Ngày 29/10/2026, tại Hà Nội, Hiệp hội Dệt May Việt Nam (VITAS), Viện Công nghệ Công nghiệp Hàn Quốc (KITECH) và Trung tâm Hỗ trợ phát triển công nghiệp (IDC), Cục Công nghiệp, Bộ Công Thương phối hợp tổ chức Hội thảo Quốc tế về công nghệ dệt may lần thứ 12 với chủ đề “Ứng dụng AI và Robot trong chuyển đổi sản xuất ngành Dệt may”. Bốn chuyên đề tiếp cận hành trình chuyển đổi từ năng lực cạnh tranh của ngành đến phát triển sản phẩm số, quản trị sản xuất và ứng dụng robot tại nhà máy.
Cục Công nghiệp nhấn mạnh hiệu quả thực chất của chuyển đổi công nghệ
Phát biểu khai mạc hội thảo, ông Đỗ Nam Bình – Phó Cục trưởng Cục Công nghiệp, Bộ Công Thương – khẳng định vai trò quan trọng của ngành dệt may đối với xuất khẩu, việc làm và sự tham gia của Việt Nam vào chuỗi giá trị toàn cầu. Trước sức ép cạnh tranh cùng yêu cầu ngày càng cao về truy xuất nguồn gốc, phát triển xanh, giảm phát thải và trách nhiệm xã hội, ông nhấn mạnh ngành cần chuyển từ lợi thế chi phí sang lợi thế về năng suất, công nghệ, chất lượng và khả năng tham gia các khâu có giá trị gia tăng cao.
Theo ông Đỗ Nam Bình, AI có thể hỗ trợ xuyên suốt từ thiết kế, dự báo nhu cầu, lập kế hoạch và tối ưu nguyên vật liệu đến quản lý đơn hàng, kiểm soát chất lượng và tổ chức chuỗi cung ứng. Robot và tự động hóa có thể được ứng dụng vào vận chuyển nguyên phụ liệu, cắt, trải vải, kiểm tra và đóng gói. Tuy nhiên, đặc thù vật liệu mềm, sản phẩm đa dạng và đơn hàng thường xuyên thay đổi khiến việc tự động hóa phải được đánh giá theo điều kiện của từng công đoạn.
Thông điệp trọng tâm được Phó Cục trưởng Cục Công nghiệp đặt ra là công nghệ phải giải quyết được bài toán cụ thể của doanh nghiệp. Hiệu quả cần thể hiện ở năng suất cao hơn, tỷ lệ lỗi thấp hơn, tiết kiệm nguyên vật liệu, rút ngắn thời gian giao hàng và nâng năng lực quản trị. Với doanh nghiệp vừa và nhỏ, giải pháp cần phù hợp với nguồn lực tài chính, trình độ quản trị và khả năng tiếp nhận; có thể bắt đầu từ một công đoạn hoặc mô hình thí điểm, sau đó đánh giá, hoàn thiện và nhân rộng.
Về hợp tác Việt Nam – Hàn Quốc, ông đề nghị các chuyên gia, tổ chức nghiên cứu và doanh nghiệp đi sâu vào khả năng ứng dụng thực tế, hiệu quả đầu tư và cơ chế chuyển giao công nghệ. Ba nội dung ưu tiên được nhấn mạnh gồm: xác định đúng công đoạn và nhu cầu ứng dụng AI, robot; liên kết viện nghiên cứu, tổ chức công nghệ và doanh nghiệp để xây dựng, đánh giá, nhân rộng mô hình thí điểm; đào tạo nhân lực và chuyển giao tri thức để doanh nghiệp từng bước làm chủ công nghệ. Những định hướng này đặt nền tảng cho việc lựa chọn giải pháp và tổ chức triển khai phù hợp với thực tiễn ngành dệt may Việt Nam.
Chuyển đổi công nghệ gắn với chất lượng tăng trưởng
Phát biểu tại hội thảo, ông Trương Văn Cẩm, Phó Chủ tịch kiêm Tổng Thư ký VITAS, nhấn mạnh yêu cầu nâng chất lượng tăng trưởng của ngành. Theo số liệu ông chia sẻ, kim ngạch xuất khẩu dệt may năm 2025 đạt khoảng 46,2 tỷ USD; ngành có khoảng 1,86 triệu lao động trực tiếp trong các doanh nghiệp công nghiệp và khoảng 3–4 triệu người nếu tính cả hợp tác xã, hộ kinh doanh và các cơ sở thương mại. Quy mô này cho thấy chuyển đổi công nghệ vừa là bài toán cạnh tranh của doanh nghiệp, vừa gắn với việc làm và thu nhập của đông đảo người lao động.
Theo ông Trương Văn Cẩm, khi nhu cầu dệt may thế giới chỉ tăng bình quân quanh mức 2%/năm, dư địa tăng trưởng bằng mở rộng quy mô trở nên hạn chế. Ngành cần đẩy mạnh khoa học công nghệ, ứng dụng AI và robot để nâng năng suất, đồng thời tăng tỷ lệ nội địa hóa, phát triển nguồn nguyên phụ liệu trong nước và giảm phụ thuộc vào gia công thuần túy. Việc nâng cấp sản xuất vì vậy cần được đặt trong định hướng tăng giá trị tạo ra tại Việt Nam và nâng năng lực tham gia chuỗi cung ứng.
Ông cũng đề cập mục tiêu tăng thu nhập bình quân của công nhân khoảng 10%/năm, gắn nâng chất lượng tăng trưởng với cải thiện đời sống người lao động. Đây là định hướng phấn đấu, đòi hỏi doanh nghiệp kết hợp tăng năng suất với đào tạo, bố trí công việc và cơ chế ghi nhận đóng góp của người lao động. Với hơn 90% doanh nghiệp trong ngành là doanh nghiệp vừa và nhỏ, theo chia sẻ tại hội thảo, lộ trình ứng dụng công nghệ cần dựa trên việc tính toán chi phí, lợi ích và khả năng vận hành lâu dài.
Nâng năng suất trên nền tảng sản xuất hiện có
Trong tham luận về tiềm năng chuyển đổi AI và robot của ngành may Việt Nam, ông Park Jun Ho, Nghiên cứu viên cao cấp, KITECH, phân tích giá trị của nền tảng sản xuất đã tích lũy: đội ngũ công nhân lành nghề, kinh nghiệm quản lý, mạng lưới cung ứng và quan hệ với khách hàng. Đây là những tài sản cần được tính đến khi doanh nghiệp lựa chọn giữa nâng cấp nhà máy và chuyển dịch sản xuất sang địa điểm có chi phí lao động thấp hơn.
Phân tích của ông Park Jun Ho còn lưu ý tính thâm dụng lao động của mô hình CMT, tức gia công cắt, may và hoàn thiện. Khi xem xét tỷ trọng chi phí nhân công trong mô hình này, cần phân biệt chi phí gia công với toàn bộ giá trị sản phẩm, bao gồm nguyên liệu và các khâu thương hiệu, phân phối. Đối với doanh nghiệp, cơ sở đánh giá tự động hóa là mức giảm chi phí trên mỗi sản phẩm đạt chuẩn, cùng khả năng duy trì chất lượng và tiến độ sau đầu tư.
Chênh lệch tiền lương chỉ là một phần của bài toán. Một cơ sở mới còn phát sinh chi phí tuyển dụng, đào tạo, ổn định chất lượng, tổ chức logistics và đáp ứng yêu cầu của khách hàng. Trong khi đó, giảm lỗi, giảm thời gian chờ giữa các công đoạn và tăng sản lượng đạt chuẩn trên mỗi giờ công có thể tạo dư địa cải thiện ngay tại nhà máy đang hoạt động.
Từ góc nhìn này, AI và robot giúp doanh nghiệp khai thác tốt hơn năng lực sẵn có. Những bài toán ưu tiên có thể là dự báo nguy cơ chậm đơn hàng, nhận diện công đoạn nghẽn, hỗ trợ kiểm tra chất lượng hoặc tối ưu sử dụng vải. Tuy nhiên, như tham luận lưu ý, một số vấn đề có thể được giải quyết bằng chuẩn hóa dữ liệu và cải tiến quản lý thông thường. Doanh nghiệp cần xác định đúng nguyên nhân trước khi lựa chọn công nghệ.
Kết nối dữ liệu từ yêu cầu khách hàng đến sản xuất
Ông Ju Kyeong Sik, Giám đốc Youth Hitech, đưa ra một tình huống gần gũi: khi khách hàng thay đổi một thông số trong hồ sơ kỹ thuật, mất bao lâu để thông tin đó đến được bộ phận phát triển mẫu, mua hàng và sản xuất? Nếu mỗi bộ phận sử dụng một phiên bản Excel hoặc email khác nhau, rủi ro sai lệch xuất hiện trước cả khi sản phẩm được đưa lên chuyền.
Vì vậy, nền tảng cho ứng dụng AI là một nguồn dữ liệu thống nhất, có kiểm soát phiên bản và phân quyền. Trong mô hình được giới thiệu, hệ thống quản lý vòng đời sản phẩm (PLM) quản lý thông số, hồ sơ kỹ thuật và các bước phát triển sản phẩm; hệ thống lập kế hoạch và điều độ nâng cao (APS) xây dựng lịch sản xuất; hệ thống quản lý thực thi sản xuất (MES/PMS theo cách trình bày của diễn giả) ghi nhận diễn biến và kết quả tại hiện trường. Dữ liệu thực tế được phản hồi để điều chỉnh kế hoạch khi có thay đổi.
Trên nền tảng này, AI có thể hỗ trợ đọc yêu cầu khách hàng, trích xuất thông số, lập dự thảo danh mục nguyên phụ liệu (BOM), phát hiện dữ liệu thiếu hoặc mâu thuẫn. Một điểm đáng chú ý là thông tin trích xuất được gắn với nguồn gốc trong tài liệu đầu vào, giúp người phụ trách đối chiếu trước khi phê duyệt. Đây là cách giảm nhập liệu thủ công nhưng vẫn giữ trách nhiệm kiểm soát chuyên môn.
Ở khâu sản xuất, hướng ứng dụng được giới thiệu là đối chiếu kế hoạch với sản lượng đạt chất lượng, phát hiện nguy cơ chậm tiến độ và đề xuất phương án xử lý. Chẳng hạn, khi một công đoạn không đạt nhịp chuyền, hệ thống có thể hỗ trợ khoanh vùng nguyên nhân liên quan đến tay nghề, thiết bị hoặc cung ứng vật tư. Quyết định điều chuyển người hay điều chỉnh lịch vẫn cần quản lý hiện trường xác nhận, dựa trên điều kiện thực tế.
Điều doanh nghiệp cần chuẩn bị là dữ liệu đủ tin cậy: thống nhất mã hàng, mã nguyên liệu, mã công đoạn, cách ghi nhận sản lượng và nguyên tắc phê duyệt thay đổi. Nếu dữ liệu đầu vào sai hoặc cập nhật chậm, một hệ thống AI phức tạp cũng khó đưa ra đề xuất hữu ích. Các chức năng được trình bày cần tiếp tục được đối chiếu với phạm vi cung cấp, khả năng tích hợp và mức độ hoàn thiện của giải pháp khi triển khai cụ thể.
Đưa thiết kế số đến gần yêu cầu sản xuất
Trong chuyên đề “Beyond Digital Creation”, bà Kathy Phạm, Giám đốc CLO Virtual Fashion Việt Nam, làm rõ khoảng cách giữa một hình ảnh thời trang hấp dẫn và một sản phẩm có thể sản xuất. AI giúp phát triển ý tưởng, thử màu sắc, họa tiết và bề mặt vải nhanh hơn; để may thành sản phẩm, doanh nghiệp còn cần rập, cấu trúc đường may, thông số kích thước và thông tin vật liệu phù hợp.
Mô hình sản phẩm 3D có thể trở thành nơi tập hợp các lớp dữ liệu này, hỗ trợ bộ phận thiết kế, kỹ thuật và khách hàng cùng xem xét sản phẩm trước khi hoàn thiện mẫu. Tuy nhiên, hình ảnh bề mặt vải và đặc tính vật lý của vật liệu là hai lớp thông tin khác nhau. Một bề mặt do AI tạo ra không đủ để xác định chính xác độ co giãn, độ rủ hoặc cách vật liệu biến dạng khi mặc. Quy trình số hóa vật liệu do CLO giới thiệu cũng bao gồm bước kiểm tra đặc tính vật lý qua thử nghiệm độ rủ.
Độ vừa vặn cần được xem xét trên nhiều cỡ, kết hợp kiểm tra nhảy cỡ, các điểm đo và yêu cầu may thực tế. Mô phỏng giúp nhận diện vùng cần điều chỉnh, nhưng kết quả vẫn cần được đội ngũ kỹ thuật xác nhận. Do đó, mục tiêu triển khai hợp lý là giảm vòng sửa mẫu và nâng chất lượng trao đổi kỹ thuật, đồng thời duy trì các bước xác nhận cần thiết với vật liệu và sản phẩm thực tế.
Tham luận cũng đề cập hướng phát triển tác nhân AI hỗ trợ thao tác trong phần mềm và khai thác dữ liệu 3D cho các công việc tiếp theo. Một số nội dung được tài liệu ghi rõ là bản xem trước hoặc lộ trình phát triển. Doanh nghiệp cần phân biệt các định hướng này với chức năng đã sẵn sàng sử dụng, đồng thời xác nhận phiên bản và phạm vi cung cấp trước khi đưa vào kế hoạch triển khai.
Robot có thể bắt đầu từ vận chuyển và cấp phôi
Các trường hợp do TS. Lee HeeDong, Nghiên cứu viên trẻ, KITECH, giới thiệu cho thấy cơ hội tự động hóa nằm ở nhiều công việc xung quanh máy sản xuất: vận chuyển cuộn vải, cấp vật liệu, đóng gói, xếp hàng và đưa đồ gá vào máy. Những thao tác lặp lại, có đối tượng và trình tự tương đối ổn định là cơ sở để doanh nghiệp khảo sát ứng dụng.
Tại một công đoạn đóng gói và xếp cuộn vải được trình bày, robot nhận diện cuộn theo mã vạch và đưa hàng lên xe theo đơn hàng. Theo số liệu trong tham luận, năng suất tăng từ 58,3 lên 70 cuộn/giờ, tương đương khoảng 20%; số người trực tiếp tại công đoạn giảm từ 3 xuống 1. Một trường hợp khác trong phòng chuẩn bị thuốc nhuộm sử dụng robot di chuyển trên ray để cấp các bình chứa cho thiết bị hòa tan, giúp thời gian xử lý mỗi lượt giảm từ 19 xuống 13 phút, số người tham gia giảm từ 2 xuống 1.
Đây là kết quả của các ứng dụng cụ thể được diễn giả cung cấp, không phải mức hiệu quả mặc định cho mọi nhà máy. Giá trị tham khảo nằm ở cách lựa chọn công việc, bố trí thiết bị và đo kết quả trước, sau đầu tư. Khi áp dụng tại Việt Nam, cần tính lại theo mặt bằng, chủng loại sản phẩm, thời gian vận hành và chi phí tích hợp của từng doanh nghiệp.
Đối với may, một hướng đáng chú ý là tự động hóa việc cấp và thu hồi đồ gá. Người lao động đặt các chi tiết vải vào đồ gá để giữ hình dạng, vị trí; robot đưa đồ gá vào máy may lập trình và lấy ra sau khi hoàn thành. Nhờ vậy, robot thao tác với một kết cấu ổn định hơn, giảm độ phức tạp so với việc trực tiếp cầm, căn chỉnh từng mảnh vải mềm.
Khó khăn khi robot trực tiếp xử lý vải vẫn rất rõ: vải có thể chùng, giãn, trượt hoặc bị gắp nhiều lớp; mỗi loại vật liệu lại có độ dày và đặc tính bề mặt khác nhau. Vì thế, đánh giá một giải pháp cần đi xa hơn video trình diễn, bao gồm khả năng chạy liên tục trên vật liệu thật, thời gian đổi mã hàng, tỷ lệ lỗi và mức độ can thiệp của người vận hành.
Nhận diện đúng công nghệ đang nghiên cứu và thử nghiệm
Hướng nghiên cứu “Physical AI” trong may được giới thiệu tại hội thảo tập trung vào việc dùng AI nhận biết trạng thái vải và điều chỉnh chuyển động robot. Các nhiệm vụ bao gồm tách một lớp vải, căn vị trí, điều chỉnh lực kéo, đồng bộ chuyển động với tốc độ may và phát hiện bất thường của đường may. Những nhiệm vụ này đòi hỏi phối hợp giữa thị giác máy, cơ cấu gắp, cảm biến và điều khiển thiết bị.
Thông tin KITECH công bố ngày 10/9/2026 về mô hình microfactory cũng cho thấy bước tiến trong kết nối thiết kế 3D, kiểm chứng công đoạn bằng bản sao số và robot tạo mẫu trang phục thông minh. Thành quả này mở ra hướng sản xuất theo yêu cầu, nhưng phạm vi sản phẩm thử nghiệm cần được phân biệt với khả năng vận hành ổn định trên nhiều loại hàng may thương mại.
Một ví dụ khác là dự án kiểm tra vải bằng AI được giới thiệu trong tham luận của TS. Lee HeeDong. Hệ thống đang phát triển kết hợp camera quét dòng, cảm biến màu và nguồn sáng hạn chế nhấp nháy, nhằm ghi nhận vị trí, kích thước lỗi và sai khác màu theo từng cuộn. Theo tài liệu hội thảo, thiết bị đang được lắp đặt tại một nhà máy nhuộm ở Việt Nam, dự kiến thử nghiệm từ vải cotton đơn sắc trong năm 2027. Đây là kế hoạch thử nghiệm, chưa phải kết quả hiệu quả đã được xác nhận tại nhà máy đó.
Với doanh nghiệp, bài học là yêu cầu nhà cung cấp làm rõ điều kiện kiểm chứng. Riêng kiểm tra chất lượng bằng AI, cần theo dõi cả tỷ lệ phát hiện lỗi, tỷ lệ bỏ sót và tỷ lệ nhận nhầm sản phẩm đạt thành sản phẩm lỗi. Mức độ phù hợp phải được kiểm tra trên chính nhóm vật liệu và tiêu chuẩn chất lượng mà doanh nghiệp sử dụng.
Bắt đầu từ một quy trình và xây dựng đội ngũ làm chủ
Từ các chuyên đề, có thể rút ra cách tiếp cận triển khai theo từng bước. Trước hết, doanh nghiệp lựa chọn một vấn đề có chi phí hoặc ảnh hưởng rõ ràng, như sửa mẫu nhiều lần, chậm cập nhật hồ sơ kỹ thuật, ùn tắc công đoạn hay vận chuyển nặng nhọc. Tiếp đó, đo hiện trạng và thống nhất chỉ tiêu đánh giá để tránh đầu tư mà thiếu cơ sở so sánh.
Thử nghiệm nên được thực hiện trên phạm vi đủ nhỏ để kiểm soát, nhưng phản ánh đúng điều kiện sản xuất: vật liệu thực tế, nhịp làm việc, biến động đơn hàng và tình huống phát sinh. Hiệu quả cần được đánh giá theo mục tiêu của công đoạn, chẳng hạn số vòng sửa mẫu, sản lượng đạt chuẩn trên giờ công, thời gian chuyển đổi sản phẩm hoặc tỷ lệ giao hàng đúng hạn. Việc tính chi phí cần bao gồm đồ gá, tích hợp phần mềm, đào tạo, bảo trì và thời gian dừng để triển khai.
Đồng thời, doanh nghiệp cần xác định ai chịu trách nhiệm dữ liệu, ai phê duyệt kết quả AI và ai vận hành, bảo dưỡng thiết bị. Ông Park Jun Ho đề xuất sự phối hợp giữa quản lý sản xuất, nhân lực phần mềm và đội ngũ công nhân, kiểm soát chất lượng. Người am hiểu vật liệu và thao tác may giúp xác định đúng vấn đề; nhân lực công nghệ chuyển yêu cầu thành giải pháp; quản lý tổ chức kiểm chứng và áp dụng vào sản xuất.
Chuyển đổi công nghệ vì vậy gắn chặt với chuyển đổi kỹ năng. Khi một số thao tác lặp lại được tự động hóa, kinh nghiệm của lao động lành nghề vẫn cần cho sản phẩm khó, phát triển mẫu, điều chỉnh công đoạn và xử lý ngoại lệ. Đào tạo và bố trí lại công việc cần được chuẩn bị cùng kế hoạch đầu tư để doanh nghiệp giữ được tri thức sản xuất và nâng khả năng làm chủ thiết bị.
Ông Trương Văn Cẩm đánh giá cao sự đồng hành lâu dài của KITECH và sự hỗ trợ của Bộ Công Thương, đồng thời nhấn mạnh lợi ích của hợp tác công nghệ đối với cả doanh nghiệp Việt Nam và doanh nghiệp Hàn Quốc đang đầu tư tại Việt Nam. Thông qua sự phối hợp giữa VITAS, KITECH và IDC, hội thảo cung cấp cơ sở để kết nối nhu cầu thực tế với chuyên gia và đơn vị công nghệ. Những mô hình thí điểm có dữ liệu rõ ràng, có đội ngũ vận hành và được đánh giá trong điều kiện nhà máy sẽ giúp việc chuyển giao công nghệ đi vào thực chất, từng bước cải thiện năng suất, chất lượng và khả năng đáp ứng đơn hàng.
