Nghiên cứu giải pháp cải tiến quy trình kiểm tra chất lượng sản phẩm bằng công cụ năng suất kết hợp học máy

LỜI CẢM ƠN

LỜI CAM ĐOAN

1. CHƯƠNG 1: TỔNG QUAN

1.1. Các công trình liên quan đến đề tài nghiên cứu

1.2. Mục tiêu và phương pháp nghiên cứu

1.2.1. Phương pháp nghiên cứu

1.3. Tính cấp thiết của đề tài

1.4. Phạm vi thực hiện

1.5. Nội dung thực hiện

1.6. Kế hoạch thực hiện

2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

2.1. Công cụ năng suất chất lượng

2.1.1. Giới thiệu về công cụ năng suất chất lượng

2.1.2. Các công cụ năng suất chất lượng trong công nghiệp

2.1.3. Ưu điểm của công cụ năng suất chất lượng

2.2. Lý thuyết Six-Sigma

2.2.1. Định nghĩa Six-Sigma

2.2.2. Mục đích của Six-Sigma

2.2.3. Lợi ích của Six – Sigma

2.2.4. Chu trình DMAIC trong Six-Sigma

2.3. Bảy công cụ quản lý chất lượng

2.3.1. Phiếu kiểm tra

2.3.2. Biểu đồ phân bố

2.3.3. Biểu đồ kiểm soát

2.4. Mạng thần kinh tích chập (Convolutional Neural Network – CNN)

2.4.1. Giới thiệu về mạng CNN

2.4.2. Cấu trúc về mạng CNN

2.4.3. Ứng dụng của mạng CNN. Học máy trong nhận diện lỗi tự động

2.4.3.1. Khái niệm về học máy

2.4.3.2. Mục đích dùng học máy trong nhận diện lỗi tự động

2.4.3.3. Trình duyệt Kaggle, Visual Studio Code, ngôn ngữ lập trình Python, thư viện Tkinter và OpenCV hỗ trợ thiết kế giao diện

2.4.3.3.1. Trình duyệt Kaggle

2.4.3.3.2. Phần mềm Visual Studio Code

2.4.3.3.3. Ngôn ngữ lập trình Python

2.4.3.3.4. Thư viện Tkinter

2.4.3.3.5. Thư viện OpenCV

3. CHƯƠNG 3: HIỆN TRẠNG QUY TRÌNH KIỂM TRA CHẤT LƯỢNG TẠI CÔNG TY CƠ KHÍ CHÍNH XÁC THỊNH PHÁT

3.1. Giới thiệu về công ty

3.1.1. Thông tin cơ bản

3.1.2. Lịch sử hình thành

3.1.3. Tầm nhìn và cách mạng

3.1.4. Giá trị cốt lõi

3.1.5. Lĩnh vực hoạt động

3.1.6. Cơ cấu tổ chức của công ty

3.2. Quy trình kiểm tra chất lượng (QC)

3.2.1. Tổng quan về quy trình kiểm tra chất lượng tại công ty

3.2.2. Giới thiệu về mã hàng 0193-A, 1221-A và quy trình kiểm tra chất lượng của cả hai mã hàng

3.2.3. Thực trạng của bộ phận QC đang gặp phải

4. CHƯƠNG 4: ÁP DỤNG CHU TRÌNH DMAIC CẢI TIẾN CHẤT LƯỢNG MÃ HÀNG 1221-A

4.1. Thu thập dữ liệu và xác định đối tượng cải tiến chất lượng

4.2. Phân tích tiếng nói của khách hàng và doanh nghiệp (VOC&VOB)

4.3. Phạm vị của dự án cải tiến

4.4. Bảng kế hoạch

4.5. Đặc điểm các lỗi mặt cắt

4.6. Phân tích và tìm nguyên nhân gốc rễ

4.6.1. Thay đổi kệ để phôi

4.6.2. Gắp phoi ra khỏi ổ dao

4.6.3. Cải tiến phiếu kiểm tra BTP

4.6.4. Trực quan hóa các lỗi ngoại quan hay xảy ra

4.7. Kết quả sau khi cải tiến

4.7.1. Hiệu quả về mặt kinh tế

5. CHƯƠNG 5: ÁP DỤNG HỌC MÁY TRONG VIỆC THIẾT KẾ VÀ XÂY DỰNG PHẦN MỀM NHẬN DIỆN LỖI TỰ ĐỘNG

5.1. Tiêu chuẩn kiểm tra chất lượng sản phẩm của bộ phận QC

5.2. Tổng quan các tiêu chuẩn kiểm tra chất lượng hiện tại của bộ phận kiểm tra chất lượng (QC)

5.3. Đánh giá phương pháp kiểm tra hiện tại và những hạn chế của chúng

5.4. Tính cấp thiết của tự động hóa quy trình kiểm tra chất lượng bằng mô hình học máy

5.5. Thu thập dữ liệu và xây dựng mô hình CNN

5.5.1. Phương pháp thu thập dữ liệu các đặc điểm sản phẩm lỗi và sản phẩm đạt chất lượng

5.5.2. Xử lý dữ liệu trước khi xây dựng mô hình học máy (CNN)

5.5.3. Xây dựng mô hình CNN để nhận diện đặc điểm từ dữ liệu đã thu thập

5.5.4. Huấn luyện và đánh giá kết quả của mô hình trên dữ liệu Test

5.6. Thiết kế phần mềm nhận diện lỗi bằng ngôn ngữ lập trình Python

5.6.1. Phân tích yêu cầu về giao diện người dùng và tính năng cần có

5.6.2. Giao diện đồ họa người dùng

5.6.3. Logic xử lý dữ liệu và hoạt động của mô hình học máy đưa ra dự đoán

5.6.4. Lưu lại kết quả kiểm tra và vẽ biểu đồ thể hiện xu thế lỗi xuất hiện

5.7. Kết quả thu được sau khi sử dụng phần mềm

5.7.1. Sử dụng phần mềm nhận diện lỗi trên hình ảnh mã hàng 0193-A

5.7.2. Sử dụng phần mềm nhận diện sản phẩm trong thời gian thực

5.7.3. Thống kê và phân tích kết quả thu được

5.7.4. Đánh giá tác động khi sử dụng phần mềm. Các kết quả mà phần mềm đem lại

5.7.5. Hiệu quả về kinh tế

6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

6.1. Hướng phát triển có thể triển khai trong tương lai

TÀI LIỆU THAM KHẢO

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.

Nghiên Cứu Giải Pháp Cải Tiến Quy Trình Kiểm Tra Chất Lượng Sản Phẩm Sử Dụng Công Cụ Năng Suất Kết Hợp Học Máy