Vì sao nhiều nhà máy không truy được nguyên nhân NG?

Tại các mô hình Smart Warehouse và dây chuyền hiện đại, việc phát hiện sản phẩm lỗi không còn quá khó khăn. Tuy nhiên, theo phân tích từ RTC Technology, nhiều doanh nghiệp dù bắt được hàng lỗi vẫn trầy trật trong việc truy tìm nguyên nhân NG gốc rễ (Root-Cause). Vấn đề không nằm ở năng lực kiểm tra, mà do hệ thống dữ liệu sản xuất chưa được kết nối toàn diện để làm rõ bối cảnh phát sinh sự cố.

Cụ thể, hành trình tìm kiếm câu trả lời thường bị đứt gãy tại các điểm nghẽn:

• Dữ liệu cô lập: Thông tin giữa các phân khu sản xuất và kho thông minh thiếu tính liên kết, khiến việc xâu chuỗi dữ liệu gặp nhiều trở ngại.
• Thiếu định danh (ID duy nhất): Không có mã QR/Barcode cụ thể cho từng sản phẩm để theo dõi lịch sử dịch chuyển và cô lập vùng nghi ngờ khi phân tích.
• Mã lỗi chung chung: Tiêu chuẩn hóa phân loại kém, khiến việc đánh giá nguồn gốc lỗi dễ bị cảm tính và phụ thuộc vào kinh nghiệm cá nhân.
• Hệ thống chưa đồng bộ: Các giải pháp cốt lõi như Machine Vision, SCADA/OEE, và MES/QMS hoạt động độc lập, không thể tự động tổng hợp dữ liệu.
• Thiếu tính thời gian thực: Hình ảnh từ camera kiểm tra, thông số thiết bị và lịch sử sửa chữa chưa được liên kết Real-time để chỉ ra sai sót ngay tại nguồn.

Để giải quyết triệt để, RTC Technology đề xuất giải pháp Xây dựng hệ thống truy vết lỗi theo thời gian thực. Bằng cách tích hợp dữ liệu hình ảnh thông minh với quy trình quản lý dòng hàng và các hệ thống điều hành, doanh nghiệp có thể nhanh chóng định vị chính xác gốc rễ vấn đề, ngăn ngừa sai sót lặp lại và tối ưu hóa chất lượng sản xuất toàn diện.

1. Nhà máy chỉ lưu kết quả NG, không lưu bối cảnh tạo ra NG

Sai lầm phổ biến nhất là nhà máy chỉ ghi nhận sản phẩm “OK” hoặc “NG”. Dữ liệu này có ích cho thống kê sản lượng, nhưng chưa đủ để phân tích nguyên nhân.

Muốn truy được NG, hệ thống cần trả lời nhiều câu hỏi sâu hơn như sản phẩm đi qua máy nào, tại thời điểm nào, sử dụng lot vật liệu nào, thông số máy ra sao, camera phát hiện lỗi ở vị trí nào, ảnh lỗi có được lưu không, công đoạn trước đó có cảnh báo gì không, sản phẩm cùng lot có lỗi tương tự không?

Nếu chỉ có một dòng dữ liệu “NG ngoại quan” hoặc “NG test”, kỹ sư chất lượng gần như không có đủ bằng chứng để kết luận nguyên nhân. Khi đó, phân tích lỗi thường dựa vào kinh nghiệm, cảm tính hoặc tranh luận giữa các bộ phận thay vì dữ liệu thực tế. 

>>> Xem thêm: Giải pháp kiểm tra ngoại quan tự động cho ngành sản xuất

2. Dữ liệu sản xuất bị rời rạc giữa nhiều hệ thống

Trong một dây chuyền hiện đại, dữ liệu đến từ rất nhiều nguồn: PLC, HMI, cảm biến, camera, robot, máy đo, máy test, scanner, máy in tem, hệ thống OEE, SCADA, MES, ERP, WMS và báo cáo QC. 

Các dữ liệu đó thường không nằm trong một hệ thống thống nhất. 

• Máy kiểm tra lưu dữ liệu riêng.
• QC ghi lỗi bằng Excel 
• Bảo trì lưu lịch sử alarm trong HMI hoặc sổ tay. 
• Kho quản lý lot vật liệu trên ERP nhưng không kết nối được. 
• Sản xuất theo dõi sản lượng bằng bảng riêng.

Khi xảy ra NG, mỗi bộ phận quản lý một phần dữ liệu nhưng không ai nhìn được toàn bộ chuỗi sự kiện. QC biết sản phẩm lỗi, sản xuất biết line đang chạy, bảo trì biết máy từng báo alarm, kho biết lot vật tư, nhưng không có “sợi dây dữ liệu” để liên kết tất cả lại với nhau.

Đây là nguyên nhân khiến nhiều cuộc họp phân tích NG kéo dài nhưng kết luận không chắc chắn. Đây không phải vì đội ngũ thiếu năng lực, mà vì dữ liệu đã bị chia cắt.

3. Không có ID duy nhất cho từng sản phẩm

Muốn truy nguyên nhân NG, mỗi sản phẩm cần có một định danh rõ ràng như barcode, QR code, Data Matrix, RFID hoặc serial number. Định danh này phải được đọc xuyên suốt qua các công đoạn quan trọng.

Nhiều nhà máy hiện chỉ quản lý theo lot, tray, pallet hoặc phiếu sản xuất. Cách quản lý này phù hợp cho thống kê tổng thể nhưng không đủ cho truy xuất lỗi chi tiết. Khi có một sản phẩm NG trong lot 1.000 sản phẩm, nhà máy chỉ biết lot đó có lỗi, nhưng không biết chính xác sản phẩm lỗi đã qua máy nào, jig nào hay vị trí nào.

Ví dụ, trong ngành điện tử, nếu một board lỗi mối hàn, chỉ biết board thuộc lot A là chưa đủ mà cần biết board đó đã qua đâu: máy SMT, feede, nozzle, profile reflow hay kết quả AOI ra sao và ảnh lỗi tại vị trí hàn như thế nào.

Không có ID sản phẩm,việc truy nguyên nhân NG chỉ dừng lại ở cấp độ “khoanh vùng rộng”, rất khó xác định nguyên nhân gốc và không thể giải được bài toán lặp lại đó cho Doanh nghiệp.

4. Chỉ kiểm tra cuối line, không kiểm soát lỗi tại nguồn

Nhiều nhà máy đặt trọng tâm vào kiểm tra cuối dây chuyền. Điều này giúp loại bỏ sản phẩm lỗi trước khi giao hàng, nhưng không giúp ngăn lỗi phát sinh từ sớm.

Một lỗi phát hiện ở cuối line có thể đã được tạo ra ở công đoạn trước đó hàng chục phút hoặc vài giờ. 

• Lỗi lệch linh kiện có thể đến từ gắp, đặt. 
• Lỗi kích thước có thể đến từ khuôn hoặc dao phay. 
• Lỗi mối hàn có thể liên quan đến nhiệt độ, lượng thiếc hoặc profile reflow. 
• Lỗi tem nhãn có thể đến từ dữ liệu in, vị trí dán hoặc camera đọc code.

Nếu nhà máy không thu thập dữ liệu tại công đoạn gây lỗi, hệ thống chỉ thấy hậu quả mà không nhìn ra được nguyên nhân. Vậy nên, cách tiếp cận đúng là kiểm soát chất lượng theo chuỗi, mỗi công đoạn trọng yếu đều phải có dữ liệu kiểm tra, thông số quá trình và trạng thái thiết bị đi kèm.

5. Mã lỗi NG quá chung chung

Một rào cản lớn khác là mã lỗi không đủ chi tiết. Các mã như “NG ngoại quan”, “NG camera”, “NG kích thước”, “NG label” hay “NG test” chỉ có giá trị thống kê sơ bộ, nhưng không đủ để phân tích kỹ thuật.

“NG ngoại quan” có thể là xước, bẩn, móp, sứt, thiếu linh kiện, lệch vị trí, sai màu, ba via hoặc dị vật. “NG label” có thể là sai mã, mờ chữ, mất nét, lệch dòng, rách tem, xước tem hoặc không đọc được code. “NG kích thước” có thể là sai chiều cao, sai đường kính, sai khe hở, sai độ nghiêng hoặc sai khoảng cách tâm.

Nếu mã lỗi quá rộng, nhà máy không thể biết lỗi nào đang tăng, lỗi nào lặp lại, lỗi nào liên quan đến máy, vật liệu, ca sản xuất hay operator. Một hệ thống tốt nên phân cấp mã lỗi theo cấu trúc: nhóm lỗi – loại lỗi – vị trí lỗi – mức độ lỗi – công đoạn phát sinh – nguyên nhân nghi ngờ – hành động xử lý.

6. Nhiều hệ thống Machine Vision mới dừng ở mức bắt lỗi, chưa phục vụ truy xuất nguyên nhân

Trong sản xuất công nghiệp, Machine Vision (Hệ thống thị giác máy tính) vốn là một công cụ mạnh mẽ, đảm nhiệm từ kiểm tra ngoại quan, đo lường kích thước, đọc mã định danh, cho đến kiểm định mối hàn hay điều hướng robot. Bản thân RTC Technology cũng đang tiên phong đồng hành cùng doanh nghiệp qua các nhóm giải pháp chuyên sâu như Inspection, Robot Guide, Gauge/Measurement, Identification và các ứng dụng Deep Learning tiên tiến.

Dù đầu tư hệ thống camera kiểm tra, nhiều nhà máy hiện nay vẫn gặp lỗi “khoảng trống dữ liệu gốc” do chỉ dừng lại ở việc phân loại OK/NG bề mặt. Việc không lưu trữ hình ảnh, tọa độ lỗi hay đồng bộ thuật toán khiến doanh nghiệp đánh mất dữ liệu giá trị. Hệ quả là khi xảy ra khiếu nại hoặc lỗi lặp lại, việc phân tích nguyên nhân cốt lõi (Root-Cause Analysis) để khắc phục triệt để trở nên bất khả thi.

Để hiện thực hóa mô hình nhà máy thông minh, một hệ thống Machine Vision đúng nghĩa không chỉ dừng lại ở vai trò “bắt lỗi”, mà phải là “nguồn dữ liệu truy nguyên”. Bằng cách số hóa và lưu vết toàn diện dữ liệu kiểm tra – từ ảnh lỗi NG, ảnh mẫu OK, tọa độ khuyết tật, giá trị đo lường thực tế cho đến ID sản phẩm và phiên bản thuật toán – hệ thống sẽ tạo nên một sợi chỉ đỏ liên kết chặt chẽ với toàn bộ chuỗi cung ứng dữ liệu công đoạn, giúp doanh nghiệp chủ động tối ưu chất lượng và làm chủ mọi tình huống phát sinh.

=> Liên hệ RTC Technology để tư vấn giải pháp truy vết NG toàn diện cho nhà máy

7. Không lưu thông số quá trình theo từng sản phẩm

Sản phẩm NG thường là kết quả của một quá trình bị lệch. Vì vậy, nếu không lưu thông số quá trình, nhà máy rất khó truy được nguyên nhân.

Các thông số quan trọng có thể bao gồm lực ép, lực siết, góc siết, nhiệt độ, áp suất, tốc độ, cycle time, vị trí robot, hành trình xy-lanh, điện áp, dòng điện, độ rung, recipe, model sản xuất, trạng thái jig, số lần sử dụng dao cụ, trạng thái alarm và dữ liệu cảm biến.

Ví dụ: Nếu lỗi phát sinh do lực siết vượt ngưỡng nhưng hệ thống không lưu lực siết theo từng sản phẩm, nhà máy chỉ biết sản phẩm lỗi mà không chứng minh được lỗi đến từ thao tác siết. Nếu nhiệt độ tăng bất thường nhưng không liên kết với thời điểm sản phẩm đi qua, dữ liệu nhiệt độ cũng không giúp truy vết nguyên nhân.

Dữ liệu quá trình phải được gắn với ID sản phẩm, thời gian, máy, công đoạn và kết quả kiểm tra. Chỉ khi đó nhà máy mới có thể phân tích mối quan hệ giữa thông số vận hành và lỗi chất lượng.

8. Rework và repair không được đóng vòng dữ liệu

Khu vực sửa hàng là một điểm mù lớn trong nhiều nhà máy. Sản phẩm NG được đưa ra khỏi line, sửa và kiểm tra lại rồi quay về sản xuất. Nhưng nếu quá trình này không được ghi nhận đầy đủ, lịch sử lỗi sẽ bị mất.

Nhà máy cần biết sản phẩm lỗi gì, ai xác nhận, ai sửa, sửa bằng phương pháp nào, thay linh kiện nào, kết quả kiểm tra lại ra sao và sản phẩm có quay lại line hay không. Nếu không có dữ liệu repair, tỷ lệ First Pass Yield sẽ bị sai, lỗi lặp lại khó phát hiện và nguyên nhân gốc dễ bị bỏ qua.

Trong nhóm giải pháp quản lý dữ liệu sản xuất, RTC có đề cập hệ thống giám sát sửa sản phẩm khi lỗi xảy ra, với chức năng thu thập vị trí sản phẩm, thông tin lỗi trên từng máy, xác nhận từ QC/QA trước khi đưa sản phẩm quay lại dây chuyền và hiển thị báo cáo lỗi theo thời gian thực.

9. Thiếu kết nối giữa SCADA, OEE, MES và QMS

Để truy xuất nguyên NG, nhà máy cần kết nối dữ liệu từ tầng thiết bị đến tầng quản lý. 

• PLC, cảm biến, camera, scanner, robot và máy test tạo ra dữ liệu tại hiện trường. 
• SCADA giúp giám sát trạng thái máy, alarm và dữ liệu quá trình. 
• OEE giúp theo dõi hiệu suất, thời gian dừng và tỷ lệ chất lượng. 
• MES/QMS giúp quản lý lệnh sản xuất, công đoạn, tiêu chuẩn chất lượng, truy xuất và xử lý lỗi.

Nếu các hệ thống này không kết nối, việc truy NG sẽ phụ thuộc vào con người tổng hợp dữ liệu thủ công. Cách làm này chậm, dễ sai sót và rất khó mở rộng.

Một hệ thống truy vết tốt cần cho phép nhìn lỗi theo nhiều chiều: theo sản phẩm, theo công đoạn, theo máy, theo ca, theo vật liệu, theo recipe, theo alarm và theo xu hướng thời gian. Khi đó, nhà máy không chỉ biết lỗi đang xảy ra mà còn biết lỗi tập trung ở đâu và điều kiện nào đang làm lỗi tăng lên.

10. Giải pháp: Xây dựng “hồ sơ sản xuất số” cho từng sản phẩm

Để truy được nguyên nhân NG, nhà máy nên xây dựng hồ sơ sản xuất số cho từng sản phẩm hoặc từng đơn vị quản lý phù hợp. Hồ sơ này cần bao gồm dữ liệu định danh, dữ liệu vật liệu, dữ liệu công đoạn, dữ liệu thiết bị, dữ liệu kiểm tra và dữ liệu xử lý lỗi.

Mỗi sản phẩm cần được gắn ID và quét tại các điểm quan trọng và mỗi công đoạn cần lưu thời gian vào/ra, máy, jig, operator, recipe và trạng thái thiết bị. Các máy kiểm tra cần lưu kết quả OK/NG, mã lỗi, giá trị đo, ảnh lỗi và ngưỡng đánh giá. Các hệ thống như SCADA, OEE, MES, QMS cần được liên kết để dữ liệu không bị đứt gãy.

Giá trị thực sự của dữ liệu nằm ở khả năng thúc đẩy hành động (Actionable Data). Khi tỷ lệ NG tăng cao, hệ thống phải kích hoạt cảnh báo sớm theo thời gian thực. Nếu lỗi tập trung tại một công đoạn, đội ngũ kỹ thuật cần lập tức nắm rõ lịch sử cảnh báo, thông số sai lệch và phạm vi sản phẩm bị ảnh hưởng. Thậm chí, khi phát hiện bất thường từ một lô nguyên vật liệu đầu vào, nhà máy phải có khả năng khoanh vùng và truy xuất chính xác toàn bộ thành phẩm liên quan. 

Kết luận: Muốn giảm NG, phải truy được điều kiện tạo ra NG

Nhiều nhà máy không truy được nguyên nhân NG không phải vì thiếu thiết bị kiểm tra, mà vì thiếu dữ liệu đúng, thiếu liên kết hệ thống và thiếu phương pháp quản lý lỗi theo chuỗi.

Phát hiện NG chỉ là bước đầu. Giá trị lớn hơn nằm ở khả năng trả lời câu hỏi: điều kiện nào đã tạo ra NG và làm thế nào để ngăn lỗi lặp lại?

Trong sản xuất hiện đại, chất lượng không thể chỉ dựa vào kiểm tra cuối line. Chất lượng phải được kiểm soát bằng dữ liệu tại từng công đoạn, từ vật liệu, máy móc, thông số quá trình, hình ảnh kiểm tra đến lịch sử repair và phản hồi khắc phục.

Thay vì chỉ tìm kiếm sản phẩm lỗi, đích đến của một nhà máy thông minh là làm chủ dữ liệu để thấu hiểu căn nguyên của mọi vấn đề. Đồng hành cùng triết lý đó, RTC Technology không ngừng sáng tạo để mang đến những giải pháp AI Vision uy tín và chất lượng – nơi công nghệ đột phá gặp gỡ tinh thần trách nhiệm, cùng doanh nghiệp kiến tạo tương lai sản xuất vững chắc.

Nếu doanh nghiệp của bạn đang tìm kiếm một giải pháp truy vết NG toàn diện cho nhà máy và tối ưu chi phí, RTC Technology sẵn sàng đồng hành từ khảo sát thực tế đến triển khai và vận hành.

Hotline: 0981 264 068
Email: [email protected]

>> ĐĂNG KÝ: TẠI ĐÂY hoặc CHAT ZALO để nhận tư vấn & báo giá nhanh nhất