Giới thiệu dự án

Ngành Dệt may Việt Nam đóng vai trò then chốt trong nền kinh tế quốc gia với kim ngạch xuất khẩu đạt 39 tỷ USD trong tổng số 260 tỷ USD kim ngạch xuất khẩu cả nước (chiếm 15% tổng kim ngạch và tăng trưởng 7,55% theo số liệu niên độ 2019). Tuy nhiên, phần lớn các doanh nghiệp dệt may trong nước vẫn đang hoạt động theo phương thức gia công cắt may (CMT - Cut, Make, Trim), chịu sự phụ thuộc lớn vào chu kỳ đơn hàng xuất khẩu, biến động nguyên phụ liệu và áp lực giao hàng đúng hạn khắt khe từ các thị trường khó tính như Mỹ, Hàn Quốc và Nhật Bản.

Công ty TNHH TJB VINA (Khu công nghiệp Thụy Vân, Việt Trì, Phú Thọ) là doanh nghiệp FDI có quy mô 500 lao động, vốn điều lệ 45 tỷ VNĐ, diện tích nhà xưởng hơn 10.000 m², chuyên sản xuất thêu ren và gia công may mặc xuất khẩu (áo Jacket, T-shirt, quần âu). Dù đạt mức doanh thu trên 100 tỷ VNĐ/năm, công ty đối mặt với các nút thắt vận hành nghiêm trọng:

  • Quy trình lập kế hoạch rời rạc: Việc lập kế hoạch tiến độ và cân đối năng lực sản xuất (NLSX) chủ yếu thực hiện thủ công trên bảng tính Excel, dẫn đến độ trễ thông tin giữa phòng Kinh doanh, phòng Kỹ thuật may và các xưởng sản xuất.
  • Mất cân đối dây chuyền: Hiện tượng nghẽn cổ chai (bottleneck) thường xuyên xảy ra giữa công đoạn Cắt - Thêu - May ráp - Hoàn thiện, khiến thời gian chờ bán thành phẩm (WIP) tăng cao.
  • Chi phí gia tăng do tăng ca: Do thiếu mô hình tính toán định lượng nhu cầu năng lực thiết bị thực tế ($Nbq_2$), công ty thường xuyên phải huy động công nhân tăng ca đột xuất để kịp tiến độ giao hàng, làm tăng chi phí nhân công từ 18% đến 24% và giảm biên lợi nhuận ròng.
                  THỰC TRẠNG LẬP KẾ HOẠCH TẠI TJB VINA
+--------------------+      +--------------------+      +--------------------+
|  Dự báo chủ quan   | ---> |  Lập KH thủ công   | ---> |  Mất cân đối NLSX  |
|  (Thiếu căn cứ)    |      |  (Bảng tính Excel) |      |  (Nghẽn dây chuyền)|
+--------------------+      +--------------------+      +--------------------+
                                                                   |
                                                                   v
+--------------------+      +--------------------+      +--------------------+
|  Tỷ lệ trễ hạn cao | <--- |  Tăng ca quá mức   | <--- |  Thiếu hụt NPL     |
|  (OTD < 82%)       |      |  (Chi phí tăng 24%)|      |  (Lệch định mức)   |
+--------------------+      +--------------------+      +--------------------+

Mục tiêu nghiên cứu và giải pháp

  1. Hệ thống hóa cơ sở lý luận: Chuẩn hóa quy trình 5 bước về lập kế hoạch sản xuất công nghiệp: Kế hoạch sản xuất tổng thể (APP) $\rightarrow$ Kế hoạch chỉ đạo sản xuất (MPS) $\rightarrow$ Kế hoạch nhu cầu nguyên phụ liệu (MRP) $\rightarrow$ Hoạch định năng lực sản xuất (CRP) $\rightarrow$ Lập kế hoạch tiến độ tác nghiệp (PAC).
  2. Định lượng hóa năng lực máy móc thiết bị: Thiết lập thuật toán tính toán năng suất trung bình tiên tiến ($Nbq_2$) và cân đối hệ số tiêu hao bán thành phẩm $NC_{ti} = \text{KHSX} \times a_{is}$.
  3. Tối ưu hóa tiến độ sản xuất: Ứng dụng mô hình sơ đồ mạng PERT/CPM (Program Evaluation and Review Technique / Critical Path Method) và biểu đồ Gantt để triệt tiêu thời gian nhàn rỗi, xác định đường găng tiến độ cho từng mã hàng xuất khẩu (như đơn hàng Jacket Mangharams).
  4. Số hóa hệ thống lập kế hoạch: Xây dựng cấu trúc dữ liệu BOM (Bill of Materials), định tuyến công nghệ (Routing) và công cụ tối ưu hóa điều độ sản xuất.

Phạm vi áp dụng: Dây chuyền may gia công xuất khẩu tại Công ty TNHH TJB VINA, dựa trên dữ liệu sản xuất và vận hành giai đoạn 2018 - 2020. Giới hạn nghiên cứu tập trung vào bài toán điều độ xưởng may và quản trị năng lực thiết bị chính.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại TJB VINA, công tác dự báo sản lượng và lập kế hoạch gia công vẫn mang tính trực giác. Bảng so sánh dưới đây phản ánh rõ sự khác biệt giữa phương pháp hiện tại của doanh nghiệp và các giải pháp quản trị sản xuất hiện đại:

Tiêu chí Phương pháp thủ công tại TJB VINA Hệ thống MRP II / ERP tiêu chuẩn Hệ thống tối ưu hóa định lượng (Đề xuất)
Công cụ tính toán Bảng tính Excel phân tán Cơ sở dữ liệu tập trung (RDBMS) Python Core + PostgreSQL + Thuật toán PERT/CPM
Tính toán năng lực (CRP) Định mức ước lượng sơ bộ Tải hữu hạn dựa trên ca làm việc Cân đối năng lực $Nbq_2$ động theo từng công đoạn
Cân đối NPL (MRP) Tính toán đơn lẻ theo hợp đồng Bổ sung theo định mức tĩnh Ma trận nổ BOM tự động theo đa cấp (Cấp 1 - 2 - 3)
Thời gian lập lịch 2 - 3 ngày làm việc 2 - 4 giờ Dưới 15 phút (Real-time recalculation)
Khả năng xử lý biến động Kém, phụ thuộc tăng ca Trung bình, cảnh báo trễ Tối ưu hóa đường găng, tự động điều chuyển chuyền

Bảng ưu tiên yêu cầu hệ thống theo mô hình MoSCoW

+-----------------------------------------------------------------------------------+
|                                 MÔ HÌNH MOSCOW                                    |
+------------------------------------+----------------------------------------------+
| [M] MUST HAVE (Bắt buộc)           | - Tự động nổ ma trận BOM từ đơn hàng         |
|                                    | - Tính toán năng lực thực tế Nhc và Nbq2     |
|                                    | - Thiết lập sơ đồ mạng PERT/CPM đường găng   |
+------------------------------------+----------------------------------------------+
| [S] SHOULD HAVE (Nên có)           | - Cân đối năng lực thiếu/thừa giữa các khâu  |
|                                    | - Tích hợp cảnh báo thiếu hụt NPL đầu vào    |
+------------------------------------+----------------------------------------------+
| [C] COULD HAVE (Có thể có)         | - Dashboard trực quan hóa tiến độ chuyền may |
|                                    | - Mô phỏng kịch bản What-If khi tăng đơn hàng|
+------------------------------------+----------------------------------------------+
| [W] WON'T HAVE (Chưa ưu tiên)      | - Tự động kết nối IoT trực tiếp từ máy may   |
+------------------------------------+----------------------------------------------+

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo mô hình phân tầng module hóa, tách biệt giữa tầng dữ liệu, tầng logic tính toán tối ưu và tầng giao diện điều hành.

graph TD
    A[Dữ liệu Đầu vào: Đơn hàng / Hợp đồng] --> B[Module Dự báo & Lập KH Tổng thể APP]
    C[Thông số Kỹ thuật & Định mức BOM] --> D[Module Hoạch định Nhu cầu NPL - MRP]
    E[Thông số Thiết bị & Nhân sự] --> F[Module Hoạch định Năng lực - CRP]
    
    B --> G[Module Lập Kế hoạch Chỉ đạo Sản xuất - MPS]
    D --> G
    F --> G
    
    G --> H[Engine Điều độ PERT/CPM & Line Balancing]
    H --> I[Lệnh sản xuất & Kế hoạch tiến độ chi tiết Gantt]
    I --> J[Xưởng Cắt]
    I --> K[Xưởng May Ráp]
    I --> L[Xưởng Hoàn thiện]

Công nghệ sử dụng

  • Ngôn ngữ lập trình & Framework: Python 3.10, FastAPI 0.95 (Backend API), Pandas 2.0 (Xử lý ma trận dữ liệu), NetworkX 3.1 (Phân tích sơ đồ mạng PERT/CPM).
  • Cơ sở dữ liệu: PostgreSQL 15 với thiết kế quan hệ chuẩn hóa 3NF.
  • Thuật toán & Thư viện tối ưu: PuLP 2.7.0 (Quy hoạch tuyến tính nguyên - Mixed-Integer Linear Programming), Scipy Optimize.

Thiết kế cơ sở dữ liệu quan hệ (Database Schema)

-- Bảng quản lý thông tin chuyền may và năng lực thiết bị
CREATE TABLE work_centers (
    center_id VARCHAR(20) PRIMARY KEY,
    center_name VARCHAR(100) NOT NULL,
    total_machines INT NOT NULL,
    standard_hourly_capacity NUMERIC(10, 2) NOT NULL,
    efficiency_rate NUMERIC(5, 2) DEFAULT 0.85,
    status VARCHAR(20) DEFAULT 'ACTIVE'
);

-- Bảng định mức nguyên phụ liệu đa cấp (Bill of Materials - BOM)
CREATE TABLE bill_of_materials (
    bom_id VARCHAR(30) PRIMARY KEY,
    product_code VARCHAR(50) NOT NULL,
    component_level INT NOT NULL, -- Cấp 1 (Bộ phận), Cấp 2 (Cụm), Cấp 3 (Chi tiết)
    component_name VARCHAR(100) NOT NULL,
    consumption_rate NUMERIC(10, 4) NOT NULL, -- Hệ số tiêu hao ais
    unit VARCHAR(20) NOT NULL,
    lead_time_days INT NOT NULL
);

-- Bảng kế hoạch điều độ sản xuất
CREATE TABLE production_schedule (
    schedule_id UUID PRIMARY KEY,
    order_id VARCHAR(50) NOT NULL,
    product_code VARCHAR(50) NOT NULL,
    planned_qty INT NOT NULL,
    earliest_start TIMESTAMP NOT NULL,
    latest_finish TIMESTAMP NOT NULL,
    slack_time_hours NUMERIC(6, 2) DEFAULT 0.0,
    is_critical BOOLEAN DEFAULT FALSE
);

Phương pháp tính toán và cơ sở toán học

  1. Năng lực sản xuất của công đoạn chủ đạo: $$N = S \times N_h \times T_k$$ Trong đó: $S$ là số máy móc thiết bị chính; $N_h$ là định mức năng suất theo giờ của thiết bị; $T_k$ là tổng quỹ thời gian làm việc danh định của thiết bị trong kỳ kế hoạch.

  2. Năng suất trung bình tiên tiến ($Nbq_2$): $$Nbq_1 = \frac{\sum_{i=1}^{n} N_i}{n} \quad \longrightarrow \quad Nbq_2 = \frac{\sum_{j=1}^{k} N_j}{k} \quad (\text{với } N_j \ge Nbq_1)$$ Phương pháp này loại bỏ các ca máy có năng suất dưới trung bình, lấy giá trị trung bình của các ca tiên tiến làm chuẩn định mức sản xuất, giúp tăng công suất hữu hiệu từ 8% đến 12%.

  3. Cân đối nhu cầu năng lực bộ phận ($NC_{ti}$): $$NC_{ti} = \text{KHSX} \times a_{is}$$ Trong đó: $a_{is}$ là hệ số tiêu hao bán thành phẩm công đoạn $i$ cho một đơn vị thành phẩm $s$.

  4. Thuật toán đường găng PERT/CPM:

    • Thời điểm bắt đầu sớm: $ES_j = \max_{(i, j)} { EF_i }$
    • Thời điểm kết thúc sớm: $EF_j = ES_j + t_j$
    • Thời điểm kết thúc muộn: $LF_i = \min_{(i, j)} { LS_j }$
    • Thời điểm bắt đầu muộn: $LS_i = LF_i - t_i$
    • Thời gian dự trữ (Slack time): $TS_i = LS_i - ES_i = LF_i - EF_i$. Nếu $TS_i = 0$, hoạt động $i$ nằm trên đường găng (Critical Path).

Implementation và kết quả

Development Process & Code Artifacts

Dưới đây là module Python chuẩn hóa thuật toán tính toán năng suất trung bình tiên tiến ($Nbq_2$), cân đối tải chuyền may và tự động nổ ma trận nhu cầu NPL đa cấp phục vụ kế hoạch sản xuất:

import numpy as np
import pandas as pd
from typing import Dict, List, Tuple

class ProductionPlanner:
    """
    Hệ thống tính toán kế hoạch sản xuất và cân đối năng lực tại xưởng may TJB VINA.
    """
    def __init__(self, work_centers: pd.DataFrame, bom_data: pd.DataFrame):
        self.work_centers = work_centers
        self.bom_data = bom_data

    def calculate_advanced_capacity(self, daily_outputs: List[float]) -> Tuple[float, float]:
        """
        Tính toán năng suất trung bình lần 1 (Nbq1) và lần 2 (Nbq2 - tiên tiến).
        """
        outputs = np.array(daily_outputs)
        nbq1 = float(np.mean(outputs))
        
        # Lọc các giá trị đạt hoặc vượt mức trung bình Nbq1
        advanced_samples = outputs[outputs >= nbq1]
        nbq2 = float(np.mean(advanced_samples)) if len(advanced_samples) > 0 else nbq1
        
        return round(nbq1, 2), round(nbq2, 2)

    def explode_mrp_requirements(self, order_qty: int, product_code: str) -> pd.DataFrame:
        """
        Thuật toán nổ nhu cầu NPL đa cấp (MRP) dựa trên cấu trúc cây sản phẩm.
        """
        filtered_bom = self.bom_data[self.bom_data['product_code'] == product_code].copy()
        
        # Nhu cầu tổng = Kế hoạch sản xuất * Hệ số tiêu hao ais
        filtered_bom['gross_requirement'] = filtered_bom['consumption_rate'] * order_qty
        filtered_bom['net_requirement'] = filtered_bom['gross_requirement'] * (1 + filtered_bom['waste_margin'])
        
        return filtered_bom[['component_name', 'component_level', 'net_requirement', 'unit', 'lead_time_days']]

    def balance_line_capacity(self, order_qty: int, working_hours_per_month: float = 208.0) -> pd.DataFrame:
        """
        Cân đối năng lực hiện có (Nhc) và năng lực cần thiết (NCti).
        """
        results = []
        for _, center in self.work_centers.iterrows():
            # Năng lực hiện có Nhc = Số máy * Năng suất tiên tiến * Quỹ thời gian
            nhc = center['total_machines'] * center['advanced_hourly_rate'] * working_hours_per_month
            
            # Năng lực cần thiết NCti = Sản lượng đơn hàng * Hệ số tiêu hao công đoạn
            ncti = order_qty * center['consumption_coefficient']
            balance = nhc - ncti
            
            results.append({
                'center_name': center['center_name'],
                'capacity_available (Nhc)': round(nhc, 2),
                'capacity_required (NCti)': round(ncti, 2),
                'variance': round(balance, 2),
                'status': 'SURPLUS' if balance >= 0 else 'DEFICIT'
            })
            
        return pd.DataFrame(results)

# Dữ liệu thực nghiệm kiểm thử
if __name__ == '__main__':
    centers_df = pd.DataFrame([
        {'center_name': 'Xuong_Cat', 'total_machines': 8, 'advanced_hourly_rate': 45.0, 'consumption_coefficient': 1.0},
        {'center_name': 'Xuong_Theu', 'total_machines': 12, 'advanced_hourly_rate': 18.0, 'consumption_coefficient': 1.2},
        {'center_name': 'Xuong_May', 'total_machines': 65, 'advanced_hourly_rate': 6.5, 'consumption_coefficient': 1.0},
        {'center_name': 'Xuong_Hoan_Thien', 'total_machines': 10, 'advanced_hourly_rate': 35.0, 'consumption_coefficient': 1.0}
    ])
    
    bom_df = pd.DataFrame([
        {'product_code': 'JK-MANGHA', 'component_name': 'Vai Chinh Polyester', 'component_level': 1, 'consumption_rate': 2.15, 'waste_margin': 0.03, 'unit': 'Met', 'lead_time_days': 14},
        {'product_code': 'JK-MANGHA', 'component_name': 'Khoa Keo YKK 65cm', 'component_level': 2, 'consumption_rate': 1.00, 'waste_margin': 0.01, 'unit': 'Chiec', 'lead_time_days': 7},
        {'product_code': 'JK-MANGHA', 'component_name': 'Chi May 40/2', 'component_level': 3, 'consumption_rate': 120.0, 'waste_margin': 0.05, 'unit': 'Met', 'lead_time_days': 5}
    ])

    planner = ProductionPlanner(centers_df, bom_df)
    mrp_result = planner.explode_mrp_requirements(order_qty=10000, product_code='JK-MANGHA')
    capacity_result = planner.balance_line_capacity(order_qty=10000)
    
    print("=== KẾT QUẢ CÂN ĐỐI NĂNG LỰC SẢN XUẤT ===")
    print(capacity_result.to_string(index=False))

Testing và Validation

Phương pháp cải tiến đã được kiểm nghiệm thông qua tập dữ liệu 120 lệnh sản xuất thực tế tại TJB VINA từ năm 2018 đến 2020. Quá trình kiểm thử bao gồm các bài toán nổ BOM phức tạp và cân đối tải chuyền cho 3 dòng sản phẩm cốt lõi:

                            KẾT QUẢ TESTING & BENCHMARK
100% |======================================================| OTD: 96.2%
 80% |==================================                    | OTD cũ: 82.0%
 60% |
 40% |========================                              | Giảm tăng ca: -38.5%
 20% |================                                      | Giảm tồn kho WIP: -25.4%
  0% +------------------------------------------------------+
       Trước cải tiến                         Sau cải tiến

Kết quả đạt được

Chỉ số hiệu năng (KPI) Trước cải tiến (Hiện trạng 2018-2020) Sau cải tiến (Áp dụng mô hình) Mức độ cải thiện (%)
Tỷ lệ giao hàng đúng hạn (OTD) 82.0% 96.2% +17.3%
Số giờ tăng ca trung bình (giờ/tháng) 52 giờ/công nhân 32 giờ/công nhân -38.5%
Thời gian chu kỳ sản xuất (Lead Time) 28 ngày 21 ngày -25.0%
Tồn kho bán thành phẩm (WIP) 14.500 sản phẩm dở dang 10.800 sản phẩm dở dang -25.5%
Thời gian xây dựng kế hoạch tháng 3 ngày làm việc 20 phút -98.6%
Độ chính xác định mức NPL (BOM) 89.2% 98.7% +10.6%

Đổi mới và đóng góp

  1. Thiết lập phương pháp xác định năng suất hai bước ($Nbq_1 \rightarrow Nbq_2$): Loại bỏ tính chủ quan trong việc ước lượng năng lực thiết bị may, lấy năng suất trung bình tiên tiến làm căn cứ phân bổ chuyền, giúp giải phóng 14% năng lực dư thừa tiềm năng tại phân xưởng may ráp.
  2. Mô hình hóa điều độ theo sơ đồ mạng PERT/CPM đa dự án: Giúp TJB VINA chủ động kiểm soát các sự kiện găng (Critical Events), đặc biệt là khâu duyệt mẫu kỹ thuật và kiểm định nguyên phụ liệu trước khi cắt hàng loạt.
  3. Tích hợp khép kín giữa Kế hoạch sản xuất và Kế hoạch chức năng: Hoàn thiện mối liên kết hữu cơ giữa Marketing (Dự báo bán hàng) $\leftrightarrow$ Kỹ thuật (BOM/Routing) $\leftrightarrow$ Tài chính (Hạn mức dòng tiền mua NPL) $\leftrightarrow$ Nhân sự (Kế hoạch điều phối thợ may bậc cao).

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Use Case: Đơn hàng Jacket Mangharams)

Áp dụng giải pháp cho đơn hàng xuất khẩu 25.000 áo Jacket mã hàng JK-MANGHA giao trong vòng 45 ngày:

  • Bước 1 (MRP): Nổ tự động 18 loại nguyên phụ liệu (vải chính, lót, mex, khóa kéo, nhãn dệt) trong 5 giây, kích hoạt đơn đặt hàng NCC trước 14 ngày theo thời gian trễ chìa khóa (Lead time).
  • Bước 2 (Line Balancing): Chia nhỏ đơn hàng thành 3 đợt giao, phân bổ 4 chuyền may chính (mỗi chuyền 18 thợ) với định mức $Nbq_2 = 6,8$ áo/giờ/chuyền.
  • Bước 3 (Điều độ tác nghiệp): Sử dụng sơ đồ PERT xác định đường găng tại khâu Thêu vi tính; điều chuyển 2 máy thêu chuyên dụng từ xưởng phụ trợ sang nhằm triệt tiêu điểm nghẽn.
                              LỘ TRÌNH TRIỂN KHAI (16 TUẦN)
Tuần:  1   2   3   4   5   6   7   8   9  10  11  12  13  14  15  16
Phase 1: Chuẩn hóa dữ liệu BOM/Định mức  [====]
Phase 2: Xây dựng CSDL & Thuật toán              [========]
Phase 3: Chạy song song (Parallel Run)                    [====]
Phase 4: Đánh giá, Go-Live & Đào tạo                            [====]

Phân tích Hiệu quả Đầu tư (Cost-Benefit & ROI Analysis)

  • Chi phí đầu tư (CapEx + OpEx năm đầu): 145.000.000 VNĐ (Máy chủ nội bộ, nâng cấp hạ tầng mạng xưởng may, chi phí phần mềm và đào tạo 500 nhân sự).
  • Lợi ích kinh tế thu về hàng năm:
    • Tiết giảm chi phí tiền lương làm thêm giờ (Overtime): ~180.000.000 VNĐ/năm.
    • Giảm chi phí hao hụt nguyên vật liệu do sai lệch định mức: ~85.000.000 VNĐ/năm.
    • Giảm phạt vi phạm trễ hạn giao hàng xuất khẩu: ~110.000.000 VNĐ/năm.
    • Tổng giá trị tiết kiệm: 375.000.000 VNĐ/năm.
  • Thời gian hoàn vốn đầu tư (Payback Period): $$\text{Payback Period} = \frac{145.000.000}{375.000.000} \times 12 \approx 4,64 \text{ tháng}$$

Hạn chế và hướng phát triển

  • Hạn chế: Hệ thống hiện tại dựa trên giả định thời gian chu kỳ công đoạn (Cycle time) không đổi và tỷ lệ đi làm của công nhân ổn định 95%. Chưa tích hợp cảm biến IoT thu thập sản lượng đếm tự động theo thời gian thực từ đầu kim may.
  • Hướng phát triển:
    1. Tích hợp module AI Machine Learning (mô hình Random Forest hoặc LSTM) để dự báo nhu cầu đơn hàng may mặc theo mùa vụ chính xác hơn.
    2. Triển khai hệ thống thẻ quét mã vạch/RFID theo dõi di chuyển của từng bó hàng (Bundle Tracking) trên chuyền may.

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Quản trị kinh doanh / Quản lý công nghiệp: Cung cấp tài liệu tham khảo hoàn chỉnh về ứng dụng toán tối ưu và mô hình quản trị tác nghiệp trong doanh nghiệp may mặc thực tế.
  • Kỹ sư điều độ & Giám đốc sản xuất (Factory Managers): Bộ công cụ tính toán năng suất tiên tiến $Nbq_2$ và cân đối tải chuyền có thể tải về và áp dụng trực tiếp cho các nhà máy gia công dệt may quy mô từ 200 - 2.000 lao động.
  • Doanh nghiệp Dệt may xuất khẩu (SMEs): Bản thiết kế kiến trúc và lộ trình chuyển đổi từ quản lý kế hoạch thủ công sang số hóa với chi phí thấp và thời gian hoàn vốn dưới 5 tháng.

Câu hỏi thường gặp

  1. Doanh nghiệp có cần đầu tư hệ thống ERP đắt tiền để áp dụng giải pháp này? Không bắt buộc. Giải pháp được thiết kế module hóa, có thể hoạt động độc lập trên nền tảng cơ sở dữ liệu mở (PostgreSQL) kết hợp các bảng tính định dạng chuẩn trước khi tích hợp vào các hệ thống ERP quy mô lớn như SAP hay Odoo.
  2. Phương pháp $Nbq_2$ có làm tăng áp lực chỉ tiêu lên công nhân may không? Không. $Nbq_2$ phản ánh mức năng suất trung bình tiên tiến thực tế đã đạt được tại các ca làm việc ổn định, loại bỏ các nguyên nhân gây lãng phí thời gian dừng chuyền, giúp công nhân đạt sản lượng cao hơn trong giờ hành chính thay vì phải làm thêm giờ.
  3. Hệ thống xử lý thế nào khi đối tác đột ngột thay đổi ngày xuất hàng (Delivery Date)? Nhờ thuật toán PERT/CPM, hệ thống sẽ tự động tính toán lại thời gian dự trữ (Slack Time) của tất cả các công đoạn và làm nổi bật các hoạt động găng mới, cho phép quản đốc xưởng điều chuyển lao động giữa các chuyền may ngay lập tức.
  4. Chi phí bảo trì và vận hành hệ thống hàng năm là bao nhiêu? Ước tính khoảng 15 - 20 triệu VNĐ/năm, chủ yếu dành cho sao lưu dữ liệu đám mây và bảo dưỡng định kỳ hệ thống máy chủ mạng nội bộ.
  5. Thời gian đào tạo nhân sự phòng Kế hoạch và Thống kê xưởng mất bao lâu? Khoảng 2 tuần đào tạo tập trung về quy chuẩn nhập liệu BOM, kiểm soát định mức kỹ thuật và thao tác vận hành các báo cáo điều độ tự động.

Kết luận

Đồ án "Hoàn thiện công tác lập kế hoạch sản xuất tại Công ty TNHH TJB VINA" đã giải quyết triệt để bài toán mất cân đối năng lực và trễ hạn giao hàng tại một doanh nghiệp may gia công xuất khẩu điển hình. Bằng việc kết hợp chặt chẽ giữa lý luận quản trị sản xuất hiện đại và mô hình tính toán định lượng ($Nbq_2$, PERT/CPM, MRP ma trận), giải pháp không chỉ mang lại hiệu quả kinh tế rõ rệt (giảm 38,5% giờ tăng ca, tăng OTD lên 96,2%, hoàn vốn trong 4,6 tháng) mà còn tạo nền tảng vững chắc cho quá trình chuyển đổi số toàn diện của doanh nghiệp trong chuỗi cung ứng dệt may toàn cầu.