CÔNG NGHỆ – CHUYỂN ĐỔI SỐ · LOẠT BÀI “NHÀ IN THÔNG MINH” – KỲ 2/7
Kỳ 1 cho thấy AI chỉ phát huy khi có tự động hóa nền và dữ liệu đáng tin. Kỳ này đi vào phần nền móng ít được chú ý nhất: nhà in cần những dữ liệu gì, chúng nằm ở đâu, vì sao thường đứt gãy giữa các khâu, và doanh nghiệp có thể làm sạch, chuẩn hóa chúng theo những bước nào trước khi nghĩ đến bất kỳ công cụ AI nào.
| ĐIỂM CHÍNH
• Chỉ khoảng một phần năm nhà in trong một khảo sát quốc tế năm 2026 tự tin cao vào dữ liệu vận hành của mình. • Dữ liệu nhà in gồm ba dòng: đơn hàng, thiết bị và chất lượng; giá trị nằm ở chỗ cả ba gắn được với cùng một lệnh sản xuất. • Điểm gãy phổ biến nhất là nhập lại cùng một thông tin ở nhiều hệ thống. • Chuẩn mở JDF/XJDF và JMF/XJMF của CIP4 là “ngôn ngữ chung” để thiết bị và phần mềm khác hãng trao đổi dữ liệu. • Làm sạch dữ liệu là việc quản trị trước khi là việc công nghệ: cần danh mục mã thống nhất và người chịu trách nhiệm. |
1. Đặt vấn đề: AI đứng trên dữ liệu nào?
Khi được hỏi lô hộp giấy tháng trước lãi hay lỗ, nhiều nhà in phải chờ kế toán khóa sổ cuối tháng mới biết. Khi hỏi máy offset tuần này mất bao nhiêu giờ cho chuẩn bị máy, câu trả lời thường là ước lượng của trưởng ca. Đó là những câu hỏi cơ bản, nhưng cũng là những câu hỏi đầu tiên mà mọi ứng dụng AI trong sản xuất phải trả lời. Nếu con người chưa có số liệu đáng tin, máy cũng không thể có.
Đây là vấn đề chung của ngành. Báo cáo của GelatoConnect năm 2026 ghi nhận chỉ 22% nhà in được khảo sát tự tin cao vào dữ liệu vận hành của mình, trong khi 70% vẫn làm việc trong môi trường lai giữa thủ công và tự động (GelatoConnect, 2026a). Các chuyên gia tại hội nghị CONNECT 2026 nhấn mạnh rằng dữ liệu kém thì AI cũng cho kết quả kém, và doanh nghiệp phải bảo đảm dữ liệu sạch trước khi nói đến AI (Roberts, 2026).
Với nhà in Việt Nam, rủi ro càng rõ khi nhiều gói phần mềm “có AI” đang được chào bán. Mua công cụ trước khi có dữ liệu giống như lắp thiết bị đo màu trên dây chuyền nhưng chưa từng chuẩn hóa điều kiện in: thiết bị đo rất chính xác, nhưng không có chuẩn để so. Kỳ này vì vậy tập trung vào hai câu hỏi: nhà in cần dữ liệu gì, và làm thế nào để dữ liệu đáng tin.
2. Cơ sở lập luận: ba dòng dữ liệu và một ngôn ngữ chung
Dữ liệu của một nhà in có thể chia thành ba dòng chính (Hình 1). Dòng thứ nhất là dữ liệu đơn hàng và kinh doanh: khách hàng, quy cách, số lượng, giá, hạn giao, thường nằm trong hệ thống thông tin quản lý (MIS) hoặc ERP. Dòng thứ hai là dữ liệu thiết bị: trạng thái máy, tốc độ, thời gian chuẩn bị, thời gian dừng, số tờ bù hao. Dòng thứ ba là dữ liệu chất lượng: mật độ, giá trị Lab, ΔE, kết quả kiểm tra lỗi. Giá trị lớn nhất chỉ xuất hiện khi cả ba dòng gắn được với cùng một mã lệnh sản xuất; khi đó doanh nghiệp mới trả lời được câu hỏi “đơn này thực sự tốn bao nhiêu”.
Hình 1. Ba dòng dữ liệu trong nhà in và những điểm hay bị đứt gãy
Về hình thức, McQuilken (2025) dẫn cách phân loại của PRINTING United Alliance gồm dữ liệu có cấu trúc như bảng tính, dữ liệu phi cấu trúc như văn bản, âm thanh, hình ảnh, và dữ liệu bán cấu trúc như tín hiệu cảm biến. Nhà in có đủ cả ba. Phần lớn thông tin đặt hàng lại đến qua email, tin nhắn và file PDF, tức dạng khó khai thác nhất nếu không được chuyển thành bản ghi chuẩn.
Điểm gãy phổ biến nhất là nhập lại dữ liệu. Một hướng dẫn chọn phần mềm MIS năm 2026 chỉ ra rằng ở nhiều nhà in, cùng một đơn hàng bị nhập lại vào nhiều hệ thống của các hãng khác nhau, chỗ chuyển từ báo giá sang lệnh sản xuất là nơi sai sót xảy ra nhiều nhất, và biên lợi nhuận thực của từng đơn thường chỉ được biết sau kỳ khóa sổ (GelatoConnect, 2026b). Đây là tài liệu của nhà cung cấp phần mềm, nhưng mô tả khá khớp với thực tế tại nhiều xưởng.
Ngành in đã có sẵn một “ngôn ngữ chung” để nối các dòng dữ liệu. Tổ chức CIP4 phát triển chuẩn JDF (Job Definition Format) từ năm 2000, kèm JMF để trao đổi thông điệp, và đến năm 2018 công bố XJDF/XJMF làm thế hệ kế tiếp. JDF/XJDF mô tả lệnh sản xuất từ chế bản đến thành phẩm; JMF/XJMF cho phép thiết bị gửi trạng thái và số liệu vận hành ngược về hệ thống quản lý gần như tức thời. Các đặc tả tương thích (ICS) quy định giao diện để thiết bị và phần mềm khác hãng làm việc được với nhau (CIP4, n.d.). Khái niệm siêu dữ liệu sản phẩm in của XJDF cũng đã được đưa vào tiêu chuẩn ISO 21812-1:2019.
Để đo hiệu quả, chỉ số quen thuộc là hiệu suất thiết bị tổng thể (OEE), bằng tích của độ sẵn sàng, hiệu suất và chất lượng, được định nghĩa trong ISO 22400-2:2014. OEE chỉ có ý nghĩa khi ba thành phần này được thu thập tự động và nhất quán, không phải ghi tay cuối ca.
3. Giải pháp: bốn bước làm sạch dữ liệu
Làm sạch dữ liệu là việc quản trị trước khi là việc công nghệ. Lộ trình đề xuất gồm bốn bước (Hình 2).
Hình 2. Bốn bước làm sạch và chuẩn hóa dữ liệu sản xuất
Bước 1 là kiểm kê. Lập danh sách mọi nơi dữ liệu đang nằm: phần mềm kế toán, bảng tính kế hoạch, sổ giao ca, màn hình máy, thiết bị đo màu, các nhóm chat với khách hàng. Với mỗi nguồn, ghi rõ ai nhập, nhập khi nào, và dữ liệu đó đang phục vụ quyết định gì. Bước này thường cho thấy cùng một thông tin tồn tại ở ba, bốn nơi với các giá trị khác nhau.
Bước 2 là chuẩn hóa danh mục. Thống nhất một bộ mã duy nhất cho khách hàng, sản phẩm, vật tư, máy và nguyên nhân dừng máy. Riêng danh mục nguyên nhân dừng máy, nếu mỗi ca ghi một kiểu thì không thể tổng hợp ra điểm nghẽn. Đây cũng là lúc chọn “nguồn sự thật duy nhất” cho từng loại dữ liệu, chẳng hạn giá bán chỉ lấy từ MIS, thông số màu chỉ lấy từ thiết bị đo.
Bước 3 là thu thập tự động. Ưu tiên lấy dữ liệu trực tiếp từ máy thay vì ghi tay. Nhiều máy in thế hệ gần đây hỗ trợ JMF/XJMF hoặc có phần mềm phân tích của nhà sản xuất. Ví dụ, nền tảng Print Shop Analytics của Heidelberg hiển thị chỉ số phòng máy theo thời gian thực, cho phép so sánh hiệu suất với doanh nghiệp cùng phân khúc và có thành phần AI gợi ý điều chỉnh (Heidelberger Druckmaschinen AG, n.d.). Với máy cũ hoặc nhiều hãng, có thể dùng bộ thu thập dữ liệu gắn ngoài hoặc hệ thống điều hành sản xuất (MES) đa hãng; tiêu chí quan trọng là dữ liệu xuất được theo định dạng mở.
Bước 4 là quản trị và duy trì. Giao cho một người hoặc một nhóm nhỏ trách nhiệm về dữ liệu sản xuất: giữ danh mục, phát hiện bất thường, trả lời thắc mắc của nhân viên. McQuilken (2025) ghi nhận đề xuất của các chuyên gia ngành in về việc có người phụ trách AI và dữ liệu, cùng quy định rõ cách nhập và bảo trì dữ liệu. Servi-Bonner (2025) cũng nhấn mạnh phải sửa quy trình trước khi tự động hóa nó.
Về đầu tư, không nên bắt đầu bằng việc thay toàn bộ hệ thống. Theo ước tính của chính một nhà cung cấp, chuyển đổi một hệ thống MIS cũ có thể mất 6–12 tháng (GelatoConnect, 2026b). Cách an toàn hơn là làm sạch dữ liệu trên hệ thống hiện có, đo được hiện trạng, rồi mới quyết định thay hay nâng cấp.
4. Lợi ích và giới hạn
Dữ liệu sạch mang lại giá trị khác nhau cho từng vị trí (Hình 3).
Với giám đốc, lợi ích trực tiếp là biết lãi lỗ theo từng đơn, từng khách, từng nhóm sản phẩm thay vì chờ cuối tháng, từ đó có cơ sở định giá đơn ngắn. Dữ liệu sạch còn là tài sản khi làm việc với khách hàng lớn yêu cầu báo cáo truy xuất và chứng minh chất lượng.
Với quản lý cấp trung, dữ liệu cho phép so sánh ca, so sánh máy và ra quyết định bảo trì, đào tạo dựa trên nguyên nhân dừng máy thực tế, thay vì dựa trên cảm nhận của người báo cáo.
Với nhân viên vận hành, thu thập tự động giảm ghi chép và nhập lại, đồng thời ghi nhận công bằng kết quả của từng ca. Doanh nghiệp cần nói rõ dữ liệu được dùng để cải tiến quy trình, không phải để giám sát cá nhân.
Với sinh viên, dữ liệu sản xuất là chủ đề phong phú cho đồ án và khóa luận. Kỹ năng kết hợp công nghệ in với phân tích số liệu, như đo màu và kiểm soát quá trình bằng thống kê (SPC), ngày càng được tìm kiếm.
Hình 3. Dữ liệu sạch mang lại gì cho bốn nhóm trong doanh nghiệp
Giới hạn cũng cần được nhìn nhận. Thu thập dữ liệu tạo chi phí và khối lượng việc ban đầu; nếu không ai dùng dữ liệu để ra quyết định, hệ thống sẽ nhanh chóng bị bỏ quên. Dữ liệu sản xuất và file của khách hàng là tài sản cần bảo mật, nên khi đưa lên nền tảng đám mây phải xem kỹ điều khoản lưu trữ và quyền truy cập. Ngoài ra, không phải thiết bị nào cũng hỗ trợ đầy đủ JDF/XJDF, vì vậy cần kiểm tra mức tương thích thực tế trước khi đầu tư.
5. Kết luận mở
Trong lộ trình ba bậc ở Kỳ 1, dữ liệu là lớp nền móng nằm dưới cả ba bậc. Thiếu nó, tự động hóa chỉ là những hòn đảo rời rạc, còn AI chỉ là phỏng đoán nhanh hơn. Doanh nghiệp có thể tự đánh giá nhanh bằng bảng dưới đây, mỗi tiêu chí chỉ cần đánh dấu một ô.
Bảng tự đánh giá mức sẵn sàng dữ liệu
| Tiêu chí | Chưa có | Một phần | Đã có |
| 1. Mỗi đơn hàng có một mã duy nhất xuyên suốt từ báo giá đến giao hàng | ☐ | ☐ | ☐ |
| 2. Khách hàng, sản phẩm, vật tư, máy được mã hóa thống nhất | ☐ | ☐ | ☐ |
| 3. Thời gian chuẩn bị máy, dừng máy, bù hao được ghi tự động hoặc theo mẫu chuẩn | ☐ | ☐ | ☐ |
| 4. Nguyên nhân dừng máy được ghi theo danh mục cố định | ☐ | ☐ | ☐ |
| 5. Dữ liệu đo màu được gắn với mã lệnh sản xuất | ☐ | ☐ | ☐ |
| 6. Có người được giao phụ trách dữ liệu sản xuất | ☐ | ☐ | ☐ |
Kết quả tự đánh giá cũng là đầu vào tốt cho kế hoạch đào tạo nội bộ. Với các trường, đây là gợi ý xây dựng học phần về dữ liệu sản xuất in, gắn đo màu, quản lý quy trình với phân tích số liệu.
Kỳ sau: Quy trình “không chạm” – tự động hóa từ nhận đơn đến chế bản.
| THUẬT NGỮ
• MIS (Management Information System): hệ thống thông tin quản lý của nhà in: báo giá, đơn hàng, kế hoạch, chi phí. • ERP (Enterprise Resource Planning): hệ thống hoạch định nguồn lực toàn doanh nghiệp. • MES (Manufacturing Execution System): hệ thống điều hành sản xuất, theo dõi việc thực hiện lệnh tại xưởng. • JDF/XJDF: chuẩn mở của CIP4 mô tả lệnh sản xuất in; XJDF là thế hệ kế tiếp, công bố năm 2018. • JMF/XJMF: chuẩn thông điệp đi kèm, để thiết bị báo trạng thái và số liệu vận hành. • ICS (Interoperability Conformance Specification): đặc tả tương thích, quy định giao diện giữa các hệ thống theo JDF/XJDF. • Nguồn sự thật duy nhất (Single source of truth): quy ước mỗi loại dữ liệu chỉ có một nơi gốc được coi là chính xác. • OEE (Overall Equipment Effectiveness): hiệu suất thiết bị tổng thể, bằng tích độ sẵn sàng, hiệu suất và chất lượng. |
Tài liệu tham khảo
CIP4. (n.d.). JDF and XJDF – Two CIP4 standards. Truy cập ngày 13/10/2026, từ https://www.cip4.org/print-automation/jdf
GelatoConnect. (2026a). State of intelligent print production 2026: Key trends and insights report. Gelato. Truy cập ngày 13/10/2026, từ https://www.gelato.com/connect/resources/print-trends-2026
GelatoConnect. (2026b, August 4). What is print MIS? A 2026 buyer’s guide to print management software. Gelato. Truy cập ngày 13/10/2026, từ https://www.gelato.com/connect/article/what-is-print-mis-software
Heidelberger Druckmaschinen AG. (n.d.). Print Shop Analytics. Truy cập ngày 13/10/2026, từ https://www.heidelberg.com/us/en/software/heidelberg_portal/print_shop_analytics/print_shop_analytics.jsp
International Organization for Standardization. (2014). Automation systems and integration — Key performance indicators (KPIs) for manufacturing operations management — Part 2: Definitions and descriptions (ISO Standard No. 22400-2:2014).
International Organization for Standardization. (2019). Graphic technology — Print product metadata for PDF files — Part 1: Architecture and core requirements for metadata (ISO Standard No. 21812-1:2019). https://www.iso.org/standard/74407.html
McQuilken, T. (2025, May 9). The future of print is data-driven. Printing Impressions. Truy cập ngày 13/10/2026, từ https://digitaleditions.napco.com/article/The+Future+of+Print+is+Data-Driven/4977429/846343/article.html
Roberts, A. (2026, February 13). CONNECT 2026 sessions stress it’s time to invest and evolve. Printing Impressions. Truy cập ngày 13/10/2026, từ https://www.inplantimpressions.com/article/connect-2026-sessions-stress-its-time-to-invest-and-evolve/
Servi-Bonner, A. (2025, December 1). 2025 was the inflection point — 2026 is when AI starts paying real dividends in print. Printing Impressions. Truy cập ngày 13/10/2026, từ https://www.piworld.com/2025-was-the-inflection-point-2026-is-when-ai-starts-paying-real-dividends-in-print
Link bài viết kỳ 1: NHÀ IN THÔNG MINH: VÌ SAO THÊM MÁY TỰ ĐỘNG LÀ CHƯA ĐỦ? – Prima
Học viện PrintMedia Việt Nam
Fanpage: https://www.facebook.com/printmediavn
Nhóm cộng đồng Zalo: https://zalo.me/g/xvoihp742
