Mô hình hỗ trợ ra quyết định trong sản xuất giảm trừ và công nghệ in 3D

• Tác giả: Trần Ngọc Thắng
• Người hướng dẫn: TS. Lê Minh Tài
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Cơ khí và tự động hóa
• Đề tài: Mô Hình Hỗ Trợ Ra Quyết Định Trong Sản Xuất Giảm Trừ Và Ứng Dụng In 3D
• Loại tài liệu: luận văn
• Năm xuất bản: 2019
• Địa điểm: Thành phố Hồ Chí Minh

• 1. CHƯƠNG 1: TỔNG QUAN NGHIÊN CỨU
• 1.1. Tính cấp thiết của đề tài
• 1.2. Mục tiêu và mục đích nghiên cứu
• 1.3. Các mô hình nghiên cứu liên quan
• 1.4. Sự thiêu kết kim loại trực tiếp bằng lazer
• 1.5. Mô hình chi phí
• 2. CHƯƠNG 2: CƠ SỞ KHOA HỌC CỦA ĐỀ TÀI
• 2.1. Các khía cạnh bền vững và môi trường
• 2.2. Các mô hình hỗ trợ ra quyết định trong sản xuất kinh doanh
• 2.2.1. Mô hình 3Your mind
• 2.2.2. Mô hình Xometry
• 2.2.3. Công ty 3D Smart Solutions – giải pháp công nghệ in 3D hoàn thiện
• 2.2.4. Các nhà cung cấp dịch vụ khác
• 3. CHƯƠNG 3: PHÁT TRIỂN MÔ HÌNH HỖ TRỢ RA QUYẾT ĐỊNH
• 3.1. Thực nghiệm khảo sát về Mô hình hỗ trợ ra quyết định
• 3.1.1. Kết quả của các cuộc phỏng vấn về AM
• 3.1.2. Kết quả phỏng vấn gia công CNC
• 3.1.3. Mục tiêu của DSM
• 3.2. Dữ liệu thành phần
• 3.2.1. Trọng lượng và chi phí vật liệu
• 3.2.2. Độ phức tạp và hệ số hoàn thiện
• 3.2.3. Số lượng và cỡ lô
• 3.3. Quy tắc thiết kế
• 3.3.1. Quy tắc thiết kế cho AM
• 3.3.2. Quy tắc thiết kế gia công cho CNC
• 3.3.3. Đỗi xứng quay
• 3.5. Ước tính thời gian
• 3.5.1. Thời gian lập trình
• 3.5.2. Thời gian thiết lập và xử lý máy
• 3.5.3. Thời gian sản xuất
• 3.6. Xử lý hậu kỳ và hoàn thiện
• 3.7. Tiêu thụ năng lượng
• 3.9. Công cụ và vật tư tiêu hao
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 4.1. Mô hình hỗ trợ ra quyết định
• 4.2. Xác minh mô hình hỗ trợ ra quyết định
• 5. CHƯƠNG 5: THAM LUẬN VÀ KẾT LUẬN
• 5.1. Phân tích phương pháp
• 5.2. Phân tích kết quả
• 5.2.1. Công việc tương lai
• DANH MỤC TÀI LIỆU THAM KHẢO

I. Mô hình hỗ trợ ra quyết định trong sản xuất

Phần này tập trung vào mô hình hỗ trợ ra quyết định (DSM), một Salient LSI keyword, trong ngữ cảnh sản xuất giảm trừ và ứng dụng in 3D. Nghiên cứu hướng đến việc phát triển một DSM nhanh chóng giúp người dùng lựa chọn phương pháp sản xuất phù hợp, tối ưu chi phí. Mô hình hỗ trợ ra quyết định được xây dựng dựa trên thông tin thu thập từ nghiên cứu tài liệu và phỏng vấn chuyên gia trong lĩnh vực gia công Additive Manufacturing và CNC Machining. Các yếu tố được xem xét bao gồm: lựa chọn vật liệu, kích thước, thời gian, số lượng, độ phức tạp hình học, xử lý và các khía cạnh môi trường. Quản lý sản xuất và tối ưu hóa sản xuất là hai Salient Keyword quan trọng liên quan đến DSM. Mô hình được xây dựng trên nền tảng Microsoft Excel, cho phép tính toán và so sánh chi phí giữa các phương pháp sản xuất khác nhau. Giải pháp số hóa sản xuất là một Close Entity thể hiện xu hướng ứng dụng công nghệ thông tin trong quản lý sản xuất. Sự khác biệt về chi phí giữa các phương pháp liên quan đến số lượng và độ phức tạp được phân tích và so sánh với số liệu thực tế từ tài liệu nghiên cứu. Mô hình AM được kiểm chứng bằng tính toán thực tế từ Sandvik, cho thấy độ chính xác cao (sai số 2-6%). Kết quả nghiên cứu chỉ ra rằng Additive Manufacturing không thay thế hoàn toàn các phương pháp sản xuất truyền thống, nhưng bổ sung hiệu quả, đặc biệt cho các sản phẩm nhỏ, phức tạp, với dung sai nhỏ.

1.1. Phân tích các yếu tố ảnh hưởng đến quyết định sản xuất

Phần này đi sâu vào các yếu tố then chốt ảnh hưởng đến quyết định lựa chọn phương pháp sản xuất, bao gồm chi phí sản xuất, độ phức tạp của sản phẩm, khối lượng sản xuất, vật liệu sử dụng, và thời gian sản xuất. Giảm trừ chi phí sản xuất là một Salient Keyword được đề cập nhiều. Độ phức tạp hình học là một Semantic LSI keyword được xem xét kỹ lưỡng. Đối với in 3D (Salient LSI keyword), độ phức tạp không ảnh hưởng nhiều đến chi phí, trong khi đó đối với phương pháp gia công truyền thống, độ phức tạp ảnh hưởng lớn đến chi phí. Quản lý chất lượng sản xuất là một Semantic Entity gắn liền với việc lựa chọn phương pháp sản xuất phù hợp. Quy trình sản xuất là một Close Entity liên quan chặt chẽ đến việc phân tích các yếu tố ảnh hưởng. Nghiên cứu chỉ ra điểm mấu chốt (break-even point) giữa hai phương pháp sản xuất dựa trên số lượng sản phẩm. Cơ khí chế tạo máy (Salient Entity) là ngành liên quan trực tiếp đến nội dung này. Điều này giúp doanh nghiệp đưa ra quyết định tối ưu dựa trên số lượng sản phẩm dự kiến. Các yếu tố môi trường và bền vững cũng được cân nhắc trong quá trình ra quyết định. Công nghiệp 4.0 (Semantic Entity) được xem như một bối cảnh rộng hơn cho việc ứng dụng các phương pháp sản xuất hiện đại.

1.2. So sánh AM và gia công truyền thống

Phần này so sánh Sản xuất phụ gia (AM), hay còn gọi là in 3D, với gia công truyền thống (CNC). In 3D và gia công CNC là hai Salient LSI keyword. AM có ưu điểm về tự do thiết kế, thích hợp cho sản xuất các sản phẩm nhỏ, phức tạp, và sản xuất loạt nhỏ. Tuy nhiên, AM có nhược điểm về tiêu thụ năng lượng cao và chi phí vật liệu. Gia công truyền thống có hiệu quả hơn đối với sản xuất hàng loạt, nhưng bị hạn chế về độ phức tạp của sản phẩm. Tối ưu hóa sản xuất là một Salient Keyword cần được xem xét trong quá trình so sánh. An toàn sản xuất (Semantic LSI keyword) là một yếu tố quan trọng cần xem xét khi so sánh hai phương pháp này. Chất lượng sản xuất (Salient Entity) cũng cần được đánh giá. Mô hình chi phí (Semantic LSI keyword) cho cả hai phương pháp được phân tích. Hệ thống hỗ trợ ra quyết định (Close Entity) giúp doanh nghiệp cân nhắc các yếu tố trên một cách hệ thống. Công nghệ in 3D (Salient LSI keyword) được đánh giá là một công nghệ bổ sung có ích cho ngành công nghiệp chế tạo, không phải là sự thay thế hoàn toàn cho các phương pháp truyền thống. In 3D kim loại (Semantic LSI keyword) và in 3D nhựa (Semantic LSI keyword) được xem xét trong bối cảnh ứng dụng cụ thể.

II. Ứng dụng in 3D trong sản xuất

Phần này tập trung vào ứng dụng in 3D trong sản xuất, một Salient LSI keyword. Công nghệ in 3D được xem xét như một công cụ hỗ trợ sản xuất, mang lại những lợi ích cụ thể trong một số trường hợp. In 3D tốc độ cao (Semantic LSI keyword) và in 3D độ chính xác cao (Semantic LSI keyword) được đề cập đến. Vật liệu in 3D (Semantic LSI keyword) được đề cập đến, bao gồm in 3D kim loại, in 3D nhựa, và in 3D gốm. Phần mềm in 3D (Semantic LSI keyword) và quy trình in 3D (Semantic LSI keyword) cũng được đề cập đến. Thiết kế in 3D (Semantic LSI keyword) có vai trò quan trọng trong việc tối ưu hóa hiệu quả sản xuất. Tối ưu hóa in 3D (Salient Keyword) nhằm giảm chi phí và nâng cao hiệu quả. Nâng cao hiệu quả sản xuất (Salient Keyword) là mục tiêu chính. Ứng dụng in 3D trong y tế, hàng không và ô tô (Semantic Entity) được đề cập đến như những ví dụ cụ thể. Internet vạn vật (IoT) trong sản xuất (Semantic LSI keyword) được xem xét như một yếu tố liên quan.

2.1. Phân tích ưu điểm và nhược điểm của in 3D trong sản xuất

Phần này phân tích các ưu điểm và nhược điểm của việc ứng dụng in 3D trong sản xuất. In 3D là một Salient LSI keyword. Ưu điểm bao gồm: tự do thiết kế, sản xuất theo yêu cầu, giảm thời gian sản xuất, sản xuất loạt nhỏ hiệu quả, khả năng tạo ra các sản phẩm phức tạp. Nhược điểm bao gồm: chi phí cao, tốc độ sản xuất chậm, vật liệu còn hạn chế, yêu cầu kỹ thuật cao, quá trình hậu xử lý phức tạp. Nâng cao hiệu quả sản xuất (Salient Keyword) là một mục tiêu chính cần đạt được. Giảm chi phí sản xuất (Salient Keyword) cũng là yếu tố cần được cân nhắc. An toàn sản xuất (Semantic LSI keyword) cần được đảm bảo trong suốt quá trình sử dụng công nghệ in 3D. Mô hình in 3D (Semantic LSI keyword) cần được tối ưu hóa để đạt được hiệu quả cao. Quản lý chuỗi cung ứng (Semantic LSI keyword) cũng cần được điều chỉnh để thích ứng với việc sử dụng in 3D.

2.2. Xu hướng phát triển và ứng dụng tương lai của in 3D

Phần này đề cập đến xu hướng phát triển và ứng dụng tương lai của in 3D trong sản xuất. In 3D là một Salient LSI keyword. Xu hướng phát triển bao gồm: tăng tốc độ in, giảm chi phí, mở rộng vật liệu, tự động hóa quá trình, tích hợp với các công nghệ khác như Internet vạn vật (IoT) (Semantic LSI keyword). Ứng dụng tương lai bao gồm: cá nhân hóa sản phẩm, sản xuất hàng loạt với chi phí thấp, tạo ra các sản phẩm phức tạp với độ chính xác cao, sản xuất bền vững. Công nghiệp 4.0 (Semantic Entity) là một bối cảnh quan trọng để xem xét các xu hướng này. Thống minh nhân tạo (AI) (Semantic LSI keyword) trong sản xuất cũng là một xu hướng phát triển quan trọng. Học máy (Close Entity) đóng vai trò quan trọng trong việc tối ưu hóa quy trình in 3D. Chuyển đổi số trong sản xuất (Semantic LSI keyword) là xu hướng tất yếu.

Tổng quan nghiên cứu

Sản xuất phụ gia (Additive Manufacturing - AM) hay còn gọi là in 3D, là một phương pháp sản xuất hiện đại, trong đó sản phẩm được tạo thành bằng cách thêm từng lớp vật liệu liên tục, khác biệt với phương pháp gia công truyền thống sử dụng kỹ thuật khử trừ vật liệu. Trong những năm gần đây, AM đã chứng kiến sự phát triển mạnh mẽ, đặc biệt trong ngành công nghiệp gia công kim loại, với sự gia tăng về số lượng máy móc và giảm chi phí vật liệu. Tuy nhiên, việc lựa chọn giữa AM và gia công CNC (Computer Numerical Control) vẫn còn nhiều thách thức do sự khác biệt về chi phí, độ phức tạp sản phẩm và số lượng sản xuất.

Mục tiêu của nghiên cứu là phát triển một mô hình hỗ trợ ra quyết định (Decision Support Model - DSM) nhằm giúp người dùng nhanh chóng xác định phương pháp sản xuất phù hợp dựa trên chi phí sản xuất, bao gồm các yếu tố như vật liệu, kích thước, số lượng, độ phức tạp hình học, xử lý hậu kỳ và các khía cạnh môi trường. Nghiên cứu được thực hiện trong giai đoạn 2016-2020 tại Thành phố Hồ Chí Minh, tập trung vào ngành cơ khí và tự động hóa.

Ý nghĩa của nghiên cứu thể hiện qua việc cung cấp công cụ hỗ trợ doanh nghiệp trong việc lựa chọn phương pháp sản xuất tối ưu, tiết kiệm chi phí và nâng cao hiệu quả sản xuất, đồng thời góp phần thúc đẩy ứng dụng công nghệ in 3D trong sản xuất công nghiệp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên các lý thuyết và mô hình sau:

• Lý thuyết sản xuất phụ gia (Additive Manufacturing - AM): Phương pháp sản xuất bằng cách thêm từng lớp vật liệu, cho phép tạo ra các chi tiết phức tạp với ít giới hạn về thiết kế so với gia công truyền thống.
• Mô hình chi phí sản xuất: Bao gồm các thành phần chi phí như chi phí vật liệu, thời gian sản xuất, tiêu thụ năng lượng và chi phí xử lý hậu kỳ. Mô hình chi phí DMLS (Direct Metal Laser Sintering) được áp dụng để tính toán chi phí AM.
• Mô hình hỗ trợ ra quyết định (Decision Support Model - DSM): Mô hình được xây dựng trên nền tảng Microsoft Excel, tích hợp các tham số kỹ thuật và kinh tế để so sánh chi phí giữa AM và gia công CNC.
• Khái niệm chính: Độ phức tạp sản phẩm, hệ số hoàn thiện, chi phí vật liệu, thời gian sản xuất, tiêu thụ năng lượng, chất thải vật liệu, và chi phí công cụ.

Phương pháp nghiên cứu

Nguồn dữ liệu chính bao gồm:

• Tài liệu chuyên ngành về AM và gia công CNC.
• Các cuộc phỏng vấn với nhân viên làm việc trong lĩnh vực AM tại Công ty sản xuất phụ gia Sandvik và kỹ sư gia công CNC tại Đại học Gävle.
• Dữ liệu thực tế về chi phí và thời gian sản xuất từ các thành phần mẫu.

Phương pháp phân tích:

• Xây dựng mô hình DSM trong Microsoft Excel với các tham số đầu vào như vật liệu, kích thước, số lượng, độ phức tạp, và các thông số máy móc.
• So sánh chi phí sản xuất giữa AM và CNC dựa trên các tham số đầu vào.
• Xác minh mô hình bằng cách so sánh kết quả với dữ liệu thực tế từ Sandvik.
• Phân tích các yếu tố ảnh hưởng đến chi phí như số lượng sản xuất, độ phức tạp sản phẩm, và chi phí xử lý hậu kỳ.

Timeline nghiên cứu kéo dài từ năm 2016 đến 2020, bao gồm giai đoạn thu thập dữ liệu, xây dựng mô hình, thực nghiệm khảo sát và xác minh mô hình.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Chi phí sản xuất phụ thuộc vào số lượng và độ phức tạp:

   • Điểm hòa vốn giữa AM và CNC là khoảng 20 sản phẩm; dưới mức này, AM có lợi thế về chi phí.
   • Chi phí sản xuất với CNC tăng theo cấp số nhân khi độ phức tạp tăng, trong khi chi phí AM ít bị ảnh hưởng bởi độ phức tạp (Hình 11 và 12).

2. Mô hình DSM cho kết quả chính xác với sai số từ 2-6% so với dữ liệu thực tế của Sandvik:

   • Chi phí sản xuất thành phần A và B được mô phỏng sát với chi phí thực tế, đặc biệt khi tính đến chất thải vật liệu trong AM.

3. Tiêu thụ năng lượng và tác động môi trường:

   • AM tiêu thụ năng lượng cao hơn CNC khoảng 10 lần trong quá trình sản xuất.
   • Tuy nhiên, AM có lợi thế trong việc giảm chất thải vật liệu do sử dụng bột kim loại tái chế và giảm số lượng bộ phận cần lắp ráp.

4. Thời gian giao hàng và xử lý hậu kỳ:

   • Thời gian giao hàng của AM và CNC tương đương trong mô hình, nhưng AM có thời gian xử lý hậu kỳ cao hơn do các bước xử lý phức tạp như loại bỏ cấu trúc hỗ trợ và hoàn thiện bề mặt.

Thảo luận kết quả

Nguyên nhân của các phát hiện trên xuất phát từ bản chất kỹ thuật của hai phương pháp sản xuất. AM cho phép sản xuất các chi tiết phức tạp với ít giới hạn thiết kế, phù hợp với các sản phẩm nhỏ, số lượng ít hoặc trung bình. Trong khi đó, CNC hiệu quả hơn với sản xuất số lượng lớn và các chi tiết có thiết kế đơn giản.

So sánh với các nghiên cứu trước đây, kết quả phù hợp với nhận định rằng AM không thay thế hoàn toàn các phương pháp truyền thống mà là bổ sung, đặc biệt trong các ứng dụng đòi hỏi độ phức tạp cao và dung sai thấp. Mô hình DSM cung cấp công cụ hữu ích để doanh nghiệp đánh giá nhanh chi phí và lựa chọn phương pháp phù hợp.

Dữ liệu có thể được trình bày qua các biểu đồ chi phí theo số lượng và độ phức tạp, bảng so sánh chi phí chi tiết giữa AM và CNC, cũng như biểu đồ tiêu thụ năng lượng và thời gian sản xuất để minh họa rõ ràng các yếu tố ảnh hưởng.

Đề xuất và khuyến nghị

1. Áp dụng mô hình DSM trong doanh nghiệp sản xuất cơ khí:

   • Động từ hành động: Triển khai
   • Target metric: Giảm chi phí sản xuất và tăng hiệu quả lựa chọn phương pháp
   • Timeline: 6 tháng
   • Chủ thể thực hiện: Bộ phận kỹ thuật và quản lý sản xuất

2. Đào tạo nhân viên về công nghệ AM và sử dụng DSM:

   • Động từ hành động: Tổ chức đào tạo
   • Target metric: Nâng cao kiến thức và kỹ năng vận hành AM
   • Timeline: 3 tháng
   • Chủ thể thực hiện: Phòng nhân sự và kỹ thuật

3. Tối ưu hóa thiết kế sản phẩm để tận dụng ưu điểm của AM:

   • Động từ hành động: Tối ưu hóa thiết kế
   • Target metric: Giảm trọng lượng sản phẩm, tăng tính bền vững
   • Timeline: 12 tháng
   • Chủ thể thực hiện: Bộ phận R&D và thiết kế

4. Phát triển phần mềm hỗ trợ ra quyết định tích hợp DSM với các giải pháp hiện có:

   • Động từ hành động: Phát triển và tích hợp
   • Target metric: Tăng tính chính xác và tiện lợi trong lựa chọn phương pháp sản xuất
   • Timeline: 18 tháng
   • Chủ thể thực hiện: Bộ phận công nghệ thông tin và nghiên cứu phát triển

Đối tượng nên tham khảo luận văn

1. Doanh nghiệp sản xuất cơ khí và tự động hóa:

   • Lợi ích: Hỗ trợ lựa chọn phương pháp sản xuất tối ưu, tiết kiệm chi phí và thời gian.
   • Use case: Đánh giá chi phí sản xuất các chi tiết phức tạp, quyết định sử dụng AM hay CNC.

2. Nhà nghiên cứu và sinh viên ngành kỹ thuật công nghiệp, cơ khí:

   • Lợi ích: Nắm bắt kiến thức về mô hình hỗ trợ ra quyết định trong sản xuất hiện đại.
   • Use case: Tham khảo phương pháp xây dựng mô hình chi phí và phân tích kỹ thuật sản xuất.

3. Chuyên gia tư vấn công nghệ và phát triển sản phẩm:

   • Lợi ích: Cung cấp công cụ đánh giá nhanh hiệu quả kinh tế của các phương pháp sản xuất.
   • Use case: Tư vấn cho khách hàng về lựa chọn công nghệ sản xuất phù hợp.

4. Nhà quản lý sản xuất và hoạch định chiến lược doanh nghiệp:

   • Lợi ích: Hỗ trợ ra quyết định chiến lược về đầu tư công nghệ và tối ưu hóa quy trình sản xuất.
   • Use case: Lập kế hoạch đầu tư máy móc, lựa chọn công nghệ phù hợp với nhu cầu thị trường.

Câu hỏi thường gặp

1. Khi nào nên chọn sản xuất phụ gia thay vì gia công CNC?
   Sản xuất phụ gia phù hợp với các chi tiết nhỏ, có thiết kế phức tạp và số lượng sản xuất thấp đến trung bình. Khi chi phí và thời gian sản xuất với CNC tăng cao do độ phức tạp, AM là lựa chọn kinh tế hơn.

2. Mô hình DSM có thể áp dụng cho những loại vật liệu nào?
   DSM hỗ trợ các vật liệu phổ biến trong gia công kim loại như thép không gỉ Austenitic và thép hợp kim thấp, với dữ liệu mật độ và chi phí vật liệu được cập nhật từ các nguồn uy tín.

3. DSM có tính đến yếu tố môi trường trong sản xuất không?
   Có, mô hình tính toán tiêu thụ năng lượng và lượng khí thải CO2 dựa trên mức tiêu thụ điện năng của máy móc, giúp đánh giá tác động môi trường của từng phương pháp sản xuất.

4. Làm thế nào để đánh giá độ phức tạp sản phẩm trong DSM?
   Người dùng tự đánh giá độ phức tạp theo thang điểm từ 1 đến 10, trong đó 1 là đơn giản và 10 là cực kỳ phức tạp, dựa trên kinh nghiệm và đặc điểm thiết kế sản phẩm.

5. DSM có thể giúp tối ưu hóa thiết kế sản phẩm không?
   DSM chủ yếu hỗ trợ đánh giá chi phí và lựa chọn phương pháp sản xuất. Tuy nhiên, kết quả từ DSM có thể được sử dụng làm cơ sở để tối ưu hóa thiết kế nhằm tận dụng ưu điểm của AM hoặc CNC.

Kết luận

• Mô hình hỗ trợ ra quyết định (DSM) được xây dựng giúp so sánh chi phí sản xuất giữa AM và gia công CNC một cách nhanh chóng và chính xác với sai số từ 2-6%.
• AM phù hợp với sản xuất các chi tiết nhỏ, phức tạp, số lượng sản xuất thấp đến trung bình, trong khi CNC hiệu quả hơn với sản xuất số lượng lớn và chi tiết đơn giản.
• Tiêu thụ năng lượng của AM cao hơn CNC, nhưng AM có lợi thế về giảm chất thải và khả năng thiết kế linh hoạt.
• DSM cung cấp công cụ hữu ích cho doanh nghiệp và nhà quản lý trong việc lựa chọn phương pháp sản xuất tối ưu, góp phần nâng cao hiệu quả và giảm chi phí.
• Các bước tiếp theo bao gồm mở rộng dữ liệu đầu vào, tích hợp DSM với các phần mềm hiện có và đào tạo người dùng để nâng cao hiệu quả ứng dụng mô hình.

Hành động ngay: Doanh nghiệp và nhà nghiên cứu nên áp dụng mô hình DSM để đánh giá và tối ưu hóa quy trình sản xuất, đồng thời thúc đẩy ứng dụng công nghệ in 3D trong sản xuất công nghiệp hiện đại.