Giới thiệu dự án

Trong bối cảnh toàn cầu hóa và áp lực cạnh tranh gay gắt trong ngành công nghiệp phụ trợ, sản xuất bao bì công nghiệp hạng nặng (FIBC - Flexible Intermediate Bulk Container) đòi hỏi các tiêu chuẩn khắt khe về độ bền, độ chính xác và chi phí vận hành tối ưu. Theo các báo cáo thống kê ngành sản xuất bao bì dệt PP/PE tại Đông Nam Á, chi phí lãng phí do phế phẩm và thời gian dừng máy ngoài kế hoạch chiếm trung bình từ 6% đến 12% tổng chi phí vận hành. Công ty TNHH Matai Việt Nam (100% vốn đầu tư Nhật Bản, đặt tại Khu chế xuất Tân Thuận, TP.HCM với diện tích 32.000 $m^2$ và quy mô gần 1.000 lao động) chuyên sản xuất các dòng sản phẩm bao bì tải trọng cao từ 300 kg đến 3.000 kg như bao Jumbo, túi Neopallex xuất khẩu 65% sang thị trường Nhật Bản và 33% sang các nước Đông Nam Á.

Vấn đề cốt lõi tại phân xưởng dệt của công ty là hiệu suất tổng thể thiết bị (OEE) chưa đạt mức tối ưu do tồn tại nhiều điểm nghẽn lãng phí (Muda). Dữ liệu thực tế tại cụm máy dệt tròn cho thấy thời gian dừng máy trung bình lên tới 57 phút/ngày/máy, trong đó sự cố kỹ thuật và thời gian chuyển đổi mã hàng/nguyên liệu chiếm tỷ trọng áp đảo. Đồng thời, tỷ lệ phế phẩm bán thành phẩm do lỗi biến màu sợi, kết cấu sợi không đồng đều và sai lệch kích thước gây tổn thất lớn về chi phí hạt nhựa nguyên sinh (PP, phụ gia $CaCO_3$, hạt chống tia UV).

Đề tài đặt ra các mục tiêu nghiên cứu cụ thể:

  1. Định lượng toàn diện các dạng lãng phí (chờ đợi, thao tác thừa, phế phẩm, tồn kho WIP) tại công đoạn đùn sợi và dệt vải PP/PE.
  2. Xác định nguyên nhân gốc rễ gây ra thời gian dừng máy (Downtime) và lỗi chất lượng bằng các công cụ phân tích thống kê chuyên sâu.
  3. Thiết lập mô hình cải tiến tích hợp Lean Six Sigma theo chu trình DMAIC (Define - Measure - Analyze - Improve - Control).
  4. Chuẩn hóa quy trình vận hành và bảo trì tự quản (Autonomous Maintenance) kết hợp hệ thống kiểm soát trực quan Andon.

Giải pháp ứng dụng Lean Six Sigma được lựa chọn nhờ khả năng kết hợp đồng thời triết lý tinh gọn (triệt tiêu lãng phí, rút ngắn Lead Time) của Lean và kỹ thuật kiểm soát biến động quy trình bằng thống kê của Six Sigma. Đề tài tập trung vào phạm vi phân xưởng dệt tròn và hệ thống máy kéo sợi tại Nhà máy Matai Việt Nam trong khung thời gian thu thập và phân tích dữ liệu thực nghiệm.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Khảo sát dây chuyền dệt tròn số 6 tại xưởng cho thấy thời gian dừng máy 57 phút/ngày phân bổ thành 4 nhóm nguyên nhân chính:

  • Sự cố cơ khí/điện máy dệt: 19 phút/ngày (chiếm 33,33%).
  • Chuyển đổi nguyên liệu và điều chỉnh khổ sợi: 16 phút/ngày (chiếm 28,07%).
  • Dừng máy để kiểm tra thông số chất lượng: 14 phút/ngày (chiếm 24,56%).
  • Đứt sợi do chất lượng sợi không đồng đều: 8 phút/ngày (chiếm 14,04%).
Giải pháp hiện tại Ưu điểm Nhược điểm / Hạn chế
Bảo trì phục hồi (Reactive Breakdown Maintenance) Không tốn chi phí lập kế hoạch trước Thời gian chết máy đột xuất cao, làm gián đoạn kế hoạch giao hàng JIT
Kiểm tra chất lượng cuối công đoạn (Post-QC) Phát hiện được lỗi trước khi may thành phẩm Tạo ra khối lượng bán thành phẩm phế liệu (Defects) không thể tái chế trực tiếp
Phân tích nguyên nhân định tính cảm quan Triển khai nhanh, không cần đào tạo phần mềm Không xác định được 20% nguyên nhân cốt lõi tạo ra 80% khuyết tật

Theo ma trận ưu tiên yêu cầu MoSCoW:

  • Must have: Cắt giảm thời gian chết máy do sự cố cơ khí từ 19 phút xuống dưới 6 phút/ngày; giảm phế phẩm dệt sai kích thước và lệch màu sợi.
  • Should have: Tích hợp bảng kiểm tra trực quan bảo trì ngăn ngừa (Preventive Maintenance Checklist) theo ca và hệ thống cảnh báo dừng máy Andon.
  • Could have: Xây dựng thuật toán phân tích tự động dữ liệu phế phẩm định kỳ theo tuần bằng Python/Minitab.
  • Won't have (lần này): Tự động hóa hoàn toàn bằng robot bốc dỡ cuộn vải dệt tự hành AGV.

Thiết kế hệ thống

Kiến trúc giải pháp tích hợp Lean Six Sigma cho phân xưởng dệt được chuẩn hóa theo mô hình 3 lớp:

Công cụ kỹ thuật và phiên bản phần mềm ứng dụng:

  • Minitab Statistical Software v21.4: Phân tích biểu đồ Pareto, kiểm định phân phối chuẩn, năng lực quy trình $C_p, C_{pk}$ và biểu đồ kiểm soát I-MR.
  • Python v3.11 (Pandas 2.2, Matplotlib 3.8): Xử lý tập dữ liệu dừng máy và phân tầng phế phẩm tự động.
  • Hệ thống phần cứng Andon: Đèn tháp LED 3 màu (Đỏ - Dừng khẩn cấp, Vàng - Hết sợi/Cảnh báo, Xanh - Hoạt động chuẩn) tích hợp relay đóng ngắt nguồn động cơ dệt.

Methodology

Quy trình triển khai dựa trên phương pháp luận DMAIC kết hợp công cụ Lean:

  1. Define: Xác định Critical-to-Quality (CTQ) là tỷ lệ dệt lỗi và thời gian ngừng máy tại bộ phận dệt.
  2. Measure: Thu thập dữ liệu liên tục trong 90 ngày làm việc (3 ca/ngày) về các thông số dừng máy, mật độ sợi dọc/ngang, độ dày màng tráng.
  3. Analyze: Áp dụng biểu đồ nhân quả (Fishbone Diagram) theo mô hình 5M1E (Man, Machine, Material, Method, Measurement, Environment) để tìm nguyên nhân gốc của lỗi đứt sợi và biến màu.
  4. Improve: Tái cấu trúc quy trình thay cuộn sợi theo nguyên lý SMED (Single-Minute Exchange of Die), triển khai kế hoạch bảo trì phòng ngừa định kỳ khi máy dừng và khi máy đang chạy.
  5. Control: Thiết lập bảng kiểm soát SOP, hệ thống đánh giá chấm điểm 5S hàng tuần và cơ chế khen thưởng hiệu suất (KAIZEN reward).

Implementation và kết quả

Development process

Quá trình xử lý dữ liệu và định lượng tổn thất được lập trình hóa nhằm phục vụ cho bước Analyze và Control. Đoạn mã phân tích Pareto tự động phân loại khuyết tật bán thành phẩm dệt:

import pandas as pd
import matplotlib.pyplot as plt

# Dữ liệu thống kê khuyết tật tại bộ phận dệt Matai năm 2022
data = {
    'Defect_Type': ['Sai kích thước khổ vải', 'Kết cấu sợi không đều', 'Màu sợi bị biến đổi', 
                    'Đứt sợi dệt biên', 'Vết dầu bẩn trên vải', 'Khác'],
    'Occurrences': [142, 98, 75, 34, 18, 11]
}

df = pd.DataFrame(data)
df = df.sort_values(by='Occurrences', ascending=False)
df['Cumulative_Sum'] = df['Occurrences'].cumsum()
df['Cumulative_Percentage'] = (df['Cumulative_Sum'] / df['Occurrences'].sum()) * 100

# Ngưỡng phân tích 80/20 của Pareto
vital_few = df[df['Cumulative_Percentage'] <= 85]
print("=== CÁC NGUYÊN NHÂN CỐT LÕI (VITAL FEW) CẦN TRIỆT TIÊU ===")
for idx, row in vital_few.iterrows():
    print(f"- {row['Defect_Type']}: {row['Occurrences']} vụ ({row['Cumulative_Percentage']:.2f}% tích lũy)")

Thuật toán xác định 3 nguyên nhân hàng đầu chiếm hơn 83% tổng lượng phế phẩm:

  • Lỗi sai lệch kích thước khổ vải (do lực căng cuộn thu vải không ổn định).
  • Lỗi kết cấu vải dệt không đều (do độ mòn của thoi dệt và dẫn hướng sợi).
  • Lỗi biến đổi màu sắc sợi dệt (do tỷ lệ trộn hạt masterbatch và nhiệt độ gia nhiệt nòng trục vít máy đùn không đồng nhất).

Testing và validation

Nhóm dự án thực hiện thử nghiệm cải tiến tại dây chuyền dệt số 6 trong 4 tuần liên tục, kiểm định đối chứng với dây chuyền dệt số 5 (chưa áp dụng TPM và SMED).

Các kịch bản đánh giá bao gồm:

  1. Kiểm tra thời gian chuyển đổi mã hàng: Đo đạc thời gian công nhân căn chỉnh khung dệt tròn khi thay đổi đường kính bao Jumbo (từ loại $\Phi$ 900 mm sang $\Phi$ 1100 mm).
  2. Kiểm tra độ ổn định nhiệt độ đùn hạt nhựa PP: Giám sát qua cảm biến can nhiệt tại 5 vùng nhiệt độ trục vít ($180^\circ\text{C} - 230^\circ\text{C}$).
  3. Kiểm tra tuân thủ 5S & Checklist bảo trì: Tần suất thực hiện kiểm tra độ căng dây đai, mức dầu bôi trơn thoi dệt đầu mỗi ca làm việc.
                    BENCHMARK THỜI GIAN DỪNG MÁY (PHÚT/NGÀY)
                Trước cải tiến                 Sau cải tiến

Kết quả đạt được

Việc áp dụng giải pháp Lean Six Sigma đã mang lại những biến chuyển định lượng rõ rệt:

Chỉ số đo lường (KPI) Trước cải tiến Mục tiêu ban đầu Kết quả thực tế Mức độ cải thiện
Tổng thời gian dừng máy 57,0 phút/ngày $\le 30,0$ phút/ngày 24,5 phút/ngày Giảm 57,01%
Thời gian dừng do sự cố máy 19,0 phút/ngày $\le 7,0$ phút/ngày 5,2 phút/ngày Giảm 72,63%
Thời gian chuyển đổi mã sợi 16,0 phút/ngày $\le 10,0$ phút/ngày 8,8 phút/ngày Giảm 45,00%
Tỷ lệ phế phẩm bán thành phẩm 3,82% $\le 1,80%$ 1,25% Giảm 67,28%
Điểm chuẩn hóa 5S nhà xưởng 62/100 điểm $\ge 85/100$ điểm 91/100 điểm Tăng 46,77%
Hiệu suất tổng thể thiết bị (OEE) 71,4% $\ge 82,0%$ 85,6% Tăng 14,2 điểm %

Đổi mới và đóng góp

Nghiên cứu mang lại những giá trị cải tiến thực tiễn, khắc phục nhược điểm của các phương pháp truyền thống:

So sánh với các phương pháp tiếp cận khác

Tiêu chí so sánh Phương pháp Quản lý truyền thống Six Sigma thuần túy Giải pháp Lean Six Sigma tích hợp (Đề tài)
Cách tiếp cận vấn đề Xử lý sự cố phát sinh (Re-active) Phân tích thống kê giảm sai số Kết hợp triệt tiêu lãng phí (Lean) & kiểm soát biến động (Six Sigma)
Thời gian chu kỳ (Cycle Time) Cao do nhiều bước trung gian Trung bình Tối ưu hóa triệt để nhờ loại bỏ thao tác thừa và bố trí lại mặt bằng
Mức độ tham gia của công nhân Thấp, phụ thuộc đội bảo trì Trung bình, giới hạn ở đai xanh/đen Rất cao, toàn diện từ công nhân vận hành qua văn hóa 5S và Kaizen
Chi phí đầu tư công nghệ Thấp nhưng chi phí vận hành cao Rất cao (phần mềm, chuyên gia) Tối ưu: tận dụng năng lực thiết bị sẵn có và chuẩn hóa quy trình

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế

Mô hình được áp dụng trực tiếp tại các công đoạn:

  1. Khu vực đùn sợi Polypropylene: Công nhân theo dõi nhiệt độ nóng chảy theo bảng kiểm soát giới hạn kiểm soát trên/dưới (UCL/LCL). Khi nhiệt độ vượt ngưỡng $\pm 3^\circ\text{C}$, đèn Andon vàng kích hoạt tự động để điều chỉnh tốc độ trục vít.
  2. Khu vực khung dệt vải thân bao Jumbo: Thiết lập khu vực đệm bán thành phẩm dạng ống (WIP Buffer) được dán nhãn màu Seiton theo quy cách tải trọng (1.000 kg, 1.500 kg, 2.000 kg), giảm thời gian tìm kiếm nguyên liệu trung gian xuống dưới 45 giây.

Kế hoạch và Lộ trình nhân rộng (Roadmap)

Phân tích hiệu quả kinh tế (Cost-Benefit Analysis)

  • Chi phí triển khai ước tính: ~45.000.000 VNĐ (chi phí làm bảng biểu trực quan, phụ tùng thay thế nhanh cho thoi dệt, hệ thống đèn Andon cơ sở và tài liệu đào tạo nội bộ).
  • Lợi ích kinh tế hàng năm:
    • Giảm thời gian chết máy 32,5 phút/ngày $\times$ 300 ngày làm việc/năm = 9.750 phút máy hoạt động thêm (tương đương tăng sản lượng ~19.500 mét vải dệt tiêu chuẩn/năm).
    • Cắt giảm tỷ lệ phế phẩm hạt nhựa PP từ 3,82% xuống 1,25% giúp tiết kiệm khoảng 4,2 tấn nguyên liệu nhựa/năm, tương đương hơn 130.000.000 VNĐ.
  • Thời gian hoàn vốn (Payback Period): Dưới 4,5 tháng vận hành chính thức.

Hạn chế và hướng phát triển

Mặc dù đạt được các kết quả ấn tượng, đề tài vẫn ghi nhận một số hạn chế kỹ thuật:

  • Dữ liệu đo lường dừng máy tại một số ca đêm vẫn phụ thuộc vào việc ghi chép thủ công của công nhân, tiềm ẩn sai số ghi nhận thời gian dừng vi mô (< 1 phút).
  • Chưa tích hợp cảm biến IoT giám sát rung động trục quay máy dệt thời gian thực để dự báo hư hỏng vòng bi trước khi xảy ra sự cố.

Hướng nghiên cứu và phát triển tiếp theo:

  • Ứng dụng giải pháp bảo trì dự đoán (Predictive Maintenance) dựa trên cảm biến biên (Edge IoT) và thuật toán học máy phát hiện bất thường cơ khí.
  • Mở rộng phạm vi tinh gọn sang chuỗi cung ứng đầu vào (Lean Supply Chain), kết nối điện tử trực tiếp với nhà cung ứng hạt nhựa tại Nhật Bản và Hàn Quốc để giảm tồn kho nguyên liệu dự phòng.

Đối tượng hưởng lợi

  • Sinh viên ngành Quản lý Công nghiệp / Kỹ thuật Hệ thống: Tiếp cận tài liệu tình huống thực tế (Case study) đầy đủ số liệu về việc ứng dụng DMAIC tại doanh nghiệp sản xuất chuẩn Nhật Bản.
  • Kỹ sư vận hành / Trưởng phòng bảo trì: Nắm vững phương pháp phân tầng Pareto, thiết lập checklist bảo trì ngăn ngừa và biểu mẫu kiểm soát trực quan 5S cho phân xưởng dệt.
  • Doanh nghiệp sản xuất bao bì / Dệt may: Có khung tham chiếu hoàn chỉnh để cắt giảm từ 40-60% thời gian dừng máy và nâng cao chỉ số OEE mà không cần đầu tư dây chuyền mới đắt đỏ.
  • Các nhà nghiên cứu chất lượng: Cung cấp dữ liệu thực nghiệm về mối tương quan giữa bảo trì tự quản TPM và độ biến thiên chất lượng sợi nhựa dệt kỹ thuật cao.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai giải pháp này tại nhà máy dệt là gì?

Nhà máy cần có hạ tầng đo lường sản lượng theo ca, bảng phân loại mã lỗi khuyết tật chuẩn hóa và sự cam kết từ ban lãnh đạo cùng đội ngũ kỹ thuật trong việc thực hiện checklist bảo trì tự quản 15 phút đầu ca.

2. Mô hình có khả năng mở rộng (Scalability) sang các ngành khác không?

Khung phương pháp luận DMAIC, công cụ phân tích 5M1E và nguyên lý SMED hoàn toàn có thể mở rộng áp dụng cho ngành ép phun nhựa, may mặc công nghiệp, cơ khí chế tạo và chế biến thực phẩm.

3. Làm sao để tích hợp giải pháp với hệ thống ERP/MES hiện có của doanh nghiệp?

Các chỉ số dừng máy, tỷ lệ phế phẩm DPMO và OEE sau khi chuẩn hóa có thể được cấu hình thành các trường dữ liệu số nhập trực tiếp vào phân hệ quản trị sản xuất của các phần mềm ERP như SAP, Oracle hoặc Odoo.

4. Chi phí duy trì hệ thống kiểm soát sau cải tiến gồm những gì?

Chi phí chủ yếu gồm quỹ khen thưởng KAIZEN định kỳ cho công nhân (khoảng 2-3 triệu VNĐ/tháng), chi phí in ấn tài liệu tiêu chuẩn SOP và ngân sách đào tạo định kỳ cho nhân viên mới.

5. Thời gian thu hồi vốn (ROI) thực tế của dự án kéo dài bao lâu?

Nhờ chi phí đầu tư ban đầu thấp và tập trung vào cải tiến phi cấu trúc (quản lý, thao tác, bảo dưỡng nhẹ), thời gian hoàn vốn thực tế đạt mức 4,5 tháng, với tỷ suất hoàn vốn nội bộ (IRR) ước tính trên 65% trong năm đầu tiên.

Kết luận

Khóa luận tốt nghiệp đã giải quyết thành công bài toán tối ưu hóa quy trình sản xuất tại bộ phận dệt của Công ty TNHH Matai Việt Nam thông qua việc kết hợp chặt chẽ giữa triết lý Lean Manufacturing và tiến trình kiểm soát sai lỗi Six Sigma. Kết quả nghiên cứu không chỉ cắt giảm thành công 57% thời gian dừng máy và 67% tỷ lệ phế phẩm tại dây chuyền thí điểm, mà còn xây dựng nền tảng văn hóa cải tiến liên tục (Kaizen) vững chắc cho đội ngũ công nhân viên. Đề tài khẳng định tính đúng đắn và hiệu quả kinh tế vượt trội của việc ứng dụng các công cụ quản lý chất lượng hiện đại vào thực tiễn ngành công nghiệp bao bì kỹ thuật cao tại Việt Nam.