Ghi chép triển khai AI Camera tại kho dầu nhớt: 3 tháng chạy thật
30/10/2026
Trước khi đưa AI Camera vào, chúng tôi dùng phương pháp kiểm tra thủ công. Ca trưởng cầm bảng danh sách, đi vòng quanh kho mỗi 2 giờ để xem công nhân có đội mũ bảo hộ không, có ai vào vùng cấm không. Nghe thì đơn giản, nhưng chi phí ẩn mới là vấn đề. Một ca trưởng mất khoảng 20% thời gian làm việc để đi kiểm tra. Nếu có 3 ca, nghĩa là gần 40% năng suất quản lý bị tốn vào việc đi lại và ghi chép. Chưa kể, mắt người mỏi. Có lần phát hiện người quên đội mũ khi họ đã rời khu vực nguy hiểm 10 phút. Khi đó, cảnh báo đã quá muộn. Đó là lý do chúng tôi quyết định thay thế quy trình này bằng computer vision. Không phải để khoe công nghệ, mà để giảm bớt gánh nặng cho con người và bắt sự cố ngay khi nó xảy ra.
Chuẩn bị: Dọn dẹp trước khi lắp đặt
Chúng tôi bắt đầu bằng việc rà soát lại hệ thống camera IP sẵn có. Kho dầu nhớt và hoá chất công nghiệp thường có nhiều camera cũ, chất lượng hình ảnh không đồng đều. Bước này tốn thời gian hơn dự kiến. Có những camera lắp từ 5 năm trước, góc nhìn bị che khuất bởi thùng hàng. Chúng tôi phải di chuyển lại một số camera để đảm bảo tầm nhìn bao quát các lối ra vào và khu vực nạp đổ. Ràng buộc lớn nhất ở đây là không được dừng hoạt động của kho. Mọi việc lắp đặt, chỉnh góc camera phải diễn ra vào ca đêm hoặc giờ nghỉ. Đội kỹ thuật phối hợp với đội vận hành để lên lịch chi tiết, tránh xung đột lịch.
Chúng tôi làm việc với AIVISION để tích hợp AI Camera vào hệ thống có sẵn. Không cần thay thế phần cứng, chỉ cần kết nối dữ liệu video về nền tảng. Điều này giúp giảm đáng kể chi phí đầu tư ban đầu so với việc mua mới cả bộ camera AI chuyên dụng. Trong giai đoạn này, chúng tôi cũng xác định rõ các vùng cấm. Khu vực chứa hoá chất dễ bay hơi, khu vực nạp tự động, và các lối đi hẹp. Mỗi vùng cấm cần một quy tắc cảnh báo riêng. Ví dụ, vào vùng cấm mà không có đồng phục bảo hộ thì cảnh báo mức cao, vào vùng cấm nhưng có bảo hộ thì chỉ ghi nhận để xem xét sau.
Triển khai: Xử lý dữ liệu và giảm nhiễu
Giai đoạn khó nhất không phải là lắp đặt, mà là huấn luyện hệ thống nhận diện đúng trong môi trường công nghiệp. Ánh sáng trong kho dầu nhớt không đều. Có những góc tối, có những góc bị phản chiếu từ bề mặt kim loại. Camera AI ban đầu báo động giả khá nhiều. Hệ thống nhầm lẫn bóng đổ của xe nâng là người lạ, hoặc nhầm lẫn giữa công nhân mặc đồ bảo hộ màu cam và thiết bị màu cam. Tỷ lệ báo động giả ban đầu chiếm khoảng một phần ba tổng số cảnh báo. Con số này chấp nhận được trong giai đoạn thử nghiệm, nhưng không thể chấp nhận được khi chạy chính thức. Ca trưởng sẽ bị "mù thông tin" nếu phải xử lý hàng chục cảnh báo giả mỗi ngày.
Chúng tôi dành hai tuần để tinh chỉnh. Kỹ thuật viên xem lại từng video cảnh báo giả, gán nhãn lại dữ liệu và điều chỉnh ngưỡng nhận diện. Đặc biệt, chúng tôi tập trung vào việc phân biệt giữa con người và vật thể hình người. Kết quả là tỷ lệ báo động giả giảm xuống dưới mức 5%. Đây là con số thực tế, không phải lý thuyết. Sau khi đạt chuẩn, chúng tôi bật tính năng cảnh báo thời gian thực qua Zalo và Telegram. Mỗi khi phát hiện vi phạm, hình ảnh chụp lại kèm mô tả ngắn được gửi ngay cho người phụ trách ca. Thời gian phản ứng giảm từ vài phút xuống dưới 1 giây tính từ lúc hệ thống phát hiện. Tốc độ này quan trọng vì trong môi trường hoá chất, mọi giây đều có giá trị.
Vận hành: Điều gì thực sự thay đổi sau 3 tháng
Sau ba tháng chạy chính thức, kết quả rõ ràng nhất là thay đổi trong hành vi của công nhân. Ban đầu, nhiều người than phiền về việc bị giám sát quá kỹ. Nhưng khi thấy rằng cảnh báo chỉ đến khi có vi phạm thực sự, và khi họ tuân thủ quy định thì hệ thống im lặng, tâm lý chống đối giảm dần. Tỷ lệ vi phạm về bảo hộ lao động giảm đáng kể so với giai đoạn làm thủ công. Không phải vì phạt nhiều hơn, mà vì việc tuân thủ trở thành thói quen để tránh rắc rối.
Về mặt vận hành, ca trưởng có thêm thời gian để tập trung vào quản lý quy trình thay vì đi kiểm tra. Họ sử dụng dashboard để xem lại các sự cố trong ngày, phân tích nguyên nhân và điều chỉnh quy trình. Ví dụ, nếu một khu vực thường xuyên có cảnh báo vào ca đêm, họ sẽ xem xét lại ánh sáng hoặc bố trí lại nhân sự. Hệ thống cũng ghi nhận số lượng phương tiện ra vào theo cổng, kèm thời gian lưu lại. Dữ liệu này giúp tối ưu lịch giao nhận, tránh ùn tắc ở cửa kho. Chúng tôi nhận thấy rằng AI Camera không thay thế con người, mà nó nâng cao năng lực giám sát của con người. Nó là một lớp bảo vệ bổ sung, giúp giảm thiểu rủi ro mà mắt thường khó bắt được trong thời gian dài.
Có những điều chúng tôi vẫn đang cải thiện. Ví dụ, việc nhận diện biển số xe tải lớn khi trời mưa vẫn còn gặp khó khăn. Đây là hạn chế của công nghệ chung, không riêng gì giải pháp này. Chúng tôi chấp nhận điều này và có quy trình xác minh thủ công bổ sung cho trường hợp đó. Quan trọng là phải thực tế. Đừng kỳ vọng AI giải quyết mọi thứ. Nó giải quyết tốt các vấn đề lặp đi lặp lại, có quy tắc rõ ràng. Còn các tình huống phức tạp, cần sự phán đoán của con người.
Quay lại câu hỏi ban đầu: Tổ chức của bạn đang dùng bao nhiêu phần trăm thời gian của quản lý để kiểm tra những việc có thể tự động hóa? Nếu con số đó lớn, có lẽ đã đến lúc xem xét lại cách bạn đang giám sát vận hành. AI Camera không phải là phép màu, nhưng nó là công cụ thực dụng để giảm tải và tăng độ an toàn. Bạn đã sẵn sàng để bỏ đi những công việc kiểm tra thủ công vô ích đó chưa?
AIVISION phát triển VTraks cho giám sát trưng bày, AIV Camera để biến camera sẵn có thành camera AI và AIV Office cho công việc văn phòng. Xem các sản phẩm hoặc toàn bộ giải pháp.