đối chiếu, thì cũng phát hiện được lỗi chuyển đổi định dạng. Nếu đang xem xét chuyển sang mã 2 chiều, bài “Triển khai GS1 Digital Link tại Thái Lan: chuyển sang QR và nghiệm thu” cũng là tài liệu tham khảo.

Thiết kế chụp ảnh, chiếu sáng và loại bỏ

Khi đã quyết định luồng giá trị kỳ vọng, tiếp theo là thiết kế để “chụp chắc chắn, loại ra chắc chắn”. Hiệu năng của kiểm tra in nhiều khi được quyết định ở đây, trước cả mô hình.

Tốc độ dây chuyền và kích thước ký tự

Trước hết, xác nhận tốc độ dây chuyền (bao nhiêu sản phẩm mỗi phút hoặc mỗi giờ) và thời gian xử lý có thể dành cho 1 sản phẩm. Năng lực xử lý mà nhà cung cấp đưa ra là giá trị giới hạn trên. Domino cho biết loại OEM của R-Series đạt tối đa 60,000 sản phẩm mỗi giờ (1 camera), loại i-Tech đạt tối đa 90,000 sản phẩm mỗi giờ (1 đến 2 camera); Zebra cho biết tối đa 900 sản phẩm mỗi phút (quy đổi đơn giản tương đương 54,000 sản phẩm mỗi giờ), đọc nhanh nhất 40 mili giây. Tất cả đều là tuyên bố của nhà cung cấp, tốc độ thực tế thay đổi theo chiếu sáng, trường nhìn, số ký tự và điều kiện vận chuyển.

Kích thước ký tự cũng là điều kiện tiên quyết. Theo báo cáo GAIN của USDA, Thông báo No.450 của Thái Lan quy định chiều cao ký tự của thông tin bắt buộc, bao gồm hạn sử dụng, là từ 1mm trở lên với diện tích nhãn từ 100cm² trở xuống, và từ 1.5mm trở lên với diện tích nhãn trên 100cm². Để đọc ổn định ký tự cao 1mm, cần độ phân giải camera và trường nhìn tương ứng. Nếu mở rộng trường nhìn để hấp thụ độ lệch vị trí, số pixel trên 1 ký tự sẽ giảm. Đây là sự đánh đổi, nên hãy đo độ dao động vị trí in trước rồi mới quyết định trường nhìn. Cách chọn camera được đề cập chi tiết trong bài “Chọn camera công nghiệp cho nhà máy Thái Lan: hướng dẫn FAT/SAT“.

Chiếu sáng và bề mặt in

Bề mặt in của bao bì thường có điều kiện bất lợi cho việc kiểm tra. Các điều kiện khó đọc mà tài liệu của Zebra nêu ra gồm: bao bì co nhiệt và bề mặt lồi lõm, bao bì phản quang và chói, dòng in chất lượng thấp bị méo hoặc không đều, thay đổi hình dạng sản phẩm hoặc vị trí mã, thay đổi phông chữ hoặc kiểu ký tự, bề mặt lõm, chữ dập nổi. Với màng mạ nhôm, chai trong suốt, đáy lon, nắp cong v.v., cách chiếu sáng quyết định việc có đọc được hay không. Cách chọn chiếu sáng được trình bày trong bài “Chọn chiếu sáng cho kiểm tra ngoại quan AI: Từ phản quang đến FAT và SAT“.

Trigger và theo dõi vị trí (tracking)

Camera hoạt động theo trigger (cảm biến quang điện v.v.) quyết định chụp khi sản phẩm đến vị trí nào. Nếu trigger bị sót, sẽ có sản phẩm “không được chụp”. Để không cho sản phẩm không được chụp đi qua như OK, hãy thiết kế đối chiếu số lần trigger với số lần phán định, và dừng khi có chênh lệch. Ngoài ra, cần cơ chế theo dõi (tracking) khoảng cách từ vị trí camera đến thiết bị loại bỏ bằng encoder của băng tải v.v., để loại ra đúng chính sản phẩm đã bị phán định NG.

Loại bỏ và xác nhận loại bỏ

Dù đã phán định NG, nếu loại bỏ thất bại thì sản phẩm vẫn lọt ra ngoài. Không chỉ chọn thiết bị loại bỏ như thổi khí, cần đẩy, kiểu rơi, mà còn phải quyết định những điều sau.

• Xác nhận loại bỏ: Dùng cảm biến xác nhận sản phẩm lẽ ra đã bị loại có thực sự vào thùng loại bỏ hay không. Nếu không xác nhận được thì dừng dây chuyền.
• Quản lý thùng loại bỏ: Có khóa, phát hiện đầy, lưu hồ sơ thu gom và xử lý. Không để sản phẩm đã loại bị đưa trở lại bằng tay.
• Dừng dây chuyền khi NG liên tiếp: Khi NG liên tiếp N sản phẩm, khả năng cao là cài đặt sai hoặc máy in hỏng, nên dừng dây chuyền thay vì tiếp tục loại bỏ. Lỗi cài đặt ① sẽ NG toàn bộ ngay từ sản phẩm thứ 1, nên dừng ở đây là cách xử lý nhanh nhất.
• Xử lý trường hợp không đọc được: Không cho những gì không đọc được thành OK. Loại ra giống như NG, hoặc tách sang thùng riêng để con người xác nhận lại.
• Khi thiết bị hỏng: Lắp interlock để dây chuyền không tiếp tục chạy khi camera hoặc bộ phán định dừng.

Mặt khác, nếu siết NG quá chặt, việc loại nhầm cả dòng in đúng sẽ tăng. Loại nhầm trở thành chi phí hủy bỏ hoặc sửa lại, và cũng là nguyên nhân khiến hiện trường muốn tắt kiểm tra. Cách giảm loại nhầm và cách quyết định khi nghiệm thu được viết chi tiết trong bài “Giảm loại nhầm khi kiểm tra ngoại quan bằng AI: Ngưỡng và nghiệm thu“.

Các lựa chọn sản phẩm và phương thức

Khi so sánh thiết bị kiểm tra in, sắp xếp trước xem chọn hệ nào, trước cả tên sản phẩm, sẽ giúp thảo luận nhanh hơn. Sắp xếp từ thông tin công khai, có bốn lựa chọn lớn. Tên sản phẩm và chức năng nêu ở đây đều là tuyên bố trong tài liệu công khai của từng hãng, không nhằm khuyến nghị sản phẩm cụ thể nào.

1. Loại camera thông minh (cảm biến, camera của nhà sản xuất chuyên về thị giác máy)

Là thiết bị tích hợp camera, chiếu sáng và chức năng phán định, dùng được bất kể nhà sản xuất máy in. AI OCR của Zebra (Aurora Focus và NS42/FS42), cảm biến thị giác tích hợp AI của Keyence v.v. thuộc hệ này. Đây là cấu hình dễ xem xét theo đơn vị 1 dây chuyền. Mặt khác, có trường hợp việc liên kết nhận giá trị kỳ vọng từ ERP/MES, xác nhận loại bỏ và lưu hồ sơ cần được xây dựng riêng như các cơ chế xung quanh.

2. Hệ thống thị giác loại PC

Là cấu hình kết nối nhiều camera vào PC xử lý ảnh hoặc bộ điều khiển. Sản phẩm cụ thể thuộc cấu hình nào, vui lòng xác nhận qua tài liệu của từng hãng. Được xem xét khi muốn gom nhiều hạng mục kiểm tra (dòng in, có nhãn hay không, nắp v.v.) vào 1 hệ thống, hoặc khi tốc độ dây chuyền cao.

3. Tùy chọn kiểm tra của nhà sản xuất máy in

Là hệ thống đồng bộ máy in và kiểm tra cùng một nhà sản xuất. Domino cho biết R-Series liên kết với tất cả máy in của hãng, có thể chọn cấp từ có dòng in và vị trí (R150) đến OCR/OCV (R550), và khi kết hợp với phần mềm phân phối nhãn tập trung có thể tự động hóa việc quản lý job và chọn nhãn từ ERP/MES. Cũng có ví dụ nhà sản xuất máy in hợp tác với nhà sản xuất thị giác máy. Theo bài viết năm 2018 của Food Processing (Úc), Markem-Imaje và Cognex đã hợp tác về kiểm định mã tự động bằng máy in và camera từ năm 2015, và năm 2018 công bố tăng cường hợp tác dưới tên “Mark & Read”. Mục đích được giải thích là giảm việc sửa lại do ký tự hoặc mã vạch bị thiếu hoặc không đọc được, và giảm hủy bỏ do in dữ liệu sai. Điểm mạnh là máy in và quản lý job được tích hợp, còn mức độ phù hợp phụ thuộc vào việc máy in hiện có có cùng nhà sản xuất hay không.

4. Tự phát triển hoặc do SIer xây dựng

Là cách kết hợp camera công nghiệp và chiếu sáng thông dụng với thư viện OCR mã nguồn mở hoặc thương mại. Có thể xây dựng liên kết giá trị kỳ vọng, hồ sơ, màn hình đa ngôn ngữ v.v. đúng theo yêu cầu của doanh nghiệp, nhưng đồng thời phải tự nắm giữ toàn bộ việc huấn luyện và duy trì mô hình học sâu cũng như hồ sơ thẩm định (validation). Ở những lĩnh vực mà tài liệu thẩm định nặng nề như dược phẩm, gánh nặng thường lớn.

Chọn như thế nào

Định hướng lựa chọn như sau.

Điều quan trọng chung cho mọi hệ là, trước cả phương thức hay sản phẩm, doanh nghiệp phải tự quyết định “lấy giá trị kỳ vọng từ đâu, loại NG ra như thế nào, ghi lại những gì”. Nếu điều đó đã được quyết định, sản phẩm nào cũng có thể so sánh qua RFP và thử nghiệm nghiệm thu.

Kết quả phán định và hồ sơ – lưu gì, lưu bao nhiêu năm

Hồ sơ kiểm tra in dùng để khi xảy ra sự cố, có thể chứng minh về sau rằng “sản phẩm đó có qua kiểm tra không” và “lúc đó giá trị kỳ vọng là gì”. Những gì cần lưu có thể sắp xếp thành 5 mục sau.

• Hình ảnh: Toàn bộ hình ảnh NG và không đọc được; hình ảnh OK thì lưu theo khoảng cách nhất định hay toàn bộ (cân nhắc với dung lượng lưu trữ)
• Phán định: Thời gian, dây chuyền, số thứ tự sản phẩm, OK/NG/không đọc được, độ tin cậy
• Giá trị kỳ vọng: Số lệnh sản xuất lúc đó, chuỗi giá trị kỳ vọng, thời điểm phân phối giá trị kỳ vọng
• Thao tác của người vận hành: Chọn job, thay đổi ngưỡng, tạm dừng kiểm tra, người đăng nhập
• Xác nhận loại bỏ: Số sản phẩm đã loại và số sản phẩm xác nhận được, hồ sơ dừng dây chuyền và phê duyệt chạy lại

Thời gian lưu được quyết định từ hạn sử dụng của sản phẩm, hợp đồng với đối tác và quy định hồ sơ chất lượng nội bộ. Nói chung, nếu đặt độ dài đủ bao phủ ít nhất khoảng thời gian sản phẩm có mặt trên thị trường và khoảng thời gian có thể nhận khiếu nại, hồ sơ sẽ dùng được cho điều tra sự cố. Số năm cụ thể, vui lòng xác nhận theo yêu cầu của đối tác và quy định nội bộ.

Ở nhà máy dược phẩm, hoặc nhà máy tham chiếu tiêu chuẩn dược phẩm, việc xử lý hồ sơ điện tử là một vấn đề. 21 CFR 11.10 của Hoa Kỳ yêu cầu người xử lý hồ sơ điện tử trong hệ thống đóng thực hiện thẩm định hệ thống, nhật ký kiểm toán (audit trail) an toàn, do máy tính tạo ra và có dấu thời gian, kiểm tra vận hành để bắt buộc thứ tự các bước và sự kiện được phép, v.v. Nếu xử lý hồ sơ phán định và lịch sử thay đổi cài đặt của thiết bị kiểm tra in như hồ sơ điện tử, các góc nhìn này sẽ có liên quan. Tại EU, dự thảo sửa đổi Annex 11 (hệ thống máy tính hóa) của GMP và dự thảo Annex 22 (trí tuệ nhân tạo) mới đã được lấy ý kiến từ ngày 7 tháng 7 đến ngày 7 tháng 10 năm 2025, và theo bài viết của PharmaNow đã nhận được khoảng 1,300 ý kiến. Tại thời điểm ngày 12 tháng 8 năm 2026, Annex 22 chưa được thông qua và chưa có hiệu lực, và việc nộp bản dự thảo cuối cùng cho Ủy ban Châu Âu được đặt làm mục tiêu trong kế hoạch công việc là quý 4 năm 2026 (không phải ngày đã chốt). Thời điểm áp dụng trong nước Thái Lan chưa được xác nhận, nên ở đây chỉ giới thiệu như “dự thảo đang được xây dựng tại EU và PIC/S”.

Với thực phẩm, cách thực tế là chuẩn bị các mục hồ sơ ở dạng có thể giải thích khi đối tác kiểm toán. Không chỉ “thiết bị kiểm tra đã báo NG”, mà cần trả lời được từ hồ sơ đến mức “sản phẩm bị báo NG đã chắc chắn bị loại ra, và lô đó bị ảnh hưởng từ đâu đến đâu”.

Tính toán mô hình chi phí và hiệu quả (số giả định)

Từ đây là tính toán mô hình để xem xét hiệu quả chi phí của AI kiểm tra in. Số vụ, đơn giá, số tiền và tỷ lệ phát hiện dưới đây đều là số giả định đặt ra cho bài viết này. Đây không phải số trung bình ngành, không phải số liệu khảo sát, cũng không phải giá của nhà sản xuất. Vui lòng thay bằng số liệu của chính doanh nghiệp khi sử dụng.

Tiền đề của nhà máy mô hình

Nhà máy mô hình chỉ lấy 1 dây chuyền đóng gói thực phẩm (in hạn sử dụng và số lô bằng máy in phun) làm đối tượng. Không phải toàn bộ nhà máy. Đơn vị tiền tệ là baht Thái (THB). Số vụ là giá trị trung bình kỳ vọng mỗi năm (theo nghĩa thống kê) nên có thể là số thập phân.

Đường cơ sở chỉ có 1: “hiện trạng = 2 vụ lọt ra khách hàng, 20 vụ phát hiện nội bộ”. ① là các sự cố từng bị phát hiện tại khách hàng, ② là các sự cố từng bị phát hiện qua lấy mẫu nội bộ, đây là hai tập sự cố riêng biệt. Không có sự cố nào bị đếm ở cả hai bên, nên cộng ① và ② không phải là tính trùng. 12,000 THB của ② là chênh lệch giữa chi phí sửa lại khi phát hiện qua lấy mẫu (15,000 THB) và chi phí sửa lại khi phát hiện tức thời trên dây chuyền (3,000 THB), không phải bản thân chi phí sửa lại nội bộ. Ngoài ra, tổn thất trên 1 vụ lọt ra khách hàng ở ① không bao gồm chi phí sửa lại nội bộ.

Tổn thất trên 1 vụ lọt ra khách hàng thay đổi lớn theo quy mô sự cố. Tùy đã xuất hàng của bao nhiêu ngày, bao nhiêu thùng, và hàng đã đến cửa hàng nào của đối tác nào, con số có thể gấp nhiều lần hoặc chỉ bằng một phần nhỏ của 600,000 THB. Vui lòng đặt lại con số từ hồ sơ sự cố trước đây của doanh nghiệp.

Khi tỷ lệ phát hiện thay đổi, số năm hoàn vốn thay đổi thế nào

Tỷ lệ phát hiện ở đây không phải là “giá trị mà AI chắc chắn đạt được”. Đây là giá trị giả định để xem hiệu quả phụ thuộc bao nhiêu vào tiền đề này. Chỉ thay đổi tỷ lệ phát hiện, giữ nguyên các tiền đề khác để tính.

Hình: Độ nhạy của tính toán mô hình (số giả định). Khi tỷ lệ phát hiện là 40%, 60%, 80%, số năm hoàn vốn đơn giản lần lượt là khoảng 5.4 năm, khoảng 2.7 năm, khoảng 1.8 năm, và hiệu quả ròng hằng năm là 276,000 THB, 564,000 THB, 852,000 THB.

Khi tỷ lệ phát hiện giảm từ 80% xuống 40%, hiệu quả hằng năm giảm một nửa, nhưng chi phí vận hành hằng năm 300,000 THB không đổi, nên hiệu quả ròng hằng năm co lại từ 852,000 THB xuống 276,000 THB, tức còn không quá 1/3, và số năm hoàn vốn kéo dài từ khoảng 1.8 năm lên khoảng 5.4 năm. Vì chi phí vận hành phát sinh cố định, khi tiền đề tỷ lệ phát hiện giảm, hiệu quả ròng co lại với tỷ lệ lớn hơn thế, và quyết định đầu tư thay đổi đáng kể. Chính vì vậy, đừng đặt tỷ lệ phát hiện bằng con số trong catalogue, mà hãy đo thực tế bằng PoC và “thử nghiệm cố ý làm sai” với sản phẩm và dòng in của chính doanh nghiệp, rồi thay vào tính toán.

Những gì không đưa vào tính toán này

Các hạng mục sau không được đưa vào tính toán, vì đưa vào dễ dẫn đến tính trùng hoặc đánh giá quá cao.

• Chi phí loại nhầm: Chi phí hủy bỏ, sửa lại và dừng máy do phán định dòng in đúng là NG rồi loại bỏ hoặc dừng. Nếu loại nhầm nhiều, hiệu quả ở đây sẽ giảm đi. Hãy đo tỷ lệ loại nhầm trong thử nghiệm nghiệm thu và trừ phần đó khi đánh giá.
• Cắt giảm nhân viên kiểm tra lấy mẫu: Ngay cả khi chuyển sang kiểm tra toàn bộ, vẫn cần con người để xác nhận khi khởi động, xác nhận lại sản phẩm NG và xác nhận job. Có giảm được người hay không, hãy đánh giá sau khi đã quyết định cách vận hành.
• Tổn hại thương hiệu: Việc suy giảm niềm tin từ đối tác hay ảnh hưởng đến điều kiện giao dịch có độ bất định lớn khi quy ra tiền, và dễ trùng với tổn thất của ①, nên không đưa vào.

Nói ngược lại, tính toán này chỉ cho thấy phạm vi có thể đánh giá chỉ bằng “số sự cố và tổn thất trên 1 vụ”. Nếu hồ sơ sự cố của doanh nghiệp còn ít, việc trước tiên chuẩn bị ba sổ sách nêu ở phần “Sự cố xảy ra ở đâu” là con đường ngắn nhất để giải thích hiệu quả chi phí.

Các mục cần ghi trong RFP cho AI kiểm tra in

Khi so sánh thiết bị kiểm tra in, nếu ghi vào RFP “dừng như thế nào, lưu như thế nào” thay vì “đọc được gì”, chất lượng các đề xuất sẽ đồng đều hơn. Chúng tôi khuyến nghị đưa vào tối thiểu 12 mục sau.

Khi nhận đề xuất, nhất định phải xác nhận các con số độ chính xác và tốc độ mà nhà cung cấp đưa ra “được đo trong điều kiện nào”. Những con số như “gần 100%” hay “bao nhiêu sản phẩm mỗi phút”, nếu không biết điều kiện thì không thể so sánh. Nếu nhà cung cấp không đưa ra điều kiện, hãy đặt điều kiện cho đề xuất là được đo bằng mẫu của chính doanh nghiệp.

Những gì cần xác nhận trong FAT/SAT – thiết kế thử nghiệm cố ý làm sai

Điều quan trọng nhất trong thử nghiệm nghiệm thu kiểm tra in không phải là cho chạy dòng in đúng rồi xác nhận “tất cả đều OK”. Mà là cho chạy các dòng in cố ý làm sai, và xác nhận rằng hệ thống chắc chắn dừng, chắc chắn loại ra, và hồ sơ được lưu lại.

Tạo các mẫu thử

Mẫu lỗi dùng cho thử nghiệm được tạo theo các dạng xảy ra tại hiện trường. Các mẫu tiêu biểu được tóm tắt trong hình.

Hình: Sơ đồ khái niệm ma trận thử nghiệm FAT/SAT. Hàng là các dòng in cố ý tạo ra cho thử nghiệm (ngày sai, số lô hoặc mã dây chuyền sai, không có dòng in, mờ hoặc khuyết, nhòe hoặc in chồng, lệch vị trí hoặc in lên phần mép hàn, dòng in đúng [đối chứng]). Cột là các mục xác nhận (kết quả kỳ vọng, có được phán định đúng không, có bị loại khỏi dây chuyền không, việc loại bỏ có được xác nhận không, hình ảnh và log có được lưu không).

• Ngày sai: Ngày lệch 1 ngày so với giá trị kỳ vọng, ngày đảo vị trí tháng và ngày, ngày sai năm. Chỉ thay đổi job của máy in, giữ nguyên giá trị kỳ vọng đúng rồi cho chạy.
• Số lô hoặc mã dây chuyền sai: Số lô của mã sản phẩm trước, mã của dây chuyền bên cạnh, số lô chỉ khác 1 ký tự.
• Không có dòng in: Ngắt mực, cho bỏ qua lần in.
• Mờ, khuyết: Tạo các cấp độ từ mức một phần ký tự không đọc được đến mức gần như không đọc được. Bao gồm cả những dòng bị biến dạng thành ký tự trông giống nhau (8 và 3, 0 và D v.v.).
• Nhòe, in chồng: Dòng in chồng lên nhau do trigger kép, dòng in bị nhòe và đậm lên.
• Lệch vị trí, in lên phần mép hàn: Dòng in ở rìa trường nhìn, dòng in đè lên phần mép hàn hoặc đường nối.
• Dòng in đúng (đối chứng): Sản phẩm bình thường dùng để đo loại nhầm. Cho chạy nhiều hơn hẳn so với sản phẩm lỗi.

5 mục cần xác nhận

Với từng mẫu thử, xác nhận 5 mục ở các cột của hình.

1. Kết quả kỳ vọng: Quyết định và ghi lại trước khi thử nghiệm rằng mẫu đó phải là OK, NG hay không đọc được
2. Có được phán định đúng không: Kết quả kỳ vọng và phán định thực tế có khớp không
3. Có bị loại khỏi dây chuyền không: Phôi NG và không đọc được có bị loại ra không
4. Việc loại bỏ có được xác nhận không: Cảm biến có xác nhận sản phẩm đã loại đã vào thùng loại bỏ không
5. Hình ảnh và log có được lưu không: Hình ảnh, phán định, giá trị kỳ vọng, thời gian có được lưu trong hồ sơ không

Dù phán định đúng, nếu không bị loại ra thì vẫn lọt ra ngoài. Dù bị loại ra, nếu không có hồ sơ thì không dùng được cho điều tra sự cố. Chỉ khi đủ cả 5 cột mới là đạt.

Số lượng và cách đo

Thử nghiệm được thực hiện ở đúng tốc độ dây chuyền. Thử nghiệm dừng máy để cho xem từng sản phẩm một sẽ không thấy được các vấn đề về trigger, tracking và thời điểm loại bỏ. Mẫu lỗi được trộn ngẫu nhiên vào dòng sản phẩm bình thường, và ghi lại đã đặt ở vị trí nào. Tỷ lệ bỏ sót (tỷ lệ mẫu thử lẽ ra phải NG bị phán định OK), tỷ lệ loại nhầm (tỷ lệ sản phẩm bình thường bị loại ra như NG hoặc không đọc được), tỷ lệ không đọc được, và thời gian xử lý trên 1 sản phẩm được tổng hợp theo từng mẫu thử.

Về số lượng, cần nắm rằng việc “không bỏ sót” với số lượng ít không chứng minh được tỷ lệ bỏ sót đủ thấp. Tích lũy số lượng đến đâu được quyết định theo mức độ nghiêm trọng của sự cố và thời gian có thể dành cho thử nghiệm, và cần thống nhất cùng với tiêu chí đạt ngay ở giai đoạn RFP.

Thử nghiệm chuyển đổi mã sản phẩm và chuyển đổi sản xuất

Nếu mục đích chính của kiểm tra in là chặn lỗi cài đặt ①, hãy đưa chính việc chuyển đổi sản xuất vào thử nghiệm.

• Khi chuyển lệnh sản xuất, giá trị kỳ vọng của máy in và camera có thay đổi đồng thời không
• Khi bắt đầu sản xuất mà chỉ máy in vẫn để job cũ, có NG ngay từ sản phẩm thứ 1 và dây chuyền dừng sau N sản phẩm liên tiếp không
• Khi dùng quy trình ngoại lệ nhập tay, phê duyệt và hồ sơ có được lưu lại không
• Khi qua 0 giờ nửa đêm, giá trị kỳ vọng của ngày sản xuất và hạn sử dụng có chuyển đúng không

Phân chia giữa FAT và SAT

Đạt FAT không có nghĩa SAT sẽ cho cùng kết quả. Vì chiếu sáng của nhà máy, rung khi vận chuyển và tình trạng mực của máy in chỉ có thể tái hiện tại hiện trường. Tiêu chí đạt của SAT cần được quyết định riêng, tách biệt với FAT.

Các vấn đề riêng của Thái Lan và ASEAN

Định dạng và ngôn ngữ ghi nhãn

Theo báo cáo GAIN của USDA, Thông báo No.450 của Thái Lan quy định thực phẩm có thời hạn đến hạn sử dụng tốt nhất hoặc hạn sử dụng dưới 90 ngày ghi hạn theo dạng “ngày/tháng/năm”, thực phẩm trên 90 ngày ghi theo dạng “ngày/tháng/năm” hoặc “tháng/năm”, kèm cụm từ “Best before” hoặc “Expired by”. Tháng có thể ghi bằng số hoặc bằng chữ. Nhãn bắt buộc có tiếng Thái, có thể ghi kèm tiếng Anh. Một số thực phẩm cụ thể có thể được yêu cầu ghi ngày sản xuất hoặc hạn sử dụng theo các thông báo riêng.

Với kiểm tra in, điều này có nghĩa là trong cùng một nhà máy có thể tồn tại lẫn lộn các cách ghi hạn với định dạng khác nhau: sản phẩm ghi tháng bằng số và sản phẩm ghi tháng bằng chữ, cụm từ tiếng Thái và cụm từ tiếng Anh, sản phẩm ghi đến ngày và sản phẩm chỉ ghi đến tháng. Hãy giữ định dạng giá trị kỳ vọng theo từng mã sản phẩm trong dữ liệu gốc mặt hàng, và xác nhận ngay ở giai đoạn RFP xem thiết bị kiểm tra có cần đọc dòng in chứa chữ Thái hay không.

Cũng cần chú ý cách ghi lịch. Tại Thái Lan, Phật lịch (B.E.) cũng được sử dụng, và Thông báo No.450 cũng được ghi theo Phật lịch như “B.E.2567 (năm 2024)”. In theo Phật lịch hay Dương lịch được quyết định theo đặc tả nhãn của doanh nghiệp và yêu cầu của thị trường đích, và cần đưa vào định dạng giá trị kỳ vọng. Cùng một ngày nhưng số năm khác nhau giữa Phật lịch và Dương lịch, nên nếu logic tạo giá trị kỳ vọng nhầm lẫn, sẽ thành sự cố giống như ngày sai được in rõ ràng.

Ngoài ra, theo báo cáo của USDA, dự thảo sửa đổi Thông báo No.450 (No.2) đã được thông báo lên WTO vào ngày 8 tháng 1 năm 2026. Dự thảo bao gồm bổ sung 4 loại chất gây dị ứng, nhãn kỹ thuật số tự nguyện, sản phẩm đóng gói hỗn hợp ghi hạn sớm nhất v.v., nhưng ngày thông qua chưa được quyết định. Vì yêu cầu ghi nhãn có thể thay đổi qua các lần sửa đổi sau này, thiết kế để có thể thay đổi định dạng trong dữ liệu gốc mặt hàng sẽ giúp dễ ứng phó hơn. Nội dung ở đây là giới thiệu thông tin công khai, không phải tư vấn pháp lý. Việc áp dụng cho sản phẩm của doanh nghiệp, vui lòng xác nhận với chuyên gia hoặc thông tin của FDA Thái Lan.

Ghi nhãn theo thị trường xuất khẩu

Hàng xuất khẩu có định dạng ngày và cụm từ thay đổi tùy thị trường đích. Nếu định dạng “ngày/tháng/năm” cho thị trường trong nước Thái Lan khác với định dạng của thị trường xuất khẩu, sẽ phải chuyển đổi giữa các job có định dạng khác nhau trên cùng một dây chuyền. Nếu tách mã mặt hàng theo từng thị trường đích và thiết kế để tạo giá trị kỳ vọng từ dữ liệu gốc mặt hàng, thì việc nhầm thị trường đích cũng có thể chặn được bằng OCV.

Nóng ẩm và mực in

Keyence nêu chiếu sáng, bụi và độ ẩm là các yếu tố cản trở việc đọc OCR. Trong môi trường nóng ẩm, cần tính đến cả những điều như bề mặt bao bì của hàng làm lạnh hoặc đông lạnh bị đọng sương, mực khô chậm và bị nhòe, như là điều kiện kiểm tra. Sẽ yên tâm hơn nếu thử nghiệm ở cả mùa khô và mùa mưa, ít nhất SAT được thực hiện trong điều kiện nhiệt độ và độ ẩm thực tế, và vận hành theo cách xác nhận lại khi chuyển mùa. Về việc chọn chính phương thức in, chẳng hạn các vấn đề khi khắc bằng laser, được đề cập trong bài “Chọn máy khắc laser công nghiệp cho nhà máy Thái Lan: RFP và FAT/SAT“.

Màn hình thao tác đa ngôn ngữ và đào tạo

Ở những nhà máy mà người vận hành và nhân viên bảo trì xem màn hình bằng tiếng Thái, còn quản lý xem bằng tiếng Nhật hoặc tiếng Anh, thiết kế ngôn ngữ chi phối việc vận hành. Điều quan trọng là lý do NG, lý do không đọc được, lý do dừng dây chuyền phải hiểu được trên màn hình tiếng Thái. Nếu không hiểu hiển thị, hiện trường sẽ muốn tạm dừng kiểm tra để tiếp tục sản xuất. Quyền tạm dừng và hồ sơ tạm dừng cũng được đưa vào thiết kế màn hình.

Hệ thống hỗ trợ

Khi thiết bị kiểm tra in dừng, nhà máy buộc phải quyết định dừng dây chuyền hay cho chạy mà không kiểm tra. Hãy xác nhận có cơ sở bảo trì trong nước Thái Lan không, thời gian có mặt, tồn kho phụ tùng dự phòng, khả năng bảo trì từ xa. Ngoài ra, cũng cần quyết định trước khi triển khai ai sẽ thêm cài đặt khi mã sản phẩm tăng lên. Nếu phó mặc cho nhà cung cấp, mỗi lần khởi động mã sản phẩm mới sẽ phát sinh thời gian chờ.

Câu hỏi thường gặp

OCR và OCV khác nhau thế nào?

OCR là chức năng đọc và ghi lại chuỗi ký tự được in, còn OCV là chức năng đối chiếu chuỗi ký tự đọc được có khớp với giá trị kỳ vọng (nội dung in đúng) hay không. Sự cố cài đặt sai ngày hoặc số lô khi chuyển đổi sản xuất rồi tiếp tục in rõ ràng sẽ được OCR cho qua vì “đọc được”. Thứ chặn được sự cố này là OCV có giá trị kỳ vọng. Nếu mục đích là chặn sự cố khi kiểm tra in số lô hay kiểm tra in hạn sử dụng, hãy lấy OCV làm tiền đề.

Có thể kiểm tra in hạn sử dụng trên toàn bộ sản phẩm không?

Nếu tốc độ dây chuyền và điều kiện chụp phù hợp, cấu hình kiểm tra toàn bộ là khả thi. Năng lực xử lý nhà cung cấp đưa ra có loại ở quy mô hàng chục nghìn sản phẩm mỗi giờ, nhưng đó là tuyên bố về giá trị giới hạn trên. Hãy đo tỷ lệ bỏ sót và loại nhầm ở đúng tốc độ dây chuyền, với sản phẩm, bề mặt in, chiếu sáng và điều kiện vận chuyển của chính doanh nghiệp, rồi mới quyết định. Ngay cả khi kiểm tra toàn bộ, nếu không có xác nhận loại bỏ và dừng khi NG liên tiếp, vẫn còn khả năng sản phẩm lỗi lẽ ra đã bị chặn lại lọt ra ngoài.

Nên so sánh chi phí thiết bị kiểm tra in như thế nào?

Nếu chỉ so sánh giá thân thiết bị sẽ dễ đánh giá sai. Hãy so sánh bao gồm cả camera, chiếu sáng, bộ phán định, cùng với thiết bị loại bỏ và xác nhận loại bỏ, liên kết giá trị kỳ vọng với ERP/MES, PoC, thử nghiệm nghiệm thu, thêm mã sản phẩm và huấn luyện lại, chi phí bảo trì. Tính toán mô hình trong bài này đặt tạm chi phí ban đầu và chi phí vận hành hằng năm, nhưng số tiền thực tế thay đổi lớn theo điều kiện và phạm vi của dây chuyền. Thống nhất các hạng mục trong RFP rồi lấy báo giá sẽ giúp so sánh dễ hơn.

Máy kiểm định mã vạch và thiết bị kiểm tra in khác nhau thế nào?

Máy kiểm định mã vạch là thiết bị đánh giá theo cấp độ chất lượng in của mã 1 chiều và 2 chiều theo tiêu chuẩn. Ví dụ, ISO/IEC 15416:2025 là tiêu chuẩn quy định phương pháp đo chất lượng in của mã vạch tuyến tính, không đo chất lượng chuỗi ngày hay số lô mà con người đọc. Thiết bị kiểm tra in phán định chuỗi ngày hay số lô có đúng không, có đọc được không. Với bao bì in cả hai, hãy xem xét cả thiết kế xác nhận ngày trong mã và ngày con người đọc có khớp nhau không.

Có thể triển khai AI kiểm tra in mà vẫn giữ máy in phun hiện có không?

Trong nhiều trường hợp, có thể xem xét cấu hình giữ nguyên máy in hiện có và bổ sung camera, bộ phán định sau. Sản phẩm của nhà sản xuất chuyên về thị giác máy thường dùng được bất kể nhà sản xuất máy in. Tuy nhiên, để phân phối giá trị kỳ vọng đến máy in và camera cùng thời điểm, cần xác nhận máy in có hỗ trợ chọn job và nhận giá trị từ bên ngoài hay không. Nếu không hỗ trợ, hãy bù đắp bằng quy trình ngoại lệ nhập tay và xác nhận bởi hai người, hoặc xem xét cả việc thay mới máy in.

OCR học sâu có giúp hiện trường sản xuất không cần đăng ký phông chữ nữa không?

Các nhà cung cấp tuyên bố OCR học sâu có thể bỏ bước đăng ký phông chữ và cắt ký tự nhờ mô hình đã huấn luyện trước. Tuy nhiên, các cài đặt chiếu sáng, trường nhìn, vùng đọc và định dạng giá trị kỳ vọng vẫn còn. Ngoài ra, việc ký tự bị biến dạng có bị phán định nhầm là khớp với giá trị kỳ vọng hay không cần được xác nhận bằng thử nghiệm cho chạy các dòng in bị biến dạng thành hình dạng giống nhau. Cũng như khi triển khai kiểm tra ngoại quan bằng AI, thiết kế thử nghiệm nghiệm thu quyết định thành bại.

Tóm tắt

Nếu bắt đầu triển khai AI kiểm tra in bằng việc so sánh độ chính xác nhận dạng ký tự, hệ thống thường không chặn được sự cố tại hiện trường. Trước tiên, kiểm kê lỗi in bằng ba loại hồ sơ: thu hồi và trả hàng từ khách hàng, lấy mẫu nội bộ, và chuyển đổi sản xuất, rồi quyết định muốn chặn dạng nào. Nếu muốn chặn ngày sai được in rõ ràng, đừng dừng ở việc đọc (OCR) mà hãy làm đến đối chiếu với giá trị kỳ vọng (OCV), nhận giá trị kỳ vọng từ lệnh sản xuất của ERP/MES chứ không do người nhập tay, và phân phối cùng một giá trị đến máy in và camera. Phân biệt OK, NG và không đọc được, chắc chắn loại ra NG và không đọc được, xác nhận đã loại ra bằng xác nhận loại bỏ, và dừng dây chuyền khi NG liên tiếp. Khi quyết định thứ tự như vậy, sẽ rõ cần mua gì và doanh nghiệp phải tự quyết định gì.

Hiệu quả chi phí thay đổi lớn theo tiền đề tỷ lệ phát hiện. Trong tính toán mô hình (giả định), chỉ cần hạ tỷ lệ phát hiện từ 80% xuống 40%, số năm hoàn vốn đã kéo dài từ khoảng 1.8 năm lên khoảng 5.4 năm. Chính vì vậy, trong thử nghiệm nghiệm thu, hãy cố ý tạo và cho chạy ngày sai, số lô sai, không có dòng in, mờ, in chồng, lệch vị trí, và đo xem đủ 4 yếu tố phán định, loại bỏ, xác nhận loại bỏ và hồ sơ hay không, trong điều kiện sản xuất hàng loạt là tốc độ dây chuyền và chuyển đổi sản xuất. Lúc này, khi việc tuân thủ hoàn toàn Thông báo No.450 đã bắt đầu, cũng là dịp tốt để rà soát lại job in và luồng giá trị kỳ vọng.

TOMAS TECH hỗ trợ xây dựng hệ thống kiểm tra in phù hợp với dây chuyền và thiết bị của các nhà máy tại Thái Lan. Chúng tôi sẵn sàng tư vấn ngay cả ở giai đoạn chưa quyết định phương thức hay sản phẩm, chẳng hạn giai đoạn kiểm kê các mục in và sự cố trước đây của dây chuyền đối tượng. Vui lòng liên hệ qua biểu mẫu này.

Tài liệu tham khảo

• USDA Foreign Agricultural Service – Labelling of Pre-Packaged Food Requirements (GAIN TH2026-0018, ngày 3/7/2026)
• Pattaya Mail – FTI warns Thailand food exports to fall 7.3% as energy crisis and global tensions bite (ngày 2/4/2026)
• The Nation Thailand – World Bank Flags AI Adoption Gap and El Niño Risks to Thailand’s Growth (ngày 6/10/2026)
• Macau Business – Thailand Puts Productivity at the Center of AI Transformation with National AI Roadmap (ngày 28/8/2026)
• Mondaq (Alvarez & Marsal) – Thailand’s Renewed BOI Incentives (ngày 3/2/2026)
• วารสารอาหารและยา (tạp chí khoa học của FDA Thái Lan) – Thực phẩm xuất khẩu từ Thái Lan sang Hoa Kỳ bị từ chối nhập khẩu 2011-2020 (ngày 31/10/2022)
• Graftek Imaging / Zebra Technologies – AI-Powered OCR for Date and Lot Code Inspection (tháng 8/2026)
• FoodProcessing.com (bài viết tài trợ của Zebra) – How AI-Powered Optical Character Recognition Transforms Date and Lot Code Inspection (ngày 24/7/2026)
• KEYENCE – How Vision Systems Ensure Accurate OCR in Food and Beverage Manufacturing
• KEYENCE UK – Stable OCR with Built-in AI Vision Sensors
• Domino Printing Sciences – Code Verification, The R-Series (bản 2025)
• Food Processing (Úc) – Markem-Imaje and Cognex develop advanced Mark & Read technology (ngày 6/6/2018)
• Food Business MEA – Study shows labeling errors contribute to most allergen recalls (ngày 11/4/2023)
• University of Central Lancashire – Soon & Wahab, Global food recalls and alerts associated with labelling errors and its contributory factors (năm 2021)
• Legal Information Institute (Cornell) – 21 CFR § 11.10 Controls for closed systems
• GMP Insiders – 2025 EU GMP Draft Updates, Chapter 4, Annex 11, and Annex 22 (ngày 7/7/2025)
• PharmaNow – Annex 22 is not law yet, what to invest in (ngày 12/8/2026)
• EVS – ISO/IEC 15416:2025 (ngày 8/1/2025)
• GS1 – GS1 Application Identifiers (JSON-LD dataset)
• 24-7 Press Release (Future Market Insights) – Inline OCR Validation for Packaging Lines Market Set to Reach USD 661.0 Million by 2036 (ngày 3/7/2026)