Tổng quan nghiên cứu

Trong bối cảnh công nghiệp 4.0 và xu hướng sản xuất đúng lúc (Just-in-time), năng lực đáp ứng đơn hàng nhanh chóng với chi phí tối ưu là yếu tố then chốt tạo nên lợi thế cạnh tranh của doanh nghiệp chế tạo. Tại các phân xưởng gia công cơ khí chính xác, sự cố dừng máy đột ngột không chỉ làm gián đoạn chuỗi cung ứng mà còn gây tổn thất tài chính nặng nề, với chi phí tăng ca bù tiến độ có thời điểm vượt mức 30.000.000 VNĐ trong một tháng cao điểm.

Vấn đề cốt lõi mà các doanh nghiệp sản xuất gián đoạn (Job-shop) đối mặt là sự xung đột thường trực giữa kế hoạch gia công và kế hoạch bảo dưỡng thiết bị. Môi trường Job-shop có đặc thù là khối lượng gia công theo lô nhỏ, chủng loại sản phẩm đa dạng và thứ tự công nghệ thay đổi liên tục. Khi công tác bảo trì phòng ngừa (Preventive Maintenance - PM) bị tách rời khỏi quy trình điều độ, hoạt động sản xuất rơi vào thế bị động trước các sự cố hư hỏng hoặc phải dừng máy đột ngột, làm suy giảm hiệu suất và kéo dài thời gian hoàn thành đơn hàng.

Mục tiêu cụ thể của nghiên cứu là xây dựng mô hình toán điều độ Job-shop tích hợp đồng thời hai biến quyết định: lịch trình sản xuất các đơn hàng và lịch trình bảo dưỡng phòng ngừa của hệ thống máy móc. Đề tài ứng dụng Giải thuật di truyền (Genetic Algorithm - GA) để tìm kiếm phương án tối ưu nhằm cực tiểu hóa tổng thời gian hoàn thành (makespan), đảm bảo toàn bộ công việc bảo trì được thực thi nghiêm ngặt trong khung thời gian quy định.

Phạm vi nghiên cứu được triển khai tại Công ty A, một doanh nghiệp có vốn đầu tư nước ngoài được thành lập từ tháng 7 năm 2016 tại Việt Nam, chuyên sản xuất linh kiện khuôn mẫu và tự động hóa nhà máy. Dữ liệu thực nghiệm tập trung vào quy trình chế tạo dòng sản phẩm chốt định vị Core Pin và hệ thống 11 máy gia công chủ lực trong quý 4 năm 2023.

Nghiên cứu mang ý nghĩa thực tiễn to lớn khi giúp doanh nghiệp chủ động lập lịch sản xuất cho 7 lô đơn hàng lớn với tổng sản lượng hơn 3.550 sản phẩm, loại bỏ hoàn toàn các điểm nghẽn xung đột tài nguyên và giảm tải hơn 180 giờ làm thêm mỗi tháng của nhân công trực tiếp đứng máy.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên ba trụ cột lý thuyết chuyên sâu trong lĩnh vực Kỹ thuật Công nghiệp:

Thứ nhất là Lý thuyết điều độ trong hệ thống sản xuất gián đoạn (Job-shop Scheduling Problem). Đây là bài toán tối ưu hóa tổ hợp kinh điển thuộc lớp NP-hard, trong đó n công việc với các chuỗi nguyên công khác nhau cần được sắp xếp xử lý trên m máy chuyên dụng nhằm đạt được các chỉ số hiệu năng tối ưu.

Thứ hai là Lý thuyết bảo trì phòng ngừa định kỳ theo thời gian (Time-based Preventive Maintenance). Mô hình bảo dưỡng này hướng tới việc kiểm tra, cân chỉnh và thay thế linh kiện theo chu kỳ xác định nhằm kéo dài tuổi thọ máy móc, nâng cao độ tin cậy và chuyển dịch công tác kỹ thuật sang thế chủ động.

Thứ ba là Phương pháp quy hoạch đứt quãng (Disjunctive Programming). Mô hình toán học thiết lập các tập ràng buộc bất đẳng thức phi tuyến để kiểm soát thứ tự ưu tiên của các nguyên công, đồng thời đưa ra các điều kiện loại trừ không cho phép hai hoạt động sản xuất hoặc bảo trì diễn ra đồng thời trên cùng một thiết bị.

Các khái niệm trọng tâm xuyên suốt bao gồm: Thời gian hoàn thành công việc cuối cùng (Makespan), Cửa sổ thời gian bảo trì quy định, Nhiễm sắc thể đại diện cho thứ tự phân việc, Hàm thích nghi đánh giá chất lượng lời giải, và Cơ chế lai ghép - đột biến trong không gian tìm kiếm.

Phương pháp nghiên cứu

Nguồn dữ liệu của đề tài được trích xuất trực tiếp từ hệ thống quản trị sản xuất của Công ty A, đơn vị đang vận hành danh mục 8.000 sản phẩm, 3.000 thương hiệu và 110.000 mặt hàng tồn kho.

Cỡ mẫu nghiên cứu thực nghiệm bao gồm 7 đơn hàng đại diện với tổng khối lượng 3.550 chi tiết chốt khuôn Core Pin, được gia công qua hệ thống 11 máy công cụ (bao gồm các dòng máy tiện CNC A009, A437, A474, A1883, A1959; máy mài phẳng A045, A767; máy bo tròn L090, L161, L408, L048). Phương pháp chọn mẫu có chủ đích được áp dụng vì dòng sản phẩm Core Pin sở hữu cấu trúc hình học phức tạp nhiều bậc, đòi hỏi dung sai khắt khe và có mật độ vận hành máy cao nhất trong nhà máy.

Lý do lựa chọn phương pháp phân tích: Do bài toán điều độ Job-shop tích hợp bảo trì là bài toán NP-hard với không gian nghiệm bùng nổ theo cấp số nhân, các phương pháp quy hoạch toán học truyền thống như nhánh cận không thể tìm ra nghiệm tối ưu trong khoảng thời gian chấp nhận được. Tác giả lựa chọn Giải thuật di truyền (Genetic Algorithm) kết hợp phương pháp thiết kế thực nghiệm giai thừa (Factorial Design). Thuật toán được lập trình hoàn toàn trên nền tảng Python 3 thông qua môi trường phát triển tích hợp Spyder, cho phép mô phỏng tiến trình tiến hóa của quần thể nhiễm sắc thể và xác định bộ thông số lai ghép - đột biến tối ưu.

Toàn bộ quá trình thu thập số liệu, mô hình hóa toán học, lập trình thuật toán và đánh giá thực nghiệm được thực hiện liên tục từ tháng 9 năm 2023 đến tháng 12 năm 2023 và hoàn thành bảo vệ chính thức vào tháng 1 năm 2024.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Nghiên cứu đã làm rõ thực trạng vận hành và mang lại những phát hiện có giá trị định lượng quan trọng:

Thứ nhất, việc điều độ thủ công dựa trên kinh nghiệm cá nhân gây tổn thất chi phí nghiêm trọng. Trong năm 2023, chi phí phát sinh do công nhân phải tăng ca vì máy dừng bảo dưỡng diễn ra triền miên ở mức cao. Điển hình vào tháng 11 năm 2023, thời gian tăng ca lên tới 180 giờ cho 4 công nhân đứng máy, làm phát sinh 30.375.000 VNĐ chi phí làm thêm, tăng gấp hơn 4,5 lần so với mức chi phí 6.682.500 VNĐ của tháng 6 năm 2023.

Thứ hai, thời gian thực hiện nhiệm vụ bảo dưỡng phòng ngừa trên các dòng máy cơ khí chính xác được chuẩn hóa nằm trong khoảng cố định từ 4 đến 8 giờ cho mỗi chu kỳ. Khi chưa có mô hình tích hợp, thời gian dừng máy này trực tiếp cắt ngang các công đoạn gia công thô hoặc tinh, dẫn đến tình trạng bán thành phẩm tồn ứ cục bộ.

Thứ ba, mô hình đề xuất đã dung hòa thành công lịch trình gia công của 7 đơn hàng lớn và kế hoạch dừng 11 máy để bảo trì. Giải thuật GA tìm ra phương án phân bổ tối ưu, giúp rút ngắn thời gian hoàn thành tổng thể (Makespan) xuống khoảng 22% so với phương pháp điều độ truyền thống, đồng thời cam kết 100% nhiệm vụ bảo dưỡng được thực hiện trước mốc thời gian trễ nhất quy định.

Thứ tư, hiệu suất khai thác thiết bị được cải thiện rõ rệt. Tỷ lệ thời gian chờ đợi vô ích giữa các công đoạn cắt, tiện thô, bo tròn, tiện tinh, mài thô và mài tinh giảm khoảng 25%, giúp cân bằng chuyền sản xuất và ổn định năng lực cung ứng.

Thảo luận kết quả

Nguyên nhân căn bản dẫn đến sự chậm trễ đơn hàng và chi phí tăng ca trước đây là do doanh nghiệp xem hoạt động bảo trì máy là một yếu tố ngoại lai ngẫu nhiên. Khi kế hoạch sản xuất và kế hoạch kỹ thuật không có sự liên kết dữ liệu, người quản lý thường ưu tiên chạy tiến độ mà trì hoãn bảo trì, dẫn đến nguy cơ máy hỏng nặng hơn, hoặc ngược lại dừng máy đột ngột khiến dây chuyền bị đứt gãy.

Bằng cách đưa nhiệm vụ bảo dưỡng vào mô hình dưới dạng các nguyên công đặc biệt có ràng buộc thời gian hoàn thành nghiêm ngặt, thuật toán GA đã tự động bố trí các khoảng trống gia công hợp lý. Khi so sánh với các công bố quốc tế về tối ưu hóa sản xuất, kết quả nghiên cứu khẳng định phương pháp tiếp cận metaheuristic này vượt trội hoàn toàn so với các quy tắc phân việc tĩnh như đến trước phục vụ trước (FIFO) hay thời gian gia công ngắn nhất (SPT).

Trong nghiên cứu, dữ liệu tối ưu hóa được minh họa trực quan thông qua biểu đồ Gantt chi tiết, thể hiện rõ các khối thời gian gia công xen kẽ nhịp nhàng với các mốc dừng máy kỹ thuật mà không xảy ra hiện tượng chồng lấn. Đồng thời, biểu đồ hội tụ giá trị hàm mục tiêu Makespan qua các thế hệ và biểu đồ tương tác tham số (Interaction plot) từ thiết kế giai thừa Factorial Design trên phần mềm thống kê đã chứng minh tính ổn định cao của cấu trúc thuật toán di truyền được xây dựng.

Đề xuất và khuyến nghị

Dựa trên kết quả thực nghiệm, 4 nhóm giải pháp cụ thể được khuyến nghị áp dụng:

Thứ nhất, số hóa và tự động hóa quy trình điều độ đơn hàng. Ban Giám đốc và Phòng Sản xuất cần chính thức triển khai phần mềm điều độ lập trình trên Python 3 vào hệ thống quản trị hàng ngày, thay thế phương pháp tính toán thủ công trên bảng tính. Mục tiêu đặt ra là cắt giảm 80% thời gian lập lịch (từ 3 giờ xuống dưới 5 phút cho mỗi đợt lập kế hoạch) bắt đầu từ quý 2 năm 2024.

Thứ hai, thiết lập quy chế chia sẻ dữ liệu liên phòng ban đồng bộ. Phòng Kỹ thuật - Bảo trì có trách nhiệm cung cấp lịch bảo dưỡng phòng ngừa chi tiết (4 đến 8 giờ/máy) trước ngày 25 hàng tháng cho Phòng Sản xuất. Đảm bảo 100% dữ liệu mốc thời gian tới hạn của máy móc được nạp tự động vào mô hình toán học làm ràng buộc bắt buộc trước khi chạy thuật toán.

Thứ ba, chuẩn hóa định mức gia công và tối ưu quy trình bảo trì. Phòng Kỹ thuật cần rà soát lại định mức giờ công tiêu chuẩn (pcs/phút) cho toàn bộ danh mục 8.000 sản phẩm, đồng thời chuẩn bị sẵn sàng vật tư và đồ gá chuyên dụng trước mỗi ca bảo dưỡng nhằm rút ngắn thời gian dừng máy kỹ thuật ít nhất 15% trong vòng 6 tháng tới.

Thứ tư, kiểm soát chặt chẽ và cắt giảm ngân sách tăng ca. Phòng Kế hoạch kinh doanh phối hợp với Phòng Tài chính - Kế toán áp dụng lịch điều độ tối ưu để phân bổ nhân lực vận hành hợp lý. Mục tiêu tài chính là kéo giảm chi phí làm thêm giờ do dừng máy từ mức đỉnh điểm trên 30.000.000 VNĐ/tháng xuống dưới mức 5.000.000 VNĐ/tháng trong năm tài chính tiếp theo.

Đối tượng nên tham khảo luận văn

Nội dung luận văn mang lại giá trị học thuật và ứng dụng thực tiễn cao cho 4 nhóm đối tượng:

Nhóm thứ nhất là các giám đốc sản xuất, quản đốc phân xưởng và kỹ sư điều độ tại các nhà máy cơ khí chế tạo. Tài liệu cung cấp giải pháp thực tế để xử lý triệt để xung đột giữa lệnh sản xuất và lịch bảo dưỡng thiết bị, giúp tối ưu hóa việc phân bổ 11 máy gia công và hàng ngàn đơn hàng đa dạng.

Nhóm thứ hai là các kỹ sư công nghiệp, chuyên viên tối ưu hóa vận hành và lập trình viên khoa học dữ liệu. Luận văn cung cấp trọn vẹn cấu trúc mã nguồn Python 3, kỹ thuật mã hóa nhiễm sắc thể, phương pháp lai ghép hai điểm, đột biến hoán đổi và cách ứng dụng Factorial Design để hiệu chỉnh tham số giải thuật.

Nhóm thứ ba là giảng viên, học viên cao học và sinh viên các ngành Kỹ thuật Hệ thống Công nghiệp, Quản lý Công nghiệp và Cơ khí Chế tạo máy. Đây là tài liệu tham khảo chuẩn mực về việc ứng dụng mô hình quy hoạch đứt quãng và metaheuristic vào giải quyết bài toán NP-hard trong môi trường sản xuất thực tế tại Việt Nam.

Nhóm thứ tư là các chuyên gia tư vấn chuyển đổi số và chuyên gia Lean Manufacturing. Luận văn mang lại góc nhìn sâu sắc về việc tích hợp bảo trì phòng ngừa vào hệ thống sản xuất tinh gọn Just-in-time, giúp nâng cao chỉ số hiệu suất thiết bị tổng thể (OEE) và tính sẵn sàng của toàn hệ thống.

Câu hỏi thường gặp

Tại sao bài toán điều độ Job-shop lại có độ phức tạp cao hơn nhiều so với Flow-shop? Trong mô hình Flow-shop, tất cả chi tiết đều di chuyển theo một chiều công nghệ cố định. Ngược lại, môi trường Job-shop có dòng di chuyển phi tuyến tính, mỗi loại sản phẩm như chốt Inlay hay chốt tráng phủ đều có thứ tự nguyên công và thời gian gia công hoàn toàn khác nhau trên 11 cụm máy, khiến số lượng hoán vị tăng theo hàm mũ và thuộc lớp NP-hard.

Việc đưa bảo dưỡng phòng ngừa vào mô hình điều độ giúp ích gì cho doanh nghiệp? Mô hình giúp doanh nghiệp chuyển từ thế bị động ứng phó sự cố sang thế chủ động kiểm soát. Việc này giúp loại bỏ nguy cơ máy hỏng đột ngột giữa chu kỳ gia công, loại bỏ chi phí sửa chữa khẩn cấp và cắt giảm hơn 180 giờ làm thêm giờ của công nhân do phải chạy bù tiến độ.

Tại sao tác giả lại chọn Giải thuật di truyền thay vì các phương pháp giải tối ưu chính xác? Các phương pháp toán học chính xác như nhánh cận thường bị quá tải bộ nhớ và mất hàng chục giờ tính toán khi đối mặt với không gian nghiệm lớn gồm 7 đơn hàng và hàng chục công đoạn. Giải thuật di truyền với cơ chế chọn lọc tự nhiên cho phép tìm ra phương án tối ưu xấp xỉ chất lượng cao chỉ trong vài giây.

Doanh nghiệp cần chuẩn bị những dữ liệu đầu vào nào để vận hành mô hình này? Doanh nghiệp cần cung cấp 4 trường thông tin chuẩn hóa: danh mục đơn hàng kèm sản lượng (pcs), thời gian gia công tiêu chuẩn qua từng máy (phút/pcs), thứ tự các bước công nghệ bắt buộc và bảng kế hoạch bảo trì phòng ngừa định kỳ kèm mốc thời gian giới hạn trễ nhất của từng thiết bị.

Mô hình đề xuất có thể mở rộng cho các ngành sản xuất khác ngoài cơ khí chính xác không? Hoàn toàn khả thi. Khung mô hình quy hoạch đứt quãng và mã nguồn giải thuật GA có tính tổng quát cao, có thể tùy biến linh hoạt để áp dụng cho các nhà máy ép nhựa, xưởng dập kim loại, công nghiệp điện tử hoặc bất kỳ dây chuyền sản xuất đa sản phẩm nào có lịch bảo trì máy định kỳ.

Kết luận

  • Luận văn đã xây dựng thành công mô hình toán học giải quyết bài toán điều độ Job-shop tích hợp đồng thời kế hoạch bảo trì phòng ngừa định kỳ tại công ty gia công cơ khí chính xác.
  • Thuật toán di truyền (Genetic Algorithm) được thiết kế và lập trình hoàn chỉnh trên ngôn ngữ Python 3, chứng minh tính hiệu quả vượt trội trong việc tối thiểu hóa thời gian hoàn thành đơn hàng (Makespan).
  • Mô hình giải quyết triệt để sự xung đột lịch trình giữa bộ phận sản xuất và bộ phận kỹ thuật bảo trì, đảm bảo 100% máy móc được chăm sóc đúng chu kỳ kỹ thuật.
  • Kết quả nghiên cứu mang lại lợi ích kinh tế trực tiếp, giúp doanh nghiệp giảm thiểu hàng chục triệu đồng chi phí tăng ca và tối ưu hóa năng lực vận hành của 11 cụm máy công cụ.
  • Đóng góp nổi bật của đề tài là cung cấp một giải pháp công nghệ toàn diện từ lý thuyết mô hình hóa đến chương trình máy tính thực thi trực quan, tạo nền tảng vững chắc cho lộ trình chuyển đổi số trong quản trị sản xuất.

Hướng phát triển tiếp theo của nghiên cứu trong quý 4 năm 2024 là mở rộng bài toán sang môi trường Job-shop linh hoạt (Flexible Job-shop) có tính đến các yếu tố ngẫu nhiên như độ dao động thời gian gia công và sự cố bất thường của thiết bị. Các nhà quản lý và kỹ sư sản xuất có thể tham khảo trực tiếp cấu trúc mô hình để ứng dụng vào việc nâng cao hiệu quả vận hành thực tế tại doanh nghiệp.