9 loại dữ liệu nhà máy cần chuẩn bị trước khi làm dashboard và AI

I. Bảng tổng quan: dữ liệu, nguồn và mục đích

Nhóm dữ liệu	Nguồn phổ biến	KPI/use case chính
1. Dữ liệu nền	ERP, CMMS, MES, danh mục Excel	Liên kết hệ thống, phân tích theo thiết bị/sản phẩm
2. Kế hoạch và lệnh	ERP, APS, kế hoạch Excel	Tiến độ, schedule adherence, nguy cơ trễ
3. Thực thi sản xuất	MES, form ca, máy/SCADA	Sản lượng, cycle time, Performance, truy xuất
4. Dừng máy	MES, SCADA, form hiện trường	Availability, downtime, Pareto nguyên nhân
5. Bảo trì	CMMS, phiếu giấy/Excel	MTTR, MTBF, PM, backlog, lỗi lặp lại
6. Chất lượng	QMS, LIMS, form QC	Quality, lỗi, CAPA, truy xuất
7. Vật tư và phụ tùng	ERP/WMS/CMMS	Tồn kho, stockout, chi phí, tiêu hao
8. Máy móc và năng lượng	PLC, SCADA, IoT, đồng hồ	Trạng thái, bất thường, predictive maintenance, năng lượng
9. Tri thức và tài liệu	DMS, thư mục, PDF, SOP, lịch sử	AI Copilot, troubleshooting, đào tạo, tuân thủ

II. Dữ liệu nền - master data

Dữ liệu nền giúp các hệ thống và bộ phận gọi cùng một đối tượng bằng một tên thống nhất.

Thành phần chính

Mã và cây phân cấp thiết bị.
Nhà máy, khu vực, dây chuyền, công đoạn, vị trí.
Mã sản phẩm, nhóm sản phẩm, route/quy trình.
Mã vật tư, phụ tùng và đơn vị tính.
Ca/kíp, vai trò, người dùng.
Mã lỗi, mã dừng, loại công việc và trạng thái.

Vì sao quan trọng?

Nếu cùng một máy có ba tên ở ERP, CMMS và Excel, nhà máy khó liên kết dừng máy, phiếu bảo trì, phụ tùng và chi phí. AI cũng có thể coi chúng là ba đối tượng khác nhau.

Chủ sở hữu gợi ý

Mỗi danh mục cần một chủ sở hữu nghiệp vụ. IT quản lý cơ chế, nhưng bảo trì phải sở hữu mã thiết bị; sản xuất sở hữu dây chuyền/công đoạn; chất lượng sở hữu mã lỗi.

III. Dữ liệu kế hoạch và lệnh sản xuất

Để biết tiến độ và hiệu quả, nhà máy cần một mốc kỳ vọng.

Thành phần chính

Đơn hàng/lệnh sản xuất.
Sản phẩm, số lượng và hạn hoàn thành.
Dây chuyền/công đoạn dự kiến.
Thời gian kế hoạch và thứ tự thực hiện.
Định mức, route và nguồn lực nếu có.

Use case

Theo dõi sản lượng kế hoạch/thực tế.
Cảnh báo nguy cơ trễ.
Phân tích ảnh hưởng của dừng máy đến đơn hàng.
Tính Availability/OEE theo thời gian sản xuất kế hoạch.

Dữ liệu kế hoạch thường đến từ ERP hoặc file kế hoạch. Cần làm rõ hệ thống nào là nguồn chính thức khi có thay đổi.

IV. Dữ liệu thực thi sản xuất

Dữ liệu này cho biết chuyện gì thực sự xảy ra tại hiện trường.

Thành phần chính

Thời gian bắt đầu-kết thúc lệnh/công đoạn.
Sản lượng theo thời gian, đạt, lỗi và rework.
Máy/dây chuyền, ca, người vận hành.
Cycle time thực tế và tốc độ.
Trạng thái lệnh: chờ, chạy, tạm dừng, hoàn thành.
Thông số quá trình quan trọng, nếu cần.

Use case

Dashboard tiến độ và sản lượng.
Performance trong OEE.
Phân tích năng suất theo ca/sản phẩm.
Truy xuất sản phẩm.
Tóm tắt ca bằng AI.

Không nên chỉ lưu tổng sản lượng cuối ca nếu mục tiêu là tìm nguyên nhân mất năng suất trong ca.

V. Dữ liệu dừng máy

Dừng máy cần được ghi theo từng sự kiện, không chỉ tổng thời gian.

Thành phần chính

Mã thiết bị/dây chuyền.
Thời điểm bắt đầu, kết thúc, thời lượng.
Lệnh, sản phẩm và ca.
Nhóm nguyên nhân tạm thời và đã xác nhận.
Người xác nhận, phiếu bảo trì/hành động liên quan.
Sản lượng hoặc tiến độ bị ảnh hưởng.

Use case

Availability và OEE.
Pareto nguyên nhân.
Top thiết bị gây tổn thất.
Phát hiện dừng ngắn lặp lại.
AI phân tích mẫu bất thường.

Chất lượng dữ liệu dừng thường quyết định độ tin cậy của dashboard OEE.

VI. Dữ liệu bảo trì

Mỗi phiếu bảo trì vừa là giao dịch công việc vừa là nguồn tri thức.

Thành phần chính

Thiết bị, vị trí và mức độ trọng yếu.
Loại việc: breakdown, PM, inspection, improvement.
Hiện tượng, lỗi, nguyên nhân và hành động.
Thời gian yêu cầu, phản hồi, sửa chữa và hoàn thành.
Người thực hiện, nhân công và phụ tùng.
Checklist, ảnh, tài liệu và xác nhận.
Chi phí và ảnh hưởng dừng nếu có.

Use case

Backlog, PM compliance, MTTR, MTBF.
Lỗi lặp lại và bad actors.
Tối ưu nội dung/chu kỳ PM.
Dự báo nhu cầu phụ tùng.
AI troubleshooting và tìm sự cố tương tự.

Nếu nguyên nhân và hành động bị ghi tự do quá chung, giá trị phân tích sẽ thấp.

VII. Dữ liệu chất lượng

Dữ liệu chất lượng cần cho cả OEE, truy xuất và cải tiến.

Thành phần chính

Sản phẩm, lô, công đoạn, máy và ca.
Mã lỗi, mức nghiêm trọng và số lượng.
Kết quả kiểm tra, thông số, tiêu chuẩn/phiên bản.
Nguyên vật liệu hoặc nhà cung cấp liên quan.
Nguyên nhân, containment, CAPA và hiệu lực.
Khiếu nại khách hàng và truy xuất.

Use case

Quality trong OEE.
Pareto lỗi và lỗi lặp lại.
Truy xuất nguyên nhân nhanh.
Phân tích mối liên hệ giữa lỗi và điều kiện quá trình.
AI thị giác máy hoặc hỗ trợ CAPA trong điều kiện phù hợp.

Chỉ ghi “NG” là không đủ. Cần biết lỗi gì, ở đâu và trong ngữ cảnh nào.

VIII. Dữ liệu vật tư và phụ tùng

Thành phần chính

Mã, mô tả, đơn vị tính và vị trí kho.
Tồn hiện tại, min-max, lead time và giá.
Lịch sử nhập, xuất, điều chuyển và kiểm kê.
Liên kết với lệnh sản xuất, thiết bị hoặc phiếu bảo trì.
Mức độ critical của phụ tùng.
Nhà cung cấp và khả năng thay thế.

Use case

Cảnh báo thiếu vật tư/phụ tùng.
Phân tích tồn chậm và stockout.
Chi phí bảo trì theo thiết bị.
Dự báo nhu cầu dựa trên PM và lịch sử sử dụng.

Tổng giá trị tồn kho không đủ để đánh giá. Một phụ tùng ít tiền nhưng lead time dài cho máy trọng yếu có thể rủi ro cao.

IX. Dữ liệu máy móc, quá trình và năng lượng

Thành phần chính

Trạng thái chạy/dừng.
Tốc độ, cycle, sản lượng đếm.
Nhiệt độ, áp suất, dòng, rung động, lưu lượng.
Cảnh báo và mã lỗi điều khiển.
Năng lượng tiêu thụ theo thời gian/khu vực.
Điều kiện môi trường.

Nguồn

PLC, SCADA, historian, IoT gateway, đồng hồ điện/nước/khí, cảm biến bổ sung.

Use case

Thu thập tự động cho OEE.
Phát hiện bất thường.
Condition monitoring và predictive maintenance.
Phân tích năng lượng trên đơn vị sản phẩm.
Truy xuất thông số quá trình.

Không nên thu thập mọi tag chỉ vì có thể. Cần biết mỗi dữ liệu sẽ hỗ trợ cảnh báo hoặc quyết định nào, tần suất và thời gian lưu bao lâu.

X. Dữ liệu tri thức và tài liệu

Dữ liệu quan trọng không chỉ nằm trong bảng.

Thành phần chính

Manual, bản vẽ, datasheet.
SOP, WI, checklist và quy trình an toàn.
LOTO, GMP, HACCP, HSE, tiêu chuẩn chất lượng.
Hướng dẫn troubleshooting.
Bài học sau sự cố và kinh nghiệm chuyên gia.
Lịch sử phiếu bảo trì có mô tả tốt.
Câu hỏi thường gặp và tài liệu đào tạo.

Metadata tối thiểu

Mã tài liệu, tên, loại.
Thiết bị/dây chuyền/phạm vi áp dụng.
Phiên bản, ngày hiệu lực, trạng thái.
Người sở hữu và người phê duyệt.
Quyền truy cập.

Use case

AI Copilot hỏi đáp có trích nguồn.
Tìm tài liệu nhanh.
Đào tạo nhân sự mới.
Troubleshooting và lưu tri thức chuyên gia.

AI Copilot không tự sửa được kho tài liệu lộn xộn. Tài liệu phải được quản trị trước.

XI. Cách ưu tiên dữ liệu theo use case

Thay vì hỏi “chúng ta có dữ liệu gì?”, hãy hỏi “quyết định nào cần cải thiện?”.

Use case giảm dừng máy

Ưu tiên: thiết bị, dừng máy, phiếu bảo trì, lệnh/sản phẩm và nguyên nhân.

Use case dashboard tiến độ

Ưu tiên: kế hoạch/lệnh, sản lượng, trạng thái công đoạn, dừng và thời gian còn lại.

Use case giảm lỗi

Ưu tiên: sản phẩm/lô, mã lỗi, máy/công đoạn, vật tư, thông số và CAPA.

Use case AI Copilot

Ưu tiên: tài liệu chính thức, metadata, quyền, phiên bản, bộ câu hỏi và phản hồi người dùng.

Use case dự báo hỏng

Ưu tiên: tín hiệu tình trạng thiết bị, lịch sử hỏng có nguyên nhân, điều kiện vận hành và thời điểm bảo trì.

XII. Sơ đồ dữ liệu tối thiểu nên vẽ

Một sơ đồ đơn giản nên thể hiện:

Hệ thống nào giữ dữ liệu nào.
Đối tượng chung để liên kết: mã thiết bị, sản phẩm, lệnh, ca, thời gian.
Luồng dữ liệu vào dashboard hoặc AI.
Nguồn nào là source of truth.
Tần suất cập nhật.
Chủ sở hữu và quyền truy cập.

Không cần bắt đầu bằng data lake lớn. Sơ đồ giúp tránh kết nối trùng, định nghĩa sai và thu thập không có mục đích.

XIII. Checklist data readiness

Danh mục nền có mã duy nhất và chủ sở hữu không?
Dữ liệu giao dịch có thời gian, trạng thái và người xác nhận không?
Các hệ thống có trường chung để liên kết không?
Có KPI chất lượng dữ liệu không?
Dữ liệu máy được thu ở tần suất phù hợp không?
Tài liệu có phiên bản, hiệu lực và quyền truy cập không?
Có chính sách lưu trữ, backup và audit trail không?
Use case có mô tả rõ dữ liệu nào thật sự cần không?

XIV. Câu hỏi thường gặp

Có cần thu thập cả chín nhóm ngay không?

Không. Mỗi use case chỉ cần một tập con. Thu thập dàn trải làm tăng chi phí và gánh nặng quản trị mà chưa chắc tạo giá trị.

Dữ liệu từ giấy và Excel có thể dùng không?

Có thể dùng để khởi đầu và hiểu nghiệp vụ. Cần chuyển trường quan trọng sang cấu trúc chuẩn, kiểm soát nguồn và giảm dần việc nhập lặp.

Có bắt buộc kết nối PLC/SCADA mới làm AI không?

Không. AI Copilot, phân tích phiếu bảo trì hoặc tóm tắt báo cáo có thể bắt đầu từ dữ liệu quy trình và tài liệu. Predictive maintenance thường cần dữ liệu máy sâu hơn.

Ai chịu trách nhiệm cho chất lượng dữ liệu?

Bộ phận nghiệp vụ chịu trách nhiệm về ý nghĩa và độ đúng; IT/đội hệ thống chịu trách nhiệm nền tảng, tích hợp, quyền, lưu trữ và bảo mật. Cần chỉ định owner cho từng nhóm.

Bài viết được biên tập từ ebook “Từ số hóa đến AI - Sổ tay chuẩn bị cho nhà máy”, Vietsoft, 06/2026.