Giải pháp · Thị giác máy tính
AI nhận diện hình ảnh trên dây chuyền
Camera công nghiệp kết hợp mô hình thị giác máy tính, tự động phát hiện lỗi trên dây chuyền — song song với nhân viên kiểm.
Bài toán
Kiểm tra và giám sát vật lý còn phụ thuộc con người
$2,5 tỷ
mất mát do lỗi sản xuất tại Việt Nam mỗi năm. Ước tính trên tỷ lệ lỗi trung bình ngành 5%, với một ngành xuất khẩu quy mô 50 tỷ USD/năm.
Trong dệt may, nội thất, cơ khí, bao bì — nhiều công đoạn kiểm tra chất lượng vẫn dựa vào mắt thường và kinh nghiệm nhân viên. Đây là các công đoạn lặp lại cao, khối lượng lớn: điều kiện lý tưởng để ứng dụng AI nhận diện hình ảnh.
Tốc độ bị giới hạn
Khâu kiểm tra dễ trở thành điểm nghẽn của cả dây chuyền
Bỏ sót tăng về cuối ca
Khi khối lượng lớn hoặc nhân viên mất tập trung
Tiêu chí không đồng nhất
Khác nhau giữa từng người, từng ca, từng nhà máy
Không có dữ liệu lịch sử
Không phân tích được xu hướng lỗi để cải tiến ngược lên nhà cung cấp
Định vị của Mozy trên bài toán này
Đội ngũ vừa quốc tế vừa địa phương
Tầm nhìn và quan hệ quốc tế, nhưng sâu sát thị trường trong nước
Hiểu ngành sản xuất tại Việt Nam
Nhiều năm làm việc với đối tác sản xuất, quen quy trình trên chuyền
Mạng lưới rộng trong ngành
Quan hệ với mạng lưới nhà sản xuất trong chuỗi cung ứng dệt may
Ví dụ điển hình: kiểm lỗi vải trước khi cắt và rập trong ngành dệt may — mỗi cuộn phải soi bằng mắt trước khi vào chuyền.
Giải pháp
Bốn bước, từ camera đến phân tích xu hướng lỗi
Camera công nghiệp
Lắp tại trạm kiểm, dùng lại thiết bị sẵn có nếu phù hợp
Mô hình thị giác
Huấn luyện trên chính dữ liệu và tiêu chí QC của khách hàng
Cảnh báo tức thời
Báo lỗi ngay tại trạm, song song với nhân viên
Lưu trữ có hệ thống
Phân tích xu hướng lỗi theo lô, nhà cung cấp, ca
Ứng dụng tiêu biểu — Kiểm tra vải đầu vào
Vải nguyên liệu sau nhập kho được kiểm lỗi trên từng cuộn trước khi vào cắt/rập. Hệ thống phát hiện lỗi bề mặt ngay trong quá trình kiểm. Ba nhóm lỗi đang phát hiện: chấm dơ, xếp li, lỗi vải.
Mở rộng sang công đoạn khác
Đã đo trên dây chuyền thật · Q1.2026
| Thủ công | Mozy | |
|---|---|---|
| Tỉ lệ bỏ sót | 34,46% | 5,92% |
| Độ chính xác | 65,54% | 97,99% |
| Tốc độ soi vải | 12 y/phút | 20 y/phút |
Kết quả đo được · Q1.2026
Kết quả thử nghiệm A/B tại nhà máy khách hàng
So sánh trực tiếp giữa nhân viên kiểm vải và hệ thống Mozy trên cùng một lô vải, cùng điều kiện vận hành.
Bỏ sót ít hơn 6 lần, chính xác hơn 1,7 lần
34,46%
Bỏ sót · Người
5,92%
Bỏ sót · Mozy
65,54%
Chính xác · Người
97,99%
Chính xác · Mozy
Chính xác hơn 12% – 60%+ theo từng nhóm lỗi
36%→87%
Chấm dơ
67%→98%
Xếp li
100%→99%
Lỗi vải
5,92%
tỉ lệ bỏ sót của Mozy,
so với 34,46% khi kiểm thủ công
97,99%
độ chính xác tổng thể,
so với 65,54% khi kiểm thủ công
100%
độ chính xác trên nhóm lỗi xếp li
Nguồn: thử nghiệm A/B tại nhà máy khách hàng, Q1.2026 (12 và 17/3/2026).
Hiệu quả kinh tế
Hiệu suất tăng 6 lần,
chi phí trên mỗi đơn vị giảm một nửa
| KHÍA CẠNH | MOZY AI | LÀM THỦ CÔNG |
|---|---|---|
| Tốc độ soi vải | 20 yards/phút | 12 yards/phút |
| Tổng chi phí trên đơn vị | $0,06/yard | $0,12/yard |
| Khả năng nhân rộng | 3 trạm/1 công nhân | 1 trạm/1 công nhân |
| Tính nhất quán | Nhất quán 24/7 | Thay đổi theo năng lực |
| Thời gian đưa vào vận hành | Triển khai trong 2 tuần | 3–6 tháng đào tạo |
6x
hiệu suất trên mỗi công nhân
~50%
chi phí trên mỗi yard vải
2 tuần
thay cho 3–6 tháng đào tạo
Tổng chi phí đã bao gồm nhân sự, máy móc, chi phí phát sinh do lỗi và các chi phí liên quan khác — không chỉ chi phí phần mềm. Dựa trên số liệu qua triển khai thử nghiệm tại nhà máy của khách hàng, Q1.2026.
Sẵn sàng khảo sát vận hành của Quý doanh nghiệp?
Mọi trao đổi thông tin thực hiện dưới NDA.