I. Tổng Quan Phân Tích Hiệu Suất Sản Xuất Bằng Process Mining
Trong bối cảnh toàn cầu hóa và yêu cầu ngày càng cao của khách hàng, các doanh nghiệp sản xuất phải cạnh tranh dựa trên ba yếu tố chính: thời gian, chi phí và chất lượng. Việc liên tục cải tiến hiệu suất quy trình sản xuất là mục tiêu lâu đời. Tuy nhiên, cuộc cách mạng công nghiệp 4.0 và sự phát triển của công nghệ số đã mở ra những hướng đi mới, kết nối hệ thống thông tin và quy trình vận hành. Do đó, doanh nghiệp đối mặt thách thức trong việc khai thác giá trị từ lượng lớn dữ liệu sự kiện được ghi lại. Process Mining nổi lên như một công cụ giá trị để quan sát và chẩn đoán các điểm không hiệu quả trong quy trình, dựa trên dữ liệu sự kiện. Tu Thi Bich Hong (2016) đã đề xuất một framework phân tích hiệu suất dựa trên Process Mining, tập trung vào chi phí và chất lượng.
1.1. Vai Trò Của Dữ Liệu Quy Trình Sản Xuất Trong Phân Tích
Dữ liệu quy trình sản xuất, thu thập từ các hệ thống như MES và ERP, đóng vai trò then chốt trong việc áp dụng Process Mining. Dữ liệu này ghi lại các sự kiện, hoạt động, thời gian, và nguồn lực liên quan đến quy trình sản xuất. Phân tích dữ liệu này giúp xác định các nút thắt cổ chai, biến động quy trình, và sự không tuân thủ. Việc thiếu công cụ phù hợp để phân tích lượng lớn dữ liệu là một thách thức, nhưng Process Mining cung cấp một giải pháp tiềm năng.
1.2. Giới Thiệu Khái Quát Về Khai Thác Quy Trình Process Mining
Khai thác quy trình (Process Mining) là một kỹ thuật phân tích dữ liệu, tập trung vào việc khám phá, theo dõi, và cải thiện quy trình thực tế bằng cách trích xuất kiến thức từ nhật ký sự kiện (event logs). Nó được chia thành ba loại chính: khám phá, tuân thủ và mở rộng. Khám phá tạo ra mô hình quy trình từ dữ liệu. Tuân thủ so sánh mô hình với hành vi thực tế. Mở rộng cải thiện mô hình ban đầu bằng cách xem xét các thuộc tính khác như thời gian và chi phí. Process Mining cung cấp cái nhìn sâu sắc về quy trình (Phân tích hiệu suất sản xuất) và hỗ trợ ra quyết định.
II. Vấn Đề Thách Thức Phân Tích Chi Phí và Chất Lượng Sản Xuất
Các doanh nghiệp trong ngành sản xuất phải liên tục giảm Chi phí sản xuất và nâng cao Chất lượng sản phẩm. Tuy nhiên, việc phân tích Chi phí sản xuất gặp nhiều khó khăn do tính phức tạp của quy trình. Chi phí cho một công việc cụ thể hoặc nguồn lực cá nhân khó xác định. Các câu hỏi liên quan đến chi phí chỉ được trả lời khi quy trình kết thúc. Việc cải thiện Chất lượng sản phẩm cũng đối mặt thách thức, bao gồm việc xác định điểm bắt đầu và đánh giá hiệu quả của các thay đổi. Do đó, các khía cạnh chất lượng thường bị bỏ qua. Cần có phương pháp phù hợp để truy cập trạng thái chi phí và chất lượng của từng giai đoạn.
2.1. Hạn Chế Của Các Phương Pháp Phân Tích Truyền Thống
Các phương pháp phân tích hiệu suất sản xuất truyền thống như thống kê, khai thác dữ liệu và mô phỏng có những hạn chế nhất định. Kết quả thống kê và khai thác dữ liệu đôi khi quá phức tạp để hiểu. Mô phỏng tốn quá nhiều thời gian và chi phí để xây dựng mô hình quy trình sản xuất phức tạp. Các kỹ thuật kiểm soát chất lượng như Six Sigma và TQM chưa cung cấp giải pháp đầy đủ. Process Mining mang lại tiềm năng giải quyết những hạn chế này.
2.2. Thiếu Tập Trung Vào Chi Phí và Chất Lượng Trong Process Mining
Mặc dù Process Mining đã được nghiên cứu rộng rãi, nhưng nó thường tập trung vào thời gian và nguồn lực hơn là chi phí và chất lượng. Nghiên cứu về cost mining còn hạn chế. Các nghiên cứu hiện có chưa xem xét đến quy trình sản xuất, nơi chi phí phụ thuộc vào cả thời gian và sản lượng. Do đó, cần có một phương pháp phù hợp để xử lý toàn bộ quy trình cost và chất lượng trong lĩnh vực sản xuất. Cần phát triển một mô hình Chi phí sản xuất dựa trên đặc điểm của chi phí sản xuất.
III. Giải Pháp Ứng Dụng Process Mining Phân Tích Chi Phí Sản Xuất
Process Mining có thể giúp các nhà quản lý hiểu rõ hơn về Chi phí sản xuất bằng cách cung cấp cái nhìn chi tiết về các hoạt động tốn kém nhất. Bằng cách kết hợp dữ liệu sự kiện với thông tin chi phí, có thể xác định các quy trình tốn kém và các nguyên nhân gây ra chúng. Khai thác quy trình (Process Mining) cho phép phân tích chi phí theo hoạt động (ABC), giúp xác định chi phí trực tiếp (vật liệu, lao động) và chi phí gián tiếp. Nauta (2009) đã đề xuất kiến trúc hỗ trợ nhận thức về chi phí trong Process Mining.
3.1. Mở Rộng Event Log Với Thông Tin Chi Phí Sản Xuất
Để phân tích Chi phí sản xuất bằng Process Mining, cần mở rộng event log với thông tin chi phí liên quan. Điều này bao gồm việc liên kết các sự kiện trong event log với chi phí vật liệu trực tiếp, chi phí lao động trực tiếp và chi phí sản xuất chung. Việc tạo ra một mô hình cơ sở dữ liệu chi phí (Cost Database Model) là cần thiết để hỗ trợ việc trích xuất mô hình chi phí từ nhiều nguồn thông tin khác nhau. Thuật toán Tu Thi Bich Hong (2016) đề xuất giúp mở rộng nhật ký sự kiện với Chi phí sản xuất.
3.2. Phân Tích Chi Phí Sản Xuất Dựa Trên Mô Hình Quy Trình
Sau khi event log được mở rộng với thông tin chi phí, có thể phân tích chi phí dựa trên mô hình quy trình được khám phá. Điều này cho phép xác định các hoạt động tốn kém nhất và các yếu tố ảnh hưởng đến chi phí. Hình dung chi phí tích lũy và chi phí còn lại cho mỗi hoạt động giúp nhà quản lý đưa ra quyết định sáng suốt. Tu Thi Bich Hong (2016) trình bày ví dụ về phân tích chi phí với mô hình quy trình, cho thấy chi phí tích lũy và chi phí còn lại cho mỗi hoạt động.
IV. Ứng Dụng Process Mining Phân Tích Chất Lượng Sản Phẩm
Process Mining có thể được sử dụng để cải thiện Chất lượng sản phẩm bằng cách xác định các nguyên nhân gây ra lỗi và khuyết tật. Bằng cách kết hợp dữ liệu sự kiện với thông tin chất lượng, có thể xác định các quy trình có chất lượng kém và các yếu tố ảnh hưởng đến chất lượng. Khai thác quy trình (Process Mining) có thể được sử dụng để theo dõi các KPI sản xuất liên quan đến chất lượng, chẳng hạn như First Pass Yield (FPY). Son et al. (2013) đã đề xuất phương pháp phân tích quy trình sản xuất tổng thể dựa trên Process Mining.
4.1. Mở Rộng Event Log Với Thông Tin Chất Lượng Sản Phẩm
Tương tự như phân tích chi phí, phân tích chất lượng đòi hỏi phải mở rộng event log với thông tin chất lượng. Điều này bao gồm việc liên kết các sự kiện trong event log với các KPI sản xuất liên quan đến chất lượng, chẳng hạn như First Pass Yield (FPY), số lượng lỗi, và nguyên nhân gây ra lỗi. Việc tính toán chỉ số KPI sản xuất liên quan đến chất lượng trực tiếp trong event log giúp đơn giản hóa quá trình phân tích. Thuật toán Tu Thi Bich Hong (2016) đề xuất giúp tính toán chỉ số KPI sản xuất liên quan đến chất lượng.
4.2. Tạo Báo Cáo Chất Lượng Trong Quy Trình Sản Xuất
Kết quả của việc phân tích chất lượng có thể được sử dụng để tạo báo cáo chất lượng (Quality Report) trong quy trình sản xuất. Báo cáo này cung cấp thông tin chi tiết về Chất lượng sản phẩm và giúp các nhà quản lý xác định các lĩnh vực cần cải thiện. Báo cáo có thể bao gồm thông tin về First Pass Yield (FPY), số lượng lỗi, nguyên nhân gây ra lỗi và các quy trình có chất lượng kém. Phân tích này đóng vai trò quan trọng trong Quản lý chất lượng.
V. Kết Luận Tương Lai Của Process Mining Trong Sản Xuất
Process Mining là một công cụ hứa hẹn để phân tích hiệu suất quy trình sản xuất, đặc biệt là trong việc quản lý Chi phí sản xuất và cải thiện Chất lượng sản phẩm. Bằng cách kết hợp dữ liệu sự kiện với thông tin chi phí và chất lượng, các doanh nghiệp có thể hiểu rõ hơn về quy trình của họ và đưa ra quyết định sáng suốt để cải thiện hiệu quả và giảm chi phí. Nghiên cứu tiếp theo có thể tập trung vào việc phát triển các phương pháp Khai thác quy trình (Process Mining) nâng cao để dự đoán chi phí và chất lượng, cũng như tích hợp Process Mining với các công nghệ khác như IoT trong sản xuất và Big Data trong sản xuất.
5.1. Tự Động Hóa Quy Trình Với RPA và Process Mining
Tự động hóa quy trình (RPA) kết hợp với Process Mining có thể mang lại lợi ích đáng kể cho sản xuất. Process Mining giúp xác định các quy trình có thể tự động hóa, trong khi RPA giúp tự động hóa các nhiệm vụ lặp đi lặp lại, giải phóng nguồn lực cho các hoạt động giá trị cao hơn. Sự kết hợp này giúp tăng hiệu quả, giảm chi phí và cải thiện chất lượng.
5.2. Ứng Dụng Big Data và IoT Trong Process Mining Sản Xuất
Big Data trong sản xuất và IoT trong sản xuất tạo ra lượng lớn dữ liệu có thể được sử dụng để cải thiện Process Mining. Dữ liệu từ các cảm biến IoT trong sản xuất có thể cung cấp thông tin chi tiết về quy trình sản xuất, trong khi Big Data trong sản xuất có thể giúp phân tích dữ liệu này hiệu quả hơn. Điều này giúp cải thiện độ chính xác và hiệu quả của Process Mining.
