Luận văn thạc sĩ Hệ thống thông tin quản lý: Phân tích dữ liệu công nhân ngành may mặc để dự báo hiệu quả sản xuất tại một doanh nghiệp ở Đồng Nai

ĈҤI HӐC QUӔC GIA TP HCM

TҤI MӜT DOANH NGHIӊP Ӣ ĈӖNG NAI

Chuyên ngành: HӋ thӕng thông tin quҧn lý Mã sӕ: 8340405

LUҰ19Ă17+Ҥ&6Ƭ

TP HӖ CHÍ MINH, tháng QăP2021

&Ð1*75Î1+ĈѬӦC HOÀN THÀNH TҤI 75ѬӠ1*ĈҤI HӐC BÁCH KHOA ±Ĉ+4*-HCM

Cán bӝ Kѭӟng dүn khoa hӑc: PGS.TS NguyӉn Thanh Bình

3 Phҧn biӋn 1: PGS.TS NguyӉn TuҩQĈăQJ4 Phҧn biӋn 2: 3*6769NJ7KDQKNguyên5 Ӫy viên: PGS TS Trҫn Minh Quang

Xác nhұn cӫa Chӫ tӏch Hӝi ÿӗng ÿiQh giá LV và 7Uѭӣng Khoa quҧn lý chuyên ngành sau khi luұn văn ÿã ÿѭӧc sӱa chӳa (nӃu có)

KHOA HӐC KӺ THUҰT VÀ MÁY TÍNH

3*676Ĉһng Trҫn Khánh

ĈҤI HӐC QUӔC GIA TP.HCM

75ѬӠ1*ĈҤI HӐC BÁCH KHOA

CӜNG HÒA XÃ HӜI CHӪ 1*+Ƭ$9,ӊT NAM Ĉӝc lұp - Tӵ do - Hҥnh phúc

NHIӊM VӨ LUҰ19Ă17+Ҥ&6Ƭ

+ӑWrQKӑFYLrQ9}1JӑFĈӭF MSHV: 1870690 1Jj\WKiQJQăPVLQK23/10/1993 1ѫLVLQK%uQKĈӏnh Chuyên ngành: +ӋWKӕQJWK{QJWLQTXҧQOê Mã Vӕ : 8340405

I 7Ç1Ĉӄ TÀI: Phân tích dӳ liӋu công nhân ngành may mһFÿӇ dӵ báo hiӋu quҧ sҧn xuҩt tҥi

mӝt doanh nghiӋp ӣ Ĉӗng Nai

II NHIӊM VӨ VÀ NӜI DUNG:

- Phân tích hiӋn trҥng cӫa công ty

- ;iFÿӏQKSKѭѫQJSKiSSKKӧSÿӇ giҧi quyӃt bài toán - TiӃn hành thu thұp các dӳ liӋu cҫn thiӃt cho viӋc phân tích

- Mô hình hóa dӳ liӋXÿѭӧc thu thұSVDXÿySKkQWtFKGӳ liӋu dӵDWUrQFiFP{KuQKÿѭӡng cong hӑc tұSÿӇ [iFÿӏQKÿѭӡng cong hӑc tұp phù hӧp

- Phân tích thêm các yӃu tӕ ҧQKKѭӣQJÿӃQÿѭӡng cong hӑc tұp: Giͣi tínKYjÿ͡ tu͝i ÿӇ

giúp các nhà quҧn lý sҧn xuҩWÿLӅu chӍnh chiӃQOѭӧc kinh doanh phù hӧp

III NGÀY GIAO NHIӊM VӨ : (*KLWKHRWURQJ4ĈJLDRÿӅ tài) : 22/02/2021 IV NGÀY HOÀN THÀNH NHIӊM VӨ: (*KLWKHRWURQJ4ĈJLDRÿӅ tài) : 13/06/202V CÁN BӜ +ѬӞNG DҮN (Ghi rõ hӑc hàm, hӑc vӏ, hӑ, tên): PGS.TS NguyӉn Thanh Bình

LӠI CҦ0Ѫ1

Quá trìQKWKӵFKLӋQOXұQYăQWKҥFVƭ OjJLDLÿRҥQTXDQWUӑQJQKҩWWURQJWKӡLJLDQKӑFWұS/XұQYăQWKҥFVƭ OjWLӅQÿӅQKҵPWUDQJEӏFKRFK~QJHPQKӳQJNӻQăQJQJKLrQFӭXQKӳQJNLӃQWKӭFTXêEiXVDXNKLWӕW QJKLӋS

7UѭӟFKӃWHP[LQFKkQWKjQKFҧPѫQ TXê7Kҫ\&{NKRD.KRDKӑFYj.ӻWKXұWPi\WtQK ÿmWұQWuQKFKӍGҥ\YjWUDQJEӏFKRHPQKӳQJNLӃQWKӭFFҫQWKLӃWWURQJVXӕWWKӡLJLDQQJӗLWUrQJKӃJLҧQJÿѭӡQJ/jPQӅQWҧQJFKRHPFyWKӇKRjQWKjQKÿѭӧFEjLOXұQYăQQj\

(P[LQWUkQWUӑQJFҧPѫQWKҫ\1JX\ӉQ7KDQK%uQK ÿmWұQWuQKJL~SÿӥÿӏQKKѭӟQJFiFKWѭGX\YjFiFKOjPYLӋFNKRDKӑFĈyOjQKӳQJJySêKӃWVӭFTXêEiXNK{QJFKӍWURQJTXiWUuQKWKӵFKLӋQOXұQYăQQj\PjFzQOjKjQKWUDQJWLӃSEѭӟFFKRHPWURQJTXiWUuQKKӑFWұSYjOұSQJKLӋS

9jFXӕLFQJ[LQJӱLOӡLFҧPѫQÿӃQJLDÿuQKEҥQEqWұSWKӇOӟS+ӋWKӕQJWK{QJ tin TXҧQOê, QKӳQJQJѭӡLOX{QVҹQVjQJVҿFKLDYjJL~SÿӥWURQJKӑFWұSYjFXӝFVӕQJ0RQJUҵQJFK~QJWDVӁPmLPmLJҳQEyYӟLQKDX

;LQFK~FQKӳQJÿLӅXWӕWÿҽSQKҩWVӁOX{QÿӗQJKjQKFQJPӑLQJѭӡL

TÓM TҲT LUҰ19Ă17+Ҥ&6Ƭ

Ĉѭӡng cong hӑc tұp (Learning curve) là mӝt khái niӋm mô tҧ bҵQJÿӗ hӑa cӫa sҧQOѭӧQJÿҫu ra trong mӝt khoҧng thӡLJLDQ[iFÿӏQKWKѭӡQJÿӇ thӇ hiӋn nhiӋm vө lһSÿLOһp lҥi cӫa mӝt nhân viên hoһc công nhân ViӋc sӱ dөQJÿѭӡng cong hӑc tұp hiӋu quҧ sӁ giúp doanh nghiӋp dӵ báo ÿѭӧc hiӋu quҧ sҧn xuҩt và hoҥFKÿӏnh các chiӃQOѭӧc kinh doanh hӳu hiӋu ViӋc áp dөng mô hình khai phá dӳ liӋXÿӇ phân tích các dӳ liӋu cӫa công nhân ngành may mһc, tӯ ÿyWuPUDP{KuQKÿѭӡng cong hӑc tұp phù hӧp và dӵ báo hiӋu quҧ sҧn xuҩt kinh doanh

Dӳ liӋu hiӋu quҧ sҧn xuҩt cӫa 45 công nhân mӟi (không kinh nghiӋm), tѭѫQJӭng vӟi 3 công ÿRҥn may: Mí trө0tWj.DQVDLODLÿѭӧc thu thұp trong vòng 22QJj\ÿӇ phân tích 5 mô hình ÿѭӡng cong hӑc tұSÿmÿѭӧc phân tích là: The Wright, The Dejong, Stanford, S-curve và Hӗi TX\ÿDWKӭc Mӛi mô hình có nhӳQJÿLӇm mҥnh và yӃu khác nhau sӁ ÿѭӧc trình bày chi tiӃt trong nhӳng phҫn sau Phân tích cho thҩy rҵng hiӋu ӭng hӑc tұp xҧy ra trong quá trình tұp may cho các công nhân không có kinh nghiӋm Tӹ lӋ hӑc tұp ÿѭӧc tìm thҩ\GDRÿӝng trong khoҧng 219% ÿӃQ'RÿyWD có thӇ cho rҵng hiӋu quҧ sҧn xuҩt cӫDF{QJQKkQWăQJOrQWKHRWKӡi gian khi PjQăQJVXҩt cӫDFiFF{QJÿRҥQPD\WăQJOrQQKӡ viӋc ghi nhӟ các thao tác may và kӻ thuұt PD\ÿѭӧFWăQJOrQĈLӅu này làm giҧm thӡi gian cҫn thiӃWÿӇ may hoàn thành sҧn phҭPYjWăQJhiӋu quҧ sҧn xuҩWFKRFiFF{QJÿRҥn may Mӝt kӃt quҧ WѭѫQJWӵ FNJQJQKұQÿѭӧFÿӕi vӟi tӹ lӋ lӛi cӫDFiFF{QJÿRҥQÿmJLҧm theo thӡi gian Bên cҥQKÿyFiF\Ӄu tӕ vӅ giӟLWtQKÿӝ tuәLÿһc WtQKF{QJÿRҥQPD\Pi\PyFFNJQJFyҧQKKѭӣQJÿӃQP{KuQKÿѭӡng cong hӑc tұp FNJQJÿmÿѭӧc phân tích

ABSTRACT

Learning curve is defined and described by a plot of productivity in the defined period time, usually to express the repetitive task of an employee or worker Effective using of the learning curve will help enterprises to predict production efficiency and plan business strategies effectively The application of data mining models to analyze the data of workers in garment industry, thereby finding a suitable learning curve model and predicting business performance

Production efficiency data of 45 new (non-experienced) workers, corresponding to 3 sewing operations: Placket Topstitch, Vent topstitch, Hem Coverstitch were collected within 226 days for analysis Five learning curve models were analyzed: The Wright, The Dejong, Stanford, S-curve and Polynomial Regression Each model has different strengths and weaknesses that will be presented in the following sections The analysis shows that a learning occurs during sewing practice for inexperienced workers The learning rate was found to range between 219% and 249% Thus, it can be assumed that the worker's production efficiency increases over time as the productivity of sewing operations increases through memorization of sewing operations and increased sewing techniques This reduces the time required to sew the finished product and increases the production efficiency of the sewing opertations A similar result is obtained for the defect rates of the sewing operation which have decreased over time In addition, the factors of gender, age, characteristics of sewing operation, and machines that affect the learning curve model were also analyzed

LӠ,&$0Ĉ2$1&ӪA TÁC GIҦ LUҰ19Ă1

7{L[LQFDPÿRDQOXұQYăQWӕWQJKLӋSYӟLÿӅWjL³3KkQWtFKGӳOLӋXF{QJQKkQQJjQKPD\PһFÿӇGӵEiRKLӋXTXҧVҧQ[XҩWWҥLPӝWGRDQKQJKLӋSӣĈӗQJ1DL´OjQJKLrQFӭXÿӝFOұSFӫDW{L&iFVӕOLӋXÿѭӧFFXQJFҩSWӯEiRFiRFӫDF{QJW\YjNӃWTXҧQJKLrQFӭXKRjQWRjQWUXQJWKӵFNK{QJÿҥRQKiLKD\VDRFKpSWӯEҩWNǤPӝWF{QJWUuQKQJKLrQFӭXQjRNKiF7ҩWFҧWjLOLӋXWUtFKGүQÿӅXÿѭӧFJKLU}QJXӗQJӕF

7{L[LQKRjQWRjQFKӏXWUiFKQKLӋPWUѭӟFQKjWUѭӡQJQӃXSKiWKLӋQEҩWFӭVӵVDLSKҥPKD\VDRFKpSWURQJÿӅWjLQj\

Tác giҧ luұQYăQ

Võ NgӑFĈӭc

MӨC LӨC

&+ѬѪ1**,ӞI THIӊU 1

1.1 Giӟi thiӋXÿӅ tài 1

1.2 Mөc tiêu và nӝi dung nghiên cӭu 2

1.3 3KѭѫQJSKiSQJKLrQFӭu 3

1.4 Giӟi hҥQÿӅ tài 3

1.5 Cҩu trúc báo cáo 4

&+ѬѪ1*&Ѫ6Ӣ LÝ THUYӂT VÀ CÁC NGHIÊN CӬU LIÊN QUAN 6

2.1 &ѫVӣ lý thuyӃt 6

2.1.1Ĉ˱ͥng cong h͕c t̵p là gì 6

2.1.2Logistic Regression (Classification) 8

2.1.3ĈiQKJLiÿ˱ͥng h͕c t̵p 9

2.2 Các nghiên cӭu liên quan 10

&+ѬѪNG 3: XÂY DӴNG MÔ HÌNH PHÂN TÍCH DӲ LIӊU TҤI CÔNG TY ELITE LONG THÀNH 14

3.1 Thӵc trҥng dӵ báo sҧn xuҩt tҥi công ty Elite Long Thành 14

3.2 Yêu cҫu bài toán cҫn giҧi quyӃt 17

3.3 &iFÿӏQKQJKƭDYjWKXұt ngӳ 17

3.4 3KѭѫQJSKiSJLҧi quyӃt bài toán 19

&+ѬѪ1*7+87+ҰP VÀ PHÂN TÍCH DӲ LIӊU CÔNG NHÂN NGÀNH MAY MҺC TҤI CÔNG TY ELITE LONG THÀNH 22

4.1 Thu thұp dӳ liӋu 22

4.2 Áp dөQJP{KuQKÿѭӡng cong hӑc tұp 26

4.2.1Ĉ˱ͥng cong h͕c t̵p The Wright 26

4.2.2Ĉ˱ͥng cong h͕c t̵p The De Jong 28

4.2.3Ĉ˱ͥng cong h͕c t̵p The Stanford 30

4.2.4Ĉ˱ͥng cong h͕c t̵p S Curve 32

4.2.5Ĉ˱ͥng cong h͕c t̵p Polynomial Regression 34

4.3 KӃt quҧ và thҧo luұn 37

&+ѬѪ1* : KӂT LUҰN 45

5.1 KӃt quҧ ÿҥWÿѭӧc 45

5.2 ѬXYjQKѭӧFÿLӇm cӫDSKѭѫQJSKiSÿѭӧFÿӅ xuҩt 45

5.3 ĈyQJJySFӫa luұQYăQYӅ mһt khoa hӑc và ӭng dөng 45

5.4 +ѭӟng mӣ rӝQJWѭѫQJODL 46

DANH SÁCH BҦNG BIӆU

Bҧng 4-1: Thao tác tiêu chuҭn cӫDF{QJÿRҥn mí trө (Tài liӋu nӝi bӝ công ty) 23

Bҧng 4-2: Thao tác tiêu chuҭn cӫDF{QJÿRҥn mí tà (Tài liӋu nӝi bӝ công ty) 23

Bҧng 4-3: Thao tác tiêu chuҭn cӫDF{QJÿRҥn Kansai Lai 23

Bҧng 4-4: KӃt quҧ SKkQWtFKÿѭӡng cong hӑc tұp theo mô hình Wright 27

Bҧng 4-5: KӃt quҧ SKkQWtFKÿѭӡng cong hӑc tұp Theo mô hình De Jong 30

Bҧng 4-6: MӕLWѭѫQJTXDQJLӳa RSS và hӋ sӕ B theo mô hình The Stanford 31

Bҧng 4-7: KӃt quҧ SKkQWtFKÿѭӡng cong hӑc tұp Theo mô hình Stanford B 32

Bҧng 4-8: KӃt quҧ SKkQWtFKÿѭӡng cong hӑc tұp theo mô hình S Curve Model 34

Bҧng 4-9: KӃt quҧ SKkQWtFKÿѭӡng cong hӑc tұp Theo mô hình Polynomial Regression 37

Bҧng 4-10: KӃt quҧ chӍ sӕ R2 cӫDFiFP{KuQKĈѭӡng cong hӑc tұSFKRFiFF{QJÿRҥn 38

Bҧng 4-11: KӃt quҧ SKkQWtFKÿѭӡng cong hӑc tұp Theo mô hình Stanford B 39

DANH SÁCH HÌNH VӀ

Hình 1-&iFF{QJÿRҥn nghiên cӭXĈѭӡng cong hӑc tұp 4

Hình 2-10{KuQKÿѭӡQJFRQJKӑFWұS 8

Hình 2-&iFEѭӟFÿӇ khai phá dӳ liӋu ngành may 11

Hình 2-&iFEѭӟc cӫa mô hình DMME 12

Hình 2-4: Ӭng dөng cӫa khai phá dӳ liӋu trong sҧn phҭm thӡi trang 12

Hình 3-1: BiӇXÿӗ kӃt quҧ xuҩt hàng quí 1 và quí 2 QăP7KHRWjLOLӋu nӝi bӝ) 16

Hình 3-2: BiӇXÿӗ kӃt quҧ sҧn xuҩWTXtYjTXtQăP7KHRWjLOLӋu nӝi bӝ) 16

Hình 3-3: Mô hình giҧi quyӃt bài toán 21

Hình 4-1: BiӇXÿӗ 6FDWWHUF{QJÿRҥn Mí trө 25

Hình 4-2: BiӇXÿӗ 6FDWWHUF{QJÿRҥn Mí tà 25

Hình 4-3: BiӇXÿӗ 6FDWWHUF{QJÿRҥn Kansai Lai 25

Hình 4-4: BiӇXÿӗ Scatter cӫDF{QJÿRҥn 25

Hình 4-Ĉѭӡng cong hӑc tұp theo mô hình Wright 27

Hình 4-6: MӕLWѭѫQJTXDQJLӳa RSS và hӋ sӕ M theo mô hình The De Jong 28

Hình 4-Ĉѭӡng cong hӑc tұp theo mô hình The De Jong 29

Hình 4-Ĉѭӡng cong hӑc tұp theo mô hình The Stanford 31

Hình 4-0{KuQKÿѭӡng cong hӑc tұp S Curve tәng thӇ 32

Hình 4-Ĉѭӡng cong hӑc tұp theo mô hình S-Curve 34

Hình 4-11: Mô hình HӗLTX\ÿDWKӭc 35

Hình 4-12: BiӇXÿӗ Scatter hiӋu quҧ sҧn xuҩt theo thӡi gian cӫDF{QJÿRҥn Mí trө hoàn chӍnh 36

Hình 4-Ĉѭӡng cong hӑc tұp theo HӗLTX\ÿD thӭc 37

Hình 4-14: KӃt quҧ chӍ sӕ R2 cӫDFiFP{KuQKĈѭӡng cong hӑc tұSFKRFiFF{QJÿRҥn 39

Hình 4-Ĉѭӡng cong hӑc tұSF{QJÿRҥn Mí trө theo giӟi tính 41

Hình 4-Ĉѭӡng cong hӑc tұSF{QJÿRҥn Mí tà theo giӟi tính 41

Hình 4-Ĉѭӡng cong hӑc tұSF{QJÿRҥn Kansai Lai theo giӟi tính 41

Hình 4-Ĉѭӡng cong hӑc tұSWKHRÿӝ tuәi 42

Hình 4-19: Tӹ lӋ lӛi theo giӟi tính 43

Hình 4-Ĉѭӡng dӵ báo hiӋu quҧ sҧn xuҩt 43

TSS - tәQJFiFÿӝ lӋFKEuQKSKѭѫQJWRjQEӝ (Total Sum of Squares)

EFF ± HiӋu quҧ sҧn xuҩt (Efficiency)

SW ± Áo Sweatshirt

GDP - Gross Domestic Product

ROA - Return on Asset

ROE ± Return on Investment

DMME ± Data Mining Methodology for Engineering Applications

&+ѬѪ1* : GIӞI THIӊU

1.1 Giӟi thiӋu ÿӅ tài

May mһt là mӝt trong nhӳng ngành công nghiӋp có tӯ [ѭDnhҩt cӫDFRQQJѭӡi Ngày nay, thӡi kǤ công nghiӋp 4.0, cùng vӟi sӵ phát triӇn nhanh chóng cӫa nӅn công nghiӋp hóa, hiӋQÿҥi hóa, thì nhu cҫu vӅ sӱ dөng các sҧn phҭm may mһc cӫDQJѭӡLWLrXGQJFNJQJQJj\FjQJÿDGҥng vӅ mүu mã, yêu cҫu cao vӅ chҩWOѭӧng sҧn phҭm vӟi giá bán sҧn phҭm phù hӧp Sӵ cҥnh tranh cӫa các doanh nghiӋp may mһc nӝLÿӏDYjQѭӟFQJRjLFNJQJQKѭVӵ cҥnh tranh giӳa các doanh nghiӋp nӝLÿӏa ngày càng trӣ nên gay gҳWKѫQÿӇ ÿiSӭng tӕWKѫQQKXFҫu cӫa khách hàng Ĉәi mӟi công nghӋ, áp dөng hӋ thӕng thông tin vào vұn hành hay khai phá dӳ liӋu là mӝWKѭӟQJÿLÿ~QJÿҳn và rҩt cҫn thiӃt cho ngành dӋt may hiӋQQD\ÿәi mӟi trӣ thành nhân tӕ ÿһc biӋt có ý QJKƭDTX\ӃWÿӏnh sӵ WăQJWUѭӣng và thành công mang tính chiӃQOѭӧFQkQJFDRQăQJOӵc cҥnh tranh

Khai phá dӳ liӋu (Data mining) và phát hiӋn tri thӭc (Knowledge discovery) ÿDQJOjOƭQKYӵc

ÿѭӧc các nhà khoa hӑc quan tâm nghiên cӭu trong nhiӅXQăPJҫQÿk\Ӭng dөng khai phá dӳ liӋu ÿѭӧc thӵc hiӋn trong nhiӅXOƭQKYӵFNKiFQKDXQKѭJLiRGөc, y tӃ, tài chính, ngân hàng, kinh GRDQK«Ĉһc biӋt, trong thӡi gian gҫQÿk\NKDLSKiGӳ liӋu và phát hiӋn tri thӭc trong ngành may mһc ÿDQJÿѭӧc quan tâm nghiên cӭu ViӋc khai phá & chӑn lӑc dӳ liӋu có ích tӯ Oѭӧng dӳ liӋu to lӟn là viӋc cҫn thiӃWÿyQJYDLWUzTuan trӑng trong mӑi hoҥWÿӝng nhҵm cҧi thiӋn các hoҥt ÿӝng trong hiӋn tҥLKD\ÿѭDUDQKӳng dӵ ÿRiQJL~SYLӋFÿѭDUDTX\ӃWÿӏQKWURQJWѭѫQJODLFKtQK[iFKѫQĈһc biӋt là khi ngành may mһc ÿDQJOjQJjQKvai trò quan trӑng, quyӃWÿӏnh cho sӵ phát triӇn cӫDÿҩWQѭӟc vӅ nhiӅu mһt

Mӝt trong nhӳng tiêu chí quan trӑng nhҩWÿӇ ÿROѭӡng hiӋu quҧ cӫa ngành may mһc là hiӋu quҧ sҧn xuҩWĈһFWUѭQJFӫa ngành may mһc là hiӋu quҧ sҧn xuҩt phҫn lӟn phө thuӝc chính vào nguӗn lӵFODRÿӝQJFRQQJѭӡi Hay nói cách khác hiӋu quҧ sҧn xuҩt cӫDODRÿӝQJFRQQJѭӡi có thӇ ÿҥi diӋn cho hiӋu quҧ sҧn xuҩt cӫa ngành may mһc HiӋu quҧ sҧn xuҩWODRÿӝng cӫa con QJѭӡi (EFF) là thӡi gian thӵc tӃ tҥo ra giá trӏ sҧn phҭm trên tәng thӡi gian làm viӋc ViӋFÿROѭӡng và dӵ ÿRiQ())ÿyQJYDLWUz quan trӑng cho doanh nghiӋp hoҥFKÿӏnh chiӃQOѭӧc kinh doanh, cҧi thiӋQQăQJVXҩt, tӹ lӋ cân bҵng chuyӅn, giҧPFKLSKtWăQJWӹ lӋ xuҩWKjQJÿ~QJJLӡ, tӯ ÿyÿiSӭng các nhu cҫu khách hàng tӕWKѫQ Khai phá dӳ liӋu có thӇ mang lҥi giá trӏ lӟn nӃu ÿѭӧc sӱ dөng hӧp lý và hiӋu quҧ trong ngành công nghiӋp may mһc

ViӋc áp dөng các công cө và kӻ thuұt khai phá dӳ liӋu trên dӳ liӋu IE (Industrial Engineering)

là mӝt viӋc không dӉ dàng Bӣi vì viӋc triӇn khai áp dөng các kӻ thuұt khai phá dӳ liӋu là không giӕng nhau trong ngӳ cҧnh khác nhau Vì ngành may mһc là ngành công nghiӋS ³/DERULQFHQWLYH´FKRQrQYLӋc phát triӇn mӝWSKѭѫQJSKiSNKDLSKiGӳ liӋu cө thӇ OjÿLӅu cҫn thiӃWÿӇ [iFÿӏnh các yӃu tӕ kiӇm soát quy trình sҧn xuҩt, cҧi thiӋn hiӋu quҧ sҧn xuҩt, tiӃt kiӋm chi phí cho doanh nghiӋp, tӯ ÿyGӵ báo hiӋu quҧ sҧn xuҩWWѭѫQJOҥi, giúp doanh nghiӋp hoҥFKÿӏnh các chiӃQOѭӧc cҥnh tranh hiӋu quҧĈyOjOêGRFӫDÿӅ tài nghiên cӭX³Phân tích dӳ liӋu công nhân ngành may mһFÿӇ dӵ báo hiӋu quҧ sҧn xuҩt tҥi mӝt doanh nghiӋp ӣ ĈӗQJ1DL´ ĈӇ tӯ ÿy tìm ra P{KuQKÿѭӡng cong hӑc tұp phù hӧp nhҩt, phөc vө cho viӋc lên kӃ hoҥch sҧn xuҩt chính xác Bên cҥQKÿyNӃt quҧ cӫa phân tích dӳ liӋXFNJQJFKӍ ra các yӃu tӕ ҧQKKѭӣQJÿӃQÿѭӡng cong hӑc tұp giúp các nhà quҧn lý hoҥFKÿӏnh chiӃQOѭӧc kinh doanh phù hӧp Các phҫn sau cӫa luұn

YăQVӁ OjPU}KѫQ

1.2 Mөc tiêu và nӝi dung nghiên cӭu

Mөc tiêu nghiên cӭu cӫa luұQYăQOjSKkQWtFKGӳ liӋu công nhân ngành may mһFÿӇ dӵ báo hiӋu quҧ sҧn xuҩt tҥi mӝt doanh nghiӋp ӣ Ĉӗng Nai KӃt quҧ cӫa viӋc nghiên cӭu này là tìm ra mô hình phù hӧp cho ÿѭӡng cong hӑc tұSÿѭӡng hiӋu quҧ sҧn xuҩt theo thӡi gian) cӫa công QKkQĈѭӡng hӑc tұp sӁ khác nhau tùy thuӝc vào giӟi tính nam hay nӳ, KD\ÿӝ tuәi KӃt quҧ nghiên cӭu có thӇ ÿѭӧc ӭng dөng trong viӋc lên kӃ hoҥFKÿѫQKjQJJL~SFiFQKjTXҧn lý sҧn xuҩt có thӇ dӵ ÿRiQFKX\Ӆn may có kӏSPD\KjQJÿӇ xuҩt hay không Ngoài ra, kӃt quҧ phân WtFKFNJQJFyWKӇ ÿѭӧc ӭng dөng trong viӋc tuyӇn dөng hiӋu quҧ tùy theo nhu cҫu cӫa nhà máy tӯng thӡLÿLӇm khác nhau

ĈӇ thӵc hiӋn mөc tiêu này, cҫn thӵc hiӋQFiFEѭӟc sau:

- Phân tích hiӋn trҥng cӫa công ty Tìm hiӇu vҩQÿӅ và mô hình hoҥWÿӝng hiӋn tҥi cӫa công ty ҧQKKѭӣQJQKѭWKӃ nàRÿӃn viӋc lên kӃ hoҥch sҧn xuҩWĈӇ tӯ ÿyWKҩ\ÿѭӧc nhu cҫu cҩp thiӃt cҫn xây dӵQJP{KuQKÿѭӡng cong hӑc tұp phù hӧp cho công nhân mӟi

- Tìm hiӇu các mô hình ÿѭӡng cong hӑc tұSÿmÿѭӧc triӇn khai trong các công trình nghiên cӭu liên quan, tӯ ÿy[iFÿӏnh SKѭѫQJSKiSphù hӧp ÿӇ giҧi quyӃt bài toán

- TiӃn hành thu thұp các dӳ liӋu cҫn thiӃt cho viӋc phân tích ViӋc thu thұp dӳ liӋu cҫn nhiӅu thӡi gian, bên cҥQKÿyFyQKLӅu yӃu tӕ ҧQKKѭӣQJÿӃn kӃt quҧ dӳ liӋXFNJQJFҫQÿѭӧc xem xét và loҥi bӓ Ngoài ra viӋc xây dӵng các thao tác chuҭQFNJQJUҩt quan trӑQJÿӇ ÿҧm bào dӳ liӋu thu thұSFyÿӝ chính xác cao

- Mô hình hóa dӳ liӋXÿѭӧc thu thұSVDXÿySKkQWtFKGӳ liӋu dӵDWUrQFiFP{KuQKÿѭӡng cong hӑc tұp Tӯ ÿyÿiQKJLiYj[iFÿӏnh mô hình phù hӧp nhҩWÿӇ hoҥFKÿӏnh sҧn xuҩt

Bên cҥQKÿyOXұQYăQFNJQJ phân tích thêm các yӃu tӕ ҧQKKѭӣQJÿӃQÿѭӡng cong hӑc tұp ÿӇ giúp các nhà quҧn lý sҧn xuҩWÿLӅu chӍnh chiӃQOѭӧc kinh doanh phù hӧp

- Và cuӕi cùng là triӇn khai các dӵ án cҧi thiӋQÿӇ giҧi quyӃt các vҩQÿӅ ÿmÿѭӧc nêu ra tӯ ÿҫXĈLӇm quan trӑng ӣ EѭӟFQj\OjOjPVDRÿӇ GX\WUuFiFSKѭѫQJiQFҧi thiӋQOX{Qÿѭӧc thӵc hiӋn trong quá trình sҧn xuҩt

1.3 3KѭѫQJSKiSQJKLrQFӭu

Có rҩt nhiӅXSKѭѫQJSKiSQJKLrQFӭu khoa hӑc QKѭSKѭѫQJSKiSWKXWKұp sӕ liӋXSKѭѫQJSKiSÿӏnh tính, SKѭѫQJSKiSÿӏQKOѭӧQJSKѭѫQJSKiSWKӵc nghiӋPSKѭѫQJSKiSSKkQWtFKYjtәng hӧSSKѭѫQJSKiSTX\Qҥp và diӉn giҧLSKѭѫQJSKiSOӏch sӱ YjORJLFSKѭӟng pháp thӕng kê sӕ liӋX« MӛLSKѭѫQJSKiSVӁ có cách ӭng dөng khác nhau trong nhӳQJWUѭӡng hӧp và mөc tiêu nghiên cӭu khác nhau

Trong luұQYăQQj\ÿӇ thӵc hiӋn mөc tiêu và giҧi quyӃt vҩQÿӅ cӫa bҧi toán, tác giҧ ÿmWKXWKұp rҩt nhiӅu dӳ liӋu thӵc nghiӋm vӅ ÿӕLWѭӧng nghiên cӭXQKѭWKӡi gian làm viӋFQăQJVXҩt, sӕ hàng lӛLÿӇ phân tích Tӯ ÿyÿ~FNӃt UDÿѭӧc các kӃt luұQ1KѭYұ\SKѭѫQJSKiSQJKLrQFӭu khoa hӑc phù hӧp trong luұQYăQQj\Oj3KѭѫQJSKiSWKӕng kê sӕ liӋu3KѭѫQJSKiSWKӕng kê sӕ liӋXOjSKѭѫQJSKiSWұp hӧp các sӕ liӋXFyOLrQTXDQÿӃQÿӕLWѭӧng nghiên cӭu, nhҵm phân tích, so sánh, tәng hӧS«ÿӇ tìm ra quy luұt khách quan trong sӵ vұQÿӝng cӫDÿӕLWѭӧng nghiên cӭX3KѭѫQJSKiSVӕ liӋXÿzLKӓi sӵ tӍ mӍ và chính xác tӕLÿDWKuPӟLÿHPOҥi kӃt quҧ chính xác và khách quan nhҩt Các sӕ liӋXÿѭӧc thu cҫn cҫn phҧLÿӃn tӯ nhӳng tә chӭc uy tín, cáFFѫTXDQchӭFQăQJFyWKҭm quyӅn, hoһc sӕ liӋu có nguӗn gӕFU}UjQJĈk\OjPӝWSKѭѫQJSKiSKD\Fytính thӵc tӃ cao và giúp cho ra nhӳng phát hiӋQFKtQK[iFQKѭQJYLӋc thu thұp sӕ liӋu chҩWOѭӧng WKѭӡng sӁ PDQJÿӃn nhiӅXNKyNKăQÿӃQQJѭӡi nghiên cӭu

1.4 Giӟi hҥQÿӅ tài

Polo là chӫng loҥi hàng lӟn nhҩt cӫa Elite, chiӃm tӯ ÿӃn 60% trên tәng sӕ Oѭӧng, nên mӝt sҧn phҭP3RORÿmÿѭӧFÿѭDUDQJKLrQFӭXĈӇ may hoàn thành mӝt sҧn phҭm Polo, cҫn trҧi qua rҩt nhiӅXF{QJÿRҥn vӟi nhiӅu loҥi máy khác nhau, trong ÿyF{QJÿRҥn khó nhҩWYjÿҥi diӋn cho mӝWFiLiR3ROROj&{QJÿRҥn mí trөF{QJÿRҥQPtWjYjF{QJÿRҥQ.DQVDLODL'RÿyF{QJÿRҥQQj\ÿѭӧc luұQYăQ nghiên cӭXÿѭӡng hӑc tұp Hình 1-1 thӇ hiӋQU}ÿLӅu này (1)

ĈӇ xây dӵQJÿѭӡng hӑc tұp, ta cҫn theo dõi quá trình hӑc tұp cӫa 1 công nhân mӟi (không có kinh nghiӋm) Dӳ liӋXÿѭӧc thu thұp tӯ QJj\WKiQJQăP ÿӃn ngày 29 tháng 4 QăP

cho các công nhân mӟi MӛLF{QJÿRҥn tiӃn hành thu thұp dӳ liӋu cho 15 công nhân trong vòng 226 QJj\QKѭYұy ta có tәng cӝng khoҧng 3,390 dӳ liӋXÿm thu thұp

Hình 1-1: Các F{QJÿRҥn nghiên cӭXĈѭӡng cong hӑc tұp

1.5 Cҩu trúc báo cáo

Luұn YăQ ÿѭӧc cҩu trúc thành 5 FKѭѫQJ QKѭVDX:

- &KѭѫQJ: Giӟi thiӋu TURQJFKѭѫQJQj\OXұQYăQWUuQKEj\WtQKFҩp thiӃt cӫDÿӅ tài vӟi tình hình hiӋn tҥi cӫa ngành may mһc

- &KѭѫQJ&ѫVӣ lý thuyӃt và các nghiên cӭu liên quan TURQJFKѭѫQJQj\ luұQYăQWUuQKEj\FiFFѫVӣ lý thuyӃWÿѭӧc áp dөng trong luұQYăQYjWuPKLӇu các nghiên cӭu khoa hӑc OLrQTXDQÿӃQÿӅ tài luұQYăQ

- &KѭѫQJ;k\Gӵng mô hình phân tích dӳ liӋu tҥLF{QJW\(OLWH/RQJ7KjQK7URQJFKѭѫQJnày, luұQYăQVӁ trình bày thӵc trҥng dӵ báo và hoҥFKÿӏnh sҧn xuҩt tai công ty Elite Long thành LuұQYăQVӁ ÿLVkXYjRSKkQWtFKEӕi cҧnh cө thӇ, các vҩQÿӅ PjF{QJW\ÿDQJJһp phҧi, các nguyên nhân gây ra vҩQÿӅ FNJQJÿѭӧc tìm hiӇu 6DXÿy xây dӵng mô hình phân tích dӳ liӋu tҥi công ty Elite Long Thành.

- &KѭѫQJ: Thu thұp và phân tích dӳ liӋu công nhân ngành may mһF7URQJFKѭѫQJQjy, tác giҧ trình bày FiFÿLӇm chính trong viӋc thu thұp dӳ liӋu và áp dөng các mô hình ÿѭӡng cong hӑc tұSÿӇ SKkQWtFKFNJQJWURQJFKѭѫQJQj\FiFNӃt quҧ cӫa viӋc phân tích dӳ liӋu FNJQJÿѭӧFWUuQKEj\QKѭP{KuQKÿѭӡng cong hӑc tұp phù hӧp, các yӃu tӕ ҧnKKѭӣQJÿӃn ÿѭӡng cong hӑc tұp.

- &KѭѫQJ: KӃt luұn Trong phҫn này, tác giҧ sӁ trình bày các kӃt quҧ ÿҥWÿѭӧc cӫa nghiên cӭXFiFѭXYjQKѭӧFÿLӇm cӫDSKѭѫQJSKiSQJKLrQFӭXFNJQJÿѭӧc phân tích Bên cҥnh ÿyFKѭѫQJ FNJQJWUuQKEj\FiFÿyQJJySFӫa luұQYăn vӅ mһt khoa hӑc và ӭng dөng và Kѭӟng mӣ rӝQJWURQJWѭѫQJODL

&+ѬѪ1* &Ѫ6Ӣ LÝ THUYӂT VÀ CÁC NGHIÊN CӬU LIÊN QUAN

2.1 &ѫVӣ lý thuyӃt

Ĉѭӡng cong hӑc tұp (Learning curve) là mӝt khái niӋm mô tҧ bҵQJÿӗ hӑa cӫa sҧn OѭӧQJÿҫu ra trong mӝt khoҧng thӡLJLDQ[iFÿӏQKWKѭӡQJÿӇ thӇ hiӋn nhiӋm vө lһSÿLOһp lҥi cӫa mӝt nhân viên hoһc công nhân (6)Ĉѭӡng cong hӑc tұp ÿѭӧc mô tҧ lҫQÿҫu tiên bӣi nhà tâm lí hӑc Hermann (EELQJKDXVYjRQăPYjÿѭӧc sӱ dөQJQKѭPӝWFiFKÿӇ ÿROѭӡng hiӋu quҧ sҧn xuҩt và dӵ báo chi phí Ĉѭӡng cong hӑc tұp cung cҩp sӵ ÿROѭӡng và phân tích chuyên sâu vӅ tҩt cҧ các khía cҥnh trên cӫa mӝt công ty Khi biӇu diӉn trӵc quan cӫDÿѭӡng cong hӑc tұSÿӝ dӕFFDRKѫQcho thҩy viӋc hӑFEDQÿҫu dүQÿӃn tiӃt kiӋPFKLSKtFDRKѫQYjYLӋc hӑc tiӃp theo dүQÿӃn viӋc tiӃt kiӋm chi phí ngày càng chұPKѫQYjNKyNKăQKѫQ (2)

Bҩt kì nhân viên nào, bҩt kӇ vӏ WUtQjRÿӅu dành thӡLJLDQÿӇ hӑc cách thӵc hiӋn mӝt nhiӋm vө hoһc công viӋc cө thӇ/ѭӧng thӡi gian cҫn thiӃWÿӇ sҧn xuҩt ra sҧn phҭPÿҫXUDWѭѫQJÿӕi FDR6DXÿyNKLQKLӋm vө ÿѭӧc lһSÿLOһp lҥi, nhân viên hӑc cách hoàn thành nó mӝt cách nhanh FKyQJYjÿLӅXÿyOjPJLҧPOѭӧng thӡi gian cҫn thiӃt cho mӝWÿѫQYӏ ÿҫu ra ĈyOjOtGRWҥi sao ÿѭӡng cong hӑc tұp dӕc xuӕng ӣ phҫQÿҫu vӟLÿӝ dӕc trӣ nên bҵng phҷQJKѫQӣ phҫn cuӕi, vӟi chi phí cho mӛLÿѫQYӏ ÿѭӧc mô tҧ trên trөc Y và tәng sҧQOѭӧng trên trөc X Khi viӋc hӑFWăQJlên, nó sӁ giҧm chi phí cho mӛLÿѫQYӏ ÿҫXUDVDXÿyOѭӧQJFKLSKtÿѭӧc giҧm sӁ ngày càng ít KѫQYuYLӋFWăQJKLӋu quҧ ÿҥWÿѭӧc thông qua viӋc hӑc trӣ QrQNKyNKăQKѫQ (2)

Ĉӝ dӕc cӫDÿѭӡng cong hӑc tұp thӇ hiӋn tӕFÿӝ hӑc tұp dүn tӟi tiӃt kiӋm chi phí cho mӝt công W\Ĉӝ dӕc càng dӕc, tiӃt kiӋm chi phí trên mӛLÿѫQYӏ sҧn phҭPFjQJFDRĈѭӡng cong hӑc tұp tiêu chuҭQQj\ÿѭӧc gӑLOjÿѭӡng cong hӑc tұp 80% Nó cho thҩy rҵng cӭ WăQJJҩSÿ{LVҧn Oѭӧng cӫa mӝt công ty, chi phí cӫa sҧn phҭm mӟi là 80% cӫa chi phí sҧn phҭPWUѭӟFÿy.KLsҧQOѭӧQJWăQJYLӋFWăQJJҩSÿ{LVҧQOѭӧQJWUѭӟFÿyFӫa công ty trӣ QrQNKyNKăQKѫQÿѭӧc mô tҧ bҵng cách sӱ dөQJÿӝ dӕc cӫDÿѭӡQJFRQJFyQJKƭDOjWLӃt kiӋm chi phí trӣ nên chұPKѫQtheo thӡi gian

Lý do chính giҧi thích tҥi sao các hiӋu ӭQJÿѭӡng cong hӑc tұp và trҧi nghiӋPÿѭӧc áp dөng là do các quá trình hӑc tұSOLrQTXDQÿӃn phӭc tҥS1KѭÿmWKҧo luұn trong bài viӃt chính, viӋc hӑFWKѭӡng bҳWÿҫu bҵng viӋc tҥo ra các phát hiӋn lӟQKѫQOLrQWLӃSYjVDXÿyOjFiFSKiWKLӋn nhӓ KѫQOLrQWLӃS&iFSKѭѫQJWUuQKFKRQKӳng hiӋu ӭng này xuҩt phát tӯ tính hӳu ích cӫa các mô hình toán hӑFÿӕi vӟi mӝt sӕ khía cҥnh có thӇ dӵ ÿRiQÿѭӧc cӫa nhӳQJTXiWUuQKWKѭӡng NK{QJ[iFÿӏQKÿy Chúng bao gӗm:

- HiӋu quҧ ODRÿӝng: nJѭӡLODRÿӝng trӣ QrQNKpROpRKѫQYӅ thӇ chҩt Hӑ trӣ nên tӵ WLQKѫQvӅ mһt tinh thҫn và dành ít thӡi gian do dӵ, hӑc hӓi, thӱ nghiӋm hoһc phҥm sai lҫm Theo thӡi gian, hӑ hӑFÿѭӧc nhӳQJFiFKÿLWҳt và cҧi tiӃQĈLӅu này áp dөng cho tҩt cҧ nhân viên YjQJѭӡi quҧn lý, không chӍ nhӳQJQJѭӡi trӵc tiӃp tham gia sҧn xuҩt

- Cҧi tiӃn tiêu chuҭn hóa, chuyên môn hóa và phѭѫQJSKiS: khi các quy trình, bӝ phұn và sҧn phҭm trӣ nên chuҭQKyDKѫQKLӋu quҧ Fy[XKѭӟQJWăQJOrQ.KLQKkQYLrQFKX\rQmôn hóa mӝt sӕ nhiӋm vө hҥn chӃ, hӑ sӁ có thêm kinh nghiӋm vӟi nhӳng nhiӋm vө này và hoҥWÿӝng vӟi tӕFÿӝ QKDQKKѫQ

- Hӑc tұp theo hѭӟng công nghӋ: kông nghӋ sҧn xuҩt tӵ ÿӝng và công nghӋ thông tin có thӇ mang lҥi hiӋu quҧ NKLFK~QJÿѭӧc thӵc hiӋQYjFRQQJѭӡi hӑc cách sӱ dөng chúng mӝt cách hiӋu quҧ và hiӋu quҧ

- Sӱ dөng thiӃt bӏ tӕWKѫQ: khi tәng sҧQOѭӧQJWăQJOrQWKLӃt bӏ chӃ tҥo sӁ ÿѭӧc khai thác triӋt ÿӇ KѫQJLҧPJLiWKjQKÿѫQYӏ ÿѭӧc hҥFKWRiQÿҫ\ÿӫ Ngoài ra, viӋc mua thiӃt bӏ QăQJVXҩt FDRKѫQFyWKӇ OjFKtQKÿiQJ

- 7KD\ÿәi trong tә hӧp nguӗn lӵc: khi mӝWF{QJW\Fyÿѭӧc kinh nghiӋm, công ty có thӇ WKD\ÿәi kӃt hӧp các yӃu tӕ ÿҫXYjRYjGRÿyWUӣ nên hiӋu quҧ KѫQ

- ThiӃt kӃ lҥi sҧn phҭm: khi nhà sҧn xuҩWYjQJѭӡi tiêu dùng có nhiӅu kinh nghiӋPKѫQYӟi sҧn phҭm, hӑ WKѭӡng có thӇ tìm ra nhӳng cҧi tiӃQĈLӅu này lӑc qua quy trình sҧn xuҩt Mӝt ví dө ÿLӇn hình vӅ ÿLӅu này là viӋc Cadillac thӱ nghiӋm các phө kiӋQÿһc biӋt khác nhau "chuông và còi" Nhӳng chiӃc không bӏ hӓQJ ÿm ÿѭӧc sҧn xuҩt hàng loҥt trong các sҧn phҭm khác cӫa General Motors; nhӳng chiӃc xe không chӏXÿѭӧc thӱ thách vӅ viӋFÿiQKÿұSQJѭӡLGQJÿmEӏ ngӯng sҧn xuҩt, giúp tiӃt kiӋm tiӅQFKRF{QJW\[HKѫL.KL*HQHUDOMotors sҧn xuҩt nhiӅX{W{KѫQKӑ ÿmKӑFÿѭӧc cách sҧn xuҩt tӕt nhҩt các sҧn phҭm hoҥt ÿӝng vӟi sӕ tiӅn ít nhҩt

- Giҧm chi phí sӱ dөng và xây dӵng mҥng (hiӋu ӭng mҥng): khi mӝt sҧn phҭPÿLYjRVӱ dөng rӝQJUmLKѫQQJѭӡi tiêu dùng sӱ dөng nó hiӋu quҧ KѫQYuKӑ quen thuӝc vӟi nó Mӝt máy fax trên thӃ giӟi không thӇ OjPÿѭӧFJuQKѭQJQӃu mӑLQJѭӡLÿӅu có mӝt chiӃc máy này, hӑ sӁ xây dӵng mӝt mҥQJOѭӟi truyӅn thông ngày càng hiӋu quҧ Mӝt ví dө khác là các tài khoҧn email; Càng có nhiӅu mҥng, mҥng càng hiӋu quҧ, thì chi phí cho mӛi tiӋn ích sӱ dөng cӫa mӑLQJѭӡi càng thҩp

- HiӋu ӭng trҧi nghiӋPÿѭӧc chia sҿ: hiӋu ӭQJÿѭӡng cong trҧi nghiӋPÿѭӧc cӫng cӕ khi hai hoһc nhiӅu sҧn phҭm chia sҿ mӝt hoҥWÿӝng hoһc tài nguyên chung Bҩt kǤ hiӋu quҧ nào

hӑFÿѭӧc tӯ mӝt sҧn phҭPÿӅu có thӇ ÿѭӧc áp dөng cho các sҧn phҭPNKiFĈLӅu này liên TXDQÿӃn nguyên tҳc ít gây ngҥc nhiên nhҩt.)

ViӋc sӱ dөQJÿѭӡng cong hӑc tұp giúp các công ty biӃt mӝt nhân viên kiӃPÿѭӧc bao nhiêu mӛi giӡ và có thӇ rút ra chi phí sҧn xuҩt mӝWÿѫQYӏ sҧn phҭm duy nhҩt dӵa trên sӕ giӡ cҫn thiӃt Mӝt nhân viên có vӏ trí tӕt, nӃu thӵc hiӋn công viӋc thành công sӁ giҧm chi phí cӫa công ty trên mӛLÿѫQYӏ sҧn phҭm theo thӡi gian Các doanh nghiӋp có thӇ sӱ dөQJÿѭӡng cong hӑc tұp ÿӇ tiӃn hành lұp kӃ hoҥch sҧn xuҩt, dӵ báo chi phí và lӏch trình hұu cҫn

3KѭѫQJSKiSKӗi quy logistic là mӝt mô hình hӗi quy nhҵm dӵ ÿRiQJLiWUӏ ÿҫu ra rͥi r̩c (discrete

target variable) y ӭng vӟi mӝt véc-Wѫÿҫu vào x ViӋFQj\WѭѫQJÿѭѫQJYӟi chuyӋn phân loҥLFiFÿҫu

0.0%10.0%20.0%30.0%40.0%50.0%60.0%

3OjKLӋXTXҧVҧQ[XҩW(II ȕOjKӋVӕKӗLTX\

[OjELӃQSKөWKXӝF

7X\QKLrQWURQJWKӵFWӃKLӋXTXҧVҧQ[XҩWNK{QJSKҧLSKөWKXӝFYjR\ӃXWӕPjQKLӅX\ӃXWӕGRÿyWDFySKѭѫQJWUuQKÿDELӃQQKѭVDX (6):

ܴଶ ൌ ͳ െ ாௌௌ

்ௌௌ (2-3)

RSS (Regression Sum of Squares): tәQJFiFÿӝ lӋFKEuQKSKѭѫQJgiҧi thích tӯ hӗi quy ESS (Residual Sum of Squares): tәQJFiFÿӝ lӋFKEuQKSKѭѫQJSKҫQGѭ

TSS (Total Sum of Squares): tәQJFiFÿӝ lӋFKEuQKSKѭѫQJWRjQEӝ

Giá trӏ 5EuQKSKѭѫQJGDRÿӝng tӯ ÿӃQ5EuQKSKѭѫQJFjQJJҫQWKuP{KuQKÿm[k\dӵng càng phù hӧp vӟi bӝ dӳ liӋu dùng chҥy hӗLTX\5EuQKSKѭѫQJFjQJJҫQWKuP{KuQKÿmxây dӵng càng kém phù hӧp vӟi bӝ dӳ liӋu dùng chҥy hӗLTX\7Uѭӡng hӧSÿһt biӋWSKѭѫQJtrình hӗLTX\ÿѫQELӃn (chӍ có 1 biӃQÿӝc lұS WKu5FKtQKOjEuQKSKѭѫQJFӫa hӋ sӕ WѭѫQJTXDQr giӳa hai biӃQÿy

Giҧ sӱ 5EuQKSKѭѫQJOjWKuP{KuQKKӗi quy tuyӃn tính này phù hӧp vӟi tұp dӳ liӋu ӣ mӭc 60% Nói cách khác, 60% biӃn thiên cӫa biӃn phө thuӝFÿѭӧc giҧi thích bӣi các biӃQÿӝc lұp 7K{QJWKѭӡQJQJѭӥng cӫa R2 phҧi trên 50YuQKѭWKӃ mô hình mӟi phù hӧp Tuy nhiên tùy vào dҥng nghiên cӭXQKѭFiFP{KuQKEjLWRiQ, không phҧi tҩt cҧ các hӋ sӕ 5ÿӅu bҳc buӝc phҧi thӓa mãn lӟQKѫQ (Do rҩWNKyÿӇ dӵ ÿRiQJLiYjQJJLiFә phiӃu mà chӍ ÿѫQWKXҫn dӵa vào các biӃQÿӝc lұp ví dө GDP, ROA, 52(«

&jQJÿѭDWKrPQKLӅu biӃn vào mô hình, mһFGFKѭD[iFÿӏnh biӃQÿѭDYjRFyêQJKƭDKD\không thì giá trӏ R2 sӁ WăQJ/êGROjNKLFjQJÿѭDWKrPELӃn giҧi thích vào mô hình thì sӁ càng khiӃn phҫQGѭJLҧm xuӕng (vì bҧn chҩt nhӳng gì không giҧLWKtFKÿѭӧFÿӅu nҵm ӣ phҫQGѭ GRvұ\WăQJWKrPELӃn sӁ khiӃn tәQJEuQKSKѭѫQJSKҫQGѭ (Residual Sum of Squares) giҧm, trong

NKL7RWDO6XPRI6TXDUHVNK{QJÿәi, dүn tӟL5OX{QOX{QWăQJ Giá trӏ 5WăQJNKҧ QăQJJLҧi thích cӫDP{KuQKQKѭQJEҧn chҩt thì lҥLNK{QJOjPU}ÿѭӧc tҫm quan trӑng cӫa biӃQÿѭDYjRGRÿyQӃu dӵa vào giá trӏ 5ÿӇ ÿiQKJLiWtQKKLӋu quҧ cӫa mô hình sӁ dүQÿӃn tình huӕng không chính xác vì sӁ ÿѭDTXiQKLӅu biӃn không cҫn thiӃt, làm phӭc tҥp mô hình ĈӇ QJăQFKһn tình trҥng QKѭÿmQrXWUrQPӝWSKpSÿRNKiFYӅ mӭFÿӝ thích hӧSÿѭӧc sӱ dөQJWKѭӡQJ[X\rQKѫQ3KpSÿRQj\Jӑi là R2 hiӋu chӍnh hoһc R2 hiӋu chӍnh theo bұc tӵ do

TәQJEuQKSKѭѫQJSKҫQGѭ (Residual Sum of Squares ± RSS) TәQJEuQKSKѭѫQJSKҫQGѭ(RSS) là mӝWNƭWKXұt thӕQJNrÿѭӧc sӱ dөQJÿӇ ÿRVӕ SKѭѫQJVDLNK{QJJLҧLWKtFKÿѭӧc bҵng mô hình hӗi qui trong mӝt tұp dӳ liӋu Phân tích hӗi qui là mӝt biӋQSKiSJL~S[iFÿӏnh mӭFÿӝ mӕi quan hӋ giӳa mӝt biӃn phө thuӝc và mӝt loҥt các biӃQWKD\ÿәi hay biӃQÿӝc lұp khác

TәQJEuQKSKѭѫQJSKҫQGѭ566 ÿROѭӧng sai sӕ còn lҥi giӳa hàm hӗi qui và tұp dӳ liӋu TәQJEuQKSKѭѫQJSKҫQGѭQKӓ KѫQWKӇ hiӋn hàm hӗi qui tӕWKѫQYӅ FѫEҧQQy[iFÿӏnh mӝt mô hình hӗi qui giҧi thích hoһc biӇu thӏ dӳ liӋu trong mô hình tӕWQKѭWKӃ nào 0{KuQKQjRFNJQJFysai sӕ giӳa các giá trӏ dӵ ÿRiQÿѭӧc và kӃt quҧ trong thӵc tӃ MһFGSKѭѫQJVDLFyWKӇ ÿѭӧc giҧi thích bҵng phân tích hӗi qui, tәQJEuQKSKѭѫQJSKҫQGѭ566 biӇu thӏ phҫQSKѭѫQJVDLKD\sai sӕ NK{QJÿѭӧc giҧi thích bӣi mô hình

Do hàm hӗi qui có thӇ ÿѭӧFÿLӅu chӍnh phӭc tҥSKѫQÿӇ phù hӧp vӟi hҫu hӃt mӑi tұp dӳ liӋu, nên viӋc nghiên cӭXWKrPÿӇ [iFÿӏnh xem hàm hӗLTXLÿDQJVӱ dөng có thӵc sӵ hiӋu quҧ trong viӋc giҧLWKtFKSKѭѫQJVDLFӫa tұp dӳ liӋu hay không 7K{QJWKѭӡng, giá trӏ RS6ÿѭӧc cho rҵng càng nhӓ thì mô hình hӗLTXLFjQJOtWѭӣQJYuQyFyQJKƭDOjFytWÿLӇm ngoҥLODLKѫQWURQJWұp dӳ liӋu Nói cách khác, tәng sӕ GѭEuQKSKѭѫQJFjQJWKҩp thì mô hình hӗi qui càng tӕt trong viӋc giҧi thích dӳ liӋu

2.2 Các nghiên cӭu liên quan

Có nhiӅu công trình nghiên cӭu khoa hӑFÿmÿѭӧc thӵc hiӋn có liên quan ÿӃn ÿӅ tài nghiên cӭu này Tiêu biӇX QKѭ F{QJ WUuQK QJKLrQ Fӭu cӫa Shamsur Rahim (3) vӟi bài báo ³Mining

Industrial Engineered Data of Apparel Industry´, ÿmWUuQKEj\PӝWSKѭѫQJSKiSOXұQÿӇ khai

phá ngành may gӗPFyEѭӟFQKѭKuQK-2 (3): 1 Phân tích quy trình sҧn xuҩt ngành may mһc

2 HiӇu vai trò và dӳ liӋu cӫa các bӝ phұn chӭFQăQJFӫa doanh nghiӋp 3 Xây dӵng mөc tiêu kinh doanh

4 Thu thұp và phân tích dӳ liӋu IE 5 TriӇn khai viӋFOѭXWUӳ dӳ liӋu

6 TiӅn xӱ lý dӳ liӋu

7 ;iFÿӏnh các công cө ÿӇ khai phá dӳ liӋu

8 Phân tích tính khҧ thi cӫa công cө khai phá dӳ liӋu 9 Thӵc hiӋQYjÿiQKJLiP{KuQKNKDLSKi

10 ĈiQKJLiYjVӱ dөng các kiӃn thӭFNKDLSKiÿѭӧc

Hình 2-2: Các EѭӟFÿӇ khai phá dӳ liӋu ngành may

3KѭѫQJSKiSOXұn khai phá dӳ liӋu trong nghiên cӭXQj\ÿmPӣ rӝng phҥm vi nghiên cӭu mӟi rӝQJKѫQFKRQJjQKPD\PһF3KѭѫQJSKiSOXұn này nhҩn mҥnh vào hӋ thӕng sҧn xuҩt ngành may mһFSKѭѫQJSKiSWKӇ hiӋn rõ quá trình chuyӇQÿәi giӳDFiFEѭӟFWURQJTX\WUuQKFNJQJQKѭnhҩn mҥnh vai trò và các dӳ liӋu quan trӑng cӫa các phòng ban chӭFQăQJ Tuy nhiên, mô hình này sӁ phù hӧp vӟi công ty may mһc nӃu hӋ thӕQJWK{QJWLQFKѭDÿѭӧc phát triӇQEѭӟFÿҫu tiên cӫa mô hình tұSWUXQJÿӇ thu thұp dӳ liӋu, tiêu chuҭn hóa dӳ liӋu, và hiӇu dӳ liӋX&iFEѭӟc Qj\ÿiQJOӁ phҧLÿѭӧc tinh gӑn bҵng mӝt hӋ thӕng thông tin, quҧn lý tri thӭF+ѫQQӳa mô hình vүQFKѭDÿLVkXYjRYLӋc hӛ trӧ ra quyӃWÿӏnh cho các nhà quҧn lý, mô hình dӯng lҥi ӣ viӋc thu thұp, xӱ lý và mô hình hóa dӳ liӋXÿӇ tìm ra vҩQÿӅQKѭQJVDXÿySKҫn giҧi giҧi quyӃt vҩQÿӅ và ra quyӃWÿӏnh lҥi dӵa trên kinh nghiӋm cӫDQJѭӡi quҧn lý mà không có có sӣ khoa hӑc dүn dҳt

Bên cҥQK ÿy Pӝt nghiên cӭu nӳa cӫa Hajo Wiemer (4) vӟi Bài báo ³Data Mining

Methodology for Engineering Applications (DMME) A Holistic Extension to the CRISP-DM Model´, FNJQJÿmQrXUDPӝt mô hình phân tích dӳ liӋu trong hӋ thӕng sҧn xuҩt dây mҥng vӟi

mөFÿtFKWӕLѭXKyDYjbҧo trì&iFEѭӟc trong mô hình khai phá dӳ liӋXQj\ÿѭӧc trình bày trong hình 2-3 (4)

1 Tìm hiӇu vӅ mô hӋ thӕng doanh nghiӋp 2 Tìm hiӇu vӅ dӳ liӋu

Phân tíchquy trìnhVҧQ [XҩWngành may PһF

+LӇX vaitrò và GӳOLӋX FӫDcác EӝSKұQ FKӭFQăQJ FӫDdoanhQJKLӋS

Xây GӵQJPөF tiêukinhdoanh

7KXWKұSvà phân WtFKGӳOLӋX,(

;iFÿӏQKcác công FөÿӇNKDLSKiGӳOLӋX

Phân tích WtQKNKҧWKLFӫDF{QJFөkhai phá GӳOLӋX

7KӵFKLӋQYjÿiQKgiá mô hình khai phá

ĈiQKJLiYjVӱGөQJFiFNLӃQWKӭFNKDLSKiÿѭӧF

3 Chuҭn bӏ dӳ liӋu

4 Xây dӵng mô hình hóa dӳ liӋu 5 ĈiQKJLiP{KuQK

6 TriӇn khai và áp dөng mô hình

Hình 2-3&iFEѭӟc cӫa mô hình DMME

Mӝt công trình nghiên cӭu tiêu biӇu nӳa cӫa Kumaravel Appavoo (5) vӟi bài báo: ³Data

Mining for Prediction of Clothing Insulation´FNJQJÿmWUuQKEj\PӝWSKѭѫQJSKiSÿӇ khai phá

dӳ liӋu trong ngành dӋt may ÿӇ dӵ ÿRiQ các yӃu tӕ cách nhiӋt cӫa quҫn áo vӟi mөc tiêu hiӇu ÿѭӧFÿһc tính kӻ thuұt cӫa quҫn áo Hình 2-4 là mô hình ӭng dөng cӫa khai phá dӳ liӋu trong ngành dӋt may (5)

Hình 2-4: Ӭng dөng cӫa khai phá dӳ liӋu trong sҧn phҭm thӡi trang

Kӻ thuұt phân cөm (Clustering) có thӇ ÿѭӧc ӭng dөng trong viӋc phân tích dӵ EiRFiFÿһc tính kӻ thuұt cӫa quҫn áo tӯ ÿyGӵ báo nhu cҫXFNJQJQKѭ[XKѭӟng cӫDQJѭӡi tiêu dùng Quy trình khai phá dӳ liӋXÿѭӧc áp dөng bao gӗPFiFEѭӟc sau:

1 Tích hӧp dӳ liӋX7Uѭӟc hӃt, dӳ liӋXÿѭӧc thu thұp và tích hӧp tӯ tҩt cҧ các nguӗn khác nhau

2 Lӵa chӑn dӳ liӋu: Làm sҥch dӳ liӋu, dӳ liӋu ÿmWKXWKұp có thӇ chӭa lӛi, thiӃu giá trӏ, dӳ liӋu nhiӉu hoһc không nhҩt quán

3 ChuyӇQÿәi dӳ liӋu: Dӳ liӋu ngay cҧ sau khi làm sҥch vүQFKѭDVҹQVjQJÿӇ khai thác vì cҫn chuyӇQÿәi chúng thành các dҥng thích hӧSÿӇ khai phá Các kӻ thuұWÿѭӧc sӱ dөQJÿӇ thӵc hiӋQÿLӅu này là làm mӏn, tәng hӧp, chuҭn hóa, v.v

4 Khai thác dӳ liӋu: áp dөng các kӻ thuұt khai thác dӳ liӋu ÿӇ khám phá các mô hình dӳ liӋu

5 ĈiQKJLiPүu và trình bày kӃt quҧ%ѭӟc này bao gӗm hình dung, chuyӇQÿәi, loҥi bӓ các mүu thӯa, v.v

6 Sӱ dөng kiӃn thӭFÿmNKiPSKi%ѭӟFQj\JL~SQJѭӡi dùng sӱ dөng kiӃn thӭFWKXÿѭӧFÿӇ ÿѭDUDTX\ӃWÿӏnh tӕWKѫQ

&+ѬѪ1* : XÂY DӴNG MÔ HÌNH PHÂN TÍCH DӲ LIӊU TҤI CÔNG TY ELITE LONG THÀNH

3.1 Thӵc trҥng dӵ báo sҧn xuҩt tҥi công ty Elite Long Thành

May mһc là ngành sӱ dөng nhiӅX ODR ÿӝng (Labour intensive firm or labour intensive

industry) Kӻ QăQJWD\QJKӅ cӫDQJѭӡLODRÿӝng quyӃWÿӏnh nhiӅXÿӃn hiӋu quҧ sҧn xuҩt cӫa mӝt

dây chuyӅn Quá trình phát triӇn tay nghӅ cӫDQJѭӡLODRÿӝng là mӝt quá trình hӑc tұSWKHRÿytay nghӅ cӫDQJѭӡLODRÿӝQJWăQJGҫn theo thӡi gian bӣLTXiWUuQKWtFKONJ\NLQKQJKLӋm Quá trình hӑc tұp này sӁ ÿѭӧc biӇu diӉn bҵng mӝt biӇXÿӗ thӇ hiӋn hiӋu quҧ sҧn xuҩt theo thӡi gian, gӑLOjÿѭӡng cong hӑc tұSĈѭӡng cong hӑc tұSFyêQJKƭDUҩt quan trӑng trong ngành may mһc, ÿӇ dӵ báo hiӋu quҧ sҧn xuҩt cӫa mӝt công nhân hoһc mӝt dây chuyӅn mӟi vұn hành Tӯ ÿyJL~Scho doanh nghiӋp hoҥFKÿӏQKQăQJOӵc sҧn xuҩt và kӃ hoҥch kinh doanh phù hӧp Mӝt kӃ hoҥch sҧn xuҩt phù hӧp sӁ giúp doanh nghiӋSÿiSӭQJÿѭӧc các yêu cҫu cӫa khách hàng tӕWKѫQYӅ xuҩt hàng ÿ~QJJLӡ, chҩWOѭӧQJKjQJKyDÿѭӧc kiӇm soát tӕWKѫQYLӋc quҧn lý các dây chuyӅn PD\ÿѭӧc hiӋu quҧ KѫQKLӋu quҧ sҧn xuҩWÿѭӧc tӕWѭXKyDKѫQGzQJFKҧy cӫa nguyên phө liӋu ÿѭӧc trôi chҧ\KѫQ1Ӄu mӝt doanh nghiӋp may mһc không sӱ dөng hiӋu quҧ ÿѭӡng cong hӑc tұp sӁ dүQÿӃn nhiӅu vҩQÿӅ vұQKjQKPjWUѭӡng hӧp nghiên cӭu tҥi: Công ty TNHH Elite Long 7KjQK&{QJW\(/7 ÿDQJJһp phҧi

Công ty ELT là mӝt doanh nghiӋp chӃ xuҩt hàng may mһc xuҩt khҭXFKR$GLGDVÿѭӧc thành lұp vào cuӕLQăPYӟLKѫQFông nhұn viên hiӋn tҥL1ăQJOӵc sҧn xuҩt hiӋn tҥLOjKѫQ1 triӋu hàng mӛi tháng, vӟi 100 chuyӅQPD\(/7ÿDQJFyFKLӃQOѭӧc mӣ rӝng mô hình sҧn xuҩt kinh doanh thêm 100 chuyӅn may mӟi vӟLKѫQF{QJQKkQPD\PӟLWURQJYzQJQăPWӟi ÿӃn 2025) Khi mӣ rӝng kinh doanh, tuyӇn thêm nguӗn nhân công mӟLÿӗQJQJKƭDYӟi viӋc phҧLÿjRWҥo kӻ QăQJPD\FKRF{QJQKkQPӟi tӯ ÿҫX'RÿyYLӋc xây dӵng mӝWÿѭӡng cong hӑc tұSFKtQK[iFÿyQJYDLWUzTXDQWURQJFKR(/7WURQJYLӋc hoҥFKÿӏnh các chiӃQOѭӧc kinh doanh

Tuy nhiên, hiӋn tҥL(/7FKѭDFy[k\Gӵng mӝWÿѭӡng cong hӑc tұSQjRÿӇ ӭng dөng ViӋc hoҥFKÿӏnh sҧn xuҩt chӫ yӃu dӵa vào kinh nghiӋm cӫa các nhà quҧn lý vӟLÿӝ chính xác thҩp 'RÿyJk\UDQKLӅu vҩQÿӅ vӅ xuҩt hàng trӉ hҥn, hiӋu quҧ sҧn xuҩt cӫa cônJQKkQNK{QJÿҥt mөc tiêu sau nhiӅXWKiQJÿjRWҥo, dүQÿӃn nhiӅu chi phí phát sinh không bù lҥLÿѭӧc Bên cҥnh ÿyYLӋc sҳp xӃp kӃ hoҥch may tӯng chuyӅn không dӵ WUrQFѫVӣ QăQJOӵc chuyӅn may vì không có dӳ liӋu cө thӇ và chính xác, dүQÿӃn sӕ Oѭӧng hàng hóa phҧi may cӫa mӛi chuyӅQNK{QJÿӗng

ÿӅu nhau, có chuyӅn thì phҧi may rҩt nhiӅXYjWăQJFDOLrQWөc mӟi kӏp lӏch xuҩWQKѭQJFyFKX\Ӆn thì lҥLtWKjQJPD\KѫQÿLӅXQj\Jk\UDNKyNKăQFKRFiFQKjTXҧn lý sҧn xuҩt

Dӵa trên biӇXÿӗ kӃt quҧ xuҩt hàng bên Gѭӟi, ta nhұn thҩy tӹ lӋ xuҩWKjQJÿ~QJJLӡ thӵc tӃ trung bình tӯ khoҧQJÿӃQNK{QJÿҥt mөc tiêu là 97% Bên cҥQKÿyELӇXÿӗ kӃt quҧ sҧn xuҩWErQGѭӟLFNJQJFKRWDWKҩy hiӋu quҧ sҧn xuҩWFNJQJNK{QJÿҥt mөc tiêu, giӳa thӵc tӃ và mөc tiêu luôn có sӵ chênh lӋch tӯ ÿӃn 7% NhiӅu cuӝc nghiên cӭXÿmGLӉQUDÿӇ tìm hiӇu nguyên nhân tӯ ÿkXWDFyWKӇ WyPOѭӧc các nguyên nhân cӕWO}LQKѭVDX

Nguyên nhân 1: sӕ OѭӧQJÿѫQKjQJSKkQEә vӅ các chuyӅn sҧn xuҩWNK{QJÿ~QJWKHRQăQJ

lӵc cӫa các chuyӅn ChuyӅn có nhiӅXKjQJKѫQQăQJOӵc cӫa mình sӁ chuyӇQÿәi mã nhiӅXWăQJca nhiӅXÿӇ WăQJQăQJVXҩWQKѭQJYүQNK{QJÿҥt hiӋu quҧ sҧn xuҩt mөc tiêu ChuyӅQFyÿѫQhàng thҩSKѫQQăQJOӵc sҧn xuҩt sӁ OjPFKRQJѭӡi công nhân không có áp lӵc vӅ QăQJVXҩt, dүn ÿӃn sӵ trì trӋ trong sҧn xuҩWNK{QJÿҥt hiӋu quҧ sҧn xuҩt mөc tiêu

Nguyên nhân 2: sӵ phân bә ÿѫQKjQJFKRFiFFKX\Ӆn không phù hӧp vӟi chuyên môn cӫa

tӯng chuyӅn Có sӵ chen lүn các chӫng loҥLKjQJNKiFQKѭ7-shirt, quҫn, hay Jacket, Sweatshirt vào chuyӅn chuyên m{Q3RORĈLӅXÿyGүQÿӃn các chuyӅn chuyӇQÿәi mã nhiӅXKѫQ.KLFKX\Ӆn chuyӇQÿәLPmÿzLKӓLQJѭӡi công nhân phҧi tұp lҥi kӻ QăQJPD\YuPӛi chӫng loҥi khác nhau sӁ yêu cҫu kӻ QăQJPD\NKiFQKDX.KLÿyKLӋu quҧ sҧn xuҩt sӁ bӏ giҧm ít nhҩWOjÿӃn 20% so vӟLQăQJOӵc cӫa chuyӅn, thӡi gian chuyӇQÿәLPmWKѭӡng kéo dài ít nhҩWQJj\QăQJVXҩt &KtQKÿLӅu này làm ҧQKKѭӣng nghiêm trӑQJÿӃn viӋc chuyӅQPD\NK{QJÿҥWÿѭӧc hiӋu quҧ QăQJVXҩt mөc tiêu

Nguyên nhân 3: Sӵ phân bә F{QJQKkQYjRF{QJÿRҥn may FKѭDSKKӧp Có rҩt nhiӅu loҥi

F{QJÿRҥQPD\WѭѫQJӭng vӟi các loҥi máy khác nhau Ӭng vӟi mӛi máy khác nhau thì yêu cҫu kӻ thuұt may khác nhau Tuy nhiên không phҧLF{QJQKkQQjRFNJQJSKKӧp vӟi tҩt cҧ các loҥi máy ViӋc phân bә công nhân vào máy may không phù hӧp sӁ làm ҧQKKѭӣQJÿӃn viӋFWăQJKLӋu quҧ sҧn xuҩt cӫa chuyӅn may

Nguyên nhân 4: Sӵ quҧQOêÿjRWҥRKѭӟng dүQĈӕi vӟi công nhân mӟLOjPVDRÿӇ ÿjRWҥo

công nhân nâng cao tay nghӅ nhanh nhҩt sӁ JL~SWăQJKLӋu quҧ sҧn xuҩWÿiQJNӇ cho chuyӅn may Tuy nhiên, qua quá trình nghiên cӭu, nhұn thҩy nhiӅu chuyӅQWUѭӣng không có sӵ quan WkPÿjRWҥRKѭӟng dүQFKRQJѭӡi công nhân mӟi, làm cho viӋc hӑc cӫa công nhân mӟi bӏ chұm so vӟi mөFWLrXÿӅ ra rҩt nhiӅu

7UrQÿk\OjQJX\rQQKkQFKtQKGүQÿӃn nhiӅu vҩQÿӅ vӅ vұn hành cӫD[ѭӣng sҧn xuҩt công ty Elite, tӯ ÿyÿzLKӓi công ty phҧi có hӋ thӕQJÿӇ hoҥFKÿӏnh kӃ hoҥch sҧn xuҩt hiӋu quҧ KѫQNhiӅXSKѭѫQJiQÿmÿѭӧFÿӅ UDWURQJÿyYLӋc xây dӵQJÿѭӡng cong hӑc tұp chính xác và phù

hӧp vӟi tình hình hiӋn tҥi và nhu cҫu cҩp thiӃWÿӇ dӵ ÿRiQKLӋu quҧn sҧn xuҩt chính xác cho QJѭӡi công nhân Tӯ ÿyKӛ trӧ cho viӋc ra kӃ hoҥch sҧn xuҩt chính xác và hiӋu quҧ KѫQWăQJWӹ lӋ xuҩWKjQJÿ~QJJLӡ Bên cҥQKÿyYLӋc phân tích các dӳ liӋu vӅ hiӋu quҧ sҧn xuҩWFNJQJVӁ giúp cho các nhà quҧn lý nhұn biӃWÿѭӧc cách thӭc quҧn lý và phân bә công nhân phù hӧSKѫQÿӇ tӯ ÿyQkQJFDRNKҧ QăQJKӑc tұp cӫDQJѭӡi công nhân, góp phҫQOjPWăQJKLӋu quҧ sҧn xuҩt cӫa chuyӅn may

Hình 3-1: BiӇXÿӗ kӃt quҧ xuҩWKjQJTXtYjTXtQăP (Theo tài liӋu nӝi bӝ)

Hình 3-2: BiӇXÿӗ kӃt quҧ sҧn xuҩWTXtYjTXtQăP (Theo tài liӋu nӝi bӝ)88.4% 91.7%

75.7% 79.1% 72.5%

200,000 400,000 600,000 800,000 1,000,000 1,200,000 1,400,000 1,600,000

500 1,000 1,500 2,000 2,500

1ăQJVXҩWPөFWLrX[ 1ăQJVXҩWWKӵFWӃ[ +LӋXTXҧVҧQ[XҩWPөFWLrX+LӋXTXҧVҧQ[XҩWWKӵFWӃ

3.2 Yêu cҫu bài toán cҫn giҧi quyӃt

HiӋu quҧ sҧn xuҩt là yӃu tӕ quan trӑQJÿӇ ÿROѭӡng hiӋu quҧ vұn hành và kӃt quҧ kinh doanh cӫa mӝt doanh nghiӋp may mһc ViӋc dӵ báo hiӋu quҧ sҧn xuҩWWURQJWѭѫQJODLFyêQJKƭDTXDQtrӑng giúp các nhà quҧn lý hoҥFKÿӏnh chiӃQOѭӧFNLQKGRDQKWURQJWѭѫQJODL'RÿyQKXFҫu cҫn mӝt mô hình dӵ báo phù hӧSÿӇ dӵ báo chính xác nhҩt kӃt quҧ ÿҫu ra, hay nói cách khác là xây dӵQJÿѭӡng cong hӑc tұp phù hӧp cho tӯQJQKyPODRÿӝng Tӯ ÿyJL~SQKjTXҧn lý có thӇ phân loҥLFiFQKyPODRÿӝng A, B, C, D, E, F, thuұn tiên trong viӋc quҧn lý và hoҥFKÿӏnh kӃ hoҥch cҧi thiӋn hiӋu quҧ sҧn xuҩt Bên cҥQKÿy3KkQWtFKFiFGӳ liӋu vӅ hiӋu quҧ sҧn xuҩt cӫa ODRÿӝng, có thӇ [iFÿӏnh các yӃu tӕ quan trӑng ҧQKKѭӣQJÿӃn hiӋu quҧ sҧn xuҩWQKѭJLӟi tính, ÿӝ tuәi, tình trҥQJÿѫQKjQJWӯ ÿyJL~SFiFnhà quҧn lý có chiӃQOѭӧc kiӇm soát tӕt các yӃu tӕ Qj\ÿӇ duy trì әQÿӏnh hiӋu quҧ sҧn xuҩWWURQJWѭѫQJODL

ƒ Cӱ ÿӝng là bӝ phұn cӫDÿӝng tác hiӇn thӏ bҵng sӵ WKD\ÿәi mӝt lҫn vӏ trí cӫa các bӝ phұn FѫWKӇ công nhân Các cӱ ÿӝng, thao tác trong quá trình may:

- Lҩy sҧn phҭPÿѭDYjRPi\

- Ghép chi tiӃWWUѭӟFNKLÿѭDYjRFKkQYӏt.

- May

- ĈѭDVҧn phҭm sang bên

- Dùng kéo cҳt rӡi chi tiӃt

- KiӇm tra chҩWOѭӧng sҧn phҭm sau khi may xong.

ƒ Thao tác chuҭn: Là thao tác trӵc tiӃp hay gián tiӃSWiFÿӝQJOrQÿӕLWѭӧng, tҥo ra giá trӏ cho

ÿӕi Wѭӧng trong mӝt khoҧng thӡi gian ngҳn nhҩWQKѭQJPDQJOҥi giá trӏ cao nhҩt Thao tác trӵc tiӃp: là thao tác trong thӡLJLDQQJѭӡi công nhân làm viӋc trӵc tiӃp vӟi các máy móc, thiӃt bӏ chuyên dùng Thao tác gián tiӃSQKѭOҩy bán thành phҭPÿһWOrQÿѭD[uӕng, so mép, cҳt chӍ Thao tác chuҭn thӓDPmQFiFÿLӅu kiӋn:

ƒ 1ăQJVXҩt: Sӕ Oѭӧng sҧn phҭPÿѭӧc tҥo ra trong mӝt khoҧng thӡLJLDQ[iFÿӏQKĈѫQYLtính ӣ ÿk\FyWKӇ là sӕ sҧn phҭm / giӡ, hoһc sӕ sҧn phҭm / ngày, hoһc sӕ sҧn phҭm / tháng 1ăQJVXҩt phө thuӝc nhiӅu vào kӻ QăQJFӫDQJѭӡi công nhân và các yӃu tӕ ҧQKKѭӣQJÿӃn thӡi gian chӃt trong mӝt ngày

ƒ Cycle time: thӡi gian thӵc tӃ ÿӇ sҧn xuҩt ra mӝWÿѫQYӏ sҧn phҭm ThӡLJLDQQj\ÿѭӧc tính tӯ lúc công nhân bҳWÿҫu cҫm bán thành phҭPOrQFKRÿӃQNKLPD\KRjQWKjQKF{QJÿRҥn ÿyUӗi kiӇm tra chҩWOѭӧng và kӃWWK~FVDXNKLÿһt sҧn phҭm xuӕng bàn Cycle time mӛi F{QJÿRҥn có thӇ ÿѭӧc tính bҵng giây hoһc bҵng phút

ƒ Thӡi gian chuҭn: thӡi gian tiêu chuҭQÿӇ sҧn xuҩt ra mӝWÿѫQYӏ sҧn phҭm Thӡi gian chuҭn trong ngành may mһFÿѭӧc biӇu thӏ bҵng hӋ thӕng GSD vӟLÿѫQYӏ là SMV (hoһc SAM)

GSD (General Sewing Data) là mӝt kӻ thuұt vӅ SKkQWtFKSKѭѫQJSKiSYjQJKLrQFӭu thӡi JLDQÿѭӧc thiӃt kӃ ÿһc biӋt cho ngành công nghiӋp may mһc GSD phân tích tҩt cҧ các thao tác có thӇ xҧy ra trong quá trình may mӝWF{QJÿRҥQQjRÿyFӫa mӝt công nhân, mӛi thao tác sӁ ÿѭӧc chuyӇQÿәi sang thӡi gian tiêu chuҭn Cӝng thӡi gian tiêu chuҭn cӫa tҩt cҧ các thao tác này lҥLWDÿѭӧc thӡi gian chuҭn cӫDF{QJÿRҥn

ƒ Thӡi gian làm viӋc: theo luұWODRÿӝng ViӋt Nam, thӡi gian làm viӋc là ÿӝ dài thӡi gian mà QJѭӡLODRÿӝng phҧi thӵc hiӋQQJKƭDYө ODRÿӝng cӫa mình trong quan hӋ ODRÿӝQJFăQFӭ YjRTX\ÿӏnh cӫa pháp luұt, hӧSÿӗQJODRÿӝng hoһc thӓDѭӟFODRÿӝng tұp thӇ Theo Bӝ luұWODRÿӝng, thӡi gian làm viӋFWURQJÿLӅu kiӋQODRÿӝQJP{LWUѭӡQJODRÿӝQJEuQKWKѭӡng là không quá 8 giӡ trong mӝt ngày hoһc không quá 48 giӡ trong mӝt tuҫn; thӡi gian làm viӋFKjQJQJj\WURQJÿLӅu kiӋQÿһc biӋt nһng nhӑFÿӝc hҥi, nguy hiӇPÿѭӧc rút ngҳn tӯ 1 - 2 giӡ TҥLWUѭӡng hӧp nghiên cӭu, công ty Elite Long Thành, thӡi gian làm viӋc cӫDQJѭӡi