I. Nghiên cứu giải pháp
Nghiên cứu tập trung vào việc tìm kiếm giải pháp để cải thiện quy trình kiểm tra chất lượng sản phẩm. Sử dụng công cụ năng suất kết hợp với học máy, nghiên cứu nhằm tối ưu hóa quy trình kiểm tra, giảm thiểu lỗi và nâng cao hiệu quả sản xuất. Phương pháp DMAIC được áp dụng để xác định, đo lường, phân tích, cải tiến và kiểm soát quy trình. Kết quả cho thấy sự cải thiện đáng kể trong việc giảm tỷ lệ lỗi và tăng mức Sigma từ 4.2 lên.
1.1. Phương pháp nghiên cứu
Nghiên cứu sử dụng phương pháp DMAIC để cải tiến quy trình kiểm tra chất lượng. Các công cụ như biểu đồ Pareto, biểu đồ xương cá và biểu đồ kiểm soát được áp dụng để phân tích nguyên nhân gốc rễ của lỗi. Học máy được tích hợp để tự động hóa quy trình nhận diện lỗi, giúp tăng độ chính xác và giảm thời gian kiểm tra.
1.2. Kết quả nghiên cứu
Kết quả nghiên cứu cho thấy việc áp dụng công cụ năng suất và học máy giúp giảm tỷ lệ lỗi từ 6.64% xuống còn mức thấp hơn. Mức Sigma tăng từ 4.2, đồng thời tiết kiệm được 54 triệu đồng/năm cho chi phí chất lượng kém. Phần mềm nhận diện lỗi tự động đạt độ chính xác 99.7% trong việc phân loại lỗi sản phẩm.
II. Cải tiến quy trình
Nghiên cứu tập trung vào cải tiến quy trình kiểm tra chất lượng sản phẩm bằng cách áp dụng các công cụ năng suất và học máy. Quy trình kiểm tra thủ công được thay thế bằng hệ thống tự động, giúp tăng tốc độ và độ chính xác. Các giải pháp cải tiến bao gồm thay đổi kệ để phôi, cải tiến phiếu kiểm tra BTP và trực quan hóa các lỗi ngoại quan.
2.1. Áp dụng DMAIC
Chu trình DMAIC được sử dụng để cải tiến quy trình kiểm tra chất lượng. Giai đoạn Xác định và Đo lường giúp nhận diện các lỗi chính như lỗi mặt cắt Ø6.840 và Ø6. Giai đoạn Phân tích sử dụng biểu đồ xương cá để tìm nguyên nhân gốc rễ. Giai đoạn Cải tiến và Kiểm soát triển khai các giải pháp như thay đổi kệ để phôi và cải tiến phiếu kiểm tra.
2.2. Tự động hóa kiểm tra
Hệ thống tự động hóa kiểm tra được phát triển bằng cách tích hợp học máy và mạng nơ-ron tích chập (CNN). Hệ thống này giúp nhận diện và phân loại lỗi sản phẩm với độ chính xác cao. Phần mềm được thiết kế bằng ngôn ngữ Python, tích hợp khả năng dự đoán lỗi và vẽ biểu đồ Pareto để phân tích xu hướng lỗi.
III. Kiểm tra chất lượng sản phẩm
Nghiên cứu tập trung vào việc kiểm tra chất lượng sản phẩm bằng cách áp dụng các công cụ năng suất và học máy. Quy trình kiểm tra thủ công được thay thế bằng hệ thống tự động, giúp tăng tốc độ và độ chính xác. Các giải pháp cải tiến bao gồm thay đổi kệ để phôi, cải tiến phiếu kiểm tra BTP và trực quan hóa các lỗi ngoại quan.
3.1. Hiện trạng kiểm tra
Quy trình kiểm tra chất lượng tại công ty Cơ khí Chính xác Thịnh Phát dựa trên phương pháp thủ công, dẫn đến sự chậm trễ và sai sót trong phân loại lỗi. Nhân viên kiểm tra phải làm việc trong thời gian dài, chỉ kiểm tra được số lượng hạn chế sản phẩm mỗi ngày.
3.2. Giải pháp cải tiến
Nghiên cứu đề xuất giải pháp tự động hóa quy trình kiểm tra bằng cách sử dụng học máy và mạng CNN. Hệ thống này giúp nhận diện và phân loại lỗi sản phẩm với độ chính xác cao, đồng thời tự động thu thập dữ liệu và vẽ biểu đồ Pareto để phân tích xu hướng lỗi.
