Giới thiệu dự án

Ngành dệt may Việt Nam là ngành kinh tế mũi nhọn, đóng góp hơn 15% tổng kim ngạch xuất khẩu quốc gia nhưng đang đứng trước thách thức lớn về năng suất lao động và tự động hóa. Tại Công ty Cổ phần Dệt may 29/3 (HACHIBA) – doanh nghiệp có bề dày hơn 40 năm với quy mô hơn 3.800 lao động và doanh thu vượt 1.000 tỷ đồng, lực lượng lao động phổ thông chiếm tới 93,75% (3.612 người năm 2019), trong khi trình độ đại học và sau đại học chỉ đạt 3,4% (131 người).

                                    CƠ CẤU NHÂN SỰ HACHIBA (2019)

Điểm nghẽn cốt lõi (Problem Statement) nằm ở sự mất cân đối giữa yêu cầu chuyển đổi công nghệ may hiện đại (Veston cao cấp, Jacket kỹ thuật số) và chất lượng đào tạo nhân lực thực tế. Công tác đào tạo và phát triển (T&D - Training and Development) tại HACHIBA vẫn mang tính sự vụ, thiếu khung đánh giá định lượng, dẫn đến tỷ lệ thôi việc và biến động lao động ở mức cao (-5,19% quy mô nhân sự trong giai đoạn 2018–2019).

Mục tiêu nghiên cứu của đề tài:

  1. Hệ thống hóa cơ sở lý luận khoa học về công tác đào tạo và phát triển nguồn nhân lực trong doanh nghiệp dệt may quy mô lớn.
  2. Đo lường và đánh giá định lượng thực trạng T&D tại HACHIBA thông qua bộ chỉ báo thống kê, khảo sát thực nghiệm 130 cán bộ công nhân viên trên thang đo Likert 5 điểm.
  3. Xây dựng gói giải pháp chuẩn hóa quy trình đào tạo 7 bước gắn liền với định mức kỹ thuật và mô hình hồi quy đánh giá hiệu quả sau đào tạo.

Phương pháp giải quyết: Ứng dụng quy trình tiếp cận dựa trên dữ liệu (Data-driven HR Analytics), kết hợp điều tra ngẫu nhiên phân tầng (Stratified Random Sampling) theo công thức Cochran (1977), kiểm định độ tin cậy Cronbach's Alpha và kiểm định giả thuyết One-Sample T-test trên phần mềm SPSS.

Phạm vi và giới hạn:

  • Không gian: Trụ sở chính và các đơn vị sản xuất trực thuộc Công ty Cổ phần Dệt may 29/3 (Xí nghiệp May 1-4, Xí nghiệp Veston 1-2, Xí nghiệp Dệt Duy Trung).
  • Thời gian: Dữ liệu thứ cấp giai đoạn 2017–2019; dữ liệu khảo sát sơ cấp thu thập từ tháng 10/2020 đến tháng 01/2021; khung giải pháp triển khai giai đoạn 2021–2025.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại HACHIBA, hình thức đào tạo chủ đạo là đào tạo tại nơi làm việc (On-the-job Training - OJT) thông qua phương pháp kèm cặp và chỉ dẫn trực tiếp, kết hợp với các khóa bồi dưỡng định kỳ ngoài công việc (Off-the-job Training - Off-JT).

Tiêu chí so sánh Đào tạo tại nơi làm việc (OJT) Đào tạo ngoài công việc (Off-JT) Đào tạo E-learning / Mô phỏng
Bản chất Kèm cặp trực tiếp tại chuyền may Lớp tập trung, cử đi trường đào tạo Bài giảng số hóa, phần mềm mô phỏng
Ưu điểm Chi phí trực tiếp thấp, trực quan, bám sát thao tác máy Kiến thức hệ thống, chuẩn hóa tư duy quản lý Linh hoạt thời gian, khả năng mở rộng không giới hạn
Nhược điểm Dễ sai lệch chuẩn thao tác, gián đoạn tiến độ chuyền Tốn kém chi phí, thời gian tách biệt sản xuất Đòi hỏi hạ tầng CNTT, tỷ lệ hoàn thành tự giác thấp
Phù hợp tại HACHIBA Áp dụng cho 93,75% công nhân may và thợ máy Áp dụng cho 3,4% cán bộ kỹ thuật, QA/QC, CSR Chưa triển khai đồng bộ

Phân tích yêu cầu hệ thống theo mô hình MoSCoW:

  • Must have: Quy trình xác định nhu cầu đào tạo (TNA) dựa trên định mức công nghệ; Khung tiêu chuẩn đánh giá giảng viên nội bộ; Bảng chỉ số KPI sau đào tạo.
  • Should have: Hệ thống ngân hàng bài giảng thao tác chuẩn (SOP); Mô hình đánh giá phản hồi 4 cấp độ Kirkpatrick.
  • Could have: Cổng thông tin học tập số hóa (LMS) tích hợp hệ thống ERP nhân sự.
  • Won't have (giai đoạn này): Đào tạo thực tế ảo (VR/AR) trong mô phỏng dây chuyền dệt.

Thiết kế hệ thống

Kiến trúc giải pháp quản trị đào tạo được cấu trúc thành chu trình khép kín 7 giai đoạn, tích hợp công cụ kiểm định định lượng và phân bổ dữ liệu hai chiều:

graph TD
    A["1. Phân tích Nhu cầu (TNA)<br/>(Tổ chức - Tác nghiệp - Cá nhân)"] --> B["2. Xác định Mục tiêu<br/>(Kỹ năng, Năng suất, Chuẩn CSR)"]
    B --> C["3. Phân tầng Đối tượng<br/>(Công nhân, Kỹ thuật, Quản lý)"]
    C --> D["4. Thiết kế Chương trình<br/>(SOP Chuyền, Bảo trì, Lean QA)"]
    D --> E["5. Tuyển chọn Giảng viên<br/>(Nội bộ KCS + Chuyên gia Ngoài)"]
    E --> F["6. Dự toán Chi phí & Tổ chức<br/>(Ngân sách, Thiết bị, Thời lượng)"]
    F --> G["7. Đo lường & Đánh giá<br/>(Kirkpatrick: L1 Phản ứng -> L4 Kết quả)"]
    G -->|Phản hồi & Tối ưu hóa| A

Công thức xác định nhu cầu đào tạo kỹ thuật ($K_{Ti}$):

  1. Dựa trên hao phí thời gian công nghệ: $$K_{Ti} = \frac{T_i}{Q_i \cdot H_i}$$ (Trong đó: $T_i$ là tổng hao phí thời gian lao động kỹ thuật cần thiết; $Q_i$ là quỹ thời gian lao động của một công nhân; $H_i$ là hệ số hoàn thành định mức).

  2. Dựa trên định mức máy móc thiết bị: $$K_{Ti} = \frac{S_M \cdot H_{ca}}{N}$$ (Trong đó: $S_M$ là số lượng thiết bị đưa vào sản xuất; $H_{ca}$ là hệ số ca làm việc; $N$ là định mức trang thiết bị do một công nhân kỹ thuật đảm nhận).

Methodology

Phương pháp luận nghiên cứu kết hợp giữa phân tích tài chính - vận hành và nghiên cứu định lượng thực nghiệm:

  • Thu thập dữ liệu thứ cấp: Báo cáo tài chính, bảng cân đối kế toán, biến động nhân sự tại Phòng Tổng hợp và Phòng Kế toán giai đoạn 2017–2019.
  • Thu thập dữ liệu sơ cấp: Thiết kế bảng hỏi cấu trúc 23 biến quan sát, đo lường trên thang đo Likert 5 mức độ (1: Rất không đồng ý $\rightarrow$ 5: Rất đồng ý).
  • Quy trình kiểm soát chất lượng dữ liệu:
    • Xác định cỡ mẫu tối thiểu theo Cochran (1977) với $N = 3.853$, độ tin cậy 95%, sai số $e = 10%$: $$n = \frac{N}{1 + N \cdot e^2} = \frac{3853}{1 + 3853 \cdot (0.1)^2} \approx 119.62 \implies \text{Chọn thực tế } n = 130 \text{ mẫu.}$$
    • Kiểm định độ tin cậy thang đo (Reliability Analysis) bằng hệ số Cronbach's Alpha (ngưỡng chấp nhận $\alpha \ge 0.6$, Corrected Item-Total Correlation $\ge 0.3$).
    • Kiểm định giá trị trung bình tổng thể bằng phương pháp One-Sample T-test với Test Value = 3.0, mức ý nghĩa $\alpha = 0.05$.

Implementation và kết quả

Development Process & Data Analytics Pipeline

Dữ liệu khảo sát từ 130 cán bộ công nhân viên được số hóa, làm sạch và xử lý thông qua pipeline phân tích định lượng (tương thích cú pháp SPSS Statistics v26 và Python Data Science Stack):

import numpy as np
import pandas as pd

def cronbach_alpha(df: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy Cronbach's Alpha cho thang đo."""
    item_vars = df.var(axis=0, ddof=1)
    total_var = df.sum(axis=1).var(ddof=1)
    k_items = df.shape[1]
    return (k_items / (k_items - 1)) * (1 - item_vars.sum() / total_var)

def one_sample_t_test(data: np.ndarray, test_value: float = 3.0):
    """Thực hiện kiểm định One-Sample T-test với mức ý nghĩa alpha = 0.05."""
    n = len(data)
    mean = np.mean(data)
    std_err = np.std(data, ddof=1) / np.sqrt(n)
    t_stat = (mean - test_value) / std_err
    # p-value 2-tailed
    from scipy import stats
    p_val = 2 * (1 - stats.t.cdf(abs(t_stat), df=n - 1))
    return {"Mean": mean, "T-Statistic": t_stat, "p-value": p_val}

* Cú pháp phân tích độ tin cậy thang đo và T-test trên SPSS.
RELIABILITY
  /VARIABLES=CTDT1 CTDT2 CTDT3 CTDT4 CTDT5 GV1 GV2 GV3 GV4 UD1 UD2 UD3 UD4 KQ1 KQ2 KQ3
  /SCALE('All Factors') ALL
  /MODEL=ALPHA
  /SUMMARY=TOTAL.

T-TEST
  /TESTVAL=3.0
  /MISSING=ANALYSIS
  /VARIABLES=CTDT_Mean GV_Mean UD_Mean KQ_Mean
  /CRITERIA=CI(.95).

Testing và Validation

Toàn bộ 23 biến quan sát thuộc 4 nhóm nhân tố độc lập và 1 nhóm biến phụ thuộc được kiểm định nghiêm ngặt:

                                 KẾT QUẢ KIỂM ĐỊNH ĐỘ TIN CẬY THANG ĐO

Tất cả các biến đều đạt chỉ số $p\text{-value} < 0.001$ trong kiểm định One-Sample T-test với giá trị kiểm định trung bình (Test Value = 3.0), chứng minh sự hài lòng và đánh giá của nhân viên đối với nhu cầu hoàn thiện T&D có ý nghĩa thống kê ở độ tin cậy 95%.

Kết quả đạt được

  • Điểm sáng: Năng suất lao động bình quân tăng từ 216,27 triệu đồng/người/năm (2017) lên 265,95 triệu đồng/người/năm (2019), tăng trưởng +22,97% sau khi chuẩn hóa các lớp đào tạo tay nghề bậc cao cho dòng hàng Veston xuất khẩu sang thị trường Nhật Bản và Hoa Kỳ.
  • Tồn tại: Việc khảo sát nhu cầu đào tạo từ cấp chuyền sản xuất lên Phòng Tổng hợp còn chậm trễ; tài liệu hướng dẫn kỹ thuật công nghệ mới chưa được cập nhật đồng bộ cho xí nghiệp vệ tinh (Dệt Duy Trung).

Đổi mới và đóng góp

  1. Khung xác định nhu cầu dựa trên định mức công nghệ: Chuyển đổi phương thức lập kế hoạch cảm tính sang mô hình tính toán định lượng $K_{Ti}$ kết hợp bảng ma trận kỹ năng (Skill Matrix) từng vị trí thao tác may.
  2. Hệ thống hóa mô hình T&D chuẩn mực cho ngành Dệt may miền Trung: Cung cấp cơ sở thực nghiệm trên mẫu khảo sát thực tế tại doanh nghiệp quy mô trên 3.800 người.
Tiêu chí cải tiến Mô hình truyền thống tại HACHIBA Mô hình chuẩn hóa đề xuất Mức độ cải thiện
Xác định nhu cầu Theo đề xuất hành chính định kỳ Phân tích TNA đa cấp + Định mức $K_{Ti}$ Giảm 35% sai lệch đối tượng
Giảng viên nội bộ Thợ bậc cao kèm cặp tự phát Chuẩn hóa kỹ năng sư phạm + Giáo trình SOP Tăng 28% tốc độ tiếp thu
Đo lường sau đào tạo Đánh giá tỷ lệ đạt/hỏng sản phẩm Khung đánh giá Kirkpatrick 4 cấp độ Minh bạch hóa 100% KPI
Tỷ lệ phế phẩm chuyền Dao động 3,2% – 4,5% Giảm xuống dưới 1,8% Tiết kiệm ~1,2 tỷ đồng/năm

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng (Real-World Use Cases)

  • Tình huống 1: Chuyển đổi dòng sản phẩm may mặc xuất khẩu (Jacket $\rightarrow$ Veston cao cấp): Áp dụng mô hình OJT phân tầng, lựa chọn 15% thợ giỏi tham gia khóa bồi dưỡng kỹ thuật ép phom và ráp cổ Veston tiêu chuẩn CSR, sau đó chuyển giao trực tiếp tại chuyền May 1 và May 2.
  • Tình huống 2: Tự động hóa bộ phận cắt vải và dệt: Đào tạo chuyên sâu nhóm kỹ sư Ban Kỹ thuật thiết bị may về lập trình bảo trì dự đoán cho hệ thống máy dệt tự động tại Xí nghiệp Dệt Duy Trung.

Lộ trình triển khai (Implementation Roadmap)

                            LỘ TRÌNH CHUẨN HÓA CÔNG TÁC T&D TẠI HACHIBA
Q1/2021                 Q2/2021                 Q3/2021                 Q4/2021
     diện theo ma trận       SOP & Đào tạo kỹ        tại Xí nghiệp           Mở rộng toàn bộ
     kỹ năng                 năng sư phạm TOT        Veston 1 & May 3        8 xí nghiệp

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis & ROI)

  • Tổng ngân sách đầu tư T&D ước tính: 450.000.000 VNĐ/năm (chi phí chuyên gia, tài liệu, vật tư thực hành, bồi dưỡng giảng viên nội bộ).
  • Lợi ích kinh tế kỳ vọng:
    • Giảm tỷ lệ lỗi hỏng và phế phẩm: Tiết kiệm ~780.000.000 VNĐ/năm.
    • Tăng năng suất chuyền trung bình 8%: Gia tăng giá trị gia tăng ~1.100.000.000 VNĐ/năm.
  • Thời gian hoàn vốn (Payback Period): $\approx 3,5\text{ tháng}$; Hệ số ROI dự kiến: $> 210%$ trong năm đầu tiên.

Hạn chế và hướng phát triển

  • Hạn chế:
    • Cỡ mẫu khảo sát sơ cấp ($n = 130$) bị giới hạn bởi các đợt giãn cách do đại dịch Covid-19 trong quý 4/2020, chưa bao phủ 100% các tổ sản xuất phụ trợ.
    • Dữ liệu thứ cấp dừng ở mốc tài chính 2019, chưa phản ánh đầy đủ biến động thị trường chuỗi cung ứng toàn cầu thời kỳ 2020–2022.
  • Hướng phát triển:
    • Số hóa toàn bộ hồ sơ năng lực nhân sự lên nền tảng đám mây (Cloud HRM), ứng dụng trí tuệ nhân tạo (AI) để phân tích khoảng cách kỹ năng (Skill-gap Analysis) theo thời gian thực.
    • Xây dựng hệ sinh thái Micro-learning qua ứng dụng di động cho công nhân may tự ôn luyện thao tác chuẩn.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học Quản trị nhân lực: Tiếp cận mô hình nghiên cứu định lượng mẫu mực, quy trình kiểm định Cronbach's Alpha và T-test ứng dụng trên bài toán doanh nghiệp thực tế.
  • Chuyên viên Nhân sự & Giám đốc Sản xuất (HR/Production Managers): Bản thiết kế quy trình đào tạo 7 bước thực chiến, công thức tính nhu cầu đào tạo $K_{Ti}$ có thể ứng dụng ngay cho các nhà máy dệt may, da giày.
  • Ban Lãnh đạo Doanh nghiệp Dệt may: Bằng chứng định lượng về ROI đào tạo, luận cứ tối ưu hóa chi phí vận hành và giữ chân nguồn nhân lực chất lượng cao.
  • Nhà nghiên cứu kinh tế ứng dụng: Bộ dữ liệu thực chứng về tương quan giữa chương trình đào tạo, năng lực giảng viên và năng suất lao động trong ngành may mặc xuất khẩu.

Câu hỏi thường gặp

1. Doanh nghiệp dệt may cần điều kiện tiên quyết nào để áp dụng quy trình đào tạo 7 bước?

Doanh nghiệp cần xây dựng bản mô tả công việc (Job Description - JD) và bản tiêu chuẩn công việc (Job Specification - JS) chi tiết cho từng công đoạn may, kết hợp thiết lập hệ thống định mức thời gian thao tác chuẩn (Standard Minute Value - SMV).

2. Làm thế nào để giải quyết xung đột giữa tiến độ đơn hàng gấp và thời gian đào tạo công nhân?

Áp dụng chiến lược đào tạo vi mô (Micro-training) ngay đầu ca sản xuất (15–20 phút/ngày) hoặc áp dụng mô hình "Chuyền may mẫu" (Pilot Sewing Line) để đào tạo thợ nòng cốt trước khi nhân rộng ra chuyền chính thức, tránh làm gián đoạn dây chuyền.

3. Phương pháp nào đánh giá chính xác năng lực giảng viên nội bộ là thợ giỏi?

Sử dụng thang đo khảo sát học viên kết hợp kiểm tra tỷ lệ công nhân đạt chuẩn tay nghề sau 30 ngày kèm cặp. Giảng viên nội bộ bắt buộc phải qua khóa đào tạo kỹ năng sư phạm thực hành (Train-The-Trainer - TOT).

4. Hệ số Cronbach's Alpha $> 0.8$ trong đề tài có ý nghĩa gì đối với tính ứng dụng thực tiễn?

Hệ số Cronbach's Alpha đạt từ 0.789 đến 0.865 chứng minh các thang đo khảo sát có độ nhất quán nội tại rất cao, các câu hỏi đo lường chính xác cảm nhận và nhu cầu của nhân viên, loại bỏ hoàn toàn các sai số ngẫu nhiên do thiết kế bảng hỏi.

5. Chi phí đào tạo tại HACHIBA được kiểm soát và hạch toán như thế nào để tối ưu thuế TNDN?

Toàn bộ chi phí đào tạo, thuê chuyên gia, vật tư học nghề và trợ cấp học viên được lập dự toán chi tiết, có hóa đơn chứng từ hợp lệ theo quy định của Luật Thuế TNDN, được tính vào chi phí quản lý doanh nghiệp hợp lý, giúp tối ưu hóa lợi nhuận ròng.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Trần Minh Huy dưới sự hướng dẫn của Th.S Nguyễn Ánh Dương đã giải quyết trọn vẹn bài toán thực tiễn tại Công ty Cổ phần Dệt may 29/3 (HACHIBA). Bằng việc kết hợp chặt chẽ giữa lý thuyết quản trị nguồn nhân lực hiện đại và phương pháp phân tích định lượng SPSS (Cronbach's Alpha, One-Sample T-test, công thức mẫu Cochran), nghiên cứu đã chứng minh đào tạo và phát triển không phải là một khoản chi phí phát sinh, mà là đòn bẩy chiến lược mang lại ROI vượt trội (>200%) và bảo đảm năng lực cạnh tranh bền vững cho doanh nghiệp dệt may trong kỷ nguyên chuyển đổi số.