Ứng dụng AI đếm linh kiện – chọn đếm theo trọng lượng, hình ảnh hay X-quang cho nhà máy tại Thái Lan, kèm RFP và FAT/SAT

Mở đầu: khi có người hỏi “Camera AI có đếm được không?”

Ở khâu nhận hàng, nhân viên đếm lại số lượng mà nhà cung cấp ghi trên bao bì. Ở khâu kitting, ốc vít và vòng đệm được đếm bằng tay. Ở khâu đóng gói xuất hàng, mỗi năm vài lần lại có khiếu nại vì sai số lượng trong thùng. Số linh kiện còn lại trên cuộn SMD thì mỗi lần kiểm kê lại phải tháo cuộn ra đếm, hoặc chỉ ước lượng. Bài viết này dành cho các nhà máy Nhật Bản tại Thái Lan đang cân nhắc ứng dụng AI đếm linh kiện trong những hiện trường như vậy.

Đối tượng là các nhà máy linh kiện điện tử, linh kiện ô tô và linh kiện cơ khí chính xác tại Chonburi, Rayong, Ayutthaya, Pathum Thani, Prachinburi và các tỉnh lân cận. Người đọc mà chúng tôi hướng tới là giám đốc nhà máy, bộ phận quản lý sản xuất, logistics và kho, đảm bảo chất lượng, và phụ trách IT.

Nhân viên hiện trường thay đổi thường xuyên, nên chất lượng đếm tay khác nhau tùy người. Vì vậy, trong công ty xuất hiện ý kiến “Camera AI có đếm được không?”. Thế nhưng, AI khác gì so với cân đếm, có thể giao phó cho AI đến đâu, và nên dùng tiêu chí đạt nào khi mua, thì không dễ trả lời.

Xin nêu kết luận trước. Đưa AI vào việc đếm linh kiện không phải là chuyện “thay việc đếm tay của con người bằng camera”. Đó là chuyện phân chia sử dụng cân đếm, đếm bằng AI hình ảnh và máy đếm cuộn linh kiện X-quang theo 3 trục sau.

1. Quy cách đóng gói: rời, khay, túi, thùng hay cuộn
2. Đặc tính linh kiện: độ dao động khối lượng từng chiếc, chồng lấp, phản quang, kích thước
3. Thiệt hại khi đếm sai: sai ở khâu nhận hàng, cấp phát, xuất hàng hay kiểm kê

Sai số của cân đếm chủ yếu phát sinh từ độ dao động khối lượng từng chiếc. Sai số của đếm bằng hình ảnh chủ yếu phát sinh từ chồng lấp, bị che khuất và chiếu sáng. Cuộn linh kiện chip là lĩnh vực của một thiết bị chuyên dụng là máy đếm X-quang. AI hình ảnh phát huy hiệu quả nhất trong tình huống linh kiện có thể trải phẳng, khối lượng từng chiếc không đồng đều, và muốn lưu ảnh làm bằng chứng về số lượng. Linh kiện chất đống trong thùng thì về nguyên lý không thể đếm được chỉ bằng một tấm ảnh chụp từ trên xuống.

Do đó, tiêu chí đạt cho PoC và nghiệm thu không được quyết định bằng “sai số trung bình”. Tiêu chí được quyết định bằng “tỷ lệ khớp chính xác số lượng” và “mức thừa hoặc thiếu lớn nhất” theo từng mã hàng và quy cách đóng gói, cùng với quy trình chuyển lại cho người khi kết quả không khớp. Số lượng là cửa ngõ của truy xuất nguồn gốc và tồn kho. Yêu cầu cần bao gồm cả việc ghi nhận kết quả đếm cùng với ảnh, mã hàng, lô và người thao tác, rồi chuyển sang MES, WMS, ERP.

Bài viết này không phải là khuyến nghị hay xếp hạng sản phẩm cụ thể nào. Chức năng và số liệu của sản phẩm được giới thiệu theo lời giải thích của nhà sản xuất. Phần chi phí và hiệu quả ở nửa sau là mô hình ước tính dựng bằng số liệu giả định dành riêng cho bài viết này. Quy trình triển khai AI hình ảnh nói chung, bao gồm chiếu sáng và gán nhãn, được tổng hợp trong hướng dẫn triển khai AI kiểm tra ngoại quan.

Vì sao lúc này các nhà máy tại Thái Lan nên xem lại công việc “đếm”

Trước hết, hãy xem tình hình hiện tại của ngành sản xuất Thái Lan. Số liệu được ghi nguyên theo nguồn công bố và phạm vi. Chúng tôi không cộng gộp các số liệu, cũng không áp chúng vào doanh nghiệp của bạn.

• Sản xuất mở rộng, lao động giảm tự nhiên: Theo Trading Economics, chỉ số PMI ngành sản xuất Thái Lan của S&P Global đạt 54,3 vào tháng 9/2026 (tháng 8 là 53,8). Đây là mức cao nhất kể từ tháng 12/2025. Cùng công bố này cho biết số lao động giảm nhẹ do giảm tự nhiên (natural attrition). Tức là sản xuất tăng nhưng người lại giảm.
• Khoản đóng góp mới vào chi phí lao động: Theo phân tích ngày 11/9/2026 của công ty luật DFDL, việc đóng góp vào Quỹ phúc lợi người lao động (Employee Welfare Fund) của Thái Lan được cho là bắt đầu từ ngày 1/10/2026. Mức đóng góp là 0,25% tiền lương tháng, áp dụng cho mỗi bên người sử dụng lao động và người lao động.
• Gia hạn giấy phép lao động cho lao động nước ngoài: Theo bài báo ngày 16/7/2026 của The Star (bài gốc của Viet Nam News), ngày 14/7/2026 Nội các Thái Lan đã phê duyệt gia hạn giấy phép lao động cho khoảng 770.000 lao động di cư đến từ Lào, Myanmar và Việt Nam. Theo đưa tin, mục đích là bảo đảm đủ lực lượng lao động cho ngành sản xuất và dịch vụ.
• Hồ sơ đăng ký đầu tư cho tự động hóa: Theo thông cáo báo chí ngày 23/7/2026 của Ủy ban Đầu tư Thái Lan (BOI), trong giai đoạn tháng 1 đến tháng 6/2026, số hồ sơ đăng ký ưu đãi đầu tư là 1.299 hồ sơ với tổng giá trị 43,6 tỷ USD, tăng 37% so với cùng kỳ năm trước. Trong đó, số hồ sơ đăng ký theo chính sách “Smart and Sustainable Industry” (nâng cấp máy móc, đưa vào công nghệ số, tích hợp tự động hóa và robot) là 132 hồ sơ, trị giá 507,6 triệu USD. Tất cả đều là số liệu tính trên hồ sơ đăng ký.

Trong bối cảnh này, cách làm dùng thêm người để gánh việc đếm sẽ khó duy trì. Đếm tay đòi hỏi phải đào tạo lại mỗi khi thay người. Cách đếm cũng khác nhau tùy người. Xem lại phương pháp đếm không chỉ là để giảm nhân lực, mà còn là để chất lượng số lượng không phụ thuộc vào con người.

4 phương pháp đếm linh kiện: đếm tay, cân đếm, đếm bằng AI hình ảnh và máy đếm X-quang

Có thể chia cách xác nhận số lượng linh kiện thành 4 nhóm lớn: đếm tay, đếm theo trọng lượng (cân đếm), đếm bằng AI hình ảnh và máy đếm X-quang. Việc lựa chọn không dựa trên phương pháp nào ưu việt hơn, mà dựa trên việc có phù hợp với quy cách đóng gói và đặc tính linh kiện hay không.

Nói ngắn gọn, khác biệt giữa cân đếm và đếm bằng hình ảnh như sau. Cân đếm ước tính số lượng bằng “tổng khối lượng ÷ khối lượng trung bình từng chiếc”. Đếm bằng hình ảnh phát hiện hoặc ước lượng “những chiếc xuất hiện trong ảnh”. Phương pháp thứ nhất yếu trước độ dao động khối lượng từng chiếc, phương pháp thứ hai yếu trước chồng lấp, bị che khuất và chiếu sáng. Vì điểm yếu khác nhau nên vẫn có dư địa để kết hợp hai phương pháp.

Thứ hay bị nhầm lẫn là RFID và mã vạch. Đây là công nghệ nhận diện quy cách đóng gói hoặc bao bì có gắn nhãn hay thẻ. Chúng không phải là công nghệ đếm chính số lượng linh kiện rời không gắn thẻ. Ví dụ, đọc nhãn thùng thì biết được “đây là thùng mã hàng nào, chứa bao nhiêu chiếc”. Nhưng không biết được bên trong thùng có thực sự đúng số lượng đó hay không. Nhận diện và đếm có vai trò khác nhau, nên cần xem xét kết hợp. Cách nghĩ về chi phí khi dùng RFID để quản lý tồn kho nhà máy được trình bày trong bài viết về chi phí triển khai RFID.

Cân đếm (đếm theo trọng lượng): nguyên lý và giới hạn

Cân đếm đã được dùng ở nhiều nhà máy. Trước khi cân nhắc AI hình ảnh, cần nắm rõ cân đếm phát sinh sai số ở đâu.

Nhà sản xuất cân METTLER TOLEDO giải thích trong eBook về đếm như sau. Trước hết, dùng mẫu tham chiếu để tính khối lượng trung bình từng chiếc, rồi tính số lượng từ tổng khối lượng. Sai số phát sinh từ những yếu tố như độ dao động khối lượng từng chiếc. Hãng nêu nguyên nhân khiến khối lượng từng chiếc dao động là sự khác biệt giữa các thiết bị sản xuất và mòn dụng cụ. Nghĩa là cùng một mã linh kiện, khối lượng vẫn có thể khác nhau tùy thiết bị chế tạo hoặc lô.

Hãng cũng giải thích rằng quy trình tham chiếu đặc biệt quan trọng, vì sai sót ở giai đoạn tham chiếu sẽ thành sai số đếm lớn về sau. Ngoài ra, hãng cho rằng muốn tính chính xác khối lượng trung bình từng chiếc thì tiền đề là cân phải có độ phân giải phù hợp, và độ không đảm bảo của cân là một nguồn sai số đếm lớn.

Về số mẫu tham chiếu, hãng đưa ra mức tham khảo có điều kiện. Hãng giải thích rằng, lấy ví dụ với linh kiện có độ dao động khối lượng từng chiếc vượt quá 1%, tăng số mẫu tham chiếu từ 10 lên 30 chiếc có thể giảm sai số đếm xuống một nửa. Đây là ví dụ, không phải con số áp dụng cho mọi linh kiện. Hãng cũng cho biết lấy mẫu từ 30 chiếc trở lên có thể nâng cao độ chính xác.

Về ví dụ chức năng, hãng giới thiệu “Automatic Reference Optimization”. Theo giải thích, ban đầu đếm tay 10 chiếc để tính khối lượng trung bình từng chiếc, rồi dùng phần đặt thêm lên cân để tự động tính lại khối lượng trung bình. Về ví dụ cấu hình, hãng cũng đưa ra cấu hình hai cân, kết hợp cân tham chiếu 0,1 mg với cân đếm từ 0,6 kg đến 6 kg. Hãng giải thích rằng cấu hình hai cân có thể bao phủ phạm vi từ 1 mg đến 3.000 kg. Các ví dụ ứng dụng được nêu gồm nhận hàng, kho, sản xuất, logistics và xuất hàng. Hãng cũng nêu ví dụ cấu hình ở khâu nhận hàng: gọi thông tin mã hàng từ máy quét mã vạch và gửi sang ERP hoặc MES.

Hãy xem thêm ví dụ của một nhà sản xuất Nhật Bản. Ngày 26/1/2023, A&D công bố “dòng GC”, cân đếm dành cho kiểm kê và đóng túi, và bắt đầu bán từ ngày 1/2/2023. Theo giải thích của hãng, sản phẩm có các chức năng sau.

• ACAI: chức năng tự động nâng cao độ chính xác, đếm số lượng trong khi hiệu chỉnh giá trị khối lượng từng chiếc đã đăng ký
• AIS: chức năng tự động tìm, trong nhiều giá trị khối lượng từng chiếc đã đăng ký ở bộ nhớ trong, giá trị gần với vật cần đo (hãng ghi là đã được cấp bằng sáng chế)
• Bộ nhớ 1.000 mục, đèn so sánh 3 màu (LO, OK, HI), kết nối với đầu đọc mã vạch và thiết bị khác qua bộ đa giao diện tùy chọn, đăng ký khối lượng từng chiếc bằng phần mềm PC “WinCT-Counting”

Trang sản phẩm của hãng ghi rằng số mẫu cơ bản là 10 chiếc, và có thể đặt 5, 25, 50, 100 chiếc hoặc số tùy ý. Khối lượng tối thiểu có thể cân và khối lượng từng chiếc tối thiểu được ghi là 0,1 g và 0,005 g với GC-3K, 0,2 g và 0,01 g với GC-6K, 0,4 g và 0,02 g với GC-15K, 1 g và 0,05 g với GC-30K. Giá tiêu chuẩn (chưa gồm thuế, tại thị trường nội địa Nhật Bản) là 89.000 yên cho GC-3K và GC-6K, 92.000 yên cho GC-15K và GC-30K. Chúng tôi không xác nhận được giá tại Thái Lan.

Tóm lại, điểm yếu của cân đếm là độ dao động khối lượng từng chiếc, và các nhà sản xuất đều có chức năng để bù cho điểm yếu này. Với linh kiện có khối lượng từng chiếc đồng đều và quy cách đóng gói biết rõ khối lượng bao bì, cân đếm hiện vẫn là lựa chọn mạnh. Cũng có trường hợp chỉ cần xem lại quy trình tham chiếu và độ phân giải của cân hiện có là đã cải thiện được, trước khi đưa AI hình ảnh vào. Cách đưa giá trị cân vào hệ thống được trình bày trong bài viết về tích hợp dữ liệu cân.

Nguyên lý đếm bằng AI hình ảnh: phát hiện đối tượng và ước lượng mật độ

AI đếm số lượng bằng hình ảnh có 2 nhóm chính. Bài tổng quan về công nghệ đếm (Ciampi và cộng sự, arXiv), được sửa đổi vào tháng 2/2026, hệ thống hóa như sau.

• Dựa trên phát hiện: dùng bộ phát hiện đối tượng để tìm từng chiếc một, rồi đếm số lượng
• Dựa trên hồi quy: học ánh xạ từ đặc trưng ảnh sang bản đồ mật độ (density map), rồi ước tính số lượng bằng tổng của bản đồ

Cùng bài tổng quan này viết rằng phương pháp dựa trên phát hiện yếu trước hiện tượng che khuất (occlusion). Vì vậy, phần lớn các phương pháp “đếm không phụ thuộc lớp” được giải thích bên dưới áp dụng cách dùng bản đồ mật độ. Bản đồ mật độ được tạo bằng cách đánh một điểm tại vị trí của từng chiếc trong ảnh huấn luyện, rồi làm mờ xung quanh điểm đó.

Khi nhìn từ góc độ nhà máy, khác biệt này thể hiện như sau. Phương pháp dựa trên phát hiện cho biết vị trí từng chiếc, nên dễ kiểm tra trên màn hình “đã đếm những chiếc nào”. Phương pháp dựa trên mật độ có thể ước tính số lượng ngay cả khi có chồng lấp ở mức độ nhất định, nhưng khó thể hiện vị trí từng chiếc. Phương pháp nào phù hợp hơn tùy thuộc vào quy cách đóng gói và cách người thao tác muốn kiểm tra.

Một khái niệm quan trọng khác là đếm không phụ thuộc lớp (class-agnostic counting). Theo bài tổng quan, đây là công nghệ đếm những loại vật thể chưa từng thấy khi huấn luyện, chỉ với vài ví dụ minh họa (few-shot). Bài tổng quan phân thành 3 loại: phương pháp dùng khung ví dụ, phương pháp tự động tìm đối tượng cần đếm, và phương pháp chỉ định đối tượng bằng văn bản.

Ví dụ tiêu biểu trong nghiên cứu là FamNet, được công bố tại CVPR năm 2021, cùng bộ dữ liệu FSC-147 được xây dựng cho nó (Ranjan và cộng sự). Khi khoanh khung vài ví dụ trong ảnh, mô hình dự đoán bản đồ mật độ của toàn bộ vật thể cùng loại rồi đếm. FSC-147 gồm 6.135 ảnh vật thể thông thường thuộc 147 hạng mục. Đây không phải ảnh linh kiện nhà máy. Xin lưu ý rằng giá trị sai số trong nghiên cứu không thể hiện độ chính xác khi đếm linh kiện tại nhà máy.

Ý nghĩa thực tiễn là có những phương pháp cho phép bắt đầu đếm chỉ bằng cách đưa ra vài ví dụ, mà không cần thu thập lượng lớn ảnh huấn luyện cho từng mã hàng. Tuy nhiên, có thể dùng phương pháp đó để quyết định đạt hay không đạt ở khâu nhận hàng hoặc xuất hàng hay không lại là vấn đề khác. Cần vận hành song song để kiểm chứng với mã hàng và quy cách đóng gói của chính doanh nghiệp.

Những gì AI hình ảnh đếm kém: chồng lấp, chất đống, phản quang, trong suốt

Hãy xác nhận những đối tượng mà AI hình ảnh đếm kém, dựa trên nghiên cứu và giải thích của sản phẩm.

Bài “Counting Machine Parts” (Arockiaraj và cộng sự, arXiv), đăng vào tháng 5/2026, đề cập việc đếm vòng đệm dùng cho máy móc. Báo cáo này nêu các khó khăn chính là vật thể chồng lấp, khác biệt về tỷ lệ kích thước của vật thể, bị che khuất và điều kiện chiếu sáng thay đổi. Ở đây chúng tôi chỉ dùng phần đặt vấn đề này.

Bài “Automated Counting of Stacked Objects in Industrial Inspection” (Dumery và cộng sự, arXiv), đăng vào tháng 3/2026, đề cập linh kiện sản xuất xếp chồng trong thùng chứa. Điểm xuất phát của nghiên cứu này là phần lớn linh kiện xếp chồng bị che khuất và không nhìn thấy được. Vì vậy, nghiên cứu đề xuất phương pháp ước tính hình dạng 3 chiều và tỷ lệ chiếm chỗ từ ảnh chụp ở nhiều góc nhìn để đếm. Tức là, linh kiện chất đống trong thùng thì chỉ chụp một tấm từ trên xuống sẽ có những chiếc không nhìn thấy, nên về nguyên lý không thể đếm được.

Từ 2 nghiên cứu này, có thể rút ra những điều sau cho hiện trường.

• Chồng lấp và tiếp xúc: khi các linh kiện chồng lên nhau hoặc chạm nhau, ranh giới của từng chiếc khó phân biệt. Trong nhiều trường hợp, thao tác trải phẳng là điều kiện tiên quyết
• Chất đống: linh kiện chất đống trong thùng hoặc túi thì không thể đếm bằng một tấm ảnh chụp từ trên xuống. Cần trải ra để đếm, hoặc kết hợp với cân đếm
• Khác biệt kích thước: khi lẫn linh kiện lớn và nhỏ, dễ xảy ra đếm sai
• Chiếu sáng thay đổi: khi hình ảnh thay đổi do ánh sáng từ cửa sổ hoặc thời điểm trong ngày, kết quả sẽ dao động

Về linh kiện phản quang, có phần giải thích về công cụ đếm bằng AI cho In-Sight SnAPP mà Cognex công bố ngày 6/8/2024. Hãng giải thích rằng công cụ có thể đếm cả vật thể có kích thước tương tự nhau, linh kiện phản quang hoặc bị biến dạng, và vật thể khác nhau về độ tương phản hay hình dạng. Đây là tuyên bố của nhà sản xuất. Nói ngược lại, phản quang và biến dạng nhìn chung là những đối tượng khó đếm. Hãy kiểm chứng với linh kiện của chính doanh nghiệp.

Linh kiện trong suốt và linh kiện nhựa cho ánh sáng đi qua cũng là đối tượng khó. Chiếu sáng xuyên thấu, làm nổi đường viền như bóng đổ, có thể có lợi cho việc tách từng linh kiện. Tuy nhiên, hiệu quả này thay đổi tùy linh kiện và thiết bị, nên chúng tôi không ước tính bằng con số. Cách chọn chiếu sáng được tổng hợp trong bài viết về chọn chiếu sáng cho kiểm tra ngoại quan AI, còn cách quyết định độ phân giải và trường nhìn của camera được tổng hợp trong bài viết về chọn camera công nghiệp.

Máy đếm cuộn linh kiện X-quang: tồn kho linh kiện chip là lĩnh vực của thiết bị chuyên dụng

Linh kiện chip SMD được bảo quản ở trạng thái quấn trên cuộn. Nhìn bằng mắt không biết được số linh kiện còn lại trên cuộn. Tháo cuộn ra đếm bằng tay thì mất thời gian. Ở lĩnh vực này, các thiết bị chuyên dụng chụp xuyên thấu cuộn bằng X-quang để đếm đã được sử dụng. Sẽ dễ hệ thống hóa hơn nếu coi AI hình ảnh là lựa chọn đảm nhận các linh kiện rời, khay và đồ chứa trong thùng còn lại.

Tất cả nội dung dưới đây là giải thích của nhà sản xuất hoặc đại lý.

• VJ Electronix XQuik III: Trang sản phẩm của đại lý DKSH giải thích rằng thiết bị đáp ứng tiêu chuẩn độ chính xác 99,8% của ngành. Trang này không ghi con số đó là giá trị với linh kiện nào, trong điều kiện nào. Trang cũng đăng các thông số như cho kết quả đọc mã vạch và đếm trong chưa đến 10 giây, quét mã vạch tự động, độ phân giải chụp 130 μm, X-quang 60 kV
• VJ Electronix XQuik V: Theo bài viết ngày 6/1/2026 của Circuits Assembly, hãng giải thích rằng thiết bị có chức năng đếm linh kiện và quản lý tồn kho bằng X-quang, ngăn kéo nạp tự động, camera mã vạch liên kết nhận diện cuộn với dữ liệu đếm, giúp giảm sai sót nhập liệu thủ công
• Scienscope AXI5100c: Theo bài viết ngày 16/2/2016, đây là máy đếm linh kiện X-quang nội tuyến hoàn toàn tự động, đếm được cả linh kiện cỡ 03015. Hãng giải thích rằng thiết bị xử lý được 4 cuộn 7 inch hoặc 1 cuộn 15 inch, và cũng đếm được linh kiện trong túi ESD, thanh (stick) và khay
• Scienscope AXC-800 III: Theo bài viết ngày 21/8/2019, hãng giải thích rằng thiết bị đếm 4 cuộn 7 inch trong vòng 23 giây, và 1 cuộn lớn 13 đến 15 inch trong vòng 16 giây. Bài viết cũng giới thiệu máy quét mã vạch tích hợp và chức năng tự động in nhãn
• JFE Shoji Electronics iNsight-2000: Theo trang của hãng, thiết bị đo đồng thời tối đa 4 cuộn 7 inch và có thể liên kết với ERP hoặc MES. Hãng giải thích rằng thiết bị đếm được mà không cần mở bao bì chống ẩm bằng nhôm (ESD, MSD)

Chúng tôi không xác nhận được giá công khai của bất kỳ thiết bị nào. JFE Shoji Electronics ghi là “liên hệ để biết giá”.

Lý do cân nhắc máy đếm X-quang không chỉ là công lao động. Còn có những lý do như muốn đếm mà không mở bao bì chống ẩm (quản lý MSD), muốn nhập chính xác nhận diện cuộn và số lượng còn lại vào hệ thống tồn kho, hoặc khách hàng yêu cầu quản lý tồn kho linh kiện. Như sẽ thấy trong mô hình ước tính ở nửa sau, với nhà máy có ít cuộn, có trường hợp khó thu hồi vốn đầu tư chỉ bằng việc giảm công lao động.

Ví dụ sản phẩm, dịch vụ và ví dụ tự phát triển

Dưới đây giới thiệu các ví dụ cụ thể về đếm bằng AI hình ảnh từ 3 hướng: sản phẩm, ứng dụng và tự phát triển. Tất cả đều là giải thích của nhà sản xuất hoặc của ví dụ triển khai thực tế, không phải khuyến nghị.

Cognex (công cụ đếm cho cảm biến thị giác): Ngày 6/8/2024, hãng công bố công cụ đếm bằng AI cho cảm biến thị giác In-Sight SnAPP (xác nhận qua thông cáo báo chí của hãng đã được phát hành). Hãng giải thích rằng công cụ có thể dùng để kiểm tra lắp ráp và tự động hóa kiểm tra số lượng. Về những đối tượng có thể đếm, xem phần đã đề cập ở chương trước. Đây là cảm biến thị giác lắp cố định trên dây chuyền. Chúng tôi không xác nhận được giá công khai.

CountThings (ứng dụng trên điện thoại và PC): Đây là ứng dụng do Dynamic Ventures cung cấp, phát hiện và đếm vật thể từ ảnh hoặc video. Hãng giải thích rằng ứng dụng dùng được trên iOS, Android và Windows. Đối tượng cần đếm được chỉ định bằng “mẫu đếm” (count template). Theo trang tiếng Nhật của hãng, hãng hỗ trợ phân tích ảnh mẫu của khách hàng để tối ưu hóa mẫu đếm hoặc tạo mẫu mới, và trong hầu hết trường hợp dịch vụ tối ưu hóa này là miễn phí. Hãng giải thích rằng ứng dụng đếm ngoại tuyến ngay trong thiết bị, bảo vệ quyền riêng tư dữ liệu.

Về độ chính xác, trang của hãng có nội dung với ý “nếu không đạt độ chính xác hoàn toàn thì hãy liên hệ”. Đây là cách diễn đạt dựa trên tiền đề rằng độ chính xác thay đổi tùy đối tượng và mẫu đếm. Điều đó không có nghĩa là đếm được hoàn toàn chính xác với bất kỳ đối tượng nào. Các ví dụ ứng dụng được nêu gồm viên thuốc, ống, khúc gỗ tròn, tấm thạch cao, gỗ xẻ.

Bảng giá đăng trên trang của hãng (tại thời điểm truy cập tháng 10/2026) như sau. Gói tháng là 120 USD mỗi thiết bị, gói năm là 1.200 USD mỗi thiết bị. Giấy phép 24 giờ có giá từ 24 USD cho 1 giấy phép đến 150 USD cho 10 giấy phép, còn gói tính theo lượt dùng là 80 USD cho mỗi 100 lượt đếm. “CountThings from Video”, đếm bằng video, có giá 600 USD mỗi tháng hoặc 2.400 USD mỗi năm cho mỗi thiết bị.

Mitsubishi Materials (ví dụ tự phát triển): Đây là ví dụ triển khai thực tế do nhà cung cấp dịch vụ đám mây iret (cloudpack) công bố ngày 24/6/2025. Để nâng cao hiệu quả công việc đếm linh kiện trong nhà máy, Mitsubishi Materials đã phát triển ứng dụng phân tích ảnh bằng AI sử dụng phương pháp phát hiện đối tượng YOLO. Nền tảng là AWS (Amazon SageMaker), giao diện được xây dựng bằng React. Đối tượng là mũi khoan dùng cho mài, linh kiện insert và các loại tương tự.

Về hiệu quả, tình huống ghi nhận giảm khoảng 3 ngày công mỗi tháng. Việc huấn luyện được cho là dùng 30 đến 40 ảnh cho mỗi loại linh kiện. Độ chính xác không được nêu bằng con số, mà chỉ có mô tả rằng sự cân bằng giữa độ chính xác và tốc độ phản hồi được đánh giá cao. Đây là tình huống tại một nhà máy và linh kiện cụ thể của công ty này tại Nhật Bản, không phải tình huống tại cơ sở ở Thái Lan. Chi phí phát triển cũng không được ghi.

3 ví dụ này có hình thái hoàn toàn khác nhau: cảm biến cố định trong công đoạn, ứng dụng do người thao tác cầm theo, và hệ thống tự xây dựng. Việc chọn hình thái nào sẽ được hệ thống hóa ở chương “Chọn cấu hình” phía sau.

Bắt đầu từ đâu: so sánh 4 tình huống nhận hàng, cấp phát, xuất hàng và kiểm kê

Trong nhà máy, linh kiện được đếm chủ yếu ở 4 tình huống: nhận hàng, cấp phát (kitting), đóng gói xuất hàng và kiểm kê. Thiệt hại khi đếm sai và quy cách đóng gói khác nhau theo từng tình huống, nên phương pháp phù hợp cũng khác nhau.

Điều có thể thấy từ bảng này là cùng là “thừa 1 chiếc”, ý nghĩa lại khác nhau tùy tình huống. Đếm thừa ở khâu nhận hàng và đóng thiếu ở khâu xuất hàng khác nhau cả về đối tượng chịu thiệt hại lẫn mức thiệt hại. Khi chọn tình huống để bắt đầu, trước hết hãy rà soát xem hiện nay thừa thiếu đang xảy ra ở đâu và thiệt hại khoảng bao nhiêu.

Việc xây dựng cơ chế cho từng tình huống được trình bày chi tiết trong các bài viết riêng. Về nhận hàng, xem bài viết về hệ thống kiểm tra đầu vào; về cấp phát, xem bài viết về quản lý cấp phát vật tư sản xuất và bài viết về tự động hóa cấp liệu cho dây chuyền. Về xuất hàng, chúng tôi đã tổng hợp trong bài viết về hệ thống kiểm tra hàng nhập xuất và bài viết về ngăn ngừa giao hàng sai.

Nếu bắt đầu từ AI hình ảnh, ứng viên là những tình huống có thể trải phẳng linh kiện. Ví dụ như công đoạn kitting trải linh kiện nhỏ lên khay rồi cấp phát, hoặc công đoạn xếp linh kiện lên khay để kiểm tra trước khi xuất hàng. Với tình huống muốn đếm nguyên trong túi hoặc thùng, cân đếm thường phù hợp hơn.

Dữ liệu huấn luyện và nhãn: cách quản lý danh mục mã hàng và hình ảnh

Phần tốn công trong đếm bằng AI hình ảnh không nằm ở bản thân AI, mà ở việc quản lý hình ảnh và danh mục (master) của từng mã hàng. Ở nhà máy có hàng trăm, hàng nghìn mã hàng, đây sẽ là trọng tâm của vận hành.

Có 3 cách nghĩ như sau.

1. Ảnh đăng ký theo từng mã hàng: gắn cho mỗi mã hàng trong danh mục mã hàng ảnh đại diện và hình dạng nhìn thấy của đối tượng cần đếm (mặt trước và mặt sau, hướng đặt). Cần làm sao để biết ảnh nào đã cũ khi mã linh kiện thay đổi, hoặc khi đổi nhà cung cấp khiến ngoại quan thay đổi
2. Phương pháp khoanh vài ví dụ và mô hình huấn luyện sẵn: với các sản phẩm hay ứng dụng dùng cách nghĩ đếm không phụ thuộc lớp, chỉ cần khoanh vài ví dụ trên màn hình là có thể bắt đầu đếm. Không cần thu thập lượng lớn ảnh huấn luyện cho từng mã hàng, nhưng độ chính xác theo từng mã hàng và quy cách đóng gói phải được kiểm chứng bằng vận hành song song
3. Phương pháp huấn luyện theo từng mã hàng: tình huống của Mitsubishi Materials ghi rằng mô hình được huấn luyện với 30 đến 40 ảnh cho mỗi loại linh kiện. Đây là con số với linh kiện và điều kiện cụ thể của công ty này. Số ảnh cần thiết thay đổi tùy hình dạng nhìn thấy của linh kiện và quy cách đóng gói, nên chúng tôi không dùng nó làm mức tham khảo chung

Quy trình khi thêm mã hàng cũng cần quyết định ngay từ đầu. Ai chụp ảnh. Ai khoanh vài ví dụ hoặc gán nhãn. Ai xem kết quả vận hành song song và phê duyệt sử dụng. Mã hàng chưa được phê duyệt thì xử lý bằng đếm tay hoặc cân đếm. Nếu không có quy trình như vậy, mã hàng sẽ bị tự ý thêm ở hiện trường và được sử dụng mà không có kiểm tra độ chính xác.

Chất lượng gán nhãn cũng quan trọng. Nếu số lượng đúng (đáp án) của một tấm ảnh bị sai, cả việc đánh giá lẫn huấn luyện đều sai lệch. Cần có những biện pháp như để 2 người đếm đáp án rồi đối chiếu, hoặc đối chiếu cả với kết quả cân đếm. Cách tiến hành gán nhãn được tổng hợp trong bài viết về gán nhãn cho AI kiểm tra ngoại quan.

Cách đặt tiêu chí đạt: không phải sai số trung bình mà là “tỷ lệ khớp chính xác” và “mức thừa hoặc thiếu lớn nhất”

Chỉ số thường thấy trong PoC và nghiệm thu là “sai số trung bình”. Tuy nhiên, với việc đếm linh kiện, chỉ dựa vào sai số trung bình thì không thể đánh giá. Ví dụ, trường hợp 99 trên 100 lần chính xác nhưng chỉ 1 lần lệch rất lớn, và trường hợp lần nào cũng lệch một chút, có thể cho sai số trung bình gần nhau. Điều thành vấn đề ở hiện trường là 1 lần lệch lớn đó.

Vì vậy, cần xem các chỉ số sau theo từng mã hàng và quy cách đóng gói.

Giá trị mục tiêu không có chuẩn chung của ngành. Hãy quyết định dựa trên tình huống và thiệt hại của doanh nghiệp, bắt đầu PoC với giá trị đặt làm ví dụ, rồi xem kết quả để điều chỉnh.

Điều đặc biệt quan trọng là tính bất đối xứng giữa lỗi đếm thừa và lỗi đếm thiếu. Ở khâu nhận hàng, nếu AI đếm thừa thì thực tế hàng thiếu nhưng vẫn được nhận đủ số, về sau sẽ thiếu hàng. Ở khâu xuất hàng, nếu AI đếm thừa thì thực tế đã đóng thiếu, và khách hàng sẽ khiếu nại thiếu hàng. Ngược lại, khi đếm thiếu thì hoặc là đóng dư và mất hàng, hoặc là tăng công đếm lại. Cần ưu tiên chặn lỗi nào hơn sẽ khác nhau theo từng tình huống.

Khi không chắc chắn về kết quả AI đưa ra, hoặc khi kết quả không khớp với phương pháp khác như cân đếm, hãy chuyển lại cho người đếm lại. Chỉ khi “quy trình chuyển lại” này hoạt động thì mới có thể dùng kết quả đếm của AI cho nghiệp vụ. Cách nghĩ thiết kế đồng thời cho phát hiện thừa và bỏ sót cũng giống như kiểm tra ngoại quan. Chi tiết xem tại bài viết về giảm loại nhầm khi kiểm tra ngoại quan bằng AI.

Cũng cần chú ý đến khoảng thời gian của dữ liệu đánh giá. Nếu chỉ đánh giá bằng ảnh cùng ngày, cùng người thao tác, cùng lô với ảnh đã dùng trong PoC, kết quả sẽ dễ đẹp. Hãy đánh giá trong khoảng thời gian bao gồm ngày khác, ca khác và lô khác.

Ghi nhận và tích hợp hệ thống: ảnh, mã hàng, lô và người thao tác vào MES/WMS/ERP

Số lượng là cửa ngõ của truy xuất nguồn gốc và tồn kho. Nếu kết quả đếm chỉ được ghi trên giấy, thì dù đưa AI vào, hiệu quả cũng chỉ được một nửa. Hãy lưu các thông tin sau thành một bản ghi và chuyển sang hệ thống.

• Ngày giờ và địa điểm đếm (nhận hàng, cấp phát, xuất hàng hay kiểm kê)
• Mã hàng, lô, nhà cung cấp hoặc nơi nhận hàng
• Phương pháp đếm (AI hình ảnh, cân, X-quang, đếm tay) và số lượng kết quả
• Ảnh dùng để đếm (với AI hình ảnh hoặc X-quang)
• Người thao tác, và nếu đã chuyển lại cho người thì lý do và kết quả đếm lại

Mã vạch hữu ích cho việc gọi thông tin mã hàng. METTLER TOLEDO nêu ví dụ cấu hình ở khâu nhận hàng: gọi thông tin mã hàng từ máy quét mã vạch và gửi kết quả đếm sang ERP hoặc MES. Đếm bằng AI hình ảnh cũng có thể dùng cách nghĩ tương tự. Nếu đọc mã vạch trên thùng hoặc phiếu hàng trước, gọi mẫu đếm của mã hàng đó rồi mới đếm, thì có thể tránh chọn nhầm mã hàng.

Việc lưu ảnh sẽ hữu ích về sau. Khi thông báo cho nhà cung cấp về việc thiếu số lượng, hoặc khi khách hàng hỏi về sai số lượng trong thùng, nếu có ảnh và bản ghi thì có thể chứng minh tại thời điểm đó có bao nhiêu chiếc. Thời hạn lưu và nơi lưu được quyết định theo yêu cầu của khách hàng và quy định nội bộ.

Hệ thống cần liên kết khác nhau tùy cơ chế của nhà máy. Tồn kho được quản lý bằng WMS hay ERP, lô có được theo dõi bằng MES hay không. Ai phê duyệt kết quả đếm trước khi phản ánh vào tồn kho. Những điểm này cần được làm rõ trước khi triển khai. Cách xử lý chênh lệch phát sinh khi kiểm kê sẽ được đề cập ở chương sau.

Kiểm kê và chênh lệch tồn kho: “cách đếm nhất quán” quan trọng hơn tốc độ đếm

Khi kiểm kê, người ta thường chú ý đến tốc độ đếm. Tuy nhiên, để giảm nguyên nhân gây chênh lệch tồn kho, sự nhất quán trong cách đếm quan trọng hơn. Nếu cùng một mã hàng mà người thì đếm tay, người thì cân, người thì tin vào con số ghi trên thùng, sẽ không biết được nguyên nhân của chênh lệch.

Việc hồ sơ tồn kho không khớp không phải là chuyện hiếm. Trong nghiên cứu năm 2008 của DeHoratius và Raman, khảo sát khoảng 370.000 hồ sơ tồn kho tại 37 cửa hàng của một doanh nghiệp bán lẻ ở Mỹ, 65% hồ sơ tồn kho không khớp với tồn kho thực tế. Đây là khảo sát trong ngành bán lẻ, không phải con số có thể áp nguyên vào tồn kho linh kiện của ngành sản xuất. Tuy vậy, cùng nghiên cứu này báo cáo rằng kiểm toán kiểm kê là yếu tố làm giảm sự không khớp. Điều đó cho thấy việc hoàn thiện cơ chế đếm là có ý nghĩa.

Khi quyết định phương pháp đếm cho kiểm kê, hãy quy định theo từng mã hàng rằng “mã hàng này đếm bằng phương pháp này”, và lưu vào danh mục mã hàng. Ví dụ như cuộn thì dùng X-quang, linh kiện nhỏ có khối lượng từng chiếc đồng đều thì dùng cân, linh kiện rời có thể xếp ra thì dùng AI hình ảnh. Nếu ghi lại phương pháp, kết quả và ảnh, khi có chênh lệch sẽ phân biệt được đó là vấn đề của cách đếm hay vấn đề của ghi nhận nhập xuất.

Cách rút ngắn thời gian kiểm kê được trình bày trong bài viết về rút ngắn thời gian kiểm kê, cách điều tra nguyên nhân chênh lệch trong bài viết về nguyên nhân và cách khắc phục chênh lệch tồn kho, và cách tiến hành kiểm kê thực tế trong bài viết về kiểm kê kho hiệu quả.

Chọn cấu hình: ứng dụng điện thoại, trạm cố định, edge/on-premise

Cấu hình đếm bằng AI hình ảnh có 3 loại chính.

Điều cần cân nhắc trước tiên là việc đưa dữ liệu ra ngoài. Hãy xác nhận ảnh linh kiện và thông tin mã hàng có được phép gửi lên đám mây hay không. CountThings giải thích rằng ứng dụng đếm ngoại tuyến ngay trong thiết bị. Việc có cấu hình dùng được mà không gửi lên đám mây hay không là một tiêu chí khi so sánh sản phẩm.

Cũng cần kiểm tra mạng của nhà máy. Nếu Wi-Fi yếu ở sâu trong kho hoặc khu đóng gói, kết quả sẽ không gửi được sang hệ thống. Có trường hợp cần cơ chế đếm ngoại tuyến rồi gửi gộp sau. Cách nghĩ về cấu hình xử lý tại edge được tổng hợp trong bài viết về triển khai Edge AI trong nhà máy.

Sau khi bắt đầu vận hành, công việc vẫn tiếp tục: thêm mã hàng, thay ảnh của mã hàng có ngoại quan thay đổi, và giám sát sự suy giảm độ chính xác. Độ chính xác có thể giảm do những thay đổi như đổi nhà cung cấp khiến màu linh kiện thay đổi, hoặc thay đèn chiếu sáng. Hãy định kỳ đo lại tỷ lệ khớp đã xác nhận bằng vận hành song song, cả trong quá trình vận hành. Cách giám sát và huấn luyện lại mô hình xem tại bài viết về giám sát mô hình AI nhà máy.

Yêu cầu ghi trong RFP và tiêu chí nghiệm thu FAT/SAT

Trước khi đề nghị nhà cung cấp báo giá, hãy văn bản hóa việc muốn đếm cái gì. Bảng sau là ví dụ các yêu cầu ghi trong RFP (hồ sơ mời đề xuất). Mục tiêu bằng con số do doanh nghiệp tự quyết định, bắt đầu từ giá trị đặt làm ví dụ.

Việc đề nghị tách báo giá là để dễ so sánh. Có trường hợp phần cứng rẻ nhưng chi phí công đăng ký mã hàng lại cao. Giấy phép tính theo thiết bị, theo cơ sở hay theo số lần đếm cũng làm tổng chi phí thay đổi.

Thử nghiệm nghiệm thu được chia làm 2 giai đoạn.

• FAT (thử nghiệm trước khi xuất xưởng): phía nhà cung cấp tái hiện việc đếm bằng mẫu thực tế trong quá khứ của doanh nghiệp. Xác nhận từng mã hàng và quy cách đóng gói đối tượng có đáp ứng tiêu chí đạt trong RFP hay không
• SAT (thử nghiệm nghiệm thu tại hiện trường): sử dụng tại nhà máy của doanh nghiệp theo đúng luồng vận hành thực tế. Vận hành song song với đếm tay của người hoặc cân đếm, rồi đối chiếu kết quả. Xác nhận tỷ lệ khớp chính xác, mức thừa hoặc thiếu lớn nhất và tỷ lệ chuyển lại cho người theo từng mã hàng và quy cách đóng gói

Ngừng đếm tay dần, bắt đầu từ những mã hàng đã đáp ứng tiêu chí trong SAT. Với mã hàng chưa đáp ứng, quyết định thay đổi cách đặt hay giữ nguyên cân đếm. Không cần chuyển đổi tất cả mã hàng cùng một lúc.

Cũng có trường hợp dùng việc xác nhận số lượng như một biện pháp poka-yoke trong công đoạn lắp ráp. Ví dụ như kiểm tra xem đã dùng đúng số lượng ốc vít quy định hay chưa. Trong trường hợp này, mục đích là ngăn bỏ sót thao tác hơn là đếm. Cách nghĩ này được trình bày trong bài viết về poka-yoke.

Mô hình ước tính chi phí và hiệu quả (số liệu giả định)

Các con số từ đây trở đi đều là số liệu giả định dành riêng cho bài viết này. Nhiều sản phẩm không xác nhận được giá chính thức, nên chi phí cũng là giả định. Xin hãy đọc như một khung tham khảo khi doanh nghiệp tự ước tính.

Nhà máy giả định là nhà máy linh kiện điện tử hoặc linh kiện ô tô của Nhật Bản tại Thái Lan. Linh kiện nhỏ được đếm ở 3 nơi: nhận hàng, kitting và đóng gói xuất hàng. Nhà máy vận hành 2 ca, 250 ngày mỗi năm.

Giá trị cơ sở hiện tại (năm)

Cấu hình A: 3 trạm đếm bằng AI hình ảnh

Bao gồm camera, chiếu sáng, PC, phần mềm, liên kết danh mục mã hàng với MES, và đăng ký mã hàng. Chi phí ban đầu giả định là 1.500.000 THB, chi phí vận hành hằng năm (giấy phép, thêm mã hàng, bảo trì) là 180.000 THB.

Cấu hình B: cấu hình A cộng thêm 1 máy đếm cuộn linh kiện X-quang

Chi phí ban đầu bổ sung giả định là 2.000.000 THB, chi phí vận hành hằng năm bổ sung là 100.000 THB.

Độ nhạy: cấu hình A, khi giá trị cơ sở của công đếm tay gấp 2 lần

Giả sử giá trị cơ sở của công đếm tay là 1.440.000 THB/năm. Giảm 50% công đếm tay tương đương 720.000 THB/năm. Tổng hiệu quả là 720.000 + 180.000 = 900.000 THB/năm, hiệu quả ròng là 900.000 − 180.000 = 720.000 THB/năm, thời gian hoàn vốn là 1.500.000 ÷ 720.000, khoảng 2,1 năm.

Những điều có thể đọc ra từ mô hình ước tính này như sau.

• Thời gian hoàn vốn của cấu hình A thay đổi lớn tùy theo khối lượng công đếm tay. Nếu giá trị cơ sở gấp 2 lần, thời gian hoàn vốn rút ngắn từ khoảng 4,2 năm xuống khoảng 2,1 năm. Đo thời gian đếm tay hiện tại là điểm xuất phát của việc ước tính
• Phần bổ sung của cấu hình B, nếu chỉ tính giảm công lao động, cần khoảng 14,3 năm để hoàn vốn. Nghĩa là với nhà máy có ít cuộn, máy đếm X-quang khó hoàn vốn chỉ bằng việc giảm công lao động. Khi quyết định, hãy cân nhắc thêm số lượng cuộn, tần suất kiểm kê, quản lý MSD (có muốn đếm mà không mở bao bì hay không) và yêu cầu của khách hàng
• Mức “giảm 30% chi phí xử lý phát sinh do sai lệch số lượng” dựa trên tiền đề là quy trình chuyển các lỗi đếm sai của AI lại cho người đang hoạt động. Xin đừng tính hiệu quả này cho đến khi đã xác nhận được tỷ lệ khớp bằng vận hành song song

Câu hỏi thường gặp

AI đếm linh kiện là gì? Khác gì so với cân đếm?

Đếm bằng AI là phương pháp đếm số lượng bằng cách phát hiện các linh kiện xuất hiện trong ảnh chụp từ camera, hoặc ước lượng mật độ của chúng. Cân đếm tính số lượng bằng cách chia tổng khối lượng cho khối lượng trung bình từng chiếc. Khác biệt là cân yếu trước độ dao động khối lượng từng chiếc, còn AI hình ảnh yếu trước chồng lấp, bị che khuất và chiếu sáng. Một khác biệt nữa là AI hình ảnh có thể lưu ảnh đã đếm làm bằng chứng.

Đếm linh kiện bằng hình ảnh với AI chính xác đến mức nào?

Độ chính xác thay đổi lớn tùy linh kiện đối tượng và quy cách đóng gói, nên không thể trả lời bằng một con số chung. Sai số nêu trong nghiên cứu được đo trong điều kiện như ảnh vật thể thông thường, không áp nguyên được vào linh kiện của doanh nghiệp. Hãy vận hành song song với đếm tay của người hoặc cân đếm trên mã hàng và quy cách đóng gói của doanh nghiệp, đo tỷ lệ khớp chính xác và mức thừa hoặc thiếu lớn nhất theo từng mã hàng rồi mới đánh giá.

Có đếm được linh kiện còn nằm nguyên trong túi hoặc thùng không?

Dùng AI hình ảnh chụp một tấm từ trên xuống để đếm linh kiện chất đống trong thùng là việc về nguyên lý rất khó, vì có những linh kiện không nhìn thấy được. Trong nghiên cứu cũng có đề xuất phương pháp đếm từ ảnh chụp ở nhiều góc nhìn, nhưng ở hiện trường, cách trải ra để đếm hoặc dùng cân đếm là lựa chọn thực tế. Linh kiện chip nằm trong cuộn hoặc túi ESD là đối tượng của máy đếm X-quang.

Tự động đếm linh kiện bằng ứng dụng điện thoại có đủ không?

Ở giai đoạn có nhiều mã hàng và muốn thử trước, ứng dụng điện thoại là lựa chọn mạnh. Tuy nhiên, khoảng cách chụp và chiếu sáng thay đổi mỗi lần, nên kết quả có thể dao động. Nếu muốn lưu chính thức bản ghi số lượng ở khâu nhận hàng hoặc xuất hàng, hãy cân nhắc có cần trạm cố định với điều kiện chụp đồng nhất, và liên kết với danh mục mã hàng cũng như hệ thống hay không.

Máy đếm linh kiện X-quang dùng để làm gì?

Chủ yếu dùng để đếm số lượng còn lại trên cuộn quấn linh kiện chip SMD. Nhà sản xuất giải thích rằng có thể đếm mà không cần tháo cuộn, và tùy thiết bị, có thể đếm mà không cần mở bao bì chống ẩm. Các hãng cũng giới thiệu cấu hình liên kết nhận diện cuộn với dữ liệu đếm bằng mã vạch rồi gửi sang ERP hoặc MES.

Cần bao nhiêu ảnh để huấn luyện?

Tùy phương pháp. Với phương pháp chỉ cần khoanh vài ví dụ là có thể bắt đầu đếm, không cần thu thập lượng lớn ảnh cho từng mã hàng. Về ví dụ cho phương pháp huấn luyện theo từng mã hàng, tình huống của Mitsubishi Materials ghi là 30 đến 40 ảnh cho mỗi loại linh kiện. Đây là con số với linh kiện và điều kiện cụ thể của công ty này, không phải mức tham khảo chung.

Thời gian triển khai mất bao lâu?

Thời gian được quyết định bởi số mã hàng và số loại quy cách đóng gói. Nếu bắt đầu từ ít mã hàng và linh kiện có thể trải phẳng thì ngắn, còn nếu nhiều mã hàng và quy cách đóng gói đa dạng thì dài hơn. Cách tiến hành thực tế là ở từng giai đoạn PoC, FAT, SAT, vừa xác nhận đạt theo từng mã hàng và quy cách đóng gói, vừa mở rộng phạm vi.

Tổng kết

• Đưa AI vào việc đếm linh kiện là chuyện phân chia sử dụng cân đếm, đếm bằng AI hình ảnh và máy đếm cuộn linh kiện X-quang theo 3 trục: quy cách đóng gói, đặc tính linh kiện và thiệt hại khi đếm sai
• Sai số của cân đếm chủ yếu phát sinh từ độ dao động khối lượng từng chiếc, sai số của đếm bằng hình ảnh chủ yếu phát sinh từ chồng lấp, bị che khuất và chiếu sáng
• Linh kiện chất đống trong thùng về nguyên lý không thể đếm chỉ bằng một tấm ảnh chụp từ trên xuống. AI hình ảnh phát huy hiệu quả nhất trong tình huống linh kiện có thể trải phẳng, khối lượng từng chiếc không đồng đều và muốn lưu ảnh làm bằng chứng
• Cuộn linh kiện chip là lĩnh vực của một thiết bị chuyên dụng là máy đếm X-quang. Với nhà máy có ít cuộn, khó hoàn vốn chỉ bằng giảm công lao động, nên cần quyết định có tính cả quản lý MSD và yêu cầu của khách hàng
• Tiêu chí đạt không dựa trên sai số trung bình, mà dựa trên tỷ lệ khớp chính xác và mức thừa hoặc thiếu lớn nhất theo từng mã hàng và quy cách đóng gói; trường hợp không khớp hoặc độ tin cậy thấp thì chuyển lại cho người
• Yêu cầu cần bao gồm cả việc ghi nhận kết quả đếm cùng với ảnh, mã hàng, lô và người thao tác, rồi chuyển sang MES, WMS, ERP
• Trong RFP, đề nghị báo giá tách riêng phần cứng, giấy phép, đăng ký mã hàng và bảo trì; trong SAT, vận hành song song và đối chiếu kết quả

Ngay cả ở giai đoạn rà soát nên bắt đầu từ mã hàng nào, quy cách đóng gói nào, và cách đếm hiện tại đang phát sinh thừa thiếu ở đâu, quý doanh nghiệp cũng có thể trao đổi với TOMAS TECH. Vui lòng liên hệ qua biểu mẫu này.

Tài liệu tham khảo

• https://www.mt.com/dam/ind/library/know-how/industrial-scales/every-piece-counts-ebook/value-content/Piece_Counting_with_Scales_-_eBook-EN-GU-B-IND-20251201-00190732.pdf
• https://www.aandd.co.jp/pdf_storage/whatsnew/2023/0126_gc.pdf
• https://www.aandd.co.jp/products/weighing/balance/bal-counting/gc/
• https://countthings.com/
• https://countthings.com/ja/qa
• https://aap.com.au/aapreleases/cision20240806ae74310/
• https://technology-products.dksh.com/product/vj-electronix-xquik-iii/
• https://www.circuitsassembly.com/ca/editorial/menu-new-indust-prod/42870-vj-electronix-offers-xquik-v-x-ray-component-counter.html
• https://circuitsassembly.com/ca/editorial/menu-new-indust-prod/25720-scienscope-rolls-out-axi5100c-x-ray-component-counter.html
• https://circuitsassembly.com/ca/editorial/menu-new-indust-prod/31893-scienscope-releases-axc-800-iii-x-ray-component-counter.html
• https://pr.mono.ipros.com/en/jfe-shoji-ele/product/detail/2001520031/
• https://cloudpack.jp/casestudy/25-08-mmc.html
• https://arxiv.org/html/2501.19184v4
• https://openaccess.thecvf.com/content/CVPR2021/papers/Ranjan_Learning_To_Count_Everything_CVPR_2021_paper.pdf
• https://arxiv.org/abs/2605.17952
• https://arxiv.org/abs/2603.15470
• https://www.boi.go.th/upload/content/PR117_2569EN.pdf
• https://www.dfdl.com/insights/legal-and-tax-updates/thailand-employee-welfare-fund-2026/
• https://www.thestar.com.my/aseanplus/aseanplus-news/2026/07/16/thailand-extends-work-permits-for-migrant-workers-from-laos-myanmar-vietnam
• https://tradingeconomics.com/thailand/manufacturing-pmi/news/588422
• https://ideas.repec.org/a/inm/ormnsc/v54y2008i4p627-641.html