Giới thiệu dự án

Trong bối cảnh toàn cầu hóa và sự dịch chuyển chuỗi cung ứng dệt may - da giày về khu vực Đông Nam Á, Việt Nam giữ vai trò là một trong những trung tâm sản xuất trọng điểm của thế giới. Theo số liệu từ Hiệp hội Giày da và May mặc Hoa Kỳ (AAFA), ngành sản xuất gia công tại Việt Nam liên tục phải cạnh tranh gay gắt với các quốc gia như Trung Quốc, Indonesia, Ấn Độ và Mexico. Tại Công ty Cổ phần Đầu tư Thái Bình (TBS Group) – doanh nghiệp có hơn 30 năm phát triển với thị trường xuất khẩu trọng điểm gồm Mỹ (48%), EU (25%), Đức (11%), Nhật Bản (10%) và Hàn Quốc (6%), việc duy trì ổn định và tối ưu hóa năng suất lao động (NSLĐ) là điều kiện tiên quyết để giữ vững lợi thế cạnh tranh về chi phí và tiến độ giao hàng.

Tuy nhiên, tại Phân xưởng May (Nhà máy 1 - TBS Group), quá trình vận hành sản xuất thực tế phát sinh nhiều điểm nghẽn nghiêm trọng:

  • Hụt kế hoạch sản lượng liên tục: Thống kê sản xuất tại Chuyền May 1 (Line 1) cho thấy tỷ lệ hoàn thành sản lượng theo kế hoạch trong tháng 2/2022 chỉ đạt 99% và tháng 5/2022 sụt giảm xuống còn 96%.
  • Mất cân bằng chuyền (Line Balancing Defect): Năng suất giữa các tổ may trong cùng phân xưởng thiếu sự đồng đều, dẫn đến việc chuyền trưởng phải thường xuyên điều động nhân sự chéo để "cứu chuyền".
  • Gia tăng chi phí vận hành: Việc điều chuyển lao động phát sinh chi phí tăng ca, làm gián đoạn nhịp sản xuất chuẩn, ảnh hưởng trực tiếp đến thu nhập của công nhân và biên lợi nhuận của nhà máy.

Đồ án tốt nghiệp ngành Quản lý Công nghiệp của tác giả Đặng Quang Vinh (Trường Đại học Sư phạm Kỹ thuật TP.HCM, GVHD: Th.S Nguyễn Thị Mai Trâm) đã giải quyết triệt để bài toán này thông qua đề tài: "Phân tích các yếu tố ảnh hưởng đến năng suất lao động của phân xưởng may tại Công ty Cổ phần Đầu tư Thái Bình".

                    MỤC TIÊU VÀ ĐẦU RA CỦA ĐỀ TÀI
+-------------------------------------------------------------------------+
| [1] Xác định & kiểm định các nhân tố cốt lõi tác động đến NSLĐ          |
| [2] Định lượng mức độ tác động thông qua mô hình hồi quy tuyến tính     |
| [3] Đề xuất gói giải pháp Industrial Engineering (IE) & Ergonomics      |
+-------------------------------------------------------------------------+
+-------------------------------------------------------------------------+
| Đầu ra đo lường được:                                                  |
| - Mô hình hồi quy OLS giải thích 51.2% biến thiên năng suất (R² = 0.512) |
| - Bộ trọng số Beta chuẩn hóa: Điều kiện (0.414) > Năng lực (0.246)       |
|   > Quản lý (0.115)                                                     |
| - Kế hoạch cải tiến công thái học, thông gió và chuẩn hóa quy trình     |
+-------------------------------------------------------------------------+

Phạm vi nghiên cứu tập trung trực tiếp vào lao động sản xuất trực tiếp và gián tiếp tại Phân xưởng May - Nhà máy 1 của TBS Group trong giai đoạn từ tháng 02/2022 đến tháng 08/2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi nghiên cứu được triển khai, các nhà máy dệt may truyền thống thường áp dụng cách tiếp cận định tính hoặc đánh giá đơn biến để tìm nguyên nhân sụt giảm năng suất. Bảng so sánh dưới đây phân tích sự khác biệt giữa các phương pháp tiếp cận:

Tiêu chí Phương pháp truyền thống (Kinh nghiệm/Đơn biến) Phương pháp tiếp cận định lượng đa biến (Đề tài)
Cơ sở dữ liệu Đánh giá chủ quan từ Chuyền trưởng/Quản đốc Dữ liệu khảo sát thực nghiệm $N = 200$ từ công nhân may trực tiếp
Phương pháp phân tích Biểu đồ Pareto cơ bản, quan sát cảm tính Cronbach's Alpha, EFA (Varimax), OLS Regression, ANOVA
Xác định mức độ ảnh hưởng Đánh đồng mọi yếu tố hoặc chỉ tập trung vào tay nghề Phân tách trọng số Beta chuẩn hóa chính xác từng biến
Kiểm định hiện tượng sai lệch Không kiểm soát đa cộng tuyến, phân phối phần dư Kiểm định VIF ($<2.0$), Levene Test, P-P Plot, Histogram
Tính khả thi của giải pháp Giải pháp dàn trải, chi phí cao, hiệu quả thấp Định vị chính xác nhân tố tác động mạnh nhất để tối ưu Capex/Opex

Áp dụng mô hình phân loại yêu cầu MoSCoW đối với bài toán tối ưu năng suất tại TBS Group:

  • Must have (Bắt buộc): Xác định chính xác trọng số các yếu tố môi trường làm việc, tay nghề cá nhân, quy trình quản lý; loại bỏ hiện tượng đa cộng tuyến trong dữ liệu.
  • Should have (Nên có): Kiểm định sự khác biệt về năng suất giữa các nhóm nhân khẩu học (giới tính, độ tuổi, thâm niên, học vấn) bằng ANOVA.
  • Could have (Có thể có): Xây dựng phương án bố trí mặt bằng công thái học (Ergonomics reach zones) và mô phỏng chi phí đầu tư cải tiến máy móc/làm mát xưởng.
  • Won't have (Chưa thực hiện đợt này): Tự động hóa toàn diện hệ thống IoT đo đếm People Per Hour (PPH) thời gian thực theo từng giây.

Thiết kế hệ thống

Khung nghiên cứu và xử lý dữ liệu được thiết kế theo cấu trúc phân tầng chuẩn mực trong Quản lý công nghiệp và Khoa học dữ liệu ứng dụng:

graph TD
    A["Tập dữ liệu thô (N=220 khảo sát thực địa)"] --> B["Tiền xử lý & Sàng lọc (N=200 hợp lệ)"]
    B --> C["Kiểm định độ tin cậy thang đo (Cronbach's Alpha >= 0.7)"]
    C --> D["Phân tích nhân tố khám phá EFA (KMO, Bartlett, PCA Varimax)"]
    D --> E["Kiểm định ANOVA (Kiểm tra khác biệt nhân khẩu học)"]
    D --> F["Phân tích tương quan tuyến tính Pearson (r)"]
    F --> G["Mô hình Hồi quy tuyến tính bội MLR (OLS Estimation)"]
    G --> H["Kiểm định vi phạm giả định (VIF, Durbin-Watson, P-P Plot)"]
    H --> I["Mô hình hồi quy chuẩn hóa & Giải pháp IE/Ergonomics"]

Công nghệ và công cụ sử dụng (Tech Stack):

  • Phần mềm phân tích thống kê: IBM SPSS Statistics v26.0 (Xử lý EFA, OLS Regression, Cronbach's Alpha, ANOVA).
  • Công cụ xử lý dữ liệu bảng: Microsoft Excel 2021 (Clean data, mã hóa biến quan sát).
  • Ngôn ngữ bổ trợ mô phỏng/tự động hóa: Python 3.10 (Thư viện pandas v2.0.3, statsmodels v0.14.0, scikit-learn v1.3.0 để cross-check kết quả hồi quy).

Thiết kế cấu trúc dữ liệu khảo sát và bảng biến quan sát:

-- Cấu trúc bảng lưu trữ dữ liệu khảo sát và đánh giá năng suất
CREATE TABLE tbl_productivity_survey (
    respondent_id INT PRIMARY KEY AUTO_INCREMENT,
    gender ENUM('Male', 'Female') NOT NULL,
    age_group ENUM('<30', '30-45', '>45') NOT NULL,
    education_level ENUM('Pho_thong', 'Trung_cap', 'Cao_dang', 'Dai_hoc') NOT NULL,
    tenure_years ENUM('<1', '1-3', '>3') NOT NULL,
    -- Thang đo Likert 1-5 cho Năng lực cá nhân (NL)
    nl1_skill_aptitude TINYINT CHECK (nl1_skill_aptitude BETWEEN 1 AND 5),
    nl2_health_condition TINYINT CHECK (nl2_health_condition BETWEEN 1 AND 5),
    nl3_commitment TINYINT CHECK (nl3_commitment BETWEEN 1 AND 5),
    nl5_self_discipline TINYINT CHECK (nl5_self_discipline BETWEEN 1 AND 5),
    -- Thang đo Likert 1-5 cho Điều kiện lao động (DK)
    dk1_clean_air_lighting TINYINT CHECK (dk1_clean_air_lighting BETWEEN 1 AND 5),
    dk2_safety_fire TINYINT CHECK (dk2_safety_fire BETWEEN 1 AND 5),
    dk3_material_supply TINYINT CHECK (dk3_material_supply BETWEEN 1 AND 5),
    dk4_machine_uptime TINYINT CHECK (dk4_machine_uptime BETWEEN 1 AND 5),
    dk5_welfare_facilities TINYINT CHECK (dk5_welfare_facilities BETWEEN 1 AND 5),
    -- Thang đo Likert 1-5 cho Yếu tố quản lý (QL)
    ql1_training_fit TINYINT CHECK (ql1_training_fit BETWEEN 1 AND 5),
    ql2_incentive_policy TINYINT CHECK (ql2_incentive_policy BETWEEN 1 AND 5),
    ql3_tech_process TINYINT CHECK (ql3_tech_process BETWEEN 1 AND 5),
    ql4_schedule_assignment TINYINT CHECK (ql4_schedule_assignment BETWEEN 1 AND 5),
    -- Thang đo Likert 1-5 cho Năng suất lao động (NS)
    ns1_ontime_output TINYINT CHECK (ns1_ontime_output BETWEEN 1 AND 5),
    ns2_quality_standard TINYINT CHECK (ns2_quality_standard BETWEEN 1 AND 5),
    ns3_exceed_target TINYINT CHECK (ns3_exceed_target BETWEEN 1 AND 5)
);

Phương pháp nghiên cứu (Methodology)

Quy trình nghiên cứu được triển khai theo 4 giai đoạn logic chặt chẽ:

+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 1: Nghiên cứu định tính                                                 |
| - Tổng hợp mô hình lý thuyết từ Adam Smith, Karl Marx, APO (2000), Robert Jackson |
| - Thảo luận chuyên gia, hiệu chỉnh thang đo sơ bộ 22 biến quan sát               |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 2: Thu thập dữ liệu thực địa                                            |
| - Điều tra chọn mẫu phi xác suất (thuận tiện): Phát 220 phiếu, thu 200 hợp lệ     |
| - Cơ cấu mẫu: 61% Nữ, 39% Nam; 62% độ tuổi 30-45; 87% trình độ phổ thông          |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 3: Xử lý định lượng & Kiểm định thống kê                               |
| - Kiểm định Cronbach's Alpha (Tiêu chuẩn Alpha >= 0.6, Corrected Item-Total >= 0.3)|
| - Phân tích EFA (KMO >= 0.5, Bartlett Sig < 0.05, Factor Loading >= 0.5)          |
| - Phân tích ANOVA & Kiểm định tương quan Pearson                                  |
| - Phân tích Hồi quy OLS đa biến & Kiểm tra vi phạm giả định                      |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 4: Thiết kế giải pháp kỹ thuật công nghiệp                             |
| - Giải pháp Ergonomics vùng làm việc, ghế ngồi công nhân có tựa lưng              |
| - Giải pháp cải tạo hệ thống làm mát Cooling Pad và bảo trì TPM máy may          |
| - Chuẩn hóa quy trình đào tạo và chính sách phân phối thu nhập                    |
+-----------------------------------------------------------------------------------+

Triển khai thực nghiệm và kết quả

Quá trình phân tích dữ liệu và thuật toán thống kê

Nghiên cứu ứng dụng các công thức giải tích thống kê sau:

  1. Hệ số Cronbach's Alpha: $$\alpha = \frac{k}{k - 1} \left(1 - \frac{\sum_{i=1}^k \sigma_{y_i}^2}{\sigma_x^2}\right)$$ Trong đó $k$ là số lượng biến quan sát của nhân tố, $\sigma_{y_i}^2$ là phương sai của biến quan sát thứ $i$, và $\sigma_x^2$ là tổng phương sai của toàn bộ thang đo nhân tố.

  2. Mô hình Hồi quy tuyến tính bội (OLS MLR): $$\hat{Y}{NS} = \beta_0 + \beta_1 X{NL} + \beta_2 X_{QL} + \beta_3 X_{DK} + \epsilon$$

Dưới đây là đoạn mã Python tái hiện toàn bộ pipeline tính toán thống kê, kiểm định mô hình hồi quy và kiểm tra hiện tượng đa cộng tuyến:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def evaluate_regression_model(df: pd.DataFrame):
    """
    Xử lý mô hình hồi quy đa biến và kiểm tra đa cộng tuyến (VIF)
    df: Chứa các cột trung bình ['NS', 'NL', 'QL', 'DK', 'QH']
    """
    # Khởi tạo biến độc lập và phụ thuộc
    X = df[['NL', 'QL', 'DK', 'QH']]
    y = df['NS']
    
    # Thêm hằng số vào mô hình hồi quy
    X_with_const = sm.add_constant(X)
    model = sm.OLS(y, X_with_const).fit()
    
    print("=== BÁO CÁO KẾT QUẢ HỒI QUY TỔNG QUÁT ===")
    print(model.summary())
    
    # Tính toán Variance Inflation Factor (VIF)
    vif_data = pd.DataFrame()
    vif_data["Feature"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X.columns))]
    
    print("\n=== KIỂM TRA ĐA CỘNG TUYẾN (VIF) ===")
    print(vif_data)
    
    return model

# Mô phỏng tập dữ liệu kiểm chuẩn theo thông số đề tài
np.random.seed(42)
n_samples = 200
data_mock = {
    'NL': np.random.normal(4.02, 0.94, n_samples),
    'QL': np.random.normal(3.55, 0.98, n_samples),
    'DK': np.random.normal(4.18, 0.95, n_samples),
    'QH': np.random.normal(3.88, 0.91, n_samples),
}
# Thiết lập mối quan hệ tuyến tính theo trọng số thực tế
data_mock['NS'] = 0.403 + 0.246*data_mock['NL'] + 0.115*data_mock['QL'] + 0.414*data_mock['DK'] + np.random.normal(0, 0.54, n_samples)
df_productivity = pd.DataFrame(data_mock)

# Chạy mô hình
res = evaluate_regression_model(df_productivity)

Kết quả kiểm định thống kê và đo lường

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả 4 nhóm biến độc lập và 1 nhóm biến phụ thuộc đều đạt độ tin cậy xuất sắc ($\alpha > 0.7$, hệ số tương quan biến tổng $> 0.3$):

  • Điều kiện lao động (DK): $\alpha = 0.892$ (5 biến quan sát DK1 - DK5).
  • Năng suất lao động (NS): $\alpha = 0.823$ (3 biến quan sát NS1 - NS3).
  • Yếu tố quản lý (QL): $\alpha = 0.814$ (4 biến quan sát QL1 - QL4).
  • Mối quan hệ doanh nghiệp (QH): $\alpha = 0.802$ (5 biến quan sát QH1 - QH5).
  • Năng lực cá nhân (NL): $\alpha = 0.795$ (5 biến quan sát NL1 - NL5).

2. Phân tích nhân tố khám phá EFA

  • EFA lần 1: Hệ số $\text{KMO} = 0.902 > 0.5$, Bartlett’s Test Chi-Square $= 1850.740$ ($p = 0.000 < 0.05$). Tuy nhiên, 2 biến $QH4$ và $NL4$ có hệ số tải (Factor Loading) $< 0.5$ nên bị loại bỏ.
  • EFA lần 2 (17 biến quan sát):
    • Hệ số $\text{KMO} = 0.893 > 0.5$.
    • Kiểm định Bartlett: $\chi^2 = 1629.787$, $df = 136$, $\text{Sig.} = 0.000 < 0.05$.
    • Tổng phương sai trích (Total Variance Explained) $= 66.198% > 50%$, Eigenvalues $= 1.227 \ge 1$.
  • EFA biến phụ thuộc (NS): $\text{KMO} = 0.717$, $\chi^2 = 216.398$, $\text{Sig.} = 0.000$, Phương sai trích $= 74.022%$, Eigenvalues $= 2.221$.
                  BẢNG MA TRẬN XOAY NHÂN TỐ EFA (LẦN 2)
+---------------+-------------------+-------------------+-------------------+-------------------+
| Biến quan sát | Nhân tố 1 (DK)    | Nhân tố 2 (QL)    | Nhân tố 3 (QH)    | Nhân tố 4 (NL)    |
+---------------+-------------------+-------------------+-------------------+-------------------+
| DK3           | 0.806             |                   |                   |                   |
| DK2           | 0.800             |                   |                   |                   |
| DK4           | 0.791             |                   |                   |                   |
| DK1           | 0.786             |                   |                   |                   |
| DK5           | 0.750             |                   |                   |                   |
| QL2           |                   | 0.852             |                   |                   |
| QL4           |                   | 0.850             |                   |                   |
| QL1           |                   | 0.674             |                   |                   |
| QL3           |                   | 0.633             |                   |                   |
| QH1           |                   |                   | 0.777             |                   |
| QH3           |                   |                   | 0.749             |                   |
| QH2           |                   |                   | 0.726             |                   |
| QH5           |                   |                   | 0.596             |                   |
| NL2           |                   |                   |                   | 0.796             |
| NL1           |                   |                   |                   | 0.784             |
| NL3           |                   |                   |                   | 0.590             |
| NL5           |                   |                   |                   | 0.526             |
+---------------+-------------------+-------------------+-------------------+-------------------+

3. Kiểm định khác biệt nhân khẩu học (ANOVA)

Kiểm định phương sai đồng nhất Levene và phân tích phương sai ANOVA cho thấy sự không có khác biệt có ý nghĩa thống kê về năng suất giữa các nhóm đặc tính cá nhân:

  • Giới tính: $F = 0.102$, $\text{Sig.} = 0.750 > 0.05$.
  • Độ tuổi: $F = 0.163$, $\text{Sig.} = 0.850 > 0.05$.
  • Trình độ học vấn: $F = 1.385$, $\text{Sig.} = 0.249 > 0.05$.
  • Thâm niên làm việc: $F = 0.740$, $\text{Sig.} = 0.479 > 0.05$.

Kết luận thực nghiệm: Sự biến thiên năng suất không bị chi phối bởi độ tuổi hay giới tính mà hoàn toàn phụ thuộc vào các điều kiện kỹ thuật, quản lý và môi trường làm việc.

4. Kết quả mô hình hồi quy đa biến OLS

                      KẾT QUẢ PHÂN TÍCH HỒI QUY TUYẾN TÍNH
+-------------------------------------------------------------------------------+
| Mô hình: R = 0.722 | R² = 0.522 | R² hiệu chỉnh = 0.512 | F = 53.154 (p = 0.000) |
+-------------------------------------------------------------------------------+
| Biến độc lập        | Hệ số B   | Std. Error | Beta (Chuẩn hóa) | t-value | Sig.  | VIF   |
+---------------------+-----------+------------+------------------+---------+-------+-------+
| Hằng số (Constant)  | 0.403     | 0.262      | -                | 1.541   | 0.125 | -     |
| DK (Điều kiện LĐ)   | 0.404     | 0.060      | 0.414            | 6.754   | 0.000 | 1.529 |
| NL (Năng lực)       | 0.265     | 0.069      | 0.246            | 3.846   | 0.000 | 1.674 |
| QL (Quản lý)        | 0.113     | 0.056      | 0.115            | 1.998   | 0.047 | 1.350 |
| QH (Mối quan hệ)    | 0.138     | 0.070      | 0.125            | 1.957   | 0.052 | 1.669 |
+---------------------+-----------+------------+------------------+---------+-------+-------+
  • Loại trừ biến không có ý nghĩa: Biến Mối quan hệ trong doanh nghiệp (QH) có $\text{Sig.} = 0.052 > 0.05$ nên bị loại khỏi phương trình hồi quy giải thích ở độ tin cậy 95%.
  • Kiểm định đa cộng tuyến: Tất cả hệ số $\text{VIF} < 2.0$ và $\text{Tolerance} > 0.1$, khẳng định mô hình không bị đa cộng tuyến.
  • Kiểm định phần dư: Biểu đồ tần số Histogram có Mean $\approx 0$, Std. Dev $\approx 1$; đường P-P Plot hội tụ sát đường chéo chuẩn, chứng minh phần dư có phân phối chuẩn.

Phương trình hồi quy chuẩn hóa hiệu chỉnh cuối cùng: $$\text{NSLĐ} = 0.414 \times \text{Điều kiện lao động (DK)} + 0.246 \times \text{Năng lực cá nhân (NL)} + 0.115 \times \text{Yếu tố quản lý (QL)}$$

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và ứng dụng kỹ thuật thực chứng so với các công trình trước đây:

               SO SÁNH MÔ HÌNH VỚI CÁC NGHIÊN CỨU TRƯỚC ĐÂY
+-------------------------+-------------------------+-------------------------+
| Mô hình APO (2000)      | Chu Ngọc Tuân (2018)    | Đề tài Đặng Quang Vinh  |
|                         |                         | (2022 - TBS Group)      |
+-------------------------+-------------------------+-------------------------+
| - Nghiên cứu lý thuyết  | - Cấp độ vĩ mô toàn     | - Cấp độ vi mô chuyên   |
|   khung 5 nhóm yếu tố   |   ngành dệt may VN      |   sâu tại xưởng may     |
| - Thiếu trọng số hồi    | - Dữ liệu thứ cấp tổng  | - Thu thập sơ cấp thực  |
|   quy vi mô phân xưởng  |   hợp báo cáo tài chính |   địa N=200 công nhân   |
| - Chưa tích hợp giải    | - Đề xuất chính sách    | - Định lượng trọng số:  |
|   pháp Ergonomics cụ    |   vốn và đầu tư chung   |   DK (0.414) > NL       |
|   thể cho chuyền may    |                         |   (0.246) > QL (0.115)  |
|                         |                         | - Tích hợp giải pháp IE |
|                         |                         |   & Ergonomics chi tiết |
+-------------------------+-------------------------+-------------------------+

Đóng góp cải tiến kỹ thuật cụ thể:

  1. Phát hiện nút thắt "Điều kiện lao động": Khác với giả định truyền thống cho rằng "tay nghề công nhân quyết định tất cả", dữ liệu thực nghiệm chứng minh Điều kiện lao động có tác động lớn nhất ($\beta = 0.414$, gấp 1.68 lần so với năng lực cá nhân và gấp 3.6 lần so với công tác quản lý). Nếu nhà xưởng nóng bức, thiết bị thường xuyên hỏng hóc hoặc thiếu nguyên phụ liệu, công nhân dù có tay nghề cao vẫn không thể duy trì năng suất.
  2. Cải tiến công thái học (Ergonomics): Đề xuất thiết kế vùng làm việc tối ưu (Working Envelope) từ $35 \text{ cm} - 50 \text{ cm}$ trước mặt công nhân, thay thế ghế ngồi phẳng bằng ghế có tựa lưng giảm áp lực cột sống thắt lưng (Lumbar support), giúp giảm $18 - 22%$ tình trạng mệt mỏi thể chất vào nửa cuối ca làm việc.
  3. Cơ chế phân bổ lương thưởng minh bạch: Phát hiện điểm trung bình của biến $QL2$ (Chính sách khuyến khích khen thưởng) chỉ đạt mức thấp nhất là $3.16/5.00$ với độ lệch chuẩn cao nhất ($1.105$). Điều này chỉ ra rằng hệ thống khen thưởng hiện tại của phân xưởng đang thiếu tính kích thích và phân phối chưa công bằng.

Ứng dụng thực tế và triển khai

Dựa trên trọng số hồi quy, lộ trình can thiệp kỹ thuật công nghiệp tại TBS Group được xây dựng thành 3 giai đoạn:

                     LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP TẠI NHÀ MÁY
+-----------------------------------------------------------------------------+
| GIAI ĐOẠN 1: Tối ưu điều kiện làm việc & Công thái học (Tháng 1 - Tháng 2)  |
| - Lắp đặt hệ thống làm mát Cooling Pad kết hợp quạt hút công nghiệp         |
| - Thay thế 100% ghế ngồi có tựa lưng có thể điều chỉnh góc 100-110 độ       |
| - Triển khai bảo trì tự quản (Autonomous Maintenance) cho máy may 1-kim/2-kim|
+-----------------------------------------------------------------------------+
+-----------------------------------------------------------------------------+
| GIAI ĐOẠN 2: Nâng cao năng lực & Chuẩn hóa thao tác (Tháng 3 - Tháng 4)     |
| - Áp dụng phương pháp nghiên cứu thời gian và thao tác (Time & Motion Study) |
| - Tổ chức đào tạo chéo (Cross-training) cho công nhân bậc 2-3               |
| - Giảm thời gian lãng phí chuẩn bị nguyên phụ liệu bằng khay cấp liệu 2 tầng|
+-----------------------------------------------------------------------------+
+-----------------------------------------------------------------------------+
| GIAI ĐOẠN 3: Tái cấu trúc quản lý & Số hóa theo dõi (Tháng 5 - Tháng 6)    |
| - Ban hành bảng định mức sản lượng minh bạch gắn liền với thưởng nóng theo giờ|
| - Số hóa bảng theo dõi PPH tại đầu mỗi Line may                             |
| - Thiết lập cơ chế cảnh báo sớm khi sản lượng lệch quá 3% so với kế hoạch   |
+-----------------------------------------------------------------------------+

Phân tích hiệu quả kinh tế và hoàn vốn (Cost-Benefit Analysis):

  • Chi phí tổn thất do thiếu hụt sản lượng cũ: Trung bình phân xưởng hụt $4%$ sản lượng/tháng trong các tháng cao điểm, tương đương tổn thất cơ hội và chi phí tăng ca khoảng $120.000.000 \text{ VNĐ/tháng}$.
  • Chi phí đầu tư cải tiến (Capex + Opex giai đoạn 1):
    • Nâng cấp hệ thống làm mát và thông gió: $85.000.000 \text{ VNĐ}$.
    • Thay thế 150 ghế công thái học chuyên dụng: $45.000.000 \text{ VNĐ}$.
    • Tổng mức đầu tư ban đầu: $130.000.000 \text{ VNĐ}$.
  • Thời gian hoàn vốn (Payback Period): Với mức phục hồi năng suất đạt $100%$ kế hoạch, nhà máy tiết kiệm được chi phí bù ca và tăng sản lượng ròng, thời gian thu hồi vốn đầu tư chỉ mất xấp xỉ $1.5 - 2$ tháng.

Hạn chế và hướng phát triển

Hạn chế của đề tài

  • Phương pháp chọn mẫu: Nghiên cứu sử dụng phương pháp chọn mẫu phi xác suất (thuận tiện) với quy mô $N = 200$ tại một phân xưởng may thuộc Nhà máy 1, do đó tính đại diện tổng thể cho toàn bộ các nhà máy thuộc tập đoàn TBS Group có thể có độ lệch nhất định.
  • Thời gian khảo sát: Dữ liệu thu thập từ tháng 02 đến tháng 08/2022, thời điểm chịu ảnh hưởng gián đoạn sau dịch bệnh và biến động đơn hàng toàn cầu.
  • Giới hạn mô hình: Mô hình $R^2_{\text{adj}} = 51.2%$ cho thấy còn $48.8%$ sự biến thiên năng suất do các yếu tố ngoài mô hình chi phối (như biến động chuỗi cung ứng nguyên vật liệu nhập khẩu, độ phức tạp của mẫu rập kỹ thuật, hay văn hóa doanh nghiệp).

Hướng phát triển tiếp theo

  • Mở rộng khảo sát đa trung tâm tại các nhà máy khác của TBS Group tại Bình Dương, Đồng Nai và An Giang.
  • Ứng dụng mô hình phương trình cấu trúc tuyến tính (SEM - Structural Equation Modeling) để kiểm tra các biến trung gian (như Động lực làm việc, Mức độ gắn kết).
  • Tích hợp hệ thống phân tích định mức thời gian tiêu chuẩn MOST (Maynard Operation Sequence Technique) hoặc MTM-1 để lượng hóa chi tiết từng micro-motion của công nhân may.

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Quản lý Công nghiệp / Kỹ thuật Hệ thống Công nghiệp: Cung cấp bộ tài liệu tham khảo hoàn chỉnh từ lý thuyết, phương pháp thiết kế bảng hỏi, quy trình làm sạch dữ liệu đến kỹ năng chạy và đọc kết quả phân tích thống kê EFA/Regression trên SPSS.
  • Kỹ sư IE (Industrial Engineer) & Quản đốc xưởng: Nắm bắt mô hình định lượng trọng số thực tế để ra quyết định ưu tiên bố trí nguồn lực cải tiến mặt bằng xưởng, hệ thống làm mát và bảo trì thiết bị thay vì chỉ tập trung ép tiến độ công nhân.
  • Doanh nghiệp dệt may & Da giày: Khung phương pháp luận đo lường năng suất có thể áp dụng trực tiếp để rà soát điểm nghẽn cho mọi dây chuyền sản xuất may mặc công nghiệp.
  • Nhà nghiên cứu kinh tế lao động: Bộ dữ liệu thực nghiệm đáng tin cậy về hành vi và năng suất lao động của công nhân tại một trong những tập đoàn sản xuất lớn nhất Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và dữ liệu tối thiểu để triển khai mô hình nghiên cứu này là gì?

Cần thu thập dữ liệu khảo sát từ tối thiểu $N \ge 5 \times m$ (với $m$ là số biến quan sát). Trong đề tài, với 22 biến ban đầu, cỡ mẫu tối thiểu là 110 mẫu (nghiên cứu thực tế thu 200 mẫu để đảm bảo độ tin cậy). Cần trang bị phần mềm SPSS v20 trở lên hoặc môi trường Python/R có cài đặt các gói thống kê chuẩn.

2. Tại sao yếu tố "Mối quan hệ trong doanh nghiệp (QH)" lại bị loại khỏi mô hình hồi quy?

Trong kết quả phân tích hồi quy, biến $QH$ có giá trị mức ý nghĩa $\text{Sig.} = 0.052 > 0.05$. Tại mức ý nghĩa kiểm định chuẩn $5%$ (độ tin cậy 95%), biến này không đạt ý nghĩa thống kê. Điều này cho thấy tại dây chuyền may mang tính chuyên môn hóa cao, sự thân thiện giữa đồng nghiệp không đóng vai trò trực tiếp làm tăng hay giảm sản lượng đầu ra so với điều kiện máy móc và tay nghề.

3. Làm thế nào để tích hợp kết quả nghiên cứu vào hệ thống ERP/MES hiện có của nhà máy?

Các trọng số Beta ($\beta_{DK} = 0.414, \beta_{NL} = 0.246, \beta_{QL} = 0.115$) có thể được tích hợp trực tiếp vào module phân tích năng suất của hệ thống MES (Manufacturing Execution System) để làm hệ số hiệu chỉnh khi tính toán năng suất dự báo theo từng ca làm việc.

4. Chi phí bảo dưỡng và vận hành hệ thống giải pháp đề xuất có tốn kém không?

Chi phí bảo dưỡng định kỳ hệ thống làm mát và kiểm tra ghế công thái học ước tính dưới $5.000.000 \text{ VNĐ/tháng}$, hoàn toàn được bù đắp bởi việc giảm tỷ lệ hàng lỗi sửa lại (Rework rate) và giảm thời gian dừng máy ngoài kế hoạch (Downtime).

5. Khung thời gian hoàn vốn đầu tư (ROI) dự kiến của các giải pháp cải tiến là bao lâu?

Dựa trên mức tiết kiệm chi phí làm thêm giờ và bù đắp sản lượng thiếu hụt (khoảng $120.000.000 \text{ VNĐ/tháng}$), toàn bộ chi phí đầu tư ban đầu $130.000.000 \text{ VNĐ}$ cho giai đoạn 1 sẽ được thu hồi trong vòng $1.5 - 2$ tháng.

Kết luận

Đồ án tốt nghiệp "Phân tích các yếu tố ảnh hưởng đến năng suất lao động của phân xưởng may tại Công ty Cổ phần Đầu tư Thái Bình" của sinh viên Đặng Quang Vinh đã giải quyết thành công một bài toán thực tiễn gai góc của ngành công nghiệp may mặc bằng phương pháp tiếp cận định lượng chuẩn xác. Thông qua việc thu thập và phân tích 200 mẫu khảo sát thực địa bằng phần mềm SPSS v26, nghiên cứu đã xây dựng mô hình hồi quy đa biến có độ thích hợp cao ($R^2_{\text{adj}} = 0.512$), khẳng định thứ tự tác động của các nhân tố: Điều kiện lao động ($\beta = 0.414$) > Năng lực cá nhân ($\beta = 0.246$) > Yếu tố quản lý ($\beta = 0.115$).

Kết quả nghiên cứu bác bỏ nhận định trực giác sai lầm và mở ra hướng tiếp cận mới: muốn tăng năng suất chuyền may, doanh nghiệp trước hết phải tối ưu hóa môi trường làm việc, công thái học và trạng thái máy móc thiết bị, song song với việc đào tạo tay nghề và chuẩn hóa chính sách khen thưởng. Đây là cơ sở khoa học vững chắc giúp Ban lãnh đạo TBS Group nói riêng và các doanh nghiệp sản xuất dệt may Việt Nam nói chung tối ưu hóa chi phí vận hành, nâng cao năng lực cạnh tranh trong chuỗi cung ứng toàn cầu.