AI trong quản lý chất lượng: rà hồ sơ đúng phiên bản

Trước giờ giao hàng, bộ phận QA nhận yêu cầu xác nhận hồ sơ của một lô sản phẩm. Phiếu kiểm tra đã đủ chữ ký. Kết quả thử nằm trong giới hạn trên bản tiêu chuẩn đang mở. Nhưng khách hàng đã gửi một revision mới và phụ lục quy định thời điểm áp dụng. AI trong quản lý chất lượng có thể bắt đầu từ việc hỗ trợ QA đọc đúng mối quan hệ giữa những tài liệu đó.

Đây là bài toán hồ sơ, khác với kiểm tra sản phẩm bằng camera. Khi một kết luận phụ thuộc cả yêu cầu kỹ thuật, ngày hiệu lực và mã lô, việc tìm đúng tài liệu là bước đầu. Người phụ trách còn phải xác nhận tài liệu đó có áp dụng cho tình huống đang xử lý hay không.

## QA cần trả lời câu hỏi về phạm vi áp dụng

Trong tình huống minh họa, nhà máy có yêu cầu khách hàng, tiêu chuẩn nội bộ, phiếu kiểm tra và biên bản thay đổi. Mỗi tài liệu có một chức năng. Kết quả trên phiếu kiểm tra không tự cho biết nó phải được đánh giá theo bản tiêu chuẩn nào.

Nếu revision mới chỉ áp dụng cho đơn hàng xác nhận từ một ngày cụ thể, ngày sản xuất không đủ để lựa chọn bản. Nếu khách hàng có phụ lục ngoại lệ cho một mã sản phẩm, quy tắc chung cũng chưa đủ. Người đọc phải nối thông tin giữa nhiều nguồn để hiểu điều kiện áp dụng.

Áp lực giao hàng có thể khiến đội ngũ ưu tiên hoàn thành đủ tệp đính kèm. Tuy nhiên, bộ hồ sơ đủ trang chưa chắc đủ căn cứ. QA cần biết phần nào đã xác nhận, phần nào chỉ là bản nháp và tài liệu nào đang thiếu trước khi đưa đề xuất cho người có quyền quyết định.

Cái giá của việc dùng sai revision

Rà theo bản cũ có thể khiến người phụ trách bỏ sót yêu cầu mới. Rà theo bản mới khi chưa thuộc phạm vi áp dụng lại có thể tạo một cảnh báo không phù hợp. Cả hai tình huống đều làm phát sinh trao đổi, kiểm lại hồ sơ và điều chỉnh kế hoạch xử lý.

Việc đo tác động nên dựa trên công việc của nhà máy: bao nhiêu hồ sơ cần hỏi lại, loại nhầm lẫn nào lặp lại và bước nào mất công nhất. Không cần dùng một tỷ lệ lỗi hoặc tiết kiệm của đơn vị khác để mô tả tình hình của mình. Số liệu nội bộ có nguồn sẽ hữu ích hơn cho quyết định thử nghiệm.

Một vấn đề khác là khả năng giải thích kết luận sau đó. Nếu QA chỉ lưu dòng “đạt” mà không giữ nguồn áp dụng, người kiểm tra kỳ sau khó biết kết luận được tạo ra như thế nào. Kho tri thức cần lưu tài liệu và bối cảnh đủ để con người có thể kiểm lại.

AI trong quản lý chất lượng ở lớp tài liệu

Ở phạm vi này, AI có thể hỗ trợ đọc các tài liệu đã nạp, tìm điều kiện liên quan và đối chiếu chúng với thông tin của hồ sơ lô. Đầu ra mong muốn là bản nháp nêu kết luận đề xuất, nguồn sử dụng và các điểm cần người phụ trách kiểm tra.

Kho dùng chung chứa quy trình QA và tài liệu đã xác nhận. Kho riêng theo khách hàng hoặc dự án chứa phụ lục và yêu cầu tương ứng, có phân quyền. Cách tổ chức này giúp giới hạn nguồn được đọc, nhưng vẫn phải có người quản lý phiên bản và loại bỏ tài liệu hết hiệu lực khỏi phạm vi đang áp dụng.

Nền tảng AI native hỗ trợ tri thức và suy luận trên tài liệu; không nên từ đó suy ra mọi khả năng kiểm tra bằng Computer Vision, cảm biến hoặc kết nối thiết bị. Nếu nhà máy cần những phạm vi đó, phải khảo sát và xác nhận riêng. Bài toán hồ sơ có thể thử trước với bộ nguồn nhỏ, đủ kiểm chứng.

Ví dụ hỏi đáp: ngày sản xuất chưa quyết định revision

Ví dụ minh họa, không phải số liệu của khách hàng thật. Tên tài liệu, mã sản phẩm và điều kiện dưới đây đều được giả định để xây phép thử, không phải tiêu chuẩn kỹ thuật để áp dụng tại nhà máy.

Hỏi: “Lô M01 sản xuất ngày 03/10, thuộc đơn hàng được xác nhận ngày 25/09. Kết quả đo là 8,2 đơn vị. Tiêu chuẩn R2 cho phép tối đa 9; R3 cho phép tối đa 8 và ghi áp dụng cho đơn hàng xác nhận từ 01/10. Có thể kết luận theo R2 hay R3? Cần kiểm gì trước khi đề xuất xử lý?”

AI trả lời đề xuất: “Theo điều kiện áp dụng trong tài liệu giả định, đơn hàng ngày 25/09 thuộc R2, dù lô được sản xuất sau 01/10. Kết quả 8,2 không vượt ngưỡng 9 của R2 ở chỉ tiêu đang xét. Chưa thể kết luận toàn bộ lô đạt vì phiếu kiểm tra mới có kết quả của một chỉ tiêu. Cần kiểm các chỉ tiêu còn lại và xác nhận không có phụ lục riêng thay đổi ngày áp dụng.”

Nguồn nội bộ giả định: XácNhậnĐơnHàng-M01.pdf, mục ngày xác nhận; TiêuChuẩn-R2.pdf, bảng chỉ tiêu; TiêuChuẩn-R3.pdf, mục hiệu lực; PhiếuKiểmTra-M01.docx, mục kết quả.

Lưu ý: AI phải kết hợp ngày xác nhận đơn hàng, điều kiện hiệu lực và kết quả đo; không chọn bản mới nhất chỉ vì ngày sản xuất mới. QA xác nhận nguồn và các chỉ tiêu đầy đủ trước khi người có thẩm quyền quyết định. Kết quả trong ví dụ chỉ là nhận xét hồ sơ trên điều kiện giả định.

Chuẩn hóa nguồn trước khi yêu cầu AI đối chiếu

Trước hết, chọn một nhóm sản phẩm và một loại hồ sơ lặp lại. Ghi rõ các trường cần đối chiếu: mã sản phẩm, mã lô, đơn hàng, revision và ngày áp dụng. Trường trống cần được giữ ở trạng thái thiếu, không tự lấy giá trị từ hồ sơ tương tự để hoàn thiện.

Tiếp theo, xác định người chịu trách nhiệm cho từng nguồn. Yêu cầu kỹ thuật từ khách hàng cần được người phụ trách xác nhận trước khi nạp. Tiêu chuẩn nội bộ cần có revision và phạm vi. Biên bản thay đổi cần cho biết điều kiện nào được thay và bắt đầu từ khi nào.

Với bản scan, kiểm lại chữ số, đơn vị và ký hiệu sau OCR. Dấu thập phân hoặc một ký hiệu sai có thể làm thay đổi ý nghĩa của kết quả. Khi nguồn không rõ, AI cần nêu điểm không đọc được và yêu cầu bổ sung, thay vì suy đoán từ văn cảnh.

Chạy thử song song để nhìn rõ loại sai lệch

QA có thể chuẩn bị một bộ hồ sơ đã được kết luận bằng quy trình hiện tại. Có trường hợp đủ căn cứ, trường hợp thiếu phụ lục và trường hợp dễ chọn nhầm revision. Xác định trước đầu ra mong đợi giúp việc đánh giá tránh bị ảnh hưởng bởi câu trả lời nghe thuyết phục.

Cho AI tạo bản nháp trên cùng bộ nguồn, rồi kiểm các câu trích dẫn và điều kiện suy luận. Nếu AI đánh dấu đúng tài liệu nhưng diễn giải sai phạm vi, lỗi đó cần được ghi riêng. Nếu AI nêu thiếu căn cứ đúng lúc, đó cũng là thông tin có giá trị cho thiết kế quy trình.

Trong giai đoạn này, AI không tự cập nhật trạng thái lô hoặc phát hành hồ sơ cho khách hàng. Người phụ trách dùng đầu ra để hỗ trợ kiểm tra và giữ cách làm hiện tại làm phương án dự phòng. Chỉ xem xét mở rộng khi chất lượng nguồn và khả năng phát hiện ngoại lệ đã được kiểm chứng.

Đo hiệu quả ở bước kiểm tra và giải trình

Nhà máy có thể ghi thời gian chuẩn bị hồ sơ, thời gian người phụ trách xác nhận và số lần phải hỏi lại nguồn. Thêm nhóm lỗi theo phiên bản, thiếu trường và mâu thuẫn điều kiện sẽ cho thấy khâu nào cần cải thiện. Không chỉ đo thời gian AI tạo một bản báo cáo.

Một đầu ra có ích giúp QA chỉ đúng phần cần đọc và lý do cần kiểm. Nếu người duyệt vẫn phải dò lại toàn bộ từ đầu, cần điều chỉnh cách trình bày hoặc phạm vi nguồn. Nếu nhiều câu hỏi liên tục thiếu cùng một tài liệu, nên sửa cách thu thập đầu vào trước khi thay công cụ.

Giới hạn quan trọng là AI không thay kiểm nghiệm hoặc đánh giá chuyên môn đối với sản phẩm thật. Hồ sơ chỉ phản ánh dữ liệu đã được ghi nhận. Quyền quyết định xử lý lô vẫn thuộc quy trình và người có thẩm quyền của nhà máy. Điều này cần xuất hiện rõ trong tiêu chí thử nghiệm.

Bắt đầu cùng Lạc Hồng Tech từ hồ sơ có thể kiểm lại

Nền tảng AI native của Lạc Hồng Tech hỗ trợ kho tri thức có phân quyền, truy vấn có suy luận và trích nguồn, xử lý tài liệu dài cùng báo cáo Word theo mẫu. Những năng lực này có thể làm cơ sở cho phép thử đối chiếu hồ sơ chất lượng, với bộ nguồn và tiêu chí do QA xác nhận.

Yêu cầu kết nối hệ thống chất lượng, lấy dữ liệu trực tiếp từ máy hoặc tự thay đổi trạng thái nghiệp vụ cần khảo sát riêng. Không mặc định có sẵn khi mới đọc mô tả nền tảng. Doanh nghiệp nên giữ phạm vi ban đầu ở một đầu việc rõ ràng để kiểm được cả kết quả lẫn giới hạn.

Nếu nhà máy của bạn đang mất công xác định bản yêu cầu đúng cho từng hồ sơ, Lạc Hồng Tech có thể cùng QA rà soát nguồn tài liệu và thiết kế một phép thử. Bắt đầu từ một nhóm hồ sơ giúp việc đánh giá có căn cứ trước khi mở rộng.

Đọc thêm: AI native là gì và RAG AI là gì.

Câu hỏi thường gặp

Đây có phải AI kiểm tra sản phẩm bằng camera? Bài viết tập trung vào hồ sơ và điều kiện áp dụng. Inspection bằng camera là bài toán khác, cần năng lực và dữ liệu riêng.

Luôn chọn revision mới nhất có đúng không? Cần đọc điều kiện hiệu lực, phạm vi đơn hàng và phụ lục. Bản mới nhất chưa chắc áp dụng cho hồ sơ đang xử lý.

AI có được tự đánh dấu lô đạt không? Trong phép thử này, AI chỉ đề xuất nhận xét hồ sơ. QA và người có thẩm quyền kiểm tra và quyết định theo quy trình nhà máy.