Kaizen Agent

Agentic AI giúp doanh nghiệp sản xuất nhỏ cải tiến liên tục: theo dõi dữ liệu vận hành, điều tra nguyên nhân gốc, hỏi người ở xưởng, đề xuất cách sửa, và không thay đổi gì cho đến khi con người duyệt.

Đang phát triển · VJAI Hackathon 2026
bước trong một vòng cải tiến
7
công cụ Claude được phép gọi
8
điểm con người quyết định
2

Bài toán

Xưởng nhỏ không thiếu cảnh báo. Cái thiếu là việc xử lý sau cảnh báo.

Dashboard và ERP báo được cho doanh nghiệp sản xuất nhỏ là tỷ lệ lỗi tăng. Tìm ra vì sao, sửa, rồi đảm bảo lỗi không lặp lại là việc của đội Lean hay QA ở doanh nghiệp lớn, và phần lớn xưởng nhỏ không có đội đó.

Kaizen Agent làm phần việc đó trên chính dữ liệu vận hành của doanh nghiệp, từng bước một, và để con người nắm mọi quyết định.

Dành cho ai

  • Doanh nghiệp sản xuất nhỏ và vừa. Bản thử hiện chạy trên một xưởng ép nhựa mô phỏng.

  • Về sau là bán lẻ, dịch vụ và logistics, bằng cách đổi cấu hình theo ngành chứ không sửa phần suy luận.

Những gì họ đang gặp

  • Lỗi tăng bất thường, máy dừng, nhà cung cấp giao trễ, tồn kho lúc thiếu lúc dư.

  • Sự cố được xử lý theo kinh nghiệm của từng người, chậm và không nhất quán.

  • Cùng một nguyên nhân quay lại nhiều lần vì bài học không được ghi lại.

Cách hoạt động

Một vòng lặp, bảy bước, hai chỗ con người quyết định.

  1. Phát hiện

    Observe

    Quét dữ liệu vận hành mỗi ngày, so với ngưỡng thống kê và ngưỡng nghiệp vụ. Bước này không dùng LLM.

  2. Điều tra

    5 Whys · 5M1E

    Lập giả thuyết theo 5M1E rồi kiểm từng cái bằng công cụ: nhật ký sản xuất, tương quan, lịch sử bảo trì, ca làm và giao hàng của nhà cung cấp.

  3. Hỏi

    Genchi Genbutsu

    Con người quyết định

    Log cho biết máy đã làm gì, không cho biết người đã làm gì. Trước khi kết luận, agent hỏi người vận hành để xác nhận.

  4. Đề xuất

    A3 report

    Soạn đề xuất theo chuẩn A3: sửa tham số trước, rồi sửa SOP để lỗi không lặp lại.

  5. Thực thi

    PDCA · Do

    Con người quyết định

    Không có gì thay đổi cho đến khi con người duyệt. Bị từ chối thì agent quay lại bước Đề xuất, kèm lý do.

  6. Đo lường

    PDCA · Check

    So KPI trước và sau. Nếu không cải thiện đủ, thay đổi được hoàn tác và việc điều tra bắt đầu lại.

  7. Học

    Hansei

    Ghi nguyên nhân gốc thành một pattern, để lần sau gặp ca tương tự thì cần ít bước hơn.

Một ca điều tra

Kịch bản chính của bản thử, trên dữ liệu mô phỏng.

  1. 10/3

    Bảo trì

    Máy ép M2 được thay bộ gia nhiệt. Sau khi lắp, không ai đo lại nhiệt độ.

  2. 11/3

    Lỗi bắt đầu tăng

    Bộ gia nhiệt mới lệch +12°C so với nhiệt độ đặt. Tỷ lệ lỗi của M2 tăng từ khoảng 3,1% lên 7,4%.

  3. 12/3

    Phát hiện

    Agent bắt được bất thường ngay ngày đầu tiên tỷ lệ lỗi vượt cả ngưỡng thống kê lẫn ngưỡng nghiệp vụ 4,5%.

  4. 12/3

    Điều tra

    Loại giả thuyết nguyên vật liệu vì M1 dùng cùng lô nhựa vẫn bình thường. Loại giả thuyết con người vì lỗi tăng ở cả ba ca. Còn lại nhiệt độ M2: lệch và tương quan 0,96 với tỷ lệ lỗi.

  5. 12/3

    Hỏi

    “Ngày 10/3 máy M2 có thay linh kiện không?” Người vận hành xác nhận có thay bộ gia nhiệt và chưa đo lại nhiệt độ.

  6. 12/3

    Đề xuất và duyệt

    Đề xuất A3: hiệu chuẩn lại bộ gia nhiệt, rồi thêm bước xác nhận nhiệt độ vào SOP bảo trì để lỗi không lặp lại. Quản lý duyệt thì thay đổi mới được áp dụng.

  7. +14 ngày

    Đo lường

    Tỷ lệ lỗi của M2 về 2,97%, đúng mức bình thường trước sự cố. Nếu không cải thiện đủ, thay đổi sẽ tự hoàn tác và agent điều tra lại.

  8. Sau đó

    Học

    Nguyên nhân được ghi thành pattern. Khi cùng nguyên nhân quay lại, agent kiểm tra pattern đó trước và cần ít bước điều tra hơn.

Xây trên Claude

Claude lo phần suy luận. Code thường giữ các ranh giới.

Bước Điều tra và Đề xuất chạy trên Claude Agent SDK: Claude tự chọn công cụ để gọi, đọc bằng chứng và trả về báo cáo có cấu trúc. Còn vòng lặp, phần phát hiện, đo lường và mọi thao tác ghi dữ liệu đều là code thường, không gọi model.

Hai lớp

Lõi suy luận
Vòng PDCA, agent Claude, rào chắn, dòng sự kiện và phần Học. Không phụ thuộc ngành hay hệ thống nào.
Cấu hình theo doanh nghiệp
Máy, ca làm, SOP, KPI và ngưỡng cảnh báo của từng công ty. Đổi ngành là viết một hồ sơ mới, không sửa phần suy luận.

Công cụ, chia theo ai được gọi

Claude tự chọn và gọi: đọc dữ liệu, tính tương quan, tra pattern cũ, soạn đề xuất

  • query_logs
  • correlate
  • get_shift_schedule
  • get_supplier_deliveries
  • get_maintenance_events
  • read_sop
  • find_similar_patterns
  • propose_sop_change

Code thường gọi: đo kết quả và ghi bài học

  • measure
  • record_pattern

Chỉ chạy sau khi người duyệt, không bao giờ đưa cho model

  • apply_sop_change
  • revert_sop_change
  • update_rule

Mỗi bước suy luận, mỗi lần gọi công cụ và mỗi quyết định đều phát thành sự kiện, hiện trực tiếp trên dashboard và lưu lại để phát lại hoặc kiểm tra sau.

AI có trách nhiệm

Mỗi rủi ro có một cách kiểm soát nằm trong code, không chỉ trong prompt.

Kết luận sai nguyên nhân
Kết luận phải kèm bằng chứng từ công cụ, theo schema bắt buộc. Agent được phép trả lời “chưa đủ bằng chứng” kèm câu hỏi thay vì đoán.
Agent làm việc ngoài phạm vi
Agent chỉ thấy công cụ riêng của dự án; shell, đọc ghi file và web đều bị tắt. Mỗi phiên giới hạn số lượt và số lần gọi công cụ.
Tự ý thay đổi vận hành
Ba lớp: công cụ ghi không được đưa cho model, tự kiểm token duyệt, và có hook chặn trước khi gọi. Mọi thay đổi SOP hay quy tắc đều có phiên bản và người duyệt.
Thiên lệch theo ca, máy hay người
Giả thuyết phải được loại bằng dữ liệu đối chiếu (lịch ca, tương quan), không bằng định kiến.
Dữ liệu bị sửa để lái kết luận
Kết luận cần ít nhất hai nguồn log độc lập; dòng suy luận hiển thị nguồn của từng bằng chứng.
Quy lỗi cho cá nhân
Người vận hành chỉ xuất hiện dưới dạng mã ẩn danh. Nguyên nhân luôn trình bày theo máy, tham số và quy trình.
Lộ dữ liệu vận hành
Bản thử chỉ dùng dữ liệu tổng hợp. Khi chạy thật, model chỉ nhận số liệu đã tổng hợp, không nhận dữ liệu thô hay thông tin nhân sự.

Kết quả bản thử

Đo trên một nhà máy mô phỏng, không phải dữ liệu của khách hàng.

Tỷ lệ lỗi của máy gặp sự cố, trước và sau khi áp dụng cách sửa đã duyệt1 lần chạy với Claude, 14 ngày mô phỏng sau thay đổi
6.08% → 2.97%
Số lần điều tra tìm đúng nguyên nhân gốc được cài vào5 lần đánh giá; cả 5 lần đều hỏi người vận hành trước
5/5
Số lần gọi công cụ khi cùng nguyên nhân quay lại2 cặp lần chạy, sau bước Học
8 → 6

Toàn bộ dữ liệu là dữ liệu tổng hợp và số mẫu còn nhỏ. Các con số này cho thấy vòng lặp chạy được từ đầu đến cuối, chưa phải kết quả ở nhà máy thật.

Đưa vào doanh nghiệp thật

Giữ nguyên lõi suy luận, chỉ thay nguồn dữ liệu và cách thực thi.

Nối dữ liệu

Excel, Google Sheet
Nhập file theo mẫu cột, mỗi ca hoặc mỗi ngày
ERP, MES
Tài khoản chỉ đọc, đồng bộ mỗi đêm về một schema chuẩn
Hệ thống có API
Connector gọi API theo lịch
Cảm biến máy (PLC, SCADA)
Lấy qua gateway có sẵn, gộp theo khung 10 phút

Triển khai theo ba nấc

  1. Chế độ bóng

    Chỉ phát hiện, điều tra và hỏi. Không đề xuất.

    So kết luận của agent với đội QC và đo thời gian phát hiện, xử lý thật của doanh nghiệp. Gần như không có rủi ro.

  2. Có đề xuất

    Thêm đề xuất A3; người duyệt rồi tự làm.

    Kiểm chất lượng đề xuất và bắt đầu tích luỹ bài học.

  3. Nối thực thi

    Sau khi duyệt, tự tạo phiếu việc trong hệ thống của doanh nghiệp.

    Khép kín vòng PDCA. Con người vẫn duyệt và thực hiện.

Nguyên tắc

  • Agent không điều khiển máy. Đề xuất được duyệt trở thành phiếu việc cho con người làm, và hiệu quả chỉ được đo sau khi việc hoàn tất.

  • Câu hỏi và đề xuất được gửi tới tận người vận hành và quản lý (Zalo OA, email), không bắt họ học phần mềm mới.

  • Dữ liệu có thể giữ hoàn toàn tại chỗ; chỉ phần suy luận gọi tới Claude API.

Hiện trạng và bước tiếp theo

Kaizen Agent bắt đầu là bài dự thi của đội tại VJAI Hackathon 2026 (chủ đề: Agentic AI for Sustainable Goals). Hiện nó chạy trọn vòng trên một xưởng ép nhựa mô phỏng có hai máy.

Đội phát triển

  • Lê Hoàng ThạchTrưởng nhóm
  • Nguyễn Thanh Tiến (Finn)Phó nhóm
  • Nguyễn Quang ĐạiThành viên
  • Lê Hoàng BảoThành viên

Công nghệ

  • Claude Agent SDK
  • Python
  • FastAPI
  • PostgreSQL
  • Server-Sent Events
  • Next.js
  • TypeScript

Tiếp theo

  1. Chuyển từ bản thử sang Claude API để agent chạy được như một dịch vụ.

  2. Mở bản demo công khai phát lại các lần chạy thật, chạy trực tiếp khi có yêu cầu.

  3. Thử chế độ bóng với doanh nghiệp sản xuất nhỏ trên dữ liệu của chính họ.

  4. Tách thành các agent chuyên biệt (chất lượng, tồn kho, nhà cung cấp, vận hành) phối hợp qua một bộ điều phối.

  5. Mở rộng sang ngành khác bằng cấu hình mới, hướng tới một hệ điều hành cải tiến liên tục cho SME.

Kết nối với mình

Cảm ơn bạn đã ghé thăm góc nhỏ của mình. Rất mong chúng ta sẽ có dịp trò chuyện và hợp tác!

Mình luôn cởi mở với những cuộc trò chuyện về phát triển sản phẩm, ứng dụng AI hay các ý tưởng khởi nghiệp. Cứ thoải mái ném thẳng một tin nhắn cho mình nhé!

Nhận hợp tác chọn lọc · trả lời trong ngày

Email

hello@thelittlecoder.dev
Bắt đầu trao đổi