Nghiên cứu ảnh hưởng của nước thải sản xuất giấy đến môi trường nước tại Công ty Quốc Đại, Mai Châu

Tài liệu nghiên cứu Ô nhiễm môi trường nước và ảnh hưởng từ sản xuất giấy ứng dụng cao trong học thuật và nghiên cứu thực tiễn tham khảo chuyên ngành

• Trường học: Trường Đại học Bách Khoa Hà Nội
• Chuyên ngành: Môi trường
• Đề tài: Nghiên cứu ảnh hưởng của nước thải sản xuất giấy tại Công ty trách nhiệm hữu hạn Quốc Đại, xã Đồng Bảng, huyện Mai Châu, tỉnh Hòa Bình đến chất lượng môi trường nước khu vực xung quanh Công ty
• Loại tài liệu: khóa luận
• Năm xuất bản: 2007-2014
• Địa điểm: Hà Nội

Tóm tắt

I. Khám phá ngành Data Analyst Chìa khóa cho kỷ nguyên số

Trong bối cảnh bùng nổ thông tin, phân tích dữ liệu đã trở thành một lĩnh vực cốt lõi, định hình cách các tổ chức vận hành và ra quyết định. Một chuyên viên phân tích dữ liệu (Data Analyst) là người khai thác, xử lý và diễn giải các bộ dữ liệu phức tạp để tìm ra những xu hướng, quy luật và insight khách hàng có giá trị. Vai trò này không chỉ giới hạn trong lĩnh vực công nghệ hay kinh doanh mà còn mở rộng sang các ngành học thuật, y tế và quản lý môi trường. Trọng tâm của công việc là biến dữ liệu thô, rời rạc thành những thông tin hữu ích, hỗ trợ cho việc ra quyết định dựa trên dữ liệu (data-driven decision making). Một chuyên gia trong lĩnh vực này cần nắm vững các kỹ năng data analyst cơ bản như thống kê, tư duy logic và khả năng giao tiếp hiệu quả để trình bày kết quả phân tích. Ngành khoa học dữ liệu rộng lớn hơn, nhưng Data Analyst là vị trí nền tảng, tập trung vào việc giải quyết các vấn đề kinh doanh hiện tại thông qua dữ liệu đã có. Sự phát triển của big data càng làm cho vai trò của Data Analyst trở nên quan trọng hơn bao giờ hết, khi các doanh nghiệp cần những chuyên gia có khả năng xử lý và tìm ra giá trị từ những tập dữ liệu khổng lồ. Do đó, cơ hội việc làm cho vị trí này đang ngày càng rộng mở với mức lương data analyst hấp dẫn, thu hút nhiều nhân tài theo đuổi.

1.1. Định nghĩa chuyên viên phân tích dữ liệu và vai trò

Một chuyên viên phân tích dữ liệu là người chịu trách nhiệm thu thập, làm sạch dữ liệu, và thực hiện các phân tích thống kê. Mục tiêu chính là xác định các mẫu hình, mối tương quan và các điểm bất thường trong dữ liệu. Vai trò của họ là cầu nối giữa dữ liệu kỹ thuật và các nhà lãnh đạo kinh doanh. Họ sử dụng các công cụ như SQL, Python cho data analysis, và các nền tảng Business Intelligence để chuyển hóa các con số thành câu chuyện có ý nghĩa. Kết quả công việc của họ thường được trình bày dưới dạng báo cáo dashboard hoặc các hình thức trực quan hóa dữ liệu, giúp ban lãnh đạo dễ dàng nắm bắt tình hình và đưa ra chiến lược phù hợp. Tóm lại, vai trò của họ là cung cấp bằng chứng định lượng để hỗ trợ và cải thiện quá trình ra quyết định trong một tổ chức.

1.2. Tầm quan trọng của data driven decision making

Ra quyết định dựa trên dữ liệu (data-driven decision making) là một phương pháp quản trị hiện đại, thay thế các quyết định dựa trên trực giác hay kinh nghiệm cá nhân bằng các phân tích khách quan từ dữ liệu. Phương pháp này giúp giảm thiểu rủi ro, tối ưu hóa hiệu suất hoạt động và xác định các cơ hội tăng trưởng mới. Bằng cách khai thác dữ liệu, doanh nghiệp có thể hiểu rõ hơn về hành vi khách hàng, hiệu quả của các chiến dịch marketing, hay các điểm yếu trong chuỗi cung ứng. Việc áp dụng phương pháp này đòi hỏi một nền văn hóa dữ liệu mạnh mẽ trong tổ chức, nơi mọi quyết định đều được hậu thuẫn bởi các bằng chứng cụ thể. Đây chính là giá trị cốt lõi mà một Data Analyst mang lại.

II. Những thách thức cốt lõi trong quy trình phân tích dữ liệu

Mặc dù mang lại giá trị to lớn, quy trình phân tích dữ liệu phải đối mặt với nhiều thách thức đáng kể. Vấn đề đầu tiên và phổ biến nhất là chất lượng dữ liệu. Dữ liệu trong thực tế thường không hoàn hảo, chứa các giá trị bị thiếu, sai lệch, hoặc không nhất quán. Quá trình làm sạch dữ liệu (data cleaning) do đó chiếm một phần lớn thời gian và công sức của một Data Analyst. Nếu bỏ qua bước này, kết quả phân tích sẽ không chính xác, dẫn đến những quyết định sai lầm. Một thách thức khác là việc xác định đúng câu hỏi cần trả lời. Nếu không có một mục tiêu rõ ràng, việc khai thác dữ liệu có thể trở nên lan man và không mang lại insight giá trị. Tài liệu nghiên cứu về ảnh hưởng của nước thải công nghiệp giấy là một ví dụ điển hình. Theo nghiên cứu, việc thu thập mẫu nước tại nhiều vị trí khác nhau (bể chứa, cống thải, các điểm trên suối) cho thấy dữ liệu ban đầu rất phức tạp và cần được hệ thống hóa. Trích dẫn từ nghiên cứu chỉ ra rằng: "...lựa chọn các điểm lấy mẫu sao cho đảm bảo đánh giá chính xác và đầy đủ ảnh hưởng của nước thải..." [Bảng 2.1]. Điều này nhấn mạnh tầm quan trọng của việc thiết kế quy trình thu thập dữ liệu một cách cẩn thận để đối phó với sự biến động của dữ liệu thực tế và đảm bảo tính đại diện cho vấn đề nghiên cứu.

2.1. Vấn đề về chất lượng và quá trình làm sạch dữ liệu

Chất lượng dữ liệu thấp là rào cản lớn nhất. Dữ liệu có thể bị trùng lặp, thiếu thông tin, hoặc nhập sai định dạng. Quá trình làm sạch dữ liệu bao gồm các kỹ thuật như xử lý giá trị rỗng, chuẩn hóa định dạng, và loại bỏ các giá trị ngoại lai. Một chuyên viên phân tích dữ liệu phải sử dụng các công cụ như Python (với thư viện Pandas) hoặc SQL để thực hiện các tác vụ này một cách hiệu quả. Nếu không được làm sạch kỹ lưỡng, các mô hình phân tích sẽ cho ra kết quả sai lệch, ảnh hưởng nghiêm trọng đến độ tin cậy của các quyết định được đưa ra sau đó. Đây là bước nền tảng nhưng thường bị xem nhẹ, quyết định đến 80% thành công của một dự án phân tích.

2.2. Khó khăn trong việc xác định mục tiêu và phạm vi phân tích

Một dự án phân tích dữ liệu thành công bắt đầu bằng một câu hỏi kinh doanh rõ ràng. Tuy nhiên, việc xác định đúng câu hỏi này là một thách thức. Nó đòi hỏi sự phối hợp chặt chẽ giữa Data Analyst và các bên liên quan (stakeholders) để hiểu rõ bối cảnh và mục tiêu cuối cùng. Ví dụ, thay vì hỏi một câu chung chung như "Doanh thu đang giảm?", một mục tiêu phân tích tốt hơn là "Xác định các phân khúc khách hàng có tỷ lệ rời bỏ cao nhất trong quý vừa qua". Việc xác định phạm vi phân tích rõ ràng giúp tập trung nguồn lực, tránh lãng phí thời gian vào việc khám phá những dữ liệu không liên quan và đảm bảo kết quả cuối cùng có tính ứng dụng cao.

III. Phương pháp tiếp cận và quy trình phân tích dữ liệu chuẩn

Một quy trình phân tích dữ liệu chuyên nghiệp thường tuân theo các bước chuẩn hóa để đảm bảo tính nhất quán và hiệu quả. Quy trình này bắt đầu từ việc xác định vấn đề, thu thập dữ liệu, làm sạch dữ liệu, phân tích khám phá (EDA), xây dựng mô hình (nếu cần), và cuối cùng là trực quan hóa dữ liệu và trình bày kết quả. Mỗi bước đều có vai trò quan trọng và liên kết chặt chẽ với nhau. Việc thu thập dữ liệu phải được thực hiện một cách có hệ thống. Trong nghiên cứu về ô nhiễm nước, các nhà nghiên cứu đã xác định rõ ràng "13 mẫu nước cụ thể gồm: 2 mẫu nước thải, 3 mẫu nước ngầm và 8 mẫu nước mặt" [Chương II, mục 2.5.2]. Sau khi thu thập, dữ liệu được phân tích để tìm ra các mẫu hình và mối quan hệ. Giai đoạn phân tích khám phá giúp chuyên viên hiểu sâu hơn về cấu trúc của dữ liệu trước khi đi vào phân tích chi tiết. Cuối cùng, việc diễn giải và trình bày kết quả thông qua các báo cáo dashboard là bước quyết định, giúp chuyển những phát hiện kỹ thuật thành các hành động cụ thể cho doanh nghiệp hoặc tổ chức. Quy trình này đảm bảo rằng mọi insight được rút ra đều có cơ sở vững chắc và dễ hiểu đối với những người không chuyên về kỹ thuật.

3.1. Các bước cơ bản trong một dự án phân tích dữ liệu

Một dự án phân tích dữ liệu điển hình bao gồm 6 bước chính: 1) Xác định câu hỏi/vấn đề cần giải quyết. 2) Thu thập dữ liệu từ nhiều nguồn khác nhau. 3) Làm sạch dữ liệu và tiền xử lý để đảm bảo chất lượng. 4) Phân tích khám phá dữ liệu (EDA) để tìm kiếm xu hướng và các đặc điểm nổi bật. 5) Xây dựng mô hình thống kê hoặc học máy để dự đoán hoặc phân loại. 6) Trực quan hóa dữ liệu và truyền đạt kết quả, đưa ra các đề xuất hành động. Việc tuân thủ quy trình này giúp đảm bảo kết quả phân tích có độ tin cậy cao và mang lại giá trị thực tiễn.

3.2. Tầm quan trọng của trực quan hóa dữ liệu và báo cáo

Dữ liệu dù được phân tích kỹ lưỡng đến đâu cũng sẽ trở nên vô nghĩa nếu không thể truyền đạt một cách hiệu quả. Trực quan hóa dữ liệu là nghệ thuật và khoa học của việc biểu diễn dữ liệu bằng hình ảnh, như biểu đồ, bản đồ, đồ thị. Các công cụ như Tableau và Power BI cho phép tạo ra các báo cáo dashboard tương tác, giúp người xem tự khám phá dữ liệu. Một biểu đồ tốt có thể làm nổi bật một xu hướng hoặc một điểm bất thường mà một bảng số liệu khô khan không thể hiện được. Đây là kỹ năng thiết yếu để một chuyên viên phân tích dữ liệu có thể trình bày các insight phức tạp một cách rõ ràng và thuyết phục, thúc đẩy hành động từ phía ban lãnh đạo.

IV. Bí quyết sử dụng các công cụ phân tích dữ liệu hiệu quả

Để trở thành một chuyên viên phân tích dữ liệu thành công, việc thành thạo các công cụ là điều bắt buộc. Bộ công cụ của một Data Analyst rất đa dạng, từ cơ bản đến nâng cao, mỗi loại phục vụ cho một mục đích cụ thể trong quy trình phân tích. Excel là công cụ khởi đầu quen thuộc, mạnh mẽ cho các tác vụ phân tích nhỏ, tính toán nhanh và tạo biểu đồ đơn giản. Tuy nhiên, khi làm việc với big data, SQL (Structured Query Language) trở thành kỹ năng không thể thiếu. SQL cho phép truy vấn, trích xuất và thao tác dữ liệu từ các hệ quản trị cơ sở dữ liệu một cách hiệu quả. Đối với các phân tích thống kê phức tạp và tự động hóa quy trình, Python cho data analysis (với các thư viện như Pandas, NumPy, Matplotlib) là lựa chọn hàng đầu. Bên cạnh đó, các công cụ Business Intelligence như Power BI và Tableau chuyên về trực quan hóa dữ liệu, giúp tạo ra các báo cáo dashboard sinh động và tương tác. Việc lựa chọn và kết hợp các công cụ này một cách thông minh sẽ quyết định hiệu suất và chất lượng công việc của một Data Analyst, giúp họ khai thác dữ liệu và tìm kiếm insight một cách nhanh chóng và chính xác nhất.

4.1. Vai trò của SQL và Excel trong phân tích dữ liệu

Excel là công cụ phổ biến nhất, phù hợp cho việc xử lý các tập dữ liệu nhỏ và vừa. Các tính năng như Pivot Tables, VLOOKUP, và khả năng tạo biểu đồ nhanh chóng làm cho nó trở thành một công cụ không thể thiếu cho các phân tích ban đầu. Trong khi đó, SQL là ngôn ngữ tiêu chuẩn để làm việc với cơ sở dữ liệu quan hệ. Một Data Analyst sử dụng SQL để lọc, kết hợp (join) và tổng hợp hàng triệu bản ghi, chuẩn bị dữ liệu đầu vào cho các bước phân tích sâu hơn. Thành thạo cả hai công cụ này là yêu cầu cơ bản đối với bất kỳ ai muốn bắt đầu lộ trình học data analyst.

4.2. Sức mạnh của Python Power BI và Tableau

Khi các bài toán trở nên phức tạp hơn, Python nổi lên như một công cụ mạnh mẽ. Nó không chỉ dùng để làm sạch dữ liệu và phân tích thống kê mà còn có thể xây dựng các mô hình học máy. Các nền tảng Business Intelligence như Power BI và Tableau là chuyên gia trong lĩnh vực trực quan hóa dữ liệu. Chúng cho phép người dùng kết nối với nhiều nguồn dữ liệu khác nhau và tạo ra các báo cáo dashboard tương tác chỉ bằng thao tác kéo-thả. Việc sử dụng các công cụ này giúp các chuyên viên phân tích dữ liệu truyền tải thông điệp của mình một cách trực quan và có sức ảnh hưởng lớn hơn.

V. Hướng dẫn ứng dụng phân tích dữ liệu vào nghiên cứu thực tế

Lý thuyết sẽ trở nên vô nghĩa nếu không có ứng dụng thực tiễn. Nghiên cứu “Nghiên cứu ảnh hưởng của nước thải sản xuất giấy tại Công ty trách nhiệm hữu hạn Quốc Đại...” là một case study điển hình về việc áp dụng phân tích dữ liệu để giải quyết một vấn đề trong thực tế. Mục tiêu của nghiên cứu là "Đánh giá được sự ảnh hưởng từ nước thải sản xuất giấy... tới chất lượng nước mặt và nước ngầm" [Chương II, mục 2.1.2]. Quy trình bắt đầu bằng việc thu thập dữ liệu có hệ thống tại 13 điểm, phân tích các chỉ số hóa học quan trọng. Kết quả phân tích trong Bảng 4.2 là một minh chứng rõ ràng: các chỉ số ô nhiễm trong nước thải đều vượt quy chuẩn cho phép. Cụ thể, thông số COD (Nhu cầu oxy hóa học) tại mẫu NT2 là 2640 mg/l, vượt quy chuẩn Cmax (144 mg/l) tới 18,3 lần. Dữ liệu này không chỉ là những con số, nó là bằng chứng không thể chối cãi về mức độ ô nhiễm. Bằng cách trực quan hóa dữ liệu này, các nhà nghiên cứu có thể chỉ ra phạm vi ảnh hưởng và đề xuất giải pháp. Đây là ví dụ hoàn hảo cho thấy sức mạnh của data-driven decision making trong lĩnh vực quản lý môi trường.

5.1. Case study Phân tích dữ liệu ô nhiễm môi trường

Trong nghiên cứu về Công ty Quốc Đại, các nhà khoa học đã thực hiện một quy trình phân tích dữ liệu bài bản. Họ thu thập mẫu nước tại các điểm chiến lược: trước nguồn thải, tại nguồn thải và các điểm xuôi dòng. Các thông số như pH, BOD5, COD, và TSS được đo lường và so sánh với Quy chuẩn kỹ thuật quốc gia (QCVN). Kết quả cho thấy tại điểm tiếp nhận nước thải (NM5), chỉ số TSS (Tổng chất rắn lơ lửng) lên tới 512 mg/l, cao gấp 10,24 lần so với quy chuẩn (50 mg/l) [Bảng 4.4]. Phân tích này đã cung cấp một insight quan trọng: hoạt động xả thải của nhà máy là nguyên nhân trực tiếp gây suy giảm chất lượng nước.

5.2. Từ insight dữ liệu đến đề xuất giải pháp thực tiễn

Mục đích cuối cùng của phân tích dữ liệu là tạo ra hành động. Từ kết quả phân tích về mức độ ô nhiễm nghiêm trọng, nghiên cứu đã ngầm đặt ra yêu cầu cấp bách cho công ty phải xử lý triệt để dòng thải. Các số liệu như thải lượng ô nhiễm COD từ 1452 - 1848 kg/ngày đêm [Bảng 4.3] là cơ sở để tính toán quy mô hệ thống xử lý cần thiết. Bằng cách xác định phạm vi ảnh hưởng là khoảng 1000m xuôi dòng, các nhà quản lý có thể khoanh vùng để thực hiện các biện pháp cải tạo môi trường. Quá trình này cho thấy cách dữ liệu được chuyển hóa từ các con số thành các đề xuất có thể thực thi, minh họa cho toàn bộ giá trị của ngành khoa học dữ liệu.

VI. Lộ trình học và cơ hội việc làm ngành Data Analyst hiện nay

Ngành phân tích dữ liệu đang có nhu cầu nhân lực rất lớn, mở ra nhiều cơ hội việc làm hấp dẫn. Để bắt đầu, một người cần xây dựng một lộ trình học data analyst rõ ràng. Lộ trình này thường bắt đầu với các kiến thức nền tảng về toán thống kê và xác suất. Tiếp theo là học các công cụ cơ bản như Excel và SQL để xử lý và truy vấn dữ liệu. Sau khi nắm vững nền tảng, người học nên tiếp tục với một ngôn ngữ lập trình như Python cho data analysis hoặc R. Đây là bước quan trọng để thực hiện các phân tích phức tạp và tự động hóa công việc. Đồng thời, việc học sử dụng các công cụ trực quan hóa dữ liệu như Power BI hoặc Tableau là không thể thiếu để trình bày kết quả. Cuối cùng, việc thực hành qua các dự án thực tế, xây dựng portfolio cá nhân sẽ là yếu tố quyết định giúp bạn nổi bật trong mắt nhà tuyển dụng. Với sự phát triển không ngừng của big data và business intelligence, mức lương data analyst được dự báo sẽ tiếp tục tăng, khiến đây trở thành một trong những ngành nghề đáng theo đuổi nhất trong thập kỷ tới.

6.1. Xây dựng lộ trình học Data Analyst cho người mới bắt đầu

Đối với người mới, lộ trình học data analyst nên được chia thành các giai đoạn. Giai đoạn 1: Nắm vững kiến thức cơ bản về thống kê và tư duy logic. Giai đoạn 2: Thành thạo các công cụ cốt lõi là SQL và Excel. Giai đoạn 3: Học một ngôn ngữ lập trình, ưu tiên Python và các thư viện phân tích của nó. Giai đoạn 4: Làm quen với các công cụ Business Intelligence như Tableau hoặc Power BI. Giai đoạn 5: Thực hành liên tục với các bộ dữ liệu công khai (Kaggle, UCI Machine Learning Repository) để xây dựng portfolio. Việc kiên trì theo đuổi lộ trình này sẽ trang bị đầy đủ các kỹ năng data analyst cần thiết.

6.2. Triển vọng nghề nghiệp và mức lương Data Analyst

Cơ hội việc làm cho chuyên viên phân tích dữ liệu là rất lớn và đa dạng, từ các công ty công nghệ, tài chính, bán lẻ cho đến các tổ chức phi lợi nhuận và chính phủ. Hầu hết mọi ngành nghề đều cần chuyên gia để khai thác dữ liệu và tối ưu hóa hoạt động. Do nhu cầu cao và yêu cầu kỹ năng chuyên môn, mức lương data analyst rất cạnh tranh. Mức lương khởi điểm cho sinh viên mới ra trường đã ở mức hấp dẫn và tăng nhanh theo kinh nghiệm và trình độ chuyên môn. Những chuyên gia có khả năng kết hợp kỹ thuật phân tích sâu với hiểu biết kinh doanh sắc bén sẽ có triển vọng thăng tiến và thu nhập rất cao trong tương lai.

Trích đoạn nội dung tài liệu

ĐẶT VẤN ĐỀ Ô nhiễm môi trƣờng nói chung đang là vấn đề đáng quan tâm hàng đầu của toàn cầu, trong đó ô nhiễm môi trƣờng nƣớc nói riêng cần đƣợc chú trọng xử lý cấp thiết hơn nữa. Nguồn gốc ô nhiễm môi trƣờng nƣớc chủ yếu do hoạt động nhân tạo của con ngƣời, nguồn nƣớc thải không qua xử lý, thải trực tiếp ra môi trƣờng bao gồm: Các hoạt động sản xuất công nghiệp, nông nghiệp, dịch vụ, vui chơi giải trí.Trong đó nƣớc thải từ các hoạt động công nghiệp có ảnh hƣởng nhiều nhất đến môi trƣờng do tính đa dạng và phức tạp về thành phần của nó. Đƣợc biết đến là một trong những ngành công nghiệp đƣợc hình thành từ rất sớm tại nƣớc ta, công nghiệp giấy đã nhanh chóng khẳng định vai trò của mình trong nền kinh tế quốc dân, góp phần đáng kể vào sự tăng trƣởng kinh tế của cả nƣớc. Với quá trình hình thành lâu dài và phát triển, đến nay nƣớc ta có khoảng gần 500 doanh nghiệp giấy phân bố ở cả 3 miền Bắc, Trung, Nam.

Trong tƣơng lai, ngành Giấy còn hứa hẹn sự phát triển hơn nữa cả về quy mô lẫn số lƣợng các nhà máy, công ty, xí nghiệp phục vụ cho ngành Giấy. Tuy nhiên, ở Việt Nam công nghệ sản xuất giấy còn rất lạc hậu. Để sản xuất ra một tấn giấy thành phẩm, các nhà máy phải sử dụng khoảng 2 tấn gỗ và 100-350 m3 nƣớc, trong khi các nhà máy giấy hiện đại của thế giới chỉ sử dụng 7-15 m3 nƣớc /tấn giấy. Sự lạc hậu này không chỉ gây lãng phí nguồn nƣớc ngọt, tăng chi phí xử lý nƣớc thải mà còn đƣa ra sông, rạch lƣợng nƣớc thải khổng lồ [10].

Là một trong những doanh nghiệp sản xuất giấy đầu tiên của huyện Mai Châu – tỉnh Hòa Bình, Công ty trách nhiệm hữu hạn Quốc Đại, xã Đồng Bảng, huyện Mai Châu, tỉnh Hòa Bình đã góp phần không nhỏ vào sự phát triển của ngành giấy nói chung và đem lại những lợi ích kinh tế cho địa phƣơng nói riêng. Bên cạnh những tác động tích cực đó, trong quá trình sản xuất của mình, Công ty đã gây những ảnh hƣởng tiêu cực đến môi trƣờng là không thể tránh khỏi điển hình là môi trƣờng nƣớc. Từ đó đặt ra yêu cầu 1 nghiên cứu ảnh hƣởng đến môi trƣờng nƣớc bởi nƣớc thải của Công ty là vô cùng cần thiết, cũng bởi vậy khóa luận “ Nghiên cứu ảnh hưởng của nước thải sản xuất giấy tại Công ty trách nhiệm hữu hạn Quốc Đại, xã Đồng Bảng, huyện Mai Châu, tỉnh Hòa Bình đến chất lượng môi trường nước khu vực xung quanh Công ty” đã đƣợc thực hiện nhằm góp phần đánh giá một cách chính xác chất lƣợng môi trƣờng nƣớc tại khu vực nghiên cứu do chịu ảnh hƣởng từ nƣớc thải sản xuất của Công ty trách nhiệm hữu hạn Quốc Đại. Từ đó đƣa ra đƣợc những giải pháp hợp lý nhằm giảm thiểu sự suy giảm chất lƣợng môi trƣờng tại khu vực nghiên cứu.

2 Chƣơng I TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU 1. T ổng quan về ngành sản xuất giấy trên thế giới Những ký hiệu ngôn ngữ đầu tiên đã đƣợc con ngƣời từ thời cổ xa xƣa viết trên đá, xƣơng, sau đó là gỗ, kim loại, thạch cao. Trải qua hàng ngàn năm phát triển cùng với biết bao tiến bộ văn minh nhân loại, giấy thực sự trở thành một vật dụng tối quan trọng trong đời sống con ngƣời. Việc tạo ra giấy là một trong những phát minh vĩ đại của ngƣời Trung Quốc.

Năm 105 sau Công nguyên, ông Thái Luân ngƣời Trung Quốc đã phát minh ra cách làm giấy từ các vỏ than cây, sợi than cây, cây gai dầu, giẻ rách và lƣới đánh cá cũ [10]. Tuy nhiên nhà máy giấy đầu tiên trên thế giới xuất hiện ở Cordoba, sau đó là tại Seville (Tây Ban Nha), tiếp theo là ở Fabriano (Ý) vào khoảng năm 1250 [10]. Tháng Giêng năm 1799, Loius – Nicolas Robert (1761- 1828), một đốc công trẻ của nhà máy ở Essones (Pháp) cùng cha đã phát minh ra máy xeo giấy liên tục. Đây là một mốc lịch sử quan trọng vì từ đây giấy đƣợc sản xuất nhanh hơn, nhiều hơn và rẻ hơn [10].

Năm 1840 một ngƣời Đức là Friedricch Gottlob Keller đã tìm ra các thớ sợi có thể sử dụng làm ra giấy và lấy ra bằng cách mài gỗ trên đá. Từ những phát hiện đó máy gỗ đã đƣợc phát minh và đƣa vào sử dụng. Năm 1857, một ngƣời Mỹ là Jojeph Coyetty đã phát minh ra giấy toilet, nó chỉ đƣợc phổ biến tại Pháp vào đầu thế kỷ 20. Từ những năm thập niên 60 của thế kỷ 20 nó đƣợc sử dụng rộng rãi [10].

Nhƣ vậy theo quy luật phát triển tất yếu khách quan, giấy đã đƣợc phát minh, sản xuất và đi vào đời sống con ngƣời nhƣ một vật dụng không thể 3 thiếu. Công nghệ sản xuất giấy từ thô sơ tại thời điểm sơ khai, đến nay ngành công nghiệp giấy đã phát triển mạnh mẽ và toàn diện trên phạm vi toàn thế giới, với công nghệ ngày càng hiện đại và sản phẩm ngày càng phong phú, sự phát triển đó thực sự đã đem lại cuộc sống ngày càng tiện lợi, văn minh cho con ngƣời. Tổng quan về ngành công nghiệp giấy ở Việt Nam Hiện nay cùng với sự phát triển nhanh của xã hội nhu cầu đƣợc sử dụng giấy của mọi ngƣời đang ngày càng tăng cao. Để đáp ứng tốt đƣợc nhu cầu của khách hàng, các công ty, doanh nghiệp sản xuất giấy trong nƣớc luôn luôn phải cạnh tranh nhau khốc liệt cả về số lƣợng lẫn chất lƣợng sản phẩm đầu ra.

Tuy nhiên do chƣa có bƣớc đi đúng nên nhìn chung ngành Công nghiệp giấy của nƣớc ta vào thời điểm này vẫn đang gặp phải rất nhiều khó khăn. Năm 1912, nhà máy sản xuất bột giấy đầu tiên bằng phƣơng pháp công nghiệp đi vào hoạt động với công suất 4.000 tấn/năm tại Việt Trì. Trong thập niên 1960, nhiều nhà máy giấy đƣợc đầu tƣ xây dựng nhƣng hầu hết có công suất nhỏ (dƣới 20. Năm 1975, tổng công suất thiết kế của ngành giấy Việt Nam là 72.000 tấn/ năm nhƣng do ảnh hƣởng của chiến tranh và mất cân đối giữa sản lƣợng bột giấy và giấy nên sản lƣợng thực tế chỉ đạt 28.

Từ năm 1990 đến năm 1999, tốc độ tăng trƣởng bình quân của ngành sản xuất và bột giấy là 16%/ năm, từ năm 2000 đến 2004 đạt 20%/ năm, và đến năm 2009 đã là 28%/ năm. Cuối năm 2007, toàn ngành giấy đã có trên 239 nhà máy với tổng công suất đạt 1,38 triệu tấn giấy/ năm trong đó có 66 nhà máy sản xuất bột giấy với tổng công suất 600. Tuy nhiên nguồn cung cấp nhƣ vậy chỉ đáp ứng đƣợc gần 64% nhu cầu tiêu dùng giấy năm 2008, phần còn lại vẫn phải nhập khẩu. 4 Năm 2010, mức tiêu thụ trung bình giấy trên đầu ngƣời là 22kg/ngƣời/ /năm, sản lƣợng sản xuất giấy trong nƣớc đạt hơn 1,38 triệu tấn giấy/năm (trong đó khoảng 56% là nhóm giấy công nghiệp bao bì và 25% là nhóm giấy vệ sinh) và 600.000 tấn giấy bột.

Theo báo cáo của Tổng công ty Giấy Việt Nam, năm 2011 là năm đầy khó khăn trong hoạt động sản xuất kinh doanh của ngành giấy. Tổng công ty Giấy Việt Nam là một ví dụ điển hình, giá trị sản xuất công nghiệp của tổng công ty chỉ đạt 91% kế hoạch năm (2.883 tỷ đồng), sản phẩm giấy các loại chỉ đạt 279.050 tấn, bằng 88% kế hoạch, lợi nhuận của tổng công ty đạt 114 tỷ đồng, bằng 99% so với cùng kỳ năm trƣớc và đặc biệt là lƣợng tồn kho của tổng công ty hiện còn rất lớn, hơn 19. Việc sụt giảm sản lƣợng, doanh thu, lợi nhuận… không đạt mục tiêu đề ra diễn ra ở hầu hết các công ty con, công ty liên kết của tổng công ty nhƣ: Công ty Giấy Tân Mai, Công ty Giấy Bãi Bằng [16]. Trong tháng 5/2012 sản xuất kinh doanh của các doanh nghiệp trong ngành giấy tiếp tục giảm mặc dù các nhà máy bắt đầu sản xuất giấy in, viết phục vụ khai giảng năm học 2012 - 2013.

Tính chung 5 tháng đầu năm 2012, sản phẩm giấy bìa các loại ƣớc đạt 745,7 nghìn tấn, giảm 2,2%. Giá giấy in, giấy viết sản xuất trong nƣớc sản xuất đang ở mức giá tƣơng đƣơng với giá giấy nhập khẩu, trung bình 21 triệu đồng/tấn; còn giá giấy in báo nhập khẩu đang cao hơn giá giấy in báo sản xuất trong nƣớc khoảng 200.000 đồng/tấn, giữ mức 16,2 triệu đồng/tấn [17]. Theo Hiệp hội Giấy và Bột giấy Việt Nam, năm 2013 là năm cực kỳ khó khăn với các doanh nghiệp ngành giấy. Tính tới đầu tháng 6, nhu cầu tiêu thụ giấy các loại trong nƣớc đã giảm khoảng 3% so với cùng kỳ, giảm mạnh nhất là giấy Tissue và giấy tráng phấn cao cấp.

Số liệu từ Tổng cục Thống kê cho thấy, 7 tháng đầu năm, giấy là 1 trong 5 ngành công nghiệp chế biến có chỉ số tồn kho tăng cao nhất so với cùng kỳ (12,1%). 5 Tháng 5/2014, sản xuất các sản phẩm từ giấy và bìa chƣa đƣợc phân vào đâu tăng 22,9%. Nhóm hàng có chỉ số tiêu thụ giảm so với cùng kỳ bao gồm sản xuất giấy nhăn, bìa nhăn, bao bì từ giấy và bìa (giảm 4,6%). Về nhập khẩu hàng hóa: Xét về giá, so với cùng kỳ, giá nhập khẩu bình quân của mặt hàng giấy giảm 5,8%.

Xét về lƣợng, mặt hàng tính đƣợc về lƣợng nhập khẩu tăng cao so với cùng kỳ bao gồm giấy các loại (tăng 12,7%). Theo Hiệp hội Giấy và Bột giấy Việt Nam (VPPA), trong 5 năm qua ngành sản xuất giấy đã tăng trƣởng mạnh với tốc độ 15-17%/năm. Năm 1975, tổng sản lƣợng giấy của cả nƣớc chỉ đƣợc 28 nghìn tấn/năm, nhƣng nay đã vƣợt 2 triệu tấn/năm, đáp ứng đƣợc 64% nhu cầu tiêu dùng trong nƣớc. Báo cáo của Hiệp hội Giấy và Bột giấy Việt Nam cho biết, tổng lƣợng giấy tiêu thụ cả nƣớc ta trong năm 2012 vừa qua lên tới 2,9 triệu tấn giấy các loại.

Trong khi các nƣớc phát triển tiêu thụ giấy trên 130 kg/ngƣời/năm, thì ngƣời dân các nƣớc châu Á có mức tiêu thụ giấy chƣa nhiều, bình quân đạt 40 kg/ngƣời/năm. Mức tiêu thụ giấy bình quân đầu ngƣời ở Việt Nam còn thấp hơn, mới chỉ đạt hơn 30 kg/năm. Sức tiêu thụ giấy của ngƣời dân nƣớc ta đã liên tục tăng nhanh trong những năm qua: năm 2010 bình quân sử dụng 26,44 kg/năm/ngƣời; năm 2011 đạt 29,61 kg/năm/ngƣời; năm 2012 đạt 32,7 kg/năm/ngƣời. Với 88 triệu dân và mức sống ngày càng đƣợc nâng cao đã mở ra thị trƣờng rộng lớn cho ngành giấy Việt Nam.

Tổng cầu giấy không ngừng tăng lên qua từng năm.