KB-IE-Design và KB-IE-Layout-Line: hướng tiếp cận AI cho kỹ thuật chuyền may

Kỹ thuật công nghiệp (IE, viết tắt của Industrial Engineering) là bộ phận có ảnh hưởng lớn đến năng suất của một nhà máy may. Trước khi một mã hàng vào chuyền, phòng kỹ thuật phải đọc tài liệu kỹ thuật của khách hàng, chia sản phẩm thành các công đoạn, xác định thời gian chuẩn cho từng công đoạn và bố trí người, máy sao cho chuyền chạy đều. Phần lớn công việc này vẫn được làm thủ công và phụ thuộc nhiều vào kinh nghiệm của từng kỹ sư.

Bài viết này dùng hai tên gọi KB-IE-Design và KB-IE-Layout-Line để chỉ hai nhóm chức năng mà AI có thể đảm nhận cho phòng kỹ thuật: một nhóm lo phần tài liệu và định mức, một nhóm lo phần bố trí chuyền. Nội dung dưới đây là kiến thức nghiệp vụ và hướng tiếp cận chung, kèm cách chuẩn bị dữ liệu, lộ trình thí điểm và cách đánh giá hiệu quả khi áp dụng.

Ba việc tốn nhiều công của phòng kỹ thuật

• Đọc và bóc tách Techpack: Techpack (technical package, tức bộ tài liệu kỹ thuật của mã hàng) gồm hình vẽ, bảng thông số, nguyên phụ liệu và yêu cầu đường may, thường ở nhiều định dạng khác nhau. Kỹ sư phải đọc và chép lại thành danh mục công đoạn.
• Xây dựng định mức thời gian: mỗi công đoạn cần một thời gian chuẩn, thường gọi là SAM (Standard Allowed Minute) hoặc SMV (Standard Minute Value). Định mức này là cơ sở để tính năng suất, đơn giá công đoạn và số lao động cần bố trí.
• Cân bằng chuyền: phân công công đoạn cho công nhân và máy sao cho khối lượng việc giữa các vị trí gần bằng nhau, hạn chế nút cổ chai khiến cả chuyền phải chờ.

Ba việc này nối tiếp nhau: bóc tách sai thì định mức sai, định mức sai thì cân bằng chuyền cũng sai. Vì vậy, muốn dùng AI hiệu quả thì phải nhìn cả chuỗi, đừng tối ưu riêng một khâu.

KB-IE-Design: hỗ trợ bóc tách Techpack và đề xuất định mức

Hướng tiếp cận của nhóm chức năng này là để AI làm phần đọc và sắp xếp, còn kỹ sư IE giữ phần quyết định:

• Đọc Techpack ở các định dạng thường gặp như PDF, Excel, Word và trích ra danh mục công đoạn, nguyên phụ liệu, thông số kỹ thuật.
• Đề xuất thời gian chuẩn cho từng công đoạn dựa trên dữ liệu định mức sẵn có của chính nhà máy và hệ thống thời gian định trước mà phòng kỹ thuật đang dùng, chẳng hạn MODAPTS hoặc GSD.
• Đánh dấu những điểm cần kỹ sư kiểm tra lại: thông tin còn thiếu, chỗ hình vẽ và bảng thông số không khớp nhau, công đoạn có độ khó cao.

Chất lượng đề xuất phụ thuộc trực tiếp vào dữ liệu định mức lịch sử của từng nhà máy. Vì vậy, việc đầu tiên là chuẩn hóa thư viện công đoạn và định mức hiện có, chứ không phải chọn công cụ trước.

KB-IE-Layout-Line: hỗ trợ bố trí và cân bằng chuyền

Nhóm chức năng thứ hai dùng kết quả của KB-IE-Design để hỗ trợ bước bố trí chuyền:

• Trình bày luồng công đoạn của mã hàng thành sơ đồ trực quan, dễ trao đổi giữa phòng kỹ thuật và tổ trưởng chuyền.
• Đề xuất phương án phân công dựa trên định mức, số lao động, tay nghề và thiết bị thực có.
• Chỉ ra vị trí có nguy cơ trở thành nút cổ chai để kỹ sư cân nhắc điều chỉnh trước khi vào chuyền.

Khi có số liệu năng suất thực tế từ chuyền, đội ngũ kỹ thuật có thể đối chiếu với định mức để hiệu chỉnh dần. Việc hiệu chỉnh do con người xem xét và phê duyệt; hệ thống không tự thay đổi định mức.

Vì sao hai nhóm chức năng đi cùng nhau

Định mức và bố trí chuyền là hai mặt của cùng một bài toán. Khi dùng chung một nguồn dữ liệu công đoạn, mỗi mã hàng đã làm xong sẽ bổ sung vào thư viện của nhà máy, giúp những lần sau có căn cứ tốt hơn. Kỹ sư IE vẫn là người kiểm soát và phê duyệt; AI đảm nhận phần đọc, đối chiếu và tính toán lặp lại.

Chuẩn bị dữ liệu trước khi áp dụng

Phần lớn công sức của một dự án AI cho phòng kỹ thuật nằm ở khâu chuẩn bị dữ liệu. Trước khi thử bất kỳ công cụ nào, nhà máy nên rà lại những nguồn sau:

• Thư viện công đoạn: tên gọi công đoạn có thống nhất giữa các kỹ sư hay không, cùng một thao tác có đang được gọi bằng nhiều tên khác nhau hay không.
• Định mức lịch sử: định mức của các mã hàng đã sản xuất, kèm ghi chú về chủng loại vải, thiết bị và điều kiện áp dụng.
• Số liệu bấm giờ thực tế: dùng để đối chiếu với định mức, phát hiện công đoạn đang được đánh giá quá cao hoặc quá thấp.
• Danh mục thiết bị: loại máy, cữ gá và số lượng thực có trên từng chuyền.
• Ma trận tay nghề: công nhân nào làm tốt những nhóm công đoạn nào, để phương án phân công sát thực tế.

Những dữ liệu này có ích ngay cả khi chưa có AI: phòng kỹ thuật có căn cứ thống nhất, người mới vào việc học nhanh hơn, và việc trao đổi với tổ trưởng chuyền bớt tranh luận cảm tính.

Giới hạn và rủi ro cần lường trước

• Techpack thiếu hoặc mâu thuẫn: AI chỉ đọc được những gì có trong tài liệu. Khi Techpack thiếu thông tin, đề xuất sẽ thiếu theo; vai trò đánh dấu điểm cần hỏi lại khách hàng quan trọng hơn vai trò tự điền.
• Định mức lịch sử thiếu thống nhất: nếu mỗi kỹ sư tính theo một cách, AI sẽ học lại sự thiếu thống nhất đó. Cần chuẩn hóa trước khi dùng làm dữ liệu tham chiếu.
• Bảo mật tài liệu của khách hàng: Techpack thường là tài liệu mật của nhãn hàng. Nhà máy cần xem xét điều khoản bảo mật trước khi đưa tài liệu vào dịch vụ bên ngoài, và cân nhắc cách xử lý dữ liệu phù hợp với yêu cầu bảo mật.
• Kỳ vọng thay thế kỹ sư: AI giúp kỹ sư làm nhanh và nhất quán hơn, không thay thế kinh nghiệm hiện trường. Quyết định cuối cùng về định mức và bố trí chuyền vẫn thuộc về con người.

Chỉ số nên đo khi áp dụng

Theo nguyên tắc “Đo lường rõ ràng” của KORUS, mỗi giải pháp AI được nghiệm thu bằng chỉ số thống nhất với đơn vị ngay từ đầu dự án. Với bài toán kỹ thuật chuyền may, các chỉ số nên cân nhắc gồm:

• Thời gian bóc tách một Techpack thành danh mục công đoạn, tính từ lúc nhận tài liệu đến khi kỹ sư phê duyệt.
• Độ lệch giữa SAM đề xuất và thời gian bấm giờ thực tế trên chuyền, theo từng nhóm công đoạn.
• Số lỗi, thiếu sót trong Techpack được phát hiện trước khi vào chuyền, so với số phát sinh sau khi đã vào chuyền.
• Hiệu suất chuyền (line efficiency) và mức chênh lệch khối lượng việc giữa các vị trí.
• Thời gian từ khi vào chuyền đến khi đạt năng suất ổn định đối với một mã hàng mới.

Mỗi chỉ số cần có mức nền đo trước khi áp dụng, cách đo thống nhất và người xác nhận ở phía nhà máy. Chỉ khi so sánh được trước và sau trên cùng một cách đo, kết quả mới có giá trị.

Lộ trình thí điểm gợi ý

1. Chọn phạm vi hẹp: một nhóm mã hàng tiêu biểu, thường lặp lại, trên một chuyền có tổ trưởng sẵn sàng phối hợp.
2. Vẽ quy trình kỹ thuật hiện tại: từ khi nhận Techpack đến khi chuyền chạy ổn định, ai làm gì, dùng file nào, chờ ở đâu.
3. Chuẩn hóa thư viện công đoạn cho nhóm mã hàng đã chọn và đo mức nền của các chỉ số ở trên.
4. Chạy song song: kỹ sư vẫn làm theo cách cũ, AI đưa đề xuất; hai bên đối chiếu để thấy chỗ đúng, chỗ lệch.
5. Đánh giá và quyết định: so sánh trên cùng cách đo, rồi quyết định mở rộng, điều chỉnh hay dừng.

Bắt đầu từ đâu?

Với một nhà máy may muốn thử hướng tiếp cận này, điểm khởi đầu hợp lý là rà lại thư viện công đoạn và định mức hiện có, chọn một vài nhóm mã hàng tiêu biểu và thống nhất bộ chỉ số ở trên. Hiện KORUS đang triển khai ứng dụng AI tối ưu lập kế hoạch sản xuất ngành may; với mọi dự án, KORUS làm theo quy trình sáu bước, bắt đầu từ khảo sát hiện trường và vẽ quy trình bằng BPMN (chuẩn mô hình hóa quy trình nghiệp vụ).

Câu hỏi thường gặp

Nhà máy chưa có dữ liệu định mức số hóa thì có áp dụng được không?

Được, nhưng bước đầu tiên sẽ là số hóa và chuẩn hóa định mức hiện có, kể cả dữ liệu đang nằm trong sổ tay hoặc file rời. Đây là việc nên làm dù có dùng AI hay không.

AI có tự thay đổi định mức khi năng suất thực tế khác đi không?

Không nên. Hệ thống chỉ nên chỉ ra độ lệch và gợi ý điều chỉnh; kỹ sư IE xem xét và phê duyệt trước khi định mức mới được dùng để tính lương hay lập kế hoạch.

Có cần thay phần mềm kỹ thuật đang dùng không?

Thường là không. Hướng tiếp cận hợp lý là để AI đọc và ghi dữ liệu theo đúng định dạng phòng kỹ thuật đang dùng, thay vì bắt đội ngũ chuyển sang công cụ mới.

Nếu doanh nghiệp của bạn quan tâm, hãy đặt lịch tư vấn để trao đổi cụ thể về dữ liệu và quy trình của nhà máy.