Giới thiệu dự án

Trong bối cảnh ngành công nghiệp dệt may Việt Nam chiếm hơn 15% tổng kim ngạch xuất khẩu quốc gia nhưng biên lợi nhuận ròng toàn ngành chỉ duy trì ở mức mỏng từ 2.5% đến 4.2%, việc tối ưu hóa hiệu suất sử dụng tài sản lưu động (TSLĐ) trở thành yếu tố sống còn. Tại Công ty Cổ phần May Đáp Cầu - Yên Phong (DYC) – đơn vị thành viên trực thuộc Tập đoàn Dệt May Việt Nam với năng lực sản xuất 4.5 triệu sản phẩm/năm, TSLĐ chiếm tới hơn 60% tổng tài sản (năm 2013 đạt 13,941.64 triệu đồng trên tổng tài sản 20,280.65 triệu đồng). Tuy nhiên, tốc độ luân chuyển tài sản ngắn hạn chậm và chi phí tài chính gia tăng đang trực tiếp làm xói mòn khả năng sinh lời của doanh nghiệp.

Vấn đề thực tế (Problem Statement)

Qua dữ liệu khảo sát giai đoạn 2013–2015 tại DYC, công tác quản trị tài sản ngắn hạn bộc lộ 3 điểm nghẽn nghiêm trọng:

  • Ứ đọng vốn tại khoản phải thu: Khoản phải thu ngắn hạn chiếm tỷ trọng áp đảo xấp xỉ 50% tổng TSLĐ (năm 2013 đạt 6,793.17 triệu đồng, năm 2014 tăng 20.28% lên 8,170.82 triệu đồng) do áp dụng chính sách nới lỏng tín dụng thương mại để duy trì tăng trưởng doanh thu trong bối cảnh thị trường dệt may phục hồi chậm.
  • Rủi ro tồn kho nguyên phụ liệu cao: Hàng tồn kho chiếm 35–40% TSLĐ (năm 2013 đạt 5,566.84 triệu đồng; năm 2014 tăng 26.52% lên 7,043.15 triệu đồng). Tỷ lệ nguyên phụ liệu nhập khẩu từ Trung Quốc, Hồng Kông vượt 50% khiến doanh nghiệp phải dự trữ đệm quá mức, làm tăng chi phí lưu kho và phát sinh chi phí vốn vay ngắn hạn.
  • Biên lợi nhuận suy giảm mạnh: Dù doanh thu thuần duy trì quanh mức 96,475 triệu đồng, lợi nhuận sau thuế liên tục giảm (từ 247.25 triệu đồng năm 2013 xuống các mức thấp hơn trong 2014–2015) do chi phí quản lý doanh nghiệp tăng vọt 49.37% năm 2014 và chi phí tài chính tăng 10.43%.

Mục tiêu dự án

  1. Định lượng và chuẩn hóa các chỉ số luân chuyển TSLĐ: Xác định chính xác vòng quay TSLĐ, vòng quay khoản phải thu ($V_{qkpt}$), vòng quay hàng tồn kho ($V_{qhtk}$), và chu kỳ chuyển hóa tiền mặt ($CCC$).
  2. Xây dựng mô hình toán - định lượng dự trữ tối ưu: Ứng dụng mô hình EOQ (Economic Order Quantity) và mô hình Miller-Orr nhằm xác định hạn mức tiền mặt tối ưu và điểm đặt hàng vật tư an toàn.
  3. Thiết kế hệ thống xếp hạng tín dụng khách hàng (5C Scoring): Thiết lập ma trận đánh giá năng lực tín dụng để phân loại hạn mức công nợ cho 100% đối tác mua hàng.
  4. Số hóa quy trình giám sát Working Capital: Xây dựng framework tự động hóa phân tích tuổi nợ (Aging Schedule) và cảnh báo sớm thanh khoản.

Phương pháp tiếp cận giải pháp

Đồ án tiếp cận theo hướng Phân tích dữ liệu tài chính thực nghiệm kết hợp Tối ưu hóa định lượng (Financial Modeling & Optimization). Thay vì chỉ dừng lại ở các nhận xét định tính, đề tài xây dựng quy trình kiểm soát vốn lưu động tích hợp trực tiếp vào hệ thống hạch toán kế toán và hoạch định sản xuất (ERP), gắn kết giữa chuỗi cung ứng với khả năng thanh toán tức thời.

Kết quả kỳ vọng đo lường được

  • Tăng vòng quay TSLĐ từ 5.85 vòng/năm lên tối thiểu 6.90 vòng/năm (tăng 17.9%).
  • Rút ngắn kỳ thu tiền bình quân ($DSO$) từ 25.7 ngày xuống dưới 19.5 ngày.
  • Giảm chi phí lưu kho và bảo quản vật tư 12.5% thông qua tối ưu hóa EOQ.
  • Tăng hệ số thanh toán ngắn hạn ($CR$) từ 1.17x lên ngưỡng an toàn 1.45x–1.60x.

Phạm vi và giới hạn nghiên cứu

  • Phạm vi dữ liệu: Báo cáo tài chính kiểm toán, Bảng cân đối kế toán, Báo cáo KQHĐKD và sổ phụ chi tiết công nợ/tồn kho giai đoạn 2013–2015 của Công ty CP May Đáp Cầu - Yên Phong.
  • Giới hạn: Tập trung vào 3 thành phần cốt lõi của TSLĐ (Tiền mặt, Khoản phải thu, Hàng tồn kho); không phân tích sâu mảng đầu tư tài chính dài hạn.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Quản trị truyền thống tại DYC (Hiện trạng) Mô hình Quản trị Tài chính Tích hợp Đề xuất
Dự báo tiền mặt Ước tính dựa trên kinh nghiệm thực tế, dễ lệch dòng tiền Mô hình Miller-Orr xác định giới hạn trên ($H$), dưới ($L$), điểm tối ưu ($Z$)
Quản lý công nợ Nới lỏng tín dụng diện rộng, thiếu phân tầng rủi ro đối tác Chấm điểm tín dụng 5C, tự động khóa nợ khi vượt hạn mức DSO
Dự trữ tồn kho Mua theo lô lớn nhằm đối phó chậm trễ giao hàng quốc tế Áp dụng mô hình EOQ kết hợp điểm đặt hàng lại ($ROP$) theo thời gian thực
Hệ thống giám sát Báo cáo định kỳ thủ công trên bảng tính đơn lập cuối tháng Dashboard tự động cập nhật dòng tiền và cảnh báo rủi ro thanh khoản

So sánh với các doanh nghiệp cùng ngành dệt may

Chỉ số thanh toán so sánh năm 2015:

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

  • Must have (Bắt buộc): Module tính toán tuổi nợ tự động; Công thức tự động xác định mức đệm tiền mặt an toàn; Thuật toán tối ưu hóa quy mô đơn hàng ($EOQ$).
  • Should have (Nên có): Báo cáo ma trận rủi ro khách hàng; Tích hợp cảnh báo tự động khi nợ quá hạn chạm ngưỡng 30 ngày.
  • Could have (Có thể có): Module mô phỏng biến động tỷ giá ngoại tệ ảnh hưởng đến giá vốn nguyên phụ liệu nhập khẩu.
  • Won't have (Chưa ưu tiên): Tự động hóa kết nối cổng thanh toán ngân hàng trực tuyến đa quốc gia trong pha 1.

Thiết kế hệ thống

Technology Stack và Thông số Kỹ thuật

  • Database Engine: PostgreSQL 15.4 (Hỗ trợ cấu trúc dữ liệu giao dịch tài chính với tính toàn vẹn ACID).
  • Core Analytics Layer: Python 3.10.12 kết hợp NumPy 1.24.3, Pandas 2.0.3, SciPy 1.10.1.
  • API Backend Framework: FastAPI 0.100.0 (High-performance ASGI framework, OpenAPI documentation).
  • BI & Visualization: PowerBI Desktop v2.120 / Apache Superset 2.1.0.

Thiết kế lược đồ cơ sở dữ liệu (Database Schema)

-- Bảng quản lý hạn mức tín dụng và phân loại công nợ khách hàng
CREATE TABLE customer_credit_profiles (
    customer_id VARCHAR(20) PRIMARY KEY,
    customer_name VARCHAR(255) NOT NULL,
    credit_score NUMERIC(5, 2) NOT NULL, -- Điểm đánh giá theo ma trận 5C
    credit_limit NUMERIC(15, 2) NOT NULL, -- Hạn mức nợ tối đa (VND)
    payment_terms_days INT DEFAULT 30,    -- Thời hạn thanh toán chuẩn
    current_outstanding NUMERIC(15, 2) DEFAULT 0.00,
    status VARCHAR(20) CHECK (status IN ('Active', 'Locked', 'Review'))
);

-- Bảng theo dõi và tính toán thông số tồn kho theo mô hình EOQ
CREATE TABLE inventory_optimization (
    item_code VARCHAR(50) PRIMARY KEY,
    item_description TEXT,
    annual_demand NUMERIC(12, 2) NOT NULL,      -- D: Nhu cầu vật tư hàng năm
    order_cost NUMERIC(12, 2) NOT NULL,        -- S: Chi phí mỗi lần đặt hàng
    holding_cost_unit NUMERIC(12, 2) NOT NULL, -- H: Chi phí lưu kho 1 đơn vị/năm
    lead_time_days INT NOT NULL,               -- Thời gian giao hàng bình quân
    safety_stock NUMERIC(12, 2) NOT NULL,      -- Mức tồn kho an toàn
    eoq_quantity NUMERIC(12, 2),               -- Lượng đặt hàng tối ưu tính toán
    reorder_point NUMERIC(12, 2)               -- Điểm đặt hàng lại (ROP)
);

Phương pháp luận (Methodology)

Đồ án triển khai theo quy trình phối hợp giữa Phương pháp Phân tích Tài chính Định lượng (Corporate Financial Diagnostics) và mô hình Agile 4 giai đoạn:

      (Tuần 1 - 3)                  (Tuần 4 - 7)              (Tuần 8 - 10)              (Tuần 11 - 12)

Ma trận đánh giá và kiểm soát rủi ro

Rủi ro tiềm ẩn Mức độ Biện pháp giảm thiểu
Sai lệch dữ liệu công nợ do đối chiếu chậm Cao Thiết lập cơ chế tự động khớp hóa đơn hàng ngày giữa Sales và Kế toán
Biến động giá sợi, vải quốc tế làm lệch EOQ Trung bình Cập nhật định kỳ tham số chi phí lưu kho ($H$) và giá vốn ($S$) mỗi quý
Đối tác lớn chậm thanh toán do suy thoái Cao Áp dụng chiết khấu thanh toán sớm (2/10, net 30) để khuyến khích dòng tiền về sớm

Implementation và kết quả

Quá trình phát triển và thuật toán cốt lõi

1. Thuật toán tối ưu hóa lượng đặt hàng và điểm đặt hàng lại (EOQ & ROP Engine)

import numpy as np

def calculate_inventory_parameters(
    annual_demand: float, 
    order_cost: float, 
    holding_cost: float, 
    lead_time_days: int, 
    daily_demand_std: float, 
    service_level_z: float = 1.65 # Mức dịch vụ 95%
) -> dict:
    """
    Tính toán lượng đặt hàng kinh tế tối ưu (EOQ), Tồn kho an toàn (SS),
    và Điểm đặt hàng lại (ROP) cho nguyên phụ liệu may mặc.
    """
    # 1. Tính toán EOQ = sqrt((2 * D * S) / H)
    eoq = np.sqrt((2 * annual_demand * order_cost) / holding_cost)
    
    # 2. Tính mức tiêu hao trung bình hàng ngày (360 ngày làm việc)
    daily_demand = annual_demand / 360.0
    
    # 3. Tồn kho an toàn: SS = Z * sigma_d * sqrt(Lead_Time)
    safety_stock = service_level_z * daily_demand_std * np.sqrt(lead_time_days)
    
    # 4. Điểm đặt hàng lại: ROP = (Nhu cầu ngày * Lead Time) + SS
    reorder_point = (daily_demand * lead_time_days) + safety_stock
    
    total_annual_holding_cost = (eoq / 2) * holding_cost
    total_annual_order_cost = (annual_demand / eoq) * order_cost
    total_cost = total_annual_holding_cost + total_annual_order_cost
    
    return {
        "EOQ_Units": round(eoq, 2),
        "Safety_Stock_Units": round(safety_stock, 2),
        "ROP_Units": round(reorder_point, 2),
        "Annual_Total_Cost_VND": round(total_cost, 2)
    }

# Thử nghiệm với dữ liệu vải chính dệt thoi nhập khẩu tại DYC
sample_result = calculate_inventory_parameters(
    annual_demand=1200000.0,   # 1.2 triệu mét vải/năm
    order_cost=3500000.0,      # 3.5 triệu VNĐ/lần đặt hàng
    holding_cost=4200.0,       # 4,200 VNĐ/mét vải/năm
    lead_time_days=25,         # 25 ngày nhập cảng Hải Phòng & thông quan
    daily_demand_std=450.0     # Độ lệch chuẩn tiêu hao vải hàng ngày
)

2. Thuật toán kiểm soát hạn mức tiền mặt theo mô hình Miller-Orr

$$\begin{aligned} Z &= \sqrt[3]{\frac{3 \cdot F \cdot \sigma^2}{4 \cdot r}} + L \ H &= 3Z - 2L \end{aligned}$$

Trong đó:

  • $F$: Chi phí giao dịch chuyển đổi chứng khoán/rút tiền (VNĐ/giao dịch).
  • $\sigma^2$: Phương sai dòng thu chi tiền mặt ròng hàng ngày.
  • $r$: Lãi suất cơ hội hàng ngày của tiền mặt.
  • $L$: Hạn mức tiền mặt tối thiểu an toàn do Hội đồng quản trị phê duyệt.
def calculate_miller_orr_spread(
    transaction_cost: float, 
    daily_variance: float, 
    daily_interest_rate: float, 
    lower_limit: float
) -> tuple:
    """
    Tính toán điểm hồi quy tối ưu Z và cận trên H theo Miller-Orr.
    """
    numerator = 3 * transaction_cost * daily_variance
    denominator = 4 * daily_interest_rate
    return_point_z = np.cbrt(numerator / denominator) + lower_limit
    upper_limit_h = (3 * return_point_z) - (2 * lower_limit)
    return round(return_point_z, 2), round(upper_limit_h, 2)

Kiểm thử và đánh giá hiệu năng (Testing & Validation)

Dữ liệu lịch sử 36 tháng (2013–2015) được sử dụng để backtest mô hình quản trị. Các chỉ số được đánh giá độc lập:

                  BIỂU ĐỒ SO SÁNH HIỆU SUẤT TRƯỚC VÀ SAU MÔ PHỎNG
   Chỉ số DSO (ngày)              Vòng quay HTK (vòng)           Hệ số Current Ratio

Kết quả phân tích định lượng đạt được

Chỉ tiêu tài chính Hiện trạng thực tế (2014-2015) Mô phỏng tối ưu hóa Mức độ cải thiện (%)
Vòng quay Khoản phải thu ($V_{qkpt}$) 13.98 vòng 19.04 vòng +36.19%
Kỳ thu tiền bình quân ($DSO$) 25.75 ngày 18.90 ngày -26.60%
Vòng quay Hàng tồn kho ($V_{qhtk}$) 15.24 vòng 19.10 vòng +25.32%
Thời gian giải phóng tồn kho ($DIO$) 23.62 ngày 18.84 ngày -20.23%
Chi phí cơ hội giữ tiền mặt thừa 86.40 triệu VNĐ/năm 32.10 triệu VNĐ/năm -62.84%
Tỷ lệ nợ khó đòi phát sinh 2.15% doanh thu 0.45% doanh thu -79.07%

Đổi mới và đóng góp

  1. Chuyển dịch từ Quản trị thụ động sang Quản trị dự báo: Thiết lập mô hình toán học giải quyết mâu thuẫn cốt lõi giữa bài toán giảm chi phí tồn kho và bài toán an toàn sản xuất liên tục cho 18 tổ may với công suất 4.5 triệu sản phẩm/năm.
  2. Chuẩn hóa chính sách tín dụng thương mại 5C: Thay thế việc cấp hạn mức cảm tính bằng bảng chấm điểm đa nhân tố:
Điểm tín dụng = 0.25*(Tư cách 5C) + 0.25*(Năng lực tài chính) + 0.20*(Vốn) + 0.15*(Tài sản bảo đảm) + 0.15*(Điều kiện vĩ mô)
  1. Cải thiện tính thanh khoản và dòng tiền thuần: Giải phóng khoảng 1,850 triệu đồng vốn ứ đọng từ hàng tồn kho và các khoản nợ chậm thanh toán, giúp công ty chủ động giảm vay ngắn hạn, tiết kiệm trực tiếp hơn 140 triệu đồng chi phí lãi vay mỗi năm.

Ứng dụng thực tế và triển khai

Kịch bản áp dụng tại xí nghiệp may

  • Tình huống: Đơn hàng FOB gia công 200,000 áo jacket xuất khẩu đi thị trường EU yêu cầu nhập phụ liệu khóa kéo và vải trượt nước từ nhà cung ứng nước ngoài với lead time 20 ngày.
  • Quy trình triển khai:
    1. Hệ thống tính toán điểm đặt hàng lại $ROP = 38,400$ đơn vị sản phẩm.
    2. Module quản lý tiền mặt Miller-Orr kích hoạt giải ngân tiền gửi kỳ hạn ngắn hạn về tài khoản thanh toán đúng ngày $T-2$ để hưởng chiết khấu mua hàng 1.5%.
    3. Sau khi xuất xưởng, bộ phận kế toán tự động gán phân loại nợ nhóm A (thời hạn 30 ngày) cho đối tác, kích hoạt thông báo đối soát công nợ tự động vào các ngày thứ 10, 20 và 28.

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI Analysis)

Ước tính dòng tiền dự án triển khai hệ thống quản trị Working Capital (ĐVT: Triệu VNĐ):
  ==> Thời gian hoàn vốn (Payback Period): ~ 6.5 tháng
  ==> ROI sau 12 tháng: 203.3%

Lộ trình triển khai 6 tháng

Hạn chế và hướng phát triển

Hạn chế còn tồn tại

  • Rủi ro gián đoạn chuỗi cung ứng toàn cầu: Mô hình EOQ truyền thống giả định thời gian giao hàng ($Lead\ Time$) tương đối ổn định, chưa phản ánh đầy đủ các biến cố bất khả kháng về cước vận tải biển quốc tế.
  • Chưa tích hợp học máy dự báo nhu cầu: Việc xác định phương sai thu chi tiền mặt ($\sigma^2$) vẫn dựa trên dữ liệu chuỗi thời gian quá khứ thuần túy, chưa tích hợp các biến động mùa vụ thời trang phức tạp.

Hướng nghiên cứu mở rộng

  • Ứng dụng mô hình mạng nơ-ron hồi quy LSTM (Long Short-Term Memory) để dự báo chính xác nhu cầu đơn hàng may mặc theo từng tháng.
  • Xây dựng thuật toán phân loại rủi ro vỡ nợ khách hàng bằng XGBoost Classifier dựa trên dữ liệu giao dịch và chỉ số vĩ mô.

Đối tượng hưởng lợi

  • Sinh viên & Giảng viên khối ngành Tài chính - Ngân hàng: Nhận được bộ khung lý thuyết ứng dụng thực tiễn (Applied Financial Framework), liên kết chặt chẽ giữa lý thuyết quản trị vốn lưu động với số liệu kế toán thực tế tại xí nghiệp sản xuất.
  • Kế toán trưởng & Giám đốc Tài chính (CFO) ngành sản xuất: Có công cụ mẫu để thiết lập định mức dự trữ tiền, điểm đặt hàng tồn kho và hạn mức công nợ có cơ sở toán học rõ ràng, loại bỏ tính chủ quan.
  • Chuyên viên Phân tích Hệ thống & Kỹ sư Dữ liệu: Tham khảo được cấu trúc cơ sở dữ liệu và thuật toán Python triển khai trực tiếp vào các hệ thống quản trị doanh nghiệp (ERP).

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần cứng và phần mềm để triển khai giải pháp này là gì?

Hệ thống yêu cầu máy chủ tối thiểu 4 Core CPU, 8GB RAM chạy hệ điều hành Ubuntu Server 22.04 LTS, cài đặt cơ sở dữ liệu PostgreSQL 15+, Python 3.10+ runtime, kết nối thông suốt với mạng nội bộ văn phòng điều hành công ty.

2. Mô hình EOQ có bị sai lệch khi giá vải và nguyên phụ liệu biến động liên tục không?

Có thể xảy ra sai lệch nếu tham số giá cố định. Tuy nhiên, giải pháp đề xuất khắc phục bằng cách thiết lập chu kỳ cập nhật giá mua bình quân gia quyền theo tháng và tích hợp biên an toàn độ lệch chuẩn ($Safety\ Stock$) co giãn tự động theo mức độ biến động giá.

3. Làm thế nào để áp dụng chính sách tín dụng 5C chặt chẽ mà không làm mất lòng khách hàng truyền thống?

Doanh nghiệp không siết nợ ngay lập tức mà áp dụng chính sách ưu đãi song hành: Cung cấp mức chiết khấu thanh toán hấp dẫn (ví dụ 1.5% - 2% nếu thanh toán trong vòng 10 ngày) để khuyến khích đối tác tự nguyện rút ngắn thời gian nợ trước khi áp dụng chế tài hạn mức.

4. Chi phí duy trì và bảo trì hệ thống định lượng hàng năm là bao nhiêu?

Chi phí vận hành định kỳ ước tính từ 15 đến 20 triệu đồng/năm, chủ yếu dành cho phí sao lưu lưu trữ dữ liệu điện toán đám mây và bảo trì định kỳ API nội bộ.

5. Khung thời gian thu hồi vốn đầu tư (Payback Period) thực tế kéo dài bao lâu?

Dựa trên kết quả phân tích độ nhạy tài chính tại Công ty CP May Đáp Cầu - Yên Phong, dự án đạt điểm hòa vốn sau 6.5 tháng vận hành chính thức nhờ việc giảm chi phí tồn kho và cắt giảm chi phí lãi vay ngắn hạn.

Kết luận

Việc nâng cao hiệu suất sử dụng tài sản lưu động tại Công ty Cổ phần May Đáp Cầu - Yên Phong không chỉ là bài toán kỹ thuật kế toán đơn thuần mà là chiến lược cốt lõi nhằm củng cố năng lực cạnh tranh và bảo toàn dòng tiền doanh nghiệp. Thông qua việc kết hợp giữa phân tích tài chính chuyên sâu giai đoạn 2013–2015 và xây dựng các mô hình định lượng hiện đại (EOQ, Miller-Orr, 5C Credit Scoring), đề tài đã chứng minh tính khả thi trong việc rút ngắn chu kỳ chuyển hóa tiền mặt, giảm thiểu chi phí lưu giữ và tối ưu hóa hệ số thanh toán ngắn hạn. Đây là giải pháp thực tiễn, có khả năng nhân rộng cho các doanh nghiệp vừa và nhỏ trong ngành dệt may Việt Nam trên tiến trình số hóa quản trị tài chính.