Đồ án tốt nghiệp Kỹ thuật công nghiệp: Nghiên cứu giải pháp cải tiến quy trình kiểm tra chất lượng sản phẩm sử dụng công cụ năng suất chất lượng kết hợp học máy trong nhận diện lỗi tự Động

Hồ Chí Minh, tháng 7/2024 NGHIÊN CỨU GIẢI PHÁP CẢI TIẾN QUY TRÌNH KIỂM TRA CHẤT LƯỢNG SẢN PHẨM SỬ DỤNG CÔNG CỤ NĂNG SUẤT CHẤT LƯỢNG KẾT HỢP HỌC MÁY TRONG NHẬN DIỆN LỖI TỰ ĐỘNG... 1 TRƯỜN

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT

THÀNH PHỐ HỒ CHÍ MINH

ĐỒ ÁN TỐT NGHIỆP NGÀNH KỸ THUẬT CÔNG NGHIỆP

GVHD: THS NGUYỄN THỊ BÍCH THƯ SVTH: TRỊNH BÁ THỊNH

BÙI LÊ ANH VŨ

TP Hồ Chí Minh, tháng 7/2024

NGHIÊN CỨU GIẢI PHÁP CẢI TIẾN QUY TRÌNH KIỂM TRA

CHẤT LƯỢNG SẢN PHẨM SỬ DỤNG CÔNG CỤ

NĂNG SUẤT CHẤT LƯỢNG KẾT HỢP HỌC MÁY

TRONG NHẬN DIỆN LỖI TỰ ĐỘNG

1

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HCM

KHOA CƠ KHÍ CHẾ TẠO MÁY

BỘ MÔN KỸ THUẬT HỆ THỐNG CÔNG NGHIỆP

ĐỒ ÁN TỐT NGHIỆP

NGHIÊN CỨU GIẢI PHÁP CẢI TIẾN QUY TRÌNH

KIỂM TRA CHẤT LƯỢNG SẢN PHẨM SỬ DỤNG

CÔNG CỤ NĂNG SUẤT CHẤT LƯỢNG KẾT HỢP

HỌC MÁY TRONG NHẬN DIỆN LỖI TỰ ĐỘNG

GVHD: ThS NGUYỄN THỊ BÍCH THƯ SVTH: TRỊNH BÁ THỊNH

MSSV: 20104058 SVTH: BÙI LÊ ANH VŨ MSSV: 20104073

Khóa : 2020-2024

TP Hồ Chí Minh, tháng 07 năm 2024

2

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HCM

KHOA CƠ KHÍ CHẾ TẠO MÁY

BỘ MÔN KỸ THUẬT HỆ THỐNG CÔNG NGHIỆP

ĐỒ ÁN TỐT NGHIỆP

NGHIÊN CỨU GIẢI PHÁP CẢI TIẾN QUY TRÌNH

KIỂM TRA CHẤT LƯỢNG SẢN PHẨM SỬ DỤNG

CÔNG CỤ NĂNG SUẤT CHẤT LƯỢNG KẾT HỢP

HỌC MÁY TRONG NHẬN DIỆN LỖI TỰ ĐỘNG

GVHD: ThS NGUYỄN THỊ BÍCH THƯ SVTH: TRỊNH BÁ THỊNH

MSSV: 20104058 SVTH: BÙI LÊ ANH VŨ MSSV: 20104073

Khóa : 2020-2024

TP Hồ Chí Minh, tháng 07 năm 2024

i

NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP Học kỳ II / năm học 2023-2024

Giảng viên hướng dẫn: ThS Nguyễn Thị Bích Thư

Sinh viên thực hiện: Trịnh Bá Thịnh MSSV: 20104058 Điện thoại: 0929508002

Bùi Lê Anh Vũ MSSV: 20104073 Điện thoại: 0947614705

1 Đề tài tốt nghiệp:

- Mã số đề tài: KCN-14

- Tên đề tài: Nghiên cứu giải pháp cải tiến quy trình kiểm tra chất lượng sản phẩm sử

dụng công cụ Năng suất Chất lượng kết hợp Học máy trong nhận diện lỗi tự động

2 Các số liệu, tài liệu ban đầu:

- Tài liệu tham khảo và hiện trường xưởng sản xuất công ty TNHH cơ khí chính xác Thịnh Phát

- Lý Bá Toàn, 6 Sigma Nội Dung Cơ Bản Và Hướng Dẫn Áp Dụng, NXB Hồng Đức,

2018

3 Nội dung chính của đồ án:

- Nhận diện các vấn đề tại hiện trường sản xuất và thực hiện các giải pháp cải tiến theo phương pháp DMAIC nhằm đạt được hiệu quả trong quá trình kiểm tra chất lượng sản phẩm đồng thời giảm số lượng lỗi, giảm sửa lỗi và tăng chất lượng sản phẩm

- Phát triển ứng dụng dự đoán và phân loại tự động các lỗi ngoại quan thông qua việc

sử dụng mô hình học máy và mạng thần kinh tích chập (CNN)

i

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP HCM CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc lập - Tự do – Hạnh phúc

KHOA CƠ KHÍ CHẾ TẠO MÁY

PHIẾU NHẬN XÉT ĐỒ ÁN TỐT NGHIỆP

(Dành cho giảng viên hướng dẫn)

Họ và tên sinh viên: Trịnh Bá Thịnh MSSV: 20104058 Hội đồng: KCN2 STT: 06

Họ và tên sinh viên: Bùi Lê Anh Vũ MSSV: 20104073 Hội đồng: KCN2 STT: 06 Tên đề tài: Nghiên cứu giải pháp cải tiến quy trình kiểm tra chất lượng sản phẩm sử dụng công cụ năng suất chất lượng kết hợp học máy trong nhận diện lỗi tự động

Ngành đào tạo: Kỹ Thuật Công Nghiệp

Họ và tên GV hướng dẫn: ThS Nguyễn Thị Bích Thư

Ý KIẾN NHẬN XÉT

1 Nhận xét về tinh thần, thái độ làm việc của sinh viên

2 Nhận xét về kết quả thực hiện của ĐATN 2.1 Kết cấu, cách thức trình bày ĐATN:

2.2 Nội dung đồ án: (Cơ sở lý luận, tính thực tiễn và khả năng ứng dụng của đồ án, các hướng nghiên cứu có thể tiếp tục phát triển)

2.3.Kết quả đạt được:

ii

2.4 Những tồn tại (nếu có):

3 Đánh giá:

4 Kết luận:

 Được phép bảo vệ

 Không được phép bảo vệ

TP.HCM, ngày tháng 07 năm 2024

Giảng viên hướng dẫn

(Ký, ghi rõ họ tên)

tối đa

Điểm đạt được

Đúng format với đầy đủ cả hình thức và nội dung của các mục 10

Mục tiêu, nhiệm vụ, tổng quan của đề tài 10

Tính cấp thiết của đề tài 10

Khả năng ứng dụng kiến thức toán học, khoa học và kỹ thuật, khoa

học xã hội…

5

Khả năng thực hiện/phân tích/tổng hợp/đánh giá 10

Khả năng thiết kế chế tạo một hệ thống, thành phần, hoặc quy trình

đáp ứng yêu cầu đưa ra với những ràng buộc thực tế

15

Khả năng cải tiến và phát triển 15

Khả năng sử dụng công cụ kỹ thuật, phần mềm chuyên ngành… 5

3 Đánh giá về khả năng ứng dụng của đề tài 10

iii

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP HCM CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc lập - Tự do – Hạnh phúc

KHOA CƠ KHÍ CHẾ TẠO MÁY

PHIẾU NHẬN XÉT ĐỒ ÁN TỐT NGHIỆP

(Dành cho giảng viên phản biện)

Họ và tên sinh viên: Trịnh Bá Thịnh MSSV: 20104058 Hội đồng: KCN2 STT: 06

Họ và tên sinh viên: Bùi Lê Anh Vũ MSSV: 20104073 Hội đồng: KCN2 STT: 06 Tên đề tài: Nghiên cứu giải pháp cải tiến quy trình kiểm tra chất lượng sản phẩm sử dụng công cụ năng suất chất lượng kết hợp học máy trong nhận diện lỗi tự động

Ngành đào tạo: Kỹ Thuật Công Nghiệp

Họ và tên GV phản biện: PGS TS Lê Minh Tài

Ý KIẾN NHẬN XÉT

1 Kết cấu, cách thức trình bày ĐATN:

2 Nội dung đồ án: (Cơ sở lý luận, tính thực tiễn và khả năng ứng dụng của đồ án, các hướng nghiên cứu có thể tiếp tục phát triển)

3 Kết quả đạt được:

4 Những thiếu sót và tồn tại của ĐATN:

5 Câu hỏi:

iv

6 Đánh giá:

7 Kết luận:

 Được phép bảo vệ

 Không được phép bảo vệ

TP.HCM, ngày tháng 07 năm 2024

Giảng viên phản biện

(Ký, ghi rõ họ tên)

tối đa

Điểm đạt được

Đúng format với đầy đủ cả hình thức và nội dung của các mục 10

Mục tiêu, nhiệm vụ, tổng quan của đề tài 10

Tính cấp thiết của đề tài 10

Khả năng ứng dụng kiến thức toán học, khoa học và kỹ thuật, khoa

học xã hội…

5

Khả năng thực hiện/phân tích/tổng hợp/đánh giá 10

Khả năng thiết kế, chế tạo một hệ thống, thành phần, hoặc quy trình

đáp ứng yêu cầu đưa ra với những ràng buộc thực tế

15

Khả năng cải tiến và phát triển 15

Khả năng sử dụng công cụ kỹ thuật, phần mềm chuyên ngành… 5

3 Đánh giá về khả năng ứng dụng của đề tài 10

v

ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HCM

KHOA CƠ KHÍ CHẾ TẠO MÁY

-

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc lập - Tư do - Hạnh phúc -

PHIẾU ĐÁNH GIÁ ĐỀ TÀI TỐT NGHIỆP HỘI ĐỒNG: KCN2 Số TT: 06

Tên đề tài: Nghiên cứu giải pháp cải tiến quy trình kiểm tra chất lượng sản phẩm sử dụng công cụ Năng suất Chất lượng kết hợp Học máy trong nhận diện lỗi tự động

Ngành đào tạo: Kỹ Thuật Công Nghiệp

Họ và tên sinh viên: Trịnh Bá Thịnh MSSV: 20104058

Họ và tên sinh viên: Bùi Lê Anh Vũ MSSV: 20104073

Họ và tên GV hướng dẫn: ThS Nguyễn Thị Bích Thư

STT Tiêu chí

Ghi chú

Minh chứng Tối

đa

Mức điểm

Chấm điểm

20

3-7

Sự phù hợp của phương pháp toán học, thống kê trong xử lý dữ liệu/Sự đáp ứng của mẫu chế tạo được ban đầu

3-7

Sự đầy đủ của dữ liệu để có thể kết luận khách 3-6

3-8

Mức độ độc lập của từng sinh viên trong nghiên cứu đề tài 3-10Hiểu biết về những hạn chế của kết quả nghiên

i

LỜI CẢM ƠN

Lời đầu tiên, nhóm chúng em xin chân thành gửi đến Ban lãnh đạo công ty Cơ khí Chính xác Thịnh Phát đã tạo điều kiện cho nhóm được thực tập tại công ty, đặc biệt gửi đến anh Trung trưởng phòng Kỹ Thuật và anh Thắng trưởng bộ phận QC đã hỗ trợ nhóm thực hiện đồ án lần này Cảm ơn các anh chị công nhân viên đã cùng hợp tác và hỗ trợ nhóm trong suốt quá trình nhóm thực hiện dự án tại công ty Bên cạnh những kết quả mà nhóm đã đạt được, nhóm cũng đã học hỏi được nhiều kiến thức và kinh nghiệm từ các anh chị ở công ty như kỹ năng làm việc, cách nhìn nhận vấn đề Trân trọng cảm ơn quý công ty đã hỗ trợ nhóm thực hiện đồ án này

Đồng thời, nhóm xin gửi lời cảm ơn đến cô Nguyễn Thị Bích Thư – giảng viên hướng dẫn cho nhóm chúng em trong đề tài lần này Cảm ơn cô đã luôn hỗ trợ, giải đáp thắc mắc và hướng dẫn nhóm trong suốt quá trình nhóm thực hiện đồ án

Trong thời gian có hạn nhóm đã thực hiện và hoàn thành tốt nhất đề tài nghiên cứu của mình, và trong quá trình này sẽ không tránh khỏi những thiếu sót Vì vậy, nhóm chúng em rất mong nhận được những góp ý từ thầy cô hướng dẫn, phản biện và các thầy

cô trong hội đồng bảo vệ để nhóm có thể chỉnh sửa và hoàn thiện đề tài nghiên cứu này Những ý kiến quý báu của thầy cô sẽ là những bài học và là nền tảng cho nhóm có thể tiến xa hơn trong tương lai

Chúng em xin chân thành cảm ơn!

Trịnh Bá Thịnh Bùi Lê Anh Vũ

xi

LỜI CAM ĐOAN

- Tên đề tài: NGHIÊN CỨU GIẢI PHÁP CẢI TIẾN QUY TRÌNH KIỂM TRA CHẤT LƯỢNG SẢN PHẨM SỬ DỤNG CÔNG CỤ NĂNG SUẤT CHẤT LƯỢNG KẾT HỢP HỌC MÁY TRONG NHẬN DIỆN LỖI TỰ ĐỘNG

- GVHD: Th.S Nguyễn Thị Bích Thư

- Họ và tên sinh viên: Trịnh Bá Thịnh – 20104058

Bùi Lê Anh Vũ – 20104073

- Địa chỉ: Tăng Nhơn Phú A - Quận 9 - TP Thủ Đức

- Số địa thoại liên hệ: 0929508002 (Thịnh)

- Email: trinhbathinh257@gmail.com

- Lời cam kết: “Chúng tôi xin cam đoan khóa luận tốt nghiệp (ĐATN) này là công

trình do chúng tôi nghiên cứu và thực hiện Chúng tôi không sao chép từ bất kỳ một bài viết nào đã được công bố mà không trích dẫn nguồn gốc Nếu có bất kỳ một sự vi phạm nào, chúng tôi xin hoàn toàn chịu trách nhiệm”

Tp Hồ Chí Minh, ngày… tháng 07 năm 2024

Ký tên

xi

TÓM TẮT

Chu trình Xác định - Đo lường - Phân Tích - Cải Tiến - Kiểm soát (DMAIC) được tác giả sử dụng trong đồ án này để tiến hành nghiên cứu về cải tiển và nâng cao hiệu quả quy trình kiểm tra chất lượng tại một doanh nghiệp chuyên gia công các sản phẩm cơ khí

có độ chính xác cao, chủ yếu tập trung vào lỗi bề mặt Chu trình DMAIC và các công cụ kiểm soát chất lượng như biểu đồ Pareto, biểu đồ xương cá, biểu đồ kiểm soát được sử dụng trong nghiên cứu để xác định, phân tích các nguyên nhân gây ra lỗi và từ đó tìm ra các giải pháp phù hợp Mã hàng 1221-A là đối tượng trong bài nghiên cứu Sau khi áp dụng chu trình DMAIC, hai lỗi chính được xác định là lỗi mặt cắt Ø6.840 và lỗi mặt cắt Ø6.845 Việc triển khai các giải pháp trong quy trình sản xuất và quy trình kiểm tra BTP của nhân viên đứng máy để giảm thiểu lỗi xuất hiện hàng loạt tránh lọt sang công đoạn tiếp theo đã mang đến cải thiện đáng kể Mức Sigma tăng từ từ 4.07 lên 4.2, tỷ lệ lỗi mặt cắt Ø6.840 giảm 32.64% và lỗi mặt cắt Ø6.845 giảm 35.71% Quy trình kiểm tra chất lượng BTP được cải thiện Tiết kiệm 54 triệu đồng/năm cho chi phí chất lượng kém Hầu hết các mã sản phẩm tại công ty đang gia công có kích thước nhỏ, số lượng đơn đặt hàng trong tuần lớn nhưng tại quy trình kiểm tra chất lượng 100% sản phẩm trước khi đóng gói để giao cho khách hàng tại doanh nghiệp vẫn dựa trên cách thực hiện thủ công dẫn đến sự chậm trễ trong việc giao hàng, đòi hỏi nhiều nhân công thực hiện, sai sót trong việc phân loại do nhân viên làm việc trong thời gian dài và chỉ kiểm tra được một số lượng hạn chế trong một ngày Nhận thấy vấn đề từ bộ phận QC đang gặp phải nên trong nghiên cứu này, nhóm tác giả sẽ xây dựng một mô hình học máy tích hợp mạng nơ-ron tích chập (CNN) để nhận diện và phân loại lỗi sản phẩm Các đặc điểm của sản phẩm đạt và sản phẩm lỗi sẽ được thu thập dựa trên các tiêu chuẩn bộ phận QC đã quy định Đối tượng được nhóm thu thập dữ liệu là mã hàng 0193-A Với gần 2500 hình ảnh mẫu cho 7 đặc điểm trên mã hàng 0193-A đã được đưa vào mô hình CNN để huấn luyện Sau nhiều lần điều chỉnh lại cấu trúc mô hình CNN, kết quả sau cùng mô hình đạt độ chính xác 99.7% trên mẫu được huấn luyện Ngoài ra, nhóm đã sử dụng ngôn ngữ lập trình Python để thiết kế một phần mềm tích hợp mô hình CNN đã được huấn luyện trước

đó nhằm dự đoán lỗi trên cả hình ảnh có sẵn và hình ảnh từ camera khi kiểm tra sản phẩm

ở thời gian thực Kết quả cho thấy mô hình đã dự đoán chính xác và nhanh chóng các đặc điểm trên hình ảnh tải lên cũng như khi sản phẩm được đặt vào vùng nhận diện của camera Bên cạnh việc dự đoán, phần mềm còn tự động thu thập hình ảnh và số liệu về số lượng sản phẩm đạt và không đạt chất lượng trong quá trình kiểm tra Từ các số liệu thu thập được, phần mềm sẽ tự động vẽ biểu đồ Pareto để sắp xếp và thể hiện thứ tự số lượng của từng lỗi

xi

MỤC LỤC

LỜI CẢM ƠN i

LỜI CAM ĐOAN xi

TÓM TẮT xi

MỤC LỤC xi

DANH MỤC CÁC TỪ VIẾT TẮT xi

DANH MỤC BIỂU ĐỒ VÀ HÌNH ẢNH xi

DANH MỤC BẢNG BIỂU xi

CHƯƠNG 1: TỔNG QUAN 1

1.1 Giới thiệu 1

1.2 Các công trình liên quan đến đề tài nghiên cứu 2

1.3 Mục tiêu và phương pháp nghiên cứu 4

1.3.1 Mục tiêu 4

1.3.2 Phương pháp nghiên cứu 4

1.4 Tính cấp thiết của đề tài 5

1.5 Phạm vi thực hiện 5

1.6 Nội dung thực hiện 5

1.7 Kế hoạch thực hiện 6

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 8

2.1 Công cụ năng suất chất lượng 8

2.1.1 Giới thiệu về công cụ năng suất chất lượng 8

2.1.2 Các công cụ năng suất chất lượng trong công nghiệp 8

2.1.3 Ưu điểm của công cụ năng suất chất lượng 9

2.2 Lý thuyết Six-Sigma 9

2.2.1 Định nghĩa Six-Sigma 9

2.2.2 Mục đích của Six-Sigma 9

2.2.3 Lợi ích của Six – Sigma 10

2.2.4 Chu trình DMAIC trong Six-Sigma 11

2.3 Bảy công cụ quản lý chất lượng 13

2.3.1 Biểu đồ Pareto 13

2.3.2 Phiếu kiểm tra 15

2.3.3 Biểu đồ xương cá 16

2.3.4 Lưu đồ 17

2.3.5 Biểu đồ phân tán 17

xii

2.3.6 Biểu đồ phân bố 18

2.3.7 Biểu đồ kiểm soát 19

2.4 Mạng thần kinh tích chập (Convolutional Neural Network – CNN) 20

2.4.1 Giới thiệu về mạng CNN 20

2.4.2 Cấu trúc về mạng CNN 21

2.4.3 Ứng dụng của mạng CNN 22

2.5 Học máy trong nhận diện lỗi tự động 22

2.5.1 Khái niệm về học máy 22

2.5.2 Mục đích dùng học máy trong nhận diện lỗi tự động 23

2.6 Trình duyệt Kaggle, Visual Studio Code, ngôn ngữ lập trình Python, thư viện Tkinter và OpenCV hỗ trợ thiết kế giao diện 23

2.6.1 Trình duyệt Kaggle 24

2.6.2 Phần mềm Visual Studio Code 24

2.6.3 Ngôn ngữ lập trình Python 25

2.6.4 Thư viện Tkinter 25

2.6.5 Thư viện OpenCV 25

CHƯƠNG 3: HIỆN TRẠNG QUY TRÌNH KIỂM TRA CHẤT LƯỢNG TẠI CÔNG TY CƠ KHÍ CHÍNH XÁC THỊNH PHÁT 26

3.1 Giới thiệu về công ty 26

3.1.1 Thông tin cơ bản 26

3.1.2 Lịch sử hình thành 26

3.1.3 Tầm nhìn và cách mạng 27

3.1.4 Giá trị cốt lõi 27

3.1.5 Lĩnh vực hoạt động 27

3.1.6 Sản phẩm 28

3.1.7 Cơ cấu tổ chức của công ty 29

3.2 Quy trình kiểm tra chất lượng (QC) 29

3.2.1 Tổng quan về quy trình kiểm tra chất lượng tại công ty 29

3.2.2 Giới thiệu về mã hàng 0193-A, 1221-A và quy trình kiểm tra chất lượng của cả hai mã hàng 32

3.2.3 Thực trạng của bộ phận QC đang gặp phải 34

CHƯƠNG 4: ÁP DỤNG CHU TRÌNH DMAIC CẢI TIẾN CHẤT LƯỢNG MÃ HÀNG 1221-A 37 4.1 Xác định vấn đề (Define) 37

4.1.1 Thu thập dữ liệu và xác định đối tượng cải tiến chất lượng 37

xiii

4.1.2 Phân tích tiếng nói của khách hàng và doanh nghiệp (VOC&VOB) 38

4.1.3 Phạm vị của dự án cải tiến 39

4.1.4 Bảng kế hoạch 40

4.2 Đo lường (Measure) 41

4.3 Phân tích (Analyze) 45

4.3.1 Đặc điểm các lỗi mặt cắt 45

4.3.2 Phân tích và tìm nguyên nhân gốc rễ 46

4.4 Cải tiến (Improve) 49

4.4.1 Thay đổi kệ để phôi 49

4.4.2 Gắp phoi ra khỏi ổ dao 50

4.4.3 Cải tiến phiếu kiểm tra BTP 52

4.4.4 Trực quan hóa các lỗi ngoại quan hay xảy ra 54

4.4.5 Kết quả sau khi cải tiến 55

4.5 Kiểm soát (Control) 56

4.6 Hiệu quả về mặt kinh tế 60

CHƯƠNG 5: ÁP DỤNG HỌC MÁY TRONG VIỆC THIẾT KẾ VÀ XÂY DỰNG PHẦN MỀM NHẬN DIỆN LỖI TỰ ĐỘNG 62

5.1 Tiêu chuẩn kiểm tra chất lượng sản phẩm của bộ phận QC 62

5.1.1 Tổng quan các tiêu chuẩn kiểm tra chất lượng hiện tại của bộ phận kiểm tra chất lượng (QC) 62

5.1.2 Đánh giá phương pháp kiểm tra hiện tại và những hạn chế của chúng 63

5.1.3 Tính cấp thiết của tự động hóa quy trình kiểm tra chất lượng bằng mô hình học máy 64

5.2 Thu thập dữ liệu và xây dựng mô hình CNN 64

5.2.1 Phương pháp thu thập dữ liệu các đặc điểm sản phẩm lỗi và sản phẩm đạt chất lượng 64

5.2.2 Xử lý dữ liệu trước khi xây dựng mô hình học máy (CNN) 65

5.2.3 Xây dựng mô hình CNN để nhận diện đặc điểm từ dữ liệu đã thu thập 67

5.2.4 Huấn luyện và đánh giá kết quả của mô hình trên dữ liệu Test 68

5.3 Thiết kế phần mềm nhận diện lỗi bằng ngôn ngữ lập trình Python 70

5.3.1 Phân tích yêu cầu về giao diện người dùng và tính năng cần có 70

5.3.2 Giao diện đồ họa người dùng 72

5.3.3 Logic xử lý dữ liệu và hoạt động của mô hình học máy đưa ra dự đoán 81

5.3.4 Lưu lại kết quả kiểm tra và vẽ biểu đồ thể hiện xu thế lỗi xuất hiện 83

5.4 Kết quả thu được sau khi sử dụng phần mềm 83

xiv

5.4.1 Sử dụng phầm mềm nhận diện lỗi trên hình ảnh mã hàng 0193-A 83

5.4.2 Sử dụng phần mềm nhận diện sản phẩm trong thời gian thực 84

5.4.3 Thống kê và phân tích kết quả thu được 86

5.5 Đánh giá tác động khi sử dụng phần mềm 90

5.5.1 Các kết quả mà phần mềm đem lại 90

5.2.2 Hiệu quả về kinh tế 90

CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 92

6.1 Kết luận 92

6.2 Hạn chế 92

6.3 Hướng phát triển có thể triển khai trong tương lai 93

TÀI LIỆU THAM KHẢO 94

PHỤ LỤC 96

xi

DANH MỤC CÁC TỪ VIẾT TẮT

Từ viết tắt Giải thích (Tiếng Anh) Giải thích (Tiếng Việt)

DMAIC Define - Measure - Analyze - Improve -Control Xác định - Đo lường - Phân tích

- Cải tiến - Kiểm soát

Đánh giá - Cải tiến

5S Sort - Set in order - Shine - Standardize -

Sustain

Sàng lọc Sắp xếp Sạch sẽ Săn sóc - Sẵn sàng

-SIPOC Supplier-Input-Process-Output-Customer Nhà cung cấp - Đầu vào - Quy

trình - Đầu ra - Khách hàng

SMART Specific- Measurable- Actionable- Relevant-

PQC Process Quality Control Kiểm soát chất lượng quy trình

CNC Computer Numerical Control Máy gia công cơ khí điều kiển

tự động ISO International Organization for Standardization Tổ chức Tiêu chuẩn hóa Quốc tế

xi

DANH MỤC BIỂU ĐỒ VÀ HÌNH ẢNH

Hình 2.1 Năm giai đoạn DMAIC 11

Hình 2.2 Biểu đồ Pareto Chart 14

Hình 2.3: Phiếu thu thập dữ liệu dạng kiểm tra đánh dấu theo mục định sẵn [12] 15

Hình 2.4: Biểu đồ nhân quả 16

Hình 2.5: Lưu đồ quy trình (Flow Chart) 17

Hình 2.6: Biểu đồ phân tán (Scatter Diagram) 18

Hình 2.7: Biểu đồ phân bố (Histogram) 19

Hình 2.8: Biểu đồ kiểm soát tổng sản phẩm đạt 20

Hình 2.9: Cấu trúc của mạng CNN 21

Hình 2.10: Giao diện trình duyệt Kaggle 24

Hình 2.11: Giao diện phần mềm Visual Studio Code 25

Hình 3.1: Hình ảnh các chi tiết công ty gia công 27

Hình 3.2: Sơ đồ cơ cấu tổ chức các phòng ban của công ty 29

Hình 3.3: Quy trình kiểm tra NVL đầu vào 30

Hình 3.4: Quy trình kiểm tra BTP 31

Hình 3.5: Quy trình kiểm tra TP 32

Hình 3.6: Mã hàng 0193-A của công ty 32

Hình 3.7: Mã hàng 1221-A của công ty 33

Hình 3.8: Máy tiện Cames gia công mã hàng 1221-A 33

Hình 3.9: Quy trình sản xuất và kiểm soát chất lượng cả hai mã hàng của công ty 34

Hình 3 10: Nhân viên QC kiểm tra BTP sản xuất ngày hôm trước 35

Hình 3.11: Hình ảnh các nhân viên QC kiểm tra 100% TP 35

Hình 3 12: Hình ảnh bàn dụng cụ, thiết bị kiểm tra BTP 36

Hình 4.1: Tỷ lệ lỗi các mã hàng từ 04 – 10/09/2023 37

Hình 4.2: Quy trình sản xuất mã hàng 1221-A 40

Hình 4.3 Quy trình lấy mẫu kiểm tra BTP nhân viên đứng máy 42

xii

Hình 4.4 Phiếu báo số lượng sản phẩm cần xử lý lại 43

Hình 4.5 Phiếu báo số lượng sản phẩm hủy 43

Hình 4.6 Biểu đồ Pareto thể hiện thứ tự các lỗi của mã hàng 1221-A 45

Hình 4.7 Hình ảnh lỗi mặt cắt Ø6.840 của mã hàng 1221-A 46

Hình 4.8 Hình ảnh lỗi mặt cắt Ø6.845 của mã hàng 1221-A 46

Hình 4.9 Biểu đồ xương cá phân tích lỗi của mặt cắt 47

Hình 4.10 Kệ để phôi trước cải tiến 50

Hình 4.11 Kệ để phôi sau cải tiến 50

Hình 4.12 Phoi dính trên dao và ổ dao 51

Hình 4.13 Nhân viên đứng máy thực hiện gắp Phoi ra khỏi ổ dao 51

Hình 4.14 Vị trí để dụng cụ gắp Phoi 52

Hình 4.15 Phiếu kiểm tra BTP trước cải tiến 53

Hình 4.16 Phiếu kiểm tra BTP sau cải tiến 53

Hình 4.17 Trực quan các lỗi hay xuất hiện của mã hàng 54

Hình 4.18 Bản trực quan các lỗi được gắn trên ô Chất Lượng 54

Hình 4.19 Biểu đồ cột so sánh số lượng 2 lỗi trước và sau cải tiến 56

Hình 4.20 Phiếu Excel kiểm soát bán thành phẩm 57

Hình 4.21 Biếu đồ kiểm soát lỗi mặt cắt Ø6.840 59

Hình 4.22 Biếu đồ kiểm soát lỗi mặt cắt Ø6.845 60

Hình 5.1: Các thư mục gán tên theo từng đặc điểm sản phẩm 64

Hình 5.2: Hình ảnh đặc điểm trong thư mục Bề Mặt Đạt 65

Hình 5.3: Các thư mục Train, Validation và Test cho dữ liệu huấn luyện 65

Hình 5.4: Các thư mục Train, Validation và Test được đưa lên Kaggle 66

Hình 5.5: Tạo ra lớp ImageDataGenerator để chỉnh sửa ảnh 66

Hình 5.6: Tạo bộ dữ liệu cho tập Train 66

Hình 5.7: Trích xuất chỉ số của các lớp từ tập dữ liệu huấn luyện 67

Hình 5.8: Cấu trúc mạng CNN 68

xiii

Hình 5.9: Biên dịch và huấn luyện mô hình 68

Hình 5.10: Quá trình huấn luyện mô hình theo từng epoch 69

Hình 5.11: Giá trị hàm mất mát và độ chính xác của mô hình 69

Hình 5.12: Biểu đồ đánh giá mô hình huấn luyện qua từng Epoch 69

Hình 5.13: Kết quả thu được khi kiểm tra trong tập Test 70

Hình 5.14: Mô hình đã huấn luyện được lưu vào định dạng h5 70

Hình 5.15: Ý tưởng ban đầu về giao diện người dùng 72

Hình 5.16: Giao diện đăng nhập của ứng dụng 73

Hình 5.17: Bảng thông báo khi người dùng nhập sai mật khẩu 73

Hình 5.18: Bảng thông báo khi người dùng nhập sai tên đăng nhập và mật khẩu 74

Hình 5.19: Giao diện màn hình chính khi đăng nhập thành công 74

Hình 5.20: Các thành phần trong giao diện chính 75

Hình 5.21: Giao diện màn hình chính khi nhấn nút Kiểm Tra Hình Ảnh 75

Hình 5.22: Truy cập vào bộ nhớ máy khi nhấn nút “Chọn Ảnh” 76

Hình 5.23: Khu vực hiển thị hình ảnh đã chọn 76

Hình 5.24: Khu vực hiển thị kết quả dự đoán 77

Hình 5.25: Hình ảnh và kết quả kiểm tra được xóa khi nhấn nút Xóa Ảnh 77

Hình 5.26: Màn hình quay trở lại ban đầu khi nhấn nút Đóng 78

Hình 5.27: Phần mềm chuyển sang mở màn hình Camera 78

Hình 5.28: Màn hình hiển thị hình ảnh trực tiếp từ Camera 79

Hình 5.29: Truy cập vào thư mục chứa kết quả kiểm tra 80

Hình 5.30: Truy cập vào thư mục chứa hình ảnh kiểm tra 80

Hình 5.31: Icon phần mềm trên màn hình Desktop 81

Hình 5.32: Tinh chỉnh ảnh trước khi đưa và mô hình dự đoán 81

Hình 5.33: Các chỉ số xác xuất của từng nhãn 81

Hình 5.34: Lưu đồ quy trình dự đoán lỗi từ ảnh được tải lên 82

Hình 5.35: Khu vực hiển thị kết quả dự đoán 82

xiv

Hình 5.36: Kết quả khi kiểm tra từ hình ảnh có sẵn 83Hình 5.37: Thông báo chọn lại ảnh khi mô hình không nhận diện được 84Hình 5.38: Sản phẩm khi chưa nằm trong vùng nhận diện 84Hình 5.39: Kết quả khi mô hình nhận diện sản phẩm đạt chất lượng 85Hình 5.40: Kết quả khi mô hình nhận diện sản phẩm không đạt chất lượng 85Hình 5.41: Folder chứa kết quả kiểm tra và biểu đồ thống kê được mở 86Hình 5.42: Tên các file chứa ngày kiểm tra 87Hình 5.43: Liệt kê kết quả mô hình nhận diện trong file excel 87Hình 5.44: Số lượng sản phẩm được kiểm tra 88Hình 5.45: Biểu đồ Pareto phần mềm tự động thống kê 89Hình 5.46: Thư mục chứa hình ảnh phần mềm chụp lại trong quá trình kiểm tra 89Hình 5.47: Hình ảnh nhận diện được chụp lại trong quá trình kiểm tra 90

xi

DANH MỤC BẢNG BIỂU

Bảng 2.1: Bảng 6 cấp độ của Six-Sigma 10Bảng 3.1: Một vài sản phẩm công ty Thịnh Phát đang gia công 28 Bảng 4.1 Phân tích tiếng nói khách hàng - doanh nghiệp (VOC-VOB) 38Bảng 4.2 Điểm quan trọng về chất lượng (CTQ) 39Bảng 4.3 Sơ đồ SIPOC xác định phạm vi của dự án 39Bảng 4.4 Xác định mục tiêu dự án theo nguyên tắc SMART 40Bảng 4.5 Bảng kế hoạch của dự án 41Bảng 4.6 Bảng thống kê tần suất xuất hiện các lỗi 44Bảng 4.7 Số lượng sản xuất của mã hàng 1221-A từ 11-16/09/2023 44Bảng 4.8: 5Whys phân tích lỗi mặt cắt 47Bảng 4.9 Các biện pháp khắc phục 49Bảng 4.10 Bảng so sánh số lượng của hai lỗi trước và sau cải tiến 55Bảng 4.11 Bảng tổng hợp các lỗi trước và sau cải tiến 55Bảng 4.12: Bảng kiểm soát dự án 56Bảng 4.13: Bảng kiểm soát 15 ngày của hai lỗi mặt cắt 57Bảng 4.14 Bảng tỷ lệ của hai lỗi mặt cắt 58Bảng 4.15 Giá trị các đường giới hạn của 2 lỗi chính 58Bảng 4.16 So sánh chi phí cho xử lý lỗi trước và sau cải tiến 61Bảng 5.1: Bảng tiêu chuẩn kiểm tra chất lượng mã hàng 0193-A 62Bảng 5.2: Bảng điều kiện khi Camera kiểm tra sản phẩm 0193-A 88Bảng 5.3: Bảng ước tính chi phí và năng suất khi sử dụng hệ thống nhận diện 91

1

CHƯƠNG 1: TỔNG QUAN 1.1 Giới thiệu

Thời đại công nghiệp 4.0 mở ra thời kỳ kỷ nguyên số, dữ liệu lớn (big data) là bức tranh tổng quan đánh giá quá trình sản xuất của doanh nghiệp, từ đó phát hiện kịp thời các sai hỏng và triển khai nhanh chóng các biện pháp khắc phục Hơn nữa, máy móc thiết

bị cùng quá trình tự động hóa hỗ trợ quá trình sản xuất hàng loạt đồng bộ theo tiêu chuẩn

và cải thiện năng lực có giới hạn của con người Chính vì vậy, các doanh nghiệp luôn quan tâm và chủ động tiếp cận các phương pháp quản lý sản xuất hiện đại, áp dụng trí tuệ nhân tạo (AI) vào chuỗi sản xuất của mình đang là xu hướng mang lại lợi ích về sức người và giảm thiểu lãng phí trong tương lai

Ngành sản xuất trong lĩnh vực cơ khí, đặc biệt là cơ khí chính xác, việc kiểm tra chất lượng sản phẩm là không thể thiếu, kiểm tra bán thành phẩm (BTP) trong các công đoạn sản xuất và kiểm tra thành phẩm trước khi giao đến tay khách hàng đóng vai trò cực

kỳ quan trọng trong hoạt động của doanh nghiệp Việc này không chỉ đảm bảo rằng sản phẩm đáp ứng không chỉ yêu cầu khách hàng trong, ngoài doanh nghiệp mà còn là yếu tố quyết định về tính cạnh tranh về giá thành, chi phí sản xuất của doanh nghiệp Với đặc điểm là sản phẩm cực kỳ tỉ mỉ và độ chính xác cao trong ngành cơ khí chính xác, quy trình kiểm tra chất lượng thành phẩm, BTP cần rõ ràng, chi tiết và dễ thực hiện Tuy nhiên, các doanh nghiệp vừa và nhỏ trong ngành cơ khí chính xác ở Việt Nam, đặc biệt là tại công ty Thịnh Phát hiện nay, quá trình kiểm tra chất lượng thường phụ thuộc nhiều vào kinh nghiệm cá nhân hơn là tuân theo các tiêu chuẩn được hướng dẫn, phụ thuộc nhiều vào năng lực con người hơn là áp dụng máy móc tự động hóa Điều này mang lại những rủi ro không mong muốn về việc tồn tại sản phẩm lỗi khi sản phẩm được giao đến khách hàng, dẫn đến chi phí sản xuất tăng cao do quy trình làm lại, sửa lỗi, tổn hao nguyên vật liệu, và quan trọng hơn hết là ảnh hưởng đến lòng tin của khách hàng và uy tín của doanh nghiệp

Đề tài "Nghiên cứu giải pháp cải tiến quy trình kiểm tra chất lượng sản phẩm sử dụng công cụ năng suất chất lượng kết hợp học máy trong nhận diện lỗi tự động" áp dụng chu trình cải tiến DMAIC nhằm nhận diện, kiểm soát lỗi và cải tiến hiện trường sản xuất

từ đó cải thiện hiệu quả cho quy trình kiểm tra chất lượng một cách linh hoạt, hiệu quả góp phần nâng cao chất lượng sản phẩm, tăng cường khả năng đáp ứng yêu cầu khách hàng Bên cạnh việc áp dụng Six Sigma, nghiên cứu cũng đã áp dụng kỹ thuật tiên tiến của học máy đặc biệt là mạng thân kinh tích chập (CNN) để thiết kế phần mềm nhận diện lỗi tự động cho một mã sản phẩm của công ty cơ khí chính xác Thịnh Phát Kết quả của

2

nghiên cứu tạo ra một phần mềm có khả năng phát hiện và phân loại lỗi một cách tự động, nhanh chóng và chính xác cùng với một giao diện thân thiện và dễ sử dụng

1.2 Các công trình liên quan đến đề tài nghiên cứu

Giảm các lỗi đường sơn trong bộ giảm xóc thông qua các giai đoạn DMAIC của Sigma [1]

6-Nghiên cứu tập trung vào việc giảm/loại bỏ lỗi trong quá trình phun sơn cho các bộ phận giảm xóc, đó là bong tróc và phồng rộp bằng cách sử dụng phương pháp 6-Sigma (DMAIC) có ảnh hưởng lớn đến chất lượng Kết quả sau cùng là mức Sigma tăng từ 3.31 lên 4.5 tối ưu việc loại bỏ lỗi bong tróc và phồng rộp trong quá trình sơn bộ giảm xóc

Giảm thiểu những chỉnh sửa trong công nghiệp sản xuất dây cua roa nhờ ứng

dụng DMAIC [2]

Nội dung bài báo trình bày về việc cải tiến chất lượng ở dây cua toa REC trong công nghiệp Áp dụng chu trình cải tiến 5 bước là Xác định, Đo lường, Phân tích, Cải tiến, Kiểm soát Nhờ cải tiến cho vải Thô trong ứng dụng DMAIC, doanh nghiệp đạt được bước đột phá trong việc giảm thiểu làm lại vải nhờ phương pháp 6-Sigma DMAIC, với mức Sigma trước cải tiến là 2.7 và mức Sigma sau cải thiện là 3.2

Ứng dụng Lean và 6-Sigma để nâng cao năng suất và chất lượng sản phẩm tại Công ty Gỗ Tân Thành [3]

Đồ án tốt nghiệp của anh Hoàng Khang và Nhật Huy Khóa 18 thực hiện ứng dụng DMAIC tại công ty Gỗ Tân Thành tập trung vào cải thiện chất lượng sản phẩm Ghế DAYNA Áp dụng chu trình cải tiến 5 bước là Xác định, Đo lường, Phân tích, Cải tiến, Kiểm soát Nhờ việc áp dụng quy trình để cải tiến mà tỉ lệ lỗi giảm đáng kể, lỗi móp giảm 38,89%, lỗi sai màu giảm 40,63% và độ hở giảm 43,33% Mức Sigma tăng từ 2,75 lên 3,0 tiết kiệm được hơn 130 triệu đồng/năm phải trả cho chi phí chất lượng kém

Ứng dụng Lean và 6-Sigma để nâng cao năng suất và chất lượng sản phẩm tại Công ty Điện Quang [4]

Đồ án tốt nghiệp của anh Nguyễn Thành Đông và Trần Hữu Trọng khóa 17 ngành

Kỹ Thuật Công Nghiệp thực hiện ứng dụng DMAIC nhằm giảm thiểu tỷ lệ lỗi cho sản phẩm đèn LED BU-50W tại công ty Điện Quang Áp dụng chu trình cải tiến 5 bước là Xác định, Đo lường, Phân tích, Cải tiến, Kiểm soát Nhờ việc cải tiến mà tỉ lệ lỗi giảm đáng kể, lỗi móp đầu đèn giảm 26,18%, lỗi đầu đèn lắp sai giảm 16,38% và đèn không sáng giảm 11,61% Mức Sigma tăng từ 3,5 lên 6,63 và tiết kiệm 182.000.000(VNĐ)

Nghiên cứu ứng dụng mạng neural network cho hệ thống kiểm tra linh kiện điện

tử thời gian thực [6]

Bài báo trình bày việc sử dụng công nghệ xử lý hình ảnh để phân tích và kiểm tra các linh kiện điện tử trên mạch in PCB trong thời gian thực Tác giả đã áp dụng mô hình mạng thần kinh tích chập (CNN) 53 lớp để trích xuất đặc điểm và dự đoán đối tượng trong hình ảnh mới Mô hình thử nghiệm được tích hợp vào một trạm phân loại mạch in PCB có năng suất 120 sản phẩm mỗi giờ Kết quả thử nghiệm trong nhiều môi trường làm việc khác nhau cho thấy hệ thống đạt độ chính xác lên tới 96% Để đánh giá hiệu quả của hệ thống, các hiệu ứng nhiễu môi trường như chế độ sáng, kích thước hình ảnh và nền cũng đã được tính đến

Phát hiện khuyết tật vải bằng mạng thần kinh tích chập nhúng lớp [7]

Trong bài báo này, tác giả đã phát triển cho hệ thống kiểm tra khuyết tật vải trên máy dệt bằng cách liên kết các kỹ thuật tiền xử lý hình ảnh, xác định hoạ tiết vải, tạo ra bản đồ khuyết tật ứng viên và mạng thần kinh tích chập (CNNs) Nhờ sử dụng mô hình lớp kích hoạt được nhúng vào mô hình của mạng CNN, dẫn đến độ chính xác khi xác định khuyết tật trên các loại vải với các đặc trưng phức tạp và tập dữ liệu không cân đối

Độ chính xác trung bình và khả năng nhận biết lại các khuyết tật trong các hình ảnh lần lượt là hơn 90% và 80% và độ chính xác trong việc đếm số lượng khuyết tật từ một tập

dữ liệu vượt qua 98%

Phương pháp phân loại khuyết tật bề mặt thép sử dụng bộ phân loại mạng nơ-ron tích chập [8]

Bài báo nghiên cứu cách nhận diện và phân loại khuyết tật bề mặt thép bằng cách sử dụng một phần của mô hình VGG16 và để làm bộ phân loại, sử dụng mạng thần kinh tích

4

chập (CNN) Tập dữ liệu đã được thử nghiệm theo phương pháp của Đại học Đông Bắc (NEU) với sáu loại khuyết tật bề mặt thép Kết quả cho thấy độ chính xác phân loại đạt 99.44%, vượt trội hơn so với các phương pháp hiện có Công trình đã tiếp cận hiệu quả cho việc kiểm tra chất lượng trong công nghiệp sản xuất thép

Phương pháp giám sát và phát hiện lỗi uốn cong trong Quy trình Sintering Laser

chọn lọc bằng phương pháp đo nhiệt hồng ngoại và mạng nơ-ron tích chập [9]

Công trình tập trung vào việc áp dụng hình ảnh nhiệt hồng ngoại và mạng nơ-ron tích chập trong công trình để giám sát quy trình Sintering Laser và phát hiện lỗi uốn cong Kết quả nghiên cứu cho thấy mô hình CNN có khả năng phát hiện lỗi uốn cong với

độ chính xác lên đến 98,54% Kết quả này cũng cho thấy nghiên cứu tiếp tục mở rộng về

dữ liệu và tối ưu mô hình để cải thiện hiệu suất và ứng dụng thực tế của phương pháp trong các quy trình sản xuất

1.3 Mục tiêu và phương pháp nghiên cứu

1.3.1 Mục tiêu

- Áp dụng công cụ năng suất chất lượng Six Sigma tại hiện trường sản xuất nhằm xác định, đo lường, phân tích, cải tiến và kiểm soát dữ liệu về chất lượng sản phẩm, quy trình sản xuất, từ đó xác định những nguyên nhân gây ra khuyết tật và đề ra giải pháp phù hợp để cải tiến

- Cải tiến chất lượng mã hàng 1221-A, giảm số lượng lỗi, giảm thiểu sửa lại mã hàng

và nâng cao hiệu quả kiểm tra chất lượng BTP cho công ty

- Phát triển một ứng dụng nhận diện và phân loại tự động các lỗi thông qua việc sử dụng mô hình học máy với mạng thần kinh tích chập (CNN) Phần mềm sẽ tự động thu thập dữ liệu trong quá trình kiểm tra, và kết quả thể hiện thông qua biểu đồ thống

kê các lỗi đã xuất hiện

1.3.2 Phương pháp nghiên cứu

- Tham khảo các bài báo khoa học, các công trình, tài liệu liên quan đến cải thiện quy trình kiểm tra chất lượng bằng công cụ Six Sigma, học máy, mạng CNN, AI

- Tìm hiểu về mô hình học máy và mạng thần kinh tích chập trong việc nhận diện và

5

- Nhận diện lỗi và đề xuất các giải pháp áp dụng Six Sigma, DMAIC

- Thực hiện các giải pháp, thu thập kết quả sau khi thực hiện

- Sử dụng ngôn ngữ lập trình Python cùng thư viện Tkinter, OpenCV,… để viết chương trình tạo ra phần mềm nhận diện lỗi sản phẩm từ ảnh có sẵn hoặc thông qua camera

- Phân tích, so sánh kết quả trước và sau khi cải tiến

- Kết luận tính hiệu quả sau khi cải tiến

1.4 Tính cấp thiết của đề tài

Trong bối cảnh ngày càng cạnh tranh khốc liệt và yêu cầu ngày càng cao từ khách hàng, việc duy trì và nâng cao chất lượng sản phẩm không còn là yếu tố quan trọng mà là yêu tố quyết định sự sống còn đối với doanh nghiệp Sự cần thiết của các công cụ năng suất chất lượng, đặc biệt là Six Sigma giúp giảm thiểu lỗi sản phẩm, kiểm soát quá trình biến động về sai sót, tiết kiệm chi phí về do lỗi chất lượng gây ra và nâng cao hiệu quả cho quy trình kiểm tra chất lượng doanh nghiệp Bên cạnh đó, phần mềm nhận diện lỗi tự động giúp nâng cao độ chính xác trong kiểm tra chất lượng, nhận diện và phân loại lỗi, đồng thời tích hợp phân tích từ nguồn dữ liệu lớn được lưu trữ trong tương lai Đề tài không chỉ cải thiện chất lượng sản phẩm mà còn tối ưu hóa quy trình sản xuất, tiết kiệm chi phí và tăng cường khả năng cạnh tranh, qua đó giúp doanh nghiệp tồn tại và ngày càng phát triển

1.5 Phạm vi thực hiện

Trong phạm vi đề tài này, nhóm tập trung vào sản phẩm của công ty TNHH Cơ khí chính xác Thịnh Phát ở các mã hàng 1221-A và 0193-A với các nội dung chính là nhận diện và cải tiến lỗi bán thành phẩm theo chu trình DMAIC; thiết kế và xây dựng phần mềm nhận diện lỗi tự động áp dụng công nghệ học máy, CNN

1.6 Nội dung thực hiện

Đồ án gồm 6 chương với các nội dung tương ứng như sau:

- Chương 1: Tổng quan

- Chương 2: Cơ sở lý thuyết

- Chương 3: Quy trình kiểm soát chất lượng

- Chương 4: Áp dụng chu trình DMAIC cải tiến chất lượng mã hàng 1221

- Chương 5: Áp dụng học máy trong việc tạo phần mềm nhận diện lỗi tự động

- Thăm quan và nhận bộ phận làm việc

- Báo cáo cho GVHD

31/07/2023 đến 20/08/2023

Trịnh Bá Thịnh Bùi Lê Anh Vũ

Trịnh Bá Thịnh Bùi Lê Anh Vũ

3

Khảo sát hiện trường, thu thập dữ liệu,

đánh giá hiện trạng mã hàng 1221 tại

doanh nghiệp, lên kế hoạch thực hiện

04/09/2023 đến 20/09/2023

Trịnh Bá Thịnh Bùi Lê Anh Vũ

4 Hoàn thành kế hoạch và trình bày kế

hoạch với Trưởng bộ phận Kỹ Thuật

24/09/2023 đến 25/09/2023

Trịnh Bá Thịnh

5

Tiến hành thực hiện cải tiến Kiểm soát và

đánh giá hiệu quả của cải tiến

Hoàn thành thực tập

26/09/2023 đến 23/10/2023

Trịnh Bá Thịnh Bùi Lê Anh Vũ

6 Nhận đề tài và lập đề cương chi tiết

Báo cáo cho GVHD

19/02/2024 đến 05/03/2024

Trịnh Bá Thịnh Bùi Lê Anh Vũ

7 Tìm hiểu về mô hình máy học, mạng thần

kinh nhân tạo CNN

06/03/2024 đến 20/03/2024

Trịnh Bá Thịnh

8 Tìm hiểu về ngôn ngữ lập trình Python,

thư viện Tkinter, OpenCV,…

06/03/2024 đến 20/03/2024

Bùi Lê Anh Vũ

9

Thu thập dữ liệu huấn luyện

Nghiên cứu xây dựng, huấn luyện, đánh

giá mô hình

Kết nối mô hình với phần mềm

20/03/2024 đến 20/05/2024

Trịnh Bá Thịnh

10 Lập trình xây dựng giao diện, sửa lỗi,

hoàn thành sản phẩm

20/03/2024 đến 31/05/2024

Bùi Lê Anh Vũ

7

11 Hoàn thiện báo cáo

Hoàn thiện thuyết minh, video, poster

01/06/2024 đến 26/06/2024

Trịnh Bá Thịnh Bùi Lê Anh Vũ

8

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Công cụ năng suất chất lượng

2.1.1 Giới thiệu về công cụ năng suất chất lượng

Công cụ Năng suất Chất lượng là tổng hợp các kỹ thuật, phương thức và quy trình được sử dụng để nâng cao hiệu suất và chất lượng của quy trình sản xuất và dịch vụ Những công cụ này giúp cho các tổ chức tăng cường năng suất, giảm thiểu lỗi, vấn đề, và tối ưu hóa quá trình, thoải mãn của khách hàng và tạo ra có lợi về tài chính [10]

2.1.2 Các công cụ năng suất chất lượng trong công nghiệp

Các công cụ Năng suất Chất lượng bao gồm:

6-Sigma: Là quy chuẩn chất lượng sản xuất bằng cách tìm ra nguyên nhân sai hỏng

và xử lý chúng ngay từ ban đầu Tập trung vào sản phẩm cuối cùng để đảm bảo chất lượng theo ý muốn của khách hàng

5S: Đây là một phương pháp quản lý hiệu suất, chất lượng và là một hệ thống giúp

tạo cho tổ chứ doanh nghiệp có một không gian làm việc bảo đảm và vệ sinh và khoa học

và làm loại bỏ các loại hao phí trong sản xuất, hạn chế các hoạt động không tăng giá trị 5S đại diện cho năm từ ngữ tiếng Anh sau:

PDCA (Plan-Do-Check-Act): Mô hình quản lý liên tục, trong đó các bước lập kế

hoạch, thực hiện, kiểm tra và điều chỉnh nhằm thực hiện để kiểm định và cải tiến chất lượng, hiệu suất

Kaizen: Một quan điểm điều hành liên tục, tập trung vào việc cải tiến liên tục từng

bước nhỏ để có sự hoàn thiện và hiệu suất tối ưu

Lean Manufacturing: Là phương pháp nâng cao năng suất và tối ưu chất lượng

sản phẩm trong sản xuất nhằm mục đích loại bỏ hao phí và tối đa hóa quy trình

9

Và nhiều công cụ khác giúp cho doanh nghiệp xác định và tìm ra phương án xử lý các vấn đề về chất lượng từ đó nâng cao năng xuất và tối ưu hóa hiệu quả trong quá trình sản xuất Do đó tạo ra mang tính cạnh tranh trên thị trường

2.1.3 Ưu điểm của công cụ năng suất chất lượng

Công cụ Năng Suất Chất Lượng mạng lại nhiều ưu điểm đáng kể cho các công ty trong quá trình chế tạo và giám sát chất lượng Dưới đây là một số ưu điểm chính mà công cụ này mang lại:

- Tối ưu hóa quy trình sản xuất: Công cụ này giúp tối ưu hóa quy trình sản xuất,

đem đến hiệu suất cao và quy trình quản lý phù hợp

- Giảm thiểu lãng phí: Sử dụng công cụ giúp tiêu tốn không cần thiết, qua đó tăng

hiệu quả trong việc sử dụng tài nguyên

- Nâng cao chất lượng sản phẩm: Công cụ này kiểm soát kỹ lưỡng các quy trình

để cải thiện chất lượng sản phẩm và tiêu chuẩn về chất lượng

- Giảm rủi ro: Việc sử dụng công cụ này giúp giảm thiểu các nguy cơ liên quan

đến chất lượng sản phẩm và quy trình bằng cách thực hiện các phương pháp và quy trình quản lý chất lượng

2.2 Lý thuyết Six-Sigma

2.2.1 Định nghĩa Six-Sigma

Six-Sigma là một phương pháp quản lý chất lượng chủ đạo vào việc thực hiện một cách hiệu quả và đúng đắn các kỹ thuật quản lý chất lượng đã được chứng minh, nhằm tập trung vào việc thực hiện công việc mà không gặp phải lỗi hay khuyết tật.[11]

Six-Sigma (6-Sigma hay 6σ) là cách tập trung vào việc hạn chế số lượng lỗi trong quy trình sản xuất, từ đó nâng cao chất lượng của sản phẩm và dịch vụ, đồng thời giảm thiểu các lãng phí và chi phí trong sản xuất Six Sigma thường sử dụng chu trình DMAIC (Define, Measure, Analyze, Improve, Control) để xác định vấn đề, đo lường hiện trạng, phân tích nguyên nhân, cải tiện quy trình, và kiểm soát chất lượng Đó là một phương pháp với mục tiêu đảm bảo rằng chỉ có 3,4 lỗi trên mỗi triệu cơ hội, đạt tới mức độ chất lượng cao và đáng tin cậy

2.2.2 Mục đích của Six-Sigma

Six Sigma hướng đến việc giảm thiểu biến động lỗi để tối ưu hóa hiệu suất và chất lượng trong sản xuất và dịch vụ, đảm bảo rằng sản phẩm hoặc dịch vụ đáp ứng tiêu chuẩn chất lượng cao và nhất quán với khách hàng Mục tiêu chính là nâng cao sự hài lòng của

2.2.3 Lợi ích của Six – Sigma

Các công ty hàng đầu như Motorola, GE, Honeywell, Citigroup, Starwood Hotels, DuPont, Dow Chemical, American Standard, Kodak, Sony, IBM, Ford đã áp dụng Six Sigma và nhận được những lợi ích sau đây:[11]

- Six-Sigma giúp giảm chi phí sản xuất: Với tỷ lệ lỗi giảm lớn, các công ty tránh

lãng phí sử dụng lao động và vật liệu không hiệu quả liên quan đến xử lý lỗi và lỗi Điều này làm giảm giá vốn hàng bán trên mỗi đơn vị sản phẩm từ đó làm tăng lợi ích cho công ty

- Six-Sigma giúp giảm chi phí quản lý: Khi tỷ lệ lỗi giảm và không tái lặp lại trong

tương lai, công ty sẽ dành thời gian cho các hoạt động tăng cường giá trị hơn

- Six-Sigma góp phần làm gia tăng sự hài lòng của khách hàng: Bằng cách giảm

mạnh tỷ lệ lỗi ,các công ty có thể liên tục tăng sự hài lòng của họ bằng cách cung cấp cho người mua những sản phẩm tốt nhất

- Six-Sigma làm giảm thời gian chu kỳ: Quy trình gần được hoàn thiện nhanh chóng

nên các chi phí nhân công và chi phí sản xuất trên một đơn vị sản phẩm sản xuất ra

sẽ ít hơn

- Six-Sigma giúp doanh nghiệp giao hàng đúng hẹn Six-Sigma được áp dụng để

đảm bảo đúng thời điểm và giao hàng đúng số lượng,

- Sigma góp phần tạo nên những thay đổi tích cực trong văn hóa công ty

Six-Sigma góp phần thay đổi công ty theo hướng tiếp cận có hệ thống để giải quyết vấn

11

đề và thái độ chủ động cùng văn hóa tổ chức của tinh thần trách nhiệm của nhân viên

2.2.4 Chu trình DMIAC trong Six-Sigma

Six - Sigma được thực hiện cải tiến theo 5 bước: Define (Xác định), Measure (Đo lường), Analyze (Phân tích), Improve (Cải tiến) và Control (Kiểm soát), gọi tắt là DMAIC [11]

Hình 2.1 Năm giai đoạn DMAIC [Nguồn: Ifactory.com.vn]

Giai đoạn 1 - Xác định (Define): Xác định vấn đề, những cơ hội quan trọng cần

cải tiến, mục tiêu và phạm vi của dự án [11]

- Nhận biết khách hàng quan trọng và quá trình cốt lõi

- Nhận định được yêu cầu của khách hàng

- Xác định phạm vi dự án cải tiến

Các công cụ được sử dụng trong giai đoạn này bao gồm: VOC (Voice of Customer), CTQ (Critical To Quality), sơ đồ SIPOC (Nhà cung cấp - Đầu vào - Quy trình - Đầu ra - Khách hàng), v.v Các thông tin liên kết có thể được sử dụng trong trường hợp dự án có thể hữu ích

Giai đoạn 2 - Đo lường (Measure): Giai đoạn xác định hiệu quả hiện tại và xây

dựng kế hoạch thu thập dữ liệu là quá trình đo lường [11]

- Lựa chọn các chỉ số đo lường ;

12

- Xác định điểm đo, tìm hiểu quá trình;

- Phương pháp lấy dữ liệu, dự kiến nguồn dữ liệu,

- Kế hoạch lấy mẫu và thu thập;

- Thu thập thông tin và số liệu;

- Tính mức sigma hiện tại và đánh giá năng lực quy trình

Các công cụ được là sơ đồ quy trình (Process Flowchart), Thu thập thông tin và số liệu (Data Collection), Phương pháp lấy mẫu, Phiếu thu thập dữ liệu (check sheet), Pareto Chart, v.v

Giai đoạn 3 - Phân tích (Analyze): Mục tiêu của giai đoạn này là phân tích vấn đề

và xác định nguyên nhân gốc rễ của và đảm bảo cải tiến nơi xuất phát của lỗi gây ra [11]

- Thiết lập mục tiêu, phân tích dữ liệu;

- Nhìn thấy được nguồn gây ra sự bất thường của quy trình;

(Cause-Giai đoạn 4 - Cải tiến (Improve): Từ các nguyên nhân ở giai đoạn phân tích ta tiến

hành phát triển quy trình để giảm thiểu các lỗi và khuyết điểm [11]

- Đưa ra những giải pháp khả thi;

- Nhận xét tính khả năng thực thi và hiệu quả của các giải pháp;

- Quan sát các nguyên nhân ảnh hưởng đến quy trình;

- Khảo sát và đánh giá các thử nghiệm;

- Xem xét các giải pháp dựa vào hiệu quả thực tế;

- Kiểm tra và điều chỉnh lại giải pháp để cải thiện

13

Nhiều hoạt động trong giai đoạn Cải thiện liên quan đến một số thử nghiệm và phân tích dữ liệu thử nghiệm Một số kỹ thuật cụ thể bao gồm kiểm tra giả thuyết, quản lý trực quan (Visual Management), Chuẩn hóa quá trình (Standard Work), vv…

Bước 5 - Giai đoạn kiểm soát (Control): Đây là giai đoạn kiểm soát và duy trì hiệu

quả quá trình lâu dài trong tương lai, tránh khả năng quay trở lại tình trạng trước khi cải

tiến [11]

- Thiết lập hệ thống kiểm soát và giám sát;

- Thiết lập quy trình và tiêu chuẩn;

- Áp dụng phương pháp kiểm soát dựa trên số liệu thống kê;

- Định danh năng lực quy trình;

- Đào tạo nhân lực và tiến hành chuyển giao ;

- Tăng lợi nhuận và đánh giá lợi ích tiết kiệm chi phí ;

- Hoàn thành dự án, chuẩn bị tài liệu để báo cáo cấp quản lí

Các công cụ sử dụng trong bước này bao gồm: Check Sheet, Control Chart, Process flowchart,…

2.3 Bảy công cụ quản lý chất lượng

2.3.1 Biểu đồ Pareto

2.3.1.1 Khái niệm

Trong quản lý chất lượng, thường thấy rằng 80% các vấn đề xuất hiện do 20% nguyên nhân chủ yếu, dựa trên quy luật Pareto do Joseph M Juran, một nhà quản trị doanh nghiệp, và nhà kinh tế học Vilfredo Pareto đề xuất Tuy nhiên, tỷ lệ 80-20 này chỉ

là một phương pháp tương đối và không phải là một số liệu cụ thể [12]

Hình 2.3: Phiếu thu thập dữ liệu dạng kiểm tra đánh dấu theo mục định sẵn [12] 2.3.2.2.Mục đích

Phiếu kiểm tra là công cụ phân tích dữ liệu, vốn đóng vai trò cực kỳ quan trọng và không thể thiếu để đánh giá hiệu suất sử dụng Công cụ này thường được áp dụng để kiểm tra sự phân bố số liệu trong quy trình sản xuất, nhận diện lỗi, xác định vị trí của chúng, tìm ra nguyên nhân gây lỗi và xác minh việc thực thi công việc Thông thường, công cụ kiểm tra có thể theo dõi sự kiện theo thời gian hoặc số lượng tại các vị trí cụ thể

Dữ liệu thu thập từ công cụ kiểm tra sau đó được sử dụng làm cơ sở cho các công cụ khác như Biểu đồ Phân bố hoặc Biểu đồ Pareto để theo dõi và đánh giá các vấn đề như số lần xảy ra, số lần bảo dưỡng/sửa chữa hàng tuần và nhiều vấn đề khác

16

2.3.3 Biểu đồ xương cá

2.3.3.1 Khái niệm

Một danh sách chi tiết về các nguyên nhân có thể gây ra hậu quả được gọi là biểu

đồ nhân quả Công cụ này, được biết đến như biểu đồ Ishikawa hoặc biểu đồ xương cá, được phát triển vào năm 1953 tại Trường Đại học Tokyo dưới sự hướng dẫn của Giáo sư Kaoru Ishikawa Ông đã sử dụng biểu đồ này để giải thích cho các kỹ sư tại nhà máy thép Kawasaki về cách sắp xếp và minh họa các yếu tố khác nhau theo dạng xương cá.[12]

Hình 2.4: Biểu đồ nhân quả 2.3.3.2 Mục đích

Để tìm ra nguyên nhân sự cố và có biện pháp khắc phục nhằm đảm bảo chất lượng, người ta sử dụng sơ đồ nguyên nhân và kết quả Công cụ quan trọng này thường được áp dụng để xác định nguyên nhân và lỗi trong quy trình sản xuất Ứng dụng của nó bao gồm nghiên cứu và ngăn ngừa các sự cố có thể gây ra hoạt động không mong muốn, đồng thời cung cấp bản tóm tắt về cấu hình kết nối Sơ đồ nguyên nhân và kết quả được ưa chuộng

vì khả năng liệt kê và sắp xếp các khả năng, thay vì sử dụng phương pháp loại trừ

Các bước thực hiện vẽ biểu đồ nhân quả:

- Bước 1: Nhận diện vấn đề cụ thể cần được xử lí

- Bước 2: Thiết lập biểu đồ nhân quả với các yếu tố chính và liên kết giữa chúng Yếu tố nào càng quan trọng thì sắp xếp càng gần với vấn đề chính

Lưu đồ là một biểu đồ minh họa các bước trong một quy trình sản xuất hoặc dịch

vụ, giúp hiểu rõ luồng công việc, các bước tiến hành của công việc hoặc cá và mối quan

hệ giữa các bước Lưu đồ thường được biểu diễn dưới dạng cột, dòng hoặc lưới tùy thuộc vào ngữ cảnh để phù hợp

Hình 2.5: Lưu đồ quy trình (Flow Chart)

[Nguồn: Base.vn]

2.3.4.2 Mục đích

Lưu đồ có mục đích là tạo ra một mô tả toàn diện về quy trình, nhằm xác định và loại bỏ những quy trình không cần thiết, từ đó nâng cao hiệu quả và giảm thiểu lãng phí Đồng thời, đồ họa còn được sử dụng để phát triển các hệ thống mới nhằm cải thiện thông tin cho các bên liên quan

2.3.5 Biểu đồ phân tán

2.3.5.1 Khái niệm