English 
Vietnamese Nếu Tesla Motors muốn đạt được mục tiêu đầy tham vọng sản xuất 1 triệu xe vào năm 2020, do CEO Elon Musk đề ra, thì một phần không thể thiếu là ứng dụng phân tích dữ liệu vào hoạt động sản xuất.
Mục tiêu 1 triệu xe điện
Tháng Tư vừa qua đánh dấu một sự kiện lịch sử của ngành công nghiệp ô tô khi Tesla trở thành nhà sản xuất ô tô có giá trị lớn nhất nước Mỹ, dù là chỉ trong thời gian ngắn. Thị giá của hãng trong ngày 10/4 đạt 51 tỷ USD, vượt mặt 2 ông lớn General Motors (50 tỷ USD) và Ford (45 tỷ USD).
Tại sao các nhà đầu tư lại định giá hãng sản xuất xe điện này, do Elon Musk sáng lập, cao hơn GM và Ford, mặc dù doanh số năm 2016 của Tesla chỉ là 76.000 xe, chiếm một phần rất nhỏ so với doanh số của Ford (6,6 triệu xe) và GM (10 triệu xe), và hãng vẫn chưa có lãi, với khoản lỗ 675 triệu USD vào năm ngoái?
Tầm nhìn táo bạo của Elon Musk về tương lai của ngành vận tải, trong đó mọi xe ô tô đều sẽ là xe điện và hoàn toàn tự hành, rõ ràng đóng một vai trò rất quan trọng. Và để biến tầm nhìn đó thành hiện thực, CEO Elon Musk đã đặt ra những mục tiêu tham vọng cho hoạt động sản xuất của Tesla.
Trong năm 2013, Tesla chỉ cho xuất xưởng khoảng 20.000 chiếc Model S, mẫu sedan cỡ lớn và là mẫu xe sản xuất hàng loạt đầu tiên của công ty. 3 năm sau, sản lượng hàng năm của hãng đã đạt 100.000 chiếc. Và mục tiêu của Elon Musk là 500.000 chiếc vào 2018 và 1 triệu chiếc vào 2020.
Tháng 12 năm ngoái, hội đồng thành phố Fremont, bang California, đã chấp thuận kế hoạch của Tesla mở rộng gấp đôi quy mô nhà máy của hãng tại đây. Diện tích nhà xưởng sẽ được bổ sung thêm 420.000 mét vuông. Số nhân công cũng tăng từ 6.000 lên 9.000.
Đọc thêm: Cuộc cách mạng robot mới trong sản xuất
Vì sao Tesla cần ứng dụng Business Intelligence?
Đợt mở rộng lớn này là rất cần thiết khi mà cơ cấu sản phẩm của Tesla cũng không ngừng phát triển. Trước năm 2015 thì nhà máy Fremont chỉ sản xuất Model S. Sau đó là sự xuất hiện của mẫu SUV Model X. Các dây chuyền lắp ráp Model 3, mẫu xe phổ thông với mức giá mềm hơn nhiều, dự kiến sẽ đi vào hoạt động vào cuối năm nay. Cho đến nay, Tesla đã nhận được hơn 370.000 đơn đặt hàng cho Model 3.
Với tốc độ phát triển chóng mặt cùng với các mục tiêu tham vọng này thì không tránh khỏi những sai sót và thách thức trong hoạt động sản xuất. Theo Wall Street Journal thì trong 5 năm qua, Tesla đã có hơn 20 trễ hạn các mục tiêu do chính mình đặt ra.
Tesla do đó đã triển khai giải pháp phân tích dữ liệu như là một phần nỗ lực để hạn chế sai sót và cải thiện mức độ hiệu quả của hoạt động sản xuất.
Vai trò của dữ liệu trong hoạt động sản xuất tại Tesla
Dữ liệu trong quá trình sản xuất của Tesla được đưa vào một số hệ thống chủ chốt khác nhau. Hệ thống đầu tiên là MES (Manufacturing Execution System). Đây có thể được xem như là “trung tâm kiểm soát không lưu” của toàn bộ quy trình sản xuất. Nó có thể theo dõi vị trí của từng bộ phận, linh kiện trong dây chuyền, chỉ định nơi bộ phận này sẽ di chuyển đến, theo dõi các đơn hàng và các vấn đề chất lượng, cũng như thu thập các thông số đo lường cơ bản. MES sử dụng cơ sở dữ liệu Oracle/SQL.
Những dữ liệu kiểm tra chất lượng chi tiết và chuyên sâu hơn được lưu trữ trong một cơ sở dữ liệu MySQL riêng, và được Tesla tự phát triển.
Bên cạnh đó, nhờ vào tính linh hoạt và dễ sử dụng mà QuickBase cũng được ứng dụng để theo dõi những thay đổi về mặt quy trình và các vấn đề chất lượng chưa được khắc phục. Và cuối cùng, không thể thiếu ứng dụng bảng tính Excel cho các báo cáo thủ công.
Dữ liệu không chỉ được lưu trữ trong nhiều hệ thống riêng biệt, mà nó còn phải phục vụ cho nhiều đối tượng người dùng với yêu cầu khác nhau. Nếu như các nhân viên ở bộ phận Quản lý Sản xuất quan tâm đến báo cáo về sản lượng và tái gia công thì nhân viên ở bộ phận Quản lý Thiết bị quan tâm đến báo cáo bảo trì phòng ngừa, nhân viên tại bộ phận Quản lý Quy trình quan tâm đến báo cáo phân tích nguyên nhân gốc. Đôi lúc, các nhân viên không biết phải lấy dữ liệu mà mình cần ở đâu.
Đọc thêm: Ngành sản xuất & Cách mạng công nghiệp 4.0
Tình trạng “Mù thông tin”
Bên cạnh số lượng lớn các cơ sở dữ liệu và nhu cầu sử dụng báo cáo thì số lượng các công cụ phân tích số liệu được sử dụng tại Tesla cũng không hề nhỏ. Đa số dựa vào Excel hoặc LabView, một công cụ do Tesla tự xây dựng, một số ít chuyên gia biết cách dùng MySQL Workbench hoặc R.
Tình huống này tạo ra nhiều nút nghẽn cổ chai vì chỉ có một số ít nhân viên có thể tiếp cận đa số dữ liệu cũng như khả năng để phân tích chúng. Kết quả là các nhân viên chỉ có thể biết được những gì đang xảy ra ở bộ phận của mình mà không biết tình trạng của các bộ phận khác.
Danh sách dưới đây là top những nhu cầu báo cáo dữ liệu hàng đầu tại nhà máy của Tesla:
- Báo cáo sản lượng
- Theo dõi và phân tích chất lượng
- Kiểm soát quy trình bằng thống kê (SPC)
- Điều tra nguyên nhân gốc
- Khai phá dữ liệu mở (Open-ended data exploration)
- Phân tích thống kê – DOE, GRR v.v…
Đáng chú ý là đa số các báo cáo này đặt nặng yếu tố trực quan hoá dữ liệu và khai phá dữ liệu thay vì thống kê hay lập trình. Yêu cầu này là một trong những yếu tố thúc đẩy Tesla chuyển sang dùng giải pháp phân tích dữ liệu Tableau.
Đọc thêm: Top 3 nhà cung cấp giải pháp Business Intelligence hàng đầu thế giới 2017
Ưu thế của Tableau
Một trong những ưu thế đặc trưng của Tableau là người dùng không còn phải quan tâm đến việc dữ liệu cần thiết đến từ nguồn nào. Họ có thể lấy bất kì dữ liệu nào mà mình cần, từ bất kì cơ sở dữ liệu nào, vào bất cứ lúc nào. Ví dụ như họ có thể xem dữ liệu từ MES, QuickBase, hay Excel trên cùng một màn hình.
Tableau cho phép người dùng thông thường, kể cả những người không biết lập trình, có thể hình ảnh hoá dữ liệu (data visualisation) một cách dễ dàng mà nếu dùng R thì họ cần học ít nhất trong 6 tháng.
Một ưu thế lớn khác của Tableau là khả năng chia sẻ. Trong quá khứ, những nhân viên có khả năng phân tích số liệu thường phải xuất kết quả ra file riêng và gửi cho những người dùng khác bằng email. Cách thức này không chỉ tốn nhiều thời gian mà còn thiếu khả năng tương tác giữa người dùng và các kết quả này.
Ngược lại, người dùng Tableau có thể dễ dàng tải kết quả của họ online và cho phép những người dùng khác truy cập và tương tác với các biểu đồ, dashboard… ngay trên trình duyệt web.
Trong phần tới, chúng ta sẽ khám phá một số ví dụ thực tế của Tableau khi được triển khai tại nhà máy Tesla.
Xem xét dữ liệu từ nhiều khía cạnh
Để có được bức tranh toàn cảnh, người dùng cần phải có thể xem xét và đào sâu dữ liệu từ nhiều phương diện khác nhau. Từ đó, người dùng có thể nhận diện các xu hướng và hình mẫu dễ dàng hơn.
Các biểu đồ sau thể hiện 3 góc nhìn khác nhau về cùng một dữ liệu: các vấn đề chất lượng trong quá trình sản xuất.
Biểu đồ ở góc trên bên trái thể hiện số lượng lỗi theo thời gian. Góc trên bên phải là số lỗi theo từng phân khu sản xuất (work centre). Và ở góc dưới bên phải là số lượng theo từng loại lỗi.
Dashboard này được các nhân viên thuộc bộ phận Quản lý Quy trình sử dụng hàng ngày. Họ có thể đào sâu để xem chi tiết các số liệu theo nhiều cách khác nhau. Ví dụ, họ có thể dễ dàng xem số lỗi của từng phân khu sản xuất theo thời gian và theo loại lỗi bằng bấm vào biểu tượng của phân khu đó.
Người dùng sau đó có thể tiếp tục đào sâu hơn bằng cách bấm vào từng loại lỗi và xem sự thay đổi của chúng theo thời gian.
Góc dưới bên trái là nơi người dùng có thể xem thông tin chi tiết của từng lỗi khi chúng được phát hiện và ghi nhận, bao gồm cả ghi chú của người thực hiện kiểm tra. Như vậy, người dùng có thể đồng thời đánh giá cả xu hướng chung và thông tin chi tiết của từng thành phẩm chỉ trong 1 giao diện duy nhất.
Theo dõi quy trình
Dashboard sau theo dõi số lượng linh kiện bị báo lỗi sai. Đây là tình huống xảy ra khi các linh kiện này được quét mã vạch và bị từ chối mặc dù linh kiện đó không có vấn đề gì. Lỗi này có thể xảy ra vì một số lí do như đầu đọc laser bị lệch, hoặc công nhân cầm linh kiện khi quét không ở đúng vị trí.
Dashboard trong ví dụ này thể hiện dữ liệu từ 19 work centre (MAC01 đến MAC19), với mỗi work centre có 10 vị trí quét (A đến J). Tỷ lệ báo lỗi sai được thể hiện bằng màu sắc. Màu xanh lục cho thấy tỷ lệ này đang trong giới hạn cho phép.
Người dùng có thể bấm vào từng work centre và xem xu hướng thay đổi của báo lỗi sai theo từng vị trí theo thời gian. Quan trọng hơn, họ cũng có thể lấy dữ liệu nhật ký theo dõi thiết bị, từ một cơ sở dữ liệu khác, và so sánh 2 dữ liệu này xem trong thời gian đó đã có ai báo lỗi hay yêu cầu sửa chữa thiết bị đọc mã vạch hay không, và việc này có ảnh hưởng đến tỷ lệ báo lỗi sai như thế nào.
Như trong trường hợp này, có thể thấy 2 yêu cầu bảo trì được đưa ra cho vị trí B / work centre MAC14. Và tỷ lệ báo lỗi sai đã giảm hẳn sau lần bảo trì thứ 2.
Như vậy, người dùng không chỉ có thể theo dõi những gì đang diễn ra và còn có thể đào sâu thêm về các hành động được thực hiện khi quản lý quy trình.
Đây là phần đầu tiên của bài viết. Vui lòng đăng ký theo dõi blog của chúng tôi để đón đọc phần tiếp theo.
Bạn cũng có thể yêu cầu xem demo giải pháp Tableau và để khám phá giải pháp này có thể giúp ích gì cho doanh nghiệp của bạn.
