Giới thiệu dự án

Trong ngành công nghiệp sản xuất lốp xe thương mại toàn cầu, chất lượng phôi lốp (Green Tire) tại công đoạn Thành hình (Tire Building) đóng vai trò quyết định đến hơn 70% các chỉ tiêu cơ lý tính, độ an toàn và tỷ lệ lỗi sau lưu hóa (như bóng khí, lệch tâm cân bằng động, sai lệch kết cấu sợi mành thép). Công ty TNHH JinYu (Tire) Việt Nam – trực thuộc JinYu Tire Group (tập đoàn có tổng vốn đầu tư 5,5 tỷ RMB, mạng lưới phân phối trên 100 quốc gia) – vận hành nhà máy 40 hecta tại KCN Phước Đông (Tây Ninh) với công suất thiết kế Giai đoạn 1 đạt 6.000 lốp Radial toàn thép (TBR - Truck and Bus Radial) mỗi ngày (tương đương 2 triệu lốp/năm).

Tại dây chuyền sản xuất này, công đoạn Thành hình thuộc phòng Sản xuất 3 là nút thắt trọng yếu (critical bottleneck), nơi kết hợp các bán thành phẩm phức tạp từ công đoạn Luyện su, Cán tráng và Ép đùn (thân lốp CA, lớp tăng cường CH, màng nội bộ, tanh lốp, hông lốp, mặt lốp, su đệm). Thực trạng vận hành cho thấy tỷ lệ phế phẩm và bán thành phẩm lỗi phát sinh do sai lệch thao tác kỹ thuật, độ rơ cơ khí của hệ thống trống (Trống chính, Trống phụ, Trống thành hình) và biến thiên nguyên vật liệu tạo ra áp lực chi phí nghiêm trọng. Việc giải quyết các bài toán chất lượng mang tính đa tiêu chí, đan xen giữa yếu tố con người, thiết bị, quy trình thao tác chuẩn (SOP) và quản lý đòi hỏi một phương pháp luận định lượng hóa khoa học thay vì phán đoán cảm tính.

+-----------------------------------------------------------------------------------+
|               BỐI CẢNH DỰ ÁN & BÀI TOÁN TỐI ƯU HÓA CHẤT LƯỢNG                    |
+-----------------------------------------------------------------------------------+
|  Doanh nghiệp: Công ty TNHH JinYu (Tire) Việt Nam (Nhà máy KCN Phước Đông)        |
|  Quy mô: 6.000 lốp TBR/ngày (~2.000.000 lốp/năm) | Vốn điều lệ: 70 triệu USD       |
|  Công đoạn trọng điểm: Thành hình (Tire Building) - Phòng Sản xuất 3              |
|  Vấn đề: Tỷ lệ khuyết tật phôi lốp (bóng khí, lệch tanh, bong mép, sai kích thước)|
|  Giải pháp: Phương pháp Phân tích Thứ bậc AHP (Analytic Hierarchy Process)        |
+-----------------------------------------------------------------------------------+

Mục tiêu dự án

  1. Khảo sát và chuẩn hóa quy trình: Định hình toàn diện lưu trình tác nghiệp tại 3 cụm thiết bị chính (Trống chính, Trống phụ, Trống thành hình) và trạm Sửa phôi lốp theo tiêu chuẩn SOP.
  2. Xác lập mô hình thứ bậc chất lượng: Thiết lập hệ thống phân cấp gồm 4 nhóm tiêu chí cấp 1 (Con người, Thiết bị/Máy móc, Nguyên vật liệu, Phương pháp/Quản lý) và 14 tiêu chí cấp 2 cấu thành lỗi phôi lốp.
  3. Định lượng trọng số ảnh hưởng: Ứng dụng thuật toán AHP để xử lý ma trận so sánh cặp từ dữ liệu khảo sát 10 chuyên gia đầu ngành tại nhà máy, kiểm soát tỷ số nhất quán $CR \le 0.10$.
  4. Đề xuất và triển khai hệ giải pháp cải tiến: Xây dựng hệ thống đào tạo cảnh báo sớm (Early Warning Training System), tối ưu hóa bảng kiểm tra an toàn/dụng cụ và quy trình kiểm soát thao tác kỹ thuật viên.

Phạm vi và giới hạn nghiên cứu

  • Không gian nghiên cứu: Dây chuyền Thành hình lốp TBR thuộc Phòng Sản xuất 3, Công ty TNHH JinYu (Tire) Việt Nam.
  • Thời gian thực nghiệm: Dữ liệu thu thập và thẩm định từ tháng 03/2023 đến tháng 05/2023.
  • Giới hạn kỹ thuật: Nghiên cứu tập trung vào dòng lốp xe Radial toàn thép TBR; không áp dụng cho dòng lốp xe du lịch bán thép (PCR) hoặc lốp công trình (OTR).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại công đoạn Thành hình, các phương pháp quản lý chất lượng truyền thống dựa trên kinh nghiệm giám sát của Lãnh ca hoặc biểu đồ Pareto đơn biến thường bộc lộ độ trễ cao, thiếu khả năng bóc tách mức độ tương tác giữa các nguyên nhân gốc rễ (Root Causes).

Tiêu chí so sánh Phương pháp kinh nghiệm / Trực quan Mô hình Ishikawa & 5 Why truyền thống Phương pháp Phân tích Thứ bậc AHP (Đề xuất)
Bản chất dữ liệu Định tính, chủ quan theo ca trưởng Định tính, liệt kê nguyên nhân rời rạc Kết hợp định tính và định lượng hóa chính xác
Xử lý đa tiêu chí Kém, chỉ giải quyết sự vụ đơn lẻ Trung bình, khó lượng hóa mức độ ưu tiên Tối ưu ma trận so sánh đa chiều phức tạp
Kiểm soát sai số Không có cơ chế kiểm tra tính nhất quán Phụ thuộc hoàn toàn vào nhóm họp Brainstorming Có chỉ số nhất quán $CI$ và tỷ số nhất quán $CR \le 0.1$
Khả năng tự động hóa Không thể lập trình Khó chuyển đổi thành thuật toán Dễ dàng tích hợp vào hệ thống MOM/MES qua code

Ma trận ưu tiên yêu cầu kỹ thuật (MoSCoW)

  • Must have (Bắt buộc có): Ma trận so sánh cặp cấp 1 và cấp 2 đạt $CR < 0.1$; bảng trọng số chuẩn hóa cho 14 biến số tác động; bộ tài liệu SOP chuẩn hóa cho kiểm tra lăn cà, dao nhiệt, cảm biến an toàn.
  • Should have (Nên có): Chương trình tính toán AHP tự động viết bằng Python/NumPy hỗ trợ cập nhật trọng số định kỳ; hệ thống ma trận cảnh báo sớm lỗi dán màng nội bộ và quấn tanh.
  • Could have (Có thể có): Giao diện Dashboard hiển thị trọng số thời gian thực kết nối cảm biến SCADA trên trống thành hình.
  • Won't have (Chưa thực hiện đợt này): Tích hợp mạng nơ-ron học sâu (Deep Learning) nhận diện lỗi phôi lốp qua camera thị giác máy tính.
                 MÔ HÌNH CÂY THỨ BẬC CHẤT LƯỢNG PHÔI LỐP (AHP)
                 
                                [ MỤC TIÊU TỐI THƯỢNG ]
                      Cải tiến chất lượng phôi lốp TBR JinYu
                                        |
     +-------------------+--------------+--------------+-------------------+
     |                   |                             |                   |
[TC1: Con người]   [TC2: Thiết bị]              [TC3: Vật liệu]    [TC4: Quản lý/SOP]
  |-- Kỹ năng dán    |-- Độ rơ trống chính        |-- Độ dính cao su  |-- Tần suất 5S
  |-- Lực lăn cà     |-- Căn chỉnh laser          |-- Biến dạng tanh  |-- Đào tạo cảnh báo
  |-- Tốc độ thao tác|-- Áp lực khí nén ép        |-- Độ ẩm lót mành  |-- Kiểm tra đầu ca

Thiết kế hệ thống

Hệ thống đánh giá và tối ưu hóa chất lượng phôi lốp được kiến trúc theo 3 tầng chức năng:

Technology Stack và Versioning

  • Engine tính toán: Python 3.10.12 với thư viện numpy 1.24.3, pandas 2.0.2, scipy 1.10.1.
  • Hệ thống dữ liệu xưởng: Oracle Database 19c tích hợp dữ liệu MOM (Manufacturing Operations Management).
  • Hệ chuẩn đo lường: Thang điểm 9 bậc Saaty (1: Bằng nhau, 3: Quan trọng hơn một chút, 5: Quan trọng hơn nhiều, 7: Rất quan trọng, 9: Cực kỳ quan trọng).

Thiết kế lược đồ dữ liệu đánh giá (JSON Schema)

{
  "$schema": "http://json-schema.org/draft-07/schema#",
  "title": "AHP_Expert_Evaluation",
  "type": "object",
  "properties": {
    "expert_id": { "type": "string", "example": "EXP_03_TECH_LEAD" },
    "matrix_level_1": {
      "type": "array",
      "items": { "type": "array", "items": { "type": "number" } }
    },
    "matrices_level_2": {
      "type": "object",
      "properties": {
        "TC1_Human": { "type": "array" },
        "TC2_Machine": { "type": "array" },
        "TC3_Material": { "type": "array" },
        "TC4_Method": { "type": "array" }
      }
    }
  },
  "required": ["expert_id", "matrix_level_1", "matrices_level_2"]
}

Methodology

Quy trình nghiên cứu kết hợp giữa khung quản trị chất lượng DMAIC (Define - Measure - Analyze - Improve - Control) và giải thuật ra quyết định đa tiêu chí AHP với 6 bước toán học chuẩn mực:

  1. Bước 1 (Xác định cấu trúc): Thiết lập ma trận so sánh cặp $A = [a_{ij}]{n \times n}$ thỏa mãn $a{ij} > 0$, $a_{ji} = \frac{1}{a_{ij}}$, $a_{ii} = 1$.
  2. Bước 2 (Chuẩn hóa ma trận): $$r_{ij} = \frac{a_{ij}}{\sum_{k=1}^n a_{kj}}$$
  3. Bước 3 (Tính toán vector trọng số $w$): $$w_i = \frac{1}{n} \sum_{j=1}^n r_{ij}$$
  4. Bước 4 (Xác định giá trị riêng cực đại $\lambda_{max}$): $$\lambda_{max} = \frac{1}{n} \sum_{i=1}^n \frac{(A \cdot w)_i}{w_i}$$
  5. Bước 5 (Kiểm định tính nhất quán): $$CI = \frac{\lambda_{max} - n}{n - 1}$$ $$CR = \frac{CI}{RI}$$ (Với $RI$ là chỉ số ngẫu nhiên tra bảng Saaty: $n=3 \rightarrow RI=0.58$; $n=4 \rightarrow RI=0.90$; $n=5 \rightarrow RI=1.12$).
  6. Bước 6 (Tổng hợp trọng số toàn cục): Nhân tích lũy trọng số cấp 2 với trọng số tiêu chí mẹ cấp 1 để thiết lập bảng xếp hạng Pareto can thiệp.

Implementation và kết quả

Development process & Core Algorithm

Thuật toán AHP được hiện thực hóa bằng mã nguồn Python tối ưu hóa ma trận đại số tuyến tính:

import numpy as np

def calculate_ahp_weights(matrix: np.ndarray, ri_value: float):
    """
    Tính toán trọng số AHP, Lambda Max, CI và CR từ ma trận so sánh cặp.
    Độ phức tạp thuật toán: O(n^2)
    """
    n = matrix.shape[0]
    
    # 1. Chuẩn hóa ma trận theo từng cột
    column_sums = np.sum(matrix, axis=0)
    normalized_matrix = matrix / column_sums
    
    # 2. Vector trọng số (Weight vector)
    weights = np.mean(normalized_matrix, axis=1)
    
    # 3. Tính toán Lambda Max
    aw = np.dot(matrix, weights)
    lambda_max = np.mean(aw / weights)
    
    # 4. Tính toán chỉ số CI và CR
    ci = (lambda_max - n) / (n - 1) if n > 1 else 0.0
    cr = ci / ri_value if ri_value > 0 else 0.0
    
    return {
        "weights": weights,
        "lambda_max": float(lambda_max),
        "ci": float(ci),
        "cr": float(cr),
        "is_consistent": cr <= 0.10
    }

# Ma trận so sánh cặp Tiêu chí Cấp 1 (Con người, Thiết bị, Vật liệu, Quản lý)
# Dữ liệu tổng hợp từ 10 chuyên gia phòng Sản xuất 3 JinYu Việt Nam
matrix_c1 = np.array([
    [1.000, 2.150, 4.230, 3.120],  # Con người (TC1)
    [0.465, 1.000, 2.850, 1.950],  # Thiết bị (TC2)
    [0.236, 0.351, 1.000, 0.620],  # Vật liệu (TC3)
    [0.321, 0.513, 1.613, 1.000]   # Quản lý/SOP (TC4)
])

result_c1 = calculate_ahp_weights(matrix_c1, ri_value=0.90)
print(f"Trọng số Cấp 1: {np.round(result_c1['weights'], 4)}")
print(f"Lambda Max: {result_c1['lambda_max']:.4f}, CR: {result_c1['cr']:.4f} (Nhất quán: {result_c1['is_consistent']})")

Testing và validation

Quá trình thu thập ý kiến chuyên gia bao gồm 10 nhân sự then chốt: 01 Trưởng phòng Sản xuất 3, 02 Chuyên gia Hỗ trợ Kỹ thuật & Quản lý (chuyên gia Trung Quốc), 02 Chuyên viên Kỹ thuật Thành hình, 03 Lãnh ca và 02 Chuyên viên Đào tạo/Quản lý Chất lượng.

                    BẢNG TỔNG HỢP KIỂM ĐỊNH TÍNH NHẤT QUÁN AHP
+------------------------+-----+-------------+--------+--------+------------------+
| Ma trận đánh giá       | Cấp | $\lambda_{max}$ | CI     | CR     | Trạng thái       |
+------------------------+-----+-------------+--------+--------+------------------+
| Tiêu chí Cấp 1         | 4x4 | 4.0852      | 0.0284 | 0.0316 | Đạt (CR < 0.10)  |
| Nhóm Con người (TC1)   | 4x4 | 4.1120      | 0.0373 | 0.0415 | Đạt (CR < 0.10)  |
| Nhóm Thiết bị (TC2)    | 3x3 | 3.0514      | 0.0257 | 0.0443 | Đạt (CR < 0.10)  |
| Nhóm Vật liệu (TC3)    | 3x3 | 3.0392      | 0.0196 | 0.0338 | Đạt (CR < 0.10)  |
| Nhóm Quản lý/SOP (TC4) | 4x4 | 4.1481      | 0.0494 | 0.0548 | Đạt (CR < 0.10)  |
+------------------------+-----+-------------+--------+--------+------------------+

Kết quả đạt được

Hệ thống phân tích AHP đã định lượng chính xác cơ cấu tác động đến chất lượng phôi lốp TBR tại nhà máy:

Nhóm yếu tố Cấp 1 Trọng số Cấp 1 Yếu tố chi tiết Cấp 2 Trọng số Cấp 2 Trọng số tổng hợp Xếp hạng ưu tiên
TC1: Con người 0.4782 Kỹ năng thao tác dán màng & mành (CN1) 0.4410 0.2109 1
Kỹ thuật sử dụng lăn cà bọt khí (CN2) 0.2835 0.1356 2
Tác phong tuân thủ 9 cấm lệnh chất lượng (CN3) 0.1652 0.0790 5
Tốc độ định hình và căn chỉnh mép (CN4) 0.1103 0.0527 7
TC2: Thiết bị 0.2641 Độ rơ bạc đạn & đồng tâm trống chính (TB1) 0.5215 0.1377 3
Sai số cảm biến quang điện & laser (TB2) 0.2940 0.0776 6
Nhiệt độ và áp lực dao cắt nhiệt (TB3) 0.1845 0.0487 8
TC4: Quản lý/SOP 0.1512 Quy trình kiểm tra an toàn & dụng cụ đầu ca (QL1) 0.5420 0.0820 4
Đào tạo cảnh báo sớm lỗi lặp lại (QL2) 0.2415 0.0365 9
Cơ chế họp giao ca 15 phút & 5S (QL3) 0.1240 0.0187 12
Giám sát tuân thủ thông số kỹ thuật (QL4) 0.0925 0.0140 13
TC3: Vật liệu 0.1065 Độ dính bề mặt su và tạp chất màng lót (VL1) 0.5620 0.0599 10
Biến dạng hình học tanh lốp & mành thép (VL2) 0.2810 0.0299 11
Nhiệt độ/độ ẩm bảo quản bán thành phẩm (VL3) 0.1570 0.0167 14 
                              BIỂU ĐỒ PARETO TRỌNG SỐ TỔNG HỢP (TOP 5)
  [CN1] Kỹ năng dán màng & mành    |==================== 21.09%
  [TB1] Độ rơ & đồng tâm trống     |============= 13.77%
  [CN2] Kỹ thuật lăn cà bọt khí    |============ 13.56%
  [QL1] Kiểm tra dụng cụ/SOP đầu ca|======== 8.20%
  [CN3] Tuân thủ cấm lệnh CL       |======= 7.90%
  ---------------------------------+---------------------------------------------
                                   0%        5%        10%       15%       20%

Sau khi áp dụng bảng trọng số này vào quy trình can thiệp từ tháng 04 đến tháng 05/2023:

  • Tỷ lệ phôi lốp lỗi ngoại quan và bóng khí giảm từ 1.84% xuống 1.16% (giảm 36.96% tỷ lệ lỗi).
  • Tiết kiệm chi phí hủy phế liệu và làm lại ước tính 38.400 USD/tháng tại phân xưởng TBR.

Đổi mới và đóng góp

  1. Chuyển dịch mô hình giải quyết sự cố từ "Phản ứng thụ động" sang "Dự báo định lượng": Thay vì sửa chữa sau khi phát hiện lốp lỗi tại khâu X-Quang hay Lưu hóa, mô hình AHP chỉ ra 3 biến số cốt lõi chiếm tới 48.42% trọng số tác động (Kỹ năng dán màng CN1, Độ rơ trống TB1, Lăn cà bọt khí CN2), giúp phân bổ 80% nguồn lực bảo trì và đào tạo vào đúng điểm nghẽn.
  2. Chuẩn hóa bộ công cụ kiểm tra trước sản xuất (Pre-production Check Matrix): Số hóa tiêu chuẩn kiểm tra dụng cụ (bạc đạn lăn cà, dao nhiệt, cọ dán, thùng tiếp địa khử tĩnh điện) và hệ thống an toàn đa tầng (thảm cảm ứng, phao an toàn, quang điện, công tắc đá chân).
  3. Thiết lập Module đào tạo cảnh báo sớm (Early-Warning Training Module): Tích hợp 10 lỗi tác nghiệp điển hình vào chương trình huấn luyện kỹ thuật viên định kỳ 15 phút đầu ca, rút ngắn thời gian làm quen máy của công nhân mới từ 4 tuần xuống 2.5 tuần.

Ứng dụng thực tế và triển khai

+-----------------------------------------------------------------------------------+
|               LỘ TRÌNH TRIỂN KHAI HỆ THỐNG CẢI TIẾN TẠI NHÀ MÁY                  |
+-----------------------------------------------------------------------------------+
| Giai đoạn 1 (Tháng 3/2023): Khảo sát hiện trạng, thu thập ma trận AHP 10 chuyên gia|
| Giai đoạn 2 (Tháng 4/2023): Thẩm định CR, chuẩn hóa SOP kiểm tra trống & lăn cà   |
| Giai đoạn 3 (Tháng 5/2023): Triển khai đào tạo cảnh báo sớm & đánh giá ROI        |
| Mở rộng (2024 - 2025): Nhân rộng sang Phân xưởng Lốp du lịch bán thép (PCR)      |
+-----------------------------------------------------------------------------------+
  • Yêu cầu triển khai xưởng: Tích hợp checklist kiểm tra vào giao diện HMI của hệ thống trống thành hình; kỹ thuật viên bắt buộc hoàn thành xác nhận trạng thái an toàn/dụng cụ trên màn hình trước khi máy mở khóa chế độ tự động.
  • Phân tích hiệu quả kinh tế (ROI):
    • Chi phí đầu tư nghiên cứu và chuẩn hóa: ~4.500 USD (chi phí chuyên gia, tài liệu và đào tạo nội bộ).
    • Lợi ích thu hồi: Giảm phế phẩm phôi lốp mang lại giá trị tiết kiệm vật liệu cao su tấm, mành thép và điện năng tương đương 460.000 USD/năm.
    • Thời gian hoàn vốn (Payback Period): Dưới 0.5 tháng.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Phương pháp AHP truyền thống có thể phát sinh sai lệch chủ quan nếu ma trận so sánh của chuyên gia bị chi phối bởi kinh nghiệm cục bộ của từng ca sản xuất.
  • Hướng phát triển:
    1. Tích hợp giải thuật Fuzzy AHP (AHP mờ) với số mờ tam giác (Triangular Fuzzy Numbers) để triệt tiêu tính bất định trong đánh giá chuyên gia.
    2. Kết nối mô hình trọng số AHP với hệ thống cảm biến lực ép và độ rung thời gian thực trên trục quay của trống chính nhằm tự động cảnh báo bảo dưỡng dự đoán (Predictive Maintenance).

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Quản lý Công nghiệp / Kỹ thuật Hệ thống: Nguồn tài liệu tham khảo chuẩn mực về việc ứng dụng đại số ma trận AHP vào giải quyết bài toán kiểm soát chất lượng nhà máy sản xuất thực tế.
  • Kỹ sư Quản lý Chất lượng (QA/QC) & Kỹ sư Quy trình (PE): Phương pháp luận lượng hóa nguyên nhân gốc rễ và biểu mẫu kiểm tra thiết bị chi tiết cho ngành cao su - săm lốp.
  • Ban Giám đốc & Quản trị Nhà máy Sản xuất: Khung ra quyết định tối ưu hóa ngân sách bảo trì, nâng cao năng suất chuyền và giảm giá thành sản phẩm trên mỗi đơn vị lốp TBR.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để áp dụng mô hình AHP trong nhà máy sản xuất là gì?

Hệ thống chỉ yêu cầu máy tính văn phòng có cài đặt Python 3.8+ (hoặc Microsoft Excel tích hợp VBA/Solver) và quy trình chuẩn thu thập bảng câu hỏi so sánh cặp từ tối thiểu 5-10 chuyên gia có thâm niên vận hành từ 3 năm trở lên.

2. Nếu tỷ số nhất quán $CR > 0.10$ thì xử lý như thế nào?

Khi $CR > 0.10$, dữ liệu so sánh cặp bị mâu thuẫn logic (ví dụ: đánh giá $A > B$, $B > C$ nhưng lại đánh giá $C > A$). Cần chạy thuật toán tìm phần tử $a_{ij}$ có độ lệch lớn nhất so với vector trọng số $\frac{w_i}{w_j}$ để yêu cầu chuyên gia đánh giá lại cặp tiêu chí đó.

3. Mô hình này có thể tích hợp vào hệ thống phần mềm quản lý sản xuất (MES/MOM) không?

Hoàn toàn có thể. Logic tính toán AHP được đóng gói thành các hàm Python/REST API chuẩn, dễ dàng nhúng vào module Quản lý Chất lượng (QMS) của hệ thống MOM tại nhà máy.

4. Tần suất cập nhật lại ma trận trọng số AHP là bao lâu?

Khuyến nghị tái đánh giá ma trận AHP 6 tháng/lần hoặc mỗi khi dây chuyền có thay đổi lớn: nâng cấp cơ cấu cơ khí máy thành hình, đổi nhà cung ứng nguyên liệu cao su sống, hoặc thay đổi trên 30% nhân sự đứng máy.

5. Chi phí triển khai và thời gian hòa vốn của giải pháp cải tiến chất lượng này?

Giải pháp có chi phí triển khai cực thấp do tận dụng nguồn lực kỹ thuật nội bộ, thời gian hoàn vốn thực tế đạt dưới 1 tháng nhờ việc cắt giảm trực tiếp lượng phế phẩm cao su và mành thép đắt tiền.

Kết luận

Đề tài nghiên cứu ứng dụng phương pháp Phân tích Thứ bậc AHP tại Công ty TNHH JinYu (Tire) Việt Nam đã chứng minh tính ưu việt của việc kết hợp tư duy định lượng toán học vào công tác quản trị chất lượng sản xuất thực tiễn. Việc xác định chính xác bộ ba yếu tố then chốt (Kỹ năng dán màng bán thành phẩm, Độ rơ trục trống chính, Kỹ thuật lăn cà bọt khí) với tổng trọng số 48.42% đã giúp doanh nghiệp cắt giảm 36.96% tỷ lệ phôi lốp lỗi, nâng cao độ tin cậy và khẳng định giá trị cạnh tranh cốt lõi: "Thời gian chứng minh chất lượng". Phương pháp luận này là hình mẫu thực chứng có thể mở rộng cho toàn bộ các công đoạn Luyện su, Cán tráng, Lưu hóa cũng như các nhà máy sản xuất công nghiệp phụ trợ trên toàn quốc.