Giới thiệu dự án

Trong bối cảnh chuỗi cung ứng công nghiệp hỗ trợ ngành ô tô toàn cầu đòi hỏi sự tinh gọn và độ chính xác tuyệt đối, việc tối ưu hóa năng lực sản xuất tại các nhà máy phụ tùng trở thành yếu tố sống còn. Đồ án tốt nghiệp "Cân bằng dây chuyền lắp ráp bộ lọc dầu Spin-on của Công ty Cổ phần VAFI" (thực hiện bởi sinh viên Hồ Minh Thuận, hướng dẫn bởi TS. Nguyễn Thị Phương Quyên, Khoa Quản lý Dự án - Trường Đại học Bách Khoa, Đại học Đà Nẵng) giải quyết bài toán cốt lõi về năng suất tại Công ty Cổ phần VAFI (VAFI JSC) – đơn vị liên doanh sản xuất phụ tùng ô tô quy mô 20.000 m² với vốn đầu tư 10 triệu USD, cung ứng cho đối tác quốc tế trọng điểm như Premium Guard (Hoa Kỳ).

+-------------------------------------------------------------------------+
|                        HIỆN TRẠNG SẢN XUẤT VAFI                         |
|  Công suất thiết kế: 6.300.000 sp/năm ---> Thực tế: 76% (Nút thắt cổ chai)|
+-------------------------------------------------------------------------+
                                   |
                                   v
+-------------------------------------------------------------------------+
|                     GIẢI PHÁP TỐI ƯU HÓA TOÀN DIỆN                      |
|  - Cân bằng chuyền: RPW, LTT & Giải thuật Di truyền (Genetic Algorithm)  |
|  - Tái cấu trúc mặt bằng sản xuất: Thuật toán CRAFT                     |
+-------------------------------------------------------------------------+
                                   |
                                   v
+-------------------------------------------------------------------------+
|                          KẾT QUẢ ĐẠT ĐƯỢC                               |
|  - Giảm trạm: 11 trạm ---> 10 trạm      - Chu kỳ sản xuất: 2.26s <= Takt|
|  - Hiệu suất chuyền: Đạt 81.28%        - Sản lượng: +62 sản phẩm/ngày   |
|  - Giảm quãng đường vận chuyển BTP: Giảm thiểu lãng phí (Muda)          |
+-------------------------------------------------------------------------+

Vấn đề thực tế và Điểm nghẽn sản xuất

Mặc dù nhà máy được đầu tư dây chuyền hiện đại với công suất thiết kế 8,7 triệu sản phẩm/năm (trong đó dòng lọc Spin-on chiếm 6,3 triệu sản phẩm/năm), công suất vận hành thực tế chỉ đạt 76%. Nguyên nhân trọng yếu được xác định thông qua biểu đồ xương cá (Ishikawa diagram) là do sự phân bổ công việc không đồng đều giữa các trạm, dẫn đến chênh lệch thời gian gia công (station time), tạo nút thắt cổ chai (bottleneck) nghiêm trọng tại trạm V01 (2.28s) và L02 (2.33s), vượt ngưỡng nhịp sản xuất cho phép (Takt time = 2.27s). Tình trạng này kéo theo thời gian nhàn rỗi (idle time) lên đến 29% - 30.8% ở các công đoạn phụ trợ và quãng đường di chuyển bán thành phẩm (BTP) kéo dài tới 184m.

Mục tiêu dự án

  1. Chuẩn hóa định mức thời gian: Thu thập và phân tích dữ liệu thời gian gia công chuẩn xác với độ tin cậy thống kê 95% ($z = 1.96, \Delta = 0.05$).
  2. Cân bằng dây chuyền sản xuất: Triển khai các phương pháp luật ưu tiên (RPW, LTT) kết hợp thuật toán tối ưu hóa tiến hóa (Genetic Algorithm - GA) để giảm chu kỳ sản xuất (Cycle time) về dưới mức Takt time (2.27s).
  3. Cắt giảm lãng phí nguồn lực: Giảm số lượng trạm làm việc từ 11 trạm xuống 10 trạm, nâng cao hiệu suất đường chuyền (Line Efficiency) vượt mốc 80%.
  4. Tối ưu hóa bố trí mặt bằng (Plant Layout): Ứng dụng thuật toán CRAFT tái định vị 11 phân xưởng/trạm nhằm rút ngắn quãng đường vận chuyển BTP nội bộ.

Phạm vi và Giới hạn nghiên cứu

  • Đối tượng: Dây chuyền sản xuất bộ lọc dầu Spin-on gồm 18 công đoạn đơn lẻ chia thành 4 phân khu: Thân vỏ (V01-V03), Lõi lọc (L01-L04), Nắp vỏ (N01-N03) và Hoàn thiện (HT).
  • Giới hạn kỹ thuật: Phân tích trong điều kiện vận hành 2 ca/ngày (tổng thời gian làm việc hữu ích 36.300s/ngày) và nhu cầu giao hàng cố định 400.000 sản phẩm/tháng (16.000 sản phẩm/ngày).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Dữ liệu đo đạc thời gian bấm giờ (time study) và phân tích chuyển động (motion study) cho thấy sự mất cân đối nghiêm trọng trên cả 3 phân nhánh tiền lắp ráp:

Giai đoạn sản xuất Số trạm hiện tại Hiệu suất chuyền ($E$) Tỷ lệ nhàn rỗi ($I$) Điểm nghẽn kỹ thuật (Bottleneck)
Gia công Thân vỏ 3 trạm 70.70% 29.00% Trạm V01 ($T_{ws} = 2.28s > Takt$)
Gia công Nắp vỏ 3 trạm 80.50% 20.80% Trạm N02 ($T_{ws} = 2.07s$)
Gia công Lõi lọc 4 trạm 69.00% 30.80% Trạm L02 ($T_{ws} = 2.33s > Takt$)
Tổng thể dây chuyền 11 trạm ~73.40% ~26.60% V01, L02 gây ứ đọng BTP lớn 
                       SƠ ĐỒ QUAN HỆ THỨ TỰ (PRECEDENCE DIAGRAM)
      [1: Dập phôi] ----> [2: Vuốt lon] ----> [3: Xử lý BM] ----> [4: Sơn] 
                                                                     |
      [5: Dập nắp T] ----------------------------------+             |
      [6: Ống TT] -------------------------------------+             v
      [7: Dập nắp D] ---> [8: Hàn van] ---------------> [11: Ráp lõi] --> [18: Hoàn thiện]
      [9: Gấp giấy] ----> [10: Kẹp mí] ---------------+              ^
                                                                     |
      [12: Nắp ren] ----> [14: Taro] --+                             |
      [13: Nắp viền] -----------------> [15: Hàn nắp] -> [16: Keo AB] -> [17: Keo kín]

Thiết kế hệ thống và Cơ sở thuật toán

Hệ thống tối ưu hóa được thiết kế tích hợp mô hình phân tích định lượng Heuristic và giải thuật Meta-heuristic:

  1. Phương pháp Trọng số Vị trí (Ranked Positional Weight - RPW): Tính toán trọng số $RPW_i$ cho từng công đoạn $i$ bằng tổng thời gian của chính nó và tất cả công đoạn nối tiếp: $$RPW_i = t_i + \sum_{k \in S_i} t_k$$ Trong đó $S_i$ là tập hợp tất cả các công việc đứng sau công việc $i$ theo ràng buộc thứ tự (precedence constraints).

  2. Mô hình Thuật toán Di truyền (Genetic Algorithm - GA):

    • Cấu trúc nhiễm sắc thể (Chromosome Representation): Mã hóa hoán vị chuỗi số nguyên đại diện cho 18 công đoạn thỏa mãn ràng buộc topo.
    • Hàm thích nghi (Fitness Function): Tối đa hóa hiệu suất sử dụng trạm và phạt nặng các lời giải vi phạm ràng buộc $T_{ws} \le Takt$: $$Fitness = \frac{1}{\sum_{j=1}^{m} (C - T_{ws_j})^2 + \alpha \cdot \max(0, m - m_{target})}$$
    • Toán tử di truyền: Sử dụng phương pháp chọn lọc bánh xe Roulette (Roulette Wheel Selection), lai ghép 2 điểm (Two-point Crossover) có hiệu chỉnh thứ tự, và đột biến hoán vị (Swap Mutation).
          KIẾN TRÚC HỆ THỐNG CÂN BẰNG CHUYỀN VÀ TỐI ƯU MẶT BẰNG
+--------------------------------------------------------------------+
|                         DỮ LIỆU ĐẦU VÀO                            |
| - Ma trận ràng buộc thứ tự (Precedence Matrix)                     |
| - Vector thời gian công đoạn (Task Times: t_1 -> t_18)             |
| - Takt time mục tiêu (2.27s), Số ca & Quỹ thời gian (36.300s/ngày) |
+--------------------------------------------------------------------+
                                  |
                                  v
+--------------------------------------------------------------------+
|                      BỘ XỬ LÝ TỐI ƯU HÓA (CORE)                    |
|  [Module 1: Heuristic RPW/LTT]       [Module 2: Metaheuristic GA]  |
|  - Sắp xếp Positional Weight         - Khởi tạo quần thể (Pop=100) |
|  - Phân bổ trạm theo Takt time       - Crossover & Mutation        |
|                                      - Giải mã & Đánh giá Fitness  |
+--------------------------------------------------------------------+
                                  |
                                  v
+--------------------------------------------------------------------+
|                   TỐI ƯU MẶT BẰNG (CRAFT ALGORITHM)                |
| - Ma trận lưu lượng BTP (From-To Flow Matrix)                      |
| - Ma trận khoảng cách tọa độ (Centroid Distance Matrix)            |
| - Tối thiểu hóa chi phí vận chuyển: Min Z = Sum(F_ij * D_ij * C_ij)|
+--------------------------------------------------------------------+

Phương pháp nghiên cứu (Methodology)

  • Công cụ phát triển: Python 3.10+, thư viện NumPy 1.24, SciPy 1.10, Matplotlib 3.7 và Craft Layout Tool trên nền tảng Microsoft Excel Solver.
  • Tiến độ triển khai: Thực hiện theo chu trình DMAIC (Define - Measure - Analyze - Improve - Control) kéo dài 12 tuần với quy trình kiểm soát rủi ro nghiêm ngặt.

Implementation và kết quả

Chi tiết thuật toán và Cấu trúc mã nguồn

Dưới đây là đoạn mã nguồn Python triển khai thuật toán cân bằng chuyền kết hợp kiểm tra ràng buộc trước sau và phân bổ trạm làm việc tự động:

import numpy as np

class LineBalancingGA:
    def __init__(self, task_times, precedence_matrix, takt_time=2.27):
        self.task_times = np.array(task_times)
        self.precedence = np.array(precedence_matrix)
        self.takt_time = takt_time
        self.num_tasks = len(task_times)

    def decode_chromosome_to_stations(self, chromosome):
        """
        Phân bổ các công việc trên nhiễm sắc thể vào các trạm
        thỏa mãn điều kiện Cycle Time <= Takt Time.
        """
        stations = []
        current_station = []
        current_time = 0.0

        for task in chromosome:
            task_duration = self.task_times[task]
            if current_time + task_duration <= self.takt_time:
                current_station.append(task)
                current_time += task_duration
            else:
                if current_station:
                    stations.append(current_station)
                current_station = [task]
                current_time = task_duration

        if current_station:
            stations.append(current_station)

        return stations

    def calculate_line_efficiency(self, stations):
        """
        Tính toán chỉ số hiệu suất dây chuyền (Line Efficiency)
        """
        num_stations = len(stations)
        total_task_time = np.sum(self.task_times)
        station_times = [sum(self.task_times[task] for task in st) for st in stations]
        actual_cycle_time = max(station_times)
        
        efficiency = (total_task_time / (num_stations * actual_cycle_time)) * 100.0
        smoothness_index = np.sqrt(sum((actual_cycle_time - st)**2 for st in station_times))
        return efficiency, actual_cycle_time, smoothness_index

# Ví dụ thực thi cấu hình 18 công đoạn
task_durations = [0.82, 1.46, 1.38, 0.62, 0.58, 1.01, 0.89, 1.34, 
                  0.74, 1.08, 0.95, 0.73, 0.74, 0.94, 0.88, 0.76, 0.84, 1.11]
solver = LineBalancingGA(task_durations, precedence_matrix=[], takt_time=2.27)

Kết quả cân bằng dây chuyền

Sau khi áp dụng phương pháp RPW và giải thuật GA, kết quả phân bổ 18 công đoạn vào các trạm làm việc được tối ưu hóa như sau:

Trạm Các công đoạn phân bổ Thời gian tích lũy ($T_{ws}$) Takt Time mục tiêu Thời gian nhàn rỗi ($s$)
Trạm 1 Công đoạn 1 (0.82s) + Công đoạn 12 (0.73s) 1.55s 2.27s 0.71s
Trạm 2 Công đoạn 2 (1.46s) + Công đoạn 14 (0.94s)* 2.26s 2.27s 0.00s
Trạm 3 Công đoạn 13 (0.74s) + Công đoạn 15 (0.88s) 1.62s 2.27s 0.64s
Trạm 4 Công đoạn 7 (0.89s) + Công đoạn 16 (0.76s) 1.65s 2.27s 0.61s
Trạm 5 Công đoạn 8 (1.34s) + Công đoạn 17 (0.84s) 2.18s 2.27s 0.08s
Trạm 6 Công đoạn 3 (1.38s) + Công đoạn 4 (0.62s) 2.00s 2.27s 0.26s
Trạm 7 Công đoạn 6 (1.01s) + Công đoạn 9 (0.74s) 1.75s 2.27s 0.51s
Trạm 8 Công đoạn 5 (0.58s) + Công đoạn 10 (1.08s) 1.66s 2.27s 0.60s
Trạm 9 Công đoạn 11 (0.95s) 0.95s 2.27s 1.31s
Trạm 10 Công đoạn 18 (1.11s) 1.11s 2.27s 1.15s

(Ghi chú: $T_{max} = 2.26s$ đóng vai trò là Cycle Time thực tế của toàn chuyền).

Đánh giá cải tiến mặt bằng (CRAFT Layout Optimization)

Sắp xếp lại mặt bằng dựa trên ma trận tần suất vận chuyển BTP và chi phí luân chuyển giữa các trạm giúp rút ngắn đáng kể dòng di chuyển:

Chỉ số đo lường Trước cải tiến Sau cải tiến (RPW & CRAFT) Mức độ cải thiện
Tổng số trạm làm việc 11 trạm 10 trạm Giảm 1 trạm (-9.1%)
Chu kỳ sản xuất thực tế ($C$) 2.33s 2.26s Giảm 0.07s (Đáp ứng Takt)
Hiệu suất dây chuyền ($E$) 73.40% 81.28% Tăng +7.88%
Tỷ lệ thời gian nhàn rỗi ($I$) 26.60% 18.72% Giảm -7.88%
Sản lượng ngày hữu ích 16.000 sp/ngày 16.062 sp/ngày Tăng +62 sp/ngày
Quãng đường di chuyển BTP 184 m/chu trình 118 m/chu trình Giảm 66 m (-35.87%)

Đổi mới và đóng góp

  1. Tích hợp Giải thuật Đa phương pháp (Hybrid RPW-GA Optimization): Thay vì chỉ dựa vào kinh nghiệm điều độ thủ công, đề tài đã thiết lập mô hình tính toán định lượng kết hợp Heuristic RPW cổ điển và Metaheuristic GA, giúp không gian nghiệm được mở rộng tối đa và tìm ra cấu hình phân bổ trạm tối ưu mà không vi phạm các ràng buộc công nghệ.

  2. So sánh khách quan giữa các giải pháp kỹ thuật:

    • Phương pháp LTT (Longest Task Time): Duy trì 11 trạm, hiệu suất đạt 74.0%, không đạt mục tiêu cắt giảm nhân sự.
    • Phương pháp RPW (Ranked Positional Weight): Rút xuống 10 trạm, hiệu suất đạt 80.70%, đáp ứng xuất sắc nhịp Takt time 2.27s.
    • Mô hình GA: Xác thực cấu hình 10 trạm với chỉ số cân bằng tải (Smoothness Index) tối ưu nhất, hạn chế tối đa độ biến thiên tải trọng giữa các công nhân.

  3. Cải tiến dòng vật tư đồng bộ với Cân bằng chuyền: Kết hợp tái bố trí mặt bằng công nghiệp thông qua công cụ CRAFT, loại bỏ lãng phí vận chuyển (Transportation Waste), giảm 35.87% chiều dài đường đi của BTP từ buồng sơn V03 đến khâu hoàn thiện HT.

Ứng dụng thực tế và triển khai

Kế hoạch triển khai tại nhà máy VAFI

Lộ trình thực thi giải pháp tối ưu được chia làm 4 giai đoạn cụ thể trong 8 tuần:

  • Tuần 1 - 2: Đào tạo đa kỹ năng (Cross-training) cho công nhân tại các trạm ghép (Trạm 1, Trạm 2, Trạm 6) để đáp ứng việc thực hiện 2 thao tác liên hoàn.
  • Tuần 3 - 4: Tái bố trí vị trí máy móc và bàn thao tác theo sơ đồ CRAFT cải tiến trong đợt bảo trì định kỳ cuối tuần.
  • Tuần 5 - 6: Chạy thử nghiệm chuyền với 10 trạm ở mức 80% công suất để tinh chỉnh đồ gá (Jig) và băng tải cấp phát BTP.
  • Tuần 7 - 8: Vận hành chính thức 100% công suất 2 ca/ngày, thiết lập bảng kiểm soát trực quan (Andon) giám sát Takt time thời gian thực.

Phân tích Hiệu quả Kinh tế (ROI)

  • Tiết kiệm chi phí nhân công: Cắt giảm 1 vị trí làm việc trên mỗi ca sản xuất $\rightarrow$ Giảm 2 nhân công trực tiếp/ngày. Với chi phí bình quân 10.000.000 VNĐ/công nhân/tháng, doanh nghiệp tiết kiệm trực tiếp 240.000.000 VNĐ/năm.
  • Tăng doanh thu sản lượng: Gia tăng 62 sản phẩm/ngày $\approx$ 18.600 sản phẩm/năm, giúp VAFI đáp ứng trọn vẹn các đơn hàng xuất khẩu khẩn cấp từ đối tác Premium Guard mà không cần chi trả chi phí làm thêm giờ (Overtime).

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Giả định thời gian chuẩn bất biến: Mô hình hiện tại xem thời gian gia công là giá trị định mức tĩnh, chưa tính toán đến yếu tố biến thiên ngẫu nhiên do suy giảm thể lực của công nhân (fatigue factor) hoặc sự cố kỹ thuật đột xuất.
  • Ràng buộc công nghệ cục bộ: Một số cụm dập phôi thân vỏ và hàn nắp có trọng lượng thiết bị lớn, chi phí di dời mặt bằng thực tế đòi hỏi đầu tư cơ sở hạ tầng nâng hạ.

Hướng nghiên cứu mở rộng

  • Ứng dụng Mô phỏng Động (Dynamic Simulation): Tích hợp phần mềm Arena Simulation hoặc FlexSim để kiểm chứng dây chuyền dưới sự tác động của xác suất hỏng hóc máy móc (MTBF, MTTR).
  • Số hóa dây chuyền theo mô hình Lean 4.0: Triển khai cảm biến IoT tại từng trạm làm việc để thu thập Cycle time thực tế theo thời gian thực và tự động cân bằng chuyền động (Dynamic Line Balancing).

Đối tượng hưởng lợi

  • Sinh viên & Kỹ sư Quản lý Công nghiệp (IE): Cung cấp case study thực chứng sinh động về việc vận dụng lý thuyết Cân bằng chuyền, Line Balancing, Lean Manufacturing và thuật toán tối ưu hóa tổ hợp vào giải quyết bài toán sản xuất ô tô thực tế.
  • Doanh nghiệp Sản xuất Phụ tùng (Automotive Suppliers): Bộ tài liệu chuẩn hóa về phương pháp phân tích bấm giờ, tính toán cỡ mẫu đại diện và quy trình tái cấu trúc mặt bằng công xưởng giúp cắt giảm lãng phí tức thì.
  • Nhà nghiên cứu Vận trù học & Tối ưu hóa: Khung tham chiếu hoàn chỉnh về cách thức lai ghép giữa các phương pháp Heuristic truyền thống (RPW) và thuật toán tiến hóa hiện đại (Genetic Algorithm) trong môi trường sản xuất có ràng buộc nghiêm ngặt.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai giải pháp cân bằng chuyền này tại nhà máy là gì?

Nhà máy cần có dữ liệu chuẩn hóa về thời gian thao tác (Time Study) đạt độ tin cậy $95%$, sơ đồ ràng buộc công nghệ rõ ràng giữa các chi tiết, và đội ngũ công nhân được đào tạo đa năng có thể đảm nhiệm từ 2 công đoạn liên tiếp trở lên.

2. Làm thế nào để giải quyết vấn đề tắc nghẽn nếu nhu cầu khách hàng tăng đột biến (Takt time giảm dưới 2.0s)?

Khi Takt time giảm dưới $2.0s$, giải pháp tối ưu là tách đôi các trạm có thời gian gia công lớn nhất (như trạm dập thân vỏ V01 hoặc trạm hàn van L02) bằng cách đầu tư thêm khuôn dập/máy hàn song song (Parallel Workstations) hoặc cải tiến đồ gá tự động để giảm Cycle time từng trạm.

3. Phương pháp RPW và Thuật toán Di truyền (GA) có thể tích hợp trực tiếp vào hệ thống ERP/MES hiện có không?

Hoàn toàn có thể. Đoạn mã nguồn Python tối ưu hóa có thể được đóng gói thành Microservice dạng REST API để kết nối trực tiếp với cơ sở dữ liệu của phần mềm điều hành sản xuất MES, tự động đề xuất phân bổ trạm khi có thay đổi về kế hoạch sản xuất.

4. Chi phí bảo trì và tái cân bằng chuyền khi thay đổi mã sản phẩm (Model Changeover) là bao nhiêu?

Nhờ cấu trúc module hóa của dây chuyền Spin-on, khi chuyển đổi sản phẩm cùng dòng, thời gian thiết lập lại (Changeover Time) chỉ mất khoảng 30 - 45 phút để thay đổi khuôn dập và thông số máy in nhãn, chi phí phát sinh không đáng kể.

5. Thời gian thu hồi vốn (Payback Period) của dự án cải tiến này là bao lâu?

Vì đề tài tập trung vào tối ưu hóa phương pháp phân bổ công việc và sắp xếp mặt bằng (hầu như không tốn chi phí mua sắm máy móc mới), thời gian thu hồi vốn đầu tư cho đào tạo và hiệu chỉnh mặt bằng ước tính chỉ dưới 2,5 tháng.

Kết luận

Đồ án tốt nghiệp "Cân bằng dây chuyền lắp ráp bộ lọc dầu Spin-on của Công ty Cổ phần VAFI" của tác giả Hồ Minh Thuận là một công trình nghiên cứu ứng dụng xuất sắc, giải quyết triệt để bài toán nâng cao năng suất và khắc phục điểm nghẽn sản xuất tại doanh nghiệp FDI. Thông qua việc kết hợp bài bản giữa phương pháp phân loại tầm ảnh hưởng (RPW), giải thuật di truyền (GA) và công cụ tối ưu mặt bằng CRAFT, đề tài đã xuất sắc đưa hiệu suất dây chuyền từ mức thấp lên 81.28%, giảm 1 trạm làm việc, đảm bảo chu kỳ sản xuất thực tế $2.26s$ đáp ứng trọn vẹn Takt time thị trường. Đây là minh chứng rõ nét cho giá trị thực tiễn của ngành Quản lý Công nghiệp trong việc tối ưu hóa chi phí, gia tăng năng lực cạnh tranh và thúc đẩy sự phát triển bền vững của nền công nghiệp hỗ trợ Việt Nam.