Đề tài tạo ra một chương trình với giao diện thân thiện, cho phép người dùng nhập các thông tin cần thiết của linh kiện, sau đó tự động tính toán và thể hiện 10 bin phù hợp nhất dựa trên
TỔNG QUAN
Lý do chọn đề tài
Các lãng phí xuất hiện trong các quy trình lưu trữ và cung cấp nguyên vật liệu tại kho hàng của Schneider Electric Manufacturing Việt Nam như lãng phí về di chuyển, lãng phí thao tác thừa, lãng phí thời gian chờ gây nên tổn thất về thời gian lấy hàng, tổn thất về hiệu suất, tổn thất về không gian lưu trữ trong kho Từ đó gây nên các vấn đề cho doanh nghiệp như lãng phí chi phí lao động, không tận dụng triệt để năng lực của kho, thiếu lợi thế cạnh tranh Để tối ưu hóa quy trình và giảm bớt các lãng phí như đã đề cập, cần thiết phải chuẩn hóa dữ liệu quản lý về mặt bằng, sức chứa của kệ và triển khai một hệ thống tự động hỗ trợ việc chọn lựa khoang chứa hàng trong khu vực kệ kho Một hệ thống dễ sử dụng, với dữ liệu đầy đủ và chính xác có thể giúp người kỹ sư đưa ra những phân tích, đánh giá và quyết định hợp lý trong vấn đề lưu trữ hàng hóa trong kho Do đó thuận tiện hơn cho người công nhân châm hàng và lấy hàng, tăng năng suất và giảm lead time trong quy trình cung cấp hàng cho sản xuất Kết quả là giúp doanh nghiệp tiết kiệm được chi phí nhân công, thời gian sản xuất, chi phí quản lý, tăng lợi thế cạnh tranh Để đạt được mục tiêu trên, nhóm quyết định thực hiện đồ án Phát triển phần mềm ra quyết định đa mục tiêu giúp nâng cao tỉ lệ sử dụng thể tích khoang hàng và nâng cao năng suất quy trình kho.
Các công trình nghiên cứu liên quan
1 Study on the multi-criteria location decision of wide-area distribution centers in pre- disaster: Case of an earthquake in the Kanto district of Japan
- Tác giả : Yufeng Guo, Takuma Matsuda và các cộng sự ( 2023 )
- Bài báo sử dụng AHP và TOPSIS trong nghiên cứu để lựa chọn trung tâm phân phối trong giai đoạn trước khi xảy ra thảm họa dựa trên sự việc động đất ở Kanto, Nhật Bản Nhờ vào MCDM họ giúp cho các doanh nghiệp tư nhân hiểu rõ sự cần thiết cho các trung tâm phân phối khẩn cấp khi có vấn đề ảy ra
2 An interpreter ranking index-based MCDM technique for COVID-19 treatments under a bipolar fuzzy environment
- Tác giả : Totan Garai , Harish Garg và các cộng sự ( 2023 )
- Bài báo là quá trình phát triển hệ thống lựa chọn phương pháp điều trị Covid được sử dụng Ấn Độ giảm thiểu rủi ro đến mức thấp nhất phù hợp với môi trường và nền kinh tế hiện nay tại Ấn Độ
3 A Multi-Criteria decision making (MCDM) methodology for high temperature thermochemical storage material selection using graph theory and matrix approach
- Tác giả : Sahand Hosouli , Jonathan Elvins , Justin Searle và các cộng sự (2023)
- Bài báo trình bày một phương pháp đưa ra quyết đa mục tiêu (MCDM) dựa trên lý thuyết đồ thị và phương pháp ma trận để lựa chọn vật liệu lưu trữ nhiệt hóa học ở nhiệt độ cao (TCS) phù hợp để phục hồi nhiệt động từ chất thải ở nhiệt độ cao (trên 500 °C) tại nhà máy thép Port Talbot Phương pháp được đưa vào thực nghiệm và cho kết quả rất khả quan, nó có thể được sử dụng như một phương pháp nhanh chóng và đơn giản cho các hoạt động nghiên cứu trong tương lai để lựa chọn vật liệu sạch trong quy trình của họ
4 MCDM approach to select IoT devices for the reverse logistics process in the Clinical Trials supply chain
- Tác giả : Yvonne Badulescu , Manoj Kumar Tiwari , Naoufel Cheikhrouhou và các cộng sự
- Bài báo xác định các tiêu chí để đánh giá (MCDM) các thiết bị IoT vận chuyển kiện hàng trong chuỗi cung ứng khép kín, nó được sử dụng một trường hợp thực tế của một công ty thử nghiệm lâm sàng đang trong quá trình kỹ thuật số hóa chuỗi cung ứng của họ, cho thấy việc sử dụng phương pháp này đã thành công trong việc lựa chọn thiết bị IoT tốt nhất dựa trên sự hiểu biết của người ra quyết định và giúp công ty tránh việc lựa chọn một lựa chọn không phù hợp hoặc tồi hơn Phương pháp AHP-TOPSIS được đề xuất trong công việc này cung cấp một quyết định nhất quán và thể hiện tính mạnh mẽ so với AHP, và được xem là một kỹ thuật tiên tiến
5 Evaluation of the smart reverse logistics development scenarios using a novel MCDM model
- Tác giả : Mladen Krstić , Giulio Paolo Agnusdei và các cộng sự ( 2022 )
- Mục đích của nghiên cứu này là lựa chọn kịch bản phát triển hệ thống logistics thông minh , hứa hẹn làm kim chỉ nam cho việc ra quyết định trong quá trình xây dựng hệ thống bền vững cho nền kinh tế tuần hoàn và chuỗi cung ứng khép kín Để giải quyết vấn đề đã xác định, một mô hình ra quyết định đa tiêu chí kết hợp các phương pháp như : Delphi, quy trình mạng phân tích (ANP) và xếp hạng toàn diện dựa trên khoảng cách (COBRA) Việc áp dụng mô hình hứa hẹn giúp đỡ lựa chọn được phương án thích hợp , các nguồn lực cần thiết và được áp dụng rộng rãi trong nền Công nghiệp 4.0
6 Development of an improvement framework for warehouse processes using lean six sigma (DMAIC) approach A case of third party logistics (3PL) services
- Nghiên cứu nhằm mục đích phát triển một khuôn khổ cải tiến các quy trình kho hàng bằng cách cải thiện hiệu quả quy trình bằng cách sử dụng phương pháp Lean Six Sigma (DMAIC) Một nghiên cứu thực tế đã được sử dụng để minh họa việc đánh giá các quy trình hiện có trong kho của một công ty hậu cần bên thứ ba, tập trung vào năng suất bằng cách sử dụng các công cụ tinh gọn kho Dựa trên đánh giá kho hàng, người ta quan sát thấy các hoạt động không có giá trị gia tăng cao dẫn đến hiệu suất quy trình chỉ là 40% Sau khi triển khai phương pháp, hiệu suất của chu trình quy trình được cải thiện lên tới 70%, một quá trình khuôn khổ được thiết lập nhằm giảm thiểu lãng phí
7 Improvement of warehouse logistics based on the introduction of lean manufacturing principles
- Bài viết xem xét đội hậu cần kho bãi và các vấn đề liên quan đến việc tối ưu hóa nó Nghiên cứu tập trung vào trường hợp nhập kho tại Coca-Cola HBC Russia ở Moscow Xem xét kết quả thu được từ việc nghiên cứu đối tượng, đối tượng nghiên cứu và phân tích thị trường bất động sản công nghiệp và kho bãi, có thể kết luận rằng việc cải thiện quy trình kho bãi là rất quan trọng Kết quả của nghiên cứu là một dự án đầu tư đã được phát triển để cải thiện hoạt động của tổ hợp sản xuất và kho hàng Coca-Cola HBC Russia ở Moscow, hạng mục đầu tư chính là : tăng tỷ lệ sử dụng khối lượng hữu ích ( utilization )của kho và giảm chi phí phục vụ thành phẩm Việc thực hiện giúp cải tiến liên tục các quy trình kinh doanh nội bộ và tối ưu hóa chi phí, do đó các biện pháp đang được triển khai nhằm giảm chi phí bằng cách giảm tổn thất trong quá trình tồn kho và cải thiện quy trình hậu cần nội bộ, bao gồm vận chuyển hàng hóa, chọn đơn hàng và vận chuyển thành phẩm
8 Implications of using Industry 4.0 base technologies for lean and agile supply chains and performance
- Tác giả : Diéssica de Oliveira-Dias , Juan Manuel Maqueira-Marin và các cộng sự (2023)
- Bài báo nhằm mục đích tìm hiểu mối quan hệ giữa các công nghệ Công nghiệp 4.0 và các chiến lược chuỗi cung ứng tinh gọn và linh hoạt, đồng thời xác định các tác động đối với hiệu suất hoạt động của công ty đầu mối Dự trên một mô hình phương trình cấu trúc được sử dụng để phân tích dữ liệu thu thập từ 256 công ty sản xuất trọng điểm của Tây Ban Nha Kết quả chỉ ra rằng các công nghệ 4.0 không có tác động tương tự đối với các chiến lược chuỗi cung ứng tinh gọn và linh hoạt Mặc dù các công nghệ 4.0 có thể làm cho chuỗi cung ứng trở nên gọn gàng hơn nhưng người ta nhận thấy chúng không có tác động trực tiếp đáng kể đến việc triển khai chuỗi cung ứng linh hoạt Hơn nữa, các phát hiện cho thấy mối quan hệ trực tiếp giữa phương pháp tiếp cận tinh gọn và phương pháp tiếp cận linh hoạt tạo ra hiệu ứng
- Tác giả : Zhongyuan Lyu, Peng Lin cùng các cộng sự ( 2020 )
- Gần đây, một số nhà sản xuất lớn đã đầu tư rất lớn cho công nghiệp 4.0 và tự động hóa kho hàng nhằm tạo điều kiện thuận lợi cho các hoạt động lưu kho, chẳng hạn như lưu kho và lấy hàng Tuy nhiên, các hoạt động vận hành kho được tăng cường bằng tự động hóa vẫn không mang lại giá trị gia tăng và thực tế hiện nay về quy trình xử lý dư thừa đồng nghĩa với việc chi phí liên tục tăng lên cùng với nhu cầu ngày càng mở rộng Một nghiên cứu điển hình về dự án xây dựng tiền chế ở Hồng Kông được sử dụng để chứng minh quy trình cung cấp nguyên liệu giữa các đối tác trong chuỗi cung ứng khác nhau nhằm tạo cơ sở cho việc đạt được mục tiêu không cần lưu kho
10 Revealing the hidden potentials of Internet of Things (IoT) - An integrated approach using agent-based modeling and system dynamics to assess sustainable supply chain performance
- Tác giả : Suiting Ding , Hauke Ward cùng các cộng sự (2023)
- Trong bài viết hướng đến định lượng những cải tiến cho một trường hợp chuỗi hậu cần cụ thể, để hỗ trợ việc kiểm kê dữ liệu chi phí và phát thải Nghiên cứu đã khám phá tác động của công nghệ IoT đối với chuỗi cung ứng pin và đánh giá các tác động về môi trường và chi phí bằng cách sử dụng các phương pháp tiếp cận LCA và LCC Về lợi ích kinh tế và môi trường, chuỗi cung ứng IoT có lợi thế đáng kể trong việc giảm biến động hàng tồn kho và lô hàng trung bình thông qua chia sẻ thông tin chính xác và theo thời gian thực với các nút khác nhau.
Mục tiêu đề tài
Tạo một cơ sở dữ liệu đồng nhất, giúp quản lý chặt chẽ, chính xác các thông tin về vị trí hàng tồn kho Cơ sở dữ liệu này bao gồm mã hàng, mô tả hàng hóa, vị trí trong kho, thể tích, tốc độ tiêu thụ Cơ sở dữ liệu này có thể được ứng dụng để tổng hợp các thông tin cần thiết cho người kỹ sư và quản lý, đồng thời là cơ sở dữ liệu cho phần mềm của nhóm
Xây dựng phần mềm kết hợp hệ thống ra quyết định đa mục tiêu: Mức độ trực quan, tỉ lệ tận dụng thể tích, Ergonomic, khoảng cách di chuyển… giúp cho quá trình lựa chọn vị trí hàng tồn kho của người kỹ sư dễ dàng hơn, nhanh chóng hơn và có tính chính xác cao Từ đó giảm thiểu lãng phí trong quy trình châm hàng, lấy hàng tại kho Phần mềm là công cụ trực quan hóa giúp người dùng dễ dàng tương tác và thu được kết quả cần thiết.
Phương pháp nghiên cứu
Phương pháp quy nạp và diễn giải : Tổng hợp lại các kết quả, thông tin rời rạc, độc lập, thu được trong quá trình của đồ án, phân tích chúng rút ra đặc điểm, bản chất của đối tượng nghiên cứu, hướng đến mục đích nghiên cứu mà người nghiên cứu hướng đến
Phương pháp thu thập số liệu : tìm kiếm và tổng hợp thông tin, kiến thức, lý thuyết từ các nguồn đã có sẵn, hay tìm kiếm trên internet từ đó xây dựng lý luận và chứng minh và tổng hợp
Phương pháp quan sát thực tiễn: Phương pháp quan sát là phương pháp nghiên cứu khoa học sử dụng tri giác thu thập thông tin từ đối tượng Trong đồ án, nhóm sử dụng phương pháp Video analysis
Phương pháp nghiên cứu định lượng : tổng kết các kết quả nghiên cứu cụ thể bằng những con số, số liệu, kết quả chính xác được rút ra từ quá trình điều tra, khảo sát
Phương pháp thực nghiệm : tiến hành thu thập khác thông tin về đối tượng nghiên cứu thông qua việc thay đổi các môi trường, điều kiện xung quanh, yêu cầu sự tính toán cầu kỳ về các sai số cũng như sự chau chuốt trong khâu xây dựng các điều kiện xung quanh đối tượng nghiên cứu.
Nội dung thực hiện
Chương 2: CƠ SỞ LÝ THUYẾT
Chương 3: PHÂN TÍCH HIỆN TRẠNG TẠI KHO LINH KIỆN
Chương 4: ỨNG DỤNG MCDM ĐỂ THỰC HIỆN THUẬT TOÁN
Chương 5 : TÍCH HỢP MCDM VÀO HỆ THỐNG VÀ THIẾT KẾ GIAO DIỆN
Chương 6 : KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN.
Giới hạn đề tài / Giá trị thực tiễn
Phạm vi áp dụng : Thực tế tại kho hàng của công ty Schneider Electric Manufacturing Việt Nam
Thời gian thực hiện : 6 tháng kể từ lúc lựa chọn đề tài
+ Giúp người kỹ sư tại kho giảm thời gian lựa chọn vị trí của hàng hóa trong kho, giúp giảm thời gian người công nhân châm hàng và lấy hàng tại kho
+ Tăng độ tin cậy cho dữ liệu quản lý hàng hóa và mặt bằng kệ rack tại kho
+ Tăng mức độ sử dụng và tận dụng thể tích khoang chứa hàng tại kho
Kế hoạch thực hiện
Công việc Mô tả chi tiết Đảm nhận Check tiến độ Đã được duyệt
1 Tìm đề tài Nghiên cứu, quan sát thực tế tại công ty
Tìm hiểu các đề tài của anh chị khóa trước, các đề tài liên quan Đức Done Done
Trình bày, tham khảo ý tưởng và ghi nhận lời nhận xét của giáo viên hướng dẫn Đức + Khôi Done Done
Chia các phần chính, lên sườn bài, bắt đầu với nội dung lý thuyết Đức + Khôi Done Done
4 Thực hiện xử lí số liệu
Chuẩn hóa dữ liệu đầu vào Khôi Done Done
Thực hiện xử lí thuật toán
Chuẩn hóa thuật toán Đức Done Done
5 Xử lí code Chuyển dữ liệu qua code chạy tự động Đức + Khôi Done Done
Merge code dữ liệu và thuật toán, thiết kế giao diện Đức + Khôi Done Done
Hoàn thiện những phần còn lại trong đề cương Đức + Khôi Done Done
Hoàn thiện nộp Abstract bài báo, làm poster, video Đức + Khôi Done Done
CƠ SỞ LÝ THUYẾT
Lý thuyết về MCDM
MCDM (Multiple Criteria Decision Making) là một phương pháp được thiết kế để đánh giá các vấn đề có số lượng lựa chọn hữu hạn hoặc vô hạn MCDM được sử dụng rộng rãi trong việc giải quyết các bài toán ra quyết định diễn ra hàng ngày của cuộc sống Nó giúp xếp hạng các đối tượng dựa trên tập các tiêu chí đa dạng để phục vụ cho mục tiêu của người ra quyết định
Phương pháp phân tích thứ bậc AHP (Analytic Hierarchy Process – AHP) AHP là một phương pháp định lượng, dùng để đánh giá các phương án và chọn một phương án thỏa mãn các tiêu chí cho trước Thay vì yêu cầu một khối lượng dữ liệu lớn, AHP sử dụng ý kiến chuyên gia và không cần quá nhiều dữ liệu để phân tích Phương pháp AHP với 3 bước chính, đó là phân tích, đánh giá và tổng hợp AHP trả lời các câu hỏi “Nên chọn phương án nào?” hay “Phương án nào tốt nhất?”
Xác định cấu trúc thứ bậc của bài toán ra quyết định ( Bài toán MCDM ) , phân cấp từ các mục tiêu, đến các tiêu chuẩn / tiêu chí, cho đến các phương án lựa chọn Số phân cấp thường ít nhất 3 mức/cấp độ, cũng có thể nhiều hơn với mục tiêu có thể từ mục tiêu tổng quát đến các mục tiêu con, với tiêu chuẩn / tiêu chí cũng có thể từ các tiêu chuẩn chung đến các tiêu chuẩn thành phần
AHP (Analytic Hierarchy Process) có hai thành phần chính là tiêu chí (criteria) và các lựa chọn (alternatives) :
Tiêu chí (Criteria) : Đây là các yếu tố hoặc mục tiêu mà bạn muốn sử dụng để đánh giá và so sánh các lựa chọn khác nhau Tiêu chí có thể là những mục tiêu chính mà bạn muốn đạt được, ví dụ như chi phí, hiệu suất, an toàn, tiện lợi, và các yếu tố khác tùy thuộc vào bối cảnh
Các lựa chọn (Alternatives) : Đây là các tùy chọn hoặc hành động khác nhau mà bạn đang xem xét để đạt được mục tiêu Các lựa chọn có thể là các dự án, sản phẩm, chiến lược, hay bất kỳ thứ gì khác mà bạn đang cân nhắc
Trong quá trình AHP, bạn sẽ thực hiện các so sánh cặp (pairwise comparisons) để đánh giá input của AHP gồm có tiêu chí mục tiêu mà bạn muốn sử dụng để đánh giá và so sánh, cùng với các lựa chọn mà bạn đang xem xét
Công thức và các bước tính toán của AHP bao gồm các bước sau đây:
+ Bước 1: Xây dựng cấu trúc phân cấp (Hierarchical Structure) :
Xác định mục tiêu chính và các tiêu chí con (sub-criteria) cần để đánh giá lựa chọn
Liệt kê các lựa chọn (alternatives) cần đánh giá
+ Bước 2: Đánh giá so sánh cặp (Pairwise Comparisons) :
Xây dựng ma trận so sánh cặp (pairwise comparison matrix) cho mỗi cấp độ (criteria và alternatives)
Trong mỗi ma trận, điền các giá trị so sánh tương đối giữa các phần tử bằng cách sử dụng thang đo Saaty (1, 3, 5, 7, 9, và các giá trị trung gian)
Xây dựng ma trận so sánh cặp (A) với kích thước NxN (N là số tiêu chí hoặc lựa chọn) Nhập các giá trị so sánh tương đối vào ma trận A, sao cho A[i][j] biểu thị mức độ tương đối của i so với j
Ma trận có dạng như sau :
+ Bước 3: Tính toán trọng số ưu tiên (Priority Weights)
Tính toán trung bình hình học (geometric mean) cho mỗi hàng của ma trận so sánh cặp Điều này tạo ra vector trung bình cho mỗi tiêu chí và alternative
𝑛 ∑ 𝑛 𝑖=1 𝐴 𝑖𝑗 Chuẩn hóa vector trung bình bằng cách chia cho tổng các giá trị trong vector
Bảng 2.1 Bảng chấm điểm ma trận so sánh các nút
+ Bước 4 : Tính toán ma trận tổng hợp (Synthesis Matrix)
Tạo ma trận tổng hợp bằng cách nhân ma trận so sánh cặp cho mỗi cấp độ với vector trọng số tương ứng của cấp đó
Ma trận tổng hợp cho cấp độ criteria:
Ma trận tổng hợp cho cấp độ alternatives:
+ Bước 5 : Kiểm tra tính nhất quán (Consistency Check) :
Tính toán chỉ số nhất quán (CR) bằng cách so sánh tỉ lệ của giá trị riêng trung bình (λmax) của ma trận so sánh cặp với một giá trị CR ngưỡng dựa trên kích thước của ma trận.(theo Saaty, T.L,(2008) thì CR> gây ra sự thiếu thống nhất ở vị trí lưu trữ hàng vừa ở dữ liệu vừa ở thực tế
3.5.7 Xét sai bin lưu trữ hàng
Do hàng hóa trong kho được lấy ra sản xuất theo các lộ trình lấy hàng cố định (route), thông qua các rack cố định, vì vậy trong một vài trường hợp, người kỹ sư hoặc người leader có thể nhầm lẫn xét sai vị trí lưu trữ hàng Điều này gây ra một vài lãng phí như Lãng phí về di chuyển - người công nhân phải tự tách khỏi lộ trình của mình để đến bin lấy hàng kịp châm cho sản xuất Ngoài ra, người kỹ sư còn phải lãng phí thời gian và công sức rework - xét vị trí bin khác đúng với lộ trình của người công nhân lấy hàng
Hình 3.11 Chọn bin sai với lộ trình lấy hàng của công nhân
3.5.8 Các linh kiện/ nguyên vật liệu có ngoại quan giống nhau được lưu trữ gần nhau
Trong khi xét bin để lưu trữ linh kiện/ nguyên vật liệu, quy trình hiện tại không có sự cân nhắc về vấn đề trùng ngoại quan - các loại linh kiện có ngoại quan giống nhau - nên đôi khi sẽ gây ra tình trạng các mã hàng như vậy được đặt cạnh nhau Từ đó gây ra các vấn đề như người công nhân châm và lấy hàng nhầm lẫn, ảnh hưởng đến leadtime châm/ lấy hàng, sai lệch tồn kho
3.6 Phân tích nguyên nhân gốc rễ
3.6.1 Thành lập đội nhóm tìm hiểu nguyên nhân Để đánh giá chính xác và khách quan nguyên nhân gây ra các vấn đề trên, nhóm phối hợp cùng với các bên liên quan, tạo thành đội nhóm cùng nhau phân tích nguyên nhân Đội ngoài thành viên chính của nhóm đồ án ra còn có:
+ Một kỹ sư vận hành quy trình kho
+ Một nhóm trưởng nhóm hàng Fast-moving tại kho
+ Một công nhân thực hiện quy trình Lấy hàng tại kho
3.6.2 Khảo sát các nguyên nhân gây ra những vấn đề trên
Hình 3.12 Triển khai kỹ thuật phân tích video tại khu vực kệ siêu thị
Nhóm triển khai kỹ thuật phân tích video (video analysis) để có cái nhìn trực quan và chi tiết nhất các thao tác của người công nhân Các bước thực hiện:
+ Hẹn lịch làm việc chung của cả nhóm
+ Thực hiện quay video tại 2 chuyến (tour) đi lấy hàng Mỗi chuyến đi kéo dài 1 giờ 30 phút
+ Nhóm tổ chức cuộc họp, phân tích video và phân loại các hoạt động VA và NVA (Value Added và Non-Value Added)
Hình 3.13 File phân tích video từ hiện trường
Hình 3.14 Kết quả phân tích video từ hiện trường
Kết quả phân tích cho thấy thời gian chờ khi thao tác (Waiting time due to the process) như cúi người khi lấy hàng dưới thấp, cycle time tăng do lấy hàng nặng trên cao và thời gian thu nhặt hàng rơi vãi (rework) chiếm một phần lớn trong tổng thời gian không tạo ra giá trị (NVA)
3.6.2.b Khảo sát công nhân tại kho
Ngoài ra, thành viên đồ án còn trực tiếp đi theo công nhân lấy hàng trong quá trình làm để khảo sát nguyên nhân gây nên lãng phí
ỨNG DỤNG MCDM ĐỂ THỰC HIỆN THUẬT TOÁN
Chuẩn hóa dữ liệu thực tế phục vụ cho dữ liệu đầu vào
4.1.1 Xóa các bin không tồn tại thực tế trên cơ sở dữ liệu
Nhóm thực hiện rà soát số lượng bin thực tế so với cơ sở dữ liệu Các trường hợp bin cần phải loại bỏ được nêu dưới đây:
Các bin có trụ đỡ của nhà kho đi qua
Trong nhà kho, có hai cột chống chính được sử dụng để hỗ trợ kết cấu mái của kho Khi xây dựng hệ thống rack trong nhà kho, chúng ta không thể sử dụng không gian nằm trong hai cột này Tuy nhiên, trên hệ thống quản lý vị trí, vẫn hiển thị sự tồn tại của các bin (kệ) nằm trong không gian của hai cột này
Hành động : Để đảm bảo sự chính xác và sắp xếp hợp lý trong hệ thống quản lý vị trí, ta cần thực hiện hành động xóa bỏ các vị trí này trên file Excel Việc xóa bỏ các vị trí này trên file Excel có thể được thực hiện bằng cách làm theo các bước sau:
+ Mở file Excel chứa hệ thống quản lý vị trí của nhà kho
+ Tìm đến các vị trí bin (kệ) mà nằm trong không gian của hai cột chống chính
+ Chọn các vị trí đó và xóa chúng khỏi file Excel
+ Lưu lại file Excel sau khi xóa bỏ các vị trí không hợp lệ
4.1.2 Các bin đựng đai nẹp, thùng hộp rỗng
Các kiện hàng theo pallet cần phải có dây đai, nẹp nhằm đảm bảo chất lượng và an toàn trong quá trình vận chuyển, kể từ nhà cung ứng cho đến kho, rồi từ khu vực nhận hàng của kho đến kệ rack Khi người công nhân lấy hàng từ kệ rack, họ cần tháo dây đai rồi tập kết về một khu vực
Các thùng hộp chứa nguyên vật liệu, linh kiện đưa ra sản xuất sau khi được sử dụng xong, được thu gom và đem lại khu vực kho, chờ được tổng hợp rồi trả về nhà cung ứng Việc này góp phần giảm thiểu rác thải ra môi trường
Hiện tại , kho đang bố trí một vài bin cho việc lưu trữ dây đai và thùng hộp rỗng này Tuy nhiên, trong khi kiểm tra dữ liệu quản lý kho, nhóm phát hiện các bin này vẫn có trạng thái “Available”, việc này đã có lần gây sai sót cho việc chỉ định vị trí lưu kho của nguyên vật liệu mới
Rà soát một lần toàn bộ khu vực kệ siêu thị Sau đó thay đổi trạng thái các bin này trên cơ sở dữ liệu thành “Occupied” tức đã được sử dụng
4.1.3 Các bin không còn tồn tại
Sau một vài dự án có sự thay đổi mặt bằng nhà kho và kệ rack, một vài vị trí bay đã bị loại bỏ Tuy nhiên trên hệ thống vẫn còn sự tồn tại của các bay này
Hành động : Loại bỏ các bay và bin trên dữ liệu hệ thống
4.1.4 Chuẩn hóa dữ liệu về thể tích của bin
Một vài ví trí bin tầng pallet có chiều cao quá thấp, chỉ chứa được 1 lớp thùng tiêu chuẩn Như vấn đề đã nêu trên, việc này có thể gây khó khăn cho người công nhân lấy và châm hàng trong kệ siêu thị Chưa kể, việc không gian thao tác quá hẹp có thể ảnh hưởng đến các vấn đề về an toàn
Tháo bỏ các bin phía trên, nhập thành một bin pallet lớn
Hành động này vừa góp phần giảm lãng phí đã đề cập, vừa làm sạch và thống nhất dữ liệu được đưa vào hệ thống
4.1.5 Chuẩn hóa tem nhãn thể hiện thông tin bin
+ Loại thùng hộp đựng hàng hóa
Nhóm đề xuất ý tưởng sửa đổi thiết kế của các loại tem nhãn thành một tiêu chuẩn mới Việc này có những mục đích cải tiến sau:
+ Trực quan hóa dữ liệu thể hiện tên và vị trí bin Người công nhân không phải phân biệt như khi làm việc với các loại tem khác nhau
+ Khi tem nhãn được thống nhất, không phải tốn thời gian đào tạo nhân viên mới về sự khác biệt giữa các loại tem như trước
+ Không tốn nhiều loại giấy để in tem
+ Quá trình in tem đơn giản hơn vì chỉ cần một cơ sở dữ liệu và một máy in, thay vì phải in từ nhiều cơ sở dữ liệu và dùng nhiều máy in cho các loại tem khác nhau → giảm thời gian không tạo ra giá trị
4.1.6 Yêu cầu nhà cung ứng chuẩn hóa quy cách đóng gói
Nhóm đề xuất kỹ sư quy trình kho làm việc với các bên liên quan (Đội Inbound của kho, Phòng Cung ứng, Phòng Thu mua), kết nối với nhà cung ứng về việc chuẩn hóa hình dáng và kích thước thùng hộp linh kiện về kho Điều này có mục đích:
+ Chuẩn hóa thông tin hàng lưu trữ tại bin và dễ dàng cho việc tính toán thể tích của bin + Dễ dàng sắp xếp, chồng chất hàng tại bin
+ Tối ưu hóa thể tích sử dụng của bin
Tạo dữ liệu nguồn cho quá trình truy vấn khi thực hiện thuật toán
Để xây dựng cơ sở dữ liệu phục vụ cho hệ thống quản lý, nhóm sử dụng công cụ Excel, ngôn ngữ lập trình VBA, ngôn ngữ truy vấn SQL và công cụ Power Query Dữ liệu nguồn bao gồm 3 cơ sở dữ liệu chính: Danh sách bin hàng Fast-Moving, danh sách tất cả các mã hàng Fast-moving trong kho, danh sách tất cả các mã hàng Fast-Moving đang được sử dụng ngoài sản xuất
Hình 4.2 Chuẩn hóa danh sách bin chứa hàng với các thông tin cần thiết
Hình 4.3 Ứng dụng công cụ Power Query để xử lý dữ liệu từ các nguồn khác nhau
Tiếp đó, dùng công cụ Power Query để truy vấn và xử lý dữ liệu nguồn thành bảng dữ liệu cần thiết cho các bước xử lý dữ liệu tiếp theo Đối với một số bảng dữ liệu chỉ được truy vấn thông qua cơ sở dữ liệu lớn, nhóm sử dụng ngôn ngữ Truy vấn và tính năng truy vấn tích hợp sẵn trên Microsoft Excel
Các bảng dữ liệu nguồn đã được quản lý theo dạng “tidy data”:
Theo định nghĩa của Hadley Wickham, tác giả của gói phần mềm dữ liệu R và người định nghĩa khái niệm tidy data, có ba nguyên tắc chính:
+ Mỗi biến (variable) nằm trong một cột riêng: Mỗi thông tin, thuộc tính hoặc biến riêng biệt nên được đặt trong một cột duy nhất trong bảng dữ liệu Ví dụ, nếu bạn có một bảng dữ liệu về học sinh, các biến như "tên mã hàng," "số lượng scan," "Sức chứa tối đa" nên nằm trong từng cột riêng
+ Mỗi quan sát (observation) nằm trong một dòng riêng: Mỗi quan sát hoặc mẫu dữ liệu riêng biệt nên được đặt trong một dòng duy nhất trong bảng dữ liệu Điều này đảm bảo rằng thông tin liên quan đến cùng một quan sát được tổ chức gọn gàng và dễ hiểu
+ Mỗi giá trị (value) nằm trong một ô riêng: Mỗi giá trị dữ liệu nên nằm trong một ô duy nhất trong bảng dữ liệu Điều này giúp dễ dàng truy cập và xử lý dữ liệu một cách chính xác
Hiện tại, các bảng dữ liệu nguồn của nhóm đã được doanh nghiệp quản lý theo dạng chuẩn tối thiểu là 2NF và đạt yêu cầu tính toán Vì vậy nhóm không cần chuẩn hóa thêm, mà chỉ cần áp dụng công cụ Power Query để tách các cột cần thiết, đổi dạng dữ liệu (data type) và tạo thêm các cột dữ liệu (custom columns) tương ứng
Bảng Control_Cycle thuộc dạng chuẩn 2NF, khóa chính là No (Số ID Kanban)
Bảng Layout_PD1 thuộc dạng chuẩn 3NF, khóa chính là Storage Bin
Bảng Kanban Now thuộc dạng chuẩn 3NF, khóa chính là Material
Ngoài ra, để dữ liệu có độ tin cậy cao cho việc tính toán, nhóm đã sửa dữ liệu (data correcting) như đã nêu ở mục 1.
Tính toán dữ liệu đầu vào cho thuật toán - Bảng thông số các tiêu chí B1
4.3.1 Tiêu chí về khoảng cách từ bin được chọn đến bin lưu trữ lô ở kệ cao
Khoảng cách từ bin được chọn đến bin lưu trữ lô ở kệ cao là một tiêu chí quan trọng khi xác định vị trí bin Như đã đề cập ở mục 3.5.6, khoảng cách này ảnh hưởng trực tiếp đến cycle time của quy trình châm hàng từ kệ cao xuống khu vực hàng Fast-moving Nếu bin này xa so với vị trí kệ trên cao, người công nhân phải mất nhiều thời gian hơn để lấy hàng từ pallet đến vị trí bin chứa hàng Như vậy, việc đánh giá trước khoảng cách từ kệ cao cho đến tất cả các bin khả thi là quan trọng trước khi đưa vào thuật toán MCDM
Phương pháp đo lường thực tế: Đo bằng thước kéo các kích thước pallet, đo chiều dài, chiều rộng từng bay, kích thước của một bay, chiều rộng của lối đi lớn và lối đi nhỏ giữa hai rack
Cách tính toán thông số cho tiêu chí: Nhóm bố trí hệ thống Rack chứa hàng của kho trên một hệ tọa độ Oxy) Sau đó tính toán khoảng cách dựa theo thực tế khoảng cách di chuyển của người công nhân châm hàng Bởi vì khoảng cách di chuyển khác với khoảng cách theo đường chim bay, vì vậy nhóm cần thiết lập thuật toán để có thể tính được khoảng cách di chuyển thực tế giữa 2 bin bất kì (sẽ được nêu rõ hơn ở phần 5)
4.3.2 Tiêu chí về tỷ lệ tận dụng bin có sức chứa là 2n Vô tình chúng ta đã lãng phí sức chứa 1n của bin đó, vì không thể lưu một mã khác vào cùng một bin Với số lượng mã và lượng bin rất lớn, nếu không kiểm soát vấn đề này, chúng ta sẽ lãng phí một phần trăm lớn thể tích của kho Cụ thể hơn, nếu sức chứa của bin không đủ cho số lượng hộp sắp được xét vào, có thể gộp thêm thể tích của các bin kế bên tạo thành một bin có sức chứa gấp nhiều lần.Mục tiêu của bài toán này là dữ liệu đầu vào phải tự động tính được tỷ lệ tận dụng của cả trường hợp nêu trên
Vì đây là tiêu chí quan trọng, vậy nên cần tính toán và xử lý dữ liệu thành dữ liệu thứ cấp làm đầu vào cho thuật toán MCDM
Cách tính thông số cho tiêu chí: Tỉ lệ tận dụng bin được tính bằng Tổng số hộp lưu trữ của mã hàng chia cho Tổng sức chứa của bin Ví dụ Mã hàng được lưu trữ 3 thùng vào bin có sức chứa 6 thùng, tỉ lệ tận dụng sẽ là 50% Ngoài ra, nếu mã hàng được lưu trữ 12 thùng vào
2 bin liền kề có sức chứa là 6 thùng mỗi bin, tỉ lệ lưu trữ vẫn là 100% (trường hợp này gọi là gộp bin)
4.3.3 Dữ liệu về tỷ lệ sử dụng bay
Hình 4.4 Tỉ lệ sử dụng bay
Khi một bin mới sắp được chọn để lưu trữ mã hàng mới (như hình), ta nên chọn vào bay đã có tỉ lệ lưu trữ lớn hơn (dồn bin) Khi đó nếu có một mã hàng mới có thể tích lớn, có thể tận dụng bay còn trống kia để lưu trữ
Vì vậy tiêu chí tỷ lệ sử dụng của bay cũng được xem là một tiêu chí quan trọng khi chọn bin lưu trữ cho mã hàng Nhóm đã xem xét và thiết lập các tính toán cần thiết cho tiêu chí, nhằm phục vụ tính toán MCDM sau này
Cách tính thông số cho tiêu chí: Tỉ lệ sử dụng bay sẽ bằng tổng số bin đã được sử dụng trong một bay chia cho tổng số bin của bay đó Ví dụ bay có 20 bin, tổng số bin đã được sử dụng là 15, vậy tỉ lệ sử dụng bin sẽ là 75%
4.3.4 Dữ liệu về khoa học an toàn lao động – Ergonomic
Dựa theo Handbook về khoa học an toàn lao động, nguyên tắc thiết kế kệ rack hàng hóa và quy tắc sắp xếp hàng hóa tùy vào cân nặng được mô tả như sau:
Khoảng cách từ 0-150mm từ mặt đất: Nơi có nguy cơ ảnh hưởng đến an toàn lao động và công thái học cao Tránh để hàng nặng tại khu vực này Khối lượng tối đa cho hàng hóa lưu trữ ở tầng này là 6kg
Khoảng cách từ 150 mm - 800 mm: Khu vực chấp nhận được về ergonomic Tại đây tần suất châm/lấy hàng diễn ra bình thường (120 lần/ giờ) Cân nặng tối đa cho hàng hóa lưu trữ ở đây là 10kg
Khoảng cách lớn hơn 150mm Các hoạt động châm/lấy hàng tại khu vực này có nguy cơ ảnh hưởng đến sức khỏe an toàn lao động của người công nhân Vì vậy tránh để hàng hóa nặng và có tần suất hoạt động cao ở khu vực này Khối lượng tối đa cho hàng hóa lưu trữ ở đây là 6kg
Nếu lưu trữ hàng hóa vượt quá khối lượng cho phép tại từng khu vực, theo các quy tắc ergonomic được đề cập trong tài liệu, điều này có thể gây ảnh hưởng không tốt đến sức khỏe người công nhân trong một thời gian làm việc cũng như làm giảm hiệu suất làm việc
Cách tính thông số cho tiêu chí: Tính bằng tỉ số phần trăm giữa cân nặng của thùng hàng so với cân nặng tối đa mà bin cho phép Ví dụ: bin nằm ở độ cao từ 800mm-1500mm, cho phép lưu trữ hàng hóa có cân nặng tối đa là 10kg Nếu đặt một thùng hàng có cân nặng là 5kg vào bin, tỉ lệ này sẽ là 50%
4.3.5 Độ ưu tiên các route khi biết số lượng Transfer Order
Ứng dụng thuật toán MCDM
4.4.1 Lựa chọn thuật toán MCDM phù hợp
AHP và TOPSIS là phương pháp tính toán trong MCDM được tin dùng chính trong đồ án, với các lý do như : Ưu điểm AHP :
+ Định lượng giá trị của các yếu tố qua ma trận so sánh cặp các tiêu chí, ma trận được xây
+ Xem xét và đánh giá đa mục tiêu cùng một lúc, đưa ra được mức độ quan trọng dựa vào ma trận so sánh
+ AHP có tính linh hoạt cao, ứng dụng được trong nhiều lĩnh vực giúp cho người dùng phân tích, đánh giá và đưa ra quyết định tốt nhất
+ Ma trận so sánh có cơ sở lý thuyết vững chắc và được sử dụng trong nhiều lĩnh vực khác nhau, bên cạnh đó có chỉ số nhất quán giúp cho độ tin cậy của ma trận được củng cố hơn
+ AHP khó xử lý sự tương quan của các tiêu chí, gây ra một số hạn chế trong việc đưa ra quyết định Ưu điểm Topsis :
+ Là một phương pháp dễ tiếp cận và dễ áp dụng, không đòi hỏi quá phức tạp về phần toán học
+ Xử lý được nhiều tiêu chí cùng lúc và đánh giá tầm quan trọng của nó
+ Topsis dựa trên các phép đo khoảng cách và sự tương quan với giải pháp lý tưởng giúp cho việc đưa qua quyết định đáng tin cậy hơn và chính xác hơn
+ Việc xử lý các tiêu chí không thể đo lường trở nên khó khăn với Topsis
+ Trọng số là một phần quan trọng khi đưa ra quyết định trong MCDM nhưng việc xác định nó gây khó khăn đối với Topsis
Việc kết hợp 2 phương pháp giúp cho các nhược điểm được giải quyết, nhờ trọng số có độ tin cậy cao của AHP mà Topsis có thể xem xét và chuẩn hóa các tiêu chí Các quyết định đưa ra khi kết hợp cả 2 phương pháp sẽ có tính chính xác cao hơn, các tiêu chí được tính toán và chuẩn hóa một cách rõ ràng hơn
4.4.2 Xây dựng quá trình áp dụng thuật toán
Sơ đồ 4.1 Logic của quá trình áp dụng phương pháp MCDM
Sau khi lựa chọn các tiêu chí, bắt đầu bằng AHP ta sẽ xây dựng mô hình cấu trúc phân cấp như hình dưới
4.4.2.a Các bước tính toán AHP
Bảng 4.2 Bảng điểm đánh giá của các chuyên gia dựa vào mức độ quan trọng (Chương 2;
Bảng có 5 tiêu chí đánh giá và số mẫu thu thập là 6 mẫu đánh giá ( được đánh giá chấm điểm theo hàng ngang) , bảng đánh giá là giá trị trung bình của các mẫu đánh giá trước đó cho thấy mức độ quan trọng của các tiêu chí
Những ô bên mảng trái ( màu xám ) là điểm số trung bình của 6 mẫu đánh giá của chuyên gia, mảng bên trái là giá trị ngược lại
Bảng 4.3 Tính toán trọng số ( Chương 2 ; 1.2 ; Bước 3 )
Sơ đồ 4.2 Mô hình cấu trúc phân cấp ( Chương 2; 2.1; Bước 1 )
Trọng số có công thức là trung bình cộng của từng tiêu chí
Bảng 4.4 Chỉ số nhất quán ( Chương 2; 1.2; Bước 5 )
Bảng trên là bảng chuẩn hóa dữ liệu giúp tính chỉ số nhất quán, các giá trị ở ô có công thức là : Điểm số ở bảng điểm đánh giá của chuyên gia * Trọng số
Bảng 4.5 Bảng dữ liệu tính Weight và Consistency Vector ( Chương 2; 1.2; Bước 5 )
+ Chỉ số nhất quán CR sẽ được tính thông qua chỉ số CI và RI
+ CI sẽ có công thức là : (Lamda_max - N ) / ( N - 1 )
+ Trong đó N là số tiêu chí xét đến cụ thể là 5 tiêu chí
Lamda_max = Trung bình cộng của Consistency Vector
Trong hình trên có 2 chỉ số là Weight và Consistency Vector là các dữ liệu giúp tìm ra được giá trị của Lamda_max
Weight là tổng giá trị của các tiêu chí sau khi chuẩn hóa ở trên
Consistency Vector = Weight / Trọng số
Sau khi có CI nhờ vào các giá trị phụ thì ta sẽ tra giá trị CR có trong bảng dưới đây
Bảng 4.6 Bảng tham chiếu chỉ số nhất quán của điểm trọng số ( Chương 2; 1.2; Bước 5 )
Sau khi có chỉ số nhất quán hợp lý ( CR
