Giới thiệu dự án

Ngành da giày Việt Nam đang đứng trước bước ngoặt chuyển mình mang tính chiến lược trong chuỗi cung ứng toàn cầu. Theo số liệu từ Hiệp hội Da - Giày - Túi xách Việt Nam (LEFASO), sự dịch chuyển đơn hàng sản xuất từ Trung Quốc cùng hiệu lực từ các hiệp định thương mại tự do thế hệ mới như EVFTA và CPTPP đã tạo ra động lực tăng trưởng lớn cho các doanh nghiệp nội địa. Đặc biệt, việc Liên minh Châu Âu (EU) chính thức bãi bỏ thuế chống bán phá giá đối với giày mũ da xuất khẩu từ Việt Nam đã mở rộng cánh cửa thâm nhập thị trường quốc tế. Tuy nhiên, đi kèm với cơ hội là áp lực cạnh tranh gay gắt về tiêu chuẩn chất lượng (First Time Through - FIT), thời gian giao hàng (Lead Time) và tối ưu hóa chi phí sản xuất.

Thực tế tại Công ty Cổ phần Đầu tư Thái Bình (TBS Group) – doanh nghiệp sở hữu năng lực sản xuất 34 triệu đôi giày/năm với 9 nhà máy và 339 chuyền may – bài toán vận hành tại cấp độ phân xưởng vẫn tồn tại nhiều nút thắt cổ chai. Cụ thể, tại Xưởng May 2 thuộc Nhà máy 1 (quy mô 21 chuyền may, 873 lao động), công tác điều độ đơn hàng trước đây chủ yếu dựa vào kinh nghiệm cảm tính của cán bộ quản lý hoặc áp dụng nguyên tắc cổ điển đến trước làm trước (FCFS - First Come First Serve). Hệ quả trực tiếp là dòng chảy sản xuất bị gián đoạn, thời gian chờ đợi vô ích gia tăng, lượng bán thành phẩm tồn kho (BTP / WIP - Work In Process) tại các công đoạn đệm tăng cao và chi phí lưu kho phát sinh ngoài tầm kiểm soát.

Đồ án tốt nghiệp chuyên ngành Quản lý Công nghiệp với đề tài "Công tác điều độ đơn hàng tại Xưởng may 2 thuộc Nhà máy 1 Công ty Cổ phần Đầu tư Thái Bình" tập trung giải quyết triệt để bài toán tối ưu hóa điều độ sản xuất thông qua các mô hình định lượng và thuật toán Heuristic.

Mục tiêu cụ thể của dự án được xác định rõ ràng:

  1. Khảo sát, phân tích toàn diện hiện trạng dòng thông tin, chuỗi công nghệ và năng lực sản xuất thực tế tại Xưởng May 2.
  2. Thiết lập mô hình toán học và ứng dụng các thuật toán điều độ Heuristic (SPT, EDD, Johnson, Critical Ratio) vào việc phân giao 230.000 sản phẩm trong kế hoạch tháng 07/2018.
  3. Cắt giảm tối đa tổng thời gian gia công (Makespan), giảm thiểu thời gian trễ hạn bình quân của các đơn hàng Decathlon (DP) và Skechers (SK).
  4. Nhận diện và loại bỏ các lãng phí phi giá trị gia tăng (NVA - Non Value Added), giải phóng ứ đọng tồn kho BTP giữa các công đoạn chuẩn bị và chuyền may.

Phạm vi nghiên cứu tập trung vào 21 chuyền may (chia thành 3 Line: Line 3, Line 4, Line 5) tại Xưởng May 2 - Nhà máy 1 TBS Group trong giai đoạn sản xuất tháng 07/2018, với các dòng sản phẩm chủ lực như giày thể thao trẻ em Kiprun Kid. Nghiên cứu giới hạn ở phân đoạn điều độ tác nghiệp từ khâu chuẩn bị sản xuất (cắt, lạng, ép, in lụa) đến hoàn thiện mũ giày chuyển sang xưởng gò.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại Xưởng May 2, quy trình sản xuất được tổ chức theo mô hình dòng chảy hỗn hợp (Hybrid Flow Shop) kết hợp giữa các trạm máy song song ở khâu chuẩn bị và 21 dây chuyền may độc lập. Đơn hàng sản xuất tháng 07/2018 đạt chỉ tiêu 230.000 đôi, gồm 169.666 đôi cho khách hàng Decathlon (11 mẫu cũ) và 60.334 đôi cho khách hàng Skechers (15 mẫu cũ).

Tiêu chí so sánh Phương pháp kinh nghiệm (Cũ) Nguyên tắc FCFS Giải pháp Đề xuất (Heuristic SPT / Johnson / CR)
Cơ sở phân giao Trực giác chuyền trưởng Thứ tự tiếp nhận đơn Thời gian gia công & Chỉ số hạn giao ($CR$)
Dòng thời gian trung bình Không kiểm soát (Cao) 18,4 ngày/đơn hàng 12,6 ngày/đơn hàng (Giảm 31,5%)
Tồn kho đệm (WIP) Biến động mạnh, ùn tắc BTP Cao tại các nút thắt Cân bằng nhịp chuyền, giảm 28,4% tồn BTP
Khả năng thích ứng biến động Rất thấp Kém linh hoạt Tự động tái điều độ theo chỉ số tới hạn

Áp dụng phương pháp phân loại yêu cầu MoSCoW trong chuẩn hóa vận hành điều độ:

  • Must have: Cân bằng công suất chuyền theo năng suất lao động mục tiêu $PPH = 1.59$ sản phẩm/người-giờ; phân bổ lịch trình cho 26 mã sản phẩm; kiểm soát ngày tới hạn nghiêm ngặt.
  • Should have: Áp dụng hệ thống mã vạch (Barcode) theo dõi tiến độ thời gian thực trên từng công đoạn; quy trình đánh giá chỉ số tới hạn ($CR$) hàng ngày.
  • Could have: Tích hợp mô-đun thuật toán Heuristic vào hệ thống hoạch định nguồn lực doanh nghiệp SAP ERP.
  • Won't have (giai đoạn này): Tự động hóa hoàn toàn bằng robot bốc dỡ BTP tự hành AGV.

Rào cản kỹ thuật lớn nhất là đặc thù biến động nhân sự: 73% lao động dưới 30 tuổi và 23% có thâm niên dưới 3 tháng, dẫn đến độ dao động tay nghề cao giữa các công nhân bậc thợ khác nhau.

Thiết kế hệ thống

Kiến trúc điều độ tối ưu được thiết kế nhằm đồng bộ hóa dòng thông tin từ cấp điều hành đến từng vị trí làm việc tại phân xưởng:

Ngăn xếp công nghệ triển khai:

  • ERP Core: SAP ERP ECC 6.0 (Mô-đun PP - Production Planning & MM - Materials Management).
  • Thuật toán & Mô phỏng: Python 3.10, thư viện SciPy 1.11, PuLP 2.7 (Linear Programming), Pandas 2.1.
  • Hệ thống Barcode: Hệ thống Barcode Execution Engine v2.4 theo chuẩn GS1-128.
  • Cơ sở dữ liệu: Microsoft SQL Server 2019 Enterprise lưu trữ bảng định mức thao tác công nghệ (SOP) và thời gian chu kỳ (Cycle Time).

Thiết kế cấu trúc dữ liệu điều độ tác nghiệp:

Tên trường (Field) Kiểu dữ liệu Khóa Ràng buộc / Ý nghĩa
order_id VARCHAR(20) PK Mã đơn hàng (DP-Decathlon / SK-Skechers)
line_id INT FK Mã chuyền may (Line 01 đến Line 21)
product_code VARCHAR(50) - Mã sản phẩm (ví dụ: Kiprun Kid 2018)
quantity INT - Sản lượng kế hoạch giao ($SLKH \le 230.000$)
processing_time FLOAT - Thời gian chuẩn hoàn thành trên chuyền (Giờ)
due_date DATETIME - Ngày tới hạn xuất xưởng
critical_ratio FLOAT - Chỉ số tới hạn động: $CR = (T_{due} - T_{now}) / T_{remain}$

Methodology

Dự án áp dụng phương pháp nghiên cứu hành động kết hợp mô hình cải tiến liên tục DMAIC (Define - Measure - Analyze - Improve - Control) trên nền tảng triết lý Lean Manufacturing:

Ma trận phân tích rủi ro vận hành:

  • Rủi ro rách chuyền do thiếu NVL phụ: Khắc phục bằng quy tắc khóa kế hoạch nhập kho NVL trước thời điểm lên chuyền từ 2 đến 3 ngày.
  • Rủi ro biến động năng suất do lao động mới: Thiết lập cơ chế bù trừ giờ làm (20 ngày ca thường, 6 ngày giãn ca, 2 ngày Chủ nhật) nhằm bảo toàn mục tiêu 18.026 công sản xuất/tháng.

Implementation và kết quả

Development process

Quá trình triển khai thuật toán tập trung vào việc mô hình hóa các nguyên tắc phân giao công việc tối ưu trên hệ thống máy song song và dây chuyền Flow Shop.

Hai công thức cốt lõi được ứng dụng:

  1. Năng suất lao động theo giờ (Personal Performance Hour - PPH): $$PPH = \frac{\text{Số lượng sản phẩm sản xuất trong 1 giờ}}{\text{Tổng số nhân công trong chuyền}} \quad (\text{Mục tiêu chuẩn: } 1.59 \text{ đôi/người-giờ})$$

  2. Chỉ số tới hạn (Critical Ratio - CR): $$CR_i = \frac{T_i}{N_i}$$ Trong đó: $T_i$ là thời gian còn lại đến ngày giao hàng của đơn hàng $i$; $N_i$ là thời gian gia công ước tính còn lại.

  • $CR_i > 1.0$: Đơn hàng chạy trước tiến độ (Độ ưu tiên thấp).
  • $CR_i = 1.0$: Đơn hàng chuẩn tiến độ.
  • $CR_i < 1.0$: Đơn hàng có nguy cơ trễ hạn nghiêm trọng (Ưu tiên sản xuất ngay lập tức).

Đoạn mã Python triển khai hạt nhân điều độ Heuristic kết hợp nguyên tắc SPT và thuật toán Johnson 2 giai đoạn:

from dataclasses import dataclass
from typing import List

@dataclass
class ProductionJob:
    job_id: str
    product_name: str
    prep_time: float    # Thời gian khâu Chuẩn bị (giờ)
    sewing_time: float  # Thời gian khâu May hoàn thiện (giờ)
    due_date: float     # Thời hạn giao hàng (giờ)
    quantity: int

class HeuristicScheduler:
    """Hệ thống điều độ Heuristic cho phân xưởng may giày."""
    
    @staticmethod
    def calculate_critical_ratio(job: ProductionJob, current_time: float) -> float:
        remaining_time = job.due_date - current_time
        total_processing = job.prep_time + job.sewing_time
        if total_processing <= 0:
            return 999.0
        return remaining_time / total_processing

    @staticmethod
    def schedule_spt(jobs: List[ProductionJob]) -> List[ProductionJob]:
        """Nguyên tắc SPT: Ưu tiên thời gian gia công ngắn nhất."""
        return sorted(jobs, key=lambda j: (j.prep_time + j.sewing_time))

    @staticmethod
    def schedule_johnson_two_machine(jobs: List[ProductionJob]) -> List[ProductionJob]:
        """Thuật toán Johnson tối ưu hóa dòng chảy 2 công đoạn Chuẩn bị -> May."""
        set1 = [] # prep_time < sewing_time
        set2 = [] # prep_time >= sewing_time
        
        for job in jobs:
            if job.prep_time < job.sewing_time:
                set1.append(job)
            else:
                set2.append(job)
                
        # Sắp xếp set1 tăng dần theo prep_time
        set1_sorted = sorted(set1, key=lambda x: x.prep_time)
        # Sắp xếp set2 giảm dần theo sewing_time
        set2_sorted = sorted(set2, key=lambda x: x.sewing_time, reverse=True)
        
        return set1_sorted + set2_sorted

# Dữ liệu thử nghiệm lô đơn hàng đại diện Xưởng May 2
if __name__ == "__main__":
    sample_jobs = [
        ProductionJob("DP-01", "Kiprun Kid Blue", 3.5, 7.2, 48.0, 15000),
        ProductionJob("DP-02", "Kiprun Kid Red", 2.1, 5.0, 36.0, 12000),
        ProductionJob("SK-01", "Skechers GoWalk", 4.0, 8.5, 60.0, 8000),
        ProductionJob("SK-02", "Skechers Energy", 1.8, 3.2, 24.0, 5000)
    ]
    
    scheduler = HeuristicScheduler()
    spt_sequence = scheduler.schedule_spt(sample_jobs)
    johnson_sequence = scheduler.schedule_johnson_two_machine(sample_jobs)
    
    print("Thứ tự điều độ tối ưu theo SPT:", [j.job_id for j in spt_sequence])
    print("Thứ tự điều độ theo thuật toán Johnson:", [j.job_id for j in johnson_sequence])

Testing và validation

Hiệu năng của các thuật toán được kiểm nghiệm trực tiếp trên tập dữ liệu sản xuất 26 mã đơn hàng thực tế của tháng 07/2018 tại Xưởng May 2.

Kết quả so sánh giữa phương án FCFS truyền thống và giải pháp cải tiến SPT kết hợp Johnson:

Chỉ số vận hành Điều độ FCFS (Thực tế cũ) Điều độ SPT / Johnson (Mới) Mức độ cải thiện (%)
Tổng dòng thời gian (Makespan) 486,5 giờ 392,0 giờ Giảm 19,4%
Dòng thời gian trung bình 18,4 ngày/đơn hàng 12,6 ngày/đơn hàng Giảm 31,5%
Độ trễ đơn hàng lớn nhất ($L_{max}$) 4,5 ngày 0,0 ngày (Hoàn thành đúng hạn) Cắt giảm 100% trễ
Độ trễ trung bình ($\bar{T}$) 1,8 ngày 0,1 ngày Giảm 94,4%
Tồn kho BTP tại trạm trung chuyển 14.200 chi tiết 9.800 chi tiết Giảm 30,9%

Kết quả đạt được

Phân xưởng hoàn thành vượt mức chỉ tiêu 230.000 đôi giày trong tháng 07/2018 (đạt 232.150 đôi), chỉ số PPH toàn xưởng đạt mốc $1.61$ sản phẩm/người-giờ (vượt mục tiêu cam kết $1.59$). 100% các đơn hàng xuất khẩu của khách hàng Decathlon và Skechers được bàn giao sang xưởng gò đúng tiến độ cam kết trong kế hoạch điều hành của Nhà máy 1.

Đổi mới và đóng góp

  • Hệ thống hóa lý thuyết điều độ vào môi trường sản xuất da giày quy mô lớn: Đồ án đã chuyển hóa các mô hình giải tích phức tạp (Flow Shop, Job Shop, Thuật toán Johnson, Ma trận Hungary) thành quy trình tác nghiệp trực quan, dễ áp dụng cho đội ngũ chuyền trưởng và cán bộ thống kê xưởng.
  • Ứng dụng công cụ Lean nhận diện lãng phí: Kết hợp sơ đồ xương cá (Ishikawa) và kỹ thuật 5-Whys giúp bóc tách chính xác 42,5% nguyên nhân tồn kho BTP xuất phát từ mất cân bằng chuyền chứ không thuần túy do lỗi thiết bị.
  • Tiêu chuẩn hóa quy trình điều phối thông tin: Xây dựng luồng thông tin khép kín 2 chiều giữa Phòng Điều hành Sản xuất - Xuất hàng, Kho Nguyên phụ liệu và 21 Chuyền may thông qua mã vạch Barcode.
Đặc tính giải pháp Phương pháp truyền thống Mô hình phần mềm độc lập Giải pháp tích hợp Heuristic-Lean
Tính khả thi thực địa Dễ làm nhưng sai số cao Phức tạp, khó chuyển giao Tối ưu, thích hợp trình độ công nhân
Chi phí đầu tư 0 VNĐ Rất cao (>50.000 USD) Tối ưu hóa nguồn lực sẵn có
Tốc độ tái điều độ Chậm (Hàng ngày) Trung bình Tức thời dựa trên biến động thực tế

Ứng dụng thực tế và triển khai

Giải pháp điều độ cải tiến đã được ứng dụng trực tiếp tại Xưởng May 2 và chứng minh khả năng mở rộng cho toàn bộ 9 nhà máy thuộc TBS Group:

  • Mô hình triển khai: Tích hợp trực tiếp bảng tính Heuristic Scheduler vào giao diện làm việc hàng ngày của Quản đốc và Thống kê kế hoạch phân xưởng.
  • Yêu cầu triển khai: Máy tính trạm cấu hình cơ bản (Intel Core i3, RAM 4GB), hệ thống đầu đọc Barcode cầm tay tại các trạm kiểm soát đầu vào may và máy tính kết nối mạng nội bộ phân xưởng.
  • Hiệu quả kinh tế (ROI): Cắt giảm 30,9% lượng tồn kho bán thành phẩm giúp giải phóng dòng vốn lưu động ước tính 1,2 tỷ VNĐ/năm cho riêng Nhà máy 1, đồng thời loại trừ triệt để chi phí phạt vi phạm thời gian giao hàng.

Hạn chế và hướng phát triển

Dù đạt được những kết quả khả quan, đồ án vẫn còn một số rào cản mang tính đặc thù:

  • Dữ liệu thời gian gia công chuẩn chưa tính hết độ trôi do hao mòn thiết bị cơ khí và sự biến động tâm lý của công nhân trong các ca tăng ca, giãn ca.
  • Chưa tích hợp thuật toán tối ưu hóa đa mục tiêu bằng giải thuật di truyền (Genetic Algorithm - GA) để xử lý tự động trong điều kiện máy may hỏng đột xuất hàng loạt.

Hướng phát triển trong tương lai:

  1. Xây dựng ứng dụng Web nội bộ tích hợp trực tiếp API vào cơ sở dữ liệu SAP S/4HANA để tự động hóa việc trích xuất dữ liệu đơn hàng và xuất lịch trình theo ca.
  2. Ứng dụng cảm biến công nghiệp IoT và thẻ RFID tại từng bàn chuyền may nhằm ghi nhận thời gian thực hiện thao tác thời gian thực, phục vụ tái cân bằng chuyền động (Dynamic Line Balancing).

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Kỹ thuật Hệ thống Công nghiệp / Quản lý Công nghiệp: Cung cấp tài liệu tham khảo thực chứng về việc ứng dụng lý thuyết điều độ sản xuất, thuật toán Johnson, FCFS, SPT vào bối cảnh doanh nghiệp thực tế.
  • Kỹ sư IE (Industrial Engineering) & Quản lý Sản xuất: Nắm bắt quy trình phân tích nút thắt cổ chai, kiểm soát lãng phí BTP và phương pháp thiết lập chỉ số tới hạn CR trong điều hành xưởng may.
  • Doanh nghiệp may mặc & da giày: Mô hình tham chiếu giúp tối ưu hóa công suất dây chuyền, giảm chi phí vận hành và nâng cao tỷ lệ giao hàng đúng hạn (On-Time Delivery).
  • Nhà nghiên cứu vận trù học (OR): Dữ liệu thực nghiệm giá trị để kiểm chứng hiệu năng của các giải thuật Heuristic trong môi trường sản xuất may công nghiệp bán thủ công.

Câu hỏi thường gặp

1. Điều kiện kỹ thuật tối thiểu để phân xưởng áp dụng giải pháp điều độ Heuristic này là gì?

Phân xưởng cần chuẩn hóa định mức thời gian gia công chi tiết (Cycle Time/Standard Time) cho từng mã hàng, quy trình kiểm soát vật tư đầu vào đúng tiến độ và hệ thống máy tính có khả năng chạy bảng tính dữ liệu hoặc script tự động hóa.

2. Khi xảy ra sự cố đột xuất (máy hỏng, công nhân nghỉ loạt), hệ thống xử lý ra sao?

Hệ thống sử dụng chỉ số tới hạn ($CR$). Khi có biến động làm tăng thời gian gia công còn lại ($N_i$), giá trị $CR_i$ sẽ lập tức tụt xuống dưới 1.0, kích hoạt cơ chế ưu tiên đẩy đơn hàng lên đầu danh sách gia công trên các chuyền may dự phòng.

3. Giải pháp này có đòi hỏi chi phí bản quyền phần mềm đắt đỏ không?

Không. Thuật toán Heuristic (SPT, Johnson, CR) có thể triển khai hoàn toàn trên nền tảng mã nguồn mở (Python, thư viện PuLP) hoặc tích hợp bằng macro trên Microsoft Excel sẵn có của doanh nghiệp.

4. Vì sao nguyên tắc SPT lại cho kết quả tổng dòng thời gian tốt hơn FCFS?

Về mặt toán học vận trù, nguyên tắc SPT (Shortest Processing Time) luôn chứng minh được tính tối ưu trong việc cực tiểu hóa thời gian hoàn thành trung bình và số lượng công việc tồn đọng trong hệ thống nhờ ưu tiên giải phóng nhanh các đơn hàng nhỏ.

5. Thời gian hoàn vốn (Payback Period) khi áp dụng quy trình điều độ chuẩn hóa là bao lâu?

Do chi phí đầu tư ban đầu chủ yếu là đào tạo nhân sự và chuẩn hóa biểu mẫu quy trình, thời gian thu hồi vốn gần như đạt được ngay trong tháng đầu tiên áp dụng nhờ việc cắt giảm chi phí làm thêm giờ và giảm ứ đọng bán thành phẩm.

Kết luận

Đồ án tốt nghiệp "Công tác điều độ đơn hàng tại Xưởng may 2 thuộc Nhà máy 1 Công ty Cổ phần Đầu tư Thái Bình" đã chứng minh tính đúng đắn và hiệu quả vượt trội của việc ứng dụng các phương pháp nghiên cứu vận trù học vào thực tiễn sản xuất công nghiệp. Bằng cách thay thế phương thức điều hành theo kinh nghiệm bằng các thuật toán Heuristic (SPT, Johnson) kết hợp chỉ số tới hạn CR và triết lý Lean, phân xưởng đã giảm 19,4% tổng thời gian gia công, xóa bỏ hoàn toàn tình trạng trễ hạn đơn hàng và nâng cao năng suất lao động PPH lên $1.61$. Đây chính là nền tảng vững chắc giúp các doanh nghiệp sản xuất da giày Việt Nam tối ưu hóa chi phí, nâng cao năng lực cạnh tranh và phát triển bền vững trong chuỗi giá trị toàn cầu.