Giới thiệu dự án

Ngành dệt may Việt Nam đóng vai trò trụ cột trong nền kinh tế quốc dân với kim ngạch xuất khẩu đạt trên 44 tỷ USD/năm, chiếm khoảng 12-16% tổng kim ngạch xuất khẩu cả nước. Tuy nhiên, trước bối cảnh suy thoái kinh tế toàn cầu và sự chuyển dịch mạnh mẽ của cuộc Cách mạng Công nghiệp 4.0, các doanh nghiệp may mặc đang đối mặt với bài toán kép: áp lực chi phí nhân công tăng cao và yêu cầu rút ngắn chu kỳ giao hàng (lead time). Mô hình sản xuất may mặc truyền thống bộc lộ rõ sự cồng kềnh với mức tồn kho bán thành phẩm trên chuyền (WIP - Work In Process) lớn, tỷ lệ lãng phí thời gian chờ đợi (waiting waste) chiếm tới 25-35% tổng chu kỳ sản xuất, cùng quy trình quản lý thủ công dựa trên giấy tờ gây nghẽn thông tin.

Đề tài "Ứng dụng Lean trong thiết kế và mô phỏng nhà máy thông minh sản xuất hàng may mặc" được nghiên cứu và phát triển bởi nhóm tác giả Ngô Trung Tín và Lương Thành Nam dưới sự hướng dẫn của PGS. Lê Minh Tài tại Khoa Cơ khí Chế tạo máy – Trường Đại học Sư phạm Kỹ thuật TP.HCM, hợp tác thực nghiệm cùng Công ty TNHH Dinsen Việt Nam (đối tác cung ứng chiến lược của Adidas và The North Face). Dự án hướng đến việc tích hợp toàn diện triết lý sản xuất tinh gọn (Lean Manufacturing) với công nghệ nhà máy thông minh (Smart Factory), giải quyết triệt để các lãng phí căn nguyên thông qua mô hình hóa 3D trực quan và mô phỏng logic sự kiện rời rạc.

+-----------------------------------------------------------------------------------+
|                            MỤC TIÊU DỰ ÁN CHI TIẾT                                |
+-----------------------------------------------------------------------------------+
| 1. Tối ưu hóa lưu trình sản xuất: Loại bỏ 8 loại lãng phí (Muda) từ kho đến xuất. |
| 2. Tái cấu trúc chuyền may: Ứng dụng mô hình Adidas Standard Cell (ASC).          |
| 3. Tự động hóa nội bộ: Tích hợp hệ thống AGV, siêu thị tự động ASRS và QR code.   |
| 4. Số hóa giám sát thời gian thực: Đồng bộ máy may IoT qua phần mềm JaNetS.       |
| 5. Mô phỏng & Đánh giá logic: Sử dụng SketchUp Pro và FlexSim để thẩm định ROI.   |
+-----------------------------------------------------------------------------------+

Giải pháp lựa chọn tích hợp phương pháp tiếp cận đa tầng: kết hợp công cụ Lean (VSM, 7S, JIT, Kanban, Poka-Yoke) với công nghệ số hóa phần cứng và phần mềm. Kết quả kỳ vọng bao gồm: tăng chỉ số cân bằng chuyền (LBR - Line Balance Rate) từ dưới 65% lên trên 85%, giảm thời gian gián đoạn (total down time) 40%, cắt giảm lượng WIP trên chuyền xuống 50%, và nâng cao hiệu suất sản xuất tổng thể (EFF) toàn nhà máy đạt trên 80%. Phạm vi nghiên cứu bao quát toàn bộ chuỗi giá trị nội bộ tại nhà máy may quy mô 2 tầng gồm: kho nguyên phụ liệu, xưởng xả/cắt vải, hệ thống siêu thị bán thành phẩm, chuyền may ráp nối, khu hoàn tất đóng gói và kho thành phẩm.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Khảo sát thực tế tại nhà máy may Dinsen cho thấy các điểm nghẽn chính nằm ở quy trình xả vải thủ công (không kiểm soát chính xác thời gian hồi phục của sợi vải gây lỗi co rút), ghi chép báo cáo kiểm vải bằng giấy tờ gây chậm trễ cập nhật dữ liệu chất lượng, và phương thức vận chuyển đẩy (Push) truyền thống tạo ra lượng lớn WIP ùn tắc giữa các công đoạn cắt và may.

Tiêu chí so sánh Chuyền thẳng truyền thống Chuyền chữ U thông thường Chuyền ASC tích hợp Smart Factory
Tính linh hoạt (Flexibility) Rất thấp, khó đổi mã hàng Trung bình Rất cao, chuyển đổi mã may (changeover) < 15 phút
Mức tồn kho WIP Cao (30-50 sản phẩm/trạm) Trung bình (10-15 sản phẩm) Rất thấp (1-3 sản phẩm/trạm theo nguyên lý One-Piece Flow)
Khả năng cân bằng chuyền LBR đạt 55% - 65% LBR đạt 70% - 75% LBR đạt 85% - 92% nhờ đa kỹ năng và trạm linh động
Mức độ số hóa & IoT Không có (Ghi chép thủ công) Giám sát bán tự động 100% thời gian thực qua JaNetS, RFID/QR và màn hình LCD
Vận chuyển nội bộ Thủ công bằng xe đẩy tay Thủ công kết hợp con lăn Tự động hóa hoàn toàn bằng hệ thống AGV & ASRS

Phân loại yêu cầu hệ thống theo mô hình MoSCoW:

  • Must-have: Cân bằng chuyền theo thuật toán RPW (Ranked Positional Weight), quản lý thời gian xả vải bằng mã QR, hệ thống máy may Juki IoT kết nối JaNetS, mô hình logic FlexSim kiểm chứng luồng vật tư.
  • Should-have: Hệ thống xe tự hành AGV vận chuyển lồng vải và thùng thành phẩm, siêu thị lưu trữ tự động ASRS, hệ thống Andon cảnh báo lỗi trực quan bằng đèn tháp và LCD.
  • Could-have: Tích hợp điện áp mái năng lượng mặt trời (Solar Rooftop) giảm tiêu thụ điện năng công nghiệp.
  • Won't-have (giai đoạn này): Cánh tay robot tự động hóa hoàn toàn thao tác gá may vải co giãn phức tạp.

Thiết kế hệ thống

Kiến trúc nhà máy thông minh được thiết kế đồng bộ theo mô hình 4 tầng liên kết chặt chẽ giữa phần cứng cơ khí, thiết bị biên IoT, mạng truyền thông và hệ thống điều hành quản lý sản xuất:

graph TD
    A[Lớp Cảm biến & Thiết bị IoT] -->|Giao thức Modbus / MQTT| B[Lớp Mạng & Truyền thông Công nghiệp]
    B -->|REST API / TCP Socket| C[Hệ thống Điều hành & Xử lý Trung tâm]
    C -->|Dashboard Visualization| D[Lớp Ứng dụng & Điều hành Sản xuất]

    subgraph "Lớp Cảm biến & Thiết bị IoT"
        A1[Máy may Juki DDL-9000C IoT]
        A2[Đầu đọc Barcode/QR Scanner Datalogic]
        A3[Cảm biến tải trọng & LiDAR trên AGV]
        A4[Hệ thống Touchscreen nhập lỗi vải]
    end

    subgraph "Lớp Mạng & Truyền thông Công nghiệp"
        B1[Mạng Công nghiệp Wireless LoRa/Wi-Fi 6]
        B2[Industrial Ethernet Switch]
        B3[Cổng kết nối JaNetS Server v3.1]
    end

    subgraph "Lớp Điều hành & Xử lý Trung tâm"
        C1[Hệ thống Quản lý Sản xuất MES/WMS]
        C2[Bộ điều phối giao thông AGV Fleet Manager]
        C3[Engine Mô phỏng FlexSim 2022 Core]
    end

    subgraph "Lớp Ứng dụng & Điều hành Sản xuất"
        D1[Màn hình LCD Andon hiển thị năng suất chuyền]
        D2[Báo cáo điện tử thời gian xả vải & tỷ lệ lỗi]
        D3[Hệ thống cảnh báo downtime SMS/Telegram bot]
    end

Technology Stack chuẩn hóa:

  • Thiết kế không gian 3D: SketchUp Pro 2022 với thư viện chi tiết 3D Warehouse mô hình hóa kết cấu 2 tầng (Tầng 1: Kho, Xả/Cắt, ASRS; Tầng 2: 12 Chuyền may ASC, Hoàn tất).
  • Mô phỏng động học & Logic sự kiện rời rạc: FlexSim 2022 Engine (Flexscript / C++ API).
  • Thiết bị công nghệ: Máy may công nghiệp Juki DDL-9000C Series tích hợp giao thức truyền dữ liệu JaNetS (Juki Advanced Network System) phiên bản 3.1.
  • Cơ sở dữ liệu quản lý vật tư và mã QR: MySQL Server v8.0 kết hợp Redis Caching cho cập nhật trạng thái trạm may thời gian thực.
-- Cấu trúc bảng lưu trữ thông tin kiểm soát xả vải và trạng thái QR code
CREATE TABLE fabric_relaxation_logs (
    roll_id VARCHAR(50) PRIMARY KEY,
    fabric_type VARCHAR(50) NOT NULL,
    color_code VARCHAR(30) NOT NULL,
    input_timestamp DATETIME NOT NULL,
    standard_relax_hours INT NOT NULL,
    release_timestamp DATETIME GENERATED ALWAYS AS (DATE_ADD(input_timestamp, INTERVAL standard_relax_hours HOUR)) STORED,
    current_status ENUM('WAITING_RELAX', 'RELAXED_OK', 'MOVED_TO_CUT') DEFAULT 'WAITING_RELAX',
    agv_assigned_id VARCHAR(20) NULL,
    INDEX idx_status (current_status)
);

// Payload chuẩn từ máy may IoT gửi lên JaNetS Server qua giao thức REST API
{
  "device_id": "JUKI-SEW-T2-ASC01-04",
  "line_id": "LINE_ASC_01",
  "operator_id": "OP_19104052",
  "style_code": "ADIDAS-POLO-M01",
  "timestamp": "2023-01-15T08:30:00Z",
  "metrics": {
    "cycle_time_seconds": 24.5,
    "target_cycle_time": 25.0,
    "stitch_count": 482,
    "thread_break_count": 0,
    "sewing_speed_rpm": 4200,
    "status": "RUNNING"
  }
}

Methodology

Quy trình nghiên cứu áp dụng mô hình kết hợp vòng lặp PDCA (Plan - Do - Check - Act) và phương pháp kỹ thuật công nghiệp DMAIC:

  1. Plan (Define & Measure): Đo lường thời gian bấm giờ trực tiếp (Time Study), tính giá trị chuẩn hóa từng công đoạn (SMV - Standard Minute Value), khảo sát layout 2D hiện trạng nhà máy Dinsen Long An.
  2. Do (Analyze & Design): Thiết kế layout 3D trên SketchUp Pro; tính toán chia tách cụm công việc, bố trí công nhân theo phương pháp Ranked Positional Weight (RPW).
  3. Check (Simulate & Verify): Xây dựng mô hình logic trên FlexSim 2022, nạp thông số phân phối xác suất ngẫu nhiên (Uniform/Normal Distribution) về thời gian thao tác và sự cố máy để kiểm thử tải.
  4. Act (Implement & Standardize): Tối ưu lại các điểm nghẽn (bottleneck), chuẩn hóa tài liệu Standard Work Combination Sheet và quy trình 7S.

Implementation và kết quả

Development process

Thuật toán cân bằng chuyền (Line Balancing Algorithm) được tối ưu hóa dựa trên chỉ số LBR (Line Balance Rate):

$$\text{LBR} = \frac{\sum_{i=1}^{n} \text{Cycle Time}_i}{\text{Max}(\text{Cycle Time}) \times N} \times 100%$$

Trong đó:

  • $n$: Tổng số bước nguyên công tạo nên sản phẩm.
  • $\text{Cycle Time}_i$: Thời gian chu kỳ của nguyên công thứ $i$.
  • $\text{Max}(\text{Cycle Time})$: Thời gian của trạm thắt nút (Bottleneck Station).
  • $N$: Tổng số lao động/trạm may bố trí trong chuyền.

Hiệu suất hoạt động thực tế (EFF) và Hiệu suất hoàn hảo (EFF.Perf) được tính toán tự động qua hệ thống đo đạc thời gian thực:

$$\text{EFF} = \frac{\text{Output} \times \text{SMV}}{\text{Working Time}} \times 100%$$

$$\text{Total Down Time} = T_{\text{waiting}} + T_{\text{machine_issue}} + T_{\text{quality}} + T_{\text{changeover}} + T_{\text{training}}$$

// Flexscript logic điều phối xe AGV nhận lệnh kéo pallet từ khu xả vải sang bàn cắt
treenode current = ownerobject(c);
treenode item = param(1);
int port = param(2);

// Kiểm tra trạng thái vải đã đủ thời gian xả tiêu chuẩn chưa
double relax_duration = Model.time - item.labels["EntryRelaxTime"].value;
double required_relax_time = item.labels["StandardRelaxTime"].value;

if (relax_duration >= required_relax_time) {
    treenode agvTaskExecuter = Model.find("AGV_Fleet_Pool/AGV1");
    // Tạo TaskSequence điều xe AGV đến gắp hàng
    treenode ts = createemptytasksequence(agvTaskExecuter, 0, 0);
    inserttask(ts, TASKTYPE_TRAVEL, item.up, NULL);
    inserttask(ts, TASKTYPE_LOAD, item, item.up, 1);
    inserttask(ts, TASKTYPE_TRAVEL, Model.find("Cutting_Area/Buffer_In"), NULL);
    inserttask(ts, TASKTYPE_UNLOAD, item, Model.find("Cutting_Area/Buffer_In"), 1);
    starttasksequence(agvTaskExecuter, ts);
} else {
    // Trả về luồng chờ nếu chưa đủ thời gian xả
    item.color = Color.red;
    msg("Warning", "Vải chưa đạt đủ thời gian xả tiêu chuẩn, không thể xuất cắt!");
}

Testing và validation

Mô hình FlexSim được vận hành kiểm thử với thời gian chạy mô phỏng tương đương 8 giờ làm việc thực tế (28,800 giây) theo 2 kịch bản mã hàng may mặc phức tạp của Adidas:

  • Kịch bản A (Mã 01 - Áo thun Polo thể thao, SMV = 18.5 phút): Chuyền gồm 18 công đoạn, 14 trạm may.
  • Kịch bản B (Mã 02 - Áo khoác Jacket thể thao, SMV = 28.2 phút): Chuyền gồm 26 công đoạn, 20 trạm may.
+-----------------------------------------------------------------------------------+
|               KẾT QUẢ KIỂM THỬ VÀ VALIDATION TRÊN MÔ HÌNH FLEXSIM                |
+-----------------------------------+-----------------------+-----------------------+
| Thông số kiểm thử                 | Trước cải tiến        | Sau mô phỏng Lean 4.0 |
+-----------------------------------+-----------------------+-----------------------+
| Tỷ lệ cân bằng chuyền (LBR)       | 61.4%                 | 88.6% (+27.2%)        |
| Sản lượng đầu ra (Output/8h)      | 480 pcs               | 710 pcs (+47.9%)      |
| Thời gian tồn kho WIP trung bình  | 4.2 giờ               | 1.1 giờ (-73.8%)      |
| Quãng đường di chuyển vật tư/ngày | 12.6 km               | 3.8 km (-69.8%)       |
| Thời gian chờ đợi lỗi vải xả     | 115 phút/ca           | 0 phút (Kiểm soát QR) |
| Tỷ lệ tải hữu ích của AGV         | N/A (Đẩy tay)         | 78.4%                 |
+-----------------------------------+-----------------------+-----------------------+

Kết quả đạt được

Đồ án hoàn thành 100% các mục tiêu nghiên cứu đề ra:

  1. Xây dựng bản vẽ kiến trúc và mô hình 3D hoàn chỉnh trên SketchUp với độ chi tiết cao, thể hiện trọn vẹn 2 tầng nhà xưởng, khu vực xử lý phụ liệu, siêu thị tự động, tòa nhà trung tâm và hệ thống lối thoát hiểm an toàn theo tiêu chuẩn PCCC.
  2. Thiết lập mô hình mô phỏng logic trên FlexSim 2022 chạy thông suốt không phát sinh deadlock trong luồng điều hướng AGV và phân phối bán thành phẩm tại siêu thị ASRS.
  3. Số hóa 100% quy trình kiểm vải và xả vải, giải quyết triệt để tình trạng nhầm lẫn lô vải hoặc cắt vải chưa đạt thời gian hoàn nguyên sợi.
  4. Đạt chỉ số cân bằng chuyền ấn tượng 88.6%, giúp triệt tiêu hoàn toàn các nút thắt cổ chai ở công đoạn may tra cổ áo và ráp sườn.

Đổi mới và đóng góp

  • Tích hợp mô hình Lean ASC với tự động hóa số: Đồ án không áp dụng Lean đơn thuần trên lý thuyết mà đưa mô hình tế bào tiêu chuẩn Adidas Standard Cell (ASC) vào không gian sản xuất thông minh 4.0, kết hợp nhịp nhàng giữa con người vận hành và hệ thống vận chuyển tự hành AGV.
  • Ứng dụng giải pháp quản lý xả vải bằng mã định danh QR Code thời gian thực: Thay thế hoàn toàn thẻ giấy truyền thống bằng hệ thống kiểm soát thời gian hồi phục của sợi tự động, đảm bảo 100% cuộn vải chỉ được đưa vào máy cắt khi đồng hồ đếm ngược xác nhận trạng thái RELAXED_OK.
  • Cơ chế số hóa dữ liệu may qua máy may IoT Juki & JaNetS: Cho phép cập nhật tức thời số mũi may, tốc độ vòng quay (RPM), số lần đứt chỉ và nhịp độ sản xuất từng công nhân lên màn hình Andon trung tâm, tạo sự minh bạch tuyệt đối và thúc đẩy tinh thần tự giác cải tiến (Kaizen).
  • Giải pháp thiết kế kép (Digital Twin Simulation): Sử dụng SketchUp để tối ưu hóa không gian vật lý và FlexSim để tối ưu hóa động học logic trước khi đầu tư trang thiết bị thực tế, giúp doanh nghiệp tiết kiệm hàng trăm triệu đồng chi phí thử nghiệm sai sót.

Ứng dụng thực tế và triển khai

Real-world use cases & Triển khai

Mô hình thiết kế trong đồ án có khả năng ứng dụng trực tiếp tại các nhà máy thuộc tập đoàn Dintsun (như các xưởng DTA, DTB, DTC, DTE, DTF tại Long An và TP.HCM) cũng như các doanh nghiệp dệt may vừa và lớn tại Việt Nam có định hướng gia công hàng xuất khẩu chất lượng cao.

gantt
    title Lộ trình triển khai hệ thống Smart Lean Factory (24 Tuần)
    dateFormat  YYYY-MM-DD
    section Khảo sát & Chuẩn hóa
    Khảo sát VSM & Phân tích thao tác Time-Study     :done, des1, 2023-02-01, 4w
    Chuẩn hóa quy trình 7S & Standard Work          :done, des2, 2023-03-01, 3w
    section Phần mềm & Thiết bị
    Triển khai hạ tầng mạng IoT & JaNetS Server     :active, dev1, 2023-03-22, 5w
    Lắp đặt hệ thống QR Code & Trạm kiểm vải Touch  :dev2, 2023-04-26, 4w
    section Tự động hóa & Chuyền ASC
    Tái bố trí Layout chuyền may theo mô hình ASC   :dev3, 2023-05-24, 4w
    Lắp đặt & Lập trình tuyến đường cho AGV / ASRS   :dev4, 2023-06-21, 4w
    section Thử nghiệm & Chuyển giao
    Chạy thử nghiệm mô phỏng song song thực tế      :crit, test1, 2023-07-19, 3w
    Đào tạo nhân sự & Nghiệm thu toàn diện          :crit, test2, 2023-08-09, 2w

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

Dựa trên quy mô nhà xưởng 12 chuyền may với 240 công nhân:

  • Chi phí đầu tư ban đầu (CAPEX): Ước tính khoảng 3.2 - 4.0 tỷ VNĐ (Bao gồm: 4 xe AGV dẫn đường từ/LiDAR, hệ thống giá kệ ASRS con lăn, 240 bộ kết nối IoT JaNetS cho máy may Juki, màn hình Andon, máy tính bảng kiểm vải và hạ tầng máy chủ cơ sở dữ liệu).
  • Hiệu quả kinh tế thu về (OPEX Savings):
    • Cắt giảm 12 nhân công vận chuyển thủ công trong xưởng: Tiết kiệm ~1.44 tỷ VNĐ/năm.
    • Tăng sản lượng xuất xưởng 25% nhờ tối ưu cân bằng chuyền và giảm downtime: Lợi nhuận gộp gia tăng ước tính ~3.6 tỷ VNĐ/năm.
    • Giảm tỷ lệ hàng lỗi sửa đổi (rework) từ 4.5% xuống 1.2%: Tiết kiệm chi phí nguyên phụ liệu ~600 triệu VNĐ/năm.
  • Thời gian hoàn vốn đầu tư (ROI Payback Period): $\approx 8.5 - 10 \text{ tháng}$.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Mô hình mô phỏng trên FlexSim chưa tính toán hết các biến số tâm lý và mệt mỏi của người lao động theo từng khung giờ ca làm việc kéo dài.
  • Hệ thống AGV trong kịch bản mô phỏng giả định điều kiện mặt sàn phẳng lý tưởng, chưa bao gồm các yếu tố trơn trượt do bụi vải phát sinh trong quá trình xả cắt.
  • Chi phí đầu tư hệ thống máy may kết nối IoT đồng bộ ban đầu còn tương đối cao đối với các xưởng may gia công quy mô siêu nhỏ (dưới 5 chuyền).

Hướng phát triển

  • Tích hợp công nghệ thị giác máy tính (Computer Vision AI) tại các bàn kiểm vải tự động để nhận diện lỗi dệt, xước chỉ, loang màu mà không cần thao tác bấm chạm thủ công của con người.
  • Xây dựng thuật toán Machine Learning dự đoán thời gian bảo trì phòng ngừa (Predictive Maintenance) cho máy may Juki dựa trên dữ liệu dòng điện và nhiệt độ motor truyền về từ JaNetS.
  • Nâng cấp mô hình FlexSim thành hệ thống Digital Twin tương tác hai chiều (Bidirectional Cyber-Physical System), điều khiển ngược lại hệ thống AGV ngoài sàn thực tế theo thời gian thực.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Kỹ thuật Công nghiệp / Cơ khí: Tiếp cận tài liệu thực tế mẫu mực về cách kết hợp lý thuyết Lean (VSM, LOB, 7S) với các công cụ mô hình hóa 3D (SketchUp) và mô phỏng sự kiện rời rạc chuyên sâu (FlexSim).
  • Kỹ sư IE & Quản lý sản xuất tại các nhà máy may: Tham khảo quy trình số hóa từng bước từ trạm xả vải, kiểm vải đến layout tế bào chuyền may chữ U (ASC) để áp dụng trực tiếp, giảm thiểu rủi ro đầu tư thử nghiệm.
  • Doanh nghiệp dệt may & Ban giám đốc: Có cơ sở khoa học và dữ liệu phân tích định lượng (ROI, hiệu suất, mặt bằng) để ra quyết định chuyển đổi số và nâng cấp nhà máy truyền thống thành Smart Factory.
  • Nhà nghiên cứu học thuật: Bổ sung bộ dữ liệu tham khảo về hiệu quả kết hợp giữa Công nghiệp 4.0 và Lean trong ngành công nghiệp thời trang may mặc tại các nước đang phát triển.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai giải pháp là gì?

Nhà máy cần có sàn phẳng công nghiệp đạt chuẩn cho AGV di chuyển, hệ thống mạng không dây công nghiệp phủ kín xưởng (đảm bảo độ trễ < 50ms), máy may điện tử có cổng truyền thông (như Juki DDL-9000C hỗ trợ JaNetS) và máy chủ nội bộ hoặc Cloud chạy hệ quản trị CSDL MySQL/PostgreSQL.

2. Hệ thống xử lý thế nào khi xảy ra sự cố đột xuất tại một trạm may trên chuyền ASC?

Khi xảy ra sự cố, công nhân kích hoạt nút bấm Andon hoặc JaNetS tự động phát hiện máy ngừng hoạt động quá 2 phút, đèn tháp sẽ chuyển sang màu đỏ và phát tín hiệu đến thợ bảo trì qua ứng dụng nội bộ. Đồng thời, theo nguyên tắc Lean linh hoạt của chuyền ASC, công nhân trạm kế bên có kỹ năng đa năng sẽ hỗ trợ xử lý cụm chi tiết hoặc bán thành phẩm được chuyển tạm vào khay đệm (Buffer) để không làm dừng toàn chuyền.

3. Có thể tích hợp hệ thống dữ liệu QR/JaNetS với phần mềm ERP hiện hữu của doanh nghiệp không?

Hoàn toàn khả thi. Toàn bộ dữ liệu thu thập từ mã QR, hệ thống xả vải và máy may JaNetS được cấu trúc dưới dạng chuẩn RESTful API và bản tin JSON, dễ dàng kết nối trực tiếp với các hệ thống ERP hàng đầu như SAP, Oracle Netsuite, Bravo hoặc Fast Business.

4. Chi phí bảo dưỡng và vận hành hệ thống thông minh hàng năm chiếm bao nhiêu?

Chi phí bảo dưỡng định kỳ hàng năm (OPEX) cho hệ thống AGV, đầu đọc QR, cảm biến IoT và bản quyền phần mềm ước tính chỉ chiếm khoảng 3 - 5% tổng chi phí đầu tư ban đầu, hoàn toàn được bù đắp bởi mức tiết kiệm năng lượng và giảm phế phẩm.

5. Tại sao nên chọn kết hợp SketchUp và FlexSim mà không dùng một phần mềm duy nhất?

SketchUp tối ưu hóa thiết kế không gian kiến trúc 3D với độ chính xác cơ khí, trực quan, hỗ trợ xuất hình ảnh và video trình diễn trực quan cho các nhà quản lý. Trong khi đó, FlexSim là phần mềm chuyên dụng về tính toán động học và logic sự kiện rời rạc, hỗ trợ thuật toán phân phối ngẫu nhiên và trích xuất biểu đồ cân bằng chuyền chuẩn xác. Sự kết hợp này mang lại cái nhìn toàn diện từ hình thức kiến trúc đến bản chất vận hành kỹ thuật.

Kết luận

Đồ án tốt nghiệp "Ứng dụng Lean trong thiết kế và mô phỏng nhà máy thông minh sản xuất hàng may mặc" của sinh viên Ngô Trung Tín và Lương Thành Nam đã giải quyết xuất sắc bài toán tối ưu hóa sản xuất công nghiệp hiện đại. Bằng việc phối hợp chặt chẽ giữa tư duy tinh gọn (Lean Manufacturing) và các công nghệ cốt lõi của Công nghiệp 4.0 (IoT, JaNetS, AGV, ASRS, QR Code), nghiên cứu đã chứng minh tính khả thi vượt trội trong việc nâng cao chỉ số cân bằng chuyền lên 88.6%, giảm hơn 70% tồn kho trung gian và rút ngắn đáng kể thời gian gián đoạn sản xuất.

Công trình không chỉ là kết quả học tập mang hàm lượng kỹ thuật cao mà còn là một bản thiết kế mẫu (Blueprint) có giá trị thực tiễn to lớn cho tiến trình số hóa ngành may mặc Việt Nam. Đây là tài liệu tham khảo và giải pháp ứng dụng thiết thực mà các doanh nghiệp sản xuất đang tìm kiếm để gia tăng năng lực cạnh tranh trên thị trường quốc tế.