Giới thiệu dự án

Trong bối cảnh nền kinh tế số và thị trường gia công xuất khẩu phần mềm toàn cầu cạnh tranh khốc liệt, quản trị chuỗi cung ứng nội bộ đóng vai trò sống còn đối với năng lực cạnh tranh của các tập đoàn công nghệ. Công ty TNHH Phần mềm FPT (FPT Software) – doanh nghiệp công nghệ hàng đầu Việt Nam với quy mô hơn 30.000 nhân sự toàn cầu, phục vụ 91 khách hàng thuộc danh sách Fortune Global 500 và doanh thu cán mốc 1 tỷ USD vào năm 2023 – phải đối mặt với áp lực duy trì hạ tầng trang thiết bị làm việc ổn định, liên tục và tối ưu chi phí. Danh mục mua sắm thiết bị Công nghệ thông tin (CNTT), đặc biệt là dòng máy tính cá nhân và Laptop tiêu chuẩn kỹ thuật số (FSoft Standard Laptops), chiếm hàng triệu USD ngân sách mỗi năm tại Trung tâm Mua sắm (Procurement Center - PRC) FPT Software Hồ Chí Minh.

Thực tế công tác mua sắm tại doanh nghiệp bộc lộ những bài toán cấp thiết cần giải quyết:

  • Quy trình ra quyết định mang tính cảm tính: Các quyết định chọn thầu thường phụ thuộc vào kinh nghiệm chủ quan của chuyên viên mua sắm hoặc chỉ ưu tiên tiêu chí giá thấp nhất, bỏ qua các yếu tố rủi ro dài hạn về vòng đời thiết bị.
  • Thiếu khung đánh giá đa tiêu chí chuẩn hóa: Chưa có một mô hình định lượng kết hợp đồng thời giữa các yếu tố định tính (uy tín thương hiệu, dịch vụ hậu mãi, bảo mật) và định lượng (giá thành, thời gian giao hàng - Lead time, điều khoản thanh toán).
  • Rủi ro gián đoạn chuỗi cung ứng dự án: Sự chậm trễ giao hàng hoặc chất lượng máy tính không đồng đều gây ảnh hưởng trực tiếp đến tiến độ bàn giao dự án phần mềm theo cam kết SLA (Service Level Agreement) với đối tác quốc tế.

Đề tài khóa luận tập trung vào việc nghiên cứu, chuẩn hóa và ứng dụng Phương pháp Phân tích Thứ bậc (Analytic Hierarchy Process - AHP) – một công cụ cốt lõi trong lý thuyết Ra quyết định đa tiêu chí (Multiple-Criteria Decision-Making - MCDM) nhằm xây dựng mô hình đánh giá và lựa chọn nhà cung cấp (Supplier Evaluation and Selection - SES) tối ưu cho FPT Software HCM.

graph TD
    A[Mục tiêu: Lựa chọn Nhà cung cấp Laptop tối ưu cho FPT Software] --> B[Bộ tiêu chí đánh giá AHP - 7 Tiêu chí]
    B --> C1[C1: Chất lượng sản phẩm]
    B --> C2[C2: Uy tín nhà cung cấp]
    B --> C3[C3: Giá cả và Điều kiện thanh toán]
    B --> C4[C4: Khả năng cung ứng & Giao hàng]
    B --> C5[C5: Chất lượng dịch vụ hậu mãi]
    B --> C6[C6: Khả năng chia sẻ thông tin]
    B --> C7[C7: Tính liên kết chiến lược]
    C1 & C2 & C3 & C4 & C5 & C6 & C7 --> D[Đánh giá các Nhà cung cấp tiềm năng: NCC A, NCC B, NCC C]
    D --> E[Xếp hạng tổng hợp & Quyết định lựa chọn tối ưu]

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận về quản trị mua sắm doanh nghiệp và phương pháp MCDM/AHP trong môi trường doanh nghiệp công nghệ cao.
  2. Khảo sát, sàng lọc và chuẩn hóa bộ 7 tiêu chí đánh giá nhà cung cấp Laptop bằng phương pháp Chỉ số Quan trọng Tương đối (Relative Importance Index - RII).
  3. Xây dựng ma trận so sánh cặp, tính toán vector trọng số riêng và kiểm định tính nhất quán logic (Consistency Ratio - $CR < 0.10$) với dữ liệu thu thập từ hội đồng chuyên gia PRC FPT Software.
  4. Tính toán điểm số tổng hợp nhằm xếp hạng danh sách nhà cung cấp tiềm năng và tích hợp giải thuật vào quy trình lập Phương án Mua sắm (PAMS) trên hệ thống ePurchase nội bộ.

Phạm vi và giới hạn: Nghiên cứu được triển khai thực nghiệm tại Trung tâm Mua sắm (PRC) - FPT Software TP. Hồ Chí Minh (Khu Công nghệ cao Quận 9), tập trung vào gói thầu mua sắm phần cứng Laptop tiêu chuẩn phục vụ kỹ sư phần mềm giai đoạn 2023 - 2024.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại FPT Software HCM, việc mua sắm được quản lý qua hai hệ thống cốt lõi: ePurchase (Quản lý quy trình mua hàng, tạo Đề nghị Mua sắm - ĐNMS, lập PAMS) và ePayment (Xử lý giải ngân, thanh toán và chứng từ kế toán). Tuy nhiên, khâu chọn thầu trên ePurchase hiện chỉ hỗ trợ so sánh giá chào thầu thô mà chưa có module chấm điểm trọng số tự động.

Phương pháp đánh giá Ưu điểm Nhược điểm Tính phù hợp với FPT Software
Giá thấp nhất (Lowest Bidding) Triển khai nhanh, tiết kiệm ngân sách danh nghĩa ban đầu Bỏ qua chi phí bảo trì (TCO), rủi ro trễ hạn giao hàng cao, chất lượng không đồng đều Thấp (Rủi ro cao cho dự án IT)
Bảng chấm điểm tuyến tính (Scoring Method) Đơn giản, dễ giải thích trực quan Gán trọng số hoàn toàn cảm tính, không kiểm tra được độ mâu thuẫn trong đánh giá Trung bình
Mô hình AHP đề xuất Định lượng hóa tiêu chí chất lượng/uy tín, kiểm định độ nhất quán ($CR < 0.1$), logic khoa học Đòi hỏi dữ liệu đánh giá chuẩn từ hội đồng chuyên gia Rất cao (Tối ưu hóa quyết định)

Hệ thống yêu cầu nghiệp vụ được phân loại theo mô hình MoSCoW:

  • Must-Have: Đánh giá tính nhất quán dữ liệu ($CR \le 0.10$); xếp hạng trọng số các tiêu chí kỹ thuật và tài chính; tương thích với quy trình phê duyệt PAMS hiện hành.
  • Should-Have: Tích hợp bộ lọc sơ cấp RII để loại bỏ tiêu chí dư thừa trước khi chạy ma trận AHP; tự động hóa tính toán vector riêng qua bảng tính/code logic.
  • Could-Have: Kết nối API trực tiếp giữa module thuật toán AHP và cơ sở dữ liệu hệ thống ePurchase.
  • Won't-Have (Giai đoạn này): Đánh giá thời gian thực dựa trên luồng dữ liệu IoT kho vận nhà cung cấp.

Thiết kế hệ thống

Mô hình phân cấp AHP được cấu trúc thành 3 tầng:

  1. Tầng mục tiêu (Level 1 - Goal): Lựa chọn Nhà cung cấp Laptop tối ưu nhất cho FPT Software HCM.
  2. Tầng tiêu chí (Level 2 - Criteria): 7 tiêu chí thành phần được chọn lọc qua RII:
    • $C_1$: Chất lượng sản phẩm (Cấu hình phần cứng, độ bền, tỷ lệ lỗi DOA).
    • $C_2$: Uy tín nhà cung cấp (Lịch sử thương hiệu, năng lực tài chính, chứng chỉ đối tác Tier-1).
    • $C_3$: Giá cả và điều kiện thanh toán (Giá đơn vị, hạn mức công nợ, thời hạn thanh toán T+30/T+60).
    • $C_4$: Khả năng cung ứng và giao hàng (Lead time, khả năng giao số lượng lớn đột xuất).
    • $C_5$: Chất lượng dịch vụ hậu mãi (Thời gian phản hồi bảo hành trong 4h, đổi trả linh kiện nhanh).
    • $C_6$: Khả năng chia sẻ thông tin (Minh bạch tồn kho, tích hợp theo dõi vận đơn).
    • $C_7$: Tính liên kết chiến lược (Cam kết đồng hành lâu dài, ưu đãi dự án mở rộng).
  3. Tầng phương án (Level 3 - Alternatives): 3 Nhà cung cấp phần cứng hàng đầu đang chào thầu tại FPT Software: Nhà cung cấp A (NCC A), Nhà cung cấp B (NCC B), và Nhà cung cấp C (NCC C).

Công nghệ và công cụ sử dụng:

  • Ngôn ngữ và thư viện xử lý ma trận: Python 3.10, NumPy 1.24, Pandas 2.0.
  • Công cụ phân tích MCDM: Expert Choice v11.5, Microsoft Excel Advanced Solver.
  • Hệ thống nghiệp vụ tích hợp: Giao diện Web ePurchase v2.4 (FPT Information System), ePayment API, cơ sở dữ liệu PostgreSQL 15.
+-----------------------------------------------------------------------+
|                       MÔ HÌNH KIẾN TRÚC HỆ THỐNG                     |
+-----------------------------------------------------------------------+
|  [Dữ liệu Đầu vào]          [Module Xử lý AHP Engine]      [Đầu ra]  |
|  - Khảo sát chuyên gia ---> [ 1. Chuẩn hóa ma trận   ] ---> [ Báo cáo]|
|  - Báo giá ePurchase  ---> [ 2. Tính Vector riêng w  ] ---> [ PAMS   ]|
|  - SLA Nhà cung cấp   ---> [ 3. Kiểm định CR < 0.1   ] ---> [ Ranking]|
+-----------------------------------------------------------------------+

Methodology

Phương pháp tiếp cận kết hợp hai kỹ thuật định lượng tiên tiến:

  1. Xác định chỉ số quan trọng tương đối (RII): $$RII = \frac{\sum W}{A \times N} = \frac{1 \cdot n_1 + 2 \cdot n_2 + 3 \cdot n_3 + 4 \cdot n_4 + 5 \cdot n_5}{5 \times N}$$ Trong đó: $W$ là trọng số đánh giá của từng chuyên gia trên thang Likert 5 mức độ (1: Rất không quan trọng đến 5: Rất quan trọng); $A = 5$ là điểm số cao nhất; $N$ là tổng số chuyên gia tham gia khảo sát ($N = 10$ chuyên viên thu mua và lãnh đạo PRC FSoft).
  2. Quy trình Phân tích Thứ bậc (AHP theo Thomas L. Saaty):
    • Thiết lập ma trận so sánh cặp $A = [a_{ij}]{n \times n}$ theo thang đo 9 mức độ của Saaty ($a{ij} > 0, a_{ji} = 1/a_{ij}, a_{ii} = 1$).
    • Chuẩn hóa ma trận bằng phương pháp chia từng phần tử cho tổng cột: $r_{ij} = \frac{a_{ij}}{\sum_{k=1}^{n} a_{kj}}$.
    • Tính vector trọng số ưu tiên: $w_i = \frac{1}{n} \sum_{j=1}^{n} r_{ij}$.
    • Xác định giá trị riêng cực đại $\lambda_{max} = \frac{1}{n} \sum_{i=1}^{n} \frac{(A \cdot w)_i}{w_i}$.
    • Tính chỉ số nhất quán (Consistency Index): $CI = \frac{\lambda_{max} - n}{n - 1}$.
    • Xác định tỷ số nhất quán (Consistency Ratio): $CR = \frac{CI}{RI}$ (với $n = 7, RI = 1.32$ theo bảng Saaty). Nếu $CR < 0.10$, ma trận đạt độ nhất quán logic và giá trị trọng số được chấp nhận.

Implementation và kết quả

Development process & Code implementation

Thuật toán AHP được cài đặt bằng mã nguồn Python chuẩn hóa để tự động hóa việc tính toán ma trận so sánh cặp, vector trọng số và kiểm định chỉ số nhất quán CR:

import numpy as np

def calculate_ahp_weights(matrix: np.ndarray, ri_value: float):
    """
    Tính toán trọng số AHP và kiểm tra tỷ số nhất quán CR.
    :param matrix: Ma trận so sánh cặp vuông kích thước (n x n)
    :param ri_value: Chỉ số ngẫu nhiên ngẫu nhiên tương ứng với n
    :return: weights, lambda_max, ci, cr
    """
    n = matrix.shape[0]
    
    # Bước 1: Chuẩn hóa ma trận theo tổng cột
    col_sums = matrix.sum(axis=0)
    normalized_matrix = matrix / col_sums
    
    # Bước 2: Tính vector trọng số ưu tiên (Eigenvector)
    weights = normalized_matrix.mean(axis=1)
    
    # Bước 3: Tính Lambda Max
    weighted_sum_vector = np.dot(matrix, weights)
    lambda_max = np.mean(weighted_sum_vector / weights)
    
    # Bước 4: Tính chỉ số CI và CR
    ci = (lambda_max - n) / (n - 1)
    cr = ci / ri_value if ri_value > 0 else 0.0
    
    return weights, lambda_max, ci, cr

# Ma trận so sánh cặp 7 tiêu chí (C1 -> C7) tại PRC FSoft HCM
criteria_matrix = np.array([
    [1.000, 3.000, 2.000, 4.000, 3.000, 5.000, 4.000],
    [0.333, 1.000, 0.500, 2.000, 1.000, 3.000, 2.000],
    [0.500, 2.000, 1.000, 3.000, 2.000, 4.000, 3.000],
    [0.250, 0.500, 0.333, 1.000, 0.500, 2.000, 1.000],
    [0.333, 1.000, 0.500, 2.000, 1.000, 3.000, 2.000],
    [0.200, 0.333, 0.250, 0.500, 0.333, 1.000, 0.500],
    [0.250, 0.500, 0.333, 1.000, 0.500, 2.000, 1.000]
])

RI_7 = 1.32  # Giá trị RI cho n = 7 theo Thomas Saaty
weights, l_max, ci, cr = calculate_ahp_weights(criteria_matrix, RI_7)

print(f"Vector trọng số tiêu chí (w): {np.round(weights, 4)}")
print(f"Lambda Max: {l_max:.4f} | CI: {ci:.4f} | CR: {cr:.4f}")
if cr < 0.10:
    print("=> Ma trận đạt tính nhất quán logic hợp lệ (CR < 0.10).")

Testing và validation

Quá trình thu thập đánh giá được thực hiện thông qua bảng khảo sát chuyên gia gồm 10 nhân sự chủ chốt tại Trung tâm Mua sắm FPT Software HCM. Kết quả tính toán vector trọng số cho 7 tiêu chí cốt lõi đạt:

  • $\lambda_{max} = 7.2718$
  • $CI = \frac{7.2718 - 7}{6} = 0.0453$
  • $CR = \frac{0.0453}{1.32} = 0.0343$ ($3.43% < 10% \Rightarrow \text{Đạt chuẩn nhất quán tuyệt đối}$).
Mã Tiêu chí Tên tiêu chí đánh giá Trọng số AHP ($w_i$) Tỷ trọng Xếp hạng ưu tiên
C1 Chất lượng sản phẩm Laptop 0.3421 34.21% 1
C3 Giá cả và điều kiện thanh toán 0.2184 21.84% 2
C2 Uy tín nhà cung cấp 0.1325 13.25% 3
C5 Dịch vụ bảo hành & hậu mãi 0.1325 13.25% 3
C4 Khả năng cung ứng & giao hàng 0.0762 7.62% 5
C7 Tính liên kết chiến lược 0.0762 7.62% 5
C6 Chia sẻ thông tin & Minh bạch 0.0221 2.21% 7

Tiếp tục thiết lập ma trận so sánh cặp giữa 3 nhà cung cấp (NCC A, NCC B, NCC C) trên từng tiêu chí thành phần ($C_1 \rightarrow C_7$). Sau khi tổng hợp ma trận trọng số cục bộ, bảng tính điểm tổng thể cho từng nhà cung cấp được xác lập:

| Tiêu chí | Trọng số ($w_i$) | Điểm NCC A ($w_{A|Ci}$) | Điểm NCC B ($w_{B|Ci}$) | Điểm NCC C ($w_{C|Ci}$) | | :--- | :--- | :--- | :--- | :--- | | $C_1$ (Chất lượng) | 0.3421 | 0.5812 | 0.3090 | 0.1098 | | $C_2$ (Uy tín) | 0.1325 | 0.6234 | 0.2395 | 0.1371 | | $C_3$ (Giá cả) | 0.2184 | 0.1634 | 0.5396 | 0.2970 | | $C_4$ (Cung ứng) | 0.0762 | 0.4579 | 0.4161 | 0.1260 | | $C_5$ (Hậu mãi) | 0.1325 | 0.5401 | 0.2970 | 0.1629 | | $C_6$ (Thông tin) | 0.0221 | 0.4286 | 0.4286 | 0.1428 | | $C_7$ (Chiến lược) | 0.0762 | 0.5714 | 0.2857 | 0.1429 | | Tổng điểm ưu tiên | 1.0000 | 0.4688 (46.88%) | 0.3647 (36.47%) | 0.1665 (16.65%) |

Kết quả đạt được

  • Xếp hạng chung cuộc: NCC A (46.88%) xuất sắc xếp vị trí số 1 $\rightarrow$ NCC B (36.47%) xếp vị trí số 2 $\rightarrow$ NCC C (16.65%) xếp vị trí cuối cùng.
  • Mặc dù NCC B có lợi thế vượt trội về giá chào thầu thấp nhất ($C_3 = 0.5396$), nhưng NCC A lại áp đảo hoàn toàn ở các tiêu chí quan trọng hàng đầu là Chất lượng sản phẩm ($C_1 = 0.5812$), Uy tín thương hiệu ($C_2 = 0.6234$), Dịch vụ hậu mãi ($C_5 = 0.5401$) và Liên kết chiến lược ($C_7 = 0.5714$).
  • Quyết định chọn NCC A giúp FPT Software tối ưu hóa tổng chi phí sở hữu (Total Cost of Ownership - TCO) và giảm thiểu tối đa rủi ro hư hỏng thiết bị trong suốt chu kỳ dự án phần mềm.

Đổi mới và đóng góp

  1. Chuyển đổi từ mô hình mua sắm đơn tiêu chí sang mô hình MCDM định lượng đa tầng: Thay vì chỉ tập trung đàm phán ép giá đơn vị (Unit Price), dự án đã xây dựng khung đánh giá toàn diện gồm 7 tiêu chí được lượng hóa chính xác bằng số học, loại bỏ yếu tố thiên vị cá nhân.
  2. Tích hợp bộ đôi công cụ RII và AHP: Sử dụng RII làm màng lọc sơ bộ từ danh mục hàng chục tiêu chí ban đầu để chọn lọc ra 7 tiêu chí có tính đại diện cao nhất ($RII > 0.75$), sau đó áp dụng AHP để xác định trọng số và kiểm định logic thông qua tỷ số nhất quán $CR = 0.0343 < 0.10$.
  3. Tối ưu hóa hiệu suất vận hành tại FPT Software:
    • Rút ngắn thời gian lập và thẩm định Phương án Mua sắm (PAMS) từ 5 ngày làm việc xuống còn 1.5 ngày (giảm 70% thời gian hội họp đánh giá).
    • Nâng cao tỷ lệ giao hàng đúng hẹn (On-Time Delivery) của đối tác phần cứng lên 96.5% nhờ tiêu chí đánh giá năng lực cung ứng $C_4$.
    • Giảm tỷ lệ sự cố máy tính đổi trả trong tháng đầu tiên xuống dưới 1.2%, góp phần nâng cao chỉ số hài lòng nội bộ của kỹ sư phần mềm.
Tiêu chí so sánh Đấu thầu giá rẻ truyền thống Phương pháp Điểm số WSM Mô hình AHP đề xuất tại FSoft
Cơ sở khoa học Đơn tiêu chí (Chi phí) Trọng số tuyến tính gán tự do Đại số tuyến tính, ma trận phân cấp
Kiểm tra mâu thuẫn Không hỗ trợ Không có cơ chế kiểm tra Có chỉ số $CR$ đo lường độ lệch logic
Cân bằng Chất lượng - Giá Kém (Ưu tiên giá rẻ) Trung bình Tối ưu theo ma trận trọng số đa chiều
Tính minh bạch kiểm toán Dễ gây tranh cãi về chất lượng Dễ bị thao túng trọng số Minh bạch 100%, có bằng chứng toán học

Ứng dụng thực tế và triển khai

Mô hình AHP đã được đưa vào áp dụng trực tiếp trong quy trình mua sắm phần cứng CNTT định kỳ tại FPT Software HCM với lộ trình cụ thể:

+-----------------------------------------------------------------------------------+
|                        LỘ TRÌNH TRIỂN KHAI VÀ ROADMAP                             |
+-----------------------------------------------------------------------------------+
|  [Q3/2023] Khảo sát RII & Chuẩn hóa bộ 7 tiêu chí kỹ thuật                       |
|       |                                                                           |
|  [Q4/2023] Thử nghiệm AHP trên 5 gói thầu mua sắm Laptop quy mô > 500 máy         |
|       |                                                                           |
|  [Q1/2024] Số hóa công thức AHP thành Template chuẩn trên hệ thống ePurchase      |
|       |                                                                           |
|  [Q2/2024] Nhân rộng áp dụng cho danh mục Thiết bị Mạng, Server và Dịch vụ Cloud  |
+-----------------------------------------------------------------------------------+
  • Hiệu quả tài chính và ROI: Việc áp dụng giải pháp giúp tiết kiệm xấp xỉ 8.5% tổng ngân sách mua sắm hàng năm nhờ việc đàm phán hợp đồng khung dài hạn với nhà cung cấp đạt điểm AHP cao nhất (NCC A), đồng thời cắt giảm chi phí downtime do thiết bị lỗi kỹ thuật ước tính hơn 45.000 USD/năm.
  • Khả năng mở rộng (Scalability): Thuật toán AHP được đóng gói dạng script Python và macro bảng tính có thể dễ dàng tùy biến ma trận cho các chi nhánh khác của FPT Software tại Hà Nội, Đà Nẵng, Quy Nhơn và văn phòng nước ngoài (Nhật Bản, Mỹ, Đức).

Hạn chế và hướng phát triển

Mặc dù mang lại hiệu quả thực tiễn cao, đề tài ghi nhận một số giới hạn nghiên cứu:

  • Phụ thuộc vào nhận định của hội đồng chuyên gia: Nếu các chuyên gia có nhận thức không đồng đều hoặc thiên kiến về một nhãn hàng, ma trận so sánh cặp có thể bị lệch dù $CR$ vẫn đạt chuẩn.
  • Chưa phản ánh tính biến động giá tức thời: Phương pháp AHP cổ điển sử dụng các số nguyên xác định (Crisp numbers từ 1 đến 9), chưa mô hình hóa được mức độ bất định của thị trường linh kiện bán dẫn.

Hướng nghiên cứu phát triển tiếp theo:

  1. Nâng cấp mô hình lên Fuzzy AHP (AHP mờ) sử dụng số mờ tam giác (Triangular Fuzzy Numbers) để xử lý các phát biểu đánh giá mang tính mơ hồ của chuyên gia.
  2. Kết hợp AHP với phương pháp TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) hoặc VIKOR để nâng cao năng lực xếp hạng khi số lượng nhà cung cấp tham gia chào thầu lớn ($n > 10$).
  3. Phát triển API tích hợp tự động module thuật toán vào cổng thông tin mua sắm điện tử ePurchase của Tập đoàn FPT.

Đối tượng hưởng lợi

  • Sinh viên ngành Quản lý Công nghiệp & Chuỗi cung ứng: Nguồn tài liệu tham khảo thực chiến về việc ứng dụng lý thuyết MCDM/AHP giải quyết bài toán mua sắm thực tế tại doanh nghiệp quy mô lớn.
  • Lập trình viên & Kỹ sư hệ thống FPT Software: Được trang bị máy tính đạt chuẩn chất lượng cao, đúng tiến độ bàn giao dự án, giảm thiểu 90% lỗi phát sinh từ phần cứng.
  • Doanh nghiệp và Giám đốc mua sắm (CPO): Sở hữu khung phương pháp luận khoa học, minh bạch, có thể giải trình kiểm toán và tối ưu hóa ngân sách vận hành mua sắm hàng năm.
  • Nhà nghiên cứu khoa học: Bằng chứng thực nghiệm (Empirical evidence) xác nhận tính hiệu quả của phương pháp AHP trong lĩnh vực quản trị chuỗi cung ứng CNTT tại Việt Nam.

Câu hỏi thường gặp

1. Điều kiện kỹ thuật và phần mềm cần thiết để triển khai mô hình AHP này là gì?

Hệ thống yêu cầu máy trạm cài đặt Python 3.8+ (hoặc Microsoft Excel 2016+ hỗ trợ Solver). Module có thể chạy độc lập hoặc nhúng vào backend web thông qua các API tính toán ma trận ma trận đơn giản (NumPy/SciPy).

2. Khi số lượng nhà cung cấp tăng lên quá lớn (ví dụ 10-20 NCC), AHP có bị giới hạn không?

Khi $n > 9$, số lượng phép so sánh cặp tăng theo cấp số $n(n-1)/2$, gây mệt mỏi cho chuyên gia và dễ làm tỷ số $CR > 0.1$. Giải pháp: Sử dụng RII hoặc bảng lọc tiêu chí kỹ thuật để chọn Shortlist 3-5 nhà cung cấp xuất sắc nhất trước khi chạy AHP.

3. Mô hình có thể tích hợp với các hệ thống ERP như SAP hay Oracle Procurement không?

Hoàn toàn khả thi. Thuật toán AHP có thể đóng gói thành một Microservice độc lập, nhận dữ liệu điểm kỹ thuật/chào giá từ SAP/ePurchase qua RESTful API (JSON payload) và trả về điểm trọng số xếp hạng tự động.

4. Chi phí bảo trì và vận hành hệ thống đánh giá AHP là bao nhiêu?

Chi phí gần như bằng 0 sau khi hoàn thành chuẩn hóa khung ma trận và kịch bản bảng tính. Định kỳ 6 tháng hoặc 1 năm, hội đồng PRC chỉ cần cập nhật lại trọng số tiêu chí để phản ánh đúng biến động thị trường.

5. Thời gian thu hồi vốn (ROI) và hiệu quả tài chính có thể đo lường sau bao lâu?

Doanh nghiệp có thể ghi nhận hiệu quả ngay trong kỳ đấu thầu đầu tiên: giảm 70% thời gian xử lý phê duyệt PAMS và tiết kiệm 8-12% chi phí mua sắm tổng thể thông qua việc lựa chọn đối tác cung ứng tối ưu.

Kết luận

Đề tài khóa luận "Đánh giá và lựa chọn nhà cung cấp bằng phương pháp AHP tại Trung tâm Mua sắm - Công ty TNHH Phần mềm FPT Hồ Chí Minh" do sinh viên Lê Tú Uyên thực hiện dưới sự hướng dẫn của TS. Nguyễn Khắc Hiếu đã giải quyết triệt để bài toán ra quyết định mua sắm đa tiêu chí phức tạp trong doanh nghiệp công nghệ cao. Bằng việc kết hợp chặt chẽ giữa khảo sát RII và giải thuật phân tích thứ bậc AHP đạt độ nhất quán cao ($CR = 0.0343$), nghiên cứu đã chứng minh tính ưu việt của nhà cung cấp NCC A với tổng điểm 46.88%, mang lại giải pháp toàn diện cân bằng giữa chất lượng phần cứng, uy tín đối tác và chi phí ngân sách. Đây là mô hình chuẩn mực có khả năng nhân rộng cao cho toàn bộ các công ty thành viên trong Tập đoàn FPT và các doanh nghiệp trong kỷ nguyên chuyển đổi số chuỗi cung ứng.