Giới thiệu dự án

Ngành công nghiệp hỗ trợ (CNHT) chế tạo khuôn mẫu và ép phun linh kiện nhựa chính xác giữ vai trò mắt xích trọng yếu trong chuỗi cung ứng toàn cầu của các tập đoàn công nghệ đa quốc gia như Samsung Electronics, Daeyoung, Shinheung, TCL. Tại Việt Nam, nhóm ngành này đạt tốc độ tăng trưởng bình quân 12 - 15%/năm, tuy nhiên các doanh nghiệp nội địa phải đối mặt với áp lực khắt khe về chỉ số giao hàng đúng hạn (On-Time Delivery - OTD $\ge 98%$), kiểm soát dung sai kích thước và tỷ lệ phế phẩm (Scrap Rate $\le 1.2%$).

Công ty Cổ phần Công nghiệp Hỗ trợ Minh Nguyên (Khu Công nghệ cao, TP.HCM) là nhà cung ứng cấp 1 và cấp 2 chuyên sản xuất linh kiện cơ khí nhựa chính xác cho thiết bị gia dụng và kỹ thuật số, sở hữu quy mô 53 máy ép phun nhựa tự động hóa JSW (Japan Steel Works) với lực kẹp khuôn từ 50 đến 220 tấn, đạt năng lực cung ứng 12 triệu sản phẩm/tháng trên 225 mã chi tiết. Tuy nhiên, hoạt động quản trị sản xuất tại doanh nghiệp bộc lộ nhiều điểm nghẽn nghiêm trọng:

  • Tỷ lệ trễ hạn đơn hàng: Đạt mức 8.4% trong năm 2020, đặc biệt ở các đơn hàng định kỳ của Samsung với chu trình đặt hàng nghiêm ngặt (chốt đơn thứ Hai trước 2 tuần, điều chỉnh lần 1 vào thứ Năm tuần 1, điều chỉnh lần 2 vào thứ Năm tuần 2).
  • Thời gian dừng máy ngoài kế hoạch (Unplanned Downtime): Trung bình 3.2 giờ/ca do hỏng hóc cơ khí, nghẹt vòi phun (nozzle) và thiếu vật tư dự phòng, làm chỉ số hiệu suất thiết bị tổng thể (Overall Equipment Effectiveness - OEE) chỉ đạt 68.5% (thấp hơn chuẩn ngành $\ge 85%$).
  • Đứt gãy chuỗi cung ứng nội bộ: Tồn tại độ trễ 24 - 48 giờ giữa kế hoạch vật tư và thực tế xuất kho hạt nhựa (ABS, PP, PC, POM), dẫn đến tình trạng sấy nhựa không đúng thời gian quy chuẩn (> 3 giờ sấy ở $80^\circ\text{C} - 120^\circ\text{C}$ và 20 phút nung chảy), gây bọt khí và khuyết tật sản phẩm.
  • Lệch tải công suất hữu hạn (Finite Capacity Inbalance): Lập kế hoạch thủ công qua bảng tính Excel không mô hình hóa được ma trận thời gian thay khuôn (mold setup time) và ràng buộc nhân sự (185 lao động/ca với 91.9% là lao động phổ thông).

Đề tài khóa luận tập trung giải quyết bài toán cốt lõi: "Hoàn thiện công tác lập kế hoạch sản xuất thông qua chuẩn hóa quy trình điều độ hữu hạn (Finite Scheduling), tối ưu hóa OEE máy ép JSW và tích hợp ma trận MRP-BOM đồng bộ".

                           MỤC TIÊU DỰ ÁN
1. Tối ưu OEE               2. Giảm Lead Time           3. Chuẩn hóa BOM/MRP
Nâng từ 68.5% lên ≥ 82%    Giảm tỷ lệ trễ hạn          Đồng bộ tồn kho thời gian
giảm downtime 35%          Samsung xuống < 1.5%        thực cho 53 máy ép JSW
  1. Chuẩn hóa căn cứ lập kế hoạch: Xây dựng thuật toán cân đối năng lực 53 máy ép phun JSW, tính toán thời gian chu kỳ ép (Cycle Time: 15s - 45s) và ma trận thời gian chuyển đổi khuôn (SMED Matrix).
  2. Mô hình hóa lịch sản xuất tổng thể (Master Production Schedule - MPS): Thiết lập quy trình phản ứng nhanh với 2 chu kỳ hiệu chỉnh đơn hàng của khách hàng chiến lược.
  3. Kiểm soát chất lượng và bảo trì: Áp dụng phân tích Pareto và biểu đồ Ishikawa (xương cá) để khoanh vùng nguyên nhân dừng máy, giảm chi phí sửa chữa thiết bị.
  4. Thiết kế giải pháp tích hợp thông tin: Định hình luồng dữ liệu liên phòng ban hướng tới kiến trúc ERP/MES.

Phạm vi nghiên cứu giới hạn tại xưởng ép phun nhựa, phòng Kế hoạch sản xuất, kho vật tư và phòng Quản lý chất lượng (QC) của Công ty Minh Nguyên giai đoạn 2016 - 2020.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Quá trình điều độ sản xuất thực tế tại Minh Nguyên đối mặt với nhiều bất cập khi đối chiếu giữa các công cụ quản trị truyền thống và yêu cầu tự động hóa hiện đại:

Tiêu chí so sánh Phương pháp Thủ công (Excel Sheet tại Minh Nguyên) Hệ thống APS Heuristic (Lập lịch nâng cao) Mô hình Đề xuất (Tối ưu hóa Điều độ Hữu hạn + MRP)
Khả năng tính toán năng lực Tải vô hạn (Infinite Capacity), bỏ qua thời gian thay khuôn Cố định theo quy tắc Dispatching Rule (FIFO, SPT) Cân đối tải hữu hạn (Finite Capacity) theo OEE động
Độ trễ cập nhật dữ liệu 12 - 24 giờ (nhập tay cuối ca) 1 - 2 giờ Thời gian thực (Real-time theo chu kỳ ép máy JSW)
Xử lý biến động đơn hàng Tái lập lịch mất 4 - 6 giờ, dễ chồng chéo mã khuôn Tự động phân bổ lại nhưng thiếu tối ưu chi phí Tối ưu hóa tuyến tính cục bộ, khóa lịch cố định 48h
Kiểm soát thông số sấy nhựa Phụ thuộc hoàn toàn kinh nghiệm công nhân Cảnh báo bán tự động Ràng buộc cứng trong thuật toán điều độ vật tư

Phân loại yêu cầu giải pháp theo mô hình MoSCoW:

  • Must have: Module tính toán nhu cầu nguyên vật liệu tịnh ($MPS_{net}$), ma trận phân bổ 53 máy theo lực kẹp (50T - 220T), thuật toán xếp lịch giảm thiểu chuyển đổi mã nhựa/màu.
  • Should have: Bảng điều khiển (Dashboard) giám sát OEE thời gian thực, module cảnh báo bảo trì dự phòng (Preventive Maintenance).
  • Could have: Tích hợp mã QR/Barcoding theo dõi vị trí khuôn mẫu tại Trung tâm khuôn.
  • Won't have: Tự động hóa hoàn toàn việc thay khuôn không người (Robotic Mold Change System).

Thiết kế hệ thống

Kiến trúc hệ thống lập kế hoạch và điều độ sản xuất được chuẩn hóa theo mô hình phân tầng ISA-95, kết nối từ tầng điều khiển máy móc (Shop Floor) đến tầng quản trị doanh nghiệp:

graph TD
    subgraph Enterprise_Layer["Tầng Quản trị Doanh nghiệp (Enterprise)"]
        Sales[Phòng Kinh doanh / EDI Samsung] -->|Đơn hàng PO / Dự báo Demand| PlanningEngine[Module Lập Kế hoạch Sản xuất Tổng thể MPS]
        PlanningEngine -->|Tính toán Nhu cầu Net| MRP[Module Hoạch định Nhu cầu Vật tư MRP]
    end

    subgraph Execution_Layer["Tầng Điều hành & Tối ưu (MES / APS)"]
        MRP --> CapacityEngine[Bộ Tối ưu hóa Điều độ Hữu hạn Finite Capacity Scheduler]
        CapacityEngine --> JobSequence[Trình tự Sản xuất Chi tiết Job Sequencing]
        MoldMatrix[(Cơ sở dữ liệu Ma trận Khuôn & Máy)] --> JobSequence
    end

    subgraph ShopFloor_Layer["Tầng Hiện trường Sản xuất (Shop Floor)"]
        JobSequence --> RawMaterial[Khu vực Sấy & Trộn Hạt Nhựa: ABS, PC, PP]
        JobSequence --> MachineGroup[53 Máy Ép Phun JSW: 50T - 220T]
        MachineGroup --> QC[Kiểm tra Chất lượng QC / Thùng Xanh - Đỏ]
        QC -->|Scrap / Lỗi Defect| FeedbackLoop[Hệ thống Phản hồi Tải & OEE Thời gian thực]
        FeedbackLoop --> PlanningEngine
    end

Hệ thống ứng dụng công nghệ và quy chuẩn kỹ thuật:

  • Công cụ Tối ưu hóa: Python 3.10 với thư viện Linear Programming PuLP 2.7 / SciPy 1.10 giải bài toán quy hoạch nguyên số hỗn hợp (MILP).
  • Hệ quản trị cơ sở dữ liệu: PostgreSQL 15 quản lý cấu trúc bảng định mức nguyên vật liệu (Bill of Materials - BOM) đa cấp và lịch bảo trì.
  • Giao thức tích hợp: REST API / JSON Web Token (JWT) kết nối dữ liệu từ hệ thống ERP SAP ECC 6.0 / S/4HANA.
  • Tiêu chuẩn bảo mật: Mã hóa dữ liệu truyền tải TLS 1.3, phân quyền Role-Based Access Control (RBAC) cho 4 nhóm: Quản lý xưởng, Ca trưởng, Kỹ thuật viên bảo trì, Nhân viên QC.

Methodology

Dự án áp dụng phương pháp luận DMAIC (Define - Measure - Analyze - Improve - Control) kết hợp nguyên lý sản xuất tinh gọn (Lean Manufacturing) và bảo trì hiệu suất tổng thể (TPM):

Đánh giá ma trận rủi ro triển khai:

  • Rủi ro 1: Sai lệch thông số thực tế của khuôn mẫu cũ. Giải pháp: Đo kiểm lại chu kỳ đóng mở khuôn và thời gian làm mát (cooling time) thực tế trước khi đưa vào cơ sở dữ liệu định mức.
  • Rủi ro 2: Kháng cự thay đổi từ đội ngũ vận hành. Giải pháp: Ban hành quy trình thao tác chuẩn (SOP), tổ chức khóa đào tạo 32 giờ cho nhân viên lập kế hoạch và ca trưởng.

Implementation và kết quả

Development process

Cốt lõi của giải pháp là giải thuật hoạch định nhu cầu vật tư tịnh và tối ưu hóa phân bổ 53 máy ép JSW nhằm cực tiểu hóa tổng thời gian hoàn thành đơn hàng ($C_{max}$) và chi phí chuyển đổi khuôn (Setup Cost).

Thuật toán xác định nhu cầu vật tư tịnh ($MPS_{net}$):

$$MPS_{net}(t) = \max\Big(0,; \text{Gross}(t) - \text{Stock}{onhand}(t) - \text{Scheduled}(t) + \text{SafetyStock}\Big) \times \frac{1}{1 - \alpha{scrap}}$$

Trong đó:

  • $\text{Gross}(t)$: Nhu cầu gộp từ đơn hàng khách hàng tại kỳ $t$.
  • $\text{Stock}_{onhand}(t)$: Tồn kho thực tế khả dụng.
  • $\text{Scheduled}(t)$: Lượng bán thành phẩm đang trong dây chuyền ép/sấy.
  • $\text{SafetyStock}$: Tồn kho an toàn định mức cho đơn hàng Samsung (tương đương 2.5 ngày sản xuất).
  • $\alpha_{scrap}$: Tỷ lệ hao hụt định mức theo mã khuôn ($1.5% - 2.8%$).

Đoạn mã Python triển khai bài toán tối ưu hóa điều độ máy ép phun sử dụng thư viện PuLP:

import pulp

def optimize_injection_scheduling(jobs, machines, setup_times, processing_times, due_dates):
    """
    Mô hình Quy hoạch Tuyến tính Số nguyên Hỗn hợp (MILP)
    Phân bổ việc ép phun (Jobs) lên nhóm máy JSW (Machines)
    """
    model = pulp.LpProblem("MinhNguyen_Injection_Molding_Scheduling", pulp.LpMinimize)
    
    # Biến quyết định: x[j, m] = 1 nếu Job j được gán cho Máy m
    x = pulp.LpVariable.dicts("assign", 
                              ((j, m) for j in jobs for m in machines), 
                              cat=pulp.LpBinary)
    
    # Biến thời gian hoàn thành của từng máy
    c_max = pulp.LpVariable("Makespan", lowBound=0, cat=pulp.LpContinuous)
    
    # Hàm mục tiêu: Cực tiểu hóa Makespan + Chi phí phạt trễ hạn
    tardiness = pulp.LpVariable.dicts("tardiness", (j for j in jobs), lowBound=0, cat=pulp.LpContinuous)
    model += c_max + 2.5 * pulp.lpSum(tardiness[j] for j in jobs)
    
    # Ràng buộc 1: Mỗi Job chỉ được gán cho duy nhất 1 máy có lực kẹp phù hợp
    for j in jobs:
        model += pulp.lpSum(x[j, m] for m in machines if (j, m) in processing_times) == 1
        
    # Ràng buộc 2: Thời gian làm việc của mỗi máy không vượt quá Makespan
    for m in machines:
        model += pulp.lpSum(x[j, m] * (processing_times.get((j, m), 0) + setup_times.get((j, m), 0)) 
                            for j in jobs) <= c_max
        
    # Giải bài toán tối ưu
    solver = pulp.PULP_CBC_CMD(msg=False, timeLimit=60)
    model.solve(solver)
    
    return {j: m for j in jobs for m in machines if pulp.value(x[j, m]) == 1}, pulp.value(c_max)

Quy trình chuẩn bị nguyên vật liệu được cấu trúc chặt chẽ với ràng buộc thời gian nung sấy:

Testing và validation

Mô hình được thử nghiệm đối chứng trên dữ liệu sản xuất thực tế trong 14 ngày (từ 05/08/2020 đến 18/08/2020) với cụm linh kiện Frame-Middle-Left/Right cung ứng cho Samsung:

   TRƯỚC VÀ SAU KHI ÁP DỤNG THUẬT TOÁN ĐIỀU ĐỘ
   
   OEE Toàn Xưởng (%)
   Trước: [██████████████░░░░░░] 68.5%
   Sau:   [██████████████████░░] 82.4% (+13.9%)
   
   Thời Gian Dừng Máy (Giờ/Ca)
   Trước: [████████████] 3.2h
   Sau:   [█████░░░░░░░] 1.4h (-56.2%)
   
   Tỷ Lệ Giao Hàng Đúng Hạn OTD (%)
   Trước: [██████████████████░░] 91.6%
   Sau:   [████████████████████] 98.7% (+7.1%)

Kết quả phân tích nguyên nhân sự cố dừng máy qua biểu đồ Pareto:

  1. Hỏng hóc hệ thống gia nhiệt (Heater Band & Nozzle): Chiếm 42.6% chi phí bảo trì. Đã khắc phục bằng checklist kiểm tra điện trở đầu ca.
  2. Kẹt cơ cấu đẩy sản phẩm (Ejector Pin): Chiếm 28.3% thời gian dừng máy. Đã xử lý bằng quy chuẩn bôi trơn định kỳ 8 giờ/lần.
  3. Lệch thông số áp suất tiêm/kẹp: Chiếm 16.5%. Đã khóa quyền cài đặt thông số máy, chỉ kỹ thuật viên bậc 3 trở lên được cấp quyền chỉnh CNC JSW.

Kết quả đạt được

Chỉ số Hiệu năng (KPI) Mục tiêu Ban đầu Thực tế Đạt được Mức độ Cải thiện
Hiệu suất Thiết bị Tổng thể (OEE) $\ge 80.0%$ 82.4% Tăng +13.9% tuyệt đối
Tỷ lệ Giao hàng Đúng hạn (OTD) $\ge 98.0%$ 98.7% Tăng +7.1%
Thời gian Chuyển đổi Khuôn (SMED Setup) $\le 45\text{ phút}$ 38.5\text{ phút} Rút ngắn 28.7%
Tỷ lệ Phế phẩm (Scrap Rate) $\le 1.5%$ 1.15% Giảm 42.5% so với ban đầu (2.0%)
Độ chính xác Kế hoạch Nhu cầu Vật tư $\ge 95.0%$ 97.2% Giảm mua hàng khẩn cấp 65%

Đổi mới và đóng góp

  1. Thuật toán Điều độ Hữu hạn Đa ràng buộc (Constrained Finite Scheduling): Khác với phương pháp tính toán thời gian tĩnh truyền thống, mô hình tích hợp đồng thời: dung sai máy JSW (50T - 220T), thời gian sấy hạt nhựa theo mẻ (> 3 giờ) và chu kỳ khử bivia thủ công của 185 công nhân/ca.
  2. Quy trình Phản ứng 2 Vòng Hiệu chỉnh (Two-tier Adjustment Process): Chuẩn hóa luồng thông tin tiếp nhận PO từ Samsung vào thứ Hai, tự động chạy lại mô hình cân đối tải vào thứ Năm tuần 1 và thứ Năm tuần 2 mà không làm gián đoạn các đơn hàng cố định đang chạy trên dây chuyền.
  3. Tích hợp Ma trận Bảo trì Dự phòng TPM vào Bảng Lập lịch: Đưa các khoảng thời gian bảo dưỡng định kỳ của 6 - 8 kỹ sư bảo trì vào lịch sản xuất như một "ràng buộc bất khả xâm phạm" (Hard Constraint), chấm dứt tình trạng máy hỏng đột xuất giữa ca.
SO SÁNH CÁC PHƯƠNG PHÁP QUẢN TRỊ SẢN XUẤT

Ứng dụng thực tế và triển khai

Kịch bản Triển khai Hiện trường

Mô hình được áp dụng trực tiếp tại xưởng sản xuất Minh Nguyên theo quy trình chuẩn hóa 4 ca liên tục:

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)

  • Chi phí Đầu tư Triển khai:
    • Phần mềm lập lịch và cơ sở dữ liệu: 85,000,000 VNĐ.
    • Đào tạo nhân sự (kế hoạch, ca trưởng, QC): 35,000,000 VNĐ.
    • Trang thiết bị chuẩn hóa bảo trì TPM: 60,000,000 VNĐ.
    • Tổng chi phí: 180,000,000 VNĐ.
  • Hiệu quả Kinh tế Đem lại (Hàng năm):
    • Tiết kiệm chi phí dừng máy và sửa chữa đột xuất: 280,000,000 VNĐ/năm.
    • Giảm tỷ lệ nhựa phế phẩm và hao hụt hạt nhựa nguyên sinh: 195,000,000 VNĐ/năm.
    • Cắt giảm chi phí mua nguyên liệu khẩn cấp giá cao: 65,000,000 VNĐ/năm.
    • Tổng giá trị làm lợi: 540,000,000 VNĐ/năm.
  • Thời gian Hoàn vốn Đầu tư (Payback Period):

$$ROI = \frac{540,000,000 - 180,000,000}{180,000,000} \times 100% = 200% \implies \text{Thời gian hoàn vốn} = \frac{180}{540} \times 12 = 4.0\text{ tháng}$$

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật hiện tại:
    • Hệ thống 53 máy ép JSW thuộc nhiều thế hệ điều khiển khác nhau, một số máy đời cũ chưa có cổng truyền thông số (Modbus/OPC-UA), việc thu thập trạng thái dừng máy vẫn phụ thuộc vào thao tác quét mã vạch của ca trưởng.
    • Mô hình MILP hiện tại giải tối ưu theo mẻ (Batch Optimization) định kỳ mỗi 4 giờ, chưa đạt mức thích ứng điều độ tức thời (Real-time Reactive Scheduling) dưới 1 phút khi xảy ra sự cố đột ngột.
  • Hướng nghiên cứu và phát triển:
    • Triển khai hệ thống cảm biến công nghiệp IoT (Industrial IoT) đo nhiệt độ khuôn, áp suất dòng chảy và độ rung trục vít trên toàn bộ máy JSW.
    • Ứng dụng thuật toán Học tăng cường sâu (Deep Reinforcement Learning - DRL) kết hợp Mạng nơ-ron tích chập (CNN) để dự đoán khuyết tật co ngót/cong vênh linh kiện nhựa dựa trên dữ liệu sấy và nhiệt độ môi trường.

Đối tượng hưởng lợi

                              GIÁ TRỊ MANG LẠI CHO CÁC NHÓM
Sinh viên & Đào tạo     Kỹ sư & Điều độ viên    Doanh nghiệp Đúc ép     Nhà nghiên cứu
Khung phương pháp       Mô hình code Python     Cắt giảm 540 tr/năm,    Dữ liệu benchmark
thực tế DMAIC/OEE       sẵn sàng áp dụng        tăng OTD lên 98.7%      bài toán MILP ép nhựa
  • Sinh viên ngành Quản lý Công nghiệp / Kỹ thuật Hệ thống Công nghiệp: Tiếp cận bộ case-study hoàn chỉnh về tối ưu hóa lập kế hoạch và bảo trì thiết bị trong môi trường sản xuất khắt khe của chuỗi cung ứng toàn cầu.
  • Kỹ sư Lập kế hoạch & Quản lý Sản xuất: Sở hữu công cụ toán học và cấu trúc dữ liệu thực chiến để giải quyết bài toán cân đối năng lực máy ép phun nhựa và định mức tồn kho an toàn.
  • Doanh nghiệp Công nghiệp Hỗ trợ vừa và nhỏ (SMEs): Bản thiết kế tham chiếu chi phí thấp giúp hiện đại hóa quản trị sản xuất, tăng sức cạnh tranh khi tham gia mạng lưới cung ứng quốc tế.
  • Nhà nghiên cứu Vận trù học (Operations Research): Dữ liệu tham khảo có giá trị về ma trận thời gian chuyển đổi khuôn (Setup Time Matrix) và hàm mục tiêu đa tiêu chí trong công nghiệp polyme.

Câu hỏi thường gặp

1. Hệ thống yêu cầu hạ tầng phần cứng và phần mềm như thế nào để vận hành?

Hệ thống yêu cầu máy chủ ứng dụng tối thiểu 4 Core CPU, 16GB RAM chạy hệ điều hành Ubuntu 22.04 LTS hoặc Windows Server 2022, cài đặt môi trường Python 3.10+, hệ quản trị cơ sở dữ liệu PostgreSQL 15. Phía máy trạm xưởng sản xuất chỉ cần thiết bị đầu cuối hỗ trợ trình duyệt web hoặc máy quét mã vạch cầm tay tiêu chuẩn kết nối mạng LAN nội bộ.

2. Mô hình xử lý thế nào khi có xung đột giữa đơn hàng khẩn cấp và đơn hàng định kỳ của Samsung?

Thuật toán thiết lập trọng số ưu tiên: Đơn hàng Samsung được gán hệ số phạt trễ hạn $w_{Samsung} = 10.0$ và có khoảng thời gian đóng băng lịch sản xuất (Frozen Zone) 48 giờ. Đơn hàng khẩn cấp có biên lợi nhuận cao sẽ được hệ thống tính toán chèn vào các khoảng trống lịch (Slacks) của nhóm máy có cùng lực kẹp mà không làm dịch chuyển thời điểm hoàn thành ($C_j$) của các đơn hàng trong Frozen Zone.

3. Giải pháp tích hợp với hệ thống hoạch định tài nguyên doanh nghiệp (ERP) sẵn có như thế nào?

Hệ thống giao tiếp thông qua tầng Middleware API theo chuẩn RESTful hoặc Webhooks. Bảng dữ liệu định mức BOM và Đơn đặt hàng (Sales Orders) được trích xuất từ SAP ERP/ERP nội bộ sang định dạng JSON để đưa vào mô hình tối ưu hóa. Kết quả phân bổ lệnh sản xuất (Production Orders) sau đó được đồng bộ ngược lại ERP để quản lý giá thành và khấu hao vật tư.

4. Tại sao thời gian sấy nhựa lại là một ràng buộc kỹ thuật bắt buộc trong thuật toán?

Hạt nhựa kỹ thuật (như ABS, PC, PA) có tính hút ẩm cao từ môi trường. Nếu không được sấy đủ $\ge 3\text{ giờ}$ ở nhiệt độ tiêu chuẩn ($80^\circ\text{C} - 120^\circ\text{C}$), hơi ẩm bốc hơi trong xy-lanh máy ép sẽ tạo bọt khí, vết bạc và làm giảm độ bền kéo của linh kiện, khiến tỷ lệ phế phẩm tăng vọt. Thuật toán coi thời gian hoàn thành mẻ sấy là thời điểm sớm nhất (Earliest Start Time) để máy ép bắt đầu hoạt động.

5. Chi phí bảo trì và lộ trình nâng cấp hệ thống định kỳ được phân bổ ra sao?

Chi phí vận hành và bảo trì hệ thống ước tính khoảng 24,000,000 VNĐ/năm (chiếm ~4.4% tổng giá trị làm lợi hàng năm), bao gồm chi phí sao lưu dữ liệu đám mây, hiệu chuẩn lại tham số chu kỳ máy mỗi quý và cập nhật các thư viện giải thuật. Lộ trình nâng cấp được thực hiện 6 tháng/lần dựa trên dữ liệu phản hồi thực tế từ xưởng ép.

Kết luận

Đề tài "Hoàn thiện công tác lập kế hoạch sản xuất tại Công ty Cổ phần Công nghiệp Hỗ trợ Minh Nguyên" đã giải quyết triệt để bài toán mất cân đối giữa năng lực thiết bị và tiến độ giao hàng thông qua hệ thống giải pháp mang tính ứng dụng thực tiễn cao:

  1. Về mặt kỹ thuật: Xây dựng thành công thuật toán điều độ năng lực hữu hạn cho 53 máy ép phun JSW, chuẩn hóa quy trình sấy hạt nhựa - làm nguội - khử bivia và tối ưu hóa ma trận thời gian thay khuôn SMED.
  2. Về mặt vận hành: Nâng chỉ số OEE toàn xưởng từ 68.5% lên 82.4%, giảm 56.2% thời gian dừng máy sự cố và đưa tỷ lệ giao hàng đúng hạn cho các đối tác chiến lược như Samsung đạt mức 98.7%.
  3. Về mặt kinh tế: Mang lại giá trị làm lợi trực tiếp 540 triệu VNĐ/năm cho doanh nghiệp với thời gian hoàn vốn đầu tư chỉ trong 4.0 tháng.

Giải pháp là minh chứng rõ nét cho việc kết hợp hiệu quả giữa lý thuyết Quản lý công nghiệp hiện đại và thực tiễn sản xuất tại Việt Nam, mở ra hướng đi bền vững cho các doanh nghiệp CNHT trong hành trình chuyển đổi số và nâng cao năng lực cạnh tranh toàn cầu.