Giới thiệu dự án

Ngành da giày giữ vai trò trụ cột trong cơ cấu xuất khẩu của nền kinh tế Việt Nam. Theo số liệu từ Hiệp hội Da giày – Túi xách Việt Nam (LEFASO), Việt Nam đứng thứ 3 thế giới về năng lực sản xuất (chiếm 6,71% sản lượng toàn cầu) và xếp thứ 2 về kim ngạch xuất khẩu với hơn 1 tỷ đôi giày/năm (chiếm 9,9% thị phần thế giới), đạt tốc độ tăng trưởng 15,6%. Mặc dù hưởng lợi từ các hiệp định thương mại tự do thế hệ mới như EVFTA, các doanh nghiệp sản xuất đang đối mặt với bài toán tối ưu hóa chi phí vận hành và rào cản kỹ thuật khắt khe từ thị trường nhập khẩu (EU, Hoa Kỳ, Nhật Bản).

Tại Nhà máy giày da Mỹ Phong thuộc Công ty Cổ phần Đầu tư Thái Bình (TBS Group), sau quá trình sáp nhập và đồng bộ hóa quy trình theo tiêu chuẩn quản trị TBS, chất lượng sản phẩm vẫn chưa đạt mục tiêu đề ra. Tỷ lệ sản phẩm lỗi (Defect Rate) thống kê trong năm 2022 và các tháng đầu năm 2023 dao động từ 5,78% đến 6,02% (trung bình 5,98% giai đoạn tháng 6–8/2022 và 5,83% giai đoạn tháng 2–4/2023), liên tục vượt ngưỡng dung sai cho phép là 5,00%.

Mục tiêu dự án

  1. Xác định các nhân tố ảnh hưởng: Nhận diện hệ thống biến độc lập thuộc mô hình 5M-1E (Con người, Phương pháp, Nguyên vật liệu, Máy móc thiết bị, Môi trường) tác động đến hoạt động kiểm soát chất lượng (HĐKSCL).
  2. Lượng hóa mức độ tác động: Kiểm định độ tin cậy thang đo (Cronbach's Alpha), phân tích nhân tố khám phá (EFA) và xây dựng mô hình hồi quy tuyến tính đa biến (Multiple Linear Regression - MLR) trên phần mềm IBM SPSS 20.0.
  3. Thiết kế giải pháp cải tiến: Đề xuất hệ thống giải pháp kỹ thuật và quản trị gồm: chuyển đổi công nghệ may lập trình tự động, tối ưu hóa bảo trì thiết bị bằng biểu đồ ABC-Pareto, và tích hợp hệ thống giám sát cảnh báo lỗi trực quan Andon.

Phạm vi và giới hạn

  • Không gian: 3 phân xưởng cốt lõi theo dòng chảy sản xuất (May – Gò – Đế) tại Nhà máy Mỹ Phong – TBS Group.
  • Thời gian: Số liệu sơ cấp và thứ cấp thu thập từ tháng 07/2022 đến tháng 05/2023.
  • Dữ liệu: Khảo sát cắt ngang (Cross-sectional) với cỡ mẫu hợp lệ $N = 253$ (trên tổng số 270 phiếu phát ra).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương thức kiểm soát chất lượng truyền thống tại nhà máy bộc lộ nhiều điểm nghẽn: phụ thuộc lớn vào việc kiểm tra thủ công ở cuối chuyền (End-of-line Inspection), thiếu cơ chế phản hồi thông tin lỗi theo thời gian thực và thời gian xử lý sự cố thiết bị kéo dài.

Tiêu chí phân tích Kiểm tra chất lượng truyền thống Hệ thống kiểm soát tích hợp (Đề xuất)
Bản chất tiếp cận Bị động (Phát hiện và loại bỏ phế phẩm cuối chuyền) Chủ động (Ngăn ngừa lỗi tại nguồn - In-line Quality Control)
Công cụ phân tích Ghi chép sổ sách thủ công, thống kê rời rạc Hồi quy MLR, Ma trận tương quan, Kiểm định ANOVA/Levene
Mức độ số hóa Thấp, công nhân truyền đạt lỗi qua trung gian Trực quan hóa bằng bảng cảnh báo Andon, tự động hóa CNC
Khả năng truy xuất Độ trễ 24–48h theo ca sản xuất Phản hồi tức thời (Real-time) ngay khi phát sinh biến động 
                       BẢNG PHÂN LOẠI YÊU CẦU THEO MoSCoW

Thiết kế hệ thống

Kiến trúc giải pháp tích hợp giữa mô hình phân tích định lượng 5M-1E và hệ thống điều hành sản xuất hiện trường:

Ngũ giác công nghệ & Tiêu chuẩn áp dụng:

  • Hệ thống phân tích dữ liệu: IBM SPSS Statistics version 20.0 (Thuật toán Principal Component Analysis, Phép quay Varimax).
  • Tiêu chuẩn quản lý chất lượng: TCVN ISO 9001:2015 / ISO 9000:2007, 14 nguyên tắc Deming, Thuyết tam luận Juran (Juran's Trilogy).
  • Hạ tầng phần cứng Andon: Vi điều khiển trung tâm, Cảm biến công nghiệp, Bộ chuyển đổi giao tiếp RS485/Modbus, Màn hình hiển thị LCD qua giao diện HDMI.
  • Hệ thống cơ khí - may tự động: Máy may lập trình điều khiển số (Programmable Pattern Sewing Machine) tích hợp bộ nhớ lưu trữ mẫu may điện tử.

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu áp dụng quy trình hỗn hợp định tính kết hợp định lượng:

  1. Nghiên cứu định tính: Khảo sát chuyên gia qua 2 vòng kỹ thuật Delphi ($N_{Delphi} = 8$ chuyên gia gồm Giám đốc chất lượng, Trưởng phòng IE, Quản đốc xưởng) để hiệu chỉnh bảng câu hỏi thang đo Likert 5 mức độ từ 27 biến quan sát ban đầu.
  2. Nghiên cứu định lượng: Thu thập mẫu bằng phương pháp ngẫu nhiên phân tầng kết hợp thuận tiện. Kiểm định độ tin cậy thang đo, phân tích nhân tố khám phá EFA, kiểm định ma trận tương quan Pearson, phân tích hồi quy MLR và phân tích phương sai One-Way ANOVA / Independent Samples T-Test để đánh giá sự khác biệt nhân khẩu học.
       TIẾN ĐỘ THỰC HIỆN DỰ ÁN (PROJECT ROADMAP)
 [Tháng 07-09/2022]  Khảo sát sơ bộ, thu thập tỷ lệ lỗi tại xưởng May-Gò-Đế
 [Tháng 10-12/2022]  Phỏng vấn Delphi 2 vòng, thiết kế thang đo chuẩn hóa
 [Tháng 01-03/2023]  Phát 270 phiếu khảo sát, lọc sạch dữ liệu N=253 mẫu
 [Tháng 04-05/2023]  Chạy SPSS 20 (Cronbach's Alpha, EFA, MLR) & Đề xuất Andon

Triển khai thực nghiệm và Kết quả

Quá trình phân tích dữ liệu

Toàn bộ dữ liệu $N = 253$ bản ghi được tiền xử lý và phân tích thống kê thông qua quy trình xử lý dữ liệu chuẩn hóa:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# Mô phỏng quy trình xử lý dữ liệu và ước lượng mô hình hồi quy đa biến (MLR)
data = pd.read_csv("my_phong_qc_survey_data.csv")  # N = 253 observations

# 1. Định nghĩa các biến độc lập và phụ thuộc sau EFA
X_vars = ['CN', 'PP', 'NVL', 'MMTB', 'MTLV']
y_var = 'HDKSCL'

X = data[X_vars]
y = data[y_var]
X_with_const = sm.add_constant(X)

# 2. Ước lượng mô hình OLS Regression
model = sm.OLS(y, X_with_const).fit()

# 3. Tính toán hệ số phóng đại phương sai (VIF) để kiểm tra đa cộng tuyến
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
vif_data["Tolerance"] = 1.0 / vif_data["VIF"]

print(model.summary())
print(vif_data)

Kiểm định và Đánh giá thống kê

Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả 6 thang đo đều đạt hệ số tin cậy cao ($\alpha > 0.7$) và các hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều vượt ngưỡng 0.30:

  • Yếu tố con người (CN): 5 biến quan sát, $\alpha = 0.880$ (Cao nhất).
  • Yếu tố môi trường làm việc (MTLV): 3 biến quan sát, $\alpha = 0.798$.
  • Yếu tố máy móc thiết bị (MMTB): 5 biến quan sát ban đầu, $\alpha = 0.781$.
  • Yếu tố phương pháp (PP): 5 biến quan sát, $\alpha = 0.777$.
  • Yếu tố nguyên vật liệu (NVL): 3 biến quan sát, $\alpha = 0.730$.
  • Biến phụ thuộc (HĐKSCL): 6 biến quan sát, $\alpha = 0.845$.

Phân tích nhân tố khám phá (EFA)

  • Biến độc lập (Lần 1): Chỉ số $\text{KMO} = 0.865$, Bartlett's Test $\chi^2 = 2288.655$ ($p = 0.000 < 0.05$). Tuy nhiên, biến quan sát MMTB5 bị tải chéo sang nhóm nhân tố Con người (Factor loading = 0.636). Tiến hành loại bỏ MMTB5.
  • Biến độc lập (Lần 2): 20 biến quan sát, $\text{KMO} = 0.860$, Bartlett's Test $\chi^2 = 2152.710$ ($p = 0.000$). Trích thành công 5 nhóm nhân tố tại $\text{Eigenvalue} = 1.289 > 1.0$, tổng phương sai trích (Total Variance Explained) đạt $65.235% > 50%$.
  • Biến phụ thuộc: $\text{KMO} = 0.872$, Bartlett's Test $\chi^2 = 593.234$ ($p = 0.000$), trích 1 nhân tố duy nhất với phương sai trích đạt $57.592%$, $\text{Eigenvalue} = 3.455$.
              KẾT QUẢ PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA LẦN 2)

Kết quả hồi quy tuyến tính đa biến (MLR)

Mô hình hồi quy đạt độ tương thích cao với dữ liệu thực tế:

  • Hệ số xác định $R^2 = 0.576$, hệ số $R^2$ hiệu chỉnh (Adjusted $R^2$) $= 0.567$. Mô hình giải thích được $56.7%$ sự biến thiên của biến Hoạt động kiểm soát chất lượng tại nhà máy.
  • Kiểm định độ phù hợp mô hình: $F(5, 247) = 67.050$ với mức ý nghĩa $p = 0.000 < 0.001$.
  • Kiểm tra hiện tượng đa cộng tuyến: Hệ số phóng đại phương sai $\text{VIF} \in [1.034; 1.603] < 2.0$ và hệ số chấp nhận $\text{Tolerance} \in [0.624; 0.967] > 0.1$, khẳng định mô hình hoàn toàn không xảy ra hiện tượng đa cộng tuyến.
Biến độc lập Hệ số chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị kiểm định $t$ Mức ý nghĩa ($Sig.$) Kết luận giả thuyết
Hằng số ($\beta_0$) 0.574 0.237 — 2.425 0.016 Có ý nghĩa ($p < 0.05$)
Con người (CN) 0.299 0.047 0.334 6.372 0.000 Chấp nhận $H_1$ ($p < 0.01$)
Môi trường (MTLV) 0.224 0.043 0.258 5.259 0.000 Chấp nhận $H_5$ ($p < 0.01$)
Phương pháp (PP) 0.222 0.054 0.214 4.125 0.000 Chấp nhận $H_2$ ($p < 0.01$)
Máy móc (MMTB) 0.181 0.041 0.208 4.445 0.000 Chấp nhận $H_4$ ($p < 0.01$)
Nguyên liệu (NVL) -0.057 0.039 -0.061 -1.455 0.147 Bác bỏ $H_3$ ($p > 0.05$) 
                 PHƯƠNG TRÌNH HỒI QUY CHUẨN HÓA
  Trong đó:
  • Yếu tố Con người (CN) tác động mạnh nhất (Beta = 0.334)
  • Yếu tố Nguyên vật liệu (NVL) không có ý nghĩa thống kê (Sig = 0.147)
    do TBS Group áp dụng chính sách kiểm định tập trung đầu vào.

Đổi mới và Đóng góp khoa học

  1. Lượng hóa chính xác mối quan hệ tác động trong ngành giày: Khác với các nghiên cứu định tính thuần túy, đề tài chứng minh thực nghiệm rằng biến Con người ($\beta = 0.334$) và Môi trường làm việc ($\beta = 0.258$) đóng vai trò quyết định hơn so với yếu tố máy móc đơn thuần.
  2. Chuyển đổi công nghệ May lập trình CNC: Thay thế máy may cơ khí truyền thống bằng máy may lập trình tự động trên các công đoạn may chi tiết phức tạp của mã giày Flash 3. Thực nghiệm chứng minh tỷ lệ lỗi đường may giảm từ $4.8%$ xuống còn $1.2%$ (giảm $75%$ lỗi công đoạn may).
   SO SÁNH TỶ LỆ LỖI GIỮA CÔNG NGHỆ MAY TRUYỀN THỐNG VÀ MAY LẬP TRÌNH
  1. Phân bổ nguồn lực bảo trì bằng phương pháp ABC-Pareto: Phân loại thiết bị thành 3 nhóm theo quy tắc 50/30/20. Tập trung $80%$ ngân sách và nhân lực bảo trì ngăn ngừa (Preventive Maintenance) vào Nhóm A (chiếm $20%$ số lượng máy nhưng gây ra $80%$ tổng chi phí hỏng hóc), giúp giảm $35%$ thời gian dừng máy ngoài kế hoạch (Downtime).
  2. Mô hình hóa cảnh báo lỗi tức thời qua hệ thống Andon: Thiết lập bảng hiển thị trạng thái sản xuất 3 màu (Xanh: Bình thường, Vàng: Cần hỗ trợ kỹ thuật/vật tư, Đỏ: Dừng chuyền do lỗi chất lượng vượt ngưỡng).

Ứng dụng thực tế và Triển khai

Kịch bản vận hành thực tế tại Phân xưởng May - Gò - Đế

  [Công nhân phát hiện lỗi vượt ngưỡng]
  [Kích hoạt nút bấm Andon tại vị trí làm việc]
  [Bảng điện tử LCD nhấp nháy đèn Vàng/Đỏ + Còi báo hiệu]
  [Chuyền trưởng & Kỹ thuật viên QC tiếp cận hiện trường trong 60 giây]
  [Phân loại nguyên nhân theo 4 nhóm: CN - PP - MMTB - MTLV]
  [Khắc phục nhanh]   [Dừng chuyền nếu lỗi hệ thống]
  [Ghi nhận nhật ký số hóa & Reset trạng thái Andon về Xanh]

Phân tích hiệu quả kinh tế (Cost-Benefit Analysis) & ROI

Hạn chế và Hướng phát triển

Hạn chế học thuật và thực tiễn

  • Cơ cấu chọn mẫu: Nghiên cứu sử dụng phương pháp chọn mẫu thuận tiện phi xác suất ($N = 253$) tại một nhà máy đơn lẻ, hạn chế khả năng tổng quát hóa trên toàn bộ các cụm công nghiệp trực thuộc TBS Group.
  • Biến số nguyên vật liệu: Biến NVL bị loại khỏi mô hình ($p = 0.147$), chưa phản ánh được sự biến thiên chất lượng từ các nhà cung cấp da thuộc thứ cấp trong các đơn hàng FOB/OEM đặc thù.

Hướng nghiên cứu tiếp theo

  1. Mở rộng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling): Phân tích các mối quan hệ gián tiếp và biến trung gian (như Động lực làm việc, Văn hóa doanh nghiệp) đến HĐKSCL.
  2. Tích hợp Thị giác máy tính (AI Computer Vision): Lắp đặt camera AI tại công đoạn quét keo đế và kiểm tra bề mặt da mũ giày để tự động hóa phát hiện khuyết tật với độ chính xác đạt chuẩn milimet.

Đối tượng hưởng lợi

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai hệ thống Andon tại xưởng sản xuất là gì?

Hệ thống Andon yêu cầu mạng truyền thông công nghiệp (RS485 hoặc Wi-Fi công nghiệp chuẩn 802.11ax), nút bấm vật lý/hộp điều khiển tại mỗi vị trí thao tác, bộ điều khiển trung tâm PLC/Microcontroller để thu thập tín hiệu logic, và màn hình hiển thị LCD/LED Panel độ phân giải tối thiểu Full HD đặt tại các vị trí quan sát trung tâm của chuyền may.

2. Giới hạn mở rộng quy mô của mô hình hồi quy 5M-1E khi áp dụng cho nhà máy khác?

Mô hình phụ thuộc vào đặc tính công nghệ của từng ngành sản xuất. Khi chuyển giao sang các nhà máy cơ khí chính xác hoặc điện tử, trọng số các biến sẽ thay đổi (yếu tố Máy móc và Đo lường - Measurement sẽ chiếm tỷ trọng cao hơn Con người). Cần tiến hành tái đánh giá EFA và hồi quy trên tập dữ liệu mới ($N \ge 5 \times \text{số biến quan sát}$).

3. Phương pháp tích hợp dữ liệu kiểm soát chất lượng vào hệ thống ERP hiện hữu?

Dữ liệu ghi nhận từ hệ thống Andon và máy may lập trình có thể xuất ra định dạng JSON/CSV thông qua các RESTful API hoặc giao thức OPC-UA, sau đó đẩy trực tiếp vào module Quản lý chất lượng (Quality Management Module) của các hệ thống ERP như SAP S/4HANA hoặc Oracle NetSuite.

4. Chi phí bảo trì định kỳ cho thiết bị may lập trình và hệ thống Andon hàng năm là bao nhiêu?

Chi phí bảo dưỡng dự phòng định kỳ hàng năm ước tính chiếm khoảng $3% - 5%$ giá trị tổng mức đầu tư thiết bị (tương đương 18.000.000 – 30.000.000 VNĐ/năm), bao gồm chi phí thay thế kim, thoi may, hiệu chuẩn cảm biến và kiểm tra đường truyền tín hiệu.

5. Khung thời gian hoàn vốn (ROI) thực tế có bị ảnh hưởng bởi biến động đơn hàng không?

Có. Thời gian hoàn vốn 5,04 tháng được tính toán dựa trên công suất sản xuất ổn định 62.500 đôi/tháng. Trong trường hợp sản lượng sụt giảm $20%$ do yếu tố thị trường, thời gian hoàn vốn dự kiến sẽ kéo dài lên 6,3 – 6,8 tháng, vẫn nằm trong ngưỡng an toàn đầu tư của doanh nghiệp sản xuất.

Kết luận

Đề tài đã hoàn thành xuất sắc mục tiêu nhận diện và lượng hóa các yếu tố tác động đến hoạt động kiểm soát chất lượng sản phẩm tại Nhà máy Mỹ Phong – TBS Group. Thông qua việc phân tích dữ liệu khảo sát từ 253 mẫu bằng phần mềm SPSS 20.0, nghiên cứu đã xây dựng phương trình hồi quy chuẩn hóa:

$$\text{HĐKSCL} = 0.334 \times \text{CN} + 0.258 \times \text{MTLV} + 0.214 \times \text{PP} + 0.208 \times \text{MMTB}$$

Kết quả chứng minh yếu tố Con người và Môi trường làm việc giữ vai trò nòng cốt trong việc nâng cao chất lượng thành phẩm. Việc kết hợp đồng bộ giữa giải pháp kỹ thuật công nghệ (máy may lập trình CNC, hệ thống cảnh báo lỗi Andon) và công cụ quản trị sản xuất Lean (phân loại bảo trì ABC-Pareto, chuẩn hóa SOP) mở ra hướng đi bền vững giúp nhà máy hạ tỷ lệ lỗi xuống dưới ngưỡng 3,5%, gia tăng năng lực cạnh tranh và đáp ứng toàn diện các tiêu chuẩn xuất khẩu quốc tế khắt khe.