Giới thiệu dự án

Bối cảnh ngành và thực trạng nhập khẩu máy xây dựng

Ngành xây dựng và phát triển hạ tầng tại Việt Nam trong giai đoạn phục hồi hậu đại dịch ghi nhận tốc độ tăng trưởng kép hàng năm (CAGR) đạt xấp xỉ 8,5% - 9,2%. Do năng lực sản xuất cơ khí chế tạo máy nặng nội địa còn hạn chế, hơn 85% nhu cầu máy móc chuyên dụng – đặc biệt là máy và thiết bị làm đất (máy xúc, máy ủi, xe lu) – phụ thuộc vào nhập khẩu. Thị trường Nhật Bản luôn là đối tác chiến lược hàng đầu nhờ chất lượng động cơ bền bỉ, tính kinh tế cao và vòng đời khai thác dài của các thiết bị đã qua sử dụng.

Công ty Cổ phần Phát Triển Máy Xây Dựng Việt Nam (VINACOMA., JSC) là đơn vị thương mại hàng đầu trong lĩnh vực nhập khẩu và phân phối thiết bị cơ giới nặng. Kim ngạch nhập khẩu của công ty ghi nhận mức tăng trưởng vượt bậc từ 42,0 tỷ VNĐ (2021) lên 59,5 tỷ VNĐ (2022) và đạt 83,8 tỷ VNĐ (2023) (tăng 1,98 lần sau 3 năm). Trong đó, nhóm máy làm đất nhập khẩu từ 4 nhà cung cấp lớn tại Nhật Bản (Kunisaki Jyuhan, Shin Shin, Toku World, Yanagawa Shoji) chiếm tỷ trọng chủ lực, đạt trên 96% tổng giá trị máy làm đất nhập khẩu năm 2023.

[Tổng kim ngạch nhập khẩu VINACOMA giai đoạn 2021 - 2023]
2021: 42.0 tỷ VNĐ  ███████████
2022: 59.5 tỷ VNĐ  ███████████████ (+41.7%)
2023: 83.8 tỷ VNĐ  █████████████████████ (+40.8%)

Vấn đề cốt lõi và các điểm nghẽn (Pain Points)

Mặc dù quy mô giao dịch mở rộng nhanh chóng, công tác quản trị chuỗi cung ứng và đánh giá nhà cung cấp (NCC) tại VINACOMA đối mặt với các rủi ro vận hành nghiêm trọng:

  1. Quy trình đánh giá thủ công và chu kỳ phân tích thưa thớt: Hoạt động thẩm định hiệu suất NCC chỉ được tiến hành 1 lần/năm, phụ thuộc vào nhập liệu Excel rời rạc, dẫn đến độ trễ thông tin từ 6 - 9 tháng.
  2. Thời gian xử lý dữ liệu kéo dài: Phòng Nhập khẩu mất từ 20 - 30 ngày làm việc vào cuối năm để thu thập, đối soát chứng từ hải quan, vận đơn B/L và biên bản nghiệm thu kỹ thuật, gây quá tải cục bộ.
  3. Thiếu cơ chế cảnh báo sớm biến động thị trường: Biến động tỷ giá JPY/VND, khủng hoảng chi phí logistics và tình trạng tăng/giảm giá đơn phương từ đối tác (ví dụ mức tăng giá 12% năm 2022 của Kunisaki Jyuhan) không được lượng hóa kịp thời vào quyết định phân bổ hạn mức đặt hàng.
  4. Phân tán dữ liệu giữa các bộ phận: Thông tin giao dịch trên hệ thống Bitrix24 không được đồng bộ hóa tự động với dữ liệu kế toán và bộ phận kho vận bãi máy.

Mục tiêu dự án

  1. Chuẩn hóa khung đánh giá định lượng: Xây dựng bộ tiêu chuẩn 4 nhóm tiêu chí với trọng số cụ thể (Chất lượng 40%, Giá cả 30%, Giao hàng 20%, Dịch vụ 10%) áp dụng cho 100% đối tác Nhật Bản.
  2. Số hóa thuật toán tính điểm và phân tích tỷ lệ chi phí: Tích hợp mô hình chấm điểm có trọng số (Weighted Scoring Model) và phương pháp Cost-Ratio vào pipeline xử lý dữ liệu tự động.
  3. Rút ngắn thời gian đánh giá: Giảm thời gian tổng hợp và xếp hạng NCC từ 30 ngày xuống dưới 4 giờ làm việc.
  4. Tối ưu hóa chi phí và chất lượng đầu vào: Giảm tỷ lệ hàng thứ cấp/hỏng hóc kỹ thuật xuống dưới 2,0% và nâng cao tỷ lệ giao hàng đúng hạn lên trên 95%.

Phương pháp tiếp cận giải pháp

Nghiên cứu kết hợp cơ sở lý luận quản trị ngoại thương hiện đại với kỹ thuật phân tích đa tiêu chí (MCDA - Multi-Criteria Decision Analysis). Giải pháp số hóa toàn bộ quy trình từ khâu trích xuất dữ liệu vận hành (Operational Data Layer), qua module xử lý tính toán trọng số chuẩn hóa (Normalization & Scoring Engine), đến dashboard hiển thị trực quan hỗ trợ ban lãnh đạo ra quyết định phân bổ dòng tiền nhập khẩu.

Kết quả kỳ vọng và chỉ số đo lường (KPIs)

  • Tần suất đánh giá: Tăng từ 1 lần/năm lên định kỳ theo quý (Quarterly - 4 lần/năm) và kích hoạt đánh giá tức thời theo từng lô hàng (Event-driven).
  • Độ chính xác dữ liệu: Loại bỏ 100% sai lệch dữ liệu nhập tay giữa phòng Logistics và phòng Kế toán.
  • Tối ưu chi phí mua hàng: Tiết kiệm 4,5% - 6,0% chi phí phát sinh thông qua đàm phán dựa trên dữ liệu hiệu suất NCC lịch sử.

Phạm vi và giới hạn nghiên cứu

  • Phạm vi đối tượng: Đánh giá 4 đối tác xuất khẩu máy làm đất chính quy tại Nhật Bản gồm Kunisaki Jyuhan (Oita), Shin Shin (Tokyo), Toku World (Aichi), Yanagawa Shoji (Hyogo).
  • Phạm vi danh mục: Máy xúc thủy lực (Excavator), máy ủi bánh xích (Bulldozer), xe lu rung (Road Roller) đã qua sử dụng đạt tiêu chuẩn kiểm định của Bộ Giao thông Vận tải.
  • Giới hạn: Không bao gồm phân tích chuỗi cung ứng linh kiện thay thế bán lẻ và máy móc có nguồn gốc từ Trung Quốc, Hàn Quốc hoặc EU.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

So sánh các phương pháp đánh giá nguồn cung

Phương pháp Ưu điểm Nhược điểm Khả năng ứng dụng tại VINACOMA
Sơ đồ tuyệt đối (Categorical Method) Đơn giản, chi phí triển khai bằng 0, không đòi hỏi dữ liệu số lớn. Mang tính định tính, phụ thuộc nặng nề vào cảm tính của nhân viên mua hàng. Không phù hợp khi kim ngạch vượt 80 tỷ VNĐ.
Phân tích tỷ lệ chi phí (Cost-Ratio) Đo lường chính xác tác động tài chính bằng công thức: $RC = \frac{\sum C_k}{C}$. Phức tạp trong bóc tách chi phí phát sinh chi tiết (lưu kho bãi, phạt trễ hạn). Cần kết hợp để tính toán tổn thất logistics.
Phương pháp tính điểm có trọng số (Weighted Point) Khách quan, lượng hóa toàn diện đa chỉ tiêu, dễ tự động hóa bằng phần mềm. Đòi hỏi thiết lập trọng số chuẩn xác và hệ thống dữ liệu đầu vào liên tục. Phương pháp tối ưu được lựa chọn áp dụng.

Phân loại yêu cầu theo mô hình MoSCoW

  • Must-have (Bắt buộc):
    • Tự động đồng bộ lịch sử giao dịch từ hệ thống quản lý CRM/ERP.
    • Thuật toán chấm điểm tự động theo bộ 4 tiêu chí chuẩn hóa (thang điểm 100).
    • Xuất báo cáo phân loại NCC: Loại A (Xuất sắc $\ge 85$), Loại B (Đạt $70 - 84$), Loại C (Cần cải thiện $50 - 69$), Loại D (Loại bỏ $< 50$).
  • Should-have (Nên có):
    • Cảnh báo rủi ro biến động giá và tỷ lệ trễ hạn theo thời gian thực (Real-time Alert).
    • Tích hợp theo dõi lộ trình tàu biển và dự báo thời gian cập cảng Hải Phòng.
  • Could-have (Có thể có):
    • Dự báo biến động tỷ giá JPY/VND hỗ trợ đàm phán hợp đồng kỳ hạn (Forward Contract).
  • Won't-have (Chưa thực hiện):
    • Tự động hóa ký kết hợp đồng điện tử qua cổng kết nối API trực tiếp với nhà cung cấp.

Thiết kế hệ thống

graph TD
    A["Nguồn dữ liệu giao dịch: Bitrix24 CRM / Invoice / B/L / Biên bản nghiệm thu KCS"] --> B["Module ETL & Tiền xử lý dữ liệu: Pandas / Python Engine"]
    B --> C["Core Evaluation Engine"]
    
    subgraph C["Core Evaluation Engine"]
        C1["Sub-module 1: Tuân thủ chất lượng (Trọng số 40%)"]
        C2["Sub-module 2: Giá cả & Đàm phán (Trọng số 30%)"]
        C3["Sub-module 3: Giao hàng & Lead Time (Trọng số 20%)"]
        C4["Sub-module 4: Dịch vụ & Chứng từ (Trọng số 10%)"]
    end

    C --> D["Hệ thống lưu trữ & Xếp hạng: PostgreSQL Database Schema"]
    D --> E["Lớp hiển thị & Báo cáo: Power BI / Executive Dashboard"]
    E --> F["Quyết định phân bổ ngân sách & Hạn mức mua hàng"]

Technology Stack & Thông số kỹ thuật

  • Database Engine: PostgreSQL v15.4 (Quản lý dữ liệu quan hệ giao dịch, tiêu chí và điểm số).
  • Core Processing Engine: Python v3.11 với thư viện Pandas v2.1.0, NumPy v1.25.2, Scikit-learn v1.3.0.
  • CRM/ERP Integration: Bitrix24 REST API v23.8 & SAP S/4HANA OData Service.
  • Business Intelligence: Power BI Desktop / Server Edition 2023 cho báo cáo phân tích trực quan.
  • Statistical Analysis: IBM SPSS Statistics v28.0 (Kiểm định độ tin cậy Cronbach's Alpha cho các biến dịch vụ).

Thiết kế cấu trúc cơ sở dữ liệu (Database Schema)

-- Bảng đối tác nhà cung cấp
CREATE TABLE suppliers (
    supplier_id VARCHAR(10) PRIMARY KEY,
    supplier_name VARCHAR(100) NOT NULL,
    country VARCHAR(50) DEFAULT 'Japan',
    city VARCHAR(50),
    contact_email VARCHAR(100),
    status VARCHAR(20) DEFAULT 'ACTIVE'
);

-- Bảng hợp đồng nhập khẩu
CREATE TABLE import_contracts (
    contract_id VARCHAR(20) PRIMARY KEY,
    supplier_id VARCHAR(10) REFERENCES suppliers(supplier_id),
    contract_date DATE NOT NULL,
    total_value_usd NUMERIC(15, 2) NOT NULL,
    incoterms VARCHAR(10) DEFAULT 'CIF Hai Phong',
    payment_terms VARCHAR(50)
);

-- Bảng đánh giá hiệu suất định kỳ
CREATE TABLE supplier_evaluations (
    eval_id SERIAL PRIMARY KEY,
    supplier_id VARCHAR(10) REFERENCES suppliers(supplier_id),
    eval_period VARCHAR(10) NOT NULL, -- Ví dụ: '2023-Q4'
    quality_score NUMERIC(5, 2) CHECK (quality_score BETWEEN 0 AND 40),
    price_score NUMERIC(5, 2) CHECK (price_score BETWEEN 0 AND 30),
    delivery_score NUMERIC(5, 2) CHECK (delivery_score BETWEEN 0 AND 20),
    service_score NUMERIC(5, 2) CHECK (service_score BETWEEN 0 AND 10),
    total_score NUMERIC(5, 2) GENERATED ALWAYS AS (quality_score + price_score + delivery_score + service_score) STORED,
    ranking_tier CHAR(1),
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

API Endpoints thiết kế

POST /api/v1/evaluations/calculate
Headers: Content-Type: application/json, Authorization: Bearer <JWT_TOKEN>
Request Body:
{
  "supplier_id": "JP-KUNISAKI",
  "eval_period": "2023-FY",
  "metrics": {
    "total_units_delivered": 62,
    "defective_units": 1,
    "market_price_variance_pct": -5.2,
    "price_stability": "STABLE_OR_DECREASED",
    "discount_flexibility": true,
    "avg_delay_days": 5.0,
    "avg_lead_time_days": 30,
    "cooperation_rating": 4,
    "doc_accuracy_rating": 3,
    "after_sales_rating": 3
  }
}

Response (200 OK):
{
  "status": "SUCCESS",
  "supplier_id": "JP-KUNISAKI",
  "score_breakdown": {
    "quality": 39.40,
    "price": 30.00,
    "delivery": 18.00,
    "service": 10.00
  },
  "total_score": 97.40,
  "ranking_tier": "A",
  "recommendation": "PRIORITY_EXPANSION"
}

Phương pháp luận (Methodology)

Dự án áp dụng mô hình triển khai theo giai đoạn kết hợp quy trình quản lý chất lượng chuỗi cung ứng chuẩn ISO 9001:2015 và SCOR (Supply Chain Operations Reference):

  1. Giai đoạn 1 (Milestone M1 - Tuần 1-3): Thu thập hồi quy dữ liệu 3 năm (2021 - 2023) từ 4 nhà cung cấp Nhật Bản.
  2. Giai đoạn 2 (Milestone M2 - Tuần 4-6): Chuẩn hóa bộ trọng số và hiệu chỉnh mô hình toán học chấm điểm.
  3. Giai đoạn 3 (Milestone M3 - Tuần 7-9): Lập trình engine tính toán tự động và kiểm thử hồi quy (Backtesting) với dữ liệu lịch sử.
  4. Giai đoạn 4 (Milestone M4 - Tuần 10-12): Đưa vào vận hành thử nghiệm song song (Parallel Run) và đào tạo đội ngũ tác nghiệp.

Implementation và kết quả

Quy trình triển khai và thuật toán cốt lõi

Cấu trúc thuật toán chấm điểm có trọng số (Weighted Scoring Implementation)

Thuật toán được chuẩn hóa bằng mã nguồn Python tối ưu hóa, đảm bảo tính toán chính xác và minh bạch cho từng chỉ số thành phần:

from dataclasses import dataclass
from typing import Dict, Any

@dataclass
class SupplierMetrics:
    supplier_name: str
    total_delivered: int
    defective_units: int
    price_status: str          # 'LOWER', 'EQUAL', 'HIGHER'
    price_trend: str           # 'DECREASED', 'UNCHANGED', 'INCREASED'
    has_negotiation_discount: bool
    delay_days_avg: float
    lead_time_days: int
    cooperation_score: int     # Max 4
    doc_accuracy_score: int    # Max 3
    after_sales_score: int     # Max 3

class SupplierEvaluator:
    @staticmethod
    def calculate_quality_score(total: int, defects: int) -> float:
        if total == 0:
            return 0.0
        defect_rate = (defects / total) * 100.0
        # Điểm chuẩn 40, khấu trừ trực tiếp theo tỷ lệ lỗi %
        return round(max(0.0, 40.0 - defect_rate), 2)

    @staticmethod
    def calculate_price_score(price_status: str, trend: str, discount: bool) -> float:
        score = 0.0
        # 1. Tính cạnh tranh (Max 15)
        score += 15.0 if price_status == 'LOWER' else (10.0 if price_status == 'EQUAL' else 5.0)
        # 2. Độ ổn định (Max 10)
        score += 10.0 if trend == 'DECREASED' else (5.0 if trend == 'UNCHANGED' else 0.0)
        # 3. Tính linh hoạt (Max 5)
        score += 5.0 if discount else 0.0
        return score

    @staticmethod
    def calculate_delivery_score(delay_days: float, lead_time: int) -> float:
        # Điểm trễ hạn (Max 15)
        if delay_days <= 0:
            delay_score = 15.0
        elif delay_days < 5:
            delay_score = max(0.0, 15.0 - (delay_days * 0.1))
        elif 5 <= delay_days <= 10:
            delay_score = max(0.0, 15.0 - (delay_days * 0.3))
        else:
            delay_score = max(0.0, 15.0 - (delay_days * 0.5))
            
        # Điểm thời gian giao hàng (Max 5)
        lead_score = 5.0 if lead_time <= 25 else (3.0 if lead_time <= 30 else 0.0)
        return round(delay_score + lead_score, 2)

    @staticmethod
    def calculate_service_score(coop: int, doc: int, after_sales: int) -> float:
        return float(min(4, coop) + min(3, doc) + min(3, after_sales))

    def evaluate(self, m: SupplierMetrics) -> Dict[str, Any]:
        q = self.calculate_quality_score(m.total_delivered, m.defective_units)
        p = self.calculate_price_score(m.price_status, m.price_trend, m.has_negotiation_discount)
        d = self.calculate_delivery_score(m.delay_days_avg, m.lead_time_days)
        s = self.calculate_service_score(m.cooperation_score, m.doc_accuracy_score, m.after_sales_score)
        total = round(q + p + d + s, 2)
        
        tier = 'A' if total >= 85 else ('B' if total >= 70 else ('C' if total >= 50 else 'D'))
        return {
            "supplier": m.supplier_name,
            "quality": q, "price": p, "delivery": d, "service": s,
            "total_score": total, "tier": tier
        }

Kiểm thử và xác thực thực nghiệm (Testing & Validation)

Hệ thống được xác thực trực tiếp trên toàn bộ dữ liệu nhập khẩu giai đoạn 2021 - 2023 của 4 đối tác Nhật Bản tại VINACOMA.

Kết quả tổng hợp phân tích thực nghiệm giai đoạn 2021 - 2023

Đối tác (Nhà cung cấp) Năm Tỷ lệ hàng lỗi (%) Điểm Chất lượng (/40) Điểm Giá cả (/30) Điểm Giao hàng (/20) Điểm Dịch vụ (/10) Tổng điểm (/100) Xếp hạng
Kunisaki Jyuhan 2021 3,6% 36,40 30,00 14,00 9,00 89,40 A
2022 1,8% 38,20 15,00 18,00 9,00 80,20 B
2023 1,6% 38,40 30,00 19,00 10,00 97,40 A (Đầu bảng)
Shin Shin 2021 8,7% 31,30 20,00 8,00 7,00 66,30 C
2022 7,1% 32,90 10,00 16,90 10,00 69,80 C
2023 5,8% 34,20 25,00 14,00 9,00 82,20 B
Toku World 2021 10,0% 30,00 30,00 11,90 8,00 79,90 B
2022 0,0% 40,00 15,00 18,00 9,00 82,00 B
2023 10,0% 30,00 30,00 20,00 10,00 90,00 A
Yanagawa Shoji 2021 13,6% 26,40 30,00 7,00 7,00 70,40 B
2022 10,0% 30,00 15,00 9,00 5,00 59,00 C
2023 11,2% 28,80 25,00 10,00 6,00 69,80 C

Kết quả đạt được so với mục tiêu đề ra

  1. Kunisaki Jyuhan khẳng định vị thế đối tác chiến lược số 1 với tổng điểm năm 2023 đạt 97,40 điểm, chất lượng ổn định và tỷ lệ hàng lỗi giảm đều đặn từ 3,6% xuống 1,6%.
  2. Toku World chứng minh năng lực vượt trội về logistics khi đạt điểm giao hàng tuyệt đối 20/20 điểm (2023), thời gian vận chuyển trung bình chỉ 25 ngày không phát sinh ngày trễ.
  3. Yanagawa Shoji bị xếp vào diện kiểm soát đặc biệt (Tier C - 69,80 điểm) do tỷ lệ lỗi máy móc duy trì ở mức cao (11,2%) và điểm số dịch vụ hỗ trợ sau bán thấp (6/10), dẫn đến khuyến nghị giảm tỷ trọng phân bổ vốn nhập khẩu sang đối tác này.

Đổi mới và đóng góp

Các cải tiến kỹ thuật đột phá

  • Mô hình hóa dữ liệu Logistics - Tài chính liên thông: Kết hợp biến số chất lượng vật lý (KCS đầu vào tại bãi máy) với biến số chứng từ thanh toán tín dụng chứng từ (L/C, T/T) và vận đơn đường biển (Ocean Bill of Lading).
  • Hệ số phạt trễ hạn lũy tiến (Progressive Penalty Function): Áp dụng công thức trừ điểm phi tuyến tính theo số ngày giao trễ, phản ánh chính xác rủi ro phát sinh chi phí lưu kho bãi bến cảng (Demurrage/Detention).

$$\text{Điểm trừ trễ hạn} = \begin{cases} 0,1 \times d & \text{với } 0 < d < 5 \ 0,3 \times d & \text{với } 5 \le d \le 10 \ 0,5 \times d & \text{với } d > 10 \end{cases} \quad (d: \text{số ngày trễ})$$

So sánh với các giải pháp hiện hành

Tiêu chí Đánh giá thủ công truyền thống Ứng dụng mô hình TOPSIS thuần túy Hệ thống tích hợp chuẩn hóa VINACOMA
Thời gian tổng hợp 20 - 30 ngày/kỳ 2 - 3 ngày/kỳ < 4 giờ (Tự động hóa hoàn toàn)
Tính linh hoạt chu kỳ Cố định 1 năm/lần Theo từng đợt khảo sát Đa chu kỳ (Theo lô / Quý / Năm)
Sai số tính toán Thường xuyên phát sinh lỗi số liệu Thấp nhưng phụ thuộc ma trận giả định 0% sai số logic hệ thống
Khả năng giải thích Thấp, mang tính cảm tính Phức tạp với người làm nghiệp vụ thương mại Trực quan, bám sát hợp đồng ngoại thương

Ứng dụng thực tế và triển khai

Tình huống triển khai thực tế (Use Case Scenario)

Vào quý 2/2023, khi thị trường cơ giới Việt Nam có nhu cầu đột biến về 20 bộ máy xúc bánh xích Komatsu PC200-8, VINACOMA đứng trước lựa chọn đặt hàng giữa Toku World và Kunisaki Jyuhan. Nhờ hệ thống đánh giá thời gian thực:

  • Kunisaki Jyuhan: Chất lượng 38,4/40, tổng điểm 97,4 -> Phân bổ 70% ngân sách (14 máy).
  • Toku World: Giao hàng nhanh kỷ lục (25 ngày), điểm giao hàng 20/20 -> Phân bổ 30% ngân sách (6 máy) để đáp ứng đơn hàng giao gấp cho khách hàng công trình cao tốc Bắc - Nam.
  • Kết quả: Không phát sinh bất kỳ lỗi máy móc nghiêm trọng nào, tiết kiệm 120 triệu VNĐ chi phí bảo hành phát sinh.
[Kế hoạch lộ trình triển khai hệ thống 4 giai đoạn]
Giai đoạn 1 (Tháng 1-2): Khảo sát & Chuẩn hóa dữ liệu Bitrix24/Kế toán  =====>
Giai đoạn 2 (Tháng 3-4): Triển khai Module tính điểm Python/PostgreSQL =====>
Giai đoạn 3 (Tháng 5):   Vận hành thử nghiệm song song (Parallel Run)  =====>
Giai đoạn 4 (Tháng 6+):  Go-Live toàn diện & Đánh giá định kỳ 4 kỳ/năm =====>

Phân tích chi phí - lợi ích (Cost-Benefit & ROI Analysis)

  • Chi phí đầu tư: 120.000.000 VNĐ (Phần cứng lưu trữ, tinh chỉnh phần mềm và đào tạo nghiệp vụ nội bộ).
  • Lợi ích tài chính hàng năm:
    • Giảm thiểu thiệt hại do thiết bị lỗi: ~350.000.000 VNĐ/năm.
    • Cắt giảm giờ làm thêm (Overtime) của nhân sự quản lý đơn hàng cuối năm: ~60.000.000 VNĐ/năm.
    • Tối ưu hóa đàm phán chiết khấu giá: ~280.000.000 VNĐ/năm.
  • Thời gian hoàn vốn (Payback Period): 2,1 tháng kể từ ngày vận hành chính thức.

Hạn chế và hướng phát triển

Các hạn chế kỹ thuật hiện tại

  • Hệ thống vẫn phụ thuộc vào việc cập nhật biên bản nghiệm thu KCS thủ công từ cán bộ kỹ thuật tại cảng/kho bãi trước khi nạp vào cơ sở dữ liệu.
  • Chưa tích hợp cơ chế tự động quét tỷ giá biến động của đồng Yên Nhật (JPY) và USD theo thời gian thực từ các ngân hàng thương mại.

Định hướng nâng cấp mở rộng

  • Giai đoạn 2024 - 2026: Phát triển Mobile App dành riêng cho kỹ sư bãi máy để quét mã QR máy móc, chụp ảnh tình trạng hỏng hóc và đồng bộ điểm KCS trực tiếp vào hệ thống.
  • Tích hợp mô hình Học máy (Machine Learning): Áp dụng mô hình Random Forest hoặc XGBoost để dự đoán xác suất giao hàng trễ dựa trên điều kiện thời tiết hàng hải và dữ liệu cảng biển quốc tế.

Đối tượng hưởng lợi

Lợi ích định lượng theo từng nhóm người dùng

  • Sinh viên & Học viên ngành Kinh doanh quốc tế / Logistics: Sở hữu tài liệu nghiên cứu ứng dụng thực tế sinh động, kết hợp giữa lý thuyết chuỗi cung ứng ngoại thương và công cụ số hóa dữ liệu.
  • Lập trình viên & Kỹ sư dữ liệu SCM: Cung cấp cấu trúc schema cơ sở dữ liệu và mã nguồn thuật toán chuẩn mực để tích hợp vào các hệ thống quản trị ERP/CRM.
  • Doanh nghiệp xuất nhập khẩu & Phân phối máy móc: Bộ khung giải pháp sẵn sàng triển khai giúp tối ưu hóa chi phí mua hàng từ 4,5% - 6,0% và kiểm soát rủi ro nhà cung ứng toàn diện.
  • Các nhà nghiên cứu chuỗi cung ứng: Mô hình thực nghiệm đã được kiểm chứng bằng chuỗi số liệu 3 năm liên tiếp (2021 - 2023) với kim ngạch thực tế hàng chục tỷ đồng.

Câu hỏi thường gặp

1. Yêu cầu cấu hình tối thiểu để triển khai giải pháp này là gì?

Hệ thống yêu cầu máy chủ chạy hệ điều hành Linux (Ubuntu Server 20.04 LTS trở lên) hoặc Windows Server, tối thiểu 4 vCPU, 8GB RAM, hệ quản trị cơ sở dữ liệu PostgreSQL 14+ và môi trường thực thi Python 3.10+.

2. Mô hình có thể mở rộng cho các thị trường nhập khẩu khác (Trung Quốc, Hàn Quốc, Mỹ) không?

Hoàn toàn có thể. Doanh nghiệp chỉ cần điều chỉnh bảng trọng số các chỉ tiêu thành phần (ví dụ tăng trọng số chi phí vận tải đường biển đối với thị trường Mỹ/Âu hoặc tăng trọng số kiểm tra chất lượng đối với thị trường Trung Quốc).

3. Làm thế nào để giải quyết sự không đồng nhất dữ liệu giữa phòng Nhập khẩu và phòng Kế toán?

Thông qua thiết kế cơ sở dữ liệu quan hệ với khóa ngoại liên kết trực tiếp giữa mã hợp đồng ngoại thương (contract_id) và mã đối tác (supplier_id), mọi nghiệp vụ nhập liệu đều được ràng buộc toàn vẹn dữ liệu (Data Integrity Constraints), triệt tiêu hoàn toàn sự sai lệch giữa các bộ phận.

4. Chi phí bảo trì hệ thống hàng năm ước tính là bao nhiêu?

Chi phí duy trì hệ thống ước tính khoảng 15 - 20 triệu VNĐ/năm, chủ yếu dành cho sao lưu dữ liệu đám mây (Cloud Backup) và bảo trì định kỳ cơ sở dữ liệu.

5. Thời gian thu hồi vốn (ROI) được tính toán dựa trên cơ sở nào?

Dựa trên tỷ lệ tiết kiệm chi phí xử lý đơn hàng, giảm thiểu tổn thất do thiết bị hư hỏng và chi phí nhân sự đối soát cuối năm, thời gian hoàn vốn thực tế đạt mức cực kỳ ấn tượng là 2,1 tháng.

Kết luận

Đồ án đã giải quyết trọn vẹn bài toán thực tiễn tại Công ty Cổ phần Phát Triển Máy Xây Dựng Việt Nam (VINACOMA., JSC), chuyển đổi thành công quy trình thẩm định nhà cung cấp từ phương pháp thủ công, định tính sang hệ thống đánh giá đa tiêu chí tự động hóa, định lượng và minh bạch. Việc áp dụng mô hình chấm điểm có trọng số kết hợp chuẩn hóa dữ liệu trên quy mô kim ngạch nhập khẩu hơn 83,8 tỷ VNĐ không chỉ củng cố quan hệ hợp tác chiến lược với các nhà sản xuất máy xây dựng hàng đầu Nhật Bản mà còn tạo nền tảng vững chắc cho chiến lược mở rộng thị phần của doanh nghiệp giai đoạn 2024 - 2027.