Giới thiệu dự án

Trong bối cảnh nền công nghiệp chế tạo cơ khí chính xác chuyển dịch mạnh mẽ theo xu hướng Công nghiệp 4.0, tối ưu hóa quy trình sản xuất và triệt tiêu lãng phí là bài toán sống còn đối với các doanh nghiệp phụ trợ. Ngành cơ khí chính xác đòi hỏi dung sai kỹ thuật ở mức micromet; tỷ lệ phế phẩm (Defects) dù chỉ chiếm từ 3% đến 5% cũng có thể làm suy giảm nghiêm trọng biên lợi nhuận và gia tăng lượng sản phẩm dở dang (WIP - Work In Process). Đề tài "Nâng cao chất lượng sản phẩm ở quy trình cắt bằng phương pháp Six Sigma tại Công ty TNHH Sản xuất Cơ khí GLOCOM" giải quyết trực tiếp điểm nghẽn tại dây chuyền gia công chi tiết cơ khí Block H10 (linh kiện vỏ pin kỹ thuật cao).

Dây chuyền cắt bán tự động ban đầu (Công nghệ 3.0)
[Nạp phôi thủ công L=2m] ➔ [Cắt chia A-1063] ➔ [Vận chuyển thủ công] ➔ [Máy cắt A-2209...A-2087]
                                       │
                                       ▼ (Phát sinh lãng phí thao tác, chờ đợi, lỗi kích thước)
Dây chuyền tích hợp Lean Six Sigma & Tự động hóa ALS (Công nghệ 4.0)
[Bar Feeder tự động] ➔ [Cắt chính xác + Sensor Poka-Yoke] ➔ [Hệ thống chuyền phôi ALS] ➔ [SPC Real-time Control]

Vấn đề thực tế (Problem Statement)

Tại nhà máy GLOCOM, công đoạn cắt thô phôi nguyên liệu thanh (chiều dài chuẩn $L = 2000\text{ mm}$) để tạo phôi Block H10 bao gồm 6 máy cắt ($A\text{-}1063, A\text{-}2209, A\text{-}2210, A\text{-}2045, A\text{-}2086, A\text{-}2087$). Ban đầu, quy trình vận hành theo mô hình bố trí mặt bằng chữ U bán tự động, phụ thuộc 100% vào thao tác thủ công của công nhân cấp phôi tại máy $A\text{-}1063$. Việc di chuyển liên tục gây ra lãng phí thao tác (Motion), lãng phí chờ đợi (Waiting) và sai số kích thước. Khi công ty bước đầu đưa hệ thống chuyền phôi tự động ALS (Auto Logistics System) vào vận hành, tỷ lệ lỗi không giảm mà phát sinh thêm các sự cố nghiêm trọng:

  • Phôi cắt bị biến thiên chiều dài ($L^-$ ngắn/dài bất thường).
  • Phôi bị vát xéo đầu cắt do kẹp ê-tô lỏng và trục cắt bị rơ.
  • Hiện tượng cắt không đứt phôi dẫn đến kẹt chuyền tự động ALS.
  • Bavia và vật liệu thừa (Excess Material/Flash) bám dính phôi chiếm tới 4.8%.

Mục tiêu dự án (Project Objectives)

  1. Triệt tiêu hoàn toàn nhóm lỗi kích thước và cắt không đứt: Giảm tỷ lệ lỗi kích thước $L^-$, lỗi cắt xéo và lỗi cắt không đứt (Lỗi 1, 2, 3) từ 1.0% xuống 0% (giảm 100%).
  2. Kiểm soát bavia và phôi thừa: Giảm tỷ lệ phế phẩm do vật liệu thừa (Lỗi 4) từ 4.8% xuống dưới 0.6% (giảm 87.5% - 88%).
  3. Nâng cao năng lực quy trình ($C_p, C_{pk}$): Đưa chỉ số năng lực quy trình từ mức không đạt chuẩn ($C_{pk} < 1.0$) lên mức kiểm soát tối ưu ($C_{pk} \ge 1.33$).
  4. Ổn định hóa hệ thống ALS: Tự động hóa hoàn toàn chu trình nạp và cấp phôi bằng hệ thống Bar Feeder kết hợp cảm biến sensor Poka-Yoke, loại bỏ 1 nhân công vận chuyển thủ công.

Phương pháp tiếp cận và Phạm vi nghiên cứu

  • Phương pháp luận: Áp dụng chu trình chuẩn DMAIC (Define - Measure - Analyze - Improve - Control) của Lean Six Sigma (LSS), kết hợp công cụ thống kê nâng cao trên phần mềm Minitab 18.0.
  • Công nghệ tích hợp: Hệ thống cấp phôi tự động (Automatic Bar Feeder), cơ cấu kẹp ê-tô khí nén tự định tâm, cảm biến kiểm soát quang học (Optical/Proximity Sensors) và hệ thống kiểm soát quy trình bằng thống kê (SPC - Statistical Process Control).
  • Phạm vi & Giới hạn: Nghiên cứu tập trung tại công đoạn cắt phôi thô cho sản phẩm Block H10 tại xưởng sản xuất Công ty GLOCOM; dữ liệu kiểm chuẩn khảo sát trên cỡ mẫu chuẩn $N = 500$ sản phẩm trước và sau cải tiến.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Khảo sát dây chuyền cắt bán tự động truyền thống cho thấy sự bất cập khi liên kết giữa con người và máy móc chưa được chuẩn hóa:

Tiêu chí phân tích Gia công thủ công / Bán tự động (Cũ) Gia công CNC tiêu chuẩn Giải pháp Lean Six Sigma + ALS (Đề xuất)
Cơ chế cấp phôi Công nhân đi bộ nạp từng thanh Nạp phôi thủ công từng cụm Tự động hóa qua Bar Feeder & Chuyền ALS
Thời gian chu kỳ (Cycle Time) Biến thiên lớn do phụ thuộc thể lực Cố định theo chu trình máy Cố định, nhịp nhàng theo thời gian Takt
Kiểm soát dung sai Thước kẹp cơ, kiểm tra xác suất Thước đo điện tử thủ công Cảm biến sensor Poka-Yoke & SPC Real-time
Lãng phí thao tác & chờ Cao (chiếm 35% quỹ thời gian) Trung bình (chiếm 15%) Triệt tiêu hoàn toàn (giảm 100% di chuyển thừa)
Khả năng kẹt chuyền tự động Không áp dụng chuyền Rất dễ kẹt nếu bavia cao Triệt tiêu nhờ sensor giám sát vết cắt đứt

Ma trận ưu tiên yêu cầu kỹ thuật (MoSCoW)

  • Must have: Cải tạo cơ cấu ê-tô kẹp chống rung/xoay phôi; gia cố độ cứng vững trục chính máy cắt $A\text{-}1063$; tích hợp sensor nhận diện phôi cắt đứt hoàn toàn.
  • Should have: Tích hợp hệ thống cấp phôi Bar Feeder đồng bộ với tốc độ dịch chuyển của băng tải ALS; xây dựng bảng kiểm soát chất lượng SPC điện tử.
  • Could have: Module IoT truyền dữ liệu hành trình dao và dòng tải động cơ về máy chủ trung tâm.
  • Won't have: Thay mới toàn bộ dàn 6 máy cắt cơ khí (giữ nguyên khung máy hiện hữu để tối ưu hóa chi phí đầu tư CAPEX).

Thiết kế hệ thống

+---------------------------------------------------------------------------------+
|                        HỆ THỐNG GIA CÔNG CẮT TỰ ĐỘNG HÓA 4.0                    |
+---------------------------------------------------------------------------------+
                                         │
     ┌───────────────────────────────────┼───────────────────────────────────┐
     ▼                                   ▼                                   ▼
+─────────────────────────+ +─────────────────────────+ +─────────────────────────+
|   PHẦN CỨNG CƠ - ĐIỆN   | |   CẢM BIẾN VÀ POKA-YOKE | |   GIÁM SÁT THỐNG KÊ SPC |
| • Bar Feeder tự động    | | • Sensor tiệm cận quang | | • Thu thập dữ liệu Minitab|
| • Ê-tô khí nén tự tâm   | | • Rơ-le an toàn PLC     | | • Biểu đồ X-bar & R Chart |
| • Cốt trục khử rơ mòn  | | • Còi báo ngắt kẹt phôi | | • Đánh giá Cp / Cpk index |
+─────────────────────────+ +─────────────────────────+ +─────────────────────────+

Công nghệ và thiết bị sử dụng

  • Phần mềm phân tích dữ liệu: Minitab 18.0, Microsoft Excel Advanced SPC Module.
  • Hệ thống phần cứng: Dây chuyền Auto Logistics System (ALS), Khung nạp Bar Feeder đa tầng.
  • Thiết bị cảm biến & Điều khiển: Cảm biến quang tiệm cận Omron E3Z-D62, PLC Mitsubishi FX5U-32MT/ES, Cảm biến kiểm soát cữ chặn hành trình.

Nền tảng toán học và chỉ số năng lực quy trình

Chất lượng công đoạn được đo lường dựa trên các công thức năng lực quy trình chuẩn quốc tế:

$$\mu = \frac{1}{N}\sum_{i=1}^{N} X_i, \quad \sigma = \sqrt{\frac{\sum_{i=1}^{N}(X_i - \mu)^2}{N - 1}}$$

$$C_p = \frac{\text{USL} - \text{LSL}}{6\sigma}$$

$$C_{pk} = \min\left( \frac{\text{USL} - \mu}{3\sigma}, \frac{\mu - \text{LSL}}{3\sigma} \right)$$

$$\text{DPMO} = \frac{\text{Tổng số lỗi phát hiện}}{\text{Tổng số sản phẩm kiểm tra} \times \text{Số cơ hội gây lỗi/sản phẩm}} \times 10^6$$

Trong đó:

  • $\text{USL}$ (Upper Specification Limit): Giới hạn kiểm soát trên tiêu chuẩn ($21.2\text{ mm}$).
  • $\text{LSL}$ (Lower Specification Limit): Giới hạn kiểm soát dưới tiêu chuẩn ($20.8\text{ mm}$).
  • Target Mean ($\mu_0$): Chiều dài danh định tiêu chuẩn ($21.0\text{ mm}$).
  • $C_{pk} \ge 1.33$ là ngưỡng tối thiểu bảo đảm quy trình sản xuất cơ khí đạt độ ổn định cao.

Phương pháp luận triển khai (Methodology)

Quy trình triển khai tuân thủ nghiêm ngặt 5 giai đoạn của DMAIC:

  1. Define (Xác định): Lập sơ đồ SIPOC (Supplier - Input - Process - Output - Customer), xác định chỉ số CTQ (Critical to Quality) là chiều dài $L$ và độ vuông góc mặt cắt.
  2. Measure (Đo lường): Thiết lập kế hoạch thu thập dữ liệu $N = 500$ sản phẩm trên máy $A\text{-}1063$; vẽ biểu đồ kiểm soát X-bar/R và biểu đồ Histogram để xác định độ lệch chuẩn $\sigma$.
  3. Analyze (Phân tích): Sử dụng biểu đồ nhân quả (Cause & Effect Diagram / Ishikawa) phân loại theo mô hình 5M1E (Man, Machine, Material, Method, Measurement, Environment) và kỹ thuật 5 Whys.
  4. Improve (Cải tiến): Thay thế cụm kẹp phôi thủ công bằng ê-tô khí nén; gia cố trục bạc đạn chống rơ; lắp đặt Bar Feeder và sensor Poka-Yoke.
  5. Control (Kiểm soát): Chuẩn hóa quy trình thao tác chuẩn (SOP - Standard Operating Procedure), lập kế hoạch bảo trì phòng ngừa (PM) và giám sát liên tục bằng biểu đồ kiểm soát SPC.

Implementation và kết quả

Quá trình thực thi (Development Process)

Quá trình cải tiến được thực hiện theo 4 giai đoạn logic với các mốc bàn giao kỹ thuật rõ ràng:

[Tuần 1-3: Giai đoạn D & M] ──► Thu thập dữ liệu N=500, vẽ Control Chart ban đầu
[Tuần 4-6: Giai đoạn A]     ──► Phân tích biểu đồ xương cá 5M1E & kỹ thuật 5 Whys
[Tuần 7-12: Giai đoạn I]    ──► Chế tạo Ê-tô tự định tâm, lắp Bar Feeder, gắn Sensor
[Tuần 13-16: Giai đoạn C]   ──► Thiết lập SOP, đo kiểm chứng N=500, đào tạo nhân sự

Phân tích nguyên nhân gốc rễ (5 Whys Analysis)

  • Vấn đề: Kích thước L không ổn định và mặt cắt bị xéo.

    • Tại sao 1: Phôi bị dịch chuyển trong quá trình lưỡi cưa tịnh tiến? $\rightarrow$ Do lực kẹp không đủ đều.
    • Tại sao 2: Lực kẹp không đều? $\rightarrow$ Do công nhân vặn tay quay ê-tô cơ thủ công, lực siết phụ thuộc vào cảm tính.
    • Tại sao 3: Trục lưỡi cắt rung lắc khi tiếp xúc phôi? $\rightarrow$ Bạc đạn và ổ trục chính máy $A\text{-}1063$ bị mòn dơ cơ học.
    • $\rightarrow$ Giải pháp cốt lõi: Nâng cấp sang hệ thống kẹp khí nén tự động định áp và thay mới cụm gối đỡ trục chính gia cường.

  • Vấn đề: Phôi cắt không đứt gây kẹt chuyền ALS.

    • Tại sao: Hành trình cưa kết thúc sớm trước khi phôi tách rời hoàn toàn? $\rightarrow$ Công nhân nhả cữ hành trình sớm hoặc phôi bị võng.
    • $\rightarrow$ Giải pháp cốt lõi: Lắp cảm biến quang phát hiện trạng thái rơi phôi hoàn chỉnh trước khi kích hoạt chuyền ALS nhận phôi tiếp theo.

Mã nguồn thuật toán kiểm soát bất thường SPC (Minitab Automation Script)

Đoạn mã Python tích hợp phân tích dữ liệu kích thước và đưa ra cảnh báo vi phạm quy tắc Western Electric Rules trong kiểm soát quy trình cắt:

import numpy as np
import pandas as pd

def evaluate_cutting_spc(data_series, usl=21.2, lsl=20.8, target=21.0):
    """
    Hệ thống phân tích năng lực quy trình và kiểm tra trạng thái vi phạm SPC
    Dữ liệu đầu vào: chuỗi kích thước thực nghiệm của phôi cắt Block H10
    """
    n = len(data_series)
    mean = np.mean(data_series)
    std_dev = np.std(data_series, ddof=1)
    
    # Tính toán năng lực quy trình
    cp = (usl - lsl) / (6 * std_dev)
    cpu = (usl - mean) / (3 * std_dev)
    cpl = (mean - lsl) / (3 * std_dev)
    cpk = min(cpu, cpl)
    
    # Kiểm tra quy tắc kiểm soát thống kê (Shewhart Rules)
    ucl = mean + 3 * (std_dev / np.sqrt(1))
    lcl = mean - 3 * (std_dev / np.sqrt(1))
    
    out_of_control = [x for x in data_series if x > usl or x < lsl]
    defect_rate = (len(out_of_control) / n) * 100
    
    results = {
        "Sample_Size": n,
        "Mean_Dimension": round(mean, 4),
        "Standard_Deviation": round(std_dev, 4),
        "Cp_Index": round(cp, 3),
        "Cpk_Index": round(cpk, 3),
        "Defect_Rate_Percent": round(defect_rate, 2),
        "Status": "CAPABLE" if cpk >= 1.33 else "PROCESS_INCAPABLE"
    }
    return results

# Thực thi kiểm thử dữ liệu mô phỏng 500 mẫu sau cải tiến
np.random.seed(42)
improved_samples = np.random.normal(loc=21.002, scale=0.045, size=500)
spc_report = evaluate_cutting_spc(improved_samples)
print("Báo cáo kiểm định chất lượng SPC:", spc_report)

Kiểm thử và Đánh giá (Testing & Validation)

Khảo sát thực nghiệm được chia làm hai giai đoạn đối chứng trên $N = 500$ sản phẩm phôi Block H10:

Phân bổ 500 sản phẩm trước cải tiến:
[380-390: Lỗi 2 Xéo]   [337-340: Lỗi 3 Không đứt]   [127-141, 255-270, 393-340: Lỗi 4 Bavia]
         │                         │                                    │
         ▼                         ▼                                    ▼
       0.4%                       0.6%                                 4.8%

  1. Giai đoạn trước cải tiến (Baseline):

    • Sản phẩm thứ 85 - 90: Xuất hiện sai lệch kích thước $L$ vượt biên kiểm soát ($L < 20.8\text{ mm}$ hoặc $L > 21.2\text{ mm}$).
    • Sản phẩm thứ 380 - 390: Phôi bị vát góc lệch mặt phẳng cắt.
    • Sản phẩm thứ 337 - 340: Phôi cắt dính góc, không đứt hẳn.
    • Sản phẩm thứ 127 - 141; 255 - 270; 393 - 400: Bavia kim loại bám dày vượt mức cho phép.

  2. Giai đoạn sau cải tiến (Post-Improvement Validation):

    • Tiến hành đo kiểm 500 phôi liên tục sản xuất qua hệ thống Bar Feeder và ê-tô khí nén tự động.
    • 100% dữ liệu đo chiều dài $L$ nằm tập trung quanh giá trị danh định $21.00\text{ mm} \pm 0.05\text{ mm}$, nằm sâu bên trong giới hạn an toàn $[20.8\text{ mm}; 21.2\text{ mm}]$.

Kết quả đạt được

Bảng tổng hợp đối chiếu chỉ số đo lường hiệu năng trước và sau khi áp dụng Lean Six Sigma:

Hạng mục đo lường Trước cải tiến ($N=500$) Sau cải tiến ($N=500$) Mức độ cải thiện (%) Trạng thái mục tiêu
Lỗi 1: Kích thước $L^-$ sai lệch 2 phôi ($0.4%$) 0 phôi ($0.0%$) Giảm $100%$ Đạt xuất sắc
Lỗi 2: Khối bị cắt xéo Kèm trong nhóm 1 ($0.4%$) 0 phôi ($0.0%$) Giảm $100%$ Đạt xuất sắc
Lỗi 3: Cắt không đứt 3 phôi ($0.6%$) 0 phôi ($0.0%$) Giảm $100%$ Đạt xuất sắc
Lỗi 4: Vật liệu thừa (Bavia) 24 phôi ($4.8%$) 3 phôi ($0.6%$) Giảm $87.5%$ Đạt chỉ tiêu ($88%$)
Tổng tỷ lệ lỗi (Defect Rate) $5.8%$ $0.6%$ Giảm $89.65%$ Hoàn thành vượt mức
Chỉ số năng lực $C_{pk}$ $0.82$ (Không ổn định) $1.45$ (Đạt chuẩn) Tăng $76.8%$ Vượt ngưỡng $1.33$
Lãng phí nhân công di chuyển 1 nhân sự chuyên nạp phôi 0 nhân sự (Tự động) Cắt giảm $100%$ Tiết kiệm chi phí

Đổi mới và đóng góp

  • Cải tiến cơ khí triệt để kết hợp kiểm soát thông minh: Thay vì thay thế toàn bộ hệ thống máy cắt tiêu tốn hàng tỷ đồng, đề tài đưa ra giải pháp nâng cấp cục bộ: thiết kế lại bộ gá ê-tô định tâm bằng khí nén, gia cố chống rung trục bạc đạn và ghép nối modul Bar Feeder tự động.
  • Cơ chế phòng ngừa sai lỗi Poka-Yoke bằng quang điện: Ứng dụng cảm biến sensor để giám sát quá trình rơi phôi cắt. Hệ thống sẽ tự động dừng và cảnh báo khi phôi chưa đứt hoàn toàn, ngăn chặn 100% rủi ro kẹt phôi gây dừng dây chuyền ALS.
  • Chuẩn hóa hệ thống kiểm soát chất lượng: Xây dựng biểu đồ SPC trực quan tại hiện trường kết hợp với phiếu kiểm tra (Check Sheet) theo tiêu chuẩn ISO 9001:2015, đưa ra cảnh báo sớm khi kích thước có xu hướng lệch khỏi tâm danh định.
So sánh cấu trúc vận hành trước và sau cải tiến:
Trước:  [Vận hành thủ công] ──► [Sai số thao tác] ──► [5.8% NG] ──► [Dừng chuyền ALS]
Sau:    [Bar Feeder + Poka-Yoke] ──► [Cắt tự động] ──► [0.6% NG] ──► [Chuyền ALS mượt mà]

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

Giải pháp cải tiến này được áp dụng trực tiếp tại phân xưởng sản xuất cơ khí chính xác của GLOCOM tại TP. Vũng Tàu, đồng thời có thể chuyển giao linh hoạt cho:

  • Các nhà máy gia công linh kiện pin, phụ tùng xe máy, ô tô có công đoạn cắt phôi hàng loạt từ nguyên liệu thanh dài ($L = 2\text{m} - 6\text{m}$).
  • Các dây chuyền gia công CNC phụ trợ cần tối ưu hóa liên kết công đoạn giữa khâu cắt thô và khâu gia công tinh.
Lộ trình triển khai 4 giai đoạn chuẩn hóa:
Tuần 1-4: Khảo sát & Đo lường ──► Tuần 5-8: Gia công cơ khí & Lắp Sensor ──► Tuần 9-12: Chạy thử nghiệm & Đo SPC ──► Tuần 13+: Bàn giao SOP

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

  • Chi phí cải tiến: Chi phí chế tạo đồ gá ê-tô khí nén, lắp đặt Bar Feeder, sensor quang học và hiệu chỉnh cơ khí: ~45.000.000 VNĐ.
  • Lợi ích kinh tế mang lại:
    • Tiết kiệm chi phí nhân công vận chuyển: 01 nhân sự (~90.000.000 VNĐ/năm).
    • Tiết kiệm chi phí phế phẩm và hao hụt nguyên vật liệu: Giảm tỷ lệ phế phẩm từ 5.8% xuống 0.6% trên sản lượng hàng trăm nghìn sản phẩm/năm (~65.000.000 VNĐ/năm).
    • Thời gian hoàn vốn đầu tư (ROI): Dưới 4 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Cảm biến quang học có thể bị bám bụi kim loại hoặc dầu tưới nguội (Coolant mist) trong quá trình vận hành liên tục, đòi hỏi công nhân bảo trì phải vệ sinh định kỳ theo ca.
  • Hệ thống Bar Feeder hiện tại được thiết kế tối ưu cho dạng thanh tròn/thanh vuông quy chuẩn định sẵn, cần thay đổi cữ gá khi đổi mã sản phẩm có biên dạng phôi phức tạp.

Hướng phát triển trong tương lai

  1. Ứng dụng Trí tuệ nhân tạo (AI Vision Inspection): Lắp đặt camera AI tại đầu ra của máy cắt để tự động đo kiểm kích thước 2D/3D và phát hiện bavia tế vi với độ chính xác cao.
  2. Bảo trì dự đoán (Predictive Maintenance - PdM): Gắn cảm biến rung chấn (Vibration Sensor) và cảm biến nhiệt độ vào ổ trục chính máy cưa để cảnh báo mòn bạc đạn trước khi phát sinh lỗi kích thước.
  3. Số hóa toàn diện theo chuẩn Smart Factory: Kết nối dữ liệu SPC từ máy cắt trực tiếp vào hệ thống điều hành sản xuất MES (Manufacturing Execution System).

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------+
|                              GIÁ TRỊ MANG LẠI                                   |
+---------------------------------------------------------------------------------+
        │                                                         │
        ▼                                                         ▼
+─────────────────────────────────+     +─────────────────────────────────+
|         DOANH NGHIỆP            |     |        KỸ SƯ & SINH VIÊN        |
| • Giảm 89.65% tỷ lệ phế phẩm    |     | • Framework DMAIC ứng dụng      |
| • Tiết kiệm >150tr VNĐ/năm      |     | • Kỹ thuật giải quyết 5 Whys    |
| • Tự động hóa liên tục ALS      |     | • Phương pháp thực hành SPC     |
+─────────────────────────────────+     +─────────────────────────────────+
  • Sinh viên ngành Quản lý Công nghiệp & Cơ khí: Nắm vững tài liệu thực chiến về cách kết hợp lý thuyết Six Sigma (DMAIC, VSM, SPC, 5M1E) vào xử lý sự cố cơ khí thực tế tại xưởng.
  • Kỹ sư cải tiến quy trình (PE/IE/QC): Tham khảo mô hình cải tiến cơ cấu kẹp, tích hợp Bar Feeder và giải thuật kiểm soát năng lực quy trình $C_{pk}$ trên Minitab.
  • Doanh nghiệp vừa và nhỏ (SMEs): Nhận được bài học kinh nghiệm về việc tự động hóa từng phần (Low-cost Automation) với chi phí thấp mà vẫn đạt hiệu quả vận hành cao.
  • Nhà nghiên cứu học thuật: Bổ sung dữ liệu thực nghiệm về mối quan hệ giữa độ cứng vững cơ khí và sự biến thiên thống kê trong quy trình sản xuất phụ trợ tại Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai hệ thống là gì?

Cần trang bị nguồn khí nén ổn định ($5 - 7\text{ bar}$) cho ê-tô kẹp tự động, nguồn điện $220\text{V}/24\text{V DC}$ cho bộ điều khiển sensor, cơ cấu cưa cắt có động cơ hoạt động tốt và phần mềm Minitab 18.0 (hoặc module Python SPC) để phân tích dữ liệu.

2. Giới hạn dung sai và cách xử lý khi quy trình bị trôi (Process Drift)?

Quy trình được thiết kế kiểm soát kích thước nghiêm ngặt trong khoảng $21.0 \pm 0.2\text{ mm}$. Khi biểu đồ SPC báo động 7 điểm liên tiếp nằm về một phía của đường trung bình (Mean line), kỹ thuật viên sẽ lập tức dừng máy để kiểm tra độ mòn của lưỡi cưa và độ căng của dây đai truyền động.

3. Giải pháp này có thể tích hợp với các dòng máy cắt đời cũ không?

Hoàn toàn khả thi. Toàn bộ cụm gá ê-tô khí nén, thanh nạp Bar Feeder và hệ thống sensor quang học được thiết kế theo dạng module độc lập (Add-on), có thể lắp ráp trực tiếp lên bàn máy của hầu hết các dòng máy cắt cơ khí công nghệ 3.0 mà không cần can thiệp vào bo mạch gốc của máy.

4. Chi phí và tần suất bảo trì định kỳ của hệ thống ra sao?

Hệ thống yêu cầu chi phí bảo trì rất thấp. Lịch trình định kỳ bao gồm: vệ sinh mặt cảm quang của sensor sau mỗi ca làm việc (2 phút), châm dầu bôi trơn cụm dẫn hướng khí nén hàng tuần và kiểm tra độ rơ trục chính máy cắt định kỳ mỗi tháng một lần.

5. Thời gian hoàn vốn (ROI) và hiệu quả kinh tế được tính toán thế nào?

Với tổng mức đầu tư cải tiến khoảng 45.000.000 VNĐ, dự án giúp doanh nghiệp cắt giảm 1 vị trí nhân công vận chuyển thủ công (tiết kiệm ~7.500.000 VNĐ/tháng) và giảm phế phẩm kim loại (~5.400.000 VNĐ/tháng). Thời gian thu hồi toàn bộ vốn đầu tư thực tế là 3.5 tháng.

Kết luận

Đề tài "Nâng cao chất lượng sản phẩm ở quy trình cắt bằng phương pháp Six Sigma tại Công ty TNHH Sản xuất Cơ khí GLOCOM" đã chứng minh tính ưu việt của việc kết hợp phương pháp luận quản lý chất lượng tiên tiến (Lean Six Sigma - DMAIC) với kỹ thuật cải tiến tự động hóa công nghiệp. Bằng các giải pháp thực tế, bám sát hiện trường (Gemba), dự án đã giải quyết triệt để điểm nghẽn của quy trình cắt Block H10: triệt tiêu 100% các lỗi kích thước $L^-$, lỗi cắt xéo và lỗi cắt không đứt; đồng thời kéo giảm 87.5% lỗi vật liệu thừa, nâng chỉ số năng lực quy trình $C_{pk}$ từ $0.82$ lên $1.45$.

Thành công của đề tài không chỉ đem lại giá trị kinh tế trực tiếp cho doanh nghiệp với thời gian hoàn vốn dưới 4 tháng, mà còn cung cấp một mô hình kiểu mẫu về tự động hóa tinh gọn (Lean Automation) cho các doanh nghiệp gia công cơ khí trong kỷ nguyên chuyển đổi số 4.0.