Triển khai robot lấy hàng | Trạng thái cấp hàng và biến động SKU quyết định mức độ phù hợp

Phần lớn những người tìm hiểu về việc triển khai robot lấy hàng đều đặt trọng tâm đánh giá vào năng lực gắp giữ, tức là liệu robot có gắp được sản phẩm của doanh nghiệp mình hay không. Tuy nhiên, thứ thực sự quyết định khả năng thu hồi vốn đầu tư không phải là mức độ tinh vi của thuật toán gắp, mà là sản phẩm được đưa tới robot ở trạng thái nào và cơ cấu mặt hàng thay đổi với tần suất ra sao. Bài viết này tạm gác lại việc so sánh hơn thua giữa các công nghệ gắp, để sắp xếp lại trình tự nhận định mức độ phù hợp theo hai trục là trạng thái cấp hàng và biến động SKU.

Robot lấy hàng là gì và ba thuật ngữ dễ nhầm lẫn cần phân biệt trước

Điều làm cho việc xem xét robot lấy hàng vấp ngã ngay từ đầu thường không phải là độ khó của công nghệ, mà là sự nhầm lẫn về thuật ngữ. Khi muốn tự động hóa công đoạn xuất hàng trong logistics hoặc trong sản xuất, có ba nhóm cơ chế thường được đưa ra làm ứng viên tại hiện trường. Thứ nhất là robot lấy hàng theo đơn vị sản phẩm lẻ, còn gọi là robot piece picking, và đây chính là chủ đề của bài viết này. Cánh tay robot gắp từng sản phẩm một rồi chuyển sang thùng chứa khác hoặc sang băng tải. Thứ hai là DPS và DAS, tức hệ thống lấy hàng kỹ thuật số, trong đó con người vẫn là người nhặt hàng theo chỉ dẫn của máy cầm tay hoặc đèn báo. Ở đây không có robot nào xuất hiện, phần được tự động hóa chỉ là chỉ dẫn lấy mặt hàng nào, lấy bao nhiêu và từ vị trí nào. Thứ ba là robot xếp pallet, đảm nhiệm công đoạn xếp thùng hoặc hộp lên pallet theo đơn vị kiện.

Ba cơ chế này khác nhau hoàn toàn về mức đầu tư, về cách hiệu quả xuất hiện, và về độ khó khi phải khắc phục nếu thất bại. Dù vậy, trong tờ trình đầu tư nội bộ hay trong yêu cầu báo giá gửi cho nhà tích hợp hệ thống, chúng vẫn thường bị gộp chung vào một cụm từ duy nhất là tự động hóa khâu lấy hàng. Khi tiền đề đã lệch mà vẫn gửi yêu cầu báo giá cho nhiều nhà cung cấp, kết quả nhận về sẽ là công ty A đề xuất một cell robot lấy hàng lẻ, công ty B đề xuất hệ thống đèn báo, còn công ty C đề xuất máy xếp pallet theo đơn vị thùng, và doanh nghiệp có trong tay một bảng so sánh chỉ xếp cạnh nhau các con số tiền. Bảng so sánh đó thoạt nhìn giống tài liệu ra quyết định, nhưng vì công đoạn được tự động hóa của ba bên vốn đã khác nhau nên việc so sánh không còn ý nghĩa. Phân tách thuật ngữ vì thế không phải là chuyện chơi chữ, mà chính là công việc thực tế để đưa các báo giá về cùng một sân.

Hiểu được ba điểm khác biệt này thì bài viết cần đọc cũng thay đổi theo. Nếu doanh nghiệp vẫn muốn giữ nguyên đội ngũ nhặt hàng bằng tay và chỉ muốn chuẩn hóa phần chỉ dẫn cùng khâu kiểm đếm, thì cách lựa chọn hệ thống lấy hàng DPS và DAS sẽ sát với thực tế công việc hơn. Nếu mục tiêu là tự động hóa việc xếp thùng lên pallet, hoặc trước hết muốn nắm mặt bằng giá, hãy tham khảo giá robot xếp pallet. Xếp pallet có đặc thù kỹ thuật riêng vì vị trí đặt thùng luôn thay đổi theo mẫu xếp, nên phải tính toán lại cho từng lượt, và đó là một tuyến vấn đề khác hẳn so với lấy hàng lẻ.

Một điểm nữa cần làm rõ là quan hệ với robot vision. Robot lấy hàng không thể vận hành nếu thiếu cơ chế đóng vai trò đôi mắt để nhận dạng vị trí và tư thế của vật thể. Theo nghĩa đó, robot vision là một cấu phần của robot lấy hàng, nhưng bản thân công nghệ robot vision không chỉ dành riêng cho việc lấy hàng mà còn được dùng cho định vị và kiểm tra ngoại quan. Nếu bạn muốn nắm cấu trúc chi phí và công thức tính hoàn vốn dưới góc nhìn robot vision nói chung, hãy xem chi phí và hoàn vốn khi triển khai robot vision. Bài viết này sẽ không đi sâu vào cấu trúc chi phí của robot vision, mà chỉ tập trung vào những vấn đề riêng của lấy hàng lẻ, đó là trạng thái cấp hàng và biến động SKU.

Thực tế về độ chính xác và năng suất của robot lấy hàng

Sau khi đã tách bạch thuật ngữ, điều tiếp theo cần nắm là thực tế về hiệu năng. Nhiều dự án đi chệch hướng ở đúng chỗ này, vì các con số độ chính xác rất cao xuất hiện trong catalogue hoặc trong bài viết về trường hợp áp dụng lại được tiếp nhận như một giá trị hiệu năng phổ quát, đúng cho mọi loại sản phẩm. Trên thực tế, cùng một robot và cùng một thuật toán, tỷ lệ thành công vẫn dao động rất mạnh tùy theo tính chất vật lý của sản phẩm và cách sản phẩm được cấp đến.

Độ chính xác chênh lệch rất lớn giữa hàng cứng và hàng dễ biến dạng

Theo khảo sát của Mordor Intelligence, độ chính xác gắp bằng AI vision đối với vật thể cứng, tức loại hàng không thay đổi hình dạng, đạt từ 95% trở lên. Ngược lại, với các sản phẩm dễ biến dạng như hàng đóng túi, mức này chỉ dừng ở khoảng 75 đến 80%. Khoảng cách đó không hẳn là do công nghệ còn non trẻ nên chưa lấp được, mà mang tính cấu trúc, vì tính chất vật lý của sản phẩm phản ánh trực tiếp lên hiệu năng. Với vật thể cứng, hình dạng thu được từ camera 3D dễ đối chiếu với mô hình đã có sẵn, nên điểm hút và điểm gắp cũng được xác định một cách ổn định. Còn hàng dễ biến dạng thì đổi hình ngay khi được đặt xuống và đổi hình thêm lần nữa ngay khi bị gắp, khiến vị trí đã nhận dạng lệch khỏi vị trí thực sự có thể gắp.

Ý nghĩa thực tế của con số này rất rõ ràng. Nếu mặt hàng xuất đi của doanh nghiệp chủ yếu là thực phẩm đóng túi hoặc bao bì mềm, thì việc cần làm trước khi cố gắng lựa chọn robot cho thật kỹ là đếm xem hàng cứng chiếm bao nhiêu phần trăm trong công đoạn mục tiêu. Mức chính xác 75 đến 80% có nghĩa là cứ khoảng 4 đến 5 lần thì có 1 lần gắp trượt, và nếu không thiết kế phương án vận hành để con người xử lý phần khắc phục đó thì dây chuyền sẽ dừng.

Chất đống ngẫu nhiên và cấp hàng theo trật tự tạo ra độ khó khác nhau

Yếu tố tác động mạnh không kém tính chất vật lý chính là trạng thái cấp hàng. Việc lấy sản phẩm ra từ trạng thái nằm lộn xộn trong thùng được gọi là random bin picking, hay lấy hàng từ đống chất ngẫu nhiên. Dựa trên các tài liệu kỹ thuật, tỷ lệ gắp thành công đối với vật thể mới hoặc chưa từng biết hiện dao động trong khoảng từ giữa mức 80% đến đầu mức 90%. Điều đáng chú ý là nút thắt cổ chai đang dịch chuyển, không còn nằm ở bản thân thuật toán gắp mà chuyển sang phía nhận dạng 3D, cụ thể là vấn đề che khuất, khi chỉ với một góc nhìn duy nhất thì phần lớn khối hàng chất đống bị khuất khỏi tầm quan sát.

Nói cách khác, thứ quyết định giới hạn trên của tỷ lệ thành công không phải là chuyện thiếu năng lực gắp, mà là chuyện ngay từ đầu robot đã không nhìn thấy. Nhìn ngược lại, chính điều này cho thấy vẫn có thể nâng tỷ lệ thành công mà không cần đổi robot, bằng cách xây dựng phần xung quanh, chẳng hạn sắp xếp sản phẩm theo trật tự ở công đoạn trước, chia ngăn trên khay chứa, hoặc tăng số góc nhìn của camera. Xét trên góc độ quyết định đầu tư, việc kiểm tra xem công đoạn của mình còn dư địa thay đổi trạng thái cấp hàng hay không sẽ hiệu quả hơn là ngồi so sánh bảng thông số của từng robot đơn lẻ.

Khi bàn tới trạng thái cấp hàng, không ít người hiểu thành rằng công ty mình chất hàng lộn xộn nên coi như không làm được. Thực tế không phải vậy. Điều cần thấy ở đây là câu chuyện phân bổ chi phí, rằng trong cùng một khoản đầu tư thiết bị, có những tình huống mà việc dành một phần ngân sách cho cải tạo trạng thái cấp hàng lại đóng góp vào tỷ lệ thành công nhiều hơn so với việc nâng cấp phiên bản của chính con robot.

Mức năng suất tham chiếu là tiền đề cho thiết kế công đoạn

Về năng lực xử lý, cũng cần nắm đúng thực tế. Năng suất phổ biến của robot lấy hàng theo đơn vị sản phẩm lẻ được ghi nhận ở mức 400 đến 600 sản phẩm mỗi giờ. Trong khảo sát của Mordor Intelligence đã dẫn ở trên có nêu con số tối đa 1,200 picks/hour, nhưng nên hiểu đó là giá trị giới hạn trên khi mọi điều kiện đã được sắp đặt hoàn hảo, chứ không phải con số xuất hiện nguyên vẹn tại một hiện trường xuất hàng có nhiều chủng loại trộn lẫn.

Mức tham chiếu này quan trọng vì nó gắn trực tiếp với việc ước lượng số lượng máy cần có. Lấy số điểm xuất hàng vào giờ cao điểm chia cho năng lực xử lý là ra con số ước lượng số cell cần thiết. Nếu bỏ qua bước tính này mà chỉ đưa vào một máy duy nhất, kết cục thường là vận hành nửa vời, ngày thường thì dư công suất còn đúng ngày cao điểm lại phải quay về huy động người. Chúng tôi khuyến nghị nắm rõ số điểm xuất hàng lúc cao điểm theo từng giờ của chính doanh nghiệp mình, trước cả khi bắt tay lựa chọn robot.

Thay đổi trong mô hình mua sắm, sự lan rộng của RaaS và đà giảm giá robot công nghiệp

Song song với thực tế về hiệu năng, thứ đã thay đổi mạnh trong vài năm qua là cách thức mua sắm. Với những ai đang lấy giá robot công nghiệp làm căn cứ cân nhắc, đây là phần mà tiền đề phán đoán đã dịch chuyển, nên nếu giữ nguyên cảm nhận giá cũ thì sẽ đi tới kết luận sai.

Theo khảo sát của Mordor Intelligence, giá thân cánh tay robot cộng tác đã giảm từ mức 50,000 USD của năm 2020 xuống dưới 15,000 USD ở thời điểm hiện tại. Tất nhiên đây là giá của riêng phần thân cánh tay, còn tay gắp, hệ thống vision, khung giá đỡ, hàng rào và thiết bị an toàn, băng tải xung quanh cùng chi phí tích hợp hệ thống vẫn phải tính thêm. Dù vậy, việc tỷ trọng chi phí thân máy trong toàn hệ thống giảm xuống đồng nghĩa với việc trọng tâm của quyết định đầu tư đã dịch chuyển, từ chỗ có mua nổi robot hay không sang chỗ thiết kế công đoạn như thế nào.

Còn một thay đổi lớn hơn nữa là sự lan rộng của RaaS, tức Robot as a Service, mô hình mua sắm theo hình thức thuê bao hàng tháng. Cũng theo khảo sát này, RaaS chiếm 60.30% số lượt triển khai của năm 2025. Việc quá nửa các dự án triển khai không còn là mua đứt mà chuyển sang hợp đồng thuê bao cho thấy các phương án khả thi đã nhiều hơn đối với những cơ sở quy mô vừa muốn hạn chế vốn đầu tư ban đầu.

Bản thân thị trường cũng được dự báo mở rộng. Cũng theo ước tính của Mordor Intelligence, quy mô thị trường robot lấy hàng lẻ đạt khoảng 1.7 tỷ USD vào năm 2025 và 2.58 tỷ USD vào năm 2026. Tốc độ tăng trưởng bình quân năm giai đoạn 2026 đến 2031 được dự báo ở mức 51.78%, và quy mô năm 2031 dự kiến đạt 20.78 tỷ USD. Tuy nhiên, các con số quy mô thị trường thuộc dạng này có tiền đề tính toán khác nhau giữa các công ty nghiên cứu và trên thực tế biên độ chênh lệch rất rộng. An toàn nhất là không coi đó như một đáp án duy nhất, mà chỉ dùng để nắm xu hướng chung, rằng thị trường đang ở giai đoạn mở rộng đi kèm với sự thay đổi của mô hình mua sắm.

Về mặt công nghệ, các chuyển động vẫn tiếp diễn. Robot thế hệ mới mang tên Vulcan mà Amazon công bố tại Đức vào tháng 5 năm 2025 là robot đầu tiên của hãng có trang bị cảm biến xúc giác, sử dụng cảm biến lực 3D cùng cánh tay có giác hút để thực hiện việc lấy hàng ra khỏi kệ và cất hàng vào kệ, và được cho là xử lý được khoảng 75% số mặt hàng thuộc diện cất kho. Thiết bị này đang vận hành tại cơ sở ở Spokane thuộc bang Washington của Mỹ và tại Hamburg của Đức, đồng thời có tin cho biết sẽ được mở rộng sang các cơ sở khác ở Mỹ và Đức trong năm 2026. Điểm đáng chú ý ở đây là ngay cả một doanh nghiệp sở hữu mạng lưới logistics thuộc hàng lớn nhất thế giới cũng nêu rõ phạm vi xử lý được dưới dạng con số khoảng 75%. Tư duy không giao toàn bộ cho robot mà cắt ra một phạm vi xử lý được rồi tự động hóa phần đó là tư duy chung, bất kể quy mô doanh nghiệp lớn hay nhỏ.

Lựa chọn tay gắp phải suy ngược từ tính chất vật lý của sản phẩm

Chúng tôi thỉnh thoảng nhận được câu hỏi về cách lựa chọn tay gắp cho robot, và trong phần lớn trường hợp thì trình tự của câu hỏi này đang bị đảo ngược. Thay vì so sánh catalogue tay gắp rồi mới thử áp sản phẩm vào, trình tự đúng là chốt trước tính chất vật lý và trạng thái cấp hàng của sản phẩm, rồi từ đó suy ngược ra phương thức giữ hàng.

Điểm khởi đầu của phán đoán chính là cách phân loại hàng cứng và hàng dễ biến dạng đã nêu ở chương trước. Với sản phẩm có bề mặt cứng và nhẵn, phương thức hút chân không là ứng viên đầu tiên, và đây là vùng có thể nhắm tới mức từ 95% trở lên như con số độ chính xác gắp được công bố cho hàng cứng. Với sản phẩm có bề mặt nhám, có tính thấm khí, hoặc không có hình dạng cố định, giác hút sẽ không giữ được, nên cần phương thức kẹp bằng ngón hoặc thiết kế đồ gá chuyên dụng cho từng đối tượng. Cấu hình cho một robot mang nhiều loại tay gắp rồi chuyển đổi qua lại cũng khả thi, nhưng vì thời gian chuyển đổi ăn vào năng suất nên tốt hơn hết là đừng kỳ vọng mức tham chiếu 400 đến 600 sản phẩm mỗi giờ sẽ xuất hiện nguyên vẹn.

Một yếu tố nữa chi phối việc chọn tay gắp là triển vọng về số lượng SKU. Nếu danh mục mặt hàng cố định, tay gắp chuyên dụng được tối ưu cho đúng sản phẩm đó sẽ cho tỷ lệ thành công và tốc độ cao nhất. Ngược lại, ở những hiện trường mà mặt hàng thay đổi theo từng quý, càng đầu tư chế tạo tay gắp chuyên dụng thì mỗi lần đổi mặt hàng lại càng phát sinh tái đầu tư và phải dạy lại cho robot (teaching). Về điểm này, ngành có một trường hợp khá thú vị. Vào tháng 9 năm 2024, công ty Berkshire Grey công bố quan hệ đối tác chính thức với Kardex (AutoStore), tên tuổi lớn trong lĩnh vực kho tự động, với thông điệp không cần đăng ký trước dữ liệu SKU cũng không cần dạy máy mà vẫn phát huy hiệu năng ngay từ ngày đầu vận hành, đồng thời được cho là đưa ra mức độ chính xác lấy hàng 99.99%. Bản thân việc thông điệp không cần dạy máy trở thành điểm khác biệt của sản phẩm đã cho thấy mặt trái của vấn đề, rằng gánh nặng dạy lại robot trong môi trường nhiều SKU là một rào cản thực tế rất lớn.

Vì vậy, chúng tôi khuyến nghị tiến hành lựa chọn tay gắp theo trình tự sau. Trước hết, phân loại các sản phẩm được xử lý trong công đoạn mục tiêu thành hàng cứng và hàng dễ biến dạng. Tiếp theo, đếm tỷ trọng của từng nhóm và cắt riêng ra những công đoạn có tỷ lệ hàng cứng cao để làm đối tượng ưu tiên. Cuối cùng mới quyết định phương thức giữ hàng phù hợp với nhóm sản phẩm đó. Giữ đúng trình tự này thì doanh nghiệp sẽ tránh được việc viết ra một yêu cầu kỹ thuật bất khả thi kiểu tay gắp phải gắp được mọi loại sản phẩm.

Hai trục phân định công đoạn phù hợp và công đoạn không phù hợp

Đến đây, chúng tôi tổng hợp lại toàn bộ nội dung phía trên thành trục để ra quyết định triển khai. Việc robot lấy hàng có phù hợp hay không về cơ bản được quyết định bởi hai trục, là trạng thái cấp hàng của sản phẩm và tần suất biến động của cơ cấu SKU.

Trên trục trạng thái cấp hàng, càng gần với cấp hàng theo trật tự thì càng phù hợp, càng gần với chất đống hoàn toàn ngẫu nhiên thì độ khó càng tăng. Trên trục biến động SKU, danh mục mặt hàng càng cố định thì càng phù hợp, còn càng thay đổi thường xuyên thì những chi phí khó nhìn thấy như dạy lại robot hay chế tạo lại đồ gá càng chồng chất. Xếp các công đoạn của doanh nghiệp lên hai trục này thì thứ tự cần khởi động sẽ tự nhiên hiện ra. Ứng viên đầu tiên là công đoạn lấy hàng cứng làm trọng tâm, có thể cấp hàng theo trật tự, và có SKU ổn định. Còn công đoạn lấy hàng dễ biến dạng làm trọng tâm, chất đống ngẫu nhiên, và SKU thay đổi hàng tháng thì tuy không phải là bất khả thi về kỹ thuật, nhưng không nên chọn làm đối tượng cho chiếc máy đầu tiên.

Để trình bày cụ thể trình tự phán đoán, chúng tôi sắp xếp lại cách tư duy thông qua một doanh nghiệp giả định. Toàn bộ các con số dưới đây đều là giả định phục vụ tính toán độc lập của người viết, không phải là dữ kiện đã được kiểm chứng qua khảo sát. Hãy hình dung một pháp nhân địa phương của nhà sản xuất hàng tiêu dùng Nhật Bản, có cơ sở xuất hàng đặt ở vùng ven Bangkok. Cơ sở này xử lý 2,000 mặt hàng, nhưng khi phân tích cơ cấu số điểm xuất hàng thì 300 mặt hàng đứng đầu chiếm khoảng 70% tổng số điểm xuất, và trong 300 mặt hàng đó thì khoảng 80% là hàng cứng đóng hộp. Trong trường hợp này, nếu cố đưa cả 2,000 mặt hàng cho robot xử lý thì sẽ đâm thẳng vào bài toán hàng dễ biến dạng và nhiều SKU, nhưng nếu chỉ cắt riêng phần hàng cứng trong 300 mặt hàng đứng đầu ra làm công đoạn mục tiêu thì việc tạo tiền đề cấp hàng theo trật tự sẽ dễ hơn và tỷ lệ thành công cũng có thể kỳ vọng ở mức cao. Thiết kế thực tế nhất là để phần mặt hàng còn lại tiếp tục do con người xử lý, và hỗ trợ bằng cơ chế chỉ dẫn cùng kiểm đếm của DPS và DAS, tức cho hai phương thức cùng tồn tại.

Cốt lõi của cách tư duy này gói gọn ở chỗ không nhất thiết phải tự động hóa toàn bộ. Đúng như Vulcan của Amazon nêu ở chương trước đã công bố phạm vi xử lý dưới dạng khoảng 75% số mặt hàng thuộc diện cất kho, robot lấy hàng ở thời điểm hiện tại là thiết bị dùng cho những đối tượng được chọn lọc. Ngay khi yêu cầu xử lý toàn bộ được viết vào bản yêu cầu kỹ thuật, kết cục sẽ chỉ có hai khả năng, hoặc không còn nhà cung cấp nào đáp ứng được, hoặc chỉ còn lại những nhà cung cấp trả lời rằng làm được để rồi phát sinh vấn đề về sau.

Ngược lại, chúng tôi khuyến nghị loại các công đoạn sau ra khỏi phạm vi của chiếc máy đầu tiên. Thứ nhất là công đoạn mà hàng đóng túi hoặc hàng không định hình chiếm quá nửa. Công đoạn này đòi hỏi thiết kế vận hành dựa trên tiền đề mức chính xác 75 đến 80%, và như vậy là quá khó cho việc đánh giá chiếc máy đầu tiên. Thứ hai là công đoạn có SKU thay đổi mạnh theo từng tháng. Thứ ba là công đoạn mà số điểm xuất hàng lúc cao điểm vượt xa mức năng suất tham chiếu 400 đến 600 sản phẩm mỗi giờ, tới mức không triển khai đồng thời nhiều máy thì không có hiệu quả. Những công đoạn này không phải bất khả thi về kỹ thuật, mà chỉ nên xếp sau về mặt thứ tự.

Bối cảnh khiến robot lấy hàng được cân nhắc tại Thái Lan và ASEAN

Việc tự động hóa khâu lấy hàng được nhắc tới ngày một nhiều tại Thái Lan và Đông Nam Á trong vài năm gần đây xuất phát từ một số bối cảnh mang tính cấu trúc.

Thứ nhất là hình thái hàng hóa được xử lý đang thay đổi. Thị trường thương mại điện tử của Thái Lan đạt quy mô 1.1 nghìn tỷ baht vào năm 2024 với mức tăng 14% so với năm trước, còn thương mại qua mạng xã hội được ghi nhận tăng 18.6% so với năm trước trong năm 2025. Tỷ trọng thương mại điện tử và thương mại qua mạng xã hội tăng lên đồng nghĩa với việc đơn vị xuất hàng dịch chuyển từ thùng sang sản phẩm lẻ, số điểm trên mỗi đơn giảm xuống trong khi số lượng đơn tăng lên. Đây đúng là chiều thay đổi làm tăng tải cho khâu lấy hàng lẻ, và nếu giữ nguyên thiết kế logistics theo đơn vị thùng như trước thì nhân lực sẽ không đủ. Đồng thời, cũng có ý kiến cho rằng logistics của Thái Lan chưa được tối ưu bằng Việt Nam hay Trung Quốc. Nhìn ngược lại, điều đó cũng có nghĩa là dư địa cải tiến tại hiện trường vẫn còn.

Thứ hai là việc bảo đảm nguồn lao động. Mức lương tối thiểu của Thái Lan đã được điều chỉnh lên 400 baht mỗi ngày tại Bangkok vào tháng 7 năm 2025, và tại thời điểm năm 2026 chưa có động thái tăng thêm rõ rệt, biên độ theo từng tỉnh được ghi nhận ở mức 337 đến 400 baht. Nói cách khác, đây không phải là tình huống mà bản thân tiền lương đang tăng vọt. Việc cân nhắc tự động hóa vẫn tiến triển chủ yếu vì lý do không tuyển được người, chứ không phải vì con số tiền lương. Thị trường lao động Thái Lan được cho là đang đối mặt với già hóa và nợ hộ gia đình gia tăng, và có tin cho biết phía các tổ chức lao động cũng nghiêng về các biện pháp bảo vệ lao động phi chính thức và nâng cao kỹ năng hơn là đòi tăng lương tối thiểu. Thêm vào đó, tiền lương ngành logistics trong khu vực châu Á Thái Bình Dương được dự báo tăng nhanh hơn tốc độ tăng giá tiêu dùng cho tới năm 2027 do nguồn cung lao động thu hẹp, và có khảo sát cho thấy mức tăng lương bình quân dự báo trong khu vực Đông Nam Á là 5.3%, trong đó Việt Nam dẫn đầu với 7.1%. Khả năng các công ty 3PL tại châu Á bắt đầu đưa điều khoản chuyển phần chi phí lương tăng thêm sang khách hàng vào hợp đồng tiêu chuẩn cũng đã được nêu ra, nên ngay cả doanh nghiệp đang thuê ngoài logistics cũng không thể coi đây là chuyện của người khác. Nếu bạn muốn xem xét tổng thể các biện pháp đối phó với chi phí nhân công, hãy tham khảo thêm giải pháp ứng phó chi phí nhân công tăng cao tại Thái Lan 2026.

Thứ ba là môi trường đầu tư trong khu vực. Thị trường tự động hóa kho hàng tại Đông Nam Á, theo ước tính của Mordor Intelligence, mở rộng từ khoảng 810 triệu USD năm 2025 lên 1.63 tỷ USD vào năm 2031, với tốc độ tăng trưởng bình quân năm là 12.36%. Xét theo quốc gia, Indonesia dẫn đầu với 28.63% doanh thu của năm 2025, còn Việt Nam được dự báo tăng trưởng nhanh nhất với CAGR 13% nhờ làn sóng xây dựng các trung tâm phân phối siêu lớn của các doanh nghiệp thương mại điện tử. Với doanh nghiệp đặt cơ sở tại Thái Lan, việc cân nhắc cần đặt trong tương quan rằng các nước khác trong khu vực đang đi trước về đầu tư tự động hóa.

Cần lưu ý rằng khảo sát lần này chưa xác nhận được trường hợp cụ thể từ nguồn sơ cấp về việc doanh nghiệp nào tại Thái Lan đã triển khai robot lấy hàng. Vì vậy bài viết này sẽ không giới thiệu một cách khẳng định các trường hợp triển khai trong nước Thái Lan. Điều có giá trị tham khảo là bản thân trục phán đoán thì giống nhau ở mọi quốc gia. Về động thái tại Nhật Bản, có tin cho biết công ty Dexterity Robotics đã ký hợp đồng với Sumitomo Corporation vào năm 2022 và lên kế hoạch đưa 1,500 robot vào các kho hàng tại Nhật cho tới năm 2026. Việc những công đoạn được tự động hóa trước trong các trường hợp như vậy đều là công đoạn đã sắp xếp được trạng thái cấp hàng và quản lý được SKU là điều áp dụng nguyên vẹn khi lựa chọn công đoạn mục tiêu tại hiện trường ở Thái Lan.

Về mô hình RaaS, khả năng cao là nó hợp với các nhà máy và cơ sở logistics quy mô vừa tại Thái Lan, vì cho phép kiểm chứng hiệu quả trong khi vẫn hạn chế vốn đầu tư ban đầu. Tuy nhiên trên thực tế cần xác nhận hai điểm. Một là điều kiện chấm dứt hợp đồng, tức cần biết trước rằng nếu không đạt hiệu quả thì có thể thanh lý vào thời điểm nào và phần thời hạn còn lại sẽ được xử lý ra sao. Hai là tỷ giá. Các hợp đồng dạng này thường được lập bằng USD, nên với pháp nhân địa phương lập ngân sách bằng baht thì chi phí hàng tháng sẽ dao động theo tỷ giá. Nếu không ghi rõ tiền đề tỷ giá ngay từ khâu trình duyệt đầu tư, doanh nghiệp sẽ phải giải trình vượt ngân sách vào giữa kỳ.

Những hạng mục cần xác định trước khi đặt hàng

Chúng tôi tổng hợp các luận điểm phía trên thành những hạng mục mà doanh nghiệp cần tự chốt trước khi gửi yêu cầu báo giá cho nhà tích hợp hệ thống hoặc nhà cung cấp. Nếu gửi yêu cầu khi chưa có đủ các thông tin này, mỗi bên sẽ đề xuất dựa trên một tiền đề khác nhau và doanh nghiệp không thể so sánh được con số tiền.

Trong bảng trên, hạng mục dễ bị xem nhẹ trong nội bộ nhất chính là dòng cuối cùng về vận hành khi có ngoại lệ. Mức chính xác từ 95% trở lên với hàng cứng và 75 đến 80% với hàng dễ biến dạng, nhìn ngược lại, có nghĩa là chắc chắn sẽ xảy ra gắp trượt. Việc khi gắp trượt thì chuông báo động reo lên và có người chạy tới, hay công đoạn sau mới phát hiện rồi phải làm lại, hay hàng cứ thế trôi đi và thành lỗi xuất hàng, sẽ khiến số nhân sự cần bố trí và hiệu quả giảm người thực tế khác nhau hoàn toàn. Nếu bỏ qua phần này mà chỉ tính hiệu quả giảm người, sau khi vận hành sẽ rơi vào tình trạng rốt cuộc vẫn phải có người túc trực bên cạnh robot.

Một điểm nữa mà nội bộ doanh nghiệp cần quyết trước là ai phụ trách thiết lập lại khi SKU thay đổi. Việc thay đổi mặt hàng được quyết định theo nhu cầu của bộ phận mua hàng hoặc kinh doanh, chứ không theo nhu cầu của robot. Nếu chọn cấu hình cần dạy lại robot hoặc cần thay đổi đồ gá, doanh nghiệp phải quyết trước khi ký hợp đồng rằng bộ phận bảo trì tại chỗ có tự xoay xở được công việc đó hay không, hay mỗi lần như vậy đều phải gọi nhà cung cấp. Nếu tiền đề là phải gọi, hãy yêu cầu bên báo giá đưa cả chi phí và thời gian đáp ứng vào báo giá. Nếu để trống phần này mà vẫn cho vận hành, hoàn toàn có thể xảy ra tình huống robot nằm im suốt từ tuần kế tiếp sau khi mặt hàng thay đổi.

Câu hỏi thường gặp

Robot lấy hàng là gì

Đó là thiết bị mà cánh tay robot gắp từng sản phẩm một rồi chuyển sang thùng chứa khác hoặc sang băng tải, còn được gọi là robot piece picking. Thiết bị này khác với DPS và DAS, nơi con người nhặt hàng theo chỉ dẫn của máy cầm tay hoặc đèn báo, và cũng khác với robot xếp pallet vốn xếp thùng lên pallet theo đơn vị kiện, cả về đơn vị xử lý lẫn về các luận điểm khi ra quyết định đầu tư. Nếu gửi yêu cầu báo giá mà chưa tách bạch ba cơ chế này, mỗi bên sẽ đề xuất dựa trên một công đoạn khác nhau và doanh nghiệp không thể so sánh được.

Giá của robot lấy hàng vào khoảng bao nhiêu

Về giá thân cánh tay robot cộng tác, có khảo sát cho rằng mức giá đã giảm từ 50,000 USD của năm 2020 xuống dưới 15,000 USD ở thời điểm hiện tại. Tuy nhiên đây chỉ là giá của phần thân máy, còn tay gắp, hệ thống vision, thiết bị an toàn, thiết bị ngoại vi và chi phí tích hợp hệ thống vẫn cần tính thêm. Bên cạnh đó, mô hình mua sắm theo hình thức thuê bao hàng tháng là RaaS đang lan rộng, và theo một khảo sát thì mô hình này chiếm 60.30% số lượt triển khai của năm 2025. Nếu muốn hạn chế vốn đầu tư ban đầu thì RaaS cũng là một phương án, nhưng hãy xác nhận trước điều kiện chấm dứt hợp đồng và đồng tiền hợp đồng.

Robot piece picking phù hợp với loại sản phẩm nào

Nó phù hợp với hàng cứng, tức loại hàng không thay đổi hình dạng. Độ chính xác gắp bằng AI vision với vật thể cứng được cho là đạt từ 95% trở lên, trong khi với sản phẩm dễ biến dạng như hàng đóng túi thì chỉ dừng ở mức 75 đến 80%. Ngoài ra, khi lấy hàng từ trạng thái chất đống ngẫu nhiên, tỷ lệ gắp thành công với vật thể mới hoặc chưa từng biết hiện ở mức khoảng giữa dải 80% cho tới đầu dải 90%, và nút thắt chính được cho là hiện tượng che khuất khiến phần lớn khối hàng chất đống nằm ngoài tầm quan sát. Cách làm chuẩn mực là khởi động từ công đoạn có hàng cứng, có thể cấp hàng theo trật tự, và có danh mục mặt hàng ổn định.

Nên lựa chọn tay gắp cho robot như thế nào

Đừng chọn từ catalogue tay gắp, hãy chốt tính chất vật lý và trạng thái cấp hàng của sản phẩm rồi suy ngược lại. Với sản phẩm có bề mặt cứng và nhẵn thì phương thức hút chân không là ứng viên đầu tiên, còn với sản phẩm bề mặt nhám hoặc không định hình thì cần phương thức kẹp hoặc đồ gá chuyên dụng. Cấu hình chuyển đổi giữa nhiều phương thức cũng khả thi, nhưng vì thời gian chuyển đổi ăn vào năng suất nên an toàn hơn cả là đừng nghĩ rằng mức năng suất phổ biến 400 đến 600 sản phẩm mỗi giờ sẽ xuất hiện nguyên vẹn. Tại những hiện trường thay đổi mặt hàng thường xuyên, cũng cần lưu ý rằng càng đầu tư chế tạo tay gắp chuyên dụng thì tái đầu tư càng phát sinh nhiều.

Có trường hợp nào cải thiện được mà vẫn giữ nguyên lao động thủ công không

Có. Nếu số điểm xuất hàng chỉ tăng chậm và vấn đề lớn hơn nằm ở sai sót chỉ dẫn hay sót kiểm đếm, thì việc giữ nguyên đội ngũ nhặt hàng bằng tay và chuẩn hóa cơ chế chỉ dẫn cùng kiểm đếm sẽ cho hiệu quả đầu tư cao hơn. Trong trường hợp đó, cách lựa chọn hệ thống lấy hàng DPS và DAS sẽ là tài liệu tham khảo hữu ích. Robot hóa chỉ phát huy tác dụng khi hội đủ hai điều kiện, là có công đoạn sắp xếp được trạng thái cấp hàng và việc tuyển dụng nhân lực khó khăn một cách có tính cấu trúc.

Tại Thái Lan có triển khai được không

Về mặt kỹ thuật là được, nhưng với các trường hợp triển khai cụ thể trong nước Thái Lan thì khảo sát lần này chưa xác nhận được thông tin sơ cấp, nên chúng tôi không thể khẳng định. Bản thân trục phán đoán thì giống nhau ở mọi quốc gia, và trình tự khởi động từ công đoạn lấy hàng cứng làm trọng tâm, sắp xếp được trạng thái cấp hàng và có SKU ổn định cũng không thay đổi. Về các yếu tố riêng của Thái Lan, có thể kể tới việc xuất hàng lẻ tăng lên do thị trường thương mại điện tử mở rộng, việc khó khăn trong tuyển dụng nhân lực dễ trở thành nguyên nhân chính của quyết định đầu tư hơn là bản thân mặt bằng lương, và việc nhiều hợp đồng RaaS được lập bằng USD nên cần ghi rõ tiền đề tỷ giá vào hồ sơ trình duyệt đầu tư.

Tổng kết

Quyết định triển khai robot lấy hàng không bắt đầu từ việc so sánh hơn thua giữa các công nghệ gắp. Yếu tố quyết định nằm ở ba điểm, là sản phẩm mục tiêu thuộc loại hàng cứng hay hàng dễ biến dạng, trạng thái cấp hàng là chất đống ngẫu nhiên hay cấp theo trật tự, và cơ cấu SKU thay đổi với tần suất ra sao. Chênh lệch độ chính xác giữa mức từ 95% trở lên của hàng cứng và mức 75 đến 80% của hàng dễ biến dạng không phải là biểu hiện của công nghệ còn non, mà là kết quả của quyết định thiết kế, và nó được định đoạt ngay từ đầu bởi việc chọn nhóm sản phẩm nào làm đối tượng. Trước hết hãy phân loại mặt hàng xuất đi của doanh nghiệp thành hàng cứng và hàng dễ biến dạng, đếm xem trong nhóm mặt hàng dẫn đầu về số điểm xuất hàng có bao nhiêu hàng cứng, rồi cắt riêng phần đó ra làm công đoạn mục tiêu. Về năng suất, hãy lấy mức 400 đến 600 sản phẩm mỗi giờ làm tham chiếu để ước lượng số máy cần thiết, đồng thời quyết trước quy trình khôi phục khi gắp trượt và người phụ trách thiết lập lại khi thay đổi SKU. Đi đúng trình tự này, doanh nghiệp sẽ không phải viết ra bản yêu cầu kỹ thuật bất khả thi dựa trên tiền đề tự động hóa toàn bộ.

Trong quá trình cung cấp các giải pháp hiện trường như quản lý sản xuất và quản lý năng lượng cho doanh nghiệp sản xuất Nhật Bản tại Thái Lan, chúng tôi thường nhận được các trao đổi mang tính phân định, chẳng hạn công đoạn nào của doanh nghiệp phù hợp để robot hóa, hay nên cải thiện bằng cơ chế trong khi vẫn giữ lao động thủ công hay nên thay thế bằng robot. Ngay cả khi doanh nghiệp chưa tới giai đoạn lựa chọn model cụ thể và mới chỉ muốn rà soát lại danh mục công đoạn mục tiêu, chúng tôi vẫn sẵn sàng trao đổi. Vui lòng liên hệ với chúng tôi qua trang liên hệ.

Nguồn tham khảo

• About Amazon — Amazon Vulcan robot pick and stow with touch
• IEEE Spectrum — Amazon Robotics Vulcan Warehouse Picking
• Mordor Intelligence — Piece Picking Robots Market
• Mordor Intelligence — South East Asia Warehouse Automation Market
• Siemens — Robotic Picking System and Method
• AMD Machines — AI Vision Enables Random Bin Picking at Scale
• Kardex — Berkshire Grey Announces Formal Partnership with Kardex
• The Robot Report — Dexterity Picks Up 95M Funding for Container Unloading Robots
• Dematic — Robotics Solutions
• RoboDK — The Essential Guide to Robotic Palletizing
• Thairath — Thailand Labour Market Interview
• Thai Law Online — Minimum Wage in Thailand
• Value Chain Asia — Asia Warehouse Labour Shortage 2026
• GotPaid Asia — State of Payroll Southeast Asia 2026
• Digital in Asia — Thailand Digital Market Overview 2026