Thách thức dữ liệu của ngành sản xuất

Một nhà máy hiện đại không chạy trên một hệ thống duy nhất. Nó chạy trên cả một quần thể hệ thống: phần mềm hoạch định nguồn lực doanh nghiệp lo vật tư và mua hàng, hệ điều hành sản xuất ngoài xưởng theo dõi lệnh sản xuất và năng suất dây chuyền, hàng nghìn cảm biến và bộ điều khiển trên máy móc gửi về dữ liệu vận hành theo từng giây, các hệ quản lý vòng đời sản phẩm, chất lượng, kho và khách hàng mỗi hệ một mảnh. Với một doanh nghiệp đa nhà máy, mọi thứ còn nhân lên theo số nhà máy, mỗi nơi lại có quy ước đặt mã và cách làm riêng. Khối lượng và sự đa dạng đó vừa là sức mạnh của sản xuất số, vừa là gốc rễ của một bài toán dữ liệu rất đặc thù: dữ liệu vật tư, sản phẩm, công thức sản phẩm, nhà cung cấp và thiết bị trùng lặp, không khớp và trôi dạt khắp các hệ thống. Trang này phân tích thách thức đó và lý do vì sao nền data governance với Ataccama lại quyết định hiệu quả vận hành của nhà máy.

Vì sao sản xuất là ngành “khó” về dữ liệu

Mỗi ngành có đặc thù dữ liệu riêng, nhưng sản xuất hội tụ gần như mọi yếu tố làm dữ liệu trở nên phức tạp cùng một lúc: số lượng hệ thống tham gia vào một quy trình rất lớn, dữ liệu kỹ thuật (vật tư, công thức, thông số) cực kỳ chi tiết, nhiều nhà máy với quy ước khác nhau, và một dòng dữ liệu cảm biến gần như vô tận đổ về từ máy móc. Khác với một doanh nghiệp dịch vụ chỉ quản vài loại dữ liệu, một nhà máy phải đồng thời giữ đúng hàng chục nghìn mã vật tư, cấu trúc sản phẩm nhiều tầng, hồ sơ nhà cung cấp, lý lịch thiết bị và kết quả đo kiểm chất lượng — rồi giữ cho tất cả khớp nhau giữa các hệ thống.

Silo hệ thống: mỗi hệ một mảnh sự thật

Cốt lõi của vấn đề là silo dữ liệu. Mỗi hệ thống trong nhà máy được chọn vì làm tốt một việc, nhưng không hệ nào được sinh ra để nắm bức tranh toàn cảnh:

ERP (hoạch định nguồn lực doanh nghiệp) giữ danh mục vật tư, đơn mua hàng, tồn kho theo sổ sách, giá và dữ liệu tài chính.
MES (hệ điều hành sản xuất) quản lý lệnh sản xuất, tiến độ dây chuyền, sản lượng, phế phẩm và truy vết lô ngoài xưởng.
SCADA, IoT và bộ điều khiển PLC thu dữ liệu vận hành máy móc theo thời gian thực: tốc độ, nhiệt độ, áp suất, rung động, thời gian dừng máy.
PLM (quản lý vòng đời sản phẩm) giữ thiết kế, phiên bản kỹ thuật và cấu trúc sản phẩm khi phát triển.
QMS (quản lý chất lượng) lưu kết quả kiểm tra, loại lỗi, hồ sơ không phù hợp và hành động khắc phục.
WMS (quản lý kho) theo dõi tồn kho thực tế theo từng kho, từng vị trí, từng lô.
CRM giữ thông tin khách hàng, đơn đặt hàng và lịch sử giao dịch đầu ra.

Mỗi hệ thống có cơ sở dữ liệu, mã định danh và quy ước riêng. Cùng một vật tư, cùng một sản phẩm, cùng một thiết bị lại tồn tại dưới nhiều phiên bản ở nhiều nơi — và không hệ thống nào biết chắc đâu là phiên bản đúng.

Đa nhà máy: mỗi nơi một quy ước

Với doanh nghiệp có nhiều nhà máy, ở nhiều tỉnh hoặc nhiều quốc gia, mức độ phân mảnh nhân lên. Mỗi nhà máy thường:

Đặt mã vật tư theo cách riêng, nên cùng một con ốc, cùng một loại nhựa hạt, cùng một cuộn vải lại mang mã hoàn toàn khác nhau giữa các nhà máy.
Dùng đơn vị tính khác nhau cho cùng một thứ: nơi tính theo mét, nơi theo cuộn, nơi theo ki-lô-gam.
Quy ước đặt tên loại lỗi, mã dây chuyền, mã kho không thống nhất, khiến số liệu chất lượng và tồn kho khó cộng gộp.
Triển khai phiên bản ERP hoặc MES khác nhau, đặc biệt sau khi sáp nhập hoặc mua lại nhà máy.

Hệ quả là ban lãnh đạo tập đoàn rất khó có một con số hợp nhất đáng tin: tổng tồn kho thực của một vật tư trên toàn hệ thống là bao nhiêu, nhà cung cấp nào đang bán cho mấy nhà máy, tỷ lệ lỗi của cùng một dòng sản phẩm giữa các nơi chênh nhau ra sao.

Dữ liệu chủ trùng lặp và không nhất quán

Trong sản xuất, dữ liệu chủ — vật tư, sản phẩm, công thức sản phẩm (BOM), nhà cung cấp, thiết bị — là nền của mọi quy trình. Nhưng đây cũng là nơi trùng lặp diễn ra nghiêm trọng nhất:

Vật tư: một loại nguyên liệu được khai báo nhiều lần với mô tả khác nhau (“THÉP TẤM 2MM”, “thep tam 2.0”, “Steel sheet 2mm”), tạo ra các mã trùng mà hệ thống xem là khác nhau.
Sản phẩm và BOM: cấu trúc một sản phẩm trong ERP không khớp với cấu trúc trong MES hoặc trong hồ sơ kỹ thuật PLM; thay đổi kỹ thuật ở một nơi không lan sang nơi khác.
Nhà cung cấp: cùng một nhà cung cấp xuất hiện dưới nhiều bản ghi (tên viết tắt, tên pháp lý, chi nhánh khác nhau), khiến không nhìn được tổng chi tiêu và mức rủi ro thực.
Thiết bị: cùng một máy được ghi nhận khác nhau giữa hồ sơ bảo trì và dữ liệu vận hành, nên không tính đúng được hiệu suất hay lịch bảo trì.

Industry 4.0: làn sóng dữ liệu cảm biến khổng lồ

Trên tất cả, Industry 4.0 thêm một chiều kích mới: máy móc kết nối đổ về khối lượng dữ liệu cảm biến khổng lồ, liên tục, theo thời gian thực. Dữ liệu này hứa hẹn bảo trì dự đoán, tối ưu năng suất và bản sao số (digital twin). Nhưng dữ liệu cảm biến chỉ có giá trị khi gắn được vào ngữ cảnh đúng: chỉ số này thuộc máy nào, máy đó đang chạy sản phẩm gì, theo công thức nào, ở nhà máy nào. Nếu chính lớp dữ liệu chủ bên dưới đã trùng lặp và lệch lạc, thì biển dữ liệu cảm biến phía trên cũng khó khai thác — nguyên tắc “rác vào, rác ra” đúng với cả phân tích nâng cao và AI.

Hậu quả khi dữ liệu sản xuất phân mảnh

Dữ liệu phân mảnh hiếm khi gây một sự cố lớn và rõ ràng ngay lập tức. Thay vào đó, nó âm thầm bào mòn hiệu quả vận hành, chất lượng và khả năng truy xuất. Dưới đây là những hậu quả phổ biến nhất mà lãnh đạo nhà máy sẽ nhận ra.

Tồn kho thừa và mua trùng

Khi cùng một vật tư có nhiều mã, hệ thống không nhìn ra rằng kho đã có sẵn — nên tiếp tục đặt mua. Một nhà máy điện tử có thể đang giữ cùng một loại linh kiện dưới ba mã khác nhau, mỗi mã một mức tồn an toàn, dẫn tới tồn kho thừa, đọng vốn, trong khi đội mua hàng vẫn đặt thêm vì báo cáo cho thấy “sắp hết”. Mua trùng và tồn dư cùng tồn tại một cách nghịch lý — đều bắt nguồn từ dữ liệu vật tư không sạch.

OEE và chỉ số chất lượng tính sai

Hiệu suất thiết bị tổng thể (OEE) và tỷ lệ lỗi chỉ đáng tin khi dữ liệu đầu vào sạch và nhất quán. Nếu thời gian dừng máy, sản lượng và phế phẩm được ghi theo các quy ước khác nhau, hoặc mã thiết bị và mã loại lỗi không thống nhất giữa các nhà máy, thì chỉ số OEE và báo cáo chất lượng lệch nhau, không so sánh được. Một dây chuyền có vẻ kém hiệu quả trên báo cáo có thể chỉ là nạn nhân của cách ghi dữ liệu, khiến lãnh đạo đầu tư cải tiến sai chỗ.

Khó truy xuất nguồn gốc và thu hồi

Khi một lô thành phẩm có vấn đề, doanh nghiệp cần truy ngược nhanh: lô đó dùng nguyên liệu nào, từ nhà cung cấp nào, chạy trên máy nào, ngày nào. Nếu dữ liệu lô và vật tư đứt gãy giữa ERP, MES và QMS, việc truy xuất nguồn gốc trở nên chậm và thiếu chắc chắn. Với ngành thực phẩm hoặc dược, điều này không chỉ là chi phí mà còn là rủi ro an toàn và tuân thủ; với hàng xuất khẩu, khả năng truy xuất minh bạch ngày càng là điều kiện bắt buộc của thị trường.

Quyết định vận hành sai vì số liệu lệch

Cuối cùng, mọi mảnh dữ liệu lệch lạc đều quy về một hậu quả: ban lãnh đạo không có một nguồn sự thật chung. Mỗi phòng ban mang tới cuộc họp một con số khác nhau cho cùng một chỉ tiêu — tồn kho, sản lượng, tỷ lệ lỗi, chi tiêu nhà cung cấp. Thời gian họp trôi vào tranh luận xem số nào đúng thay vì quyết định nên làm gì, và quyết định cuối cùng đặt trên nền dữ liệu không vững.

Vì sao dữ liệu chủ sạch là gốc rễ

Điểm chung của mọi hậu quả trên là chúng đều bắt nguồn từ lớp dữ liệu chủ và chất lượng dữ liệu, chứ không phải từ bản thân ERP hay MES. ERP và MES chỉ tốt ngang dữ liệu chúng được cấp. Khi vật tư, sản phẩm, BOM, nhà cung cấp và thiết bị được chuẩn hóa về một nguồn đáng tin duy nhất, thì cùng một dữ liệu nền nuôi mọi hệ thống một cách nhất quán — và toàn bộ chuỗi từ mua hàng, sản xuất, chất lượng tới truy xuất nguồn gốc đều vận hành trên cùng một sự thật.

Đây chính là vai trò của data governance: quản lý dữ liệu chủ (MDM) để hợp nhất và làm sạch dữ liệu chủ, chất lượng dữ liệu để đo và giữ dữ liệu đạt chuẩn, dữ liệu tham chiếu để thống nhất mã và đơn vị tính giữa các nhà máy, cùng lineage để truy vết dòng chảy dữ liệu phục vụ truy xuất và tuân thủ.

Cách tiếp cận thực tế cho nhà máy

Hóa giải phân mảnh dữ liệu không có nghĩa là thay thế toàn bộ hệ thống đang chạy. Cách làm thực tế là xây một lớp quản trị và hợp nhất dữ liệu nằm trên các hệ thống hiện hữu:

Chọn loại dữ liệu chủ đau nhất trước. Với phần lớn nhà máy, đó là vật tư và BOM — nơi tồn kho thừa, mua trùng và lệch ERP với MES gây thiệt hại rõ nhất.
Hợp nhất và khử trùng. Đối sánh và gộp các bản ghi vật tư, sản phẩm, nhà cung cấp trùng để có một bản ghi chuẩn xuyên nhà máy.
Chuẩn hóa dữ liệu tham chiếu. Thống nhất đơn vị tính, mã vật tư, mã nhà máy, mã dây chuyền và mã loại lỗi để số liệu cộng gộp được.
Đặt thước đo chất lượng dữ liệu. Định nghĩa và theo dõi các chỉ số chất lượng cho dữ liệu chủ và dữ liệu vận hành, thay vì để dữ liệu lặng lẽ xuống cấp.
Thiết lập quyền sở hữu và quy trình. Mỗi loại dữ liệu có người chủ (data steward) và quy trình duyệt, để dữ liệu không trôi dạt trở lại sau khi đã làm sạch.

Một nền tảng quản trị dữ liệu như Ataccama kết hợp đúng các năng lực này — MDM, chất lượng dữ liệu, dữ liệu tham chiếu và lineage — để doanh nghiệp sản xuất xây nền dữ liệu vững mà không phải đập đi xây lại hệ thống lõi. Hai bài toán gần như mọi nhà máy nên giải trước tiên là dữ liệu vật tư, sản phẩm chủ và BOM cùng chất lượng dữ liệu cho chất lượng sản xuất và OEE — nơi giá trị xuất hiện nhanh và rõ nhất.

Đi sâu vào bài toán nền tảng nhất của nhà máy: Dữ liệu vật tư, sản phẩm chủ và BOM trong sản xuất.
Tìm hiểu cách dữ liệu sạch nâng độ tin cậy của chỉ số chất lượng và hiệu suất thiết bị: Chất lượng dữ liệu cho chất lượng sản xuất và OEE.
Nắm khái niệm nền tảng về chất lượng dữ liệu và vì sao nó là gốc rễ: Chất lượng dữ liệu là gì.