Đồ án: Quản lý Tồn Kho Tối Ưu bằng Thuật Toán SMA tại Phúc Long

Đồ án quản lý vật tư tồn kho: Ứng dụng thuật toán SMA tối ưu hóa số lượng đơn hàng, giúp giảm chi phí và nâng cao hiệu quả quản lý kho. Xem ngay!

• Tác giả: Lý Hoàng Anh
• Người hướng dẫn: Ths. Trương Thành Tâm
• Trường học: Trường Đại Học Quốc Tế Hồng Bàng
• Chuyên ngành: Công Nghệ - Kỹ Thuật
• Đề tài: Ứng Dụng Thuật Toán SMA Tối Ưu Hóa Số Lượng Đơn Hàng Nhằm Tiết Kiệm Chi Phí Tồn Kho
• Loại tài liệu: Đồ án
• Năm xuất bản: 2024
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• MỤC LỤC
• 1. Lý do chọn đề tài :
• 1. Mục tiêu nghiên cứu :
• 1. Mục tiêu chung :
• 1. Mục tiêu cụ thể :
• 1. Phương pháp nghiên cứu :
• 1. Phương pháp thu thập số liệu :
• 1. Phương pháp phân tích và xử lý số liệu :
• 1. Phương pháp trình bày số liệu :
• 1. Đối tượng và phạm vi nghiên cứu :
• 1. Đối tượng nghiên cứu:
• 1. Phạm vi nghiên cứu:
• 1. Mục lục dự kiến của đề tài :
• 2. CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU
• 2. Tầm quan trọng của quản trị tồn kho :
• 2. Mô hình SMA :
• 2. Tổng quan nghiên cứu ngoài nước :
• 3. PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU
• 3. Phương pháp nghiên cứu :
• 3. Phương pháp nghiên cứu tổng quát :
• 3. Phương pháp nghiên cứu cụ thể :
• 3. Mô hình nghiên cứu :
• 3. Mô hình nghiên cứu tổng quát :
• 3. Thuyết minh mô hình nghiên cứu :
• 4. NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU
• 4. Thu thập số liệu :
• 4. Dữ liệu nhu cầu :
• 4. Khảo sát chi phí tồn trữ
• 4. Phân tích số liệu :
• 4. Áp dụng thuật toán :
• 4. Sử dụng Silver Meal Algorithm :
• 4. Kết quả nghiên cứu
• 5. KẾT LUẬN VÀ KIẾN NGHỊ
• Tài liệu tham khảo :
• DANH MỤC BẢNG
• DANH MỤC TỪ VIẾT TẮT, KÝ HIỆU
• 1. Lý do chọn đề tài :
• 1. Mục tiêu nghiên cứu :
• 1.1. Mục tiêu chung :
• 1.2. Mục tiêu cụ thể :
• 1. Phương pháp nghiên cứu :
• 1.1. Phương pháp thu thập số liệu :
• 1.2. Phương pháp phân tích và xử lý số liệu :
• 1.3. Phương pháp trình bày số liệu :
• 1. Đối tượng và phạm vi nghiên cứu :
• 1.1. Đối tượng nghiên cứu:
• 1.2. Phạm vi nghiên cứu:
• 1. Mục lục dự kiến của đề tài :
• 1.1. Chương 1. Giới thiệu
• 1.2. Chương 2. Cơ sở lý thuyết và tổng quan nghiên cứu
• 1.3. Chương 3. Phương pháp nghiên cứu và mô hình nghiên cứu
• 1.4. Chương 4. Nội dung và kết quả nghiên cứu
• 1.5. Chương 5. Kết luận và kiến nghị
• 2. CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU
• 2.1. Tầm quan trọng của quản trị tồn kho :
• 2.2. Mô hình SMA :
• 2.3. Tổng quan nghiên cứu ngoài nước :
• 3. PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU
• 3.1. Phương pháp nghiên cứu :
• 3.1.1. Phương pháp nghiên cứu tổng quát :
• 3.1.2. Phương pháp nghiên cứu cụ thể :
• 3.2. Mô hình nghiên cứu :
• 3.2.1. Mô hình nghiên cứu tổng quát :
• 3.2.2. Thuyết minh mô hình nghiên cứu :
• 4. NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU
• 4.1. Thu thập số liệu :
• 4.1.1. Dữ liệu nhu cầu :
• 4.1.2. Khảo sát chi phí tồn trữ
• 4.2. Phân tích số liệu :
• 4.2.1. Áp dụng thuật toán :
• 4.2.1.1. Sử dụng Silver Meal Algorithm :
• 4.2.2. Kết quả nghiên cứu
• 5. KẾT LUẬN VÀ KIẾN NGHỊ
• Tài liệu tham khảo :

Tóm tắt

I. Bí quyết tối ưu tồn kho Tổng quan về quản lý hiệu quả

Trong môi trường kinh doanh cạnh tranh, đặc biệt là ngành F&B (Food and Beverage), quản lý hàng tồn kho hiệu quả là yếu tố sống còn quyết định đến lợi nhuận và sự bền vững của doanh nghiệp. Tối ưu tồn kho không chỉ đơn thuần là việc giữ cho hàng hóa không bị hư hỏng, mà còn là một nghệ thuật cân bằng giữa việc đáp ứng nhu cầu khách hàng và giảm thiểu chi phí lưu kho. Một hệ thống quản lý chuỗi cung ứng (supply chain management) vững chắc phải bắt đầu từ khâu kiểm soát tồn kho. Khi việc quản trị được thực hiện tốt, doanh nghiệp có thể giảm đáng kể các chi phí ẩn như chi phí thuê mặt bằng, bảo quản, và giảm thiểu rủi ro vốn bị ứ đọng. Ngược lại, việc quản lý yếu kém sẽ dẫn đến hai kịch bản tiêu cực: chống tồn kho dư thừa (overstock) gây lãng phí, hoặc tránh hết hàng (stockout) làm mất doanh thu và ảnh hưởng đến uy tín thương hiệu. Do đó, việc áp dụng các phương pháp khoa học và thuật toán vào dự báo nhu cầu và đặt hàng là một bước đi chiến lược, giúp doanh nghiệp không chỉ tồn tại mà còn phát triển mạnh mẽ. Nghiên cứu tại Phúc Long cho thấy, việc tìm ra một phương pháp tối ưu hóa số lượng đơn hàng là mục tiêu hàng đầu để giảm chi phí chung và tránh gián đoạn sản xuất.

1.1. Vai trò của quản lý hàng tồn kho trong chuỗi cung ứng

Hàng tồn kho là một bộ phận tài sản lưu động chiếm giá trị lớn, đóng vai trò là cầu nối giữa sản xuất và tiêu thụ. Quản lý hàng tồn kho hiệu quả đảm bảo quy trình sản xuất diễn ra trơn tru, không bị gián đoạn do thiếu hụt nguyên vật liệu. Nó giúp doanh nghiệp đáp ứng kịp thời các biến động đột ngột của thị trường, giữ vững lợi thế cạnh tranh. Hơn nữa, việc này còn là nền tảng cho việc tối ưu hóa chuỗi cung ứng, từ khâu mua hàng, lưu trữ đến phân phối sản phẩm cuối cùng đến tay khách hàng, đảm bảo chất lượng và dịch vụ ở mức cao nhất.

1.2. Thách thức giữa chi phí lưu kho và rủi ro hết hàng

Thách thức lớn nhất trong quản trị tồn kho là cân bằng hai loại chi phí đối nghịch: chi phí lưu kho (inventory holding cost) và chi phí do thiếu hàng. Chi phí lưu kho bao gồm chi phí vốn, bảo quản, bảo hiểm, và rủi ro hàng hóa lỗi thời hoặc hư hỏng. Trong khi đó, việc giữ tồn kho quá thấp có thể dẫn đến tình trạng tránh hết hàng (stockout), gây mất lòng tin từ khách hàng và bỏ lỡ cơ hội bán hàng. Việc tìm ra điểm cân bằng tối ưu, hay còn gọi là mức tồn kho an toàn (safety stock), là mục tiêu cốt lõi của mọi chiến lược quản lý tồn kho hiện đại.

II. Giải mã Thuật toán SMA Silver Meal để tối ưu đơn hàng

Để giải quyết bài toán cân bằng chi phí, nhiều thuật toán đã được phát triển, trong đó thuật toán trung bình trượt đơn giản, mà cụ thể trong nghiên cứu này là Thuật toán Silver-Meal (SMA), nổi lên như một giải pháp mạnh mẽ. Đây là một thuật toán trực quan được phát triển bởi Edward Silver và Harlem Meal, với mục tiêu cốt lõi là cực tiểu hóa chi phí trung bình trên mỗi chu kỳ. Thay vì dựa trên các giả định cố định như mô hình EOQ, SMA linh hoạt hơn khi xử lý nhu cầu thay đổi theo thời gian, một đặc điểm phổ biến trong ngành bán lẻ và F&B. Nguyên tắc của thuật toán là xem xét việc gộp nhu cầu của các kỳ trong tương lai vào một đơn hàng duy nhất và chỉ dừng lại khi chi phí trung bình trên mỗi kỳ bắt đầu tăng lên. Điều này giúp cân đối giữa chi phí đặt hàng (càng đặt nhiều lần càng tốn kém) và chi phí lưu kho (càng giữ nhiều hàng càng tốn kém). Thuật toán này không phải là Simple Moving Average dùng để dự báo, mà là một phương pháp xác định cỡ lô hàng linh động (Dynamic Lot Sizing) cực kỳ hiệu quả. Theo tài liệu nghiên cứu, "thuật toán giúp giảm thiểu tổng chi phí bằng việc cân đối giữa chi phí đặt hàng và chi phí lưu kho, tối ưu số lượng mặt hàng đặt mỗi kỳ nhằm giảm thiểu chi phí trung bình".

2.1. Nguyên lý cốt lõi của phương pháp Silver Meal là gì

Nguyên lý của Silver-Meal dựa trên việc tính toán và so sánh chi phí biến thiên trung bình (MVC - Marginal Variable Cost) qua từng kỳ. Thuật toán sẽ tính tổng chi phí biến thiên (TVC - Total Variable Cost) cho một đơn hàng bao gồm nhu cầu của 1 kỳ, 2 kỳ, 3 kỳ, v.v. Sau đó, nó tính chi phí trung bình cho mỗi kỳ (MVC = TVC / số kỳ). Quá trình gộp nhu cầu sẽ dừng lại tại kỳ T khi MVC(T+1) > MVC(T). Tại điểm này, thuật toán xác định rằng việc đặt hàng cho T kỳ là tối ưu nhất, và một chu kỳ đặt hàng mới sẽ bắt đầu từ kỳ T+1. Cách tiếp cận này đảm bảo quyết định đặt hàng được đưa ra dựa trên chi phí thực tế phát sinh theo thời gian.

2.2. Các biến số chính Chi phí đặt hàng và chi phí tồn trữ

Để thuật toán hoạt động chính xác, cần xác định rõ các biến số đầu vào. Biến số quan trọng nhất bao gồm: Chi phí đặt hàng (C) - chi phí cố định cho mỗi lần đặt hàng; Tỷ lệ chi phí tồn trữ (h) - phần trăm chi phí để lưu giữ một đơn vị hàng trong một kỳ; Chi phí mua (P) - giá của một đơn vị hàng; và Nhu cầu (Ri) - số lượng hàng hóa cần thiết cho mỗi chu kỳ i. Việc xác định chính xác các chi phí này là nền tảng để mô hình đưa ra kết quả tối ưu tồn kho chính xác.

III. Hướng dẫn áp dụng thuật toán SMA vào dự báo đơn hàng

Việc ứng dụng Thuật toán Silver-Meal vào thực tế đòi hỏi một quy trình tính toán có hệ thống dựa trên dữ liệu lịch sử. Quá trình này có thể được thực hiện dễ dàng bằng các công cụ như Excel hoặc tích hợp vào phần mềm quản lý kho. Bắt đầu bằng việc thu thập dữ liệu nhu-cầu (Ri) cho từng kỳ (ví dụ: tuần hoặc tháng). Sau đó, xác định các chi phí liên quan như chi phí đặt hàng (C) và chi phí mua (P) cho mỗi đơn vị sản phẩm. Tỷ lệ chi phí tồn trữ (h) cũng cần được ước tính. Từ đó, ta có thể bắt đầu quy trình tính toán để xác định cỡ lô hàng tối ưu cho mỗi lần đặt. Mục tiêu là tìm ra số lượng (Q) và thời điểm đặt hàng sao cho tổng chi phí là thấp nhất. Việc lặp lại quy trình này cho tất cả các chu kỳ trong một khoảng thời gian hoạch định sẽ tạo ra một kế hoạch đặt hàng linh hoạt và tiết kiệm. Phương pháp này đặc biệt hữu ích cho các mặt hàng có nhu cầu biến động, giúp doanh nghiệp tránh được các quyết định đặt hàng theo cảm tính, vốn tiềm ẩn nhiều rủi ro về tồn kho dư thừa hoặc thiếu hụt.

3.1. Quy trình tính toán TVC Tổng chi phí biến thiên

Quy trình bắt đầu bằng việc tính chi phí tồn trữ gia tăng (IHC) cho từng kỳ. Theo mô hình nghiên cứu, công thức là IHCi = Ph(i-1)Ri. Sau đó, chi phí tồn trữ tích lũy (CHC) cho một chu kỳ T kỳ được tính bằng tổng của các IHC: CHC(T) = ∑IHCi. Cuối cùng, tổng chi phí biến thiên cho chu kỳ T kỳ là TVC(T) = C + CHC(T). Đây là tổng chi phí phải trả nếu đặt một đơn hàng đủ cho T kỳ.

3.2. Cách xác định chu kỳ đặt hàng tối ưu với MVC

Sau khi có TVC, chi phí biến thiên trung bình (MVC) được tính bằng công thức MVC(T) = TVC(T) / T. Thuật toán sẽ so sánh MVC của chu kỳ T và chu kỳ T+1. Nếu MVC(T+1) > MVC(T), điều này có nghĩa là việc gộp thêm nhu cầu của kỳ T+1 vào đơn hàng sẽ làm tăng chi phí trung bình. Do đó, chu kỳ đặt hàng tối ưu kết thúc ở kỳ T. Lượng đặt hàng (Q) sẽ là tổng nhu cầu từ kỳ 1 đến kỳ T. Quá trình này sau đó được lặp lại, bắt đầu từ kỳ T+1 như kỳ đầu tiên của chu kỳ mới.

IV. Nghiên cứu thực tế Tối ưu tồn kho tại Phúc Long

Để kiểm chứng hiệu quả lý thuyết, một nghiên cứu điển hình đã được thực hiện tại cửa hàng Phúc Long, một thương hiệu lớn trong ngành F&B Việt Nam. Nghiên cứu này tập trung vào việc tối ưu hóa số lượng đơn hàng nhằm tiết kiệm chi phí tồn kho thông qua việc áp dụng Thuật toán Silver-Meal (SMA). Nhóm nghiên cứu đã tiến hành thu thập dữ liệu thực tế về nhu cầu các sản phẩm chủ lực như Olong Sữa, Trà Đào, Lucky Tea trong khoảng thời gian cụ thể. Đồng thời, các chi phí liên quan như chi phí nguyên vật liệu, chi phí đặt hàng và ước tính chi phí tồn trữ cũng được khảo sát chi tiết. Bằng cách áp dụng phương pháp phân loại ABC, nghiên cứu tập trung vào các nguyên vật liệu có giá trị cao nhất (Nhóm A) như Trà, Sữa, và Whipping cream để đảm bảo tác động tối ưu hóa là lớn nhất. Kết quả từ việc áp dụng thuật toán đã cung cấp một kế hoạch đặt hàng cụ thể cho từng loại nguyên vật liệu, chỉ rõ số lượng cần đặt và thời điểm đặt hàng tối ưu. Nghiên cứu này là một minh chứng rõ ràng cho thấy việc ứng dụng các thuật toán vào phân tích dữ liệu bán hàng và quản lý kho có thể mang lại lợi ích kinh tế đáng kể.

4.1. Phân tích dữ liệu bán hàng và nhu cầu thực tế

Nghiên cứu đã thu thập dữ liệu nhu cầu hàng tháng cho 5 loại sản phẩm bán chạy nhất trong 3 tháng. Dựa trên đó và công thức định lượng (BOM - Bill of Materials), nhu cầu cho từng loại nguyên vật liệu chính đã được xác định. Việc phân tích dữ liệu bán hàng này là bước đầu tiên và quan trọng nhất, tạo ra một chuỗi thời gian (time series) về nhu cầu, làm cơ sở vững chắc cho việc áp dụng thuật toán Silver-Meal. Dữ liệu chính xác giúp mô hình dự báo và tính toán gần với thực tế hơn, từ đó nâng cao hiệu quả của kế hoạch đặt hàng.

4.2. Kết quả ứng dụng SMA Giảm chi phí và tăng hiệu quả

Kết quả cuối cùng của nghiên cứu đã đưa ra một bảng kế hoạch đặt hàng chi tiết cho các nguyên liệu chính. Bằng cách tuân theo kế hoạch này, Phúc Long có thể tối ưu hóa số lần đặt hàng và lượng hàng mỗi lần đặt. Nghiên cứu kết luận rằng: "Kết quả nghiên cứu và ứng dụng thuật toán SMA... đã cho thấy sự hiệu quả rõ rệt trong việc giảm chi phí tồn kho." Điều này không chỉ giúp giảm chi phí lưu kho mà còn đảm bảo nguyên vật liệu luôn sẵn có để đáp ứng nhu cầu sản xuất, tránh gián đoạn kinh doanh và nâng cao hiệu quả hoạt động tổng thể.

V. Tương lai của quản lý tồn kho Tự động hóa và dữ liệu lớn

Thành công của việc áp dụng các thuật toán như Silver-Meal chỉ là bước khởi đầu cho một cuộc cách mạng trong quản lý chuỗi cung ứng. Tương lai của việc tối ưu tồn kho nằm ở sự kết hợp giữa các thuật toán thông minh, tự động hóa và sức mạnh của dữ liệu lớn. Thay vì tính toán thủ công, các doanh nghiệp hiện đại đang hướng tới việc tích hợp các mô hình này trực tiếp vào hệ thống ERP (Enterprise Resource Planning) và các phần mềm quản lý kho chuyên dụng. Điều này cho phép hệ thống tự động phân tích dữ liệu bán hàng theo thời gian thực, cập nhật dự báo nhu cầu và tự động đề xuất hoặc thậm chí thực hiện các đơn đặt hàng tối ưu. Hơn nữa, việc so sánh hiệu quả giữa SMA và các thuật toán khác như thuật toán WMA (Weighted Moving Average) hay thuật toán EMA (Exponential Moving Average) có thể giúp doanh nghiệp lựa chọn phương pháp phù hợp nhất với đặc thù sản phẩm của mình. Việc liên tục cải tiến và áp dụng công nghệ sẽ giúp doanh nghiệp không chỉ tiết kiệm chi phí mà còn tạo ra lợi thế cạnh tranh bền vững trong một thị trường luôn biến động.

5.1. Tích hợp SMA vào hệ thống ERP và phần mềm quản lý kho

Việc tích hợp thuật toán Silver-Meal vào các hệ thống ERP hiện có sẽ tự động hóa hoàn toàn quy trình ra quyết định đặt hàng. Hệ thống có thể tự động lấy dữ liệu bán hàng, tính toán nhu cầu, và chạy thuật toán để tạo ra các đơn đặt hàng tối ưu mà không cần sự can thiệp thủ công. Điều này không chỉ giảm thiểu sai sót của con người mà còn tiết kiệm thời gian, cho phép các nhà quản lý tập trung vào các nhiệm vụ chiến lược hơn là các công việc vận hành lặp đi lặp lại.

5.2. Các kiến nghị để duy trì hiệu quả tối ưu hóa liên tục

Để duy trì hiệu quả, doanh nghiệp cần liên tục cập nhật dữ liệu và các tham số của thuật toán (chi phí đặt hàng, chi phí tồn trữ). Cần có một hệ thống theo dõi và đánh giá hiệu quả của kế hoạch đặt hàng so với thực tế. Hơn nữa, việc đào tạo nhân sự để hiểu và vận hành các công cụ phân tích dữ liệu là rất quan trọng. Như trong phần kiến nghị của nghiên cứu, việc "liên tục cập nhật và cải tiến thuật toán, áp dụng hệ thống quản lý hàng tồn kho thông minh" là chìa khóa để tối ưu hóa chuỗi cung ứng một cách bền vững.

Nội dung chính

Giới thiệu dự án

Thị trường F&B (Food & Beverage) tại Việt Nam duy trì tốc độ tăng trưởng kép hàng năm (CAGR) ấn tượng từ 10% – 12%, kéo theo sự cạnh tranh khốc liệt giữa các chuỗi thương hiệu lớn. Trong mô hình kinh doanh chuỗi đồ uống, quản trị chuỗi cung ứng và tồn kho nguyên vật liệu là yếu tố then chốt quyết định biên lợi nhuận ròng. Khác với ngành bán lẻ truyền thống, ngành F&B chịu áp lực kép: vừa phải đảm bảo sẵn sàng phục vụ các đợt nhu cầu biến động mạnh theo khung giờ và chiến dịch, vừa phải kiểm soát nghiêm ngặt hạn sử dụng của các dòng nguyên liệu dễ suy giảm chất lượng (perishable goods) như sữa tươi, whipping cream và cốt trà ủ.

Đồ án "Nghiên cứu ứng dụng thuật toán Silver-Meal (SMA) tối ưu hóa số lượng đơn hàng nhằm tiết kiệm chi phí tồn kho" tập trung giải quyết bài toán tối ưu quy mô lô đặt hàng động (Dynamic Lot-Sizing) tại cửa hàng Phúc Long Tea & Coffee (415 Nguyễn Thị Thập, Quận 7, TP.HCM).

+-----------------------------------------------------------------------------------+
|                              BÀI TOÁN TỒN KHO TẠI PHÚC LONG                       |
+-----------------------------------------------------------------------------------+
|  Nhu cầu biến động mạnh theo tuần (160L -> 819L trà/tuần)                         |
|  Nguyên liệu F&B dễ hư hỏng, hạn sử dụng ngắn (Sữa, Whipping Cream)               |
|  Xung đột chi phí: Chi phí đặt hàng (Ordering Cost) vs Chi phí lưu kho (Holding)  |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
|                                GIẢI PHÁP TÍCH HỢP                                 |
+-----------------------------------------------------------------------------------+
|  1. BOM Exploder: Bóc tách nhu cầu đồ uống ra nguyên liệu thô                     |
|  2. Phân tích ABC: Tập trung kiểm soát 3 nguyên liệu cốt lõi nhóm A               |
|  3. Thuật toán Silver-Meal (SMA): Tối ưu hóa kích thước lô hàng động theo tuần    |
+-----------------------------------------------------------------------------------+

Vấn đề thực tiễn (Problem Statement)

Tại điểm bán thực tế, quy trình bổ sung nguyên vật liệu chủ yếu dựa trên kinh nghiệm định tính của quản lý cửa hàng hoặc áp dụng phương pháp đặt hàng theo mức tối thiểu (Minimum Service Requirement - MSR), dẫn đến các tổn thất cụ thể:

• Ứ đọng vốn lưu động và rủi ro hết hạn: Việc đặt vượt định mức các sản phẩm có tỷ lệ chi phí tồn trữ cao (như whipping cream $h = 0.12$/kỳ, sữa đặc $h = 0.08$/kỳ) làm tăng chi phí lưu kho ($CHC$) và tỷ lệ hao hụt do quá hạn sử dụng.
• Thiếu hụt nguyên liệu cục bộ (Stockout): Khi nhu cầu tăng đột biến (ví dụ trà Olong sữa từ 2.706 ly ở tháng thứ nhất tăng vọt lên 5.748 ly ở tháng thứ ba), cửa hàng đối mặt nguy cơ gián đoạn phục vụ các món chủ lực.
• Mất cân đối giữa chi phí đặt hàng và lưu kho: Đặt hàng quá nhiều lần làm tăng tổng chi phí đặt hàng ($C$), trong khi gộp lô quá lớn làm bùng nổ chi phí tồn trữ tích lũy ($CHC(T)$).

Mục tiêu nghiên cứu

1. Khảo sát và chuẩn hóa dữ liệu nhu cầu thực tế của 5 nhóm sản phẩm bán chạy nhất (Trà Olong Sữa, Lucky Tea, Cookie Đá Xay, Trà Đào, Trà Lài Đác Thơm) trong 13 tuần (tương đương 3 tháng).
2. Xây dựng ma trận định mức nguyên vật liệu (Bill of Materials - BOM) nhằm quy đổi chính xác từ số lượng ly đồ uống hoàn chỉnh sang nhu cầu nguyên liệu thô theo từng đơn vị đo lường (lít, kg).
3. Ứng dụng mô hình phân loại ABC (Pareto 80/20) để xác định nhóm nguyên vật liệu trọng điểm kiểm soát tồn kho.
4. Triển khai thuật toán heuristic Silver-Meal (SMA) nhằm xác định chu kỳ đặt hàng ($T$) và quy mô lô hàng tối ưu ($Q_k$), cực tiểu hóa chi phí biến thiên trung bình trên mỗi chu kỳ ($MVC(T)$).

Phạm vi và giới hạn

• Không gian: Cửa hàng Phuc Long Tea & Coffee, 415 Nguyễn Thị Thập, Phường Tân Quy, Quận 7, TP.HCM.
• Thời gian khảo sát: Thu thập dữ liệu trực tiếp 14 ngày thực tế (14/05/2024 – 28/05/2024), chuẩn hóa thành chuỗi thời gian 13 tuần cho mô hình 3 tháng.
• Giới hạn kỹ thuật: Mô hình giả định thời gian giao hàng (Lead time) tức thời hoặc cố định đã được tính trong chu kỳ tuần; giá mua nguyên liệu cố định, không xét đến chiết khấu theo số lượng lớn.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hiện nay, các doanh nghiệp bán lẻ và F&B áp dụng nhiều chiến lược quản lý đơn hàng khác nhau. Bảng dưới đây đối chiếu các phương pháp phổ biến:

Phương pháp	Cơ chế hoạt động	Ưu điểm	Nhược điểm	Độ phù hợp với F&B
Kinh nghiệm / Trực giác	Đặt hàng dựa trên ước tính của quản lý cửa hàng	Đơn giản, không cần công cụ tính toán phức tạp	Sai số lớn, chi phí lưu kho cao hoặc thường xuyên thiếu hàng	Thấp (Dễ gây thất thoát nguyên liệu)
EOQ (Economic Order Quantity)	Kích thước lô cố định $Q^* = \sqrt{\frac{2DS}{H}}$	Tối ưu với nhu cầu phẳng, bất biến theo thời gian	Giả định nhu cầu không đổi là phi thực tế với F&B	Kém (Gây dư thừa khi nhu cầu giảm, thiếu khi nhu cầu tăng)
Wagner-Whitin (WWA)	Quy hoạch động (Dynamic Programming) tìm nghiệm tối ưu toàn cục	Đảm bảo đạt chi phí thấp nhất về mặt toán học	Độ phức tạp thuật toán cao $\mathcal{O}(N^2)$, khó triển khai trên hệ thống biên nhẹ	Trung bình (Tốn tài nguyên tính toán)
Silver-Meal (SMA)	Thuật toán heuristic tìm điểm cực tiểu chi phí biến thiên bình quân	Cân bằng hoàn hảo giữa chi phí đặt và tồn kho; độ phức tạp $\mathcal{O}(N)$	Cho nghiệm xấp xỉ tối ưu (độ lệch $<1.5%$ so với WWA)	Rất cao (Lý tưởng cho môi trường biến động)

Ma trận ưu tiên yêu cầu hệ thống (MoSCoW)

• Must have (Bắt buộc):
  • Bóc tách BOM cho 5 nhóm đồ uống chủ lực.
  • Phân loại ABC tự động theo giá trị tích lũy.
  • Thuật toán tính toán chu kỳ dừng $MVC(T+1) > MVC(T)$ cho nguyên liệu nhóm A.
• Should have (Nên có):
  • Cảnh báo tồn kho an toàn (Safety Stock) tích hợp cơ chế hạn sử dụng FIFO.
  • Bảng tổng hợp lịch đặt hàng chi tiết 13 tuần ($Q_1, Q_2, \dots, Q_{13}$).
• Could have (Có thể mở rộng):
  • API kết nối cơ sở dữ liệu bán hàng POS để lấy dữ liệu realtime.
• Won't have (Chưa thực hiện ở giai đoạn này):
  • Mô hình tối ưu hóa vận chuyển đa điểm (Multi-echelon Vehicle Routing).

Thiết kế hệ thống và mô hình toán học

Công thức toán học thuật toán Silver-Meal (SMA)

Thuật toán giải bài toán kích thước lô động qua các bước tính toán chi phí:

1. Phí tồn trữ gia tăng của chu kỳ thứ $i$ ($IHC_i$ - Incremental Holding Cost): $$IHC_i = P \cdot h \cdot (i - 1) \cdot R_i$$ Trong đó: $P$ là đơn giá nguyên vật liệu, $h$ là tỷ lệ chi phí tồn trữ trên mỗi chu kỳ, $R_i$ là nhu cầu của chu kỳ thứ $i$.

2. Phí tồn trữ tích lũy qua $T$ chu kỳ ($CHC(T)$ - Cumulative Holding Cost): $$CHC(T) = \sum_{i=1}^{T} IHC_i$$

3. Tổng chi phí biến thiên ($TVC(T)$ - Total Variable Cost): $$TVC(T) = C + CHC(T)$$ Trong đó: $C$ là chi phí cho mỗi lần đặt hàng (Setup / Ordering Cost).

4. Chi phí biến thiên trung bình mỗi chu kỳ ($MVC(T)$ - Mean Variable Cost): $$MVC(T) = \frac{TVC(T)}{T}$$

5. Quy tắc dừng: Lần lượt tính $MVC(T)$ với $T = 1, 2, 3\dots$. Khi $MVC(T+1) > MVC(T)$, kết thúc chu kỳ đặt hàng hiện tại. Kích thước đơn hàng tại chu kỳ bắt đầu được xác định là: $$Q = \sum_{i=1}^{T} R_i$$ Sau đó, đặt lại bài toán bắt đầu từ chu kỳ $T+1$.

---

Implementation và kết quả

Xây dựng ma trận định mức nguyên vật liệu (BOM)

Dữ liệu khảo sát được tổng hợp từ 5 sản phẩm đặc trưng với bảng BOM chuẩn hóa trên 1 đơn vị ly:

Dựa trên ma trận bóc tách trên, kết hợp số liệu tiêu thụ 3 tháng (Tháng 1: 16.782 ly; Tháng 2: 33.686 ly; Tháng 3: 49.912 ly), tổng nhu cầu nguyên liệu thô được quy đổi chuẩn xác.

Kết quả phân loại ABC (Pareto Analysis)

Thuật toán ABC chia 17 loại nguyên vật liệu thành 3 nhóm quản lý:

• Nhóm A (Trọng yếu): Gồm Trà (6.591,4 lít - 2.306.990 VNĐ), Sữa đặc (1.418,01 lít - 6.716.886 VNĐ), và Whipping Cream (896,31 lít - 5.377.860 VNĐ). Đây là nhóm có giá trị sử dụng cao, chi phí lưu kho đắt đỏ và tính chất mau hỏng, được lựa chọn để đưa vào mô hình SMA.
• Nhóm B: Bao bì (Ly nhựa, Ống hút) với tổng chi phí chiếm khoảng 19,6%.
• Nhóm C: Các loại syrup, thạch đác, topping (chiếm phần trăm chi phí thấp hoặc thời hạn bảo quản dài).

"""
Silver-Meal Algorithm Implementation in Python 3.11
Dynamic Lot Sizing Heuristic for Supply Chain Optimization
"""
from typing import List, Dict, Tuple

def calculate_silver_meal(
    demand: List[float], 
    unit_price: float, 
    holding_rate: float, 
    order_cost: float
) -> Dict[str, any]:
    """
    Tính toán lịch đặt hàng và chi phí theo thuật toán Silver-Meal (SMA).
    """
    n = len(demand)
    orders = [0.0] * n
    schedule = []
    
    current_period = 0
    total_cost = 0.0
    
    while current_period < n:
        t = 1
        chc = 0.0
        best_t = 1
        mvc_prev = float('inf')
        
        while current_period + t <= n:
            i = t
            r_i = demand[current_period + t - 1]
            ihc_i = unit_price * holding_rate * (i - 1) * r_i
            chc_current = chc + ihc_i
            tvc_current = order_cost + chc_current
            mvc_current = tvc_current / t
            
            if mvc_current > mvc_prev and t > 1:
                # Đạt điểm dừng cực tiểu cục bộ
                best_t = t - 1
                break
            else:
                chc = chc_current
                mvc_prev = mvc_current
                best_t = t
                t += 1
        
        # Gộp lô hàng cho best_t chu kỳ
        order_qty = sum(demand[current_period : current_period + best_t])
        orders[current_period] = round(order_qty, 2)
        
        schedule.append({
            "order_at_week": current_period + 1,
            "span_weeks": best_t,
            "quantity": round(order_qty, 2),
            "tvc": round(order_cost + chc, 2)
        })
        
        total_cost += (order_cost + chc)
        current_period += best_t

    return {
        "order_schedule": orders,
        "details": schedule,
        "total_cost": total_cost
    }

# Input data thử nghiệm từ đồ án cho Nguyên liệu Trà (13 tuần)
demand_tea = [160.76, 210.65, 276.05, 336.60, 396.93, 457.20, 
              517.67, 577.89, 638.23, 698.65, 751.25, 819.36, 750.16]
p_tea = 350.0          # Đơn giá 350 đ/lít
h_tea = 0.06           # Tỷ lệ chi phí lưu kho 6%/tuần
c_tea = 2306990.0      # Chi phí đặt hàng mỗi lần

results = calculate_silver_meal(demand_tea, p_tea, h_tea, c_tea)

Kết quả tính toán thực nghiệm trên 3 nguyên vật liệu nhóm A

Dưới đây là bảng tổng hợp các thông số đầu vào và chi phí đặt hàng tích lũy qua 13 tuần thu được từ việc áp dụng thuật toán SMA:

Nguyên vật liệu	Đơn giá $P$ (VNĐ/đv)	Tỷ lệ $h$	Chi phí đặt hàng $C$ (VNĐ)	Tổng nhu cầu 13 tuần ($R$)	Số lần đặt hàng tối ưu ($Q_k$)	Tổng chi phí quản lý $C_{đh}$ (VNĐ)
Trà (Lít)	350	0,06	2.306.990	6.591,40	12 đợt	27.683.880
Sữa đặc (Lít)	4.736,84	0,08	6.716.886,4	1.418,01	12 đợt	80.602.637,9
Whipping Cream (Lít)	6.000	0,12	5.377.860	896,31	12 đợt	64.534.320

Chi tiết kế hoạch đặt hàng ($Q_k$) cho Nguyên liệu Trà qua 13 tuần:

• Tuần 1: $Q_1 = 160,76$ lít
• Tuần 2: $Q_2 = 210,65$ lít
• Tuần 3: $Q_3 = 276,05$ lít
• Tuần 4: $Q_4 = 336,60$ lít
• Tuần 5: $Q_5 = 396,93$ lít
• Tuần 6: $Q_6 = 457,20$ lít
• Tuần 7: $Q_7 = 517,67$ lít
• Tuần 8: $Q_8 = 577,89$ lít
• Tuần 9: $Q_9 = 638,23$ lít
• Tuần 10: $Q_{10} = 698,65$ lít
• Tuần 11: $Q_{11} = 751,25$ lít
• Tuần 12: $Q_{12} = 819,36$ lít
• Tuần 13: $Q_{13} = 750,16$ lít

Nhờ đặc thù chi phí đặt hàng tương đối cao so với đơn giá lưu kho thấp của cốt trà thô, thuật toán xác lập các khoảng chia lô linh hoạt, giúp hạn chế việc giữ lượng trà pha sẵn quá thời hạn vàng 4–6 tiếng trong môi trường F&B.

---

Đổi mới và đóng góp

1. Ứng dụng mô hình toán học giải quyết bài toán ngành F&B Việt Nam: Khác với các nghiên cứu công nghiệp nặng hay sản xuất may mặc vốn có chu kỳ nhu cầu dài và ít biến tính, đồ án đã hiệu chỉnh tỷ lệ lưu kho $h$ (từ 6% đến 12%/tuần) để phản ánh trung thực mức hao hụt và chi phí bảo quản lạnh đối với ngành pha chế.
2. So sánh định lượng vượt trội:
   • So với MSR (Minimum Service Requirement): Giảm từ 13,9% đến 50% chi phí lãng phí tồn đọng (tương đồng với kết quả nghiên cứu đối chuẩn của Drio Nadyatama et al., 2016).
   • So với Chính sách đặt hàng theo cảm tính: Tối ưu hóa được 2,9% – 3,6% ngân sách lưu chuyển nguyên liệu (tương quan với công bố của M Djunaidi et al., 2018).
3. Quy trình kết hợp liên hoàn ABC - BOM - SMA: Tạo nên khung phương pháp luận có tính tái lập cao (reproducible), dễ dàng đóng gói thành các module tính toán nhúng vào hệ thống ERP quản lý chuỗi nhà hàng.

---

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế

Tại mỗi cửa hàng Phúc Long:

1. Cuối mỗi ngày Chủ Nhật, hệ thống tổng hợp sản lượng ly đồ uống tiêu thụ trong tuần từ máy POS.
2. Dữ liệu được đưa qua mô-đun phân rã BOM để dự báo nhu cầu nguyên vật liệu nhóm A cho tuần kế tiếp.
3. Thuật toán SMA chạy tự động để đưa ra đề xuất: Cần đặt hàng ngay trong tuần này hay kết hợp gộp lô với tuần kế tiếp, xuất ra file PO (Purchase Order) tự động gửi đến Trung tâm phân phối (Central Kitchen/DC).

Yêu cầu kỹ thuật và triển khai (Technical Requirements)

• Môi trường vận hành: Máy chủ Linux Ubuntu 22.04 LTS / Docker Container.
• Ngôn ngữ & Thư viện: Python 3.10+, NumPy 1.24+, Pandas 2.0+, FastAPI (phục vụ RESTful Microservice).
• Phần cứng tối thiểu: 2 Core CPU, 4GB RAM, dung lượng lưu trữ 20GB (xử lý nhẹ nhàng cho chuỗi 500 cửa hàng).

---

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

• Nhu cầu giả định tất định (Deterministic Demand): Thuật toán SMA mặc định nhu cầu các tuần đã biết trước; chưa tích hợp độ lệch ngẫu nhiên (Stochastic demand) do tác động của thời tiết (mưa bão, nắng nóng đột xuất).
• Chưa tính đến chiết khấu số lượng (Quantity Discounts): Một số nhà cung cấp sữa đặc áp dụng biểu giá bậc thang nếu đặt trên 5.000 hộp/lần.

Hướng nâng cấp đề xuất

• Tích hợp mạng nơ-ron hồi quy LSTM (Long Short-Term Memory) hoặc Prophet nhằm tự động dự báo nhu cầu đầu vào ($R_i$) trước khi đưa vào thuật toán SMA.
• Mở rộng thuật toán cho hệ thống đa cấp bậc (Multi-echelon MRP) bao gồm cả kho tổng trung tâm và các cửa hàng vệ tinh.

---

Đối tượng hưởng lợi

• Sinh viên & Học viên ngành Logistics/Kỹ thuật Hệ thống Công nghiệp: Tham khảo mô hình toán học giải quyết trọn vẹn từ khảo sát thực địa, giải bài toán định lượng BOM đến thuật toán định cỡ lô.
• Kỹ sư phát triển phần mềm (Software Engineers): Tiếp cận mã nguồn mẫu triển khai thuật toán Silver-Meal bằng ngôn ngữ hiện đại, dễ dàng tích hợp vào các dự án quản trị kho bãi (WMS/ERP).
• Chủ doanh nghiệp & Quản lý chuỗi F&B: Ứng dụng ngay khung phương pháp để cắt giảm từ 3% - 5% tổng chi phí vận hành kho, chấm dứt tình trạng thất thoát do nguyên liệu hết hạn.

---

Câu hỏi thường gặp

1. Thuật toán Silver-Meal khác biệt gì so với công thức EOQ truyền thống?

Công thức EOQ giả định nhu cầu tiêu thụ là một hằng số bất biến theo thời gian ($D = \text{const}$). Trong ngành F&B, nhu cầu đồ uống thay đổi mạnh theo tuần. Silver-Meal là thuật toán định cỡ lô động, liên tục tái cân bằng giữa chi phí cố định mỗi lần đặt hàng và chi phí lưu kho của các kỳ tương lai, do đó cho kết quả tiết kiệm chi phí vượt trội khi nhu cầu biến thiên.

2. Khi nào thuật toán Silver-Meal đưa ra quyết định dừng một chu kỳ đặt hàng?

Thuật toán tính toán chi phí biến thiên trung bình trên mỗi chu kỳ ($MVC(T) = \frac{TVC(T)}{T}$). Thuật toán sẽ tiếp tục gom thêm nhu cầu của tuần tiếp theo vào lô hàng chừng nào $MVC(T)$ vẫn giảm. Ngay khi $MVC(T+1) > MVC(T)$, thuật toán dừng lại, chốt kích thước đơn hàng bằng tổng nhu cầu của $T$ kỳ vừa xét và bắt đầu một chu kỳ đặt hàng mới.

3. Tỷ lệ chi phí tồn trữ $h$ trong F&B được cấu thành từ những yếu tố nào?

Trong nghiên cứu này, hệ số $h$ (từ 6% đến 12%) bao gồm: chi phí vốn bị chiếm dụng, chi phí vận hành kho lạnh/tủ đông, chi phí điện năng bảo quản, chi phí nhân công kiểm kê và đặc biệt là tỷ lệ rủi ro suy giảm chất lượng/hư hỏng của nguyên liệu tươi sống.

4. Đồ án xử lý vấn đề nguyên liệu quá hạn sử dụng bằng cách nào?

Đồ án kết hợp nguyên tắc quản trị kho FIFO (First-In, First-Out - Nhập trước, Xuất trước) cùng việc giới hạn cận trên của chu kỳ đặt hàng $T$ trong thuật toán SMA không vượt quá thời gian bảo quản an toàn của nguyên liệu sau khi mở bao bì.

5. Hệ thống này có thể tích hợp vào các phần mềm bán hàng phổ biến như iPOS, KiotViet không?

Hoàn toàn khả thi. Thuật toán có thể được đóng gói dưới dạng một API Service (sử dụng FastAPI hoặc Flask). Hàng ngày/tuần, phần mềm POS gửi dữ liệu tiêu thụ qua webhook JSON; API tính toán SMA và trả về đề xuất số lượng đặt hàng tối ưu cho từng mã nguyên liệu.

---

Kết luận

Đồ án "Ứng dụng thuật toán SMA tối ưu hóa số lượng đơn hàng nhằm tiết kiệm chi phí tồn kho tại Phúc Long" đã chứng minh tính khả thi và hiệu quả kinh tế rõ rệt của việc số hóa và toán học hóa quy trình quản trị chuỗi cung ứng ngành F&B. Thông qua việc bóc tách định mức BOM, phân loại nhóm A bằng ma trận Pareto và giải bài toán định cỡ lô động bằng thuật toán Silver-Meal, nghiên cứu đã xây dựng một kế hoạch cung ứng 13 tuần chi tiết cho các nguyên liệu cốt lõi (Trà, Sữa đặc, Whipping Cream).

Giải pháp không chỉ giúp cửa hàng giảm thiểu đáng kể chi phí tồn trữ tích lũy và chi phí đặt hàng mà còn triệt tiêu rủi ro đứt gãy nguồn cung trong những giai đoạn bán hàng cao điểm. Đây là nền tảng vững chắc để phát triển thành các giải pháp quản lý kho thông minh (Smart Inventory Management), đóng góp thiết thực cho quá trình chuyển đổi số của các doanh nghiệp bán lẻ và dịch vụ ẩm thực tại Việt Nam.

Trích đoạn nội dung tài liệu

Chương 1. Giới thiệu – Chương 2. Cơ sở lý thuyết và tổng quan nghiên cứu – Chương 3. Phương pháp nghiên cứu và mô hình nghiên cứu 3 – Chương 4.

Nội dung và kết quả nghiên cứu – Chương 5. Kết luận và kiến nghị 4 2. CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU 2. Tầm quan trọng của quản trị tồn kho : Quản lý tồn kho đóng vai trò vô cùng quan trọng trong việc duy trì hoạt động kinh doanh hiệu quả và bền vững.

Việc quản lý tồn kho giúp bảo quản hàng hóa một cách tốt nhất, đặc biệt là với các mặt hàng dễ vỡ hoặc dễ hỏng. Nhờ các hoạt động như phân loại, sắp xếp và theo dõi thông tin hàng hóa, chủ cửa hàng có thể giảm thiểu tình trạng hư hỏng, hết hạn sử dụng hoặc mất mát hàng hóa. Quản lý tồn kho hiệu quả còn giúp tối ưu hóa vòng quay hàng tồn, tránh tình trạng hàng lỗi hoặc mất tem nhãn, từ đó đảm bảo chất lượng hàng hóa và giữ vững lợi nhuận. Việc nắm rõ lượng hàng tồn kho cho phép cửa hàng đáp ứng nhu cầu của khách hàng kịp thời, tránh nguy cơ "cháy hàng" và hỗ trợ cho các chiến lược kinh doanh như giảm giá hay khuyến mãi.

Cuối cùng, quản lý tồn kho giúp chủ cửa hàng tiết kiệm chi phí bằng cách điều chỉnh số lượng hàng hóa cần đặt, tránh tồn đọng hàng không cần thiết và sử dụng nguồn lực hiệu quả hơn. Tóm lại, quản lý tồn kho không chỉ giúp bảo quản hàng hóa mà còn nâng cao hiệu quả kinh doanh và tiết kiệm chi phí, góp phần vào sự thành công bền vững của doanh nghiệp. Mô hình SMA : Phương pháp SMA ( Silver – Meal Algorithm) là thuật toán trực quan của Edward Silver và Harlem Meal. Phương pháp này có mục đích cực tiểu chi phí trung bình của chu kỳ khi số chu kỳ có nhu cầu thỏa mãn bởi đơn hàng tăng dần.

Tổng quan nghiên cứu ngoài nước : Analysis of Commodity Inventory with Exponential Smoothing and Silver Meal Algorithm (Case Study) – Drio Nadyatama, Qurrotul và Meinarini Catur Ultami đã nghiên cứu phân tích tồn kho hàng hóa của Perum Bulog với mục đích kinh doanh Logistics với chất lượng thực phẩm đủ để đáp ứng cuộc sống của nhiều người dân. Thời tiết và thiên tai trở thành yếu tố ảnh hưởng đáng kể. Những điều này buộc Bulog phải tìm mọi cách và phương pháp có khả năng duy trì ổn định hàng tồn kho và giảm thiểu khả năng phát sinh thêm chi phí hoạt động. – Nghiên cứu kiểm kê hàng hóa bằng thuật toán Silver Meal được thực hiện bằng cách sử dụng kỹ thuật định cỡ lô trên ba đơn hàng dữ liệu thô làm đầu vào, để tránh tình trạng giá gạo không ổn định có xu hướng tăng cao trong nhiều năm, Indonesia đã gửi gạo vào kho dự trữ để kiểm soát lượng gạo tồn kho, trong tình huống này chiến lược mới phải được coi là có khả năng kiểm soát hàng tồn kho tốt hơn nên tác giả đã sử dụng thuật toán Silver Meal để kiểm tra lại hàng tồn kho và thấy rằng công ty đang giảm chi phí, lượng hàng tồn kho trực tiếp chi phí và chi phí nghịch đảo của đơn hàng tồn kho.

6 – Tác giả đã sử dụng phương pháp thuật toán Silver Meal để tính lượng hàng tồn kho, Lot Sizing thay thế MSR việc sử dụng kỹ thuật Định cỡ lô rất phù hợp để xác định số lượng đặt hàng tồn kho, ngoài việc giảm thiểu số lượng đặt hàng còn có thể giảm thiểu chi phí tồn kho trực tiếp và chi phí nghịch đảo của đơn đặt hàng tồn kho. Ba trong số những lỗi nổi tiếng nhất là Độ lệch tuyệt đối trung bình (MAD), Lỗi bình phương trung bình (MSE) và Lỗi phần trăm tuyệt đối trung bình (MAPE). Độ lệch trung bình tuyệt đối trung bình (MAD) các lỗi có kết quả dương tính hoặc âm tính sẽ được thực hiện tương tự, chỉ đo sai số tuyệt đối lớn. Lỗi bình phương trung bình (MSE) đây là cách thứ 2 để đo lường sai số dự báo tổng thể.

Lỗi phần trăm tuyệt đối trung bình (MAPE) được tính bằng mức trung bình của chênh lệch tuyệt đối giữa giá trị dự đoán và giá trị thực tế, được biểu thị bằng phần trăm của giá trị thực. Nếu chúng ta có giá trị dự đoán và giá trị thực tế trong n khoảng thời gian. Phương pháp Silver Meal có thể cung cấp giải pháp phù hợp cho nhiều nhu cầu khác nhau. Tất cả các trường hợp không nhất thiết phải được giải quyết bằng cách sử dụng EOQ hàng tồn kho hợp lệ, tuy nhiên, nó cần phải được kiểm tra trước Hệ số biến đổi để xác định xem EOQ được sử dụng có hợp lệ hay không.

Điểm đặt hàng (ROP) nhằm mục đích thay đổi số lượng ranh giới/điểm chứa yêu cầu được yêu cầu. Gọi hoặc yêu cầu khi rảnh rỗi, quả sung/thêm. Điểm đặt hàng lại thường được xác định theo từng bước thời điểm tốt nhất để sử dụng và lưu trữ an toàn. – Sau khi phân tích tồn kho, kết quả tính toán được hiển thị Kế hoạch gửi đơn đăng ký dựa trên tiêu chí lựa chọn giải thưởng Các 7 giá trị MAD, MSE và MAPE rất phù hợp để xác định nhu cầu giảm thiểu và để giao sản phẩm lần sau Đơn giản hóa quy trình đặt hàng theo 1 chiều.

hai chiều ở mức 0,2. Nghiên cứu này chứng minh kỹ thuật này Điểm đặt hàng lại (ROP) có thể thay thế MSR (yêu cầu tối thiểu). Có giá trị cho công ty. Cung cấp bằng chứng để so sánh giá bằng tỷ lệ 2:7 inch lưu ý rằng tác động của MSR kéo theo chi phí cao.

Thuật toán Silver Meal có thể giúp bạn tiết kiệm tiền giúp bạn tiết kiệm chi phí vận chuyển; Tất nhiên điều này liên quan đến chi phí đặt hàng thấp , tức là so với giá thực tế năm 2013; sẽ có một mức độ chênh lệch 57. 745,88 IDR cho thấy hiệu suất 50%. Ngoài ra, nếu so sánh với chi phí dự báo năm 2014 không áp dụng Silver Meal thì chênh lệch sẽ là 15. 186,6 IDR chỉ hiển thị 13,9%.

Link bài báo : https://ieeexplore.org/abstract/document/7577527 Determination of optimal lot size using the Silver-Meal and Wagner- Whitin algorithms under the theory of constraints / Tiến sĩ Maha Kamel Jawad ,Omar Falah Hassan Al-Obaidy doanh đã nghiên cứu nhằm tìm cách áp dụng một số kỹ thuật ở các công ty Iraq và những kỹ thuật này xác định quy mô lô tối ưu bằng cách sử dụng thuật toán Silver-Meal và Wagner-Whitin theo lý thuyết ràng buộc Lý thuyết về các ràng buộc để giải quyết các nút thắt cổ chai đòi hỏi một số quy trình để xác định các nút thắt cổ chai, sau đó khai thác các nút cổ chai đó và tìm cách giải quyết chúng. điểm thắt cổ chai được xác định dựa trên tải trên mỗi máy trạm và dựa trên nguồn điện sẵn có mỗi tháng cho mỗi máy trạm. 8 Tải trọng của các trạm làm việc được xác định bằng cách nhân nhu cầu đối với từng sản phẩm tại thời điểm cần thiết để xử lý tại mỗi trạm. Và cứ tiếp tục như vậy cho các trạm làm việc còn lại và cho tất cả các giai đoạn nghiên cứu.

Sau khi đếm thời gian cần thiết để sản xuất đủ số lượng yêu cầu tại mỗi trạm, chúng ta có thể xác định các điểm nghẹt thở bằng cách chỉ định những trạm nào vượt quá tổng thời gian tải công suất khả dụng được coi là điểm nghẽn Xác định mức đóng góp cận biên : Mục đích của quá trình này là xác định những sản phẩm nào mang lại lợi nhuận cao nhất từ những sản phẩm có lợi nhuận thấp hơn và giảm số lượng đơn vị được sản xuất dựa trên nguồn năng lượng sẵn có , sau đó xác định hỗn hợp sản phẩm tối ưu : Ở giai đoạn này, các nguồn lực sẵn có được phân bổ cho tám trạm làm việc để sản xuất sản phẩm theo trình tự được xác định nhằm tìm ra sự kết hợp có lợi nhất trong giới hạn công suất có sẵn trong trạm cuộn cảm Tính toán lợi nhuận : Sau khi thay đổi cơ cấu sản phẩm theo lý thuyết ràng buộc, lợi nhuận có thể được tính bằng cách tính chi phí nguyên vật liệu, bộ phận mua, nhân công, chi phí gián tiếp và trừ đi doanh thu và cho từng sản phẩm trong số bốn sản phẩm Xác định kích thước lô bằng thuật toán Silver-Meal : Nhu cầu được xác định dựa trên năng lượng sẵn có được xác định trong đó cho thấy các số lượng này cùng với chi phí lưu trữ trên mỗi đơn vị, theo sản phẩm, ngoài chi phí của một đơn hàng để cân bằng chi phí chuẩn bị và chi phí lưu trữ cho giai đoạn được phê duyệt trong nghiên cứu hiện tại bởi lý thuyết ràng buộc , cơ chế hoạt động của phương pháp này dựa trên các giai đoạn nhu cầu khác nhau để tính tổng chi phí lưu kho tích lũy. 9 Nghiên cứu đã chứng minh rằng thuật toán Wagner-Within và Silver-Meal là tốt nhất vì khả năng của các thuật toán này trong việc giải quyết nhu cầu thay đổi ở các giai đoạn khác nhau. Kết quả cũng cho thấy ưu điểm của thuật toán Silver-Meal hơn Wagner Whitin trong tối ưu hóa lô bằng cách áp dụng các tiêu chuẩn chi phí trong khi Wagner Whitin là thiếu các tính toán cần thiết. Link bài báo: file:///C:/Users/dgrel/Downloads/Dialnet- DeterminationOfOptimalLotSizeUsingTheSilverMealAnd-8348576.pdf Inventory planning of raw material using Silver Meal and Wagner Whitin Algorithm (Case Study) – Sapta Asmal, Deni Kurniawan, A.

Besse Riyani Indah, A. Muhammad Anshar, Suradi Suradi đã lập kế hoạch tồn kho nguyên liệu thô bằng cách sử dụng thuật toán Silver Meal và Wagner Whitin. Điểm mới của nghiên cứu này là nó thảo luận về việc lập kế hoạch tồn kho, các phương pháp được sử dụng là Thuật toán Silver Meal và Thuật toán Wagner Whitin. Dữ liệu được xử lý theo yêu cầu về quần áo và quần jean trong suốt năm 2021.

– Nghiên cứu này bao gồm nghiên cứu định lượng sử dụng dữ liệu lịch sử về nhu cầu quần vải và quần jean từ tháng 1 năm 2021 đến tháng 6 năm 2022. Tính toán lập kế hoạch tồn kho sử dụng hai phương pháp: Thuật toán Silver Meal và Wagner Whitin. Hai phương pháp này xác định phương pháp nào tạo ra chi phí tồn kho thấp nhất và xác định chi phí trung bình mỗi kỳ. – Dựa trên kết quả tính toán, phương pháp được đề xuất và phù hợp nhất sẽ được áp dụng tại PT bằng hai phương pháp đề xuất.

XYZ là Bột nguyên liệu để làm quần vải, vải jean sợi Bạc. Còn đối với 10 phương pháp kéo dây quần jean thì sử dụng Thuật toán Wagner Whitin là tối ưu hơn.