Trong ngành công nghiệp chế biến, việc theo dõi và phát hiện các sai lệch là cực kỳ quan trọng để đảm bảo an toàn sản xuất, độ tin cậy của hệ thống và chất lượng sản phẩm cuối cùng. Tuy nhiên, mỗi loại quy trình khác nhau thường đòi hỏi các công cụ và phương pháp riêng biệt để có thể phát hiện chính xác những sai lệch có ý nghĩa thống kê.
 |
| Biểu đồ phân tán chồng lớp dữ liệu quy trình và dữ liệu chất lượng |
Phân tích Kiểm soát Quy trình Thống kê (Statistical Process Control - SPC) và Kiểm soát Chất lượng Thống kê (Statistical Quality Control - SQC) mang lại những hiểu biết quý báu cho việc cải tiến quy trình, đồng thời cảnh báo sớm về những dấu hiệu sai lệch. Mặc dù vậy, những thách thức trong vận hành thực tế và việc thiếu các công cụ chuyên dụng đã khiến việc xây dựng các giải pháp SPC hữu hiệu gặp nhiều khó khăn.
Vượt xa việc chỉ đơn giản là phát hiện và giám sát, các nhà sản xuất trong ngành chế biến cần phải nhanh chóng xác định được nguyên nhân gốc rễ của sai lệch và tìm cách ngăn chặn tình trạng này tái diễn. Để biến những hiểu biết thu được thành hành động, cần có các báo cáo rõ ràng, súc tích, đi sâu chi tiết về bản chất vấn đề. Những báo cáo này cũng cần được chia sẻ nhanh chóng và rộng rãi trong nội bộ. Quá trình "đưa vào vận hành" này – tức là chuyển đổi từ hiểu biết sang hành động cụ thể chính là mảnh ghép cuối cùng để hoàn thiện một giải pháp SPC/SQC khả thi, áp dụng được cho cả sản xuất liên tục lẫn sản xuất theo lô.
Nhờ các ứng dụng phân tích nâng cao, các nhà sản xuất có thể giảm thiểu thời gian từ khi có dữ liệu đến khi đưa ra quyết định. Họ làm được điều này bằng cách tận dụng phân tích SPC/SQC và kết hợp chúng với báo cáo gần thời gian thực để tạo ra những hiểu biết có thể hành động ngay. Với những hiểu biết này, các chuyên gia về lĩnh vực (Subject Matter Experts - SME) và nhân viên vận hành có thể nhanh chóng phản ứng với các sai lệch theo quy tắc vận hành, giới hạn thời gian và mức độ ảnh hưởng của các biến động quy trình bất thường và xây dựng quy trình hành động cho các giải pháp khắc phục để loại bỏ tình trạng tái diễn.
SPC là gì?
SPC là tập hợp các quy tắc và kỹ thuật được sử dụng để phát hiện những biến động hoặc sai lệch trong quy trình sản xuất. Bất kỳ quy trình nào cũng tồn tại một mức độ biến động thông thường và được dự đoán trước. Tuy nhiên, những sai lệch bất thường có thể dẫn đến các kết quả ngoài dự kiến và không mong muốn của quy trình, chẳng hạn như sản phẩm bị giảm chất lượng, thay đổi đặc tính vật lý, thay đổi năng suất hoặc tạo ra điều kiện làm việc không an toàn.
Việc xác định chính xác thời điểm một quy trình không còn chỉ là biến động thông thường mà đã rơi vào trạng thái sai lệch có thể rất khó khăn. May mắn thay, SPC cung cấp các công cụ như biểu đồ kiểm soát và quy tắc vận hành để giúp các SME phát hiện và khắc phục những sai lệch quy trình. Biểu đồ kiểm soát thể hiện giới hạn trên (Upper Control Limit - UCL) và giới hạn dưới (Lower Control Limit - LCL) của quy trình đang được kiểm soát. Bất kỳ điểm dữ liệu nào nằm ngoài hai giới hạn này đều được coi là một sai lệch. Ngoài ra, trong phạm vi giới hạn trên và dưới, có thể thêm các quy tắc vận hành bổ sung để hỗ trợ nhận dạng mẫu và phát hiện sai lệch tinh tế hơn.
Kết nối dữ liệu quy trình và dữ liệu chất lượng
Các quy trình sản xuất hiện đại tạo ra lượng dữ liệu khổng lồ liên tục. Dữ liệu này có thể bao gồm từ các thông số vận hành như tốc độ dòng chảy, nhiệt độ, áp suất, độ rung, cho đến một loạt các thông số chất lượng được đo trong phòng thí nghiệm, đặc trưng cho từng quy trình sản xuất cụ thể. Nơi lưu trữ những dữ liệu này thường là các hệ thống chuyên biệt cho dữ liệu chuỗi thời gian, bao gồm kho dữ liệu quy trình, cơ sở dữ liệu theo lô, hệ thống điều hành sản xuất (MES), hệ thống quản lý thông tin phòng thí nghiệm (LIMS) và nhiều hệ thống khác.
Khối lượng dữ liệu đa dạng từ cảm biến và dữ liệu ngữ cảnh này, dù tiềm ẩn cơ hội lớn để hiểu rõ toàn diện về quy trình sản xuất, lại thường đặt ra một thách thức không nhỏ. Do dữ liệu thu thập được nằm rải rác ở nhiều cơ sở dữ liệu hoặc kho dữ liệu khác nhau, các SME thường phải tự mình thực hiện công việc tổng hợp dữ liệu cần thiết để tiến hành phân tích. Việc dựa vào các công cụ cũ như bảng tính Excel để xử lý dữ liệu bằng cách truy vấn riêng lẻ tới từng hệ thống nguồn khác nhau nhanh chóng trở nên cồng kềnh và mất thời gian.
 |
| Hình 1 - Các vấn đề thường gặp về bảng tính khi làm việc với lượng lớn dữ liệu chuỗi thời gian. |
Hơn nữa, sự không đồng bộ về dấu thời gian giữa các nguồn dữ liệu khác nhau đôi khi lên tới hàng giờ do thời gian phân tích mẫu trong phòng thí nghiệm, càng gây khó khăn cho việc phát triển phân tích SPC/SQC. Đặc biệt với các mẫu chất lượng cần phân tích phòng thí nghiệm, độ trễ giữa thời điểm mẫu được lấy tại hiện trường và khi dữ liệu được nhập vào cơ sở dữ liệu khiến việc so sánh dữ liệu chất lượng với dữ liệu quy trình trở nên không đồng nhất ("lệch pha"). Sử dụng các công cụ cũ, dấu thời gian cần được căn chỉnh một cách thủ công để cố gắng khớp với dấu thời gian của dữ liệu quy trình. Việc căn chỉnh này là tối quan trọng khi tìm kiếm mối liên hệ giữa các điều kiện vận hành quy trình và tác động của chúng đến chất lượng sản phẩm.
Cuối cùng, các loại quy trình khác nhau cũng đặt ra những thách thức riêng biệt khi xây dựng các phân tích SPC/SQC hiệu quả. Các quy trình liên tục chỉ sản xuất một loại sản phẩm duy nhất, chẳng hạn như hóa chất cơ bản, là trường hợp đơn giản nhất. Ngoài thời điểm khởi động và dừng hệ thống, giới hạn kiểm soát và quy tắc vận hành SPC/SQC thường duy trì tương đối ổn định. Tuy nhiên, nếu một quy trình liên tục sản xuất nhiều loại sản phẩm khác nhau, các giới hạn kiểm soát có khả năng phải thay đổi khi chuyển đổi giữa các loại sản phẩm. Các giá trị mục tiêu cho các thông số quy trình quan trọng như độ nhớt, mật độ và nhiệt độ cũng có thể thay đổi, buộc các SME phải tạo ra các phân tích linh hoạt, dễ dàng điều chỉnh theo sự thay đổi loại sản phẩm.
Quá trình sản xuất theo lô thì khác biệt hoàn toàn và đòi hỏi một cách tiếp cận phân tích SPC/SQC riêng biệt. Thay vì các thông số quy trình và chất lượng ổn định, chúng thay đổi theo thời gian và theo từng lô sản xuất. Sử dụng các công cụ cũ, việc chia nhỏ các lô thành các giai đoạn cấu thành của chúng có thể rất khó khăn và tốn thời gian.
Trao quyền cho SME: Kết nối, phân tích và vận hành hóa phân tích SPC/SQC
Các SME làm việc tại điểm giao thoa quan trọng giữa dữ liệu quy trình và dữ liệu chất lượng. Là nhóm đầu tiên được thông báo khi một thông số quy trình hoặc chất lượng bắt đầu có dấu hiệu bất thường, họ phải nhanh chóng xác định tác động của những thay đổi quy trình cố ý hoặc các sự cố bất ngờ lên chất lượng sản phẩm cuối cùng và năng suất. Bản chất phân tán của các nguồn dữ liệu khác nhau đặt ra yêu cầu cần phải hợp nhất dữ liệu trước khi tiến hành phân tích.
Các nhà sản xuất có thể tập hợp các nguồn dữ liệu lại với nhau theo nhiều cách, chẳng hạn như xây dựng data lake hoặc trích xuất, chuyển đổi và tải (ETL) dữ liệu lên nền tảng đám mây. Một giải pháp khác là sử dụng phần mềm phân tích nâng cao có khả năng kết nối trực tiếp và hợp nhất các nguồn dữ liệu hiện có của nhà sản xuất, mà không cần sao chép hay thay đổi dữ liệu gốc. Nhờ đó, các SME có thể đi sâu phân tích và bắt đầu khám phá các xu hướng, cùng với mối quan hệ cơ bản giữa các biến quy trình và chất lượng sản phẩm.
Sau khi kết nối các nguồn dữ liệu phân tán của họ vào một ứng dụng duy nhất, các SME có thể bắt đầu tìm kiếm các mẫu hình và mối liên hệ giữa dữ liệu quy trình và dữ liệu chất lượng, đây chính là cốt lõi của bất kỳ phân tích SPC/SQC nào. Dựa trên nền tảng thống kê, các quy tắc vận hành SPC giúp chuẩn hóa quy trình này và xác định chính xác thời điểm một quy trình bắt đầu sai lệch một cách có ý nghĩa về mặt thống kê.
Thông thường, các nhà sản xuất sử dụng một loạt các quy tắc vận hành để đo lường biến động và sai lệch của quy trình. Đầu tiên, tất cả các điểm dữ liệu lý tưởng nhất phải nằm giữa giới hạn kiểm soát trên (UCL) và giới hạn kiểm soát dưới (LCL). Đây là các "lan can bảo vệ" cơ bản của biểu đồ kiểm soát.
Các quy tắc vùng giúp mô tả hoạt động của dữ liệu nằm trong phạm vi giữa UCL và LCL. Khu vực giữa hai giới hạn kiểm soát được chia thành sáu vùng, ba vùng ở mỗi bên của đường trung bình, được ký hiệu là A, B và C. Mỗi vùng rộng một độ lệch chuẩn. Như vậy, khu vực nằm trong giới hạn kiểm soát bao phủ phạm vi +/- 3 độ lệch chuẩn so với giá trị trung bình, chiếm khoảng 99,73% các điểm dữ liệu.
Một loạt các điểm dữ liệu nằm trong một vùng cụ thể có thể là dấu hiệu sớm của sai lệch quy trình. Ví dụ, nếu có hai điểm dữ liệu liên tiếp nằm trong Vùng A (vùng ngoài cùng, gần giới hạn kiểm soát), bốn trên năm điểm trong Vùng B (vùng ở giữa), hoặc bảy điểm liên tiếp nằm trong Vùng C (vùng gần đường trung bình) nhưng cùng lệch về một phía, thì tất cả đều được coi là dấu hiệu của sự sai lệch và cần được kiểm tra. Các quy tắc vận hành khác còn bao gồm bảy điểm liên tiếp có xu hướng tăng hoặc giảm, hoặc bảy điểm liên tiếp cùng nằm về một phía so với đường trung bình.
Việc xây dựng các biểu đồ kiểm soát và quy tắc vận hành hiệu quả cho một quy trình hoặc sản phẩm có thể giúp cải thiện chất lượng sản phẩm, giảm thời gian ngừng máy và tăng năng suất. Tuy nhiên, các SME cần một công cụ linh hoạt để điều chỉnh các quy tắc vận hành này cho phù hợp với đặc thù quy trình của họ. Phần nào của quy trình cần được theo dõi bằng biểu đồ kiểm soát? Biểu đồ kiểm soát có dễ dàng điều chỉnh khi chuyển đổi loại sản phẩm không?
Với các quy tắc vận hành và biểu đồ kiểm soát được tùy chỉnh phù hợp, các SME có thể chuyển sang giai đoạn tiếp theo của một chương trình SPC mạnh mẽ: đó là chia sẻ thông tin. Để phát huy tối đa tiềm năng của các quy tắc vận hành đặc trưng cho từng quy trình vừa được tạo ra, các SME cần có khả năng chia sẻ thông tin về các sai lệch và những hiểu biết thu được một cách liền mạch với đội ngũ vận hành nhà máy. Giá trị của các phân tích này không chỉ nằm ở việc nhanh chóng xác định và khắc phục sai lệch, mà còn từ kiến thức tích lũy được thông qua việc nhận dạng mẫu và phân tích nguyên nhân gốc rễ, từ đó ngăn chặn sự tái diễn. Nhờ đó, việc đưa các phân tích SPC/SQC vào vận hành đóng vai trò quan trọng trong việc xây dựng văn hóa cải tiến liên tục và nâng cao hiệu quả thiết bị tổng thể (Overall Equipment Effectiveness - OEE) trong ngành sản xuất.
Các trường hợp ứng dụng công nghệ hiện đại
Việc triển khai chi tiết phân tích SPC sẽ phụ thuộc vào đặc thù của từng quy trình, tuy nhiên, các ví dụ về trường hợp sử dụng ở cấp độ cao dưới đây có thể giúp các nhà sản xuất hình dung cách đi sâu hơn vào quy trình của mình để khám phá mối liên hệ giữa các yếu tố đầu vào và đầu ra.
Trường hợp 1: Phát hiện và giám sát sai lệch gần thời gian thực bằng quy tắc vận hành SPC
Các quy tắc vận hành SPC xác định chính xác thời điểm một quy trình bắt đầu trở nên mất kiểm soát về mặt thống kê. Vì vậy, bước đầu tiên để triển khai bất kỳ chương trình SPC/SQC nào là thiết lập các quy tắc vận hành cho một sản phẩm hoặc quy trình cụ thể. Với các quy trình liên tục, các nhà sản xuất có thể cần các giới hạn kiểm soát khác nhau cho các sản phẩm hoặc loại sản phẩm khác nhau.
Sử dụng ứng dụng phân tích nâng cao, các SME có thể nhanh chóng thiết lập biểu đồ kiểm soát cho các thông số quy trình chính như mức, lưu lượng, nhiệt độ và áp suất. Sau khi thiết lập, các điều kiện trong ứng dụng sẽ tự động đánh dấu (tạo ra các "khoảng thời gian" đặc trưng, gọi là capsules) nếu một thông số quy trình quan tâm vượt lên trên hoặc xuống dưới giới hạn kiểm soát trên (UCL) hoặc giới hạn kiểm soát dưới (LCL). Chỉ một điểm dữ liệu nằm ngoài UCL hoặc LCL đã được coi là một sai lệch quy trình.
Các quy tắc vận hành khác phức tạp hơn, đòi hỏi phân tích tinh vi hơn nhưng vẫn có thể được thực hiện bằng ứng dụng phân tích nâng cao. Sử dụng ứng dụng này, các SME có thể nhanh chóng thiết lập UCL, LCL và các vùng A, B, C cụ thể cho từng loại sản phẩm, nằm giữa các giới hạn và giá trị mục tiêu, giúp hiểu rõ hơn về những sai lệch xảy ra mà không vượt quá giới hạn kiểm soát cứng. Các biểu đồ kiểm soát này có thể tự động thay đổi khi chuyển đổi loại sản phẩm, như minh họa trong Hình 2.
 |
| Hình 2 - Biểu đồ kiểm soát theo từng lớp trong Seed - một ứng dụng phân tích nâng cao. Ảnh minh họa bởi Seeq |
Sau khi thiết lập, ứng dụng phân tích nâng cao có thể vẽ biểu đồ đường trung bình trượt (rolling average) trong khoảng thời gian SME lựa chọn (theo giờ, ngày, tuần, v.v.). Với dữ liệu trung bình này, SME có thể triển khai các quy tắc vận hành phức tạp hơn để phát hiện một chuỗi các điểm nằm trên hoặc dưới mức trung bình, hoặc một xu hướng dữ liệu tăng hoặc giảm liên tục, cho thấy quy trình đang dịch chuyển ra xa giá trị trung bình.
Điều quan trọng là, các ứng dụng phân tích nâng cao cho phép SME nhanh chóng chia sẻ thông tin về sự xuất hiện của một sai lệch, cùng với một báo cáo tổng hợp tất cả các biểu đồ kiểm soát SPC liên quan đến quy trình đó. Các ứng dụng này có thể tự động thông báo cho SME và nhân viên vận hành khi có sai lệch, giúp họ khắc phục vấn đề nhanh nhất có thể. SME cũng dễ dàng tạo báo cáo nhanh cho các cuộc họp đột xuất hoặc chia sẻ nội bộ, giúp các nhà sản xuất theo dõi tiến độ cải tiến liên tục của mình hiệu quả hơn.
Trường hợp 2: Phát hiện và phân tích biến động giữa các quy trình song song
Trong ngành công nghiệp chế biến, việc sản xuất sản phẩm thường được phân chia thành nhiều quy trình hoặc "dây chuyền" song song và được thiết kế giống hệt nhau, nhằm tăng năng suất hoặc tăng tính dự phòng. Tuy nhiên, việc các quy trình này có những khác biệt nhỏ, dù về lý thuyết là giống nhau, lại khá phổ biến. Thông thường, nhân viên vận hành nhận thức được những sự khác biệt tinh tế này và cách chúng ảnh hưởng đến hoạt động. Có thể một dây chuyền bị bẩn nhanh hơn dây chuyền kia, hoặc một dây chuyền cần nhiều chất xúc tác hơn.
Bằng cách kết hợp các công cụ SPC với ứng dụng phân tích nâng cao, các SME có thể phân tách và so sánh các thành phần riêng lẻ của từng dây chuyền để xem chúng khác nhau như thế nào. Liệu độ lệch chuẩn của các biến quy trình chính có khác biệt đáng kể giữa các dây chuyền không? Dây chuyền nào đang gặp các sai lệch SPC thường xuyên hơn so với dây chuyền còn lại?
Việc tập trung làm rõ bản chất của sự biến động có thể giúp khám phá nguyên nhân gốc rễ của nó. Khi đã xác định được nguyên nhân, các kỹ sư có thể đánh giá xem việc giải quyết nguồn gốc của biến động có khả thi về mặt kinh tế hay không và sau đó sử dụng phân tích SPC làm cơ sở dữ liệu để biện minh cho dự án cải tiến.
Trường hợp 3: Phân tích mối tương quan giữa dữ liệu sản xuất và chất lượng
Ngoài việc triển khai các quy tắc vận hành cho từng sản phẩm và quy trình cụ thể, một ứng dụng phân tích nâng cao còn có khả năng kết nối các nguồn dữ liệu phân tán, cho phép các SME phân tích chúng đồng thời. Sử dụng các công cụ phân tích nâng cao, các SME có thể bắt đầu khám phá mối quan hệ giữa các biến quy trình và chất lượng sản phẩm.
Sau khi các nguồn dữ liệu đã được kết nối, các SME có thể điều chỉnh thang thời gian của dữ liệu chất lượng để khớp với các điều kiện quy trình tại thời điểm mẫu được lấy, thay vì thời điểm mẫu được phân tích trong phòng thí nghiệm. Khi dữ liệu đã được điều chỉnh, dữ liệu quy trình và dữ liệu chất lượng có thể được phân tích trên cùng một biểu đồ phân tán (scatter plot) để trực quan hóa mối tương quan giữa hai loại dữ liệu này.
Trong bối cảnh SPC, việc chồng dữ liệu chất lượng lên dữ liệu quy trình giúp xác định khi nào các sai lệch trong quy trình gây ra các vấn đề về chất lượng. Cụ thể hơn, nó giúp biết được loại sai lệch quy trình nào thường đi kèm với loại vấn đề chất lượng nào. Liệu một số sai lệch SPC nhất định có tạo ra các sản phẩm phụ không mong muốn, ảnh hưởng đến kích thước hạt, độ nhớt, màu sắc, hay một thông số chất lượng nào đó khác không?
Ngoài ra, khả năng phân tích tương quan của ứng dụng phân tích nâng cao cho phép các SME xác định những biến quy trình nào có mối tương quan cao nhất với các thông số chất lượng chính. Với kiến thức này, các kỹ sư quy trình có thể xây dựng các mô hình dự đoán để dự báo khi nào có khả năng xảy ra các bất thường về chất lượng và sau đó trình bày thông tin này trong ma trận tương quan (correlation matrix) (Hình 3).
 |
| Ma trận tương quan. Ảnh minh họa bởi Seeq correlation matrix |
Sử dụng các ứng dụng phân tích nâng cao, các SME có thể xây dựng biểu đồ kiểm soát và quy tắc vận hành đặc thù cho từng sản phẩm, đồng thời tạo ra các báo cáo tự động để chia sẻ với đồng nghiệp và nhân viên vận hành. Nhưng đây mới chỉ là bước khởi đầu. Việc đưa các phân tích SPC và SQC vào vận hành thực tế chính là nền tảng để hiểu rõ hơn và kiểm soát tốt hơn các biến động và sai lệch trong quy trình sản xuất.
Khi những công cụ này được triển khai, các nhà sản xuất có thể tích hợp ứng dụng phân tích nâng cao vào các chương trình cải tiến liên tục, hoạt động xuất sắc và nâng cao hiệu quả thiết bị tổng thể (OEE) của mình. Theo định hướng này, biểu đồ kiểm soát UCL và LCL lý tưởng nhất nên được thu hẹp dần khi biến động quy trình giảm đi nhờ việc tăng cường kiến thức về quy trình, áp dụng các quy trình mới và cải tiến quy trình liên tục.
Theo processingmagazine
