Số hóa tài liệu là chuyển hồ sơ giấy thành tệp có cấu trúc, tìm được và kiểm soát quyền truy cập. Máy scan chỉ tạo ảnh đầu vào. Kết quả sử dụng được còn phụ thuộc 300 dpi, OCR, tên file, metadata và sao lưu. Bạn nên tính theo loại giấy cùng số trang mỗi ngày trước khi chọn thiết bị.
Mình đã gặp văn phòng mua máy quét 100 trang/phút nhưng chỉ chạy được một phần ba. Nhân viên mất thời gian gỡ ghim và sửa thứ tự. Chỗ khác dùng máy photocopy sẵn có lại đạt mục tiêu vì hồ sơ đồng đều. Cấu hình phải theo nút nghẽn thật.
Số hóa tài liệu nên bắt đầu bằng nhu cầu sử dụng
Hãy viết câu hỏi người dùng sẽ tra sau này. Phòng nhân sự thường tìm theo mã nhân viên và loại hợp đồng. Kế toán cần số chứng từ, ngày lập và nhà cung cấp. Thiết kế metadata từ các câu hỏi này.
Tiếp theo, chia giấy thành các nhóm vật lý. A4 có kích thước 210 x 297 mm. A3 là 297 x 420 mm. Biên lai nhỏ, sổ đóng gáy và bản vẽ gấp không nên chạy chung một preset.
Sản lượng nên tính theo trang, không tính theo bìa. Một bìa hợp đồng có thể chứa 5 trang hoặc 200 trang. Lấy mẫu 30 bìa rồi tính trung vị sẽ sát hơn việc đoán tổng khối lượng.
Khối lượng 500 trang mỗi tuần có thể dùng MFP văn phòng. Dự án 5.000 trang mỗi ngày cần scanner tài liệu chuyên dụng. Hồ sơ A3 thường xuyên cần mặt kính A3 hoặc scanner phẳng khổ lớn.
Mục tiêu tìm kiếm quyết định OCR. Nếu chỉ lưu ảnh để đối chứng, OCR chưa chắc cần ở mọi trang. Nếu người dùng tra theo nội dung, Searchable PDF và chỉ mục trường dữ liệu là phần bắt buộc.
Ba đầu ra cần phân biệt
- Bản master: giữ chất lượng cao, hạn chế chỉnh sửa và có checksum.
- Bản truy cập: dung lượng nhẹ hơn, có OCR và mở nhanh trên trình duyệt.
- Dữ liệu chỉ mục: CSV hoặc cơ sở dữ liệu chứa mã hồ sơ, ngày và quyền truy cập.
Đừng gộp ba loại vào một thư mục chia sẻ mở. Bản master cần quyền chặt hơn. Bản truy cập phục vụ công việc hàng ngày, còn chỉ mục cần quy tắc sửa trường.
Chọn máy scan, ADF và tốc độ theo loại hồ sơ
Máy photocopy đa chức năng phù hợp giấy văn phòng phẳng. Scanner để bàn có đường giấy ngắn và cảm biến double-feed tốt hơn cho dự án. Scanner phẳng bảo vệ ảnh, sổ và giấy giòn.
| Thiết bị | Tải phù hợp | Điểm mạnh | Giới hạn cần thử |
|---|---|---|---|
| MFP A3 văn phòng | 500 đến 3.000 trang/ngày | Scan A3, gửi SMB, dùng chung | Khó xử lý giấy mỏng lẫn cỡ |
| Scanner A4 hai mặt | 2.000 đến 8.000 trang/ngày | Double-feed, preset theo batch | Không nhận A3 nguyên khổ |
| Scanner phẳng A3 | 100 đến 500 trang/ngày | Ảnh, sổ, giấy dễ rách | Nạp tay, tốc độ thấp |
| Máy scan sản xuất | Trên 10.000 trang/ngày | Khay lớn, đường giấy bền | Chi phí vận hành và đào tạo cao |
Đọc tốc độ theo đúng điều kiện đo. Một model có thể đạt 100 tờ/phút ở A4, 200 dpi với ADF. Khi chọn 600 dpi, màu và xử lý OCR, thông lượng cuối sẽ thấp hơn.
ADF hai mặt kiểu RADF phải đảo tờ để đọc mặt sau. Single-pass duplex dùng hai cảm biến và đọc hai mặt trong một lượt. Hồ sơ hai mặt nhiều nên ưu tiên kiểu thứ hai.
Thông số máy bizhub 360i/300i của Konica Minolta là một ví dụ cụ thể. Máy có scan 200, 300, 400 và 600 dpi. Tốc độ công bố đạt 80 hoặc 100 tờ/phút, còn quét hai mặt một lượt đạt 200 mặt/phút với ADF tương ứng.
Cùng tài liệu đó ghi bộ nhớ 8 GB, ổ lưu trữ 256 GB và mạng Gigabit Ethernet. Giao thức gồm FTP, SMB 3.0, SMTP và WebDAV. Định dạng có TIFF, PDF, PDF/A, JPEG, XPS, OOXML cùng Searchable PDF.
Những con số trên cho biết khả năng, chưa phải sản lượng dự án. Hãy chạy thử 500 trang thật. Ghi thời gian chuẩn bị, scan, sửa lỗi, OCR và nhập chỉ mục riêng.
Thông số ảnh nên chốt
Văn bản nét thường dùng 300 dpi grayscale. Chữ rất nhỏ có thể cần 400 dpi. Ảnh hoặc bản vẽ cần phục chế nên thử 600 dpi màu 24-bit.
Đen trắng 1-bit tạo file nhỏ nhưng dễ mất nét bút chì. Grayscale 8-bit giữ 256 mức xám. Màu RGB 24-bit chứa ba kênh, phù hợp dấu màu và ảnh.
Tự bỏ trang trắng phải có ngưỡng. Mặt sau có bút chì nhạt dễ bị nhận nhầm là trắng. Trong pilot, hãy cố tình đưa 10 trang nhạt để kiểm chức năng này.
Chọn PDF/A, OCR và kho lưu trữ
PDF/A phù hợp bản lưu ổn định vì tự chứa những thành phần cần thiết theo hồ sơ chuẩn. TIFF hợp ảnh master không nén hoặc nén bảo toàn. JPEG nên dùng cho bản truy cập ảnh, tránh lưu đi lưu lại nhiều lần.
OCR tạo lớp chữ để tìm kiếm và sao chép. Công cụ cần chọn tiếng Việt, xoay trang và nhận diện bố cục. Bảng nhiều cột, dấu đóng lên chữ và font máy đánh chữ phải được kiểm riêng.
Trang tiêu chuẩn của ISO có thể dùng làm điểm tra cứu khi đội phụ trách xây quy định quản lý thông tin. Tiêu chuẩn nội bộ cần ghi người sở hữu hồ sơ, thời hạn giữ và cách kiểm thay đổi.
Dung lượng phải được đo trên mẫu thật. Giả sử file trung bình 350 KB mỗi trang, một triệu trang cần khoảng 350 GB cho bản truy cập. Nếu giữ master 1,5 MB mỗi trang, phần này cần thêm khoảng 1,5 TB.
Cộng tối thiểu 30% khoảng trống cho chỉ mục, phiên bản và tăng trưởng. Bản sao lưu không được tính chung vào dung lượng kho chính. Một triệu trang trong ví dụ có thể cần hơn 4 TB khi giữ hai bản sao đầy đủ.
Cấu trúc thư mục nên nông và ổn định. Ví dụ: phòng ban, năm, loại hồ sơ, mã lô. Không đưa tên nhân viên đang phụ trách vào đường dẫn vì người đó có thể đổi vị trí.
Kế hoạch triển khai và cách đo hiệu quả
Mỗi lô cần một người bàn giao giấy và một người nhận file. Hai vai trò này đối chiếu số lượng. Người scan không nên tự phê duyệt lỗi do chính mình tạo ra.
Chọn pilot 1.000 trang có đủ ngoại lệ. Đo tổng giờ công, số lần kẹt, phần trăm scan lại và tỷ lệ OCR đúng ở trường quan trọng. Kết quả đó mới dùng để dự toán 100.000 trang.
Chi phí gồm chuẩn bị giấy, thiết bị, nhân công scan, QA, nhập metadata, lưu trữ và bảo mật. Đừng so riêng giá trên mỗi trang scan. Một file đặt sai hồ sơ có thể tốn nhiều giờ tìm lại.
Để xem từng bước nhận, chuẩn bị, scan và nghiệm thu, bạn có thể đọc quy trình scan và kiểm soát chất lượng 7 bước. Bài đó có bảng thiết lập cho hợp đồng, hóa đơn và ảnh.
Nếu dùng máy photocopy làm đầu vào, cẩm nang cấu hình máy photocopy văn phòng giúp bạn đối chiếu ADF, tốc độ và đường gửi file.
Thiết bị chạy batch dài cần được lau kính và kiểm lô cuốn. Lịch bảo trì máy scan theo bộ đếm chỉ rõ mốc vệ sinh, cách test ADF và dấu hiệu nên dừng máy.
Khi kho số liên quan nhiều phòng ban, cách đo kết quả chuyển đổi số giúp chọn KPI thời gian tìm hồ sơ, tỷ lệ hoàn tất và số yêu cầu xử lý trực tuyến.
Với nhiều thiết bị và lịch kiểm tra, phần mềm quản lý tài sản của MONA là một hướng tham khảo để tổ chức người phụ trách, trạng thái và mốc bảo dưỡng.
Đội dự án nên rà pilot sau hai tuần. Nếu hơn 3% trang phải scan lại, hãy sửa nguồn lỗi trước khi tăng sản lượng. Thường cần chỉnh khâu chuẩn bị giấy hoặc preset, chưa cần đổi scanner ngay.
Câu hỏi thường gặp
Máy photocopy có dùng để scan hồ sơ số lượng lớn được không?
Có, nếu giấy đồng đều, ADF ổn và sản lượng ở mức vừa. Hãy thử 500 trang hai mặt, kiểm double-feed cùng nhiệt máy. Dự án trên 5.000 trang mỗi ngày thường hưởng lợi từ scanner chuyên dụng vì đường giấy, preset batch và phát hiện kéo hai tờ tốt hơn.
300 dpi và 600 dpi khác nhau thế nào?
600 dpi có số điểm theo mỗi chiều gấp đôi 300 dpi, nên tổng số điểm ảnh có thể tăng khoảng bốn lần. File lớn và xử lý lâu hơn. Văn bản rõ thường dùng 300 dpi. Chỉ tăng khi chữ nhỏ, nét kỹ thuật hoặc bản gốc mờ thật sự cần.
Nên lưu hồ sơ số trên NAS hay đám mây?
NAS cho tốc độ nội bộ và quyền kiểm soát tại chỗ. Đám mây thuận tiện cho nhiều địa điểm và mở rộng dung lượng. Cả hai đều cần phân quyền, nhật ký và sao lưu tách biệt. Chọn theo RTO, RPO, đường truyền và yêu cầu nơi đặt dữ liệu.
Làm sao biết OCR tiếng Việt đạt yêu cầu?
Lấy một tập 100 trang có nội dung đại diện và tạo đáp án đúng. Đo riêng trường quan trọng như mã hồ sơ, số tiền, ngày tháng. Nếu ký tự thường đúng nhưng mã sai nhiều, cần thêm kiểm tra theo mẫu. Không đánh giá bằng vài trang đẹp.