GIỚI THIỆU
Đặt vấn đề
Nghiên cứu thực nghiệm (Design of experiment, hay DoE) là một ngành khoa học lâu đời, được ứng dụng trong việc tìm ra hệ số trong các công thức lẫy lừng như: hệ số ma sát, mô men quán tính… Ứng dụng của DoE trong việc thiết kế đã được sử dụng từ lâu, nhưng sự bùng nổ của phương pháp này trong giải quyết vấn đề chỉ thực sự bắt đầu từ những năm 1980, khi Lean-6 sigma bắt đầu lan rộng trong công nghiệp sản xuất
Nhờ phương pháp và các công thức tính toán thống kê, DoE giúp tìm ra mối quan hệ toán học giữa đầu vào lên đầu ra Từ đó chúng ta biết được các biến quan trọng ảnh hưởng lên kết quả và có thể đưa ra các hành động xử lý có hiệu quả và tiết kiệm chi phí Đối với những vấn đề phức tạp, thiết kế thực nghiệm hoàn chỉnh cần 2 bước phân tích:
➢ Screening DoE: ví dụ Taguchi, để sàn lọc các biến, tìm ra các biến có ảnh hưởng nhiều lên kết quả
➢ Full DoE: ví dụ Response surface, Full factorial, để tìm ra công thức phụ thuộc biến đầu vào và kết quả đầu ra
Sở dĩ phải làm 2 bước phân tích như vậy vì một vấn đề có thể có rất nhiều biến nghi ngờ, nếu thực hiện một Full DoE ngay từ đầu sẽ dẫn đến rất nhiều phép thử (Replication) và từ đó dẫn đến lãng phí nguồn lực và thời gian
Luận văn này sẽ nghiên cứu và áp dụng 2 dạng thiết kế thực nghiệm là Taguchi và Response Surface vào giải quyết vấn đề
Phương pháp Taguchi là cách tiếp cận nhắm vào việc nhận diện các tác động lên đối tượng (có thể là sản phẩm, quy trình hoặc máy móc) để đạt được 2 mục tiêu:
➢ Đảm bảo Mean (trung bình) của kết quả nằm trong vùng giới hạn cho phép
➢ Đảm bảo độ lệch (variability) là nhỏ nhất
Khi một Nghiên cứu Taguchi được thực hiện trên quy trình, nó thường được gọi là nghiên cứu về độ ổn định Cách tiếp cận của Taguchi là để tìm ra ảnh hưởng của biến kiểm soát lên các biến nhiễu, từ đó khống chế các biến nhiễu
Trong khi đó, thiết kế thực nghiệm Response Surface (RSM) là một công cụ phổ biến bậc nhất trong tối ưu hóa vì nó cho phép đánh giá tác động của nhiều yếu tố và sự tương tác của chúng trên một hoặc nhiều đặc tính kết quả muốn nghiên cứu Nó bao gồm nhiều công thức và mô hình toán được đề xuất bởi Box và Wilson vào những năm đầu thập niên 1950 RSM giúp tìm ra vùng thông số mà tại đó, giá trị của đặc tính cần kiểm soát đạt được giá trị tối ưu thỏa mãn những điều kiện biên của nó
Tại nhà B, quy trình thấm Ni tơ là một khâu quan trọng quyết định đến chất lượng sản phẩm Hệ thống máy móc này đã hoạt động rất hiệu quả trong gần
20 năm tại Hà Lan và được mở rộng sang Việt Nam Tuy nhiên, kể từ khi lắp đặt, quy trình thấm Ni tơ hoạt động không ổn định gây tổn thất về chi phí, đặc biệt là trong giai đoạn ảnh hưởng của COVID 19, lượng phế phẩm tăng lên đáng kể Vấn đề bị nghi ngờ nhiều nhất là yếu tố thời gian vận chuyển lâu đã tạo ra các rỉ sét gây cản trở quá trình thấm Ni tơ Các phương pháp giải quyết vấn đề dạng so sáng hoàn toàn không giải quyết được vấn đề này vì đây là vấn đề lần đầu gặp phải Phương pháp thiết kế thực nghiệm đã được áp dụng để giải quyết bài toàn này một cách hiệu quả và tiết kiệm.
Mục tiêu nghiên cứu của luận văn
Mục tiêu nghiên cứu luận văn bao gồm:
1 Nghiên cứu cơ sở lý thuyết của 2 dạng thiết kế thực nghiệm Taguchi và Response Surface
2 Mô tả những khó khăn trong việc giải quyết vấn đề thiết kế tối ưu bằng công cụ giải quyết vấn đề truyền thống (như 8D)
3 Ứng dụng 2 dạng thiết kế thực nghiệm bên trên vào giải quyết vấn đề, giảm tỉ lệ phế phẩm cho quy trình thấm Ni tơ
Nội dung luận văn
Nội dung luận văn sẽ bao gồm các bước chính sau:
1 Nghiên cứu cơ sở lý thuyết của phương pháp Taguchi và Response Surface
2 Mô tả bài toán tại quy trình lò: phế phẩm quá nhiều
3 Mô tả nhược điểm của phương pháp 8D trong giải quyết bài toán này
4 Áp dụng thiết kế thực nghiệm vào giải quyết vấn đề
Giới hạn và phạm vi
Do sự tốn kém trong các thử nghiệm thực tế tại nhà máy B, nên dạng thực nghiệm được lựa chọn sao cho tốn ít chi phí thực hiện mà vẫn đạt được độ chính xác cần thiết
Mỗi khi chạy thực nghiệm, dây chuyền sản xuất cần ngừng Để giảm ảnh hưởng lên sản xuất, các phép thử được thực sắp xếp vào vài ngày nhất định, trong các ngày này, hầu hết các phép thử đã được thực hiện Do đó, tính ngẫu nhiên và bao quát của biến có bị ảnh hưởng bởi các yếu tố khác ví dụ: hư hỏng kỹ thuật, máy đo kiểm Do đó, kết quả có thể chứa một vài giá trị bất thường, điều này cũng thường xảy ra trong thống kê phân tích.
Bố cục dự kiến của luận văn
Bố cục luận văn bao gồm các chương:
Chương 1: Giới thiệu vấn đề
Chương 2: Cơ sở lý thuyết và phương pháp thực hiện
Chương 3: Giới thiệu vấn đề tại lò thấm Ni tơ ở nhà máy B
Chương 4: Thực hiện thiết kế thực nghiệm cho lớp thấm Ni tơ
Chương 5: Cải tiến và kết quả
Chương 6: Kết luận và Kiến nghị
CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP LUẬN
Thiết kế thực nghiệm Taguchi
2.1.1 Thiết kế thực nghiệm dạng trực giao (Crossed array design)
Phương pháp Taguchi ban đầu tiếp cận theo hướng sử dụng một quy hoạch thực nghiệm cho các biến có thể kiểm soát và một quy hoạch thực nghiệm khác cho các biến nhiễu Sau đó, hai dạng quy hoạch thực nghiệm này này được ghép lại làm một Nghĩa là, trong mỗi thực nghiệm theo dạng Taguchi, có sự thay đổi của cả biến kiểm soát được và biến nhiễu Nên nó được gọi là quy hoạch thực nghiệm dạng trực giao Để dễ dàng hiểu được các khái niệm của phương pháp này, chúng ta sẽ minh họa thông qua thực nghiệm về đặc tính của bộ giảm chấn ô tô như dưới đây Trong thí nghiệm, có năm yếu tố được nghiên cứu để xác định ảnh hưởng của chúng đối với chiều cao tự do của một bộ giảm chấn Đó là: Nhiệt độ lò nung A, thời gian gia nhiệt B, thời gian vận chuyển C, thời gian làm nguội D và nhiệt độ bể dầu E Trong đó, nhiệt độ bể dầu E là một biến không được kiểm soát (biến nhiễu) Dữ liệu từ thử nghiệm này được thể hiện trong Bảng 1
✓ Biến kiểm soát được: Số lượng thực nghiệm cho các yếu tố có thể kiểm soát được là 2 ^(4-1) = 8 trường hợp
✓ Biến nhiễu: Số lượng thực nghiệm cho yếu tố nhiễu D là 2 ^1 = 2 trường hợp Để kết hợp 2 loại quy hoạch này làm 1, người ta cho 8 kiểu kết hợp của các biến kiểm soát đi với mỗi trường hợp của biến nhiễu Như vậy chúng ta có tổng cộng là
16 thực nghiệm Mỗi thực nghiệm này lại được thực hiện 3 lần, nên cuối cùng chúng ta có 48 kết quả độ cao không tải của các bộ giảm chấn
Bảng 2.1: thực nghiệm độ cao không tải của bộ giảm chấn ô tô
Sự kết hợp này rất quan trọng vì nó cung cấp thông tin sự tương tác giữa các yếu tố kiểm soát được và yếu tố nhiễu Hiểu rõ sự tương tác này là yếu tố quyết định
5 trong việc giải quyết các bài toán về thiết kế độ ổn định của hệ thống (còn gọi là bài toán RPD)
Ví dụ: hãy xem xét đồ thị tương tác hai yếu tố trong Hình 1, trong đó x là thông số có thể kiểm soát và z là biến nhiễu Trong Hình 1a, không có tương tác giữa x và z; do đó, tại bất kỳ giá trị cài đặt nào của thông số x, độ biến thiên của z vẫn luôn độc lập với x
Tuy nhiên, trong Hình 1b, có một sự tương tác mạnh mẽ giữa x và z Lưu ý rằng khi x được đặt ở mức thấp, vùng biến thiên của kết quả rất hẹp, so với khi x ở mức cao thì kết quả có độ biến thiên rất lớn Do đó, trừ khi chúng ta có thể kiểm soát sự tương tác giữa thông số kiểm soát được (x) và biến nhiễu (z), nếu không, hệ thống sẽ không có được sự ổn định Từ đó suy ra rằng, hiểu được sự tương tác giữa biến có thể kiểm soát và biến nhiễu đóng vai trò quyết định trong việc thiết kế độ ổn định của hệ thống
Hình 2.1: Vai trò của tương tác giữa biến kiểm soát và biến nhiễu
(a) không có tương tác x-z (b) x-z tương tác mạnh
Vào năm 1987, Taguchi và Byrne đã công bố một bài toán liên quan đến một dạng đầu nối đàn hồi Trong đó có 4 yếu tố có thể kiểm soát là A, B, C, D Mỗi yếu tố có 3 mức Đồng thời có 3 yếu tố nhiễu là (E = thời gian làm nguội, F = nhiệt độ môi trường làm nguội, E = độ ẩm môi trường làm nguội) Thực nghiệm được mô tả như sau:
Bảng 2.2: thực nghiệm về lực kéo của đầu nối đàn hồi của Taguchi
2.1.2 Phân tích thiết kế thực nghiệm dạng trực giao
Taguchi đề xuất chúng ta sẽ tổng hợp dữ liệu từ quy hoạch thực nghiệm trực giao bằng 2 phép toán thống kê:
- Trong mỗi thực nghiệm, tính giá trị trung bình của các thông số có thể điều khiển được, kết hợp với tất cả các mức của các biến nhiễu
- Một phân tích thống kê cố gắng kết hợp thông tin về giá trị trung bình và phương sai của kết quả, được gọi là tỉ lệ tín hiệu – nhiễu (Signal/noise hay S/N ratio)
Tín hiệu này có ý nghĩa là: khi tỉ số này đạt tối đa thì sự ảnh hưởng của biến nhiễu lên kết quả là tối thiểu Từ đó, chúng ta có thể tìm ra được một bộ thông số cho các yếu tố điều khiển được sao cho:
- Giá trị trung bình của kết quả đạt được gần nhất với mục tiêu
- Tối đa tỉ số tín hiệu – nhiễu, với mục đích giảm tối thiểu ảnh hưởng của yếu tố nhiễu Để minh họa cho cách tiếp cận này, chúng ta quay lại bài toán của bộ giảm chấn ô tô trong bảng, dựa vào 2 cột cuối của bảng là “giá trị trung bình y” và “phương sai s 2 ” Hình 2.1 là đồ thị xác suất bán phần mô tả ảnh hưởng của các yếu tố lên kết quả cần khảo sát (trong trường hợp này là độ cao không tải của lò xo) Các yếu tố A, B và D có ảnh hưởng quan trọng lên kết quả y trong khi mức độ ảnh hưởng của các yếu tố này khi chúng tương tác nhau thì không đáng kể Vì vậy, có thể kết luận rằng ảnh hưởng của ba yếu tố này là thật Khi đó, mô hình toán mô tả mối quan hệ giữa kết quả (độ cao không tải) với các biến đầu vào A, B, D là:
Trong đó, x1, x2, x3 đại diện cho các yếu tố A, B, D Vì phương sai của các mẫu này chưa đủ để tạo thành một phân phối chuẩn (hiện tại chỉ được gọi là phân phối Khi-bình phương),
7 cách tốt nhất để phân tích ảnh hưởng của phương sai là dùng vẽ phân phối của logaric tự nhiên của phương sai Đồ thị 2.3 mô tả ảnh hưởng của các biến lên ln(𝑠 𝑖 2 ), dễ thấy chỉ có biến B là quan trọng ln(𝑠 𝑖 2 ) = −3.74 − 1.09𝑥 2
Hình 2.2: ảnh hưởng của biến lên chiều cao không tải của lò xo
Hình 2.3: ảnh hưởng của các biến lên logarix tự nhiên của phương sai
Vậy hệ số phía trước các biến được tính như thế nào Ví dụ cho thông số x và y = f(x), khi thay đổi x từ ngưỡng x1 → x2, tương ứng ta có kết quả thay đổi tương ứng từ y1 → y2 Khi đó, hệ số của x được tính bởi:
Như vậy với các kết quả của giá trị trung bình và phương sai của kết quả tương ứng với các thay đổi của các biến, chúng ta cần giải một hệ phương trình nhiều biến để tìm các hệ số của từng thành phần trong công thức
Các biến có thể tương tác lên nhau và điều này có thể ảnh hưởng rất nhiều lên kết quả, đôi khi ảnh hưởng nhiều hơn cả bản than các biến đơn lẽ
Ví dụ một đặc tính y cho bởi công thức 𝑦 = 10 + 2𝑥 1 − 𝑥 2 + 5𝑥 1 𝑥 2 Trong đó kết quả bị tác động bởi giá trị xi đơn lẽ và bị tác động nhiều nhất bởi tương tác 𝑥 1 𝑥 2
Thiết kế thực nghiệm theo phương pháp đáp ứng bề mặt (Response Surface
Tối ưu hóa là việc cải thiện hiệu suất của một hệ thống, một quá trình hoặc một quy trình sản xuất để thu được sản phẩm tối đa từ hệ thống, quá trình hoặc quy trình sản xuất đó Thuật ngữ tối ưu hóa đã được sử dụng phổ biến trong phân tích hóa học và sinh học như là tối ưu hóa các điều kiện phản ứng, các thành phần môi trường để áp dụng cho một quy trình tạo ra sản phẩm tốt nhất có thể Theo phương pháp truyền thống, tối ưu hóa trong phân tích đã được thực hiện bằng cách theo dõi sự ảnh hưởng của một yếu tố tại một thời điểm nhất định trên phản ứng thực nghiệm, trong khi chỉ có một yếu tố được thay đổi, các yếu tố khác được giữ ở mức không đổi, kỹ thuật tối ưu hóa này được gọi tối ưu hóa đơn yếu tố Bất lợi chính của nó là không khảo sát được hiệu ứng tương tác giữa các yếu tố tham gia, dẫn đến kết quả là kỹ thuật này không mô tả được hiệu ứng tương tác hoàn chỉnh của các yếu tố tham gia đến kết quả Một bất lợi khác của việc tối ưu hóa đơn yếu tố là số lượng các thí nghiệm cần thiết để tiến hành nghiên cứu rất lớn, dẫn đến tăng thời gian và chi phí cũng như sự gia tăng tiêu tốn hóa chất và nguyên liệu [25] Để khắc phục vấn đề trên, việc tối ưu hóa các quy trình phân tích đã được thực hiện bằng cách sử dụng các kỹ thuật thống kê đa biến, trong số các kỹ thuật đa biến phổ biến nhất được sử dụng trong tối ưu hóa phân tích là phương pháp đáp ứng bề mặt (Response Surface Methodology - RSM) Phương pháp đáp ứng bề mặt là tập hợp các kỹ thuật toán học và thống kê dựa trên sự phù hợp của phương trình đa thức với dữ liệu thực nghiệm, sau đó mô tả tương quan của tập dữ liệu với mục đích đưa ra các ước tính thống kê cho kết quả Phương pháp này có thể được áp dụng tốt khi một phản ứng hoặc một tập hợp các kết quả quan tâm bị ảnh hưởng bởi một số biến với mục tiêu là để tối ưu hóa đồng thời các mức ảnh hưởng của các biến này để đạt được kết quả tối ưu tốt nhất [25]
Trước khi áp dụng phương pháp RSM, trước hết cần chọn một thiết kế thử nghiệm để xác định yếu tố nào nên được thực hiện trong vùng thử nghiệm sẽ khảo sát, có một số ma trận thử nghiệm cho mục đích này Các bước thực hiện tối ưu hóa áp dụng phương pháp RSM: (1) lựa chọn các biến độc lập có ảnh hưởng lớn đến hệ thống thông qua các nghiên cứu sàng lọc và phân định vùng thử nghiệm, theo mục tiêu của nghiên cứu và kinh nghiệm của nhà nghiên cứu; (2) lựa chọn thiết kế thử nghiệm và thực hiện các thí nghiệm theo ma trận thử nghiệm đã chọn; (3) phân tích thống kê toán học của dữ liệu thực nghiệm thu được thông qua một hàm đa thức phù hợp; (4) đánh giá độ tin cậy của mô hình; (5) thực nghiệm xác minh khả năng chuyển dịch theo hướng đến vùng tối ưu; (6) thu được các giá trị tối ưu của mỗi biến nghiên cứu cho kết quả tối ưu [25]
2.2.2 Mô hình Full Three – level Design (FTD)
Mô hình FTD là thiết kế ma trận thực nghiệm RSM có ứng dụng rất hạn chế khi số yếu tố cao hơn 2 sẽ dẫn đến số lượng thí nghiệm cần thiết cho thiết kế này (được tính bằng công thức N = 3 k , trong đó N là số thí nghiệm và k là số yếu tố) là rất lớn, do đó hiệu quả của thiết kế trong mô hình hóa các hàm bậc hai rất kém Do mô hình FTD cho hơn hai yếu tố đòi hỏi nhiều thí nghiệm hơn so với thông thường trong thực tế người nghiên cứu sẽ chọn mô hình khác có số điểm thí nghiệm nhỏ hơn, chẳng hạn như Box – Behnken Design, Central Composite Design hoặc Doehlert Design Tuy nhiên, đối với hai biến, hiệu quả của mô hình FTD có thể so sánh với mô hình Central Composite Design [25]
Hình 2.4: Bố trí thí nghiệm sử dụng mô hình FTD với 2 yếu tố (a) và 3 yếu tố (b) [25]
2.2.3 Mô hình Box – Behnken Design (BBD)
Box và Behnken đã đề xuất cách chọn các điểm từ sự sắp xếp ma trận của mô hình FTD, cho phép ước lượng hiệu quả các hệ số của mô hình toán học Những thiết kế này, theo cách sắp xếp này cho kết quả tốt hơn về tính kinh tế so với thiết kế của mô hình FTD tương ứng do số thí nghiệm sẽ ít hơn rất nhiều, chủ yếu sử dụng cho số lượng các biến lớn hơn hai Trong mô hình Box – Behnken, các thí nghiệm được bố trí trên một hình cầu và cách đều điểm trung tâm, với số thí nghiệm tính theo công thức N = 2k (k − 1) + cp, trong đó k là số lượng các yếu tố và (cp) là số điểm trung tâm; tất cả các mức của các yếu tố được điều chỉnh chỉ ở ba cấp độ (−1, 0, + 1) với khoảng cách đều nhau giữa các mức này [25]
Hình 2.5: So sánh số thí nghiệm của mô hình FTD 3 yếu tố (b) và mô hình BBD 3 yếu tố
2.2.4 Mô hình Central Composite Design (CCD)
Mô hình CCD đã được giới thiệu bởi Box và Wilson, mô hình này đã thiết kế bổ sung các điểm ngôi sao xung quanh điểm trung tâm, với số thí nghiệm được tính theo công thức N = k 2 + 2k + cp, trong đó k là số yếu tố và (cp) là số bản sao của điểm trung tâm; tất cả các yếu tố được khảo sát ở năm cấp độ (-α, -1, 0, 1, α), trong đó giá trị α phụ thuộc vào số lượng các yếu tố và có thể được tính bằng công thức α = 2(k − p)/4 Đối với hai, ba và bốn yếu tố, chúng tương ứng là 1,41; 1,68 và 2,00 Như vậy, mô hình CCD có thể đưa ra giá trị tối ưu tốt nhất bởi vì mô hình sẽ khảo sát sự tương tác giữa các yếu tố ở khoảng rộng hơn và đầy đủ hơn so với các mô hình còn lại dẫn đến kết quả có độ tin cậy cao hơn [25]
Hình 2.6: Bố trí thí nghiệm sử dụng mô hình CCD với 2 yếu tố (a) và 3 yếu tố (b) [25]
2.2.5 Mô hình Doehlert Design (DD)
Mô hình được phát triển bởi Doehlert, thiết kế là một sự thay đổi dựa trên các ma trận thực nghiệm bậc hai khác để phù hợp với thực tế mang tính hiệu quả kinh tế cao hơn Thiết kế này mô tả một miền vòng tròn cho hai yếu tố, hình cầu cho ba yếu tố và hình siêu cầu cho hơn ba yếu tố, trong đó nhấn mạnh tính đồng nhất của các yếu tố được nghiên cứu trong miền thử nghiệm Mặc dù các ma trận của nó không thể định tuyến được như các thiết kế trước đó nhưng nó mang lại một số lợi thế, chẳng hạn như đòi hỏi ít điểm thử nghiệm cho mô hình nhưng vẫn hiệu quả cao Các đặc điểm khác được trình bày dưới đây:
Số thí nghiệm được tính theo công thức N = k 2 + k + cp, trong đó k là số yếu tố và (cp) là số bản sao của điểm trung tâm; mỗi yếu tố được nghiên cứu ở một số cấp độ khác nhau, đây là một đặc điểm quan trọng đặc biệt của mô hình khi một số yếu tố bị hạn chế như ràng buộc chi phí hoặc công cụ nghiên cứu; khoảng cách giữa các cấp độ của yếu tố phải thể hiện sự phân bố đồng nhất; sự dịch chuyển của ma trận thực nghiệm sang một vùng thử nghiệm khác có thể được thực hiện bằng cách sử dụng các điểm liền kề trước đó [25]
Hình 2.7: Thiết kế thí nghiệm của mô hình DD hai yếu tố và một số khả năng dịch chuyển vùng thử nghiệm của mô hình [25]
2.2.6 Thực hiện thiết kế thực nghiệm trên phần mềm
Phần mềm giờ đây đã hổ trợ rất nhiều việc thiết kế và tính toán các mô hình thiết kế thực nghiệm Phổ biến bậc nhất trong số đó là phần mềm Mintab
Khi lập một mô hình thiết kế thực nghiệm trên Minitab, chúng ta vẫn cần hiều các khái niệm cơ bản của dạng thực nghiệm đó như:
- Biến (factor): là các yếu tố đầu vào (kiểm soát được hoặc không) có ảnh hưởng lên kết quả khảo sát Biến thường được ký hiệu là Xi
- Kết quả khảo sát (response): là đầu ra cần khảo sát Kết quả sẽ bị ảnh hưởng bởi các biến đầu vào Nhưng ảnh hưởng như thế nào thì chưa rõ, thực hiện thiết kế thực nghiệm giúp xác định mức độ ảnh hưởng này Kết quả thường được ký hiệu là Yi
- Ngưỡng của biến (level): trong thiết kế thực nghiệm, mỗi biến sẽ được kiểm tra ở 2 hoặc 3 ngưỡng Thường, đó là các giới hạn “dưới, giữa, trên” của mỗi biến Khảo sát ở các mức có khoảng cách cài đặt xa nhau giúp dễ dàng đánh giá ảnh hưởng của biến đó lên kết quả Về mặt ký hiệu, phần mềm thường mặc định: o -1: là ngưỡng thấp o 0: là ngưỡng trung bình o +1: là ngưỡng trên o Ví dụ: biến nhiệt độ lò oxy cho phép dao động từ 420℃ - 460℃ Thì ngưỡng dưới là 420, ngưỡng trên là 460, ngưỡng trung bình là 440
- Vòng lặp thực nghiệm (replication): mỗi thiết kế thực nghiệm sẽ bao gồm nhiều vòng lặp thực nghiệm Mỗi vòng lặp sẽ có một vài biến có sự thay đổi về ngưỡng Dạng thiết kế thực nghiệm càng có nhiều vòng lặp thì độ chính xác càng cao nhưng đồng thời nguồn lực bỏ ra để thực hiện toàn bộ các vòng lặp này sẽ nhiều lên tương ứng Nếu có n biến và mỗi biến thực nghiệm ở 2 ngưỡng, chúng ta có tổng cộng 2 𝑛 số vòng lặp Để tiết kiệm nguồn lực, thông thường các dạng thiết kế thực nghiệm kiểu sàng lọc (screening DoE) sẽ được sử dụng trước khi một thiết kế thực nghiệm đầy đủ được áp dụng Screening DoE sẽ lựa chọn trong số các biến nghi ngờ những biến có ảnh hưởng nhiều, và số vòng lặp của screening DoE cũng ít (8, 12, 16 vòng lặp) Do đó kết quả chưa đủ chính xác để tính toán các hằng số của các biến Full DoE với đầy đủ vòng lặp sẽ giúp xác định các hằng số này
GIỚI THIỆU ĐỐI TƯỢNG NGHIÊN CỨU VÀ HIỆN TRẠNG VẤN ĐỀ
Giới thiệu đối tượng nghiên cứu
Đối tượng nghiên cứu cho luận văn là vấn đề về lớp thấm Ni tơ tại dây chuyền sản xuất vòng thép (loop line 6) tại công ty B
3.1.1 Giới thiệu sản phẩm và quy trình
Sản phẩm của dây chuyền này là bộ vòng thép (loop set) Bộ vòng thép này là một trong hai thành phần tạo nên dây đai truyền động (push belt) trong bộ truyền động vô cấp của ô tô (CVT gear box)
Hình 3.1: Hai thành phần tạo nên push belt là Element và Loopset Để tạo nên một bộ loopset, quy trình sản xuất bắt đầu với cuộn thép (coil) nhập từ Pháp Trãi qua 16 công đoạn để tạo ra sản phẩm loop set hoàn chỉnh
Tương ứng với chuỗi các công đoạn này, vật liệu thép carbon sẽ được gia công từ cuộn thép (coil), thành các ống thép (pipe), rồi thành các vòng thép (loop), và cuối cùng được lắp khít với nhau tạo thành bộ loop set
Mỗi vòng thép cần đạt độ chính xác rất cao về kích thước vì các vòng thép phải thật sít với nhau, nếu có một khe hở lớn hơn 0.1mm đã bị xem là phế phẩm Mỗi vòng thép đơn lẻ đạt tiêu chuẩn có thể chịu tải trọng tỉnh khoảng 700 kg Trong khi đó mỗi bộ loop set có đến 18-20 vòng thép
Bề mặt của các vòng thép cần rất cứng để chịu được lực ma sát trong quá trình vận hành, nhưng lõi của vòng thép vẫn phải giữ được độ mềm dẻo cần thiết để tránh ứng suất mỏi.
Hình 3.2: Chuỗi các quy trình sản xuất loop set
STT Tên tiếng anh Tên tiếng việt
Chức năng Ảnh hưởng lên cơ tính
1 Decoiling xả cuộn Xả cuộn thép từ dạng cuộn thành băng thép dài
2 Cutting cắt tấm Cắt băng thép thành các tấm thép có kích thước cố định
3 Bending uốn ống Uốn tấm thép thành dạng ống
4 Pipe washing rửa ống Rửa dầu cán và bui bẩn trên bề mặt ống trước khi hàn
5 Pipe welding Hàn ống Hàn hai mép ồng với nhau tạo thành ống thép hoàn chỉnh Quan trọng
6 Pipe annealing ủ ống Khử ứng suất dư được tạo ra trong quá trình hàn ống
7 Ring slitting Cắt khuyên Cắt các ống thép thành các khuyên thép nhỏ có bề rộng cố định
8 LEM bo tròn cạnh Dùng laser nung chảy cạnh cắt, để cạnh được bo tròn sau khi đông đặc lại
Khử ứng suất dư trong khuyên thép do quá trình laser tạo ra
Cán khuyên thép tạo thành các vòng thép lớn và độ dày có kích thước cố định
11 Loop washing Rửa vòng thép
Rửa dầu cán và bụi bẩn bám trên bề mặt vòng thép
12 Loop annealing ủ vòng thép Khử ứng suất dư tạo ra trong quá trình cán
13 Calibrating Chỉnh tinh kích thước
Chỉnh tinh kích thước vòng thép để các vòng này có thể lắp khít với nhau được
14 Ha-Ni Thấm Ni tơ Thấm ni tơ vào bề mặt vòng thép, gia tăng cơ tính bề mặt Quan trọng
Selecting Đóng bộ Đo kích thước loop, chọn loop và lắp lại với nhau tạo thành bộ loop set
Kiểm tra ngoại quan mặt ngoài của loopset, tìm các vết biến màu, các lỗi hình dáng trên bề mặt loop set
Bảng 3.1: bảng thông tin các công đoạn trong quy trình sản xuất vòng thép
Mô tả hiện trạng
Từ cuối tháng 3.2021, dây chuyền sản xuất loop set ghi nhận tình trạng lỗi chất lượng gia tăng và gây nên các tổn thất rõ rệt lên OEE của dây chuyền
Lỗi được phát hiện ban đầu ở qui trình Facet, khi các công nhân phát hiện những đốm biến màu bất thường có kích thước 1mm - 2mm xuất hiện trên bề mặt loop set
Theo tiêu chuẩn chấp nhận tại facet thì các vết này phải loại bỏ nếu các kiểm tra lớp thấm cho kết quả ngoài tiêu chuẩn hoặc vết biến màu quá đậm, có thể dễ dàng quan sát bằng mắt thường
Kết quả cho thấy có sự dao động bất thường về lớp thấm đang xảy ra Việc này gây ảnh hưởng lên OEE theo 2 dạng tổn thất như sau:
- Tổn thất chất lượng: được thể hiện thông qua tỉ lệ phế phẩm tăng lên từ khoảng 2% lên xấp xỉ 6% Biểu hiện của các lỗi này này là các vết biến màu nhẹ trên bề mặt, có thể phát hiện ở ngay sau lò thấm Ni tơ
- Để xử lý tình huống này, nhiều phép kiểm tra đã được thực hiện Đồng thời tại Facet, công nhân mất nhiều thời gian hơn để đánh giá các dạng lỗi do có nhiều lỗi xuất hiện lần đầu và do tỉ lệ lỗi tăng lên khiến lo ngại về bắt sót lỗi tăng lên Những điều này có thể nhìn thấy được thông qua “tổn thất do tổ chức” Dạng lỗi này đã tăng từ 1.5% lên 8% - 10% kể từ tháng 4.2021
OEE vì vậy không đạt được mục tiêu 86% mà nhà máy đề ra Điều này đã gây ra tình trạng thiếu loop set cho quy trình lắp ráp belt Để xử lý, nhà máy phải nhập hàng loop set gia công sẵn từ nhà máy mẹ ở Hà Lan để bù vào lượng thiếu hụt, điều này làm chi phí sản xuất tăng cao
Một nhóm giải quyết vấn đề đã được thành lập từ tháng 4.2021 và đặt mục tiêu trong 2 tháng giải quyết được lỗi này Phương pháp được sử dụng là 8D, một công cụ giải quyết vấn đề dạng so sánh Trong phương pháp này, người ta sẽ so sánh giữa những máy tốt và máy có lỗi, hoặc so sánh cùng một máy nhưng trong các giai đoạn mà máy chạy ổn định so với giai đoạn máy xuất hiện lỗi nhằm tìm ra các khác biệt và sự thay đổi nhầm tìm ra nguyên nhân của vấn đề
Hình 3.3: Biểu đồ OEE qua các tháng của loop line
Hình 3.4: Lỗi biến màu trên cạnh loop nhìn qua kính phóng đại
Hình 3.5: Phân tích thành phần hóa học tại vị trí biến màu:
KHÔNG PHÁT HIỆN BẤT THƯỜNG
Lớp thấm 13.9 àm - 19.7 àm Lớp thấm 17.2 àm - 25.5 àm Lớp thấm 26 àm - 28.8 àm
Vựng biến màu: lớp thấm khụng đạt tiờu chuẩn 23 àm - 35 àm Vựng khụng biến màu: lớp thấm đạt nhưng thấp
Hình 3.6: Phân tích lớp thấm tại vùng bị lỗi biến màu
Theo tiêu chuẩn chấp nhận của lớp thấm, tại bất kỳ vị trí nào trên bề mặt, lớp thấm phải đạt 23 àm - 35 àm độ sõu Nếu cắt loop theo chiều dọc (cross section), nhuộm màu bằng dung dịch chuyên dụng, lớp thấm sẽ nổi bật hơn các vùng xung quanh Nếu đi từ ngoài vào trong, tại vị trí lớp thấm kết thúc, chúng ta sẽ thấy một đường màu nâu hoặc đôi khi xanh đậm Khi quan sát dưới kính phóng đại có thước đo, người ta có thể đo được độ sâu này
Hình 3.7: tiêu chuẩn chấp nhận cho lớp thấm
Không phải tất cả các vết biến màu đều đi kèm với hiện tượng lớp thấm không đạt Một phép kiểm tra cho 15 mẫu lỗi biến màu cho thấy có 5 mẫu biến màu có lớp thấm không đạt Như vậy tỉ lệ lỗi cần loại bỏ vào khoảng 33% Nhưng khi quan sát bên ngoài không thể nhận ra sự khác biệt giữa các lỗi này Để bảo vệ khách hàng, công nhân phải loại bỏ toàn bộ các vết biến màu Điều đó khiến chi phí chất lượng tăng cao đáng kể
Từ tháng 4 - tháng 7, lượng phế phẩm tăng thêm trung bình 4%, điều này làm chi phí chất lượng tính bằng lượng loop hủy chỉ riêng cho lỗi biến màu này đã tăng thêm trung bình
40000 USD mỗi tháng Ngoài ra việc vận chuyển hàng từ Hà Lan về Việt Nam để bù đắp lượng OEE giảm cũng gia tăng chi phí của nhà máy
Bảng 3.2: 5/15 mẫu biến màu có lớp thấm dưới tiêu chuẩn (~33%) Nhưng quan sát bằng mắt thường không thể phân biệt được.
Điều tra nguyên nhân
Nhóm giải quyết vấn đề ban đầu sử dụng công cụ 8D Đó là công cụ giải quyết vấn đề phổ biến trong ngành ô tô Công cụ này gồm 8 bước chuẩn để giải quyết vấn đề, theo thứ tự là: D1: Xác định vấn đề (Definition of Problem)
D2: Phân tích các chứng cứ (Fact analysis)
D3: Các giải pháp tạm thời (Containment action)
D4: Phân tích nguyên nhân gốc rễ (Root cause analysis)
D5: hành động khắc phục (Corrective action)
D6: Kiểm tra tính hiệu quả (Checking effectiveness)
D8: Chia sẻ kinh nghiệm (lesson learn & close)
@ D2, người ta sử dụng phân tích KT (Kepner Tregoe) để tìm ra những khác biệt và thay đổi có khả năng dẫn đến vấn đề
Người ta đã phát hiện ra rằng các cuộn thép nhập về kể từ tháng 4/2021 có thời gian vận chuyển lâu hơn trước đây trung bình 18 ngày, và các cuộn thép này có liên quan đến việc tăng tỉ lệ lỗi lớp thấm
Hình 3.8: Sau tháng 4.2021, thời gian vận chuyển cuộn thép đã tăng thêm 18 ngày, và tương ứng lỗi sản lớp thấm cũng tăng vọt
Lỗi lớp thấm cũng bắt đầu tăng từ tháng 4.2021
@ D4: Phân tích nguyên nhân-kết quả đã được thực hiện và chỉ ra có 3 nhóm nguyên nhân chính như trong đô thị bên dưới Cùng với thông tin về thời gian giao hàng tăng lên, nguyên nhân nghi ngờ tập trung vào việc nguyên vật liệu đầu vào bị oxy hóa trong quá trình di chuyển
Lỗi lớp thấm không đạt
Thời gian giao hàng lâu hơn
Dầu bảo vệ cuộn thép không đủ
Dầu mỡ bôi quá nhiều rỉ vào trong lò
Khí NH3 không tinh khiết
Có dị vật cháy trong lò Seal cửa bị hở
Hóa chất tẩy không đủ
Dầu cán tại rolling phun quá nhiều
Hình 3.9: biểu đồ xương cá về các khả năng gây ra lỗi lớp thấm không đạt Để xác minh các yếu tố nghi ngờ khác như lò thấm ni tơ hay công đoạn rửa vòng thép có gây ra lỗi lớp thấm hay không, nhóm giải quyết vấn đề đã thực hiện 2 kiểm nghiệm như hình bên dưới
- Test 1: vận chuyển cuộn thép từ nhà cung cấp ở Pháp sang nhà máy mẹ ở Hà Lan để chạy Thời gian giao hàng là 13 ngày → kết quả không thấy lỗi lớp thấm tăng bất thường
- Test 2: Vận chuyển 2 cuộn thép bằng đường hàng không từ nhà cung cấp ở Pháp về Việt Nam, thời gian giao hàng là 11 ngày → kết quả không có lỗi lớp thấm
➔ Kết luận: Việc vận chuyển bằng đường biển tốn nhiều thời gian hơn đã khiến cho thép nền của cuộn thép bị oxy hóa tế vi Và những điểm oxy hóa này sẽ gây ra tình trạng biến màu và lỗi lớp thấm
Nhà cung cấp cuộn thép tại Pháp Đường bộ: 13 ngày Đi tàu: trung bình 49 ngày
Nhà máy ở Việt Nam Đi tàu: trung bình 68 ngày
Nhà máy ở Việt Nam Đi máy bay: trung bình 11 ngày
Test 2 Đi tàu trước tháng 4.2021 Đi tàu sau tháng 4.2021
Hình 3.10: 2 thử nghiệm đã chỉ ra thời gian giao hàng lâu đang gây ra lỗi lớp thấm
Tuy nhiên, nhóm giải quyết vấn đề gặp khó khăn lớn khi họ nhận được phản hồi từ nhà cung cấp và bộ phận Logistic rằng “Những lí do dẫn đến việc giao hàng lâu hơn bình thường là bất khả kháng”, tạm thời những vấn đề này không thể giải quyết được Cụ thể:
- Từ phía nhà cung cấp: họ phải thực hiện việc giãn cách trong nhà máy sản xuất do Covid Các đơn hàng của họ cũng giảm do Covid, nên họ phải áp dụng việc cho nhân viên nghỉ chờ việc, đặc biệt là công nhân ở khu vực đóng gói và xuất hàng Những thay đổi này khiến cho họ phải tăng thời gian xử lý đơn hàng lên Mỗi đơn hàng phải chờ tại kho của nhà cung cấp lâu hơn khoảng 2-3 tuần so với trước đây
- Từ phía Logistic: thủ tục hải quan, khử khuẩn và vận chuyển từ cảng về nhà máy trở nên khó khăn hơn do các tác động từ Covid Và điều này là không thể giải quyết được trong thời gian ngắn
Trước khó khăn đó, việc giải quyết vấn đề chuyển sang một hướng mới: tìm ra bộ cài đặt mới phù hợp với tình trạng oxy hóa tế vi của các cuộn thép
THỰC HIỆN THIẾT KẾ THỰC NGHIỆM CHO LỚP THẤM NI TƠ
Giới thiệu công đoạn thấm Ni tơ
Các kỹ sư quy trình hiểu rằng, cách hiệu quả nhất để điều chỉnh lớp thấm Ni tơ chính là công đoạn “lò thấm Ni tơ”
Lò thấm Ni tơ có 2 lò nhỏ bên trong: Lò oxy hóa (Oxidising) và lò thấm Ni tơ (Nitriding)
Hình 4.1: Công đoạn thấm Ni tơ bao gồm 2 bước: oxy hóa & thấm Ni tơ
Oxidizing: là một bước xử lý bề mặt chuẩn bị cho quá trình thấm Ni tơ Mục đich của nó là:
- Tạo một lớp mỏng oxit sắt (FexOy) trên bề mặt, lớp này tăng khả năng thấm ni tơ, giúp tạo ra một lớp thấm đồng đều
- Lớp này cũng giúp bề mặt vòng thép cứng hơn
Các thông số chính cần kiểm soát trong quá trình này là: nhiệt độ lò Oxy (420°C - 460°C) và thời gian di chuyển của vòng thép bên trong lò Oxy (12 phút - 24 phút)
Nitriding: khí ammonia (NH3) sẽ được tách ra ngay tại bề mặt của vòng thép, nguyên tử
Ni tơ tự do sẽ thẩm thấu vào bên trong mạng tinh thể của thép nền và tạo thành một dạng liên kết rất cứng Lớp biến cứng này chính là lớp thấm Ni tơ Quá trình này không được để oxy xuất hiện, nếu không vòng thép sẽ bị oxy hóa trên bề mặt, vì vậy người ta bơm thêm
1 lượng khí trơ N2 vào lò để ngăn chặn việc oxy từ bên ngoài sẽ vào lò
Các thông số chính cần kiểm soát trong quá trình này là: Nhiệt độ lò Nitriding (450°C - 470°C), thời gian di chuyển của vòng thép trong lò (50 - 60 phút), lưu lượng NH3 (0.1 - 0.3 m3/giờ), lưu lượng N2 (0.6 - 5 m3/giờ)
Nhiệt độ: 450 - 470 oC Cycle time: 50 - 60 phút Lưu lượng NH3: 0.1 - 0.3 m3/giờ Lưu lượng khí N2: 0.6 - 5 m3/giờ
Tiêu chuẩn chấp nhận cũng quy định lớp thấm Ni tơ phải ổn định, CpK ≥1.33 Để tính toán giá trị CpK, mỗi ca công nhân sẽ lấy một lượng mẫu nhất định để đo lớp thấm Giá trị lớp thấm được tự động nhập lên hệ thống kiểm soát và giá trị CpK tính tự động thông qua hệ thống này
Một số thử nghiệm thất bại
Theo kinh nghiệm của kỹ sư quy trình ở cả nhà máy Hà Lan và ở Việt Nam, cách tốt nhất để tăng hoặc giảm lớp thấm là chỉnh lưu lượng NH3 Giải pháp này được ưu chuộng vì:
- Không ảnh hưởng đến thời gian chu kỳ của sản phẩm
- Cách thức chỉnh lưu lượng rất đơn giản và tác dụng nhanh chóng, không cần phải kiểm đầu vào đối với sản phẩm sau khi chỉnh
Tuy nhiên cũng theo kinh nghiệm, thì không nên chỉnh lưu lượng NH3 lên mức tối đa vì khi đó quy trình thường thiếu ổn định về lớp thấm
Cụ thể, trong giai đoạn tháng 4.2021, nhóm giải quyết vấn đề đã tăng lưu lượng NH3 để tăng lớp thấm Giá trị lớp thấm đạt được giá trị trung bình trong vùng chấp nhận (23 - 35 micromet), nhưng CpK lại không thỏa điều kiện
Hình 4.2 : phân bố bình thường của lớp thấm trong tháng 2, CpK = 2.11
Hình 4.3: Cuộn thép giao trễ (82 ngày), nếu không chỉnh gì cả, lớp thấm sẽ rất thấp
Hình 4.4: Cùng cuộn thép bên trên, chỉnh lưu lượng NH3 tối đa để tăng lớp thấm, CpK = 0.93
Như vậy, theo cách chỉnh lớp thấm thông thường (chỉnh NH3), lớp thấm có thể đạt đến 98% trong tiêu chuẩn, nhưng giá trị CpK không đạt như yêu cầu CpK ≥ 1.33
Nhóm giải quyết vấn đề cần tìm ra những cách chỉnh máy tốt hơn, ít gây biến động lớp thấm như việc chỉnh NH3
Thiết kế thực nghiệm Taguchi
4.3.1 Thiết kế biến, ngưỡng giới hạn và kết quả
Như vậy có 7 đặc tính có thể ảnh hưởng lên lớp thấm, đó là
Bảng 4.1: bảng các thông số ảnh hưởng đến lớp thấm Đặc tính Ký hiệu Đơn vị Giới hạn dưới Giới hạn trên
Cycle time lò Oxidising X3 Phút 12 24
Cycle time lò Nitriding X4 Phút 50 60
Thời gian vận chuyển cuôn thép X7 ngày 49 68
Thiết kế thực nghiệm Taguchi được thực hiện trên phần mềm Minitab Mục tiêu của thực nghiệm này là để tìm hiểu xem trong số 7 biến bên trên, biến nào có ảnh hưởng nhiều lên lớp thấm Ảnh hưởng có 2 dạng:
- Ảnh hưởng lên giá trị trung bình của lớp thấm (mean)
- Ảnh hưởng lên độ lệch chuẩn của lớp thấm
Trong số 7 biến số đó, có 6 biến thuộc dạng kiểm soát được (X1-X6) và 1 biến không thể kiểm soát (X7) Kết quả của thực nghiệm Taguchi sẽ giúp nhóm giải quyết vấn đề đánh giá các yếu tố sau:
- Biến nào ít ảnh hưởng lên lớp thấm → giữ cố định
- Biến nào ảnh hưởng nhiều đến độ lệch chuẩn của kết quả (nghĩa là làm quy trình bất ổn định) → giữ cố định ở ngưỡng ít ảnh hưởng
- Biến nào ảnh hưởng nhiều lên lớp thấm → chạy thiết kế thực nghiệm Response Surface để tìm ra hàm phụ thuộc của các biến lên kết quả
Ký hiệu giới hạn dưới là “1”, giới hạn trên là “2”, thiết kế Taguchi được thiết kế bao gồm
8 lượt chạy Mỗi lượt chạy là một sự kết hợp khác nhau giữa các giới hạn trên và dưới của các biến, ký hiệu (Pass1, Pass2… Pass8)
Mỗi thử nghiệm (test) chạy 8 lượt (pass) Mỗi lượt chạy 30 vòng thép Đo kết quả của 25 mẫu (trong số 30 mẫu) Như vậy sẽ có 3 nhóm giá trị giá trị kết quả tương ứng với 3 lần thử nghiệm, ký hiệu là (Y-test1, Y-test2, Y-test3)
Giá trị trung bình của 3 lượt chạy (Y-average = (Y-test1 + Y-test2 + Y-test3)/3) sẽ được sử dụng như là kết quả của Taguchi DoE
Bảng 4.3: giá trị đo 25 giá trị mỗi lượt chạy của thử nghiệm 1 (Y-test 1)
Loop số Pass1 Pass2 Pass3 Pass4 Pass5 Pass6 Pass7 Pass8
Bảng 4.4: giá trị đo 25 giá trị mỗi lượt chạy của thử nghiệm 2 (Y-test 2)
Loop số Pass1 Pass2 Pass3 Pass4 Pass5 Pass6 Pass7 Pass8
Bảng 4.5: giá trị đo 25 giá trị mỗi lượt chạy của thử nghiệm 3 (Y-test 3)
Loop số Pass1 Pass2 Pass3 Pass4 Pass5 Pass6 Pass7 Pass8
4.3.2 Phân tích thực nghiệm Taguchi
Nhập các giá trị Y tương ứng vào bảng thiết kế thực nghiệm của Minitab, phân tích Taguchi cho ta các thông tin như sau
Bảng 4.6: bảng tỉ lệ ảnh hưởng của biến kiểm soát / nhiễu (Response table for Signal to Noise Ratios)
Nominal is best (10×Log10(Ybar^2/s^2))
Tỉ số S/N (signal / noise) thể hiện ảnh hưởng của một biến lên độ sâu lớp thấm Ni tơ so với mức độ nhiễu mà biến đó tạo ra Ví dụ: lưu lượng NH3 (X6) là biến ảnh hưởng nhiều lên độ dày lớp thấm Ở ngưỡng thấp, tỉ lế S/N là 55, là cao nhất trong số S/N của 7 biến Nhưng ở ngưỡng cao, tỉ số S/N của X6 là thấp nhất
Delta = chênh lệch giữa giá trị S/N của ngưỡng thấp và cao
Rank được xếp theo max (S/N 1 ; SN2) Theo thứ tự của Rank, chúng ta nên giữ lưu lượng NH3 ở ngưỡng thấp, nhiệt độ lò Oxy ở ngưỡng cao…
Bảng 4.7: bảng mô tả ảnh hưởng của biến lên giá trị trung bình của lớp thấm Ni tơ (Response for Means)
Hình 4.5: ảnh hưởng của biến lên giá trị trung bình của lớp thấm
Hình 4.6: ảnh hưởng của biến lên độ lệch chuẩn của lớp thấm Đồ thị 4.5 cho thấy ảnh hưởng của các biến lên giá trị trung bình của lớp thấm Theo thứ tự, đó là:
1 X3: cycle time lò oxy Ảnh hưởng thuận chiều, nghĩa là X3 tăng thì Y tăng
2 X1: nhiệt độ lò oxy X1 tăng thì Y tăng
3 X6: lưu lượng khí NH3 X6 tăng thì Y tăng
4 X7: thời gian vận chuyển cuộn thép Ảnh hưởng nghịch chiều X7 tăng thì Y giảm Đồ thị 4.6 thể hiện ảnh hưởng của các biến lên độ lệch chuẩn của giá trị lớp thấm Về mặt quy trình, chúng ta muốn giá trị độ lệch chuẩn thấp vì điều đó đồng nghĩa với quy trình ổn định Như vậy, đồ thị 4.3 chỉ ra rằng, để lớp thấm ổn định chúng ta nên
- Nên giữ lưu lượng khí NH3 ở ngưỡng thấp
- Nên giữ nhiệt độ lò Oxy ở mức cao
- Nên chỉnh lớp thấm bằng cách điều chỉnh thời gian vòng thép đi qua lò oxy (X3)
Dựa vào phân tích 2 đồ thị, nhóm đã quyết định:
- Giữ X2, X4, X5 ở ngưỡng thấp vì ảnh hưởng của các biến này lên lớp thấm không đáng kể
- Giữ X6 ở ngưỡng thấp vì nếu tăng biến này, nguy cơ cao không đạt CpK cho giá trị lớp thấm
- Nếu muốn tăng lớp thấm, việc chỉnh các biến sau sẽ được lần lượt ưu tiên: o Tăng nhiệt độ lò Oxy vì nó giúp tăng lớp thấm và còn giúp quy trình ổn định hơn o Tăng thời gian vòng thép qua lò Oxy (tăng X3)
Thiết kế thực nghiệm Response Surface
Sau khi giữ cố định X2, X4, X5, X6 để tìm được công thức tương quan giữa lớp thấm ni tơ và các biến còn lại gồm:
- X3: thời gian qua lò Oxy
- X7: thời gian giao cuộn thép
Nhóm giải quyết vấn đề tiếp tục thực hiện một thiết kế thực nghiệm tiếp theo: Response Surface Dạng thực nghiệm này có độ chính xác cao, nhưng đồng thời nó cũng yêu cầu chạy nhiều mẫu hơn Bởi vì chúng ta đã cố định được 4 / 7 biến nên số lượng biến còn lại chỉ là 3, nên việc chạy thực nghiệm Response Surface cũng đơn giản hơn
4.4.1 Thiết kế biến, ngưỡng giới hạn và kết quả
Trong thiết kế thực nghiệm này, chỉ còn lại 3 biến Trong đó biến về thời gian giao cuộn thép thuộc nhóm không thể kiểm soát, tuy nhiên để tìm ra được sự phụ thuộc của biến này, nhóm đã phân nhóm lại cho các cuộn thép dựa vào thời gian giao hàng của chúng, chia thành 3 nhóm như sau:
- Giao dưới 55 ngày → nhóm có thời gian giao hàng thấp (~ 48 ngày)
- Giao từ 55 - 65 ngày → nhóm có thời gian giao trung bình (61 ngày)
- Giao trên 65 ngày → nhóm giao chậm (~74 ngày)
Còn 2 biến còn lại thì có thể tùy chỉnh giá trị trong ngưỡng cho phép Trong thực nghiệm Response Surface, ngoài ngưỡng trên và dưới, phải chạy thực nghiệm thêm ở mức trung bình nữa Cụ thể, bảng thiết kế thực nghiệm có dạng
Bảng 4.8: Các ngưỡng của biến trong thực nghiệm Response Surface Đặc tính Ký hiệu Đơn vị Giới hạn dưới
Cycle time lò Oxidising X3 Phút 12 18 24
Cycle time lò Nitriding X4 Phút 50
Thời gian vận chuyển cuôn thép X7 ngày 48 61 74
Thiết kế thực nghiệm Response Surface cho bài toán này có 15 lượt chạy với cách kết hợp các biến cho theo bảng 9 Đối với mỗi bộ thông số, nhóm bố trí chạy 15 mẫu Đo lớp thấm cho 10 mẫu và lấy giá trị trung bình cho vào bảng 9
Bảng số 10 là kết quả chạy ở từng lượt, thể hiện 10 giá trị đo của 10 mẫu trong số 15 mẫu tổng cộng chạy cho mỗi lượt
Trong số 15 mẫu, có những mẫu bị hư hại nhiều do các lỗi khác trên dây chuyền Hoặc số lượng 5 mẫu dự phòng để đề phòng trường hợp mẫu bị hư hỏng trong quá trình đo kiểm ở phòng LAB, khi đó cần bù bằng mẫu khác trong cùng lượt thử nghiệm
Như vậy tổng cộng trong thực nghiệm response surface, có tổng cộng 225 mẫu được chạy, trong đó có 150 mẫu sẽ được đo và dùng dữ liệu trong phân tích
Bảng 4.9: bảng thực nghiệm Response Surface
StdOrder RunOrder PtType Blocks X1 X3 X7 Y trung bình Lượt chạy
Bảng 4.10: giá trị đo bề dầy lớp thấm Ni tơ của 10 mẫu / mỗi lượt chạy 15 mẫu
4.4.2 Phân tích thiết kế thực nghiệm Response Surface
Phần mềm MiniTab tự động tính ra công thức nội suy của Y (độ dày lớp thấm Ni tơ) với các biến đầu vào nhiệt độ lò Oxy (X1), thời gian chu kỳ lò Oxy (X3) và thời gian giao cuộn thép (X7)
Bảng 4.11: bảng hệ số nội suy cho công thức phụ thuộc biến - kết quả
Term Coef SE Coef T-Value P-Value VIF
Trong bảng 11, những hệ số nào có P-value > 0.05 thì được xem là có ảnh hưởng đáng kể lên kết quả (significant)
Trong các biến thì thời gian chu kỳ của lò Oxy (X3) có ảnh hưởng lớn nhất lên lớp thấm
Ni tơ Kế đến là nhiệt độ lò Oxy (X1) Cuối cùng là thời gian giao cuộn thép (X7) Có thể thấy được điều này thông qua biểu đồ Pareto về ảnh hưởng của các yếu tố như bên dưới Biến bậc 2 của X1, X3 và X7 cũng vượt được mức (significant) Tuy nhiên tác động cộng hưởng của các biến thì không đáng kể
Cách tính này dựa trên cơ sở chọn giá trị α>0.05, là tham khảo chuẩn của hầu hết các ngành công nghiệp và phương pháp thống kê
Biểu đồ ở hình 4.8 cho thể hiện độ lệch của 15 giá trị Y - trung bình (Y1, Y2, Y15) so với hồi quy tuyết tính Các điểm phân bố bám khá sát vào đường hồi quy Nghĩa là công thức tìm được có độ sai sót không đáng kể
Hình 4.7: mức độ ảnh hưởng của các biến lên kết quả
Hình 4.8: phân bố thể hiện độ lệch so với hồi quy tuyến tính của kết quả
THỰC HIỆN CẢI TIẾN VÀ KẾT QUẢ
Thực hiện cải tiến
Công thức nội suy của Y như ở bảng 11 là công thức mã hóa theo thiết kế thực nghiệm
Nghĩa là để sử dụng được công thức này, cần chuyển đổi giá trị cài đặt sang một dạng số mã hóa này
Ký hiệu Ý nghĩa Đơn vị Giới hạn dưới
Ngưỡng dưới của X1 là 420, qui đổi thành -1
Ngưỡng trên của X1 là 450, qui đổi thành +1
Vậy theo qui tắc tam suất thì giá trị qui đổi của 440 sẽ là: (440-435)/15 = 0.33
Hiểu rộng ra, công thức qui đổi sẽ là
X qui đổi = (X cài đặt - 0.5*(X max+X min))/ (0.5* (X max - X min))
Thực hiện cho cả 3 biến X1, X3, X7, nhóm đã tạo ra 1 file excel để dự đoán
Bảng 5.1: bảng dự đoán lớp thấm dựa vào cài đặt của X1, X3 và X7
Ký hiệu Ý nghĩa Đơn vị Giới hạn dưới
X3 Cycle time lò Oxidising Phút 12 24 12 -1.00
X4 Cycle time lò Nitriding Phút 50 50
Thời gian vận chuyển cuôn thép ngày 48 74
Bài toán giờ đây là tìm giá trị X1 và X3 phù hợp để tương ứng với giá trị X7 đã biết
Tùy theo loại sản phẩm mà sẽ có ưu tiên khác nhau cho việc chỉnh thông số lò
41 Đối với những sản phẩm mà lò đang là nút thắt cổ chai hoặc thời gian chu kỳ của nó đã gần với thời gian chu kỳ của sản phẩm thì hạn chế ưu tiên giữ X3 ở ngưỡng thấp để không ảnh hưởng đến sản lượng Đối với các sản phẩm mà cycle time của lò cách khá xa so với cycle time của sản phẩm thì ưu tiên chỉnh X3 trước X1 Lí do cho việc này là giữ X1 ở ngưỡng thấp sẽ tiêu tốn ít nhiên liệu đốt và các thiết bị đốt cũng không bị đốt lên đến ngưỡng cao, dễ gây hư hỏng hơn về lâu dài.
Kết quả sau cải tiến
Từ tháng 10.2021, việc dự đoán trước độ dày lớp thấm dựa vào những kiến thức từ thiết kế thực nghiệm đã được thực hiện Kết quả được khảo sát trên 25 cuộn thép đầu tiên cho kết quả như sau
Khi sử dụng công thức dự đoán, nhóm luôn chọn bộ thông số X1 và X3 sao cho giá trị lớp thấm đạt giỏ trị trung bỡnh của tiờu chuẩn, giỏ trị đú là 29àm
Sau 25 cuộn thép đầu tiên, với 250 giá trị đo lớp thấm, kết quả là rất ấn tượng
- CkP thực tế đạt 1.73, so với trước khi cải tiến chỉ đạt 0.93 - 1.54
- Giỏ trị trung bỡnh của lớp thấm (mean) thực tế đạt 29.3 àm, như vậy độ chớnh xác của việc dự đoán đạt 99%
- Theo tính toán, việc cải tiến đã giảm lượng phế phẩm tương đương 2.8% sản lượng, tương đương 56000 USD cho 2 tháng 10 và 11 năm 2021
Hình 5.1: biểu đồ OEE loopline, trước và sau khi cải tiến
Trong thời gian tháng 10 và tháng 11, các cuộn coil về nhà máy có thời gian giao rất trễ Trung bình khoảng 66 ngày nhưng cá biệt có cuộn giao đến 85 ngày Cụ thể xem theo bảng bên dưới Từ đó thấy rằng công thức có được từ thực nghiệm thực sự phát huy được tác dụng tốt trong việc dự đoán giá trị lớp thấm
Jan-21 Feb.21 Mar-21 Apr-21 May-21 Jun-21 Jul-21 Aug-21 Sep-21 Oct-21 Nov-21
Tổn thất chưa xác định 2,7% 4,4% 3,2% 2,1% 1,9% 4,5% 0,3% 2,3% 0,3% 0,3% 0,9%
Tổn thất do đổi sản phẩm 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 2,2% 0,0% 0,0% 0,0% 0,0%
Tổn thất do tổ chức 2,0% 1,7% 1,1% 6,1% 7,2% 8,1% 7,2% 8,5% 7,4% 2,1% 2,3%
OEE thực tế Tổn thất kỹ thuật Tổn thất chất lượng
Tổn thất do tổ chức Tổn thất do đổi sản phẩm Tổn thất chưa xác địnhOEE mục tiêu
Bảng 5.2: thông tin các cuộn thép nhận trong tháng 10 và 11.2021
Số coil Loại vật liệu Ngày gởi Thời gian vận chuyển
Qui trình xử lý cuộn thép cũng được cập nhật lại, đảm bảo cung cấp các thông tin về ngày giao hàng để chọn ra bộ thông số phù hợp nhất Lưu đồ như hình dưới
Xử lý thông tin thời gian giao cuộn thép
Sả n xu ất Kh o nh ận h àn g Kỹ s ư lò
Bắt đầu Tháo cuộn thép
Ghi nhận thông tin vào form Ước lượng thông số phù hợp
Có cần chỉnh máy không
Làm thông báo về việc chỉnh lò
Thực hiện theo yêu cầu của kỹ sư về chỉnh máy
Lớp thấm đạt 28-30 không Báo kỹ sư lò
Hình 5.2: Lưu đồ tạm thời về việc xử lý thông tin cuộn thép
Theo hình 5.2, mỗi khi tháo một cuộn thép trong kho , trước khi chuyển cho sản xuất, bộ phận kho sẽ báo thời gian giao hàng của cuộn thép này cho kỹ sư quy trình để tính toán bộ thông số phù hợp nhất
Nếu cần chỉnh lò trước khi chạy, kỹ sư sẽ có các hướng dẫn để bộ phận vận hành thực hiện các thay đổi này và xác nhận tình trạng lớp thấm ngay khi những vòng thép đầu tiên ra khỏi lò