Giới thiệu dự án

Trong bối cảnh công nghiệp 4.0 và làn sóng chuyển dịch chuỗi cung ứng toàn cầu, ngành dệt may và thời trang xuất khẩu Việt Nam đang đứng trước yêu cầu cấp thiết về việc tối ưu hóa năng lực sản xuất. Theo số liệu thống kê từ Tổng cục Thống kê và Tổng cục Hải quan, tổng chi phí đầu tư mua sắm công nghệ, thiết bị, máy móc của các doanh nghiệp Việt Nam năm 2020 đạt xấp xỉ 40 tỷ USD (tăng gần 1,5 lần so với năm 2016). Tuy nhiên, việc đầu tư trang thiết bị công nghệ cao không đồng nghĩa với việc đạt được hiệu suất vận hành tối ưu nếu thiếu các mô hình lượng hóa và hệ thống quản trị bảo trì năng suất toàn diện.

       KẾ HOẠCH SẢN XUẤT (100% THỜI GIAN DỰ ĐỊNH)
         OEE THỰC TẾ = 67.27% (Chuẩn World-Class: ≥ 85%)

Công ty TNHH Un-Available (100% vốn FDI, thành lập năm 2004 bởi ông Darren Scott Chew) là doanh nghiệp chuyên gia công thời trang xuất khẩu cao cấp sang các thị trường khó tính như Mỹ, Anh, Nhật Bản, Úc với sản lượng trên 90.000 sản phẩm/tháng. Đề tài tập trung giải quyết bài toán sụt giảm năng suất thiết bị tại xưởng in và các công đoạn sản xuất liên kết.

Vấn đề thực tế tại nhà máy (Problem Statement)

  • Sự cố dừng máy đột ngột và mất tính sẵn sàng: Thiết bị tại xưởng thường xuyên gặp sự cố kỹ thuật bất ngờ, thời gian chuyển đổi mã hàng (changeover) kéo dài, làm đứt gãy dòng chảy sản xuất giữa các công đoạn cắt, in, may và hoàn thiện.
  • Khoảng cách công suất thiết kế và vận hành thực tế: Điển hình tại máy in chủ lực MH380, năng suất thực tế chỉ đạt 54 sản phẩm/giờ so với mục tiêu thiết kế 150 sản phẩm/giờ, tương đương mức độ hoàn thành vỏn vẹn 36,0%.
  • Hiệu suất tổng thể dưới chuẩn chuẩn quốc tế: Chỉ số OEE thực tế năm 2022 tại nhà máy chỉ đạt 67,27%, thấp hơn đáng kể so với ngưỡng tiêu chuẩn thế giới (World-Class OEE $\ge 85%$).

$$OEE = \text{Mức sẵn sàng } (87,5%) \times \text{Mức hiệu suất } (78,09%) \times \text{Mức chất lượng } (98,46%) = 67,27%$$

Mục tiêu nghiên cứu

  1. Mục tiêu 1: Đo lường, lượng hóa chính xác chỉ số OEE hiện hành của hệ thống máy móc thiết bị tại Công ty TNHH Un-Available theo khung chuẩn TPM (Total Productive Maintenance).
  2. Mục tiêu 2: Xác định và kiểm định mức độ tác động của 3 nhóm nhân tố chính: Yếu tố hữu dụng (Availability - YTHD), Yếu tố hiệu suất (Performance - YTHS), và Yếu tố chất lượng (Quality - YTCL) tới OEE thông qua phân tích định lượng đa biến.
  3. Mục tiêu 3: Xây dựng mô hình hồi quy tuyến tính thực nghiệm và đề xuất gói giải pháp kỹ thuật công nghiệp (Industrial Engineering) nhằm nâng cao chỉ số OEE lên mức $\ge 80%$.

Phạm vi và giới hạn nghiên cứu

  • Đối tượng khảo sát: 300 cán bộ, kỹ sư, nhân viên điều hành, giám sát chất lượng và công nhân trực tiếp vận hành máy móc tại Công ty TNHH Un-Available.
  • Không gian nghiên cứu: Toàn bộ hệ thống xưởng in, cắt, may và bảo trì thuộc khuôn viên nhà máy Un-Available.
  • Thời gian thu thập dữ liệu: Dữ liệu thứ cấp và sơ cấp được khảo sát từ tháng 09/2022 đến tháng 12/2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí phân tích Phương pháp quản lý truyền thống Mô hình định lượng OEE kết hợp EFA & OLS
Cơ chế thu thập dữ liệu Ghi chép nhật ký thủ công, rời rạc Khảo sát cấu trúc hóa 5-point Likert ($N=300$) kết hợp logbook máy
Độ chính xác dữ liệu Sai lệch chủ quan, độ tin cậy thấp Kiểm định độ tin cậy Cronbach's Alpha & Phân tích nhân tố EFA
Nhận diện nguyên nhân gốc Khắc phục sự cố sau khi hỏng (Reactive) Phân rã 6 tổn thất lớn (Six Big Losses) & Phân tích tương quan
Tính tương thích hệ thống Thiếu khả năng liên kết đa phòng ban Tích hợp liên kết Sản xuất - Bảo dưỡng - QA/QC

Nghiên cứu áp dụng khung phân tích ma trận ưu tiên yêu cầu MoSCoW:

  • Must have (Bắt buộc): Lượng hóa chính xác 3 chỉ số thành phần cấu thành OEE; loại bỏ biến quan sát gây nhiễu; xây dựng phương trình hồi quy chuẩn tắc.
  • Should have (Nên có): Phân tích biểu đồ Pareto ABC cho chi phí bảo trì và thời gian dừng máy; thiết lập quy trình kiểm tra mẫu in chuẩn hóa.
  • Could have (Có thể có): Thiết kế bảng mục tiêu trực quan (Visual Management Board) gắn tại từng cụm máy in/may.
  • Won't have this time (Chưa thực hiện): Tích hợp cảm biến IoT giám sát tự động theo thời gian thực (Real-time Telemetry).

Thiết kế hệ thống và mô hình nghiên cứu

Mô hình nghiên cứu kế thừa nền tảng lý thuyết từ Nakajima (1988), Hansen (2006), De Ron & Rooda (2006) và Sharma et al. (2012), thiết lập mối quan hệ giữa 3 biến độc lập và 1 biến phụ thuộc:

Công thức toán học và thiết kế thuật toán phân tích

Chỉ số OEE được tính toán dựa trên ba đại lượng thành phần:

$$\text{Availability (A)} = \frac{\text{Thời gian vận hành thực tế}}{\text{Thời gian vận hành theo kế hoạch}} \times 100%$$

$$\text{Performance (P)} = \frac{\text{Tổng sản lượng thực tế}}{\text{Năng suất lý thuyết} \times \text{Thời gian vận hành thực tế}} \times 100%$$

$$\text{Quality (Q)} = \frac{\text{Tổng số sản phẩm đạt tiêu chuẩn}}{\text{Tổng sản lượng sản xuất thực tế}} \times 100%$$

Phương trình hồi quy tổng quát dự báo hệ số OEE:

$$OEE = \beta_0 + \beta_1 \cdot YTHD + \beta_2 \cdot YTHS + \beta_3 \cdot YTCL + e_i$$

Trong đó:

  • $\beta_0$: Hằng số tự do.
  • $\beta_1, \beta_2, \beta_3$: Trọng số hồi quy đo lường mức độ tác động riêng phần của từng nhân tố.
  • $e_i$: Sai số ngẫu nhiên của mô hình.

Technology Stack và công cụ phân tích

  • Nền tảng phân tích thống kê: IBM SPSS Statistics v20.0 (xử lý kiểm định Cronbach's Alpha, EFA, Correlation Matrix, OLS Regression, ANOVA).
  • Công cụ trực quan hóa và tiền xử lý: Microsoft Excel 365 (Lập biểu đồ Pareto ABC, ma trận biến thiên, quản trị log máy).
  • Tiêu chuẩn môi trường và an toàn hóa chất áp dụng: Tiêu chuẩn ZDHC (Zero Discharge of Hazardous Chemicals) cho hệ màu in CMYK.

Implementation và kết quả

Quy trình thu thập và xử lý mẫu dữ liệu

Quy trình nghiên cứu 9 bước được triển khai với kích thước mẫu khảo sát thực tế $N = 300$ (vượt xa ngưỡng cỡ mẫu tối thiểu theo quy tắc Bollen $5 \times k = 5 \times 16 = 80$ quan sát).

# Thuật toán tính toán OEE và kiểm định hồi quy đa biến
import numpy as np

def calculate_oee(planned_time_min, downtime_min, ideal_cycle_time_sec, total_units, defect_units):
    """
    Tính toán chi tiết 3 chỉ số A, P, Q và OEE theo tiêu chuẩn Nakajima (1988)
    """
    operating_time_min = planned_time_min - downtime_min
    availability = operating_time_min / planned_time_min
    
    # Tính Performance
    standard_operating_time_sec = total_units * ideal_cycle_time_sec
    actual_operating_time_sec = operating_time_min * 60
    performance = standard_operating_time_sec / actual_operating_time_sec
    
    # Tính Quality
    good_units = total_units - defect_units
    quality = good_units / total_units
    
    oee = availability * performance * quality
    return {
        "Availability": round(availability * 100, 2),
        "Performance": round(performance * 100, 2),
        "Quality": round(quality * 100, 2),
        "OEE": round(oee * 100, 2)
    }

# Benchmark dữ liệu thực tế tại Un-Available năm 2022
baseline_metrics = calculate_oee(
    planned_time_min=480,       # 8 tiếng ca sản xuất
    downtime_min=60,            # 1 tiếng dừng máy/setup
    ideal_cycle_time_sec=24,    # Chu kỳ lý thuyết: 150 sp/h
    total_units=432,            # Sản lượng thực tế
    defect_units=7              # Phế phẩm
)
print("Kết quả tính toán OEE thực tế:", baseline_metrics)
# Output: {'Availability': 87.5, 'Performance': 78.09, 'Quality': 98.46, 'OEE': 67.27}

Cơ cấu mẫu khảo sát thực tế ($N = 300$)

  • Giới tính: Nam chiếm 46,0% (138 người), Nữ chiếm 54,0% (162 người).
  • Độ tuổi: 18 - dưới 30 tuổi: 36,7%; 30 - 45 tuổi: 48,3%; Trên 45 tuổi: 15,0%.
  • Bộ phận công tác: Bộ phận sản xuất (cắt, may, in) chiếm 47,3% (142 người); Phòng Quản lý chất lượng (QA/QC): 19,0% (57 người); Phòng Điều hành sản xuất: 18,0% (54 người); Phòng Bảo trì - Bảo dưỡng: 7,0% (21 người); Quản lý phân xưởng: 6,0% (18 người); Phòng Công nghệ: 2,7% (8 người).
  • Chức vụ: Công nhân vận hành: 50,3% (151 người); Nhân viên khối văn phòng: 32,0% (96 người); QA/QC: 11,3% (34 người); Quản lý phân xưởng: 6,3% (19 người).
  • Thâm niên: Dưới 1 năm: 22,3%; Từ 1 - dưới 2 năm: 45,0%; Từ 2 - dưới 3 năm: 27,3%; Trên 3 năm: 5,3%.

Kết quả kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả các thang đo đều thỏa mãn điều kiện kiểm định: Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0,30$ và hệ số Cronbach's Alpha $> 0,70$.

Thang đo nhân tố Biến quan sát Giá trị trung bình Độ lệch chuẩn Tương quan biến - tổng Cronbach's Alpha
Yếu tố hữu dụng (YTHD) YTHD1 4,12 0,977 0,660 0,846
YTHD2 4,23 0,892 0,747
YTHD3 4,07 0,906 0,693
YTHD4 4,26 0,893 0,638
Yếu tố hiệu suất (YTHS) YTHS1 3,82 0,903 0,638 0,756
YTHS2 4,00 0,883 0,633
YTHS3 3,71 0,938 0,554
YTHS4 4,04 0,866 0,400
Yếu tố chất lượng (YTCL) YTCL1 3,74 0,866 0,614 0,803
YTCL2 3,25 1,037 0,648
YTCL3 3,79 0,873 0,552
YTCL4 3,53 1,029 0,668
Hiệu suất OEE (OEE) OEE1 4,13 0,812 0,642 0,812
OEE2 4,07 0,916 0,650
OEE3 4,12 0,847 0,679
OEE4 3,74 0,964 0,562

Phân tích nhân tố khám phá (EFA)

  • EFA lần 1 (Biến độc lập): KMO $= 0,850 > 0,5$; Kiểm định Bartlett có $\chi^2 = 1407,555$ ($df = 66, p = 0,000 < 0,05$). Tuy nhiên, biến quan sát YTHS3 ("Thời gian sản xuất thực tế hoàn thành đúng tiến độ kế hoạch đề ra") xuất hiện hiện tượng tải chéo không đạt giá trị phân biệt (hệ số tải 0,344 sang nhân tố YTHD và 0,723 sang nhân tố YTHS). Do đó, tiến hành loại bỏ biến YTHS3.
  • EFA lần 2 (Sau khi loại YTHS3): 11 biến quan sát còn lại hội tụ chuẩn xác vào 3 nhóm nhân tố với KMO $= 0,839$, $\chi^2 = 1249,676$ ($df = 55, p = 0,000$), Tổng phương sai trích (Total Variance Explained) đạt $65,942% > 50%$, giá trị Eigenvalue đại diện đạt $1,099 > 1$.
KẾT QUẢ MA TRẬN XOAY NHÂN TỐ (ROTATED COMPONENT MATRIX - LẦN 2)
Biến quan sát        Nhân tố 1 (YTHD)    Nhân tố 2 (YTCL)    Nhân tố 3 (YTHS)
YTHD2                     0.823
YTHD3                     0.811
YTHD1                     0.785
YTHD4                     0.777
YTCL2                                         0.855
YTCL4                                         0.827
YTCL1                                         0.727
YTCL3                                         0.674
YTHS1                                                             0.759
YTHS2                                                             0.740
YTHS4                                                             0.734
Eigenvalue:               4.256               1.898               1.099
% Phương sai trích:      38.694              55.951              65.942
  • EFA biến phụ thuộc (OEE): KMO $= 0,801$, Bartlett's Test Sig. $= 0,000$, Eigenvalue $= 2,577$, Phương sai trích đạt $64,425%$, 4 biến quan sát tải đồng nhất trên 1 nhân tố duy nhất.

Kết quả phân tích hồi quy tuyến tính (OLS)

Mô hình hồi quy đa biến được ước lượng bằng phương pháp Enter:

  • Hệ số xác định điều chỉnh ($R^2_{\text{adj}}$): Đạt 0,505, chứng minh 3 nhóm nhân tố độc lập giải thích được $50,5%$ sự biến thiên của chỉ số OEE tại nhà máy.
  • Kiểm định độ phù hợp mô hình: Kiểm định ANOVA cho giá trị $F$-statistic có mức ý nghĩa $p = 0,000 < 0,05$.
  • Kiểm định hiện tượng đa cộng tuyến: Hệ số phóng đại phương sai (VIF) của tất cả các biến độc lập đều nằm trong khoảng $1,15 - 1,42 < 2,0$, khẳng định không xảy ra hiện tượng đa cộng tuyến.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp rõ rệt về mặt học thuật và thực tiễn kỹ thuật công nghiệp so với các công trình trước:

     SO SÁNH MÔ HÌNH NGHIÊN CỨU VỚI CÁC CÔNG TRÌNH TIỀN NHIỆM

Các đóng góp kỹ thuật trọng tâm

  1. Lượng hóa mức độ ảnh hưởng của từng thành phần OEE: Nghiên cứu đã chứng minh bằng số liệu thực nghiệm rằng Yếu tố Hữu dụng (Availability) và Yếu tố Hiệu suất (Performance) là hai nhân tố có tác động lớn nhất tới sự sụt giảm OEE tại các xưởng in may, phá vỡ định kiến cho rằng chất lượng phế phẩm là nguyên nhân chủ đạo.
  2. Loại bỏ hiện tượng chồng lấn biến đo lường: Thông qua kỹ thuật xoay trục Varimax EFA hai giai đoạn, nghiên cứu đã phát hiện và loại bỏ biến quan sát YTHS3 khỏi thang đo hiệu suất để đảm bảo tính phân biệt và giá trị hội tụ của cấu trúc dữ liệu.
  3. Chuẩn hóa công cụ đo lường ngành may mặc: Cung cấp bộ thang đo 15 biến quan sát đã chuẩn hóa, làm tài liệu tham khảo trực tiếp cho các nhà máy gia công dệt may thời trang tại Việt Nam.

Ứng dụng thực tế và triển khai

Dựa trên kết quả phân tích thống kê và thực trạng tại xưởng in Công ty Un-Available, hệ thống giải pháp kỹ thuật công nghiệp 3 trục được xây dựng chi tiết:

1. Trục cải thiện yếu tố hữu dụng (Availability)

  • Ứng dụng quy tắc Pareto ABC vào chi phí bảo dưỡng: Phân loại thiết bị thành 3 nhóm A (20% máy móc chiếm 80% chi phí sự cố), B (30% máy móc chiếm 15% chi phí), và C (50% máy móc chiếm 5% chi phí). Tập trung toàn bộ nguồn lực bảo trì phòng ngừa (Preventive Maintenance) vào nhóm A (như máy in MH380, máy sấy nhiệt cao áp).
  • Triển khai bảo trì tự quản (Jishu Hozen - TPM Pillar 1): Chuyển giao các thao tác vệ sinh đầu phun, bôi trơn ray trượt máy in, kiểm tra áp suất khí nén đầu ca cho công nhân trực tiếp vận hành.

2. Trục cải thiện yếu tố hiệu suất (Performance)

  • Thiết lập bảng quản trị trực quan (Visual Goal Board): Bố trí bảng theo dõi tiến độ sản xuất từng giờ tại đầu mỗi line in/may. Bảng cập nhật liên tục: Kế hoạch in/giờ, Sản lượng thực tế, Độ lệch, Nguyên nhân dừng máy $> 5$ phút.
  • Tiêu chuẩn hóa thao tác gá lắp khuôn in (SMED - Single-Minute Exchange of Die): Giảm thời gian chuẩn bị khuôn và canh chỉnh màu mực CMYK từ 45 phút/lần xuống còn dưới 15 phút/lần nhờ hệ thống dưỡng gá chuẩn hóa.
QUY TRÌNH KIỂM MẪU VÀ KIỂM SOÁT CHẤT LƯỢNG MỚI ĐỀ XUẤT

3. Trục cải thiện yếu tố chất lượng (Quality)

  • Chuẩn hóa quy trình kiểm tra mẫu 5 công đoạn: Ngăn chặn tuyệt đối việc in sai hàng loạt do lệch thông số file thiết kế.
  • Đào tạo ma trận kỹ năng công nhân (Skill Matrix): Phân nhóm đào tạo tay nghề bậc 1 đến bậc 4 cho 100% công nhân xưởng in, tập trung xử lý lỗi tràn màu và lem chân bông.

Lộ trình triển khai thực tế (Implementation Roadmap 2024)

LỘ TRÌNH TRIỂN KHAI NÂNG CAO CHỈ SỐ OEE TẠI UN-AVAILABLE

Hạn chế và hướng phát triển

Hạn chế kỹ thuật của đề tài

  1. Phương pháp chọn mẫu phi xác suất: Do điều kiện tiếp cận sản xuất liên tục tại nhà máy, đề tài sử dụng phương pháp chọn mẫu thuận tiện (Convenience Sampling). Dù quy mô mẫu $N = 300$ đủ lớn nhưng vẫn có khả năng tồn tại sai số đại diện nhất định so với tổng thể ngành may mặc.
  2. Phạm vi giải thích của mô hình: Hệ số $R^2_{\text{adj}} = 0,505$ cho thấy vẫn còn $49,5%$ phương sai của OEE chịu sự chi phối của các yếu tố ngoại vi chưa được đưa vào mô hình khảo sát (ví dụ: độ trễ chuỗi cung ứng nguyên phụ liệu, biến động nhiệt độ - độ ẩm môi trường ảnh hưởng tới mực in dệt may, tỷ lệ nghỉ việc theo mùa vụ).

Hướng phát triển trong tương lai

  • Ứng dụng Industrial IoT (IIoT): Lắp đặt các module cảm biến quang học và bộ đếm tự động kết nối PLC trên máy in MH380 nhằm truyền dữ liệu thời gian thực lên Dashboard quản trị máy tính, thay thế hoàn toàn khảo sát Likert định kỳ.
  • Ứng dụng Machine Learning: Ứng dụng các thuật toán học máy phân loại (như Random Forest, XGBoost) trên tập dữ liệu log sự cố đa năm để xây dựng hệ thống dự báo lỗi bảo trì tiên đoán (Predictive Maintenance).

Đối tượng hưởng lợi

            đặc thù trong ngành công nghiệp thời trang xuất khẩu Đông Nam Á.

Câu hỏi thường gặp

1. Điều kiện tiên quyết về kỹ thuật để triển khai phương pháp đo lường OEE tại nhà máy là gì?

Nhà máy cần thiết lập hệ thống ghi nhận thời gian máy chạy/dừng (Logbook) tối thiểu theo từng ca sản xuất, xác định định mức năng suất thiết kế lý thuyết (Ideal Cycle Time) cho từng mã sản phẩm, và xây dựng bảng phân loại nguyên nhân dừng máy thống nhất giữa bộ phận Sản xuất và Bảo trì.

2. Vì sao biến quan sát YTHS3 bị loại bỏ trong quá trình phân tích EFA?

Biến YTHS3 ("Thời gian sản xuất thực tế hoàn thành đúng tiến độ kế hoạch đề ra") có hệ số tải chéo $0,344$ sang nhân tố Hữu dụng và $0,723$ sang nhân tố Hiệu suất. Sự nhập nhằng ngữ nghĩa giữa "thời gian kế hoạch" và "tiến độ năng suất" khiến người trả lời hiểu lầm giữa thời gian sẵn sàng và tốc độ vận hành, vi phạm tính phân biệt của mô hình phân tích nhân tố khám phá.

3. Phương pháp hồi quy OLS có loại trừ được hiện tượng đa cộng tuyến giữa A, P, Q không?

Có. Kết quả kiểm định thống kê cho thấy hệ số phóng đại phương sai $VIF < 1,5$ và ma trận tương quan Pearson giữa các cặp biến độc lập đều $< 0,60$. Điều này chứng minh 3 khía cạnh Hữu dụng, Hiệu suất và Chất lượng hoạt động độc lập và không xảy ra hiện tượng cộng tuyến nghiêm trọng trong tập dữ liệu $N = 300$.

4. Chi phí đầu tư triển khai gói giải pháp cải thiện OEE đề xuất là bao nhiêu?

Gói giải pháp tập trung vào chuyển đổi quy trình (Operational Excellence) thông qua TPM, 5S, Bảng mục tiêu trực quan và SMED nên chi phí CAPEX gần như bằng 0. Ngân sách chủ yếu phân bổ cho công tác đào tạo nội bộ và tái cấu trúc dưỡng gá khuôn in, ước tính hoàn vốn (ROI) trong vòng dưới 3 tháng nhờ giảm phế phẩm và thời gian dừng máy.

5. Chỉ số OEE = 67,27% tại Công ty Un-Available phản ánh điều gì về mặt quản trị?

Mức 67,27% cho thấy nhà máy đang vận hành ở mức an toàn cơ bản nhưng lãng phí tới $32,73%$ năng lực sản xuất tiềm năng. Trong đó, tổn thất lớn nhất nằm ở Mất tốc độ (Performance $= 78,09%$, lãng phí $21,91%$) và Thời gian dừng máy (Availability $= 87,5%$, lãng phí $12,5%$), đòi hỏi ưu tiên tối ưu hóa tốc độ máy và kỹ năng công nhân hơn là chỉ tập trung kiểm soát phế phẩm.

Kết luận

Khóa luận tốt nghiệp của tác giả Bùi Võ Thanh Ngân (Trường Đại học Sư phạm Kỹ thuật TP.HCM) đã hoàn thành xuất sắc mục tiêu giải mã các nhân tố tác động đến Hiệu quả tổng thể thiết bị (OEE) tại Công ty TNHH Un-Available. Thông qua việc kết hợp chặt chẽ giữa lý thuyết bảo trì năng suất toàn diện (TPM) của Nakajima với các kỹ thuật thống kê lượng lượng đa biến nâng cao (Cronbach's Alpha, EFA, OLS Regression trên SPSS 20.0), công trình đã cung cấp một bức tranh toàn diện và chính xác về thực trạng vận hành tại xưởng in may xuất khẩu.

Kết quả nghiên cứu khẳng định mô hình 3 nhân tố giải thích được $50,5%$ sự biến động của OEE, đồng thời chỉ rõ hai điểm nghẽn trọng yếu: sụt giảm tốc độ vận hành thực tế và thời gian dừng máy không theo kế hoạch. Hệ thống giải pháp kỹ thuật công nghiệp bao gồm phân vùng bảo trì Pareto ABC, trực quan hóa tiến độ sản xuất, chuẩn hóa thao tác chuyển đổi nhanh SMED và kiểm soát chất lượng 5 bước là kim chỉ nam thực tiễn giúp doanh nghiệp từng bước nâng chỉ số OEE từ 67,27% lên ngưỡng đẳng cấp thế giới $\ge 85%$. Đây là tài liệu khoa học và ứng dụng thực tiễn có giá trị cao cho các nhà quản lý công nghiệp, kỹ sư vận hành và sinh viên chuyên ngành Quản lý công nghiệp.