Case study: Giảm lỗi mãn tính ở linh kiện nhôm đúc bằng DMAIC (Brazil)

Một lỗi tồn tại nhiều năm trong một nhà máy hiện đại. Không phải vì không ai nhận ra - mà vì không ai chứng minh được nguyên nhân thật sự. Người thì đổ lỗi cho khuôn cũ, người thì nghi ngờ tay nghề công nhân, người khác lại cho là do nguyên liệu. Không ai đúng hẳn, không ai sai hẳn - và lỗi thì vẫn ở đó, mỗi ngày.

Mọi thứ chỉ thay đổi khi một nhóm kỹ sư quyết định ngừng đoán, và bắt đầu đo.

Tại một nhà máy đúc khuôn và gia công nhôm ở Brazil - chuyên cung cấp linh kiện cho các hãng ô tô lớn - có một chi tiết tên là Rearview Housing Support (RHS): phần giá đỡ bằng nhôm giữ cụm gương chiếu hậu gắn vào thân xe. Chi tiết này trải qua hai công đoạn: đúc khuôn (die-casting) để tạo hình, rồi gia công cơ khí (machining) để hoàn thiện kích thước chính xác.

Vấn đề

tỷ lệ lỗi của linh kiện này duy trì ở mức cao kéo dài - không phải một đợt lỗi bất thường, mà là tình trạng "chronically high" (cao mãn tính) đã tồn tại đủ lâu để trở thành chi phí ẩn thường trực của nhà máy. Đây chính là kiểu vấn đề dễ bị bỏ qua nhất trong sản xuất: không đủ nghiêm trọng để dừng dây chuyền, nhưng đủ dai dẳng để ăn mòn lợi nhuận mỗi ngày.

Nhóm dự án đã không xử lý theo cách thông thường - họp bàn, đổ lỗi cho công nhân hoặc máy móc, rồi đưa ra vài điều chỉnh theo kinh nghiệm. Thay vào đó, họ áp dụng đầy đủ chu trình DMAIC:

Define & Measure - Khoanh đúng vùng vấn đề. Thay vì cải tiến dàn trải toàn bộ dây chuyền, nhóm xác định chính xác: vấn đề nằm ở linh kiện RHS, tại hai công đoạn đúc khuôn và gia công. Đo lường hiện trạng trước khi động vào bất cứ điều gì.

Analyze - Để dữ liệu trả lời, không phải phỏng đoán. Đây là phần đáng chú ý nhất: nhóm dự án dùng thí nghiệm giai thừa (factorial Design of Experiments) kết hợp kiểm định giả thuyết (hypothesis testing) để xác định chính xác biến đầu vào nào trong quy trình đúc/gia công thực sự là nguyên nhân gây lỗi - thay vì tin vào "kinh nghiệm nhiều năm" của ai đó trong xưởng. DOE cho phép thử nghiệm có kiểm soát nhiều biến cùng lúc (nhiệt độ khuôn, áp lực ép, tốc độ gia công...) để tách bạch đâu là nguyên nhân thật, đâu chỉ là trùng hợp.

Improve & Control - Sửa đúng chỗ, giữ được lâu. Sau khi xác định đúng biến gây lỗi, giải pháp cải tiến được triển khai tại chính những điểm đó, và được kiểm soát bằng công cụ thống kê để đảm bảo kết quả không "trồi sụt" trở lại sau vài tuần - một rủi ro rất phổ biến khi cải tiến chỉ dựa vào nhắc nhở hoặc quy định miệng.

Kết quả

mức Sigma của quy trình tăng từ 3,4σ lên 4,0σ một cách bền vững. Đây không phải một con số trừu tượng - Sigma level chính là thước đo năng lực quy trình (process capability): quy trình có khả năng tạo ra sản phẩm đúng yêu cầu một cách ổn định đến đâu. Từ 3,4σ lên 4,0σ nghĩa là tỷ lệ lỗi trên một triệu cơ hội giảm đi rõ rệt - một bước tiến năng lực đo lường được bằng số liệu, không phải bằng cảm nhận "có vẻ tốt hơn."

Điều khiến case study này đáng chú ý không phải là con số Sigma, mà là cách tiếp cận: định vị đúng vấn đề, để dữ liệu chỉ ra nguyên nhân thay vì phỏng đoán, và kiểm soát để cải tiến không bị "trôi" trở lại. Đây chính xác là năng lực mà chương trình Lean Six Sigma Green Belt của WISE Academy trang bị cho học viên - không dừng ở lý thuyết DMAIC trên lớp, mà coaching trực tiếp trên dự án cải tiến thật tại nơi làm việc, như đã triển khai tại Pou Chen Corporation.

Nếu quy trình của bạn cũng đang có một "tỷ lệ lỗi mãn tính" mà chưa ai giải quyết được tận gốc, đây có thể là lúc bắt đầu bằng đúng phương pháp - không phải bằng thêm một cuộc họp nữa.

• WISE Academy · wisedemy.com.vn

Nguồn case study: Condé et al. (2023), International Journal of Quality & Reliability Management (Emerald). DOI: 10.1108/IJQRM-05-2022-0157