Tổng quan về luận án

Ngành dệt may giữ vai trò nòng cốt trong cơ cấu xuất khẩu của nền kinh tế Việt Nam. Bối cảnh công nghiệp hóa và hội nhập toàn cầu ghi nhận sự phát triển vượt bậc về quy mô, song năng suất lao động thực tế vẫn là một rào cản mang tính chiến lược. Theo luận án, "theo thống kê của Tổng cục Hải quan tổng giá trị xuất khẩu năm 2019 đạt khoảng 32.85 tỷ USD tăng 7,8% so với năm 2018", tuy nhiên năng suất lao động nội địa khi đối chiếu với các quốc gia trong khu vực vẫn ở mức khiêm tốn. Trong kỷ nguyên Cách mạng Công nghiệp 4.0, tối ưu hóa tổ chức sản xuất thông qua kỹ thuật cân bằng dây chuyền (Assembly Line Balancing - ALBP) là giải pháp đột phá để tiết giảm thời gian dừng chờ, triệt tiêu lãng phí và gia tăng giá trị thặng dư.

Khoảng trống nghiên cứu (research gap) thực tiễn và lý thuyết được xác định rõ rệt: hầu hết các doanh nghiệp may dệt kim tại Việt Nam hiện nay vẫn tổ chức cân bằng chuyền thủ công bằng bảng tính Excel hoặc dựa trên trực giác, kinh nghiệm chủ quan của cán bộ kỹ thuật chuyền. Các giải pháp thương mại nhập khẩu như hệ thống định mức GSD (General Sewing Data), TMIS, IED hay Janets-Juki chủ yếu hỗ trợ đo định mức thời gian và trực quan hóa biểu đồ phụ tải (Load Profile), thiếu các thuật toán tối ưu hóa tự động thích ứng với đặc thù sản xuất linh hoạt. Trên bình diện học thuật quốc tế, các mô hình cân bằng dây chuyền lắp ráp truyền thống SALBP (Simple Assembly Line Balancing Problem) thường đặt ra những giả định lý thuyết phi thực tế: mỗi vị trí làm việc chỉ có một công nhân, thời gian nguyên công không vượt quá nhịp chuyền, và bỏ qua ràng buộc về tính tương thích của thiết bị may chuyên dùng.

Luận án của nghiên cứu sinh Đinh Mai Hương tại Trường Đại học Bách Khoa Hà Nội (chuyên ngành Công nghệ dệt, may; mã số 9540204; dưới sự hướng dẫn của PGS. Phan Thanh Thảo và PGS. Nguyễn Đức Nghĩa) đã giải quyết triệt để bài toán này thông qua việc thiết lập ba mô hình và thuật toán tương ứng:

  • Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để cực tiểu hóa số lượng công nhân $N$ và cực đại hóa hiệu suất cân bằng $H$ khi biết trước công suất thiết kế $P_{tk}$ trong điều kiện sản xuất dệt kim thực tế? (Mô hình GALB-1).
  • Câu hỏi nghiên cứu 2 (RQ2): Làm thế nào để cực tiểu hóa nhịp dây chuyền $R$ và tối đa hóa hiệu suất $H$ khi bị giới hạn bởi số lượng công nhân sẵn có $N_{tk}$? (Mô hình GALB-2).
  • Câu hỏi nghiên cứu 3 (RQ3): Xác định nhịp dây chuyền tối ưu toàn cục $R^*$ nhằm đồng thời cực đại hóa hiệu suất cân bằng $H$ và cực tiểu hóa nhân sự $N$ như thế nào? (Mô hình GALB-E).

Các giả thuyết nghiên cứu được kiểm chứng gồm:

  • Giả thuyết 1 (H1): Thuật toán lai ghép Meta-Heuristic Luyện kim (Simulated Annealing - SA) và Heuristic Tham lam (Greedy - Gr) cho chất lượng hội tụ và hiệu suất cân bằng vượt trội so với các thuật toán truyền thống và thuật toán Di truyền (Genetic Algorithm - GA) độc lập.
  • Giả thuyết 2 (H2): Việc tích hợp ràng buộc hình thành nguyên công sản xuất bội và tương thích thiết bị công nghệ sẽ giảm thiểu ứ đọng bán thành phẩm (BTP) và rút ngắn tổng lộ trình vận chuyển trên mặt bằng xưởng may.
  • Giả thuyết 3 (H3): Hệ thống hóa các thông số khoảng cách đặt tập BTP và số lớp bán thành phẩm giúp cực tiểu hóa mức hao phí thời gian thao tác trung bình của công nhân.

Khung lý thuyết của luận án tích hợp chặt chẽ giữa Lý thuyết Tối ưu hóa Tổ hợp (Combinatorial Optimization), Lý thuyết Đồ thị (Graph Theory) với Kỹ thuật Công nghiệp (Industrial Engineering) trong ngành may. Phạm vi nghiên cứu tập trung vào dòng sản phẩm dệt kim điển hình (áo Polo-Shirt và T-Shirt), kiểm nghiệm thực chứng tại Nhà máy May Đồng Văn (Tổng công ty CP Dệt May Hà Nội) và Công ty TNHH May Đức Giang.

+-----------------------------------------------------------------------------+
|                      KHUNG PHÂN TÍCH TỐI ƯU CÂN BẰNG DÂY CHUYỀN             |
+-----------------------------------------------------------------------------+
                                       |
    +----------------------------------+----------------------------------+
    |                                  |                                  |
    v                                  v                                  v
[Mô hình GALB-1]               [Mô hình GALB-2]               [Mô hình GALB-E]
- Cho trước: Công suất P_tk    - Cho trước: Số công nhân N_tk - Tìm nhịp chuyền R* tối ưu
- Mục tiêu: Min N, Max H       - Mục tiêu: Min R, Max H       - Mục tiêu: Max H, Min N
- Thuật toán: SA kết hợp Gr    - Thuật toán: SA kết hợp Gr    - Thuật toán: Luyện kim (SA)
    |                                  |                                  |
    +----------------------------------+----------------------------------+
                                       |
                                       v
                    [Phần mềm tự động hóa ALBS V1.0]
                                       |
                                       v
                 [Thực nghiệm xưởng may: Polo-Shirt & T-Shirt]
                 (Nhà máy May Đồng Văn & May Đức Giang)

Literature Review và Positioning

Nghiên cứu cân bằng chuyền có lịch sử phát triển từ nền tảng toán học của Salveson (1955) và phân tích dây chuyền của Helgeson (1954). Baybars (1986) đã hệ thống hóa và phân chia bài toán thành hai nhánh lớn: Cân bằng dây chuyền đơn giản (SALB) và Cân bằng dây chuyền tổng quát (GALB). Tiếp đó, Ghosh và Gagnon (1989) phân loại theo tính chất ngẫu nhiên và mô hình sản phẩm gồm bốn nhóm: SMD (Single Model Deterministic), SMS (Single Model Stochastic), MMD (Multi/Mixed Model Deterministic), và MMS (Multi/Mixed Model Stochastic). Scholl và Becker (2006) chuẩn hóa bài toán SALBP thành các biến thể SALBP-1 (cố định nhịp $R$, tối thiểu số trạm), SALBP-2 (cố định số trạm $N$, tối thiểu nhịp $R$), SALBP-E (tối ưu hóa đồng thời $R$ và $N$ để tối đa hóa hiệu suất $H$), và SALBP-F (kiểm tra tính khả thi).

Trong trường phái Heuristic, các quy tắc kinh điển đã được ứng dụng rộng rãi: phương pháp Xếp hạng trọng số vị trí RPW (Helgeson và Birnie, 1961), quy tắc Hoffman (1963), phương pháp Moodie và Young (1965) tập trung tối ưu chỉ số trơn (Smoothness Index - SI), thuật toán Kilbridge và Wester (1961), kỹ thuật COMSOAL (Arcus, 1966), và kỹ thuật cân bằng xác suất (El-Sayed và Boucher, 1994). Tuy nhiên, các kỹ thuật heuristic đơn lẻ này dễ rơi vào cực trị địa phương khi không gian tìm kiếm bùng nổ tổ hợp.

Các tranh luận khoa học quốc tế gần đây phân tách thành hai luồng quan điểm:

  1. Trường phái Mô phỏng (Simulation): Senem Kurşun Bahadır (2011) sử dụng phần mềm Incontrol mô phỏng chuyền may quần Jean gồm 40 công đoạn; Mahmut Kayar và cộng sự (2014) dùng phần mềm Arena mô phỏng chuyền may áo dệt kim. Nhóm tác giả này lập luận rằng mô phỏng phản ánh trực quan động học chuyền và hiện tượng nghẽn cổ chai. Tuy nhiên, điểm hạn chế căn bản là mô phỏng mang tính thử - sai (trial-and-error), phụ thuộc vào kinh nghiệm người thiết kế và không đảm bảo tính tối ưu toán học toàn cục.
  2. Trường phái Giải thuật Tiến hóa & Meta-Heuristic (Evolutionary Computation): C. Chan và cộng sự (1998), Wong và cộng sự (2006), Guo và cộng sự (2015) áp dụng thuật toán Di truyền (GA) để phân công lao động và lập lịch chuyền may. Mặc dù GA mở rộng không gian tìm kiếm, các nghiên cứu này giả định người công nhân có thể đảm nhiệm bất kỳ công đoạn nào hoặc thay đổi trạm làm việc liên tục, làm phá vỡ tính chuyên môn hóa và gây xáo trộn đường đi BTP.

So sánh với các công trình quốc tế tiêu biểu:

  • Nghiên cứu của G. Karabay (2013): Khảo sát chuyền may áo blouse nữ (26 nguyên công), kết hợp thuật toán RPW với các giới hạn nhịp thực tế ($PT-1$, $PT-2$), đạt hiệu suất chuyền $Le = 97,4%$ và $SI = 11,84$. Tuy nhiên, nghiên cứu chỉ dừng lại ở bài toán đơn mục tiêu khi cho trước nhịp chuyền cố định và chưa xây dựng công cụ phần mềm tối ưu tự động.
  • Nghiên cứu của Mahmut Kayar và cộng sự (2015): So sánh 5 phương pháp Heuristic (RPW, Hoffman, COMSOAL, Moodie-Young, Kilbridge-Wester) trên chuyền áo T-Shirt (15 nguyên công), thu được $Le = 72,89%$. Kết quả chỉ ra khi dữ liệu nhỏ, các heuristic không tạo ra sự khác biệt rõ rệt và sơ đồ công nghệ bị vi phạm do di chuyển qua lại giữa các trạm.
  • Nghiên cứu của Eryuruk và cộng sự (2008, 2011): Ứng dụng RPW và cân bằng xác suất cho quần âu và chuyền chữ U áo váy nữ. Mặc dù cho phép nguyên công bội $\le 3$, nghiên cứu lại cho phép gộp nhiều loại thiết bị khác nhau cho một vị trí làm việc, gây khó khăn cho vận hành công nghiệp.

Luận án của Đinh Mai Hương định vị chính xác ở điểm giao thoa: mở rộng bài toán GALB với đầy đủ các ràng buộc thực tiễn của công nghệ may dệt kim Việt Nam (nguyên công bội, tương thích máy may chuyên dùng, quy trình định mức chuẩn GSD/IED, tối ưu mặt bằng bố trí và đường đi BTP), đồng thời phát triển thuật toán lai ghép SA-Greedy khắc phục triệt để nhược điểm chạy chậm của GA và bẫy cực trị của Heuristic truyền thống.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đã mở rộng khung lý thuyết cân bằng chuyền tổng quát (GALB) từ nền tảng của Baybars (1986) và Scholl & Becker (2006), chuyển dịch từ mô hình lý thuyết đóng sang mô hình kỹ thuật - công nghệ mở:

  • Mở rộng lý thuyết phân bổ nguyên công: Bổ sung điều kiện biên thực tế khi thời gian của nguyên công công nghệ $t_i$ lớn hơn nhịp dây chuyền $R$ ($t_i > R$). Trong lý thuyết SALBP cổ điển, điều này là bất khả thi; luận án giải quyết bằng cấu trúc toán học cho phép phân rã và thiết lập "nguyên công sản xuất bội" với $k$ lao động cùng đảm nhiệm song song, thỏa mãn tải trọng trạm: $$\frac{\sum_{i \in S_m} t_i}{k_m} \le R$$
  • Thiết lập hệ tiên đề ràng buộc thiết bị chuyên dùng: Khác với các dây chuyền gia công cơ khí hay lắp ráp điện tử, dây chuyền may phụ thuộc vào chủng loại máy (máy may 1 kim thoi, máy vắt sổ 2 kim 4 chỉ, máy trần đè Kansai, máy thùa, đính cúc, bàn là ủi ép). Luận án bổ sung ma trận ràng buộc công nghệ $M_{ij} \in {0, 1}$, chỉ cho phép phối hợp các nguyên công công nghệ (NCCN) thành nguyên công sản xuất (NCSX) khi chúng đồng nhất về nhóm thiết bị hoặc có tính tương hỗ công nghệ.
  • Đề xuất 3 mệnh đề tối ưu hóa (Propositions):
    • Mệnh đề 1 (P1): Sự kết hợp giữa cơ chế nhảy ngẫu nhiên chấp nhận nghiệm kém hơn của Luyện kim ($P = \exp(-\Delta E / T)$) với chiến lược gán nhanh theo thứ tự đồ thị định hướng của Tham lam triệt tiêu hiện tượng thắt nút cổ chai cục bộ trong thời gian đa thức hữu hạn.
    • Mệnh đề 2 (P2): Hiệu suất cân bằng $H$ đạt cực đại khi và chỉ khi phương sai thời gian giữa các vị trí làm việc $\sigma^2_{ST}$ tiến về 0 và số lao động $N$ tiệm cận cận dưới lý thuyết $N_{min} = \lceil \sum t_i / R \rceil$.
    • Mệnh đề 3 (P3): Đường đi BTP trên mặt bằng xưởng đạt trạng thái tối ưu xuôi dòng (monotone feedforward) khi quan hệ thứ tự topo trên đồ thị có hướng không chu trình (DAG) trùng khớp hoàn toàn với vị trí tọa độ vật lý của các trạm may.

Khung phân tích độc đáo

Khung phân tích của luận án là sự hợp nhất của ba trụ cột lý thuyết:

  1. Lý thuyết Tối ưu hóa Tổ hợp & Khoa học Máy tính: Biểu diễn quy trình công nghệ may dưới dạng đồ thị có hướng không chu trình $G = (V, E)$, trong đó $V = {1, 2, \dots, n}$ là tập hợp $n$ nguyên công công nghệ với mức thời gian $t_i > 0$, và $E \subset V \times V$ là tập hợp các cung thể hiện quan hệ ưu tiên công nghệ trước - sau.
  2. Kỹ thuật Công nghiệp (Industrial Engineering) & Định mức Lao động: Chuẩn hóa thời gian NCCN dựa trên bảng định mức quốc tế GSD và phương pháp đo lường thời gian MTM kết hợp bấm giờ thực tế đa thời điểm.
  3. Ergonomics & Thiết kế Mặt bằng Nhà xưởng: Tích hợp phương pháp quy hoạch mặt bằng xưởng may theo dòng chảy vật tư liên tục, phân tích vi chuyển động của công nhân khi lấy - nhả bán thành phẩm.

Điều kiện biên (Boundary conditions): Khung phân tích áp dụng tối ưu cho các dây chuyền may sản phẩm dệt kim có cấu trúc liên hợp không chia nhóm hoặc liên hợp nhóm, bố trí theo 2 hàng dọc hoặc hàng ngang, với chủng loại thiết bị xác định và đơn hàng ổn định trong kỳ sản xuất.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ thế giới quan thực chứng (Positivism) với phương pháp tiếp cận định lượng tối ưu hóa thực nghiệm (Quantitative Experimental Optimization). Thiết kế nghiên cứu đa tầng bậc (Multi-level design) được cấu trúc chặt chẽ:

  • Tầng vi mô (Micro-level): Khảo sát vi thao tác của công nhân, xác định thời gian gia công $t_i$ qua hệ thống GSD và bấm giờ trực tiếp có hiệu chỉnh hệ số đánh giá tốc độ làm việc.
  • Tầng trung mô (Meso-level): Thiết lập ma trận quan hệ công nghệ, mô hình hóa toán học 3 bài toán GALB-1, GALB-2, GALB-E và phát triển giải thuật lai ghép SA-Greedy.
  • Tầng vĩ mô (Macro-level): Tích hợp thuật toán vào phần mềm ALBS V1.0, quy hoạch mặt bằng dây chuyền xưởng may và thực nghiệm sản xuất trên quy mô công nghiệp tại hai nhà máy may lớn.

Mẫu nghiên cứu thực nghiệm là quy trình công nghệ may áo Polo-Shirt dệt kim hoàn chỉnh gồm 38 nguyên công công nghệ chuẩn, được tiến hành khảo sát và chạy thực nghiệm trên các chuyền may thực tế quy mô từ 20 đến 45 công nhân.

+-----------------------------------------------------------------------------+
|                      SƠ ĐỒ THUẬT TOÁN LAI GHÉP SA-GREEDY                    |
+-----------------------------------------------------------------------------+
                                       |
                                       v
                     [Khởi tạo: Nhiệt độ ban đầu T_0, 
                    Tập NCCN, Ma trận ràng buộc DAG]
                                       |
                                       v
                     [Thuật toán Tham lam (Greedy): 
               Sắp xếp NCCN theo bậc topo & quy tắc tải trọng]
                                       |
                                       v
                    <-- [Tạo phương án cân bằng chuyền S]
                   |                   |
                   |                   v
                   |     [Đánh giá hàm mục tiêu: 
                   |      N (số công nhân) & H (hiệu suất)]
                   |                   |
                   |                   v
                   |     [Sinh lời giải lân cận S' qua hoán vị/chuyển trạm]
                   |                   |
                   |                   v
                   |     [Tính toán biến thiên hàm mục tiêu: \Delta E = f(S') - f(S)]
                   |                   |
                   |                   v
                   |        <\Delta E <= 0 hoặc exp(-\Delta E / T) > rand(0,1)?>
                   |             /                           \
                   |          (Có)                           (Không)
                   |           /                               \
                   |    [Chấp nhận S = S']              [Giữ nguyên S]
                   |           \                               /
                   |            ------> [Giảm nhiệt độ: T = \alpha * T]
                   |                               |
                   |                               v
                    ----------- <T < T_min hoặc Đạt số bước lặp max?>
                                                   | (Đúng)
                                                   v
                                        [Xuất phương án tối ưu: 
                                      Bố trí trạm, nhịp R, hiệu suất H]

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được thực hiện qua các giai đoạn chuẩn hóa:

  1. Thu thập và làm sạch dữ liệu định mức: Dữ liệu thời gian của 38 NCCN áo Polo-Shirt được đối sánh chéo giữa hệ thống quản lý TMIS, định mức chuẩn GSD và bấm giờ trực tiếp 10 chu kỳ lặp lại cho mỗi vị trí làm việc nhằm loại bỏ các dị biệt ngoại lai (outliers).
  2. Xây dựng đồ thị DAG: Mã hóa quan hệ ưu tiên công nghệ thành ma trận vuông $(n \times n)$, đảm bảo không tồn tại chu trình kín (cycle-free).
  3. Thuật toán giải bài toán GALB-1 (Cho trước công suất $P_{tk}$): Nhịp dây chuyền được tính toán chính xác theo công thức luận án: $$R = \frac{T_{lv}}{P_{tk}} \quad (\text{giây})$$ (với $T_{lv}$ là thời gian một ca sản xuất, ví dụ 28.800 giây cho ca 8 giờ). Mục tiêu là $\min N = \sum k_m$ và $\max H = \frac{\sum t_i}{N \cdot R} \cdot 100%$. Thuật toán kết hợp SA-Greedy duyệt qua các danh sách ưu tiên, gán NCCN vào các trạm thỏa mãn tải trọng $ST_m \le k_m \cdot R$ và ràng buộc thiết bị.
  4. Thuật toán giải bài toán GALB-2 (Cho trước số lượng công nhân $N_{tk}$): Nhịp cơ sở ban đầu xác định theo: $$R = \frac{T_{sp}}{N_{tk}} \quad (\text{giây})$$ (với $T_{sp} = \sum_{i=1}^n t_i$). Thuật toán điều chỉnh biên độ nhịp để cực tiểu hóa $R$ thực tế mà không làm vượt tải bất kỳ trạm nào.
  5. Thuật toán giải bài toán GALB-E (Tìm nhịp tối ưu toàn cục $R^*$): Sử dụng giải thuật Luyện kim biến đổi để quét dải nhịp khả thi $R \in [\max(t_i), \sum t_i]$, giải bài toán con cực đại hóa $H$ và cực tiểu hóa $N$, xuất ra điểm cân bằng tối ưu Pareto.
  6. Kiểm tra độ tin cậy và giá trị thực nghiệm: Đo kiểm phương sai thời gian gia công qua phân tích ANOVA, đánh giá hệ số tin cậy đo lường và tính ổn định của các bước lặp thuật toán.

Data và phân tích

  • Công cụ và Môi trường phát triển: Thuật toán được lập trình trên ngôn ngữ C++/C#, đóng gói hoàn chỉnh thành phần mềm thương dụng hóa học thuật ALBS V1.0 (Assembly Line Balancing Software Version 1.0).
  • Bộ thông số giải thuật Meta-Heuristic:
    • Thuật toán Luyện kim (SA): Nhiệt độ ban đầu $T_0 = 1000^\circ\text{C}$, nhiệt độ kết thúc $T_{min} = 0.001^\circ\text{C}$, hệ số giảm nhiệt độ $\alpha = 0.95$, số bước lặp tại mỗi mức nhiệt độ $L = 100$.
    • Thuật toán Di truyền (GA) dùng đối chứng: Kích thước quần thể $Pop_Size = 50 - 100$, xác suất lai ghép $P_c = 0.8$, xác suất đột biến $P_m = 0.05$, số thế hệ $Gen = 500$.
  • Xử lý vi khí hậu và điều kiện tổ chức: Thực nghiệm xác định khoảng cách đặt tập bán thành phẩm tối ưu $L_{BTP} = 20 - 30\text{ cm}$ bên tay trái vị trí kim may; số lớp trong tập BTP tối ưu từ 5 đến 10 sản phẩm/bó, giúp giảm thời gian nhặt - đặt chi tiết từ 8% đến 12% so với thao tác tự do.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Hiệu năng vượt trội của thuật toán lai ghép SA-Greedy: Kết quả kiểm thử các bộ dữ liệu quy trình công nghệ cho thấy thuật toán SA-Greedy giải quyết triệt để bài toán GALB-1 và GALB-2 trong thời gian tính toán trung bình dưới 3,5 giây cho quy trình lên tới 50 nguyên công. So sánh với thuật toán Di truyền (GA), SA-Greedy đạt hiệu suất cân bằng cao hơn từ 2,1% đến 4,8% và không bị phân tán nghiệm.
  2. Khắc phục hiện tượng nghẽn dòng nhờ cơ chế nguyên công bội: Luận án chứng minh rằng việc cho phép thành lập các nguyên công sản xuất bội đối với các công đoạn có thời gian định mức lớn (như tra tay, may cổ Polo, may nẹp áo) giúp triệt tiêu hoàn toàn các trạm thắt nút cổ chai (bottlenecks), đưa hiệu suất dây chuyền tổng thể $Le$ từ mức 65% - 72% trong thực tế lên đạt mức 88,5% - 94,6%.
  3. Tối ưu hóa đa mục tiêu với mô hình GALB-E: Phát hiện phản trực giác (counter-intuitive result) chỉ ra rằng việc tăng số lượng công nhân không đồng nghĩa với việc tăng tuyến tính năng suất chuyền nếu nhịp chuyền $R$ rơi vào điểm gãy điều hòa phụ tải. Mô hình GALB-E xác định chính xác các điểm cực trị nhịp $R^*$, giúp doanh nghiệp đạt hiệu suất cân bằng cực đại $H > 92%$ với số lượng nhân sự ít hơn từ 2 đến 3 người so với cách tính định mức truyền thống.
  4. Tối ưu hóa đường đi bán thành phẩm trên mặt bằng xưởng: Luận án trích xuất và tối ưu hóa thành công sơ đồ bố trí thiết bị theo hai hàng dọc ngược chiều và cùng chiều có hỗ trợ bàn trung chuyển cố định. Việc chuẩn hóa sơ đồ công nghệ giúp tổng chiều dài dịch chuyển của BTP trên toàn bộ quy trình may Polo-Shirt giảm 28,4%, loại bỏ hoàn toàn các cung di chuyển ngược chiều (backtracking).

Luận án khẳng định rõ: "Dây chuyền cân bằng về phụ tải sẽ loại bỏ được các nguyên công bị quá tải dẫn đến công việc bị đình trệ, ùn tắc cũng như các nguyên công non tải gây lãng phí thời gian do phải dừng chờ việc trên dây chuyền, giảm thiểu tối đa bán thành phẩm tồn trên dây truyền, chuyên môn hóa công việc của công nhân, tăng năng suất lao động, kiểm soát được quá trình sản xuất".

Tiêu chí Đánh giá Phương pháp Thủ công (Excel/Kinh nghiệm) Heuristic Cổ điển (RPW/Hoffman) Mô phỏng Rời rạc (Arena/Incontrol) Thuật toán Đề xuất (SA-Gr / ALBS V1.0)
Hiệu suất cân bằng ($H$) 60,0% - 72,0% 72,8% - 82,2% 78,0% - 85,0% 88,5% - 94,6%
Xử lý NCCN có $t_i > R$ Chia tách trực giác Bất khả thi / Vi phạm Thêm trạm thủ công Tự động lập NCSX bội
Ràng buộc loại thiết bị Khó kiểm soát đa biến Bị bỏ qua Cài đặt phức tạp Mã hóa ma trận tương thích
Thời gian tính toán 4 - 8 giờ làm việc Vài giây 2 - 5 giờ thiết lập < 5 giây
Chỉ số trơn phụ tải ($SI$) Cao ($> 25,0$) Trung bình ($15 - 20$) Biến động mạnh Thấp nhất ($8,5 - 12,0$) 
+-----------------------------------------------------------------------------+
|               SO SÁNH HIỆU SUẤT CÂN BẰNG CHUYỀN (H %) THEO PHƯƠNG PHÁP      |
+-----------------------------------------------------------------------------+
Thủ công (Excel)   : [=======================>                  ] 68.5%
Heuristic (RPW)    : [=============================>            ] 78.4%
Mô phỏng (Arena)   : [=================================>        ] 82.1%
SA-Gr (ALBS V1.0)  : [=======================================>  ] 94.6%
+-----------------------------------------------------------------------------+

Implications đa chiều

  • Về mặt Lý luận học thuật: Hoàn thiện lý thuyết cân bằng chuyền may công nghiệp thông qua việc toán học hóa các ràng buộc phi tuyến tính đặc thù ngành Dệt May, cung cấp nền tảng liên ngành giữa Kỹ thuật Công nghệ May và Khoa học Máy tính.
  • Về mặt Phương pháp luận: Đưa ra khung quy trình chuẩn 6 bước từ số hóa định mức GSD, phân tích đồ thị DAG, tối ưu giải thuật đa mục tiêu đến quy hoạch mặt bằng nhà xưởng có thể chuyển giao cho mọi dạng sản phẩm may mặc khác (sơ mi, veston, jacket, đồ lót, đồ thể thao).
  • Về mặt Thực tiễn Doanh nghiệp: Phần mềm ALBS V1.0 giúp kỹ thuật chuyền rút ngắn thời gian chuẩn bị sản xuất đơn hàng mới từ hàng ngày xuống còn vài phút, giảm chi phí nhân công, giảm tồn kho bán thành phẩm trên chuyền (WIP - Work in Process) và nâng cao năng suất ca từ 15% đến 22%.
  • Về mặt Chính sách & Ngành: Cung cấp giải pháp khoa học đo lường được để ngành dệt may Việt Nam hiện thực hóa mục tiêu chuyển đổi số theo Đề án Phát triển Công nghiệp 4.0 quốc gia, gia tăng sức cạnh tranh nội tại trước áp lực tăng lương tối thiểu và các tiêu chuẩn khắt khe từ các hiệp định thương mại tự do thế hệ mới (CPTPP, EVFTA).

Limitations và Future Research

Mặc dù đạt được những kết quả đột phá, luận án thẳng thắn chỉ rõ 4 giới hạn nghiên cứu:

  1. Giả định thời gian định mức xác định (Deterministic): Mô hình toán học hiện tại giả định thời gian thực hiện $t_i$ của mỗi nguyên công là hằng số xác định chuẩn, chưa tích hợp đầy đủ yếu tố dao động ngẫu nhiên do tâm sinh lý lao động, mệt mỏi theo giờ làm việc, hoặc sự cố hỏng hóc máy móc bất khả kháng (Stochastic conditions).
  2. Phạm vi chủng loại vật liệu và sản phẩm: Dữ liệu kiểm chứng tập trung chủ yếu vào nhóm sản phẩm vải dệt kim (Polo-Shirt, T-Shirt) có mức độ co giãn cơ học đặc thù; chưa mở rộng kiểm thử chuyên sâu cho các sản phẩm phức tạp nhiều lớp có cấu trúc tạo dáng cao như áo Veston, Jacket 3 lớp chống thấm.
  3. Mô hình hóa tay nghề công nhân: Giả định trình độ công nhân tại các vị trí chuyên môn hóa là đồng đều sau thời gian rèn luyện thao tác ban đầu; chưa tích hợp hàm phân phối đường cong học tập (Learning Curve) trong giai đoạn rải chuyền những ngày đầu của mã hàng mới.
  4. Cấu trúc dây chuyền: Tập trung vào dây chuyền liên hợp thẳng và chữ U truyền thống; chưa mở rộng tối ưu hóa cho các hệ thống chuyền treo tự động thông minh đa tầng (Smart Overhead Suspension Conveyor Systems).

Chương trình nghiên cứu 10 năm tiếp theo (Future Research Agenda):

  • Giai đoạn 1 (1 - 3 năm): Phát triển thuật toán cân bằng chuyền ngẫu nhiên (Stochastic ALBP) và cân bằng chuyền cho mô hình sản xuất nhiều mã hàng kết hợp đồng thời (Mixed-Model Assembly Line Balancing - MALBP) trên nền tảng ALBS V2.0.
  • Giai đoạn 2 (3 - 5 năm): Tích hợp công nghệ thu thập dữ liệu thời gian thực thông qua mạng cảm biến IoT gắn trên máy may và thẻ nhận dạng vô tuyến RFID để thuật toán có khả năng tái cân bằng chuyền động (Dynamic Real-time Rebalancing) ngay khi xảy ra ùn tắc.
  • Giai đoạn 3 (5 - 10 năm): Ứng dụng Học máy (Machine Learning) và Trí tuệ Nhân tạo Tăng cường (Reinforcement Learning) để dự báo chính xác đường cong học tập của từng công nhân dựa trên dữ liệu lịch sử thao tác, tối ưu hóa phân công nhân sự mang tính cá nhân hóa cao.

Tác động và ảnh hưởng

  • Tác động Học thuật (Academic Impact): Công trình là cầu nối tiên phong tại Việt Nam giữa ngành Công nghệ Dệt May và Khoa học Dữ liệu / Tối ưu hóa. Các bài báo khoa học xuất bản từ luận án trên các tạp chí chuyên ngành uy tín trong nước và quốc tế tạo tiền đề hình thành nhóm nghiên cứu mạnh về Chuyển đổi số Công nghiệp May.
  • Chuyển đổi Công nghiệp (Industry Transformation): Ứng dụng trực tiếp giải pháp phần mềm ALBS V1.0 tại Tổng công ty CP Dệt May Hà Nội và May Đức Giang đã chứng minh tính khả thi tuyệt đối, mang lại lợi ích kinh tế hàng trăm triệu đồng mỗi năm trên mỗi dây chuyền may nhờ tiết kiệm nhân lực và tăng sản lượng.
  • Tác động Xã hội và Môi trường: Tối ưu hóa dây chuyền giúp giảm tải cường độ lao động căng thẳng cho công nhân may, loại bỏ thời gian làm thêm giờ (overtime) do nghẽn chuyền, cải thiện điều kiện làm việc và tối ưu hóa tiêu thụ năng lượng điện của hệ thống thiết bị nhà xưởng.
  • Vị thế Quốc tế: Đưa các nghiên cứu ứng dụng công nghệ may của Việt Nam tiệm cận với các trung tâm nghiên cứu dệt may tiên tiến tại Thổ Nhĩ Kỳ, Hồng Kông, Đức và Hoa Kỳ.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Giới Viện - Trường: Kế thừa hệ thống mô hình toán học GALB-1, GALB-2, GALB-E, bộ dữ liệu chuẩn 38 NCCN áo Polo-Shirt và mã nguồn thuật toán tối ưu hóa để tiếp tục phát triển các đề tài mở rộng.
  • Kỹ sư Kỹ thuật Công nghiệp (IE) & Quản lý Sản xuất Nhà máy: Sở hữu phương pháp luận chuẩn xác và công cụ phần mềm ALBS V1.0 để thay thế hoàn toàn công việc tính toán thủ công, nâng cao độ chính xác trong lập kế hoạch và điều độ sản xuất.
  • Các Nhà hoạch định Chính sách & Hiệp hội Dệt May (VITAS): Tiếp cận luận cứ khoa học thực chứng để xây dựng các bộ tiêu chuẩn định mức kỹ thuật quốc gia và ban hành lộ trình hỗ trợ doanh nghiệp vừa và nhỏ chuyển đổi số nhà máy may.
  • Người Lao động Trực tiếp: Hưởng lợi từ sự phân bổ khối lượng công việc công bằng, nhịp nhàng, triệt tiêu thời gian nhàn rỗi không lương cũng như áp lực quá tải cục bộ.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp độc đáo nhất là việc mở rộng hệ hình lý thuyết cân bằng dây chuyền tổng quát (General Assembly Line Balancing - GALB) của Baybars (1986) và Scholl & Becker (2006) thông qua việc giải quyết đồng thời hai ràng buộc công nghệ may đặc thù: thành lập nguyên công sản xuất bội khi thời gian nguyên công vượt nhịp ($t_i > R$) và tích hợp ma trận tương thích thiết bị chuyên dùng. Luận án đã chuyển hóa bài toán tối ưu lý thuyết thành mô hình đa mục tiêu thực tế khả thi tuyệt đối trong công nghiệp dệt may.

2. Tính đổi mới trong phương pháp luận so với các công trình quốc tế đi trước?

So với các nghiên cứu Heuristic đơn lẻ của Mahmut Kayar et al. (2015) vốn dễ kẹt tại cực trị địa phương, và nghiên cứu GA của C. Chan et al. (1998) hay Wong et al. (2006) vốn có thời gian hội tụ chậm và làm xáo trộn đường đi BTP, luận án đã kiến tạo thuật toán lai ghép Meta-Heuristic Luyện kim kết hợp Tham lam (SA-Greedy). Thuật toán tận dụng tốc độ khởi tạo phương án theo topo của Greedy và khả năng vượt bẫy cực trị của SA, đem lại nghiệm tối ưu toàn cục ổn định trong thời gian dưới 5 giây.

3. Phát hiện bất ngờ nhất được chứng minh bằng dữ liệu là gì?

Phát hiện chỉ ra rằng việc gia tăng số lượng công nhân trên chuyền không làm giảm tỷ lệ nghịch nhịp chuyền một cách liên tục mà xuất hiện các "vùng trễ hiệu suất" (efficiency dead zones) nếu việc phối hợp NCCN tạo ra độ lệch phụ tải lớn giữa các nhóm máy chuyên dùng. Mô hình GALB-E đã chứng minh rằng tại một số nhịp chuyền tối ưu $R^*$, việc giảm bớt 1 đến 2 công nhân lại làm tăng hiệu suất dây chuyền tổng thể $H$ từ 82% lên 91,5% do triệt tiêu triệt để thời gian dừng chờ vi mô.

4. Luận án có cung cấp giao thức tái lập nghiên cứu (Replication Protocol) không?

Có. Luận án cung cấp chi tiết toàn bộ bảng quy trình công nghệ 38 NCCN may áo Polo-Shirt dệt kim với định mức thời gian chính xác đến phần trăm giây, sơ đồ quan hệ ưu tiên công nghệ DAG, hệ thống phương trình toán học của 3 bài toán GALB, mã giả (pseudocode) của các giải thuật SA-Greedy, và kiến trúc chức năng module của phần mềm ALBS V1.0, cho phép các nhà khoa học độc lập tái lập hoàn toàn kết quả thực nghiệm.

5. Lộ trình nghiên cứu 10 năm tới được phác thảo ra sao?

Lộ trình định hướng phát triển từ hệ thống cân bằng xác định tĩnh hiện tại sang hệ thống điều hành sản xuất thông minh (MES) tích hợp cân bằng chuyền động theo thời gian thực (Dynamic Real-time Rebalancing) dựa trên công nghệ Internet vạn vật (IoT), thẻ RFID và Trí tuệ nhân tạo (AI/Machine Learning) nhằm thích ứng tức thời với các biến động sản xuất thực tế trên chuyền may dệt kim thông minh.

Kết luận

  1. Thiết lập hoàn chỉnh hệ thống 3 bài toán tối ưu cân bằng chuyền may dệt kim: Luận án đã chuẩn hóa toán học bài toán GALB-1 (tối thiểu nhân sự theo công suất cho trước), GALB-2 (tối thiểu nhịp theo nhân sự cho trước) và GALB-E (tìm nhịp tối ưu toàn cục để tối đa hóa hiệu suất cân bằng).
  2. Đề xuất giải thuật lai ghép đột phá SA-Greedy: Kết hợp xuất sắc tính ưu việt của thuật toán Luyện kim và thuật toán Tham lam, giải quyết bài toán NP-khó với thời gian tính toán thực tế vượt trội và chất lượng nghiệm tiệm cận tối ưu toàn cục.
  3. Phát triển thành công phần mềm ALBS V1.0: Đóng gói toàn bộ các thuật toán tối ưu vào phần mềm ứng dụng chuyên ngành có giao diện trực quan, tính toán tự động việc phân công lao động, bố trí trạm may và vẽ sơ đồ phụ tải.
  4. Xác lập chuẩn xác các điều kiện tổ chức sản xuất tối ưu: Xác định kích thước tập BTP (5 - 10 sản phẩm/bó), khoảng cách đặt vật tư (20 - 30 cm) và quy hoạch sơ đồ mặt bằng di chuyển BTP xuôi dòng, giảm 28,4% quãng đường vận chuyển nội chuyền.
  5. Giá trị thực tiễn và hiệu quả kinh tế được kiểm chứng: Triển khai thành công tại Nhà máy May Đồng Văn và May Đức Giang, nâng hiệu suất dây chuyền may sản phẩm Polo-Shirt đạt trên 90%, giảm thiểu lãng phí và khẳng định năng lực ứng dụng công nghệ 4.0 vào thực tiễn ngành dệt may Việt Nam.
  6. Mở ra các hướng nghiên cứu chuyển giao công nghệ mới: Đặt nền móng vững chắc cho các nghiên cứu tiếp theo về dây chuyền may đa mã hàng ngẫu nhiên (MMS/MALBP) và hệ thống cân bằng chuyền tự động thông minh thời gian thực.