Giới thiệu dự án

Ngành công nghiệp chế biến thực phẩm tại Việt Nam hiện chiếm hơn 20% tổng doanh thu thuần của toàn ngành công nghiệp chế biến - chế tạo. Với sự gia nhập mạnh mẽ của các hiệp định thương mại tự do và làn sóng sáp nhập - mua lại (M&A) từ các tập đoàn đa quốc gia, các doanh nghiệp vừa và nhỏ (SMEs) sản xuất nông sản xuất khẩu đối mặt với áp lực cạnh tranh gay gắt về tiêu chuẩn chất lượng và tối ưu hóa chi phí vận hành.

                  CHỈ SỐ THỰC TRẠNG & MỤC TIÊU DỰ ÁN

Công ty TNHH Phượng Hoàng (Phoenix Group) là đơn vị sản xuất và xuất khẩu hạt macca sang các thị trường khó tính như Dubai và các nước thuộc Tiểu Vương quốc Ả Rập Thống nhất (UAE) với sản lượng xuất khẩu tiệm cận 10 tấn/năm (5 tấn vụ thuận tháng 7–8 và 4.8–5 tấn vụ nghịch tháng 3–4). Tuy nhiên, đặc thù sản xuất bán thủ công khiến quy trình kiểm soát chất lượng (Quality Control - QC) xuất hiện nhiều điểm nghẽn:

  • Tỷ lệ phế phẩm cao ở các công đoạn then chốt: Lỗi lệch độ ẩm khi sấy rang vượt ngưỡng sai số cho phép ($>0.4%$), đường nứt tách vỏ không đạt chuẩn $50%$ chu vi hạt ($5.0% - 10.0%$ lỗi), hạt lép/sâu/bụi sót sau soi ($5.0% - 12.5%$ lỗi).
  • Rủi ro suy giảm chất lượng thành phẩm: Tình trạng xì chân không, thiếu gói hút ẩm hoặc dụng cụ khui vỏ gây ôi dầu, nấm mốc, ảnh hưởng trực tiếp đến uy tín xuất khẩu.
  • Năng suất kiểm định thấp: Phương pháp soi hạt thủ công bằng đèn rọi từng hạt gây mỏi mắt, giảm độ chính xác theo thời gian ca làm việc.

Mục tiêu của dự án:

  1. Khảo sát, định lượng và phân tích biến thiên chất lượng trên toàn bộ chuỗi 5 công đoạn chế biến hạt macca thành phẩm.
  2. Ứng dụng 7 công cụ quản lý chất lượng (Biểu đồ Pareto, biểu đồ nhân quả Ishikawa, biểu đồ kiểm soát Shewhart $p$-chart) để truy nguyên nguyên nhân gốc rễ.
  3. Thiết kế và tích hợp giải pháp cải tiến Kaizen (khay soi hạt chuyên dụng) và hệ thống kiểm tra tự động hóa Machine Vision ứng dụng Camera công nghiệp.
  4. Chuẩn hóa quy trình kiểm soát ba cấp độ: Đầu vào (IQC) - Quy trình (PQC) - Đầu ra (OQC), đưa tỷ lệ lỗi toàn chuỗi về mức tiêu chuẩn $\le 2.5%$ đối với bán thành phẩm và $\le 3.5%$ đối với thành phẩm đóng gói.

Phạm vi và giới hạn:

  • Địa bàn nghiên cứu: Nhà xưởng sơ chế, rang sấy, tách vỏ tại Di Linh (Lâm Đồng) và nhà xưởng hoàn thiện, đóng gói, lưu kho lạnh tại Dĩ An (Bình Dương).
  • Thời gian thực nghiệm: Dữ liệu thu thập và thử nghiệm cải tiến trong giai đoạn từ tháng 03/2022 đến tháng 05/2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hệ thống quản lý chất lượng truyền thống tại xưởng phụ thuộc chủ yếu vào kiểm tra xác suất ngoại quan bằng mắt thường và cảm quan người vận hành.

Tiêu chí đánh giá Phương pháp kiểm soát truyền thống Phương pháp kiểm soát nâng tiến (SPC + Kaizen + Vision)
Độ chính xác kiểm tra Thấp ($80% - 85%$), phụ thuộc thể lực và tâm lý công nhân Rất cao ($>98.5%$), loại bỏ sai số chủ quan
Thời gian xử lý 500kg 4.5 – 5.0 giờ công (soi đèn pin thủ công) 2.5 – 2.8 giờ công (khay định vị Kaizen / Camera)
Phát hiện lỗi quá trình Bị động sau khi hoàn tất mẻ, chi phí sửa sai cao Chủ động theo thời gian thực (Real-time $p$-chart)
Dữ liệu phân tích Ghi chép sổ tay rời rạc, khó truy vết Số hóa theo lô sản xuất, tích hợp ma trận kiểm soát

Ma trận ưu tiên yêu cầu kỹ thuật (MoSCoW):

  • Must-have: Kiểm soát độ ẩm rang sấy đạt chuẩn $15% \pm 0.4%$; vết nứt tách vỏ đạt đúng $50%$ chu vi; $100%$ túi thành phẩm $500\text{g} \pm 5\text{g}$ có đủ 01 gói hút ẩm và 01 dụng cụ khui vỏ.
  • Should-have: Bộ khay soi hạt đa khoang tối ưu góc chiếu sáng; chuẩn hóa quy tắc bảo vệ thị giác 20-20-20 cho công nhân kiểm định.
  • Could-have: Module thị giác máy tính (Machine Vision) nhận diện tự động vết nứt và lỗi vỡ hạt tại đầu ra máy dập.
  • Won't-have: Dây chuyền đóng gói robot tự động hóa hoàn toàn 100% (do giới hạn ngân sách đầu tư của doanh nghiệp SME).

Thiết kế hệ thống

Hệ thống kiểm soát chất lượng toàn diện được tổ chức theo kiến trúc phân tầng:

                  HỆ THỐNG KIỂM SOÁT CHẤT LƯỢNG 3 GIAI ĐOẠN

Thông số thiết bị và công cụ đo lường sử dụng:

  • Thước kẹp cơ khí / điện tử: Mitutoyo 0–150mm (độ chia 0.01mm) dùng kiểm tra đường kính phân loại hạt $A^+$, $A$, $B$.
  • Cân định lượng điện tử: AWS Digital Scale 5kg (độ chia 0.1g, dung sai cho phép $\pm 5\text{g}/500\text{g}$).
  • Hệ thống buồng sấy: Lò sấy nhiệt halogen đa tầng gắn cảm biến đo độ ẩm và nhiệt độ điện tử PID.
  • Hệ thống camera kiểm tra BTP tách hạt: Camera công nghiệp Industrial CMOS 5.0 Megapixel, ống kính tiêu cự cố định 16mm, đèn chiếu sáng vòng LED khuếch tán trắng, bộ xử lý nhúng Edge AI (Jetson Nano/IPC) chạy thuật toán phân tích biên dạng vết nứt.
# Thuật toán mô phỏng kiểm tra chiều dài vết nứt & phân loại lỗi bán thành phẩm
import cv2
import numpy as np

def inspect_macadamia_crack(image_path: str, min_ratio: float = 0.48, max_ratio: float = 0.52):
    """
    Kiểm tra độ dài khe nứt trên vỏ hạt macca qua xử lý ảnh Machine Vision.
    Đạt chuẩn: Chiều dài khe nứt chiếm xấp xỉ 50% chu vi đường tròn hạt.
    """
    image = cv2.imread(image_path)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    
    # Phát hiện đường viền ngoài của hạt macca
    edges = cv2.Canny(blurred, 50, 150)
    contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    if not contours:
        return {"status": "REJECT", "reason": "No object detected"}
        
    main_contour = max(contours, key=cv2.contourArea)
    perimeter = cv2.arcLength(main_contour, True)
    
    # Phân tích vết nứt trung tâm (Crack detection using adaptive thresholding)
    thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                                   cv2.THRESH_BINARY_INV, 11, 2)
    crack_contours, _ = cv2.findContours(thresh, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
    
    max_crack_len = 0.0
    for c in crack_contours:
        length = cv2.arcLength(c, False) / 2.0
        if length > max_crack_len:
            max_crack_len = length
            
    crack_ratio = max_crack_len / perimeter if perimeter > 0 else 0
    
    # Đánh giá chỉ tiêu chất lượng
    if crack_ratio >= min_ratio and crack_ratio <= max_ratio:
        return {"status": "PASS", "crack_ratio": round(crack_ratio, 3), "action": "ACCEPT"}
    elif crack_ratio < min_ratio:
        return {"status": "DEFECT_UNDER_CRACK", "crack_ratio": round(crack_ratio, 3), "action": "REWORK"}
    else:
        return {"status": "DEFECT_BROKEN", "crack_ratio": round(crack_ratio, 3), "action": "SCRAP"}

Methodology

Dự án áp dụng phương pháp luận DMAIC (Define - Measure - Analyze - Improve - Control) kết hợp triết lý Kaizen:

  • Define & Measure: Khảo sát 20 mẻ sản xuất liên tiếp (mỗi mẻ lấy mẫu ngẫu nhiên $n=40$ hạt/thùng cho BTP và kiểm tra $10%$ số túi OQC).
  • Analyze: Sử dụng biểu đồ kiểm soát Shewhart dạng $p$-chart để kiểm tra độ ổn định của quy trình. Công thức tính toán đường trung tâm ($CL$) và giới hạn kiểm soát trên/dưới ($UCL/LCL$):

$$\bar{p} = \frac{\sum_{i=1}^{k} d_i}{\sum_{i=1}^{k} n_i}, \quad UCL = \bar{p} + 3\sqrt{\frac{\bar{p}(1-\bar{p})}{\bar{n}}}, \quad LCL = \max\left(0, \bar{p} - 3\sqrt{\frac{\bar{p}(1-\bar{p})}{\bar{n}}}\right)$$

  • Improve: Thiết kế khay soi hạt công thái học, cải tiến chế độ bảo dưỡng máy dập, chuẩn hóa chế độ sấy rang 2 giai đoạn và lắp đặt camera thử nghiệm.
  • Control: Xây dựng sổ tay quy trình vận hành chuẩn (SOP), bảng phân định trách nhiệm QA/QC và checklist tự kiểm tra tại trạm cho công nhân.

Implementation và kết quả

Development process

Quá trình triển khai cải tiến được chia thành 4 giai đoạn cụ thể:

  1. Giai đoạn 1 (Tuần 1–3): Phân tích nguyên nhân gốc rễ: Phát hiện mẻ số 5 và mẻ số 11 có tỷ lệ lỗi vượt ngưỡng $UCL$ trên biểu đồ kiểm soát. Biểu đồ Pareto chỉ ra $82.4%$ tổng số lỗi tập trung vào 3 dạng: Vết nứt không đạt $50%$ ($38.5%$), hạt chưa sạch bụi/hạt đen ($26.8%$), và lệch độ ẩm ($17.1%$).
  2. Giai đoạn 2 (Tuần 4–6): Tái thiết kế quy trình rang sấy và cơ khí:
    • Rang sấy: Phân đoạn nhiệt chuẩn hóa: 40 phút đầu giữ cố định $105^\circ\text{C}$ để hạ nhanh độ ẩm từ $45%$ xuống $25% - 26%$, sau đó sấy đều ở dải nhiệt $40^\circ\text{C} - 60^\circ\text{C}$ trong $50 - 60$ giờ để đạt độ ẩm mục tiêu $15%$ (dung sai kiểm soát $\pm 0.4%$).
    • Tách vỏ: Thay mới lưỡi dao định kỳ 2 tuần/lần, bổ sung dầu bôi trơn tay xoay máy dập hàng tuần; thiết lập cữ chặn hành trình dao dập để đảm bảo chiều dài vết nứt đồng nhất $50%$ đường tròn hạt.
  3. Giai đoạn 3 (Tuần 7–9): Triển khai khay soi hạt Kaizen: Thay thế phương pháp cầm từng hạt soi bằng đèn rọi bằng khay soi phẳng chứa 100 hạt/mẻ có đèn LED nền tán quang bên dưới kết hợp gương cầu phản xạ. Công nhân áp dụng quy tắc 20-20-20 (sau 20 phút soi hạt, nghỉ 20 giây nhìn xa 20 feet) giúp duy trì sự tập trung tối đa.
  4. Giai đoạn 4 (Tuần 10–12): Kiểm thử và đánh giá thành phẩm: Kiểm soát 100% việc cấp phát phụ kiện (01 khui + 01 hút ẩm) và niêm phong hút chân không buồng đôi.

Testing và validation

Dữ liệu kiểm tra thực nghiệm tại công đoạn soi hạt trước và sau khi áp dụng khay Kaizen cho thấy bước nhảy vọt về hiệu suất:

          SO SÁNH THỜI GIAN VÀ HIỆU QUẢ SOI 500KG HẠT BTP

     BIỂU ĐỒ PARETO NGUYÊN NHÂN LỖI BÁN THÀNH PHẨM (TRƯỚC CẢI TIẾN)
 Tỷ lệ %
        Dạng lỗi:    Nứt sai kích thước   Chưa sạch bụi/đen   Lệch độ ẩm   Khác
        Tỷ lệ riêng:     (38.5%)              (26.8%)          (17.1%)    (17.6%)

Kết quả đạt được

Việc áp dụng giải pháp đồng bộ mang lại kết quả rõ rệt trên tất cả các công đoạn:

Công đoạn sản xuất Chỉ tiêu kỹ thuật kiểm soát Tỷ lệ lỗi trước cải tiến Tỷ lệ lỗi sau cải tiến Mức độ cải thiện
Rang sấy hạt Độ ẩm đạt $15% \pm 0.4%$ $0.5% - 0.7%$ (Mẻ 34, 64, 150) $\le 0.15%$ Giảm $75.0%$ lỗi
Tách vỏ dập nứt Độ dài nứt $50%$ chu vi, không vỡ $5.0% - 10.0%$ $1.2% - 2.0%$ Giảm $78.0%$ lỗi
Soi hạt BTP Sạch bụi, không sót hạt lép/sâu $7.5% - 12.5%$ $1.0% - 2.2%$ Giảm $82.4%$ lỗi
Đóng gói OQC Đủ phụ kiện, chân không chuẩn $1.5% - 2.1%$ $< 0.3%$ Giảm $83.3%$ lỗi
Túi thành phẩm Tỷ lệ lỗi toàn diện tại kho $4.8% - 6.2%$ $\mathbf{1.8% - 2.4%}$ Đạt chuẩn xuất khẩu UAE

Đổi mới và đóng góp

  1. Khay soi hạt công thái học (Kaizen Tooling): Sáng kiến chuyển đổi từ kiểm tra điểm sang kiểm tra diện với ma trận định vị $10 \times 10$ hạt trên mặt mica mờ, kết hợp đèn LED 6500K chiếu xuyên khe nứt giúp phát hiện ngay lập tức hạt teo tóp, sâu đục mà không cần lật thủ công từng hạt.
  2. Ứng dụng Machine Vision trong phân loại nứt hạt: Thử nghiệm thành công mô hình phân tích biên dạng ảnh kỹ thuật số với camera CMOS 5.0MP, cho phép đo lường chính xác tỷ lệ chiều dài vết nứt với sai số dưới $0.5\text{mm}$, tốc độ xử lý $120\text{ hạt/phút}$.
  3. Cơ chế Poka-Yoke & Tự kiểm soát tại nguồn: Chuyển dịch tư duy kiểm tra chất lượng từ "QC thụ động ở cuối dây chuyền" sang "Công nhân tự kiểm soát tại vị trí thao tác". Công nhân dập hạt và đóng gói được trang bị bảng mẫu đối chuẩn trực quan (Visual Standard Board).

Ứng dụng thực tế và triển khai

Phân tích hiệu quả tài chính & ROI

Chi phí triển khai cải tiến và khả năng sinh lời thực tế tại Phoenix Group:

  • Đầu tư khay soi Kaizen: $4\text{ bộ} \times 850,000\text{ VNĐ} = 3,400,000\text{ VNĐ}$.
  • Hệ thống Camera Vision bán tự động: $38,500,000\text{ VNĐ}$ (bao gồm Camera Basler, Lens, Đèn Ring LED và Bộ xử lý Mini-PC).
  • Tổng mức đầu tư: $41,900,000\text{ VNĐ}$.
               DÒNG TIỀN VÀ THỜI GIAN HOÀN VỐN ĐẦU TƯ (ROI)

Với thời gian hoàn vốn chỉ ~2.2 tháng, dự án khẳng định tính khả thi vượt trội đối với các doanh nghiệp chế biến nông sản quy mô vừa và nhỏ.

Hạn chế và hướng phát triển

  • Hạn chế:
    • Hệ thống Machine Vision mới dừng lại ở mức độ bán tự động (công nhân nạp hạt vào máng trượt camera, chưa có tay gắp phân loại khí nén tốc độ cao).
    • Yếu tố thời tiết và độ ẩm môi trường tự nhiên tại Lâm Đồng vào mùa mưa vẫn gây biến động nhỏ đến thời gian sấy rang mẻ hạt.
  • Hướng phát triển:
    • Tích hợp mạng lưới cảm biến IoT không dây theo dõi nhiệt ẩm độ thời gian thực trong lò rang truyền dữ liệu về bảng điều khiển trung tâm (Dashboard).
    • Nâng cấp thuật toán AI nhận diện sâu bệnh bằng mô hình học sâu (Deep Learning - YOLOv8) tích hợp trên vi xử lý biên.

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Quản lý Công nghiệp: Cung cấp ca lâm sàng thực tế về việc ứng dụng 7 công cụ QC, kỹ thuật SPC và Kaizen trong sản xuất thực phẩm.
  • Kỹ sư Quản lý chất lượng (QA/QC Engineers): Nắm bắt phương pháp thiết lập biểu đồ kiểm soát $p$-chart, tiêu chuẩn hóa SOP và xây dựng chỉ tiêu AQL.
  • Doanh nghiệp chế biến nông sản xuất khẩu: Tham khảo mô hình cải tiến chi phí thấp nhưng mang lại hiệu suất cao, sẵn sàng đáp ứng các hàng rào kỹ thuật khắt khe của thị trường quốc tế.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật tối thiểu để triển khai hệ thống khay soi hạt Kaizen? Chỉ cần nguồn cấp điện $220\text{V}$, mặt bàn thao tác chống rung, hệ thống chiếu sáng LED ánh sáng trắng chuẩn nhiệt độ màu $6000\text{K} - 6500\text{K}$ và công nhân được huấn luyện quy tắc thị giác 20-20-20.
  2. Hệ thống có thể mở rộng cho các loại hạt nông sản khác (hạt điều, mắc ca, óc chó) không? Hoàn toàn khả thi. Khay soi hạt và thuật toán Machine Vision có thể tùy biến kích thước rãnh ma trận và ngưỡng lọc pixel để áp dụng cho hạt điều, hạt dẻ cười hoặc hạt hạnh nhân.
  3. Làm thế nào để tích hợp hệ thống kiểm soát này với chuẩn ISO 22000 / HACCP? Toàn bộ biểu mẫu kiểm tra 3 giai đoạn (IQC, PQC, OQC) được thiết kế tương thích trực tiếp với các điểm kiểm soát tới hạn (CCP) trong hệ thống quản lý an toàn thực phẩm ISO 22000:2018.
  4. Chi phí bảo trì hệ thống kiểm định cải tiến hàng năm là bao nhiêu? Chi phí bảo dưỡng định kỳ rất thấp, ước tính dưới $3,000,000\text{ VNĐ/năm}$ cho việc thay bóng LED, hiệu chuẩn cân điện tử và tra dầu máy dập nứt.
  5. Tại sao không áp dụng phương pháp kiểm định phá hủy 100% nguyên liệu? Kiểm tra phá hủy chỉ áp dụng cho mẫu xác suất $10%$ theo tiêu chuẩn AQL để tối ưu chi phí nguyên vật liệu, trong khi các phương pháp kiểm tra không phá hủy (Vision, cân khối lượng, đo quang) được ưu tiên cho bán thành phẩm và thành phẩm.

Kết luận

Đề tài "Hoàn thiện quy trình kiểm soát chất lượng túi macca thành phẩm tại Công ty TNHH Phượng Hoàng" đã giải quyết triệt để các bài toán chất lượng cốt lõi tại nhà xưởng. Thông qua việc kết hợp hài hòa giữa công cụ thống kê chất lượng cổ điển (SPC, Pareto, Ishikawa), triết lý cải tiến liên tục Kaizen và công nghệ xử lý ảnh Machine Vision, dự án đã hạ tỷ lệ phế phẩm túi thành phẩm từ $>5%$ xuống dưới $2.5%$, rút ngắn $43.1%$ thời gian soi hạt và mang lại thời gian hoàn vốn nhanh chóng sau 2.2 tháng. Đây là minh chứng rõ nét cho thấy các doanh nghiệp sản xuất nông nghiệp Việt Nam hoàn toàn có thể nâng tầm chất lượng sản phẩm đạt chuẩn quốc tế bằng những giải pháp kỹ thuật thực chứng và tối ưu chi phí.