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
Có rҩt nhiӅXSKѭѫQJSKiSQJKLrQFӭu khoa hӑc QKѭSKѭѫQJSKiSWKXWKұp sӕ liӋXSKѭѫQJ SKiSÿӏnh tính, SKѭѫQJSKiSÿӏQKOѭӧQJSKѭѫQJSKiSWKӵc nghiӋPSKѭѫQJSKiSSKkQWtFKYj tәng hӧSSKѭѫQJSKiSTX\Qҥp và diӉn giҧLSKѭѫQJSKiSOӏch sӱ YjORJLFSKѭӟng pháp thӕng kờ sӕ liӋXô MӛLSKѭѫQJSKiSVӁ cú cỏch ӭng dөng khỏc 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 tớch, so sỏnh, tәng hӧSôÿӇ tỡm ra quy luұt khỏch quan trong sӵ vұQÿӝng cӫDÿӕLWѭӧng nghiờn 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, cáFFѫTXDQ chӭFQăQJFyWKҭm quyӅn, hoһc sӕ liӋu có nguӗn gӕFU}UjQJĈk\OjPӝWSKѭѫQJSKiSKD\Fy tính thӵc tӃ cao và giúp cho ra nhӳng phát hiӋQFKtQK[iFQKѭQJYLӋc thu thұp sӕ liӋu chҩWOѭӧng WKѭӡng sӁ PDQJÿӃn nhiӅXNKyNKăQÿӃQQJѭӡi nghiên cӭu.
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'Rÿy F{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
4 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
Cҩu trúc báo cáo
Ĉ˱ͥng cong h͕c t̵p là gì
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 dӕFFDRKѫQ cho 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 hӑFWăQJ lên, 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.KL sҧQOѭӧQJWăQJYLӋFWăQJJҩSÿ{LVҧQOѭӧQJWUѭӟFÿyFӫa công ty trӣ QrQNKyNKăQKѫQÿѭӧc mô tҧ bҵng cách sӱ dөQJÿӝ dӕc cӫDÿѭӡQJFRQJFyQJKƭDOjWLӃt kiӋm chi phí trӣ nên chұPKѫQ theo 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 WLQKѫQ vӅ 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\rQ môn 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 hӓQJÿmÿѭӧc sҧn xuҩt hàng loҥt trong các sҧn phҭm khác cӫa General Motors; nhӳng chiӃc xe không chӏXÿѭӧc thӱ thách vӅ viӋFÿiQK ÿұSQJѭӡLGQJÿmEӏ ngӯng sҧn xuҩt, giúp tiӃt kiӋm tiӅQFKRF{QJW\[HKѫL.KL*HQHUDO Motors 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
8 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.
Logistic Regression (Classification)
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 vào x vào các nhóm y WѭѫQJӭng (6)
HiӋu quҧ sҧn xuҩWODRÿӝng (EFF) OjJLiWUӏWURQJÿRҥQ>@&iFFKX\rQJLDÿm[k\GӵQJPӝW P{KuQKKӗLTX\YӟLÿӗWKӏJLӟLKҥQÿѭӧFKLӋXTXҧVҧQ[XҩWWӯÿӃQ&өWKӇQKѭErQGѭӟL
Hình 2-10{KuQKÿѭӡQJFRQJKӑFWұS
3KѭѫQJWUuQK ÿѫQELӃQ FӫDP{KuQKQj\QKѭVDX (6) :
3OjKLӋXTXҧVҧQ[XҩW(II ȕOjKӋVӕKӗLTX\
7X\QKLrQWURQJWKӵFWӃKLӋXTXҧVҧQ[XҩWNK{QJSKҧLSKөWKXӝFYjR\ӃXWӕPjQKLӅX\ӃX WӕGRÿyWDFySKѭѫQJWUuQKÿDELӃQQKѭVDX (6) :
ĈiQKJLiÿ˱ͥng h͕c t̵p
Công thӭc tính hӋ sӕ 5EuQKSKѭѫQJ[Xҩt phát tӯ êWѭӣng: toàn bӝ sӵ biӃn thiên cӫa biӃn phө thuӝFÿѭӧc chia làm hai phҫn: phҫn biӃn thiên do hӗi quy và phҫn biӃn thiên không do hӗi quy (còn gӑi là phҫQGѭ (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{KuQKÿm xây dӵng càng kém phù hӧp vӟi bӝ dӳ liӋu dùng chҥy hӗLTX\7Uѭӡng hӧSÿһt biӋWSKѭѫQJ trình hӗLTX\ÿѫQELӃn (chӍ có 1 biӃQÿӝc lұSWKu5FKtQKOjEuQKSKѭѫQJFӫa hӋ sӕ WѭѫQJTXDQ r 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 cỏc biӃQÿӝc lұp vớ dө GDP, ROA, 52(ô
&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 phҫQGѭGR vұ\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 biӃQÿѭDYjR GRÿyQӃu 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\rQKѫQ 3KpSÿRQj\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 TәQJEuQKSKѭѫQJSKҫQGѭ566ÿROѭӧng 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{KuQKQjRFNJQJFy sai 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.
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
7 ;iFÿӏnh các công cө ÿӇ khai phá dӳ liӋu
8 Phân tích tính khҧ thi cӫa công cө khai phá dӳ liӋu
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\WUuQKFNJQJQKѭ nhҩn 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
Xây GӵQJ PөF tiêu kinh doanh
7KXWKұS và phân WtFKGӳ OLӋX,(
7ULӇQNKDL YLӋFOѭX WUӳGӳOLӋX
;iFÿӏQK các công FөÿӇNKDL SKiGӳ OLӋX
Phân tích WtQKNKҧ WKLFӫD F{QJFө khai phá GӳOLӋX
7KӵFKLӋQ YjÿiQK giá mô hình khai phá ĈiQKJLiYjVӱGөQJFiFNLӃQWKӭFNKDLSKiÿѭӧF
4 Xây dӵng mô hình hóa dӳ liӋu
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
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 tұSWKHRÿy tay 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~S cho 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
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 tҥLOjKѫQ
1 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
15 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 nhiӅXWăQJ ca nhiӅXÿӇ WăQJQăQJVXҩWQKѭQJYүQNK{QJÿҥt hiӋu quҧ sҧn xuҩt mөc tiêu ChuyӅQFyÿѫQ hàng 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
16 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)
6ӕOѭӧQJKjQJ[XҩWWUӉ 7әQJVӕOѭӧQJ[XҩW 7ӹOӋ[XҩWKjQJÿ~QJJLӡWKӵFWӃ 7ӹOӋ[XҩWKjQJÿ~QJJLӡPөFWLrX
1ăQJVXҩWPөFWLrX[ 1ăQJVXҩWWKӵFWӃ[
+LӋXTXҧVҧQ[XҩWPөFWLrX +LӋXTXҧVҧQ[XҩWWKӵFWӃ
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 xuҩWWURQJWѭѫQJODLFyêQJKƭDTXDQ trӑng 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
7Uѭӟc khi bҳWÿҫu nghiên cӭu, mӝt vài thuұt ngӳ trong ngành may mһc cҫQÿѭӧFÿӏQKQJKƭD ngay tӯ EDQÿҫu: Ĉӝng tác là mӝt thành phҫn cӫa thao tác hiӇn thӏ bҵng các cӱ ÿӝng chân tay và thân thӇ cӫa công nhân nhҵm lҩ\ÿLKD\GLFKX\Ӈn mӝt vұWQjRÿy6ӵ SKkQFKLDWKDRWiFWKjQKFiFÿӝng tác nhҵm mөFÿtFKKӧSOêKyDKѫQQӳDTXiWUuQKODRÿӝng cӫDF{QJQKkQĈӝng tác là SKѭѫQJcách cө thӇ ÿӇ hoàn thành mөFÿtFKFӫDF{QJÿRҥn và cӫa tác nghiӋp viên trong tӯng chuyӇQÿӝng
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:
- Ghép chi tiӃWWUѭӟFNKLÿѭDYjRFKkQYӏt
- KiӇm tra chҩWOѭӧng sҧn phҭm sau khi may xong
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:
- Bán thành phҭPÿӇ vӏ WUtÿѭDYjROjPJҫn nhҩt
- Thӵc hiӋn thao tác song song
- Thӵc hiӋQWKDRWiFÿӗng thӡi
- Hҥn chӃ tӕLÿDWKDRWiFGӯng trong quá trình làm viӋc/hoҥWÿӝng
- Hҥn chӃ tӕLÿDÿLӅu chӍnh sҧn phҭm
Quy trình thao tác chuҭn (Standard operating procedure - SOP) là mӝt hӋ thӕng quy trình, ÿѭӧc tҥRUDÿӇ Kѭӟng dүn và duy trì chҩWOѭӧng công viӋc Quy trình chuҭn giúp tránh khӓi các sai sót nӃXOjPWKHRÿ~QJFiFEѭӟc trong quy trình, nó FNJQJJL~SQJѭӡi mӟi nhanh chóng làm quen vӟLP{LWUѭӡng làm viӋc.tiӃt kiӋm thӡi gian, cҧi thiӋn hiӋu suҩWQJăQQJӯa lãng phí tài nguyên, әQÿӏnh chҩWOѭӧQJQăQJVXҩt làm viӋc
1ăQJVXҩt: Sӕ Oѭӧng sҧn phҭPÿѭӧc tҥo ra trong mӝt khoҧng thӡLJLDQ[iFÿӏQKĈѫQYL tính 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
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
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
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
19 c{QJQKkQÿѭӧc ghi nhұn bӣi hӋ thӕng chҩm công tӵ ÿӝng hҵng ngày Toàn bӝ dӳ liӋu này sӁ ÿѭӧc phòng nhân sӵ thu thұp và gӱi báo cáo hҵng ngày cho các bӝ phұn liên quan
- NӃu công nhân làm viӋc nӱa ngày thì thӡi gian làm viӋc là 240 phút
- NӃu công nhân làm viӋc 1 ngày 8 tiӃQJNK{QJWăQJFDWKuWKӡi gian làm viӋc là 480 phút
- NӃXF{QJQKkQWăQJFDQKѭQJYүQÿҧm bҧo tuân thӫ TX\ÿӏnh cӫa pháp luұt vӅ thӡi gian WăQJFDWKuNKLÿyWKӡi gian làm viӋc sӁ ÿѭӧc cӝng thêm thӡLJLDQWăQJFDYjR
HiӋu quҧ sҧn xuҩWÿѭӧc tính công thӭc 3-1 (1) là khái niӋPÿӇ chӍ sӵ hoàn thành mөc tiêu công viӋFÿһt ra vӟi chi phí là thҩp nhҩt có thӇ HiӋu quҧ sҧn xuҩWOjWKѭӟFÿRÿѭӧc sӱ dөng phә biӃn trong ngành may mһFÿӇ ÿRNӃt quҧ công viӋc cӫa mӛi mӝWQJѭӡi công nhân Theo công thӭc tính hiӋu quҧ sҧn xuҩW())ErQGѭӟi, ta nhұn thҩy rҵng hiӋu quҧ sҧn xuҩt sӁ phө thuӝFYjRQăQJVXҩt và thӡi gian làm viӋc Mӝt công nhân tҥRUDQăQJVXҩt cao, QKѭQJSKҧi trong mӝt khoҧng thӡi gian thҩp nhҩt thì hiӋu quҧ sҧn xuҩt mӟi cao nhҩt HiӋu quҧ sҧn xuҩt sӁ ÿҥt 100% khi thӡi gian may thӵc tӃ cӫDQJѭӡi công nhân bҵng vӟi thӡi gian chuҭn SMV cӫDF{QJÿRҥn
3.4 3KѭѫQJ pháp giҧi quyӃt bài toán
Dӵa vào các phân tích cӫa các công trình nghiên cӭu liên quan ӣ phҫn 2.2 cùng vӟi thӵc trҥng hiӋn tҥi cӫa công ty ӣ phҫn 3.1, luұQYăQÿm[k\Gӵng mӝt mô hình phân tích dӳ liӋu phù hӧp ÿӇ giҧi quyӃt bài toán bao gӗPFyEѭӟc sau:
%˱ͣFĈ̿t v̭Qÿ͉ c̯n gi̫i quy͇t Nêu lên vҩQÿӅ tәng quan cҫn nghiên cӭu trong thӵc tӃ
.KLÿһt vҩQÿӅ cҫn chӍ UDFiFWK{QJWLQFăQEҧn cӫa vҩQÿӅ, giҧi thích vì sao vҩQÿӅ này có ҧnh KѭӣQJ[iFÿӏnh giҧi pháp càng nhanh chóng và trӵc tiӃp càng tӕt
%˱ͣc 2: Thu th̵p các dͷ li u thông tin c̯n thi͇t
7Uѭӟc khi thu thұp dӳ liӋu, ta cҫn tìm hiӇu và phân tích các quy trình vұn hành cӫa phân [ѭӣng sҧn xuҩWÿӇ [iFÿӏnh các yӃu tӕ có thӇ ҧQKKѭӣQJÿӃn hiӋu quҧ sҧn xuҩW6DXÿyWKXWKұp các dӳ liӋu cҫn thiӃt Nguӗn thu thұp dӳ liӋu có thӇ tӯ nhiӅu bӝ phұQNKiFQKDXQKѭ sҧn xuҩt, nhân sӵ, kӃ hoҥFK,(TX\WUuQKGRÿyFҫQOѭXêFҫQ[iFÿӏnh rõ và chӑQÿ~QJGӳ liӋu cҫn thu thұSÿӇ tránh gây nhiӉu cho dӳ liӋu sau này
Cùng mӝt dӳ liӋXQKѭQJFyêQJKƭDNKiFQKDXWy thuӝc vào thӡLÿLӇn và ngӳ cҧnh khác nhau
Ví dө QKѭWKkPQLrQFӫa mӝWF{QJQKkQÿӕi vӟi kӻ thuұt may mһFOjEDROkXÿӕi vӟi Phòng nhân sӵ, hӑ có thӇ lҩy mӕc thӡi gian tӯ ngày công nhân bҳWÿҫu vào làm viӋFFKRÿӃQQD\QKѭQJ
20 ÿӕi vӟi sҧn xuҩt hӑ có thӇ lҩy mӕc thӡi gian tӯ lúc công nhân chính thӭc làm viӋFOLrQTXDQÿӃn kӻ thuұWPD\YuO~FWUѭӟc bҥn công nhân này không có làm viӋFOLrQTXDQÿӃn kӻ thuұt may Do ÿyWDFҫQÿӏQKQJKƭDFKtQK[iFêQJKƭDYjKjPêFӫa dӳ liӋu cҫn thu thұSÿӇ ÿҧm bҧo dӳ liӋu thu thұSÿѭӧc chính xác
Dӳ liӋu sau khi thu thұp cҫn kiӇm tra và làm sҥch dӳ liӋXWUѭӟc khi xây dӵng mô hnfh và phân tích thông qua xӱ lý hay loҥi bӓ nhӳng dӳ liӋXNK{QJFKtQK[iFNK{QJÿҫ\ÿӫ, không phù hӧp vӅ ÿӏnh dҥng, bӏ trựng lҳp, khụng cú giỏ trӏNK{QJÿӫ WK{QJWLQNK{QJOLrQTXDQôQKӳng dӳ liӋu có thӇ ҧQKKѭӣQJÿӃn kӃ quҧ phân tích sau cùng Mӝt sӕ tiêu chuҭn cҫQTXDQWkPÿӕi vӟi dӳ liӋu là:
- KhӕLOѭӧng dӳ liӋu
- Tính liên quan và tính kӏp thӡi
%˱ͣc 4: Xây dng mô hình dͷ li u
Sau khi thu thұp và làm sҥch dӳ liӋu, ta cҫn xây dӵng mô hình dӳ liӋu theo mӝt cҩu trúc nhҩt ÿӏQKÿӇ thӇ hiӋn ÿѭӧc nӝi dung cӫa bӝ dӳ liӋu Các dҥng mô hình dӳ liӋu có thӇ ÿѭӧc áp dөng là:
- Mô hình thӵc thӇ - liên kӃt
- 0{KuQKKѭӟQJÿӕLWѭӧng
Phân tích dӳ liӋu là quá trình chuyӇn dӳ liӋu thô thành dӳ liӋu có thӇ GQJÿѭӧFYjÿѭDÿӃn kӃt luұn NhiӅXP{KuQKÿѭӡng cong hӑc tұp ÿѭӧc sӱ dөQJÿӇ phân tích bӝ dӳ liӋu vӅ hiӋu quҧ sҧn xuҩt cӫa công nhân, tӯ ÿy xây dӵQJÿѭӡng hӑc tұp phù hӧp nhҩt cho tӯQJQKyPÿӕLWѭӧng DӵDWUrQÿyWDFyWKӇ dӵ ÿRiQÿѭӧc hiӋu quҧ sҧn xuҩt cӫa doanh nghiӋSWURQJWѭѫQJODL Bên cҥQKÿyWDFyWKӇ phân tích thêm các yӃu tӕ ҧQKKѭӣQJÿӃQÿѭӡng cong hӑc tұSQKѭÿӝ tuәi,
Thu thұp dӳ liӋu
TiӃn hành thӡi gian thu thұp dӳ liӋu tӯ ngày 01/08/2020 ÿӃn ngày 29/04/2021 cho 3 công ÿRҥn là: Mí trө, mí tà và kansai lai MӛLF{QJÿRҥQÿѭӧc thu thұp sӕ liӋu dӵDWUrQQJѭӡi công nhân mӟi may liên tөc 1 côQJÿRҥQÿmÿѭӧc bӕ WUt7Uѭӟc khi tiӃn hành thu thұp sӕ liӋu, nhà quҧn OêÿmFyEXәi nói chuyӋn và giҧi thích vӟi tҩt cҧ các bҥn công nhân vӅ mөFÿtFKFӫa viӋc nghiên cӭu này Tҩt cҧ FiFF{QJQKkQÿӅu hiӇXYjÿӗng ý tham gia vào nghiên cӭu ĈӇ kӃt quҧ thu thұp dӳ liӋXÿѭӧFFKtQK[iFFiFTX\ÿӏQKVDXÿѭӧc áp dөng trong suӕt quá trình thu thұp dӳ liӋu:
TӕLÿDF{QJQKkQFKӍ vҳng 2 ngày mӛi tháng, thӡi gian vҳng không ҧQKKѭӣQJÿӃn kӃt quҧ
Dӳ liӋXÿmWKXWKұSÿѭӧc hӑSYjWUDRÿәi trӵc tiӃp vӟLQJѭӡi công nhân 2 lҫn/tuҫn YjFyÿѭӧc sӵ ÿӗng thuұn cӫDQJѭӡLF{QJQKkQÿӇ sӱ dөng dӳ liӋu
Công nhân may mӝWF{QJÿRҥQÿmÿѭӧc bӕ trí trong suӕt quá trình thu thұp dӳ liӋu
Các sҧn phҭPÿҫu ra nӃu may sai, thì phҧi may lҥLFKRÿ~QJYjJKLQKұn lҥi sӕ sҧn phҭm may VDLÿӇ theo dõi tӹ lӋ lӛi hàng ngày
Các biӃn cҫn thu thұp dӳ liӋXOjQăQJVXҩt cӫa mӛi công nhân, sӕ sҧn phҭm lӛi và sҧn phҭm ÿҥt mӛi ngày Bên cҥQKÿyWURQJTXiWUuQKWKXWKұp dӳ liӋu, quan sát các yӃu tӕ khác liên quan ÿӃQÿӝng lӵc hӑc tұp cӫDQJѭӡi công nhâQQKѭ7LQKWKҫn, mӭFÿӝ Kѭӟng dүn cӫa triӇn khai, chuyӅQ WUѭӡQJ ôĈӇ JL~S QJѭӡi cụng nhõn phỏt triӇQ ÿѭӡng cong hӑc tұS Yj WtFK ONJ\ NLQK nghiӋm nhanh, mӛi công nhân sӁ ÿѭӧFKѭӟng dүn:
Cách may theo thao tác chuҭn, tránh các thao tác lãng phí
&iFKѭӟng dүn vӅ an toàn sӭc khӓe
+ѭӟng dүn vӅ nhұn biӃt chҩWOѭӧQJF{QJÿRҥn sau may
Trong suӕt quá trình nghiên cӭu, các thao tác chuҭn ÿѭӧFKѭӟng dүn Oj.+Ð1*WKD\ÿәi và giӕng nhau Các thao tác chuҭn cӫDFiFF{QJÿRҥQÿѭӧc trình bày trong các bҧQJErQGѭӟi Ĉk\ là bҧng thao tác chuҭQÿѭӧc trích xuҩt tӯ hӋ thӕng GSD, mӝt hӋ thӕng phân tích dӳ liӋu ngành may tiêu chuҭn cӫa thӃ giӟi Thao tác chuҭn cӫa mӝWF{QJÿRҥn bҳWÿҫu tӯ O~FQJѭӡi công nhân cҫm bán thành phҭPOrQÿӇ vào máy, vұn hành máy, cҳt chӍ, kiӇm tra chҩWOѭӧng sҧn phҭm và ÿһt bán thành phҭm xuӕQJ7URQJTXiWUuQKPD\FiFWKDRWiFQJѭӡi công nhân phө thuӝc nhiӅu vào tay nghӅ cӫDQJѭӡi cụng nhõn, cỏc cụng cө hӛ trӧ NKLPD\QKѭFӳ, gỏ, thiӃt lұp mỏyô
Bҧng 4-1: Thao tác tiêu chuҭn cӫa công ÿRҥn mí trө (Tài liӋu nӝi bӝ công ty) Bҧng 4-2: Thao tác tiêu chuҭn cӫa công ÿRҥn mí tà (Tài liӋu nӝi bӝ công ty)
Bҧng 4-3: Thao tác tiêu chuҭn cӫDF{QJÿRҥn Kansai Lai
Dӳ liӋu sau khi thu thұp sӁ ÿѭӧc làm sҥch bҵng cách loҥi bӓ các dӳ liӋXÿӝt biӃn, bҩWWKѭӡng 6DXÿyÿѭӧFWUuQKEj\QKѭFiFEiӇXÿӗ Scatter theo Ngày và HiӋu quҧ sҧn xuҩt QKѭErQGѭӟi Trong quá trình thu thұp dӳ liӋu, có mӝWÿLӅu rõ ràng rҵQJFiFEѭӟc tiêu chuҭQÿӇ may 3 công ÿRҥn Mí tà, Mí trө và Kansai lai ljNK{QJWKD\ÿәLQKѭQJWKӡLJLDQÿӇ may hoàn thành các mӛi sҧn phҭm cӫDFiFF{QJÿRҥn này WKuWKD\ÿәi và là mӝt quá trình hӑc tұp'RÿyYLӋc hӑc tұp rõ UjQJFyWiFÿӝng bӣi các thiӃt lұp cӫa máy, viӋFÿjRWҥRKѭӟng dүQFNJQJQKѭWKӡi gian thӵc hiӋQFiFWKDRWiFWURQJTXiWUuQKPD\F{QJÿRҥn ViӋc thiӃt lұp máy móc bao gӗm: thiӃt lұp tӕc ÿӝ máy, sӕ PNJLPD\VӭFFăQJFKӍ, nӃu phù hӧp sӁ JL~SQJѭӡi công nhân dӉ GjQJÿӇ thӵc hiӋn FiFWKDRWiFNKLPD\F{QJÿRҥn ThӡLJLDQPD\F{QJÿRҥn bao gӗm các thành phҫn sau:
- Thӡi gian lҩy bán thành phҭPÿһt lên máy may
- Thӡi gian kiӇm tra chҩWOѭӧng
- CuӕLFNJQJOjWKӡLJLDQÿһt thành phҭm xuӕng bàn
Mӛi thành phҫn thӡi gian trên ÿӅXFyÿһc thù riêng và phө thuӝc bӓi các yӃu tӕ khác nhau Thӡi gian lҩy bán thành phҭm (BTP) sӁ phө thuӝc vào FiFK%73ÿѭӧc bӝ trí tҥLQѫLOjPYLӋc, có phù hӧp và thuұQWLrQFKRQJѭӡi công nhân lҩ\KD\NK{QJ7URQJF{QJW\FyÿӝLQJNJQKkQYLrQ
ME sӁ nghiên cӭu vӅ thiӃt kӃ trҥm làm viӋFÿӇ JL~SQJѭӡi công nhân tiӃt kiӋPÿѭӧc phҫn thӡi gian này ThӡLJLDQFăQJFKӍnh BTP phө thuӝc nhiӅXYjRÿһc tính cӫa vҧi: dày, mӓng, co dãn, cuӕQôĈӇ cҧi thiӋn thӡi gian này, cҫn cú sӵ hӛ trӧ cӫDÿӝLQJNJQJKLrQFӭu cụng cө, giỳp cho QJѭӡi công nhân thuұn tiӋQNKLFăQJFKӍQK%73WUѭӟFNKLPD\Ĉk\OjPӝWÿӏQKKѭӟng quan trӑng cӫDF{QJW\(OLWHÿӇ tҥo tiӅQÿӅ cho viӋc tӵ ÿӝng hóa sau này Thӡi gian máy chҥy là thӡi gian lâu nhҩWYjNKyÿӇ hӑc nhҩt, trong lúc máy chҥy, thao tác cӫDQJѭӡi công nhân phҧi giӳ
%73YjÿLӅu chӍnh tӕFÿӝ ÿѭD%73WKHRWӕFÿӝ cӫDPi\OjPVDRÿӇ vүQÿҥt chҩWOѭӧng cӫDÿѭӡng may ĈӇ có thӇ JL~SQJѭӡi công nhân hӑc nhanh trong thӡi gian này, các yӃu tӕ hӛ trӧ QKѭF{QJ cө, sӵ Kѭӟng dүn cӫa triӇQNKDLÿyQJYDLWUzUҩt quan trӑng Thӡi gian cҳt chӍ và thӡi gian kiӇm tra chҩWOѭӧQJFNJQJFKLӃm mӝt phҫQÿiQJNӇ, các công cө hӛ trӧ QKѭ ÿӝ bén cӫa kéo hay vӏ trí ÿһt cӫDNpRFNJQJҧQKKѭӣQJÿӃn viӋc hӑc cӫa thao tác này CuӕLFNJQJOjFiFKÿһt bán thành phҭm xuӕQJEjQFNJQJSKҧLÿѭӧc tiêu chuҭQKyDÿӇ FKRF{QJÿRҥn tiӃSWKHRÿѭӧc thuұn tiӋn khi lҩy bán thành phҭm
&iFKuQKErQGѭӟi minh hӑa cho sӵ phát triӇn cӫa thӡi gian may tӯng sҧn phҭm cӫa mӛi công ÿRҥQQyQKѭOjPӝt hàm thӇ hiӋn hiӋu quҧ sҧn xuҩt theo thӡi gian, hay nói cách khác là sӕ Oѭӧng
25 sҧn phҭPÿѭӧc may ra theo thӡi gian Theo thӡLJLDQNKLQJѭӡLF{QJQKkQWăQJWӕFÿӝ hӑc tұp thì hiӋu quҧ sҧn xuҩWWăQJWKHRFNJQJWӭc là sӕ Oѭӧng sҧn phҭPÿѭӧc may ra trong mӝWÿѫQYӏ thӡi gian WăQJWKHR KӃt quҧ thu thұp dӳ liӋXErQGѭӟi sӁ ÿѭӧc sӱ dөQJÿӇ làm tham chiӃu cho các phân tích tiӃp theo trong viӋc xây dӵQJÿѭӡng cho hӑc tұp phù hӧp
Hình 4-1: BiӇXÿӗ 6FDWWHUF{QJÿRҥn Mí trө Hình 4-2: BiӇXÿӗ 6FDWWHUF{QJÿRҥn Mí tà
Hình 4-3: BiӇXÿӗ 6FDWWHUF{QJÿRҥn Kansai Lai Hình 4-4: BiӇu ÿӗ Scatter cӫDF{QJÿRҥn
Sӵ khác biӋt vӅ thӡi gian may cӫDF{QJÿRҥn và giӳDFiFQJѭӡi công nhân khác nhau, mӝt phҫn làm do mӛLF{QJÿRҥQFyÿһc tính khác nhau vӅ máy may, thao tác may, kӻ thuұt may, công cө hӛ trӧ NKiFQKDX1JRjLUDÿһc tính cá nhân cӫa mӛLQJѭӡLF{QJQKkQFNJQJVӁ ҧQKKѭӣng ÿӃn kӃt quҧ này Có nhӳQJF{QJÿRҥn chӍ phù hӧp cho nӳ giӟi vì tính tӍ mӍ trong tӯng thao tác
%LӇXÿӗ6FDWWHU&{QJÿRҥQ.DQVDL/DL
26 hoһc có nhӳQJF{QJÿҥon lҥi chӍ phù hӧp vӟi nam giӟi bӣi viӋc sӱ dung các máy móc hoһc công cө hӛ trӧ Uѭӡm rà Trong quá trình thu thұp dӳ liӋu, nӃu có các giá trӏ ÿӝt biӃn sӁ ÿѭӧc loҥi bӓ ra khӓi tұp dӳ liӋu, hoһc nӃXQJѭӡi công nhân vҳng thì dӳ liӋXK{PÿyVӁ NK{QJÿѭӧc thu thұp.
Áp dөQJP{KuQKÿѭӡng cong hӑc tұp
Ĉ˱ͥng cong h͕c t̵p The Wright
Công viӋc trong bӝ nhӟ FRQQJѭӡLÿѭӧc tìm thҩ\VDXQj\ÿӇ tәng quát hóa - càng nhiӅu lҫn thӵc hiӋn mӝt nhiӋm vө, thì càng cҫn ít thӡLJLDQKѫQFKRPӛi lҫn lһp tiӃp theo Mӕi quan hӋ này có lӁ lҫQÿҫXWLrQÿѭӧFÿӏQKOѭӧQJWURQJP{LWUѭӡng công nghiӋSYjRQăPEӣi Theodore Paul Wright, mӝt kӻ VѭWҥi Curtiss-Wright ӣ Hoa KǤ Wright phát hiӋn ra rҵng mӛi khi tәng sҧn OѭӧQJPi\ED\WăQJJҩSÿ{LWKӡLJLDQODRÿӝng cҫn thiӃt cho chӃ tҥo mӟi giҧm 20% Các nghiên cӭu tiӃSWKHRWURQJFiFQJjQKNKiFÿmÿѭDUDFiFJLiWUӏ khác nhau, tӯ chӍ vài phҫQWUăPÿӃn QKѭQJWURQJKҫu hӃWFiFWUѭӡng hӧp, giá trӏ trong mӛi ngành là mӝt tӹ lӋ phҫQWUăPNK{QJ ÿәLYjNK{QJWKD\ÿәi ӣ các quy mô hoҥWÿӝQJNKiFQKDX0{KuQKÿѭӡng cong hӑc tұp cho rҵng cӭ mӛi lҫQWăQJJҩSÿ{LWәng sӕ Oѭӧng mһWKjQJÿѭӧc sҧn xuҩt, chi phí sӁ giҧm theo mӝt tӹ lӋ cӕ ÿӏnh Nói chung, viӋc sҧn xuҩt bҩt kǤ hàng hóa hoһc dӏch vө nào cho thҩy hiӋu ӭQJÿѭӡng cong hӑc tұp hoһFÿѭӡng cong kinh nghiӋm Mӛi khi khӕLOѭӧQJWtFKONJ\WăQJJҩSÿ{LFKLSKtJLiWUӏ JLDWăQJEDRJӗm quҧn lý, tiӃp thӏ, phân phӕi và sҧn xuҩt) giҧm theo tӹ lӋ phҫQWUăPNK{QJÿәi Ĉѭӡng cong hӑc tұS:ULJKWảVOjPӝt trong nhӳng cụng thӭFÿѭӧc sӱ dөng nhiӅu nhҩt, bӣi công thӭFÿѫQJLҧn, dӉ áp dөng thӵc tӃ
Trong nghiờn cӭu này, cụng thӭF:ULJKWảVÿѭӧc thӇ hiӋQQKѭVDX (2) ݐ ௫ ൌ ݐ ଵ כ ݔ ି (4-1)
27 ݐ ௫ 7KӡLJLDQKRjQWKjQKF{QJÿRҥQOҫQWKӭ[ ݐ ଵ 7KӡLJLDQKRjQWKjQKF{QJÿRҥQOҫQWKӭ
Tӹ lӋ hӑc tұp cá nhân cӫDF{QJQKkQÿѭӧc tính bҵng công thӭc sau (2)
Hình 4-5Ĉѭӡng cong hӑc tұp theo mô hình Wright
Bҧng 4-4: KӃt quҧ SKkQWtFKÿѭӡng cong hӑc tұp theo mô hình Wright
Dӵa vào biӇXÿӗ trên, nhұn thҩ\ÿѭӡng cong hӑc tұp cӫDF{QJÿRҥn mí tà có tӕFÿӝ WăQJQKDQK KѫQF{QJÿRҥn còn lҥi vӟi tӹ lӋ hӑc tұSOjĈӇ ÿiQKJLiFKҩWOѭӧng cӫDÿѭӡng hӑc tұp,
0tWUө Mí tà Kansai lai ܮܴ ൌ ʹ ି
28 nghiên cӭu sӱ dөng chӍ sӕ 566&{QJÿRҥn Mí tà có chӍ sӕ RSS cao nhҩWYjF{QJÿRҥn Kansai Lai có chӍ sӕ RSS thҩp nhҩt 0.6874 Bên cҥQKÿyQJKLrQFӭXFNJQJVӱ dөng chӍ sӕ R2 FNJQJQKѭWKѭӟFÿRÿӇ ÿiQKJLiPӭFÿӝ phù hӧp cӫa dӳ liӋu vӟLP{KuQKÿѭӡQJFRQJ&{QJÿRҥn mí tà và Kansai ali có chӍ sӕ 5WѭӡQJÿѭѫQJQKDXOҫQOѭӧWOjYjF{QJÿRҥn mí trө có chӍ sӕ R2 thҩp nhҩt là 81%.
Ĉ˱ͥng cong h͕c t̵p The De Jong
Dӵa trên nӅn tҧng cӫDÿѭӡng cong hӑc tұp WrightÿӇ thӇ hiӋn yӃu tӕ kinh nghiӋm ҧQKKѭӣng ÿӃQÿѭӡng cong hӑc tұSÿѭӡng cong The Dejong thêm hӋ sӕ nén M vào mô hình Công thӭc ÿѭӡng hӑc tұp cӫDGH-RQJảVQKѭVDX (2)
(4-3) ݐ ௫ 7KӡLJLDQKRjQWKjQKF{QJÿRҥQOҫQWKӭ[ ݐ ଵ 7KӡLJLDQKRjQWKjQKF{QJÿRҥQOҫQWKӭ
*LiWUӏ0QҵPWURQJNKRҧQJÿӃQYjSKөWKXӝFYjRPӭFÿӝWӵÿӝQJKyDFӫDTX\WUuQKVҧQ [XҩW 0FjQJJҫQWKuF{QJYLӋFFjQJWӵÿӝQJKyDYjQJѭӧFOҥLĈӇ[iFÿӏQKJLiWUӏ0QjROj SKKӧSQKҩWFK~QJWDFyWKӇVӱGөQJFKӍVӕ566ÿӇGiQKJLi+ӋVӕ0QjRFyFKӍVӕ566WKҩS QKұWWKuVӁÿѭӧFFKӑQ7KHRELӇXÿӗErQGѭӟLWKӇKLӋQPӕLWѭӡQJTXDQJLӳDKӋVӕ0Yj566 KL0FjQJWăQJFDRWKu566FNJQJWăQJ'Rÿy0 ÿѭӧFFKӑQ
Hình 4-6: MӕLWѭѫQJTXDQJLӳa RSS và hӋ sӕ M theo mô hình The De Jong
29 Áp dөng dӳ liӋXÿmWKXWKұp vào mô hìQKÿѭӡng cong hӑc tұp 7KH'HMRQJWDÿѭӧc biӇXÿӗ ErQGѭӟi Tӯ biӇXÿӗ này cho thҩ\ÿѭӡng cong hӑc tұSF{QJÿRҥn mí tà có tӕFÿӝ WăQJQKDQK KѫQF{QJÿRҥn còn lҥi vӟi tӹ lӋ hӑc tұp là 241% HӋ sӕ 566ÿѭӧc sӱ dөQJÿӇ ÿiQKJLiP{ KuQK&{QJÿRҥn Mí tà có chӍ sӕ RSS cao nhҩWOjF{QJÿRҥn Mí trө và Kansai lҥi có hӋ sӕ RSS thҩSKѫQYjWѭѫQJÿѭѫQJQKDXOҫQOѭӧt là 1.0520 và 1.0183 Bên cҥQKÿyFKӍ sӕ R2 FNJQJÿѭӧc áp dөQJÿӇ ÿiQKJLiPӭFÿӝ phù hӧp cӫa bӝ dӳ liӋu vӟLÿѭӡng cong hӑc tұp Công ÿRҥn Mí tà có hӋ sӕ R2 cao nhҩWOjF{QJÿRҥn Kansai lai và mí trө có hӋ sӕ R2 thҩSKѫQ lҫQOѭӧt là 78% và 73% So vӟLP{KuQK:ULJKWÿѭӡng cong The Dejong cho thҩy ít phù hӧp KѫQNKLPjFKӍ sӕ 566Yj5ÿӅu cho thҩ\ÿLӅXÿy 1KѭYұy, yӃu tӕ kinh nghiӋm không phù hӧSWURQJWUѭӡng hӑp này, hay chúng ta có thӇ rút ra kӃt luұn là:
- Tҩt cҧ nhӳng công nhұQÿѭӧc nghiên cӭXÿѭӡng cong hӑc tұSÿӅu là nhӳQJQJѭӡi không có kinh nghiӋm
- YӃu tӕ kinh nghiӋm không ҧQKKѭӣQJÿӃn kӃt quҧ cӫDP{KuQKÿѭӡng cong hӑc tұp trong WUѭӡng hӧp này
- Tuy nhiên, các yӃu tӕ Kѭӟng dүn, tҥRÿӝng lӵc, yӃu tӕ quҧn lý lҥLFyWiFÿӝng lên tӕFÿӝ WăQJWUѭӣng cӫDÿѭӡng cong hӑc tұSÿLӅXQj\ÿѭӧc thӇ hiӋn qua Tӹ lӋ hӑc tұp cӫa 3 công ÿRҥn Mí trө, Mí tà và Kansai lai có sӵ khác biӋt lӟn lҫQOѭӧt là: 218%, 241% và 249%
Hình 4-7Ĉѭӡng cong hӑc tұp theo mô hình The De Jong
0tWUө Mí tà Kansai lai
Bҧng 4-5: KӃt quҧ SKkQWtFKÿѭӡng cong hӑc tұp Theo mô hình De Jong
Ĉ˱ͥng cong h͕c t̵p The Stanford
Ĉѭӡng cong hӑc tұp Stanford B mӣ rӝQJÿѭӡng cong hӑc tұp Wright bҵng cách xem xét yӃu tӕ kinh nghiӋm cӫa công nhân (Carlson, 1973; Jaber, 2006) (2)
(4-4) ݐ ௫ ThӡLJLDQKRjQWKjQKF{QJÿRҥn lҫn thӭ x ݐ ଵ Thӡi JLDQKRjQWKjQKF{QJÿRҥn lҫn thӭ 1 b Sӕ PNJKӑc tұp
HӋ sӕ kinh nghiӋm %ÿѭӧFÿiQKJLiGӵa trên hӋ sӕ RSS, ӭng vӟi mӛi hӋ sӕ %WDWtQKÿѭӧc RSS theo bҧQJQKѭErQGѭӟi Vӟi B=1 và B=2 tӓ ra phù hӧp nhҩt vӟi RSS thҩp nhҩt Vӟi B=1, RSS trung bình cho cҧ F{QJÿRҥn là 0.94 Vӟi B=2 thì RSS trung bình cho cҧ F{QJÿRҥn là 0.93 RSS gҫn bҵng nhau cho cҧ % Yj% 7X\QKLrQÿӇ phù hӧSKѫQYӟLEjLWRiQ% ÿѭӧc chӑQÿӇ tính ݐ ௫ ൌ ݐ ଵ כ ሺݔ ܤሻ ି
Bҧng 4-6: MӕLWѭѫQJTXDQJiӳa RSS và hӋ sӕ B theo mô hình The Stanford
Sau khi áp dөng dӳ liӋXÿѭӧc thu thұp vào mô hình The Stanford, kӃt quҧ ÿѭӡng cong hӑc tұSÿѭӧc trình bày ӣ biӇXÿӗ ErQGѭӟi Dӵa vào biӇXÿә này cho thҩ\ÿѭӡng cong hӑc tұp cӫa F{QJÿRҥn Mí tà có tӕFÿӝ WăQJWUѭӣQJQKDQKKѫQVRYӟLF{QJÿRҥn còn lҥLĈӇ ÿiQKJLiP{ hình này, nghiên cӭu sӱ dөng chӍ sӕ 566Yj5QKѭEҧQJErQGѭӟi ChӍ sӕ RSS cӫDF{QJÿRҥn
Mí tà là cao nhҩWF{QJÿRҥn Kaisai lai có RSS thҩp nhҩt là 0.5863 Bên cҥQKÿyFKӍ sӕ R2 cӫDF{QJÿoҥn Kaisai lai là cao nhҩWF{QJÿRҥn Mí tà là 85%, và Mí trө có R2 thҩp nhҩt 83%
Hình 4-8Ĉѭӡng cong hӑc tұp theo mô hình The Stanford
0tWUө Mí tà Kansai lai
Bҧng 4-7: KӃt quҧ SKkQWtFKÿѭӡng cong hӑc tұp Theo mô hình Stanford B
Ĉ˱ͥng cong h͕c t̵p S Curve
0{KuQKQj\Ojÿѭӡng cong hӑc tұSÿѭӧc trích dүn phә biӃn nhҩW1yÿROѭӡng 1 cá nhân mӟi làm nhiӋm vө PhҫQGѭӟi cӫDÿѭӡng cong biӇu thӏ viӋc hӑc chұPYuQJѭӡi hӑc làm viӋFÿӇ thành thҥo các kӻ QăQJFҫn thiӃt và mҩt nhiӅu thӡLJLDQKѫQ1ӱa sau cӫDÿѭӡng cong chӍ ra rҵQJQJѭӡi hӑc bây giӡ mҩt ít thӡLJLDQKѫQÿӇ hoàn thành nhiӋm vө vì hӑ ÿmWUӣ nên thành thҥo các kӻ QăQJ ĈӃQÿLӇm cuӕi cӫDÿѭӡng cong, quá trình bҳWÿҫu chӳng lҥi, cho thҩy sӵ xuҩt hiӋn cӫa nhӳng thách thӭc mӟi Hình 4-9 thӇ hiӋQU}ÿLӅu này (6)
Hình 4-90{KuQKÿѭӡng cong hӑc tұp S Curve tәng thӇ
Công thӭFFKRÿѭӡng cong hӑc tұp S curve là sӵ kӃt hӧp 2 mô hình Dejong và Stanford (6) (4-5)
(4-6) ݐ ௫ ThӡLJLDQKRjQWKjQKF{QJÿRҥn lҫn thӭ x ݐ ଵ ThӡLJLDQKRjQWKjQKF{QJÿRҥn lҫn thӭ 1 b Sӕ PNJKӑc tұp
Giá trӏ M nҵm trong khoҧQJÿӃn 1 và phө thuӝc vào mӭFÿӝ tӵ ÿӝng hóa cӫa quy trình sҧn xuҩt M càng gҫn 1 thì công viӋc càng tӵ ÿӝQJKyDYjQJѭӧc lҥi Áp dөng dӳ liӋXÿmWKXWKұp vào mô hình Curve Qj\WDÿѭӧFP{KuQKÿѭӡng cong hӑc tұp QKѭKuQKGѭӟi Nhұn thҩ\ÿѭӡng cong hӑc tұp cӫDF{QJÿRҥQ0tWjWăQJQKDQKYӟi so vӟi 2 F{QJÿRҥn còn lҥi, vӟi tӹ lӋ hӑc tұp là 241% ĈӇ ÿiQKJLiP{KuQKÿѭӡng cong hӑc tұp, nghiên cӭu sӱ dөng chӍ sӕ RSS, tӯ kӃt quҧ cho thҩ\566F{QJÿRҥn Mí tà là cao nhҩt 1.7, trong khi RSS cӫa Mí trө và Kansai lҥLWKkSKѫQQKLӅu lҫQOѭӧt là 0.8 và 0.7 Bên cҥQKÿyFKӍ sӕ 5ÿѭӧc sӫ dөQJÿӇ ÿiQKJLiPӭFÿӝ phù hӧp cӫa dӳ liӋu vӟLP{KuQK&{QJÿRҥn Mí Tà có R2 cao nhҩt là 87%, cônJÿRҥn Kansai lai vӟi Mí trө có R2 lҫQOѭӧt là 84% và 78%
6FXUYHOjP{KuQKÿһFWUѭQJFKRÿѭӡng hӑc tұSÿmÿѭӧc kiӇm chӭng trong nhiӅXOƭQKYӵc khác nhau Tuy nhiên, trong nghiên cӭu này, kӃt quҧ cӫa mô hình S Curve lҥi cho thҩy không khҧ quan so vӟi các mô hình ӣ trên The Wright và Stanford B.YӃu tӕ có thӇ ҧQKKѭӣQJÿӃn kӃt quҧ cӫa mô hình S curve là bӝ dӳ liӋXNK{QJÿӫ ÿӇ thӇ hiӋQ[XKѭӟng cӫDÿѭӡng cong Ĉѭӡng cong S minh hӑa cách mӝWQăQJOӵc cө thӇ có thӇ phát triӇn theo thӡLJLDQWKuÿyOjOêGRUҵng QăQJOӵc cӫa mӝWQJѭӡi chӍ ÿѫQJLҧn là tәQJWtFKONJ\KRһc nӕi tiӃp cӫDFiFÿѭӡng cong S cө thӇ cӫa sӵ phát triӇn Johnson khuyӃQNKtFKQJѭӡLÿӑc phá vӥ bҧn thân ² nhҧy tӯ ÿѭӡng cong hӑc tұSQj\VDQJÿѭӡng cong hӑc tұp khác và xâu chuӛi mӝt loҥWÿѭӡng cong chӳ S lҥi vӟLQKDXÿӇ ÿLӅXKѭӟng mӝt hành trình phát triӇQOkXGjLYjWiFÿӝQJÿӃn nghӅ nghiӋp Tҩt nhiên, ÿӇ phát triӇn ÿLOrQÿѭӡng cong chӳ S cӫa mình và chuyӇQVDQJÿѭӡng cong chӳ S mӟi, ÿLӅu quan trӑng là sӵ WKD\ÿәi trong cách thӭc hӑc tұp vӟi sӵ hӛ trӧ cӫa các thiӃt bӏ, dөng cө hӛ trӧ QKѭ7KD\ ÿәi thao tác mӟi tӕWKѫQWKD\ÿәLFiFKKѭӟng dүQWKD\ÿәLFiFKPD\NKiFKD\WKD\ÿәi vӅ máy, cụng cө hӛ trӧô ݐ ௫ ൌ ݐ ൫ݐ ଵ െ ݐ ൯ כ ሺݔ ܤሻ ି ݐ ൌ ݐ ଵ כ ܯ
Hình 4-10Ĉѭӡng cong hӑc tұp theo mô hình S-Curve
Bҧng 4-8: KӃt quҧ SKkQWtFKÿѭӡng cong hӑc tұp theo mô hình S Curve Model
Ĉ˱ͥng cong h͕c t̵p Polynomial Regression
0tWUө Mí tà Kansai lai
Trong thӕng kê, hӗLTX\ÿDWKӭc là mӝt dҥng phân tích hӗLTX\WURQJÿyPӕi quan hӋ giӳa biӃQÿӝc lұp x và biӃn phө thuӝF\ÿѭӧFP{KuQKKyDGѭӟi dҥQJÿDWKӭc bұc n trong x Hӗi quy ÿDWKӭc phù hӧp vӟi mӕi quan hӋ phi tuyӃn giӳa giá trӏ cӫa x và giá trӏ WUXQJEuQKFyÿLӅu kiӋn WѭѫQJӭng cӫD\ÿѭӧc ký hiӋu là E (y | x) Mһc dù hӗLTX\ÿDWKӭc phù hӧp vӟi mӝt mô hình phi tuyӃn vӟi dӳ liӋXQKѭPӝWEjLWRiQѭӟFOѭӧng thӕng kê, nó là tuyӃQWtQKWKHRQJKƭDOjKjP hӗi quy E (y | x) là tuyӃn tính trong các tham sӕ FKѭDELӃWÿѭӧFѭӟFOѭӧng tӯ dӳ liӋu NӃXQKѭ ta nâng y(x) thành hàm bұFO~Fÿy\[FyWKӇ có dҥng biӇu diӉn QKѭKuQK-11 ÿѭӡng màu cam) (6)
Hình 4-11: Mô hình HӗLTX\ÿDWKӭc 7ѭѫQJ tӵ vӟi bұFFDRKѫQPӑLKjPÿDWKӭFFK~QJWDÿӅu có thӇ ÿѭDYӅ mô hình hӗi quy tuyӃn tính Tuy nhiên nӃXQKѭYұy hàm sӕ bұc càng cao thì khҧ QăQJ³ILW´Yӟi dӳ liӋu càng lӟn, thұm chí sai sӕ có thӇ bҵQJ.KLÿyFK~QJWDVӁ gһp mӝt vҩQÿӅ NKiFÿѭӧc gӑLOj³RYHUILWWLQJ´ ѬXÿLӇPFӫDYLӋFVӱGөQJKӗLTX\ÿDWKӭF
- 3KҥPYLUӝQJFӫDKjPFyWKӇÿѭӧFSKKӧSYӟLQy
- ĈDWKӭFYӅFѫEҧQSKKӧSYӟLQKLӅXÿӝFRQJ
- ĈDWKӭFFXQJFҩSJLiWUӏJҫQÿ~QJQKҩWFӫDPӕLTXDQKӋJLӳDELӃQSKөWKXӝFYjELӃQÿӝF OұS
1KѭӧFÿLӇPFӫDYLӋFVӱGөQJKӗLTX\ÿDWKӭF:
- &K~QJTXiQKҥ\FҧPYӟLFiF\ӃXWӕQJRҥLODL 6ӵKLӋQGLӋQFӫDPӝWKRһFKDLÿLӇPQJRҥL OӋWURQJGӳOLӋXFyWKӇҧQKKѭӣQJQJKLrPWUӑQJÿӃQNӃWTXҧFӫDPӝWSKkQWtFKSKLWX\ӃQ
- 1JRjLUDÿiQJWLӃFOjFytWF{QJFө[iFWKӵFP{KuQKKѫQÿӇSKiWKLӋQFiFJLiWUӏQJRҥLOӋWURQJKӗLTX\SKLWX\ӃQVRYӟLKӗLTX\WX\ӃQWtQK
Dӳ liӋu vӅ hiӋu quҧ sҧn xuҩt cӫa các côQJÿRҥn mí trө Mi tà, kansai lai là dӳ liӋu không tұp WUXQJTXDQKÿѭӡng thҷQJW[PjFyKѫLKѭӟng theo dҥQJÿѭӡQJFRQJKѫQ'RÿyWDFҫn hàm sӕ phӭc tҥSKѫQÿӇ dӵ ÿRiQW[ÿҥt hiӋu quҧ FDRKѫQ
Công thӭ cӫa hàm Polynomial Regression (6)
Hình 4-12: BiӇXÿӗ Scatter hiӋu quҧ sҧn xuҩt theo thӡi gian cӫDF{QJÿRҥn Mí trө hoàn chӍnh Áp dөng dӳ liӋXÿmWKXWKұp cӫDF{QJÿRҥn Mí trө, Mì tà, Kansai Lai vào mô hình trên, ta ÿѭӧc biӇXÿӗ ErQGѭӟi Dӵa trên kӃt quҧ này, ta nhұn thҩ\F{QJÿRҥn Mí tà có tӕFÿӝ WăQJFӫa ÿѭӡng cong hӑc tұSQKDQKKѫQVRYӟLF{QJÿRҥn còn lҥi, cө thӇ tӹ lӋ hӑc tұp cӫDF{QJÿRҥn
Mí tà là 241%, còn Kansai lai vӟi Mí trө lҫQOѭӧWOjYjĈӇ ÿiQKJLiÿѭӡng cong này, chúng ta sӱ dөng hӋ sӕ 566&{QJÿRҥn Mí tà có RSS cao nhҩt là 1.4, trong khi RSS cӫa
Mí trө và Kansai lai lҫQOѭӧt là 0.79 và 0.67 Bên cҥQKÿyFKӍ sӕ 5FNJQJÿѭӧc sӱ dөQJÿӇ ÿiQK giá mӭFÿӝ phù hӧp cӫa bӝ dӳ liӋu vӟLP{KuQKÿѭӡng cong hӑc tұS&{QJÿRҥn Mí tà có R2 cao nhҩWOjWURQJNKLÿy566Fӫa Kansai lai và Mí trө thҩSKѫQOҫQOѭӧt là 85% và 80%
%LӇXÿӗ6FDWWHU+LӋXTXҧVҧQ[XҩWWKHRWKӡLJLDQF{QJÿRҥQ0tWUөKRjQ
Hình 4-13Ĉѭӡng cong hӑc tұp theo HӗLTX\ÿDthӭc
Bҧng 4-9: KӃt quҧ SKkQWtFKÿѭӡng cong hӑc tұp Theo mô hình Polynomial Regression
KӃt quҧ và thҧo luұn
Sau khi thӱ nghiӋm dӳ liӋXWUrQP{KuQKÿѭӡng cong hӑc tұp, mӛi mô hình cho ra kӃt quҧ NKiFQKDXYjWѭӡQJÿӕLÿӗng nhҩt Trong hҫu hӃWFiFP{KuQKF{QJÿRҥn Mí tà luôn cho ta kӃt quҧ là R2 cao nhҩt và RSS cao nhҩt
7XҫQ ĈѭӡQJKӑFWұS+ӗLTX\ÿDWKӭF
0tWUө Mí tà Kansai lai
&KӍVӕ5 0tWUө Mí tà Kansai lai Trung bình
2.The de Jong learning curve 73% 82% 78% 78%
Bҧng 4-10: KӃt quҧ chӍ sӕ R2 cӫDFiFP{KuQKĈѭӡng cong hӑc tұSFKRFiFF{QJÿRҥn
&{QJÿRҥn Mí trө phù hӧp mô hình Stanford B nhҩt vӟi R2 = 83%, RSS = 0.68, c{QJÿRҥn
Mí tà thì phù hӧp vӟi mô hình Polynomial vӟi R2 = 87%, RSS = 1.43, c{QJÿRҥn Kansai lai thì phù hӧp nhҩt vӟi mô hình Stanford B vӟi R2 = 88%, RSS = 0.59 Dӵa tҩt cҧ dӳ liӋu tәng hӧp tӯ P{KuQKÿѭӡng cong hӑc tұp, ta nhұn thҩy m{KuQKÿѭӡng hӑc tұp Stanford B vӟi nhiӅXÿLӇm nәi trӝi: R2 trung bình cao nhҩt 85%, RSS trung bình thҩp nhҩt 0.93 ĈLӅu này cho thҩy rҵng viӋc hӑc diӉQUDWURQJTXiWUuQKQJѭӡi công nhân tұSPD\Yjÿѭӡng cong hӑc tұp Stanford có thӇ ÿѭӧc sӱ dөQJÿӇ ѭӟc tính quá trình hӑc tұp
Tӯ bҧng kӃt quҧ SKkQWtFKÿѭӡng cong hӑc tұp Theo mô hình Stanford B dӵa trên dӳ liӋu thӵc nghiӋmWDU~WUDÿѭӧc vài kӃt luұQQKѭ Thӭ nhҩt, thӡLJLDQÿӇ thӵc may xong sҧn phҭPÿҫu tiên FKRF{QJÿRҥn có sӵ khác biӋt lӟn tӯ ÿӃQWѭѫQJӭng vӟi tӹ lӋ hӑc tұp là 249% và 218% cho thҩ\FiFÿһFÿLӇm riêng cӫa mӛLF{QJÿRҥn có ҧQKKѭӣng nhҩWÿӏQKÿӃn tӕFÿӝ hӑc tұSFNJQJQKѭP{KuQKKӑc tұp phù hӧp Mһc dù tҩt cҧ FiFF{QJQKkQÿѭӧc chӑQÿӇ thu thұp dӳ liӋXÿӅu là công nhân mӟi, không có kinh nghiӋPÿӅXÿѭӧc trҧLTXDP{LWUѭӡQJÿjRWҥRKѭӟng dүn giӕQJQKDXQKѭQJWӹ lӋ hӑc tұp lҥi khác nhau nhiӅu Ví dө QKѭF{QJÿRҥn Kansai lai, có sӵ bҳWÿҫu hӑc tұp chұm nhҩt t1 = 0.23%, tuy nhiên tӹ lӋ hӑc tұp lҥi cao nhҩWF{QJÿRҥn Mí tà bҳWÿҫu hӑc tұp ӣ mӭc cao nhҩt t1 = 0.52%, tuy nhiên tӹ lӋ hӑc tұp thҩSKѫQ.DQVDL/DLOj241% Tuy tӹ lӋ hӑc tұp cӫD.DQVDLODLFDRKѫQ0tWjQKѭQJWURQJFQJPӝt khoҧng thӡi gian, hiӋu quҧ sҧn xuҩWÿҥWÿѭӧc cӫDF{QJÿRҥn Mí tà lҥLFDRKѫQVѫYӟLF{QJÿRҥQ.DQVDLODLÿLӅu Qj\FNJQJÿѭӧc lý giҧi mӝt phҫn bӣi sӵ khác biӋWWURQJÿһFÿLӇm riêng cӫa mӛLF{QJÿRҥn làm cho hiӋu quҧ sҧn xuҩt bҳWÿҫu cӫD0tWjFDRKѫQ.DQVDL/DLUҩt nhiӅu
Hình 4-14: KӃt quҧ chӍ sӕ R2 cӫDFiFP{KuQKĈѭӡng cong hӑc tұSFKRFiFF{QJÿRҥn
Mô hình Standford tӓ ra hӳu hiӋXWURQJYzQJQJj\ÿҫu làm viӋc Cҫn mӣ rӝng ngiên cӭu ÿӇ thu thұp thêm dӳ liӋXWKuÿѭӡng hӑc tұp có thӇ tuân theo mô hình khác
0{KuQK6WDQIRUG 0tWUө 0tWj DQVDLODL ݐ ଵ L
Bҧng 4-11: KӃt quҧ SKkQWtFKÿѭӡng cong hӑc tұp Theo mô hình Stanford B
Tóm lҥi, viӋc may là mӝt quá trình hӑc tұp, trong khoҧng thӡi gian 36 ngày theo dõi và thu thұp dӳ liӋu, thì các mô hình The Wright, Stanford B, S Curve và Polynomial Regression cho
1.The Wright 2.The de Jong 3.The Stanford B
Trung bình Kansai lai Mí tà 0tWUө
40 kӃt quҧ ÿѭӡng cong hӑc tұp khá phù hӧp vӟi bӝ dӳ liӋu Còn mô hình The Stanford thì cho kӃt quҧ không phù hӧp Nhӳng kӃt quҧ WKXÿѭӧc trong nghiên cӭu này có thӇ ÿѭӧc sӱ dөng bӣi nhӳQJQJѭӡi có trách nhiӋm quҧQOêÿӇ giúp nhӳQJQJѭӡi công nhân cҧi thiӋn hiӋu quҧ sҧn xuҩt theo thӡi gian và WăQJWӹ lӋ hӑc tұp cӫa hӑ, ví dө bҵng cách cho hӑ ÿjRWҥo thêm hoһc FѫFҩu lҥi công viӋc ÿӇ tҥRÿLӅu kiӋn YjP{LWUѭӡng hӑc tұp
Ngoài ra, ciFÿһFÿLӇm riêng cӫDQJѭӡi công nhân có ҧQKKѭӣQJÿiQJNӇ ÿӃn viӋc cҧi thiӋn hiӋu quҧ sҧn xuҩt cӫa cá nhân &{QJÿRҥn vӟLFiFEѭӟc thӵc hiӋQNKiFQKDX/5FNJQJ có sӵ cách biӋt lӟn 218% - 249% Quá trình hӑc tұp ngoài phө thuӝFYjRF{QJÿRҥn may mà FNJQJ phө thuӝc phҫn lӟQYjRÿһFWtQKQJѭӡi công nhân R2 cӫa mô hình De Jong = 78% thҩSKѫQUҩt nhiӅu so vӟi mô hình Wright (R2 = 84%), do viӋc thêm hӋ sӕ tӵ ÿӝng hóa M vào mô hình 'HMRQJÿLӅu này càng minh chӭng rҵng quá trình hӑc tұp phө thuӝc rҩt nhiӅXYjRFiFÿһc tính cӫDQJѭӡi công nhân Vai trò nhà quҧn lý rҩt quan trӑng trong viӋFWK~Fÿҭy quá trình hӑc tұp thụng qua viӋFÿjRWҥRKѭӟng dүn, thiӃt kӃ cụng cө hӛ trӧ, tҥRÿӝng lӵFô
Giӟi tính là mӝt trong nhӳng yӃu tӕ có sӵ ҧQKKѭӣQJÿӃQÿѭӡng cong hӑc tұp C{QJÿRҥn Mí trө và Mí tà Fyÿѭӡng cong hӑc tұp cӫa Nӳ QKDQKKѫQ1DP&{QJÿRҥQ.DQVDL/DLĈѭӡng cong hӑc tұp cӫa Nӳ QKDQKKѫQ1DPWrong khoҧQJÿӃQQJj\6DXÿyFҧ ÿѭӡng cong có xu Kѭӟng bҵng nhau ĈLӅu này có thӇ ÿѭӧc giҧLWKtFKYLÿһc tính khác biӋt cӫDFiFF{QJÿRҥn may
&{QJÿRҥn Mí trө và Mí tà là sӱ dөng máy 1 kim, yêu cҫu thao tác tay rҩt tӍ mӍ và chính xác nên WKѭӡng giӟi tính nӳ sӁ thuұn lӧLKѫQQDPWURQJF{QJÿRҥQQj\&zQF{QJÿRҥn Kansai Lai thì sӱ dөQJ.DQVDLÿһc tính máy kansai khác vӟLPi\NLPYjWKѭӡng phù hӧp vӟLQDPKѫQVR vӟi nӳ KӃt quҧ nghiên cӭu này có thӇ ÿѭӧc áp dung trong viӋc tuyӇn dөng hiӋu quҧ Tùy vào nhu cҫu tuyӇn dөng cӫa các chuyӅn may, cҫQF{QJQKkQFKRF{QJÿRҥn nào thì bӝ phұn nhân sӵ sӁ có chiӃQOѭӧc tuyӇn dөng hiӋu quҧ ÿӇ WăQJKLӋu quҧ sҧn xuҩt cho chuyӅn may, giҧm các chi phí phát sinh trong viӋFÿjRWҥo
Bên cҥQKÿyÿӝ tuәLFNJQJOjPӝt yӃu tӕ ҧQKKѭӣQJÿӃQP{KuQKÿѭӡng cong hӑc tұp Ĉѭӡng hӑc tұp bҳWÿҫu ӣ mӭc hiӋu quҧ sҧn xuҩt là QKѭQKDXFKRFiFÿӝ tuәi khác nhau trong khoҧng thӡi gian tӯ ngày thӭ nhҩWÿӃn ngày thӭ 14 Tuy nhiên, tӯ ngày thӭ 15 trӣ ÿL, ÿѭӡng hӑc tұSÿӝ tuәi tӯ ÿӃn 29 có tӕFÿӝ WăQJQKDQKKѫQ nhiӅu so vӟLÿӝ tuәLGѭӟi 22 tuәi và trên 30 tuәi Trong quá trình nghiên cӭu, phӓng vҩQQJѭӡi công nhân, nhұn thҩy các nguyên nhân có thӇ dүn ÿӃn kӃt quҧ QKѭYұ\QKѭ
Hình 4-15Ĉѭӡng cong hӑc tұSF{QJÿRҥn Mí trө theo giӟi tính
Hình 4-16Ĉѭӡng cong hӑc tұSF{QJÿRҥn Mí tà theo giӟi tính
Hình 4-17Ĉѭӡng cong hӑc tұSF{QJÿRҥn Kansai Lai theo giӟi tính
5VķO ÂĊřOHDPOHIğDUĻQD´OHÃPčO,BOTBJ-BJ
- Ĉӝ tuәLÿӃn 29 trung bình mӛLQJѭӡLFyÿӃQFRQÿDQJÿLKӑFYuÿk\Ojÿӝ tuәi kӃt hôn và lұSJLDÿuQK'RÿyQJѭӡLODRÿӝQJWKѭӡng là các bұc phө huynh có áp lөc vӅ kinh tӃ WURQJJLDÿuQKÿk\FyWKӇ là yӃu tӕ tҥRÿӝng lӵFWK~Fÿҭy QJѭӡLODRÿӝng cӕ gҳQJWăQJ gia sҧn xuҩWÿӇ tҥo ra hiӋu quҧ sҧn xuҩWFDRKѫQ
- Thêm nӳDÿӝ tuәi tӯ ÿӃQOjÿӝ tuәLPjQJѭӡLODRÿӝng có sӭc khӓe và kӻ QăQJWӕt nhҩWWURQJÿӝ tuәLODRÿӝQJÿһc biӋt là ngành may, cҫn sӵ tӹ mӍ, khéo léo trong các thao tác tay Ĉk\FNJQJOj\Ӄu tӕ vӅ ÿҥc tính cӫa mӛi cá nhân dүQÿӃQÿѭӡng cong hӑc tұp trong ÿӝ tuәi này có tӕFÿӝ WăQJQKDQKQKҩt
- Ĉӝ tuәi Gѭӟi 22 tuәLFyÿѭӡng cong hӑc tұp thҩSKѫQVRYӟLÿӝ tuәLÿӃn 29, mӝt phҫn lý do có thӇ là ӣ ÿӝ tuәLGѭӟLGѭӟi 22, phҫn lӟn các bҥn công nhân k hông có áp lӵc nhiӅu vӅ kinh tӃ, và hӑ chӫ yӃu là làm viӋc tҥm thӡi mӝt khoҧng thӡi gian rӗLVDXÿyÿLKӑc nghӅ nên không có sӵ cӕ gҳng phҩQÿҩXÿӇ ÿҥt hiӋu quҧ cao
- Ĉӝ tuәi trên 30, thì hӑ vүQFyÿӝng lӵc vӅ tài chính, tuy nhiên may mһc là mӝt ngành công nghiӋSÿһc thù, phө thuӝc nhiӅu vào kӻ QăQJPD\FӫDQJѭӡLODRÿӝQJÿzLKӓLQJѭӡi lao ÿӝng phҧi có kӻ QăQJWӍ mӍ, tay khéo léo khi may và tӕFÿӝ nhanh khi thao tác mӟLÿҥWÿѭӧc hiӋu quҧ sҧn xuҩWFDR1KѭQJQKӳQJNƭQăQJQj\Oҥi giҧPÿLNKLQJѭӡLODRÿӝng cao tuәi, ҧQKKѭӣng lӟQÿӃn hiӋu quҧ sҧn xuҩt cӫDQJѭӡLODRÿӝQJGRÿyÿѭӡng cong hӑc tұp cӫa F{QJQKkQPD\ÿӝ tuәi trên 30 sӁ chұPKѫQVRYӟLÿӝ tuәLÿӃn 29
Hình 4-18Ĉѭӡng cong hӑc tұSWKHRÿӝ tuәi
7XҫQ ĈѭӡQJKӑFWұSWKHRÿӝWXәL
Trong khoҧng thӡi gian nghiên cӭu, các dӳ liӋu vӅ sҧn phҭm lӛi tӯng ngày cӫa tӯQJQJѭӡi ODRÿӝQJFNJQJÿѭӧc thu thұp lҥi Dӵa vào biӇXÿӗ trên ta nhұn thҩy trung bình tӹ lӋ lӛi cӫa Nam là 67.2% và cӫa Nӳ là 64.2% Tӹ lӋ lӛLFy[XKѭӟng giҧm dҫn theo thӡi gian nhӡ sӵ WtFKONJ\Fӫa ÿѭӡng cong hӑc tұp
Hình 4-20Ĉѭӡng dӵ báo hiӋu quҧ sҧn xuҩt
Các mô hình ÿѭӡng cong hӑc tұp dù có tӕWÿӃQÿkXWKuFNJQJFyQKӳQJÿLӇm hҥn chӃ cҫn phҧi OѭXêWURQJTXiWUuQKiSGөQJQKѭVDX
- Nghiên cӭX ÿѭӧc thӵc hiӋQ WURQJ ÿLӅu kiӋQ EuQK WKѭӡng: máy móc әQ ÿӏnh, không có chuyӇQÿәi mã hàng Phù hӧp vӟi khu vӵc chuyӅn chuҭn bӏ ÿҫu vào
- Các yӃu tӕ vӅ ÿӝng lӵc làm viӋFQKѭs͙ O˱ͫQJFRQÿL͉u ki n kinh t͇ JLiÿuQKPͭc tiêu ngh͉ nghi p, tớnh cỏch cỏ nhõnôFKѭDÿѭӧc xem xột
- Mô hình Standford tӓ ra hӳu hiӋXWURQJYzQJQJj\ÿҫu làm viӋc Cҫn mӣ rӝng ngiên cӭXÿӇ thu thұp thêm dӳ liӋXWKuÿѭӡng hӑc tұp có thӇ tuân theo mô hình khác
KӃt quҧ ÿҥWÿѭӧc
LuұQYăQ này ÿm nghiên cӭu viӋc hӑc cӫa công nhân may bҳWÿҫu tӯ lúc không có kinh nghiӋm ÿӇ WuPUDP{KuQKÿѭӡng cong hӑc tұp phù hӧp Vì mөFÿtFKQày, dӳ liӋu thӵc nghiӋPÿm ÿѭӧc thu thұp tҥi chuyӅn may cӫa công ty Elite Long thành Tӯ ÿyFiFÿѭӡng cong hӑc tұp phә biӃn ÿmÿѭӧc nghiên cӭXÿӇ tìm ra mô hình phù hӧp nhҩWFKRFiFF{QJÿRҥn may 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 219ÿӃQ'RÿyWD có thӇ cho rҵng hiӋu quҧ sҧn xuҩt cӫDF{QJQKkQWăQJOrQWKHRWKӡLJLDQNKLPjQăQJVXҩt cӫDFiFF{QJÿRҥn PD\WăQJOrQQKӡ viӋc ghi nhӟ các thao tác may và kӻ thuұWPD\ÿѭӧFWăQJOrQĈLӅu này làm giҧm thӡi gian cҫn thiӃWÿӇ may hoàn thành sҧn phҭPYjWăQJKLӋu quҧ sҧn xuҩt cho các công ÿRҥn may Mӝt kӃt quҧ WѭѫQJWӵ FNJQJQKұQÿѭӧFÿӕi vӟi tӹ lӋ lӛi cӫDFiFF{QJÿRҥQÿmJLҧm theo thӡi gian Bên cҥQKÿyFiF\Ӄu tӕ vӅ giӟLWtQKÿӝ tuәLÿһFWtQKF{QJÿRҥn may, máy móc FNJQJFyҧQKKѭӣQJÿӃQP{KuQKÿѭӡng cong hӑc tұSFNJQJÿmÿѭӧc phân tích.
ѬXYjQKѭӧFÿLӇm cӫDSKѭѫQJSKiSÿѭӧFÿӅ xuҩt
3KѭѫQJSKiSÿmÿӅ xuҩt thӇ hiӋn ÿҫ\ÿӫ và chi tiӃWFiFEѭӟc cҫn phҧi thӵc hiӋQÿӇ [iFÿӏnh ÿѭӡng cong hӑc tұp phù hӧp Mô hình này phù hӧp cho hҫu hӃt các doanh nghiӋp vӯa và lӟQÿӇ khai phá dӳ liӋu Tuy vұy, mô hình khá phӭc tҥSÿӇ sӱ dөng, và tӕn thӡLJLDQÿӇ thu thұp dӳ liӋu WKѭӡng là trên 6 tháng ÿӇ ÿҧm bҧo bӝ dӳ liӋXÿѭӧc әQÿӏnh và chính xác Vӟi bӝ dӳ liӋXÿѭӧc thu thұp trong vòng 35 tuҫn trong luұQYăQQj\WKuP{KuQKÿѭӡng cong hӑc tұp Stanford B là phù hӧp nhҩWQKѭQJWURQJNKRҧng thӡLJLDQOkXKѫQP{KuQKQj\FyWKӇ không còn phù hӧp và ÿѭӧc thay thӃ bӣi mӝt hình khác phù hӧSKѫQ
ĈyQJJySFӫa luұQYăQYӅ mһt khoa hӑc và ӭng dөng
LuұQYăQ là công trình nghiên cӭu chuyên sâu vӅ viӋc ӭng dөng khai phá dӳ liӋu trong ngành may mһFÿӇ [iFÿӏQKP{KuQKÿѭӡng cong hӑc tұp phù hӧpĈLӇm mӟi cӫa luұQYăQOjQJRjL viӋF[iFÿӏQKÿѭӡng cong hӑc tұp phù hӧp, tác giҧ ÿmFyQKӳng phân tích chuyên sâu vӅ các yӃu tӕ ҧQKKѭӣQJÿӃQÿѭӡng cong hӑc tұSQKѭJLӟLWtQKÿӝ tuәi7K{QJTXDÿyWDFyWKӇ thҩy rҵng viӋc nghiên cӭXÿѭӡng cong hӑc tұp rҩt phӭc tҥp vӟi nhiӅu yӃu tӕ ҧQKKѭӣng khác nhau Ngoài cỏc yӃu tӕ vӅ mһt kӻ thuұWQKѭWD\QJKӅPi\PyFôKD\FiF\Ӄu tӕ FiQKkQQKѭÿӝ tuәi, giӟi tính, thì các yӃu tӕ vӅ mһWÿӝng lӵFQKѭFRQQKӓ, sӵ TXDQWkPKѭӟng dүn cӫa quҧn lý, mөc tiêu
46 nghӅ nghiӋSFNJQJFyҧQKKѭӣnJÿiQJNӇ ÿӃQP{KuQKÿѭӡng cong hӑc tұS&jQJÿLVkXYjRYjR phân tích, ta mӟi thҩ\ÿѭӧc sӵ thú vӏ cӫDÿӅ tài này
Ngoài ra, luұQYăQFNJQJÿmFyQKӳng phân tích vӅ thӵc trҥng áp dөng khai phá dӳ liӋu trong ngành may mһc và tӯ ÿyÿӅ xuҩt mô hình khai phá dӳ liӋu phù hӧp gӗPEѭӟFQKѭӣ mөc 4.3 Vӟi mô hình này, doanh nghiӋp có thӇ áp dөQJÿӇ giҧi quyӃt nhiӅu bài toán khác có liên quan ÿӃn khai phá dӳ liӋu Tӯ ÿyWKӕng nhҩt quy trình khai phá dӳ liӋu trong toàn công ty
5.4 +ѭӟng mӣ rӝQJWѭѫQJODL
Trong nghiên cӭXQj\FiFF{QJQKkQÿѭӧc bӕ trí may ӣ mӝWF{QJÿRҥn duy nhҩt trong suӕt quá trình thu thұp dӳ liӋu, Kѭӟng nghiên cӭu mӣ rӝQJWѭѫQJODLOjtiӃp tөc nghiên cӭu mô hình ÿѭӡng cong hӑc tұp vӟi cách hӑc có thêm vào lӏch trình làm viӋc và các nguyên tҳFQKѭ "luân chuyӇn công viӋc"WKD\ÿәLPmKjQJKD\WKD\ÿәLF{QJÿRҥQPD\WKD\ÿәi máy may,ÿӇ xác ÿӏnh các yӃu tӕ này WiFÿӝng QKѭWKӃ QjRÿӃn viӋc ÿӃn tiӃp thu và phát triӇn kӻ QăQJWD\QJKӅ cӫDQJѭӡi công nhân .KLÿyÿѭӡng cong hӑc tұp cӫDQJѭӡi công nhân sӁ phӭc tҥSKѫQVRYӟi nghiên cӭu này
Bên cҥQKÿyÿLVkXYjRSKkQWtFKFiF\Ӄu tӕ tҥRÿӝng lӵFQKѭFRQQKӓ, sӵ Kѭӟng dүn, quan tõm cӫa quҧn lý, mөc tiờu nghӅ nghiӋSFѫKӝLWăQJWLӃQôҧQKKѭӣQJQKѭWKӃ QjRÿӃQÿѭӡng cong hӑc tұSFNJQJVӁ là mӝWKѭӟng nghiên cӭu mӣ rӝQJWURQJWѭѫQJODL
[1] ³Tiêu chuҭQF{QJÿRҥn may.´ Tài liӋu nӝi bӝ, công ty TNHH Elite Long Thành, 10/7/2021 [2] E H Grosse, and C H Glock, ³An experimental investigation of learning effects in order picking systems,´ Journal of Manufacturing Technology Management, vol 24, no 6, pp 850-872, 2013
[3] S H Rahim, M S Rahman, and A E Chowdhury, ³Mining Industrial Engineered Data of Apparel Industry: A Proposed Methodology,´ International Journal of Computer Applications, vol 161, no 7, pp 0975±8887, 2017
[4] H D Wiemer, ³Data Mining Methodology for Engineering Applications (DMME)²A Holistic Extension to the CRISP-DM Model,´ Applied Sciences, vol 9, no 12, pp 2407,
[5] K A Sakthivel, ³Data Mining for Prediction of Clothing Insulation,´ International Journal of Modern Engineering Research (IJMER), vol 2, no 2, pp 001-005, 2012
[6] ³Ĉӏnh nghƭa vӅ ÿѭӡng cong hӑc tұp.´ Internet: https://en.wikipedia.org/wiki/, 10/07/2021 [7] G J Williams, S J Simoff, Data Mining: Theory, Methodology, Techniques & Applications Springer, 2006, pp 14-27
[8] J W Han, M C Kamber, and J Pei, Data Mining: Concepts & Techniques, Morgan
[9] H David, M Heikki, and S Padhraic, Principles of Data Mining, Springer, 2001, pp 195-
[10] L O David, and D Dursun, Advanced Data Mining Techniques, Springer, 2008, pp12-34 and 115-118
[11] T M Larissa, and A Shaku, Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-Support Application, Addison-Wesley Professional, 2003, chapter