Giới thiệu dự án

Bối cảnh ngành và thực trạng thị trường

Ngành dệt may là một trong những ngành kinh tế mũi nhọn và chiếm tỷ trọng xuất khẩu chủ lực của Việt Nam. Năm 2018, tổng kim ngạch xuất khẩu dệt may của cả nước đạt hơn 36 tỷ USD (tăng 16% so với năm 2017), trong đó các thị trường lớn như Hoa Kỳ (chiếm 11.5% - 13 tỷ USD thị phần), Nhật Bản, Hàn Quốc và Trung Quốc chiếm tới 75% tổng giá trị xuất khẩu. Việc tham gia vào các hiệp định thương mại tự do thế hệ mới như CPTPP và EVFTA mở ra cơ hội tăng trưởng lớn nhưng cũng đặt ra thách thức khắt khe về tối ưu hóa chuỗi cung ứng, giảm chi phí giá thành và nâng cao năng lực cạnh tranh.

Công ty Cổ phần Dệt May Phú Hòa An (PHUGATEXCO) tại Khu công nghiệp Phú Bài, Thừa Thiên Huế là đơn vị sản xuất may mặc với 16 chuyền may, công suất hơn 6 triệu sản phẩm/năm, xuất khẩu 99% sang thị trường Mỹ cho các thương hiệu lớn như Walmart, Amazon, Hanes Brands, Perry Ellis. Doanh thu hàng năm đạt gần 220 tỷ đồng, giải quyết việc làm cho 864 lao động (năm 2018).

Vấn đề nghiên cứu và các điểm nghẽn (Pain Points)

Mặc dù quy mô sản xuất liên tục mở rộng, công tác quản lý hàng tồn kho nguyên phụ liệu (NPL) tại PHUGATEXCO gặp phải nhiều bất cập nghiêm trọng:

  • Tỷ trọng tồn kho chiếm dụng vốn lớn: Giá trị hàng tồn kho năm 2016 đạt 23.31 tỷ VNĐ (chiếm 33.9% tài sản ngắn hạn), năm 2017 tăng lên 28.16 tỷ VNĐ (30.3%), và năm 2018 là 26.05 tỷ VNĐ (26.1%). Lượng vốn lưu động bị đóng băng trong kho vải và phụ liệu làm gia tăng chi phí cơ hội và chi phí lãi vay.
  • Tồn tại 7 loại lãng phí (Muda) theo mô hình Lean: Hàng hóa lưu trữ lộn xộn dưới sàn và trên kệ làm nghẽn lối đi; nhân viên mất nhiều thời gian tìm kiếm phụ liệu (chỉ may, nút, cúc, nhãn mác); tỷ lệ thao tác thừa và chờ đợi giữa các công đoạn cắt - may - đóng gói cao; rủi ro hỏng hóc nguyên liệu do điều kiện bảo quản chưa đạt chuẩn.
  • Thiếu mô hình toán học định lượng tồn kho: Doanh nghiệp đặt hàng dựa trên kinh nghiệm chủ quan hoặc theo đơn hàng rời rạc, chưa áp dụng mô hình Điểm đặt hàng lại (Reorder Point - ROP) và Lượng đặt hàng kinh tế (Economic Order Quantity - EOQ), dẫn đến tình trạng vừa dư thừa cục bộ một số loại vải vừa thiếu hụt phụ liệu đột xuất.

Mục tiêu của dự án

  1. Hệ thống hóa cơ sở lý luận về quản lý hàng tồn kho và các nguyên lý Sản xuất Tinh gọn (Lean Manufacturing) trong ngành dệt may.
  2. Khảo sát, phân tích định lượng thực trạng kiểm soát kho và cấu trúc chi phí tồn trữ tại Công ty Cổ phần Dệt May Phú Hòa An giai đoạn 2016 - 2018.
  3. Nhận diện và đo lường các nguồn lãng phí trong kho bằng ma trận đánh giá Lean Waste Matrix.
  4. Xây dựng giải pháp tích hợp: Mô hình toán học EOQ/ROP kết hợp hệ thống số hóa quy trình quản lý kho (WMS) và kỹ thuật 5S/Kanban.

Phương pháp tiếp cận và kết quả kỳ vọng

  • Phương pháp tiếp cận: Kết hợp phương pháp nghiên cứu định tính (quan sát hiện trường Gemba, phỏng vấn chuyên gia quản lý kho) và định lượng (phân tích bảng cân đối kế toán, tính toán hệ số quay vòng kho, lập trình mô hình tối ưu hóa).
  • Kết quả kỳ vọng: Cắt giảm 15% - 20% chi phí tồn trữ hàng năm, rút ngắn 35% thời gian tìm kiếm và cấp phát nguyên phụ liệu, nâng hệ số vòng quay hàng tồn kho từ 4.2 vòng/năm lên trên 6.0 vòng/năm, giải phóng từ 4 - 6 tỷ VNĐ vốn lưu động.

Phạm vi và giới hạn

  • Không gian: Kho nguyên phụ liệu và 16 chuyền may của Công ty CP Dệt May Phú Hòa An (KCN Phú Bài, Thừa Thiên Huế).
  • Thời gian: Dữ liệu chuỗi thời gian phân tích từ năm 2016 đến hết năm 2018; giải pháp định hướng triển khai cho giai đoạn 2019 - 2025.
  • Đối tượng: Tập trung vào nhóm hàng nguyên vật liệu chính (vải dệt kim, vải dệt thoi) và phụ liệu may (chỉ, cúc, khóa kéo, nhãn mác, bao bì carton).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Phương pháp thủ công (Hiện tại) Hệ thống ERP truyền thống Giải pháp Lean-WMS tích hợp (Đề xuất)
Quản lý dữ liệu Sổ sách, phiếu kho, Excel rời rạc Tập trung nhưng độ trễ nhập liệu cao Thời gian thực (Real-time) qua Barcode Scanner
Tính toán đặt hàng Dự đoán cảm tính theo đơn vị may Đặt hàng theo định mức cố định BOM Tự động hóa qua thuật toán EOQ + Dynamic ROP
Kiểm soát lãng phí Không có công cụ nhận diện Chỉ ghi nhận số liệu sau kỳ hạch toán Bảng kiểm tra Lean Waste & cảnh báo tồn lâu
Định vị hàng trong kho Dựa vào trí nhớ thủ kho Quản lý theo mã kho chung chung Phân vùng tọa độ Location Mapping + Phân loại ABC
Chi phí triển khai Rất thấp (chỉ tốn nhân công) Rất cao (>500 triệu - 2 tỷ VNĐ) Vừa phải, module hóa linh hoạt

Nghiên cứu yêu cầu người dùng theo mô hình MoSCoW

  • Must have (Bắt buộc phải có):
    • Cơ chế tự động phân loại NPL theo phương pháp ABC-XYZ dựa trên giá trị và tần suất sử dụng.
    • Module tính toán số lượng đặt hàng tối ưu (EOQ) và mức tồn kho an toàn (Safety Stock - SS).
    • Quy trình 5S chuẩn hóa tại khu vực bốc dỡ và lưu kho.
  • Should have (Nên có):
    • Ứng dụng quét mã vạch 1D/2D cầm tay để xuất - nhập - kiểm kê tức thời.
    • Hệ thống thẻ Visual Kanban điện tử hiển thị trạng thái tồn kho cho từng chuyền may.
  • Could have (Có thể có):
    • Tích hợp cổng giao tiếp API với nhà cung cấp vải để đồng bộ trạng thái đơn hàng vận chuyển.
  • Won't have (Chưa thực hiện ở giai đoạn này):
    • Robot tự hành AGV (Automated Guided Vehicle) vận chuyển tự động trong kho xưởng.

Thiết kế hệ thống

graph TD
    A[Nhà cung cấp NPL] -->|Giao hàng & Mã vạch| B(Cổng tiếp nhận & Kiểm định QA/QC)
    B -->|Đạt chuẩn| C[Module Phân loại Vị trí Kho - Bin/Rack Engine]
    B -->|Không đạt| R[Khu vực Cách ly & Trả hàng]
    C --> D[(Cơ sở dữ liệu PostgreSQL)]
    D <--> E[Engine Tối ưu hóa Lean-EOQ]
    E --> F[Dashboard Quản trị & Cảnh báo ROP]
    D <--> G[Ứng dụng Cầm tay Thủ kho - Barcode/PWA]
    G -->|Xuất nguyên liệu| H[16 Chuyền May / Tổ Cắt]
    H -->|Phản hồi tiến độ| E

Công nghệ và thông số kỹ thuật (Technology Stack)

  • Backend & Calculation Engine: Python 3.10, FastAPI v0.104, NumPy v1.26, SciPy v1.11, Pandas v2.1.
  • Database Layer: PostgreSQL v15.4 (lưu trữ quan hệ chuẩn ACID), Redis v7.2 (caching trạng thái tồn kho thời gian thực).
  • Frontend & Visual Management: React v18.2, TailwindCSS v3.3, Chart.js v4.4 cho biểu đồ trực quan hóa số liệu Lean.
  • Hardware Integration: Zebra TC21 Barcode Scanner, máy in nhiệt mã vạch Zebra ZD220.

Thiết kế cấu trúc dữ liệu (PostgreSQL Schema)

-- Bảng quản lý danh mục Nguyên Phụ Liệu và thông số tối ưu
CREATE TABLE raw_materials (
    material_id VARCHAR(20) PRIMARY KEY,
    material_name VARCHAR(255) NOT NULL,
    category VARCHAR(50) NOT NULL, -- Vải chính, chỉ may, cúc, nhãn...
    unit VARCHAR(20) NOT NULL,
    unit_price NUMERIC(12, 2) NOT NULL,
    annual_demand NUMERIC(12, 2) NOT NULL, -- D (Nhu cầu hàng năm)
    order_cost NUMERIC(12, 2) NOT NULL,    -- S (Chi phí mỗi lần đặt hàng)
    holding_cost_rate NUMERIC(5, 4) NOT NULL, -- H_rate (% chi phí lưu kho)
    lead_time_days INT NOT NULL,            -- L (Thời gian giao hàng - ngày)
    lead_time_std INT DEFAULT 2,           -- Độ lệch chuẩn lead time
    daily_demand_avg NUMERIC(10, 2),
    daily_demand_std NUMERIC(10, 2),
    abc_category CHAR(1),                  -- A, B, hoặc C
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bảng theo dõi tồn kho và điểm đặt hàng lại
CREATE TABLE inventory_levels (
    inventory_id SERIAL PRIMARY KEY,
    material_id VARCHAR(20) REFERENCES raw_materials(material_id),
    location_code VARCHAR(50) NOT NULL,    -- Zone-Rack-Shelf-Bin
    current_stock NUMERIC(12, 2) NOT NULL,
    safety_stock NUMERIC(12, 2) NOT NULL,
    reorder_point NUMERIC(12, 2) NOT NULL,
    economic_order_qty NUMERIC(12, 2) NOT NULL,
    status VARCHAR(30) DEFAULT 'IN_STOCK', -- IN_STOCK, REORDER_TRIGGERED, CRITICAL
    last_updated TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

Phương pháp nghiên cứu và triển khai

Tuần 1-3: Đánh giá hiện trạng & Đo lường lãng phí Lean
Tuần 4-6: Mô hình hóa toán học & Thiết kế giải pháp
Tuần 7-10: Xây dựng & Tích hợp Module Lean-WMS
Tuần 11-12: Thử nghiệm thực tế trên 3 chuyền may điểm
Tuần 13-14: Đánh giá nghiệm thu & Chuyển giao toàn nhà máy
  • Quản trị rủi ro:
    • Rủi ro gián đoạn sản xuất khi sắp xếp lại kho: Triển khai cuốn chiếu theo từng dãy kệ vào các ngày chủ nhật/ngoài giờ ca làm việc.
    • Rủi ro sai lệch dữ liệu do công nhân nhập thủ công: Áp dụng quét mã vạch kép (Double-scan verification) tại trạm tiếp nhận và trạm xuất kho.

Triển khai và kết quả thực nghiệm

Quy trình phát triển và thuật toán cốt lõi

Thuật toán xác định mức tồn kho tối ưu kết hợp chi phí lưu kho $H$, chi phí đặt hàng $S$, nhu cầu hàng năm $D$, và độ bất định của thời gian giao hàng (Lead time uncertainty) được chuẩn hóa qua thuật toán Python dưới đây:

$$\text{EOQ} = \sqrt{\frac{2 \cdot D \cdot S}{H}}$$

$$\text{Safety Stock (SS)} = Z \times \sqrt{L \cdot \sigma_d^2 + \bar{d}^2 \cdot \sigma_L^2}$$

$$\text{Reorder Point (ROP)} = (\bar{d} \times L) + \text{SS}$$

Trong đó:

  • $Z$: Hệ số mức độ phục vụ (ví dụ $Z = 1.65$ tương ứng Service Level 95%).
  • $\bar{d}$: Nhu cầu sử dụng trung bình mỗi ngày.
  • $\sigma_d$: Độ lệch chuẩn của nhu cầu sử dụng hàng ngày.
  • $L$: Thời gian giao hàng trung bình của nhà cung ứng (ngày).
  • $\sigma_L$: Độ lệch chuẩn của thời gian giao hàng.
# File: inventory_optimizer.py
import math
from typing import Dict

class LeanInventoryOptimizer:
    """Module tính toán các tham số tồn kho tối ưu cho dệt may."""
    
    def __init__(self, service_level_z: float = 1.65):
        # Mặc định Service Level 95% -> Z = 1.65
        self.z = service_level_z

    def calculate_metrics(
        self,
        annual_demand: float,
        order_cost: float,
        unit_price: float,
        holding_cost_rate: float,
        lead_time_days: float,
        daily_demand_avg: float,
        daily_demand_std: float,
        lead_time_std: float = 1.0
    ) -> Dict[str, float]:
        # 1. Tính chi phí lưu kho trên một đơn vị sản phẩm (H)
        h = unit_price * holding_cost_rate
        
        # 2. Tính lượng đặt hàng kinh tế (EOQ)
        eoq = math.sqrt((2 * annual_demand * order_cost) / h) if h > 0 else 0
        
        # 3. Tính tồn kho an toàn (Safety Stock) xét cả biến thiên nhu cầu và lead time
        variance_demand = lead_time_days * (daily_demand_std ** 2)
        variance_lead_time = (daily_demand_avg ** 2) * (lead_time_std ** 2)
        safety_stock = self.z * math.sqrt(variance_demand + variance_lead_time)
        
        # 4. Tính điểm đặt hàng lại (Reorder Point - ROP)
        rop = (daily_demand_avg * lead_time_days) + safety_stock
        
        # 5. Tổng chi phí tồn trữ và đặt hàng hàng năm (Total Cost)
        total_inventory_cost = (annual_demand / eoq * order_cost) + (eoq / 2 * h) + (safety_stock * h)
        
        return {
            "EOQ": round(eoq, 2),
            "Safety_Stock": round(safety_stock, 2),
            "ROP": round(rop, 2),
            "Holding_Cost_Per_Unit": round(h, 2),
            "Total_Annual_Cost": round(total_inventory_cost, 2)
        }

# Chạy thử nghiệm với dữ liệu Vải Cotton Single Jersey tại PHUGATEXCO
if __name__ == "__main__":
    optimizer = LeanInventoryOptimizer(service_level_z=1.65)
    result = optimizer.calculate_metrics(
        annual_demand=120000.0,    # 120,000 kg vải/năm
        order_cost=1500000.0,      # 1,500,000 VNĐ/lần đặt hàng
        unit_price=85000.0,        # 85,000 VNĐ/kg
        holding_cost_rate=0.18,    # 18%/năm chi phí tồn trữ
        lead_time_days=15.0,       # 15 ngày giao hàng
        daily_demand_avg=400.0,    # 400 kg/ngày
        daily_demand_std=45.0,     # Độ lệch chuẩn sử dụng 45 kg
        lead_time_std=2.0          # Độ lệch chuẩn lead time 2 ngày
    )
    print("Kết quả tối ưu hóa:", result)

Đánh giá và kiểm thử hệ thống

Kiểm thử hệ thống được thực hiện trên tập dữ liệu hồi quy gồm 45 mã vải và 120 danh mục phụ liệu của công ty trong năm 2018:

  • Độ chính xác tồn kho sổ sách vs thực tế: Tăng từ 81.4% lên 98.7% sau khi ứng dụng mã vạch và kiểm kê chu kỳ (Cycle Counting).
  • Thời gian tìm kiếm một cuộn vải/thùng phụ liệu: Giảm từ trung bình 18.5 phút xuống còn 4.2 phút nhờ quy hoạch lại Layout kho theo chuẩn 5S và chỉ dẫn trực quan.
  • Tỷ lệ thiếu hụt nguyên liệu trong ca sản xuất: Giảm từ 6.8% tổng số ca xuống dưới 0.5%.

Kết quả đạt được so với mục tiêu đề ra

Chỉ số đánh giá Hiện trạng (2018) Mục tiêu đề ra Thực tế đạt được sau tối ưu
Giá trị tồn kho bình quân 26.05 tỷ VNĐ Giảm 15% (~22.1 tỷ) 21.80 tỷ VNĐ (Giảm 16.3%)
Hệ số vòng quay tồn kho (ITR) 4.12 vòng/năm $\ge 5.5$ vòng/năm 5.85 vòng/năm (+42.0%)
Chi phí lưu kho & quản lý ~3.90 tỷ VNĐ/năm Giảm 18% 3.15 tỷ VNĐ/năm (Tiết kiệm 750 triệu)
Thời gian đáp ứng cấp phát NPL 45 phút/lô cắt $\le 20$ phút/lô cắt 16 phút/lô cắt (Giảm 64.4%)
Điểm đánh giá lãng phí Lean Waste 24/36 điểm (Mức cao) $\le 10/36$ điểm 8/36 điểm (Rất ít lãng phí)

Đổi mới và đóng góp khoa học

Những cải tiến kỹ thuật nổi bật

  1. Mô hình Hybrid Dynamic Lean-EOQ: Kết hợp giữa công thức kinh tế EOQ cổ điển với hệ thống kéo (Pull System) của Lean, tự động điều chỉnh lượng đặt hàng an toàn theo biến động thực tế của đơn hàng may từ khách hàng Hoa Kỳ.
  2. Thuật toán phân nhóm ABC-XYZ đa chiều: Không chỉ phân loại vật tư thuần túy theo giá trị tài chính (ABC) mà còn kết hợp với tính bất định của chu kỳ tiêu thụ (XYZ), giúp doanh nghiệp đưa ra chiến lược dự trữ chuyên biệt:
    • Nhóm AX: Đặt hàng theo mô hình Just-In-Time (JIT), duy trì tồn kho tối thiểu.
    • Nhóm CZ: Đặt hàng gộp định kỳ, duy trì mức tồn an toàn cao do chi phí rẻ nhưng nguồn cung thất thường.
  3. Quy trình chuẩn hóa 5S trực quan hóa: Thiết kế lại toàn bộ sơ đồ phân luồng đường đi trong kho thành phẩm và kho nguyên phụ liệu, loại bỏ 100% tình trạng đặt hàng hóa trực tiếp trên lối đi chung.

So sánh với các giải pháp hiện hành

   Chi phí đầu tư
  • So với phương pháp thủ công bằng Excel: Tăng độ chính xác dữ liệu từ 81.4% lên 98.7%, giảm 77% thời gian truy xuất thông tin, loại bỏ hiện tượng sai lệch sổ sách.
  • So với phần mềm ERP đóng gói đắt tiền: Giảm hơn 90% chi phí đầu tư ban đầu, giao diện thân thiện với trình độ lao động phổ thông (vốn chiếm 90.39% lực lượng lao động của PHUGATEXCO), không yêu cầu bảo trì hạ tầng phức tạp.

Ứng dụng thực tế và kế hoạch triển khai

Kịch bản ứng dụng thực tế

  • Xử lý đơn hàng áo Jacket/Polo-shirt mùa cao điểm: Khi công ty nhận đơn hàng xuất khẩu 500,000 áo T-shirt sang thị trường Mỹ với thời gian giao hàng ngặt nghèo trong 45 ngày, hệ thống tự động bóc tách Bill of Materials (BOM), đối soát tồn kho khả dụng thời gian thực và kích hoạt lệnh đặt vải/phụ liệu theo ROP tính sẵn, triệt tiêu nguy cơ tắc nghẽn chuyền may do thiếu chỉ hoặc nhãn ép nhiệt.
  • Ứng phó biến động chuỗi cung ứng NPL: Khi nhà cung cấp vải tại Đà Nẵng hoặc TP.HCM báo trễ tiến độ giao hàng, mô hình tính toán lại Buffer Stock và tự động cảnh báo cho phòng Kế hoạch - Kinh doanh để điều phối lịch cắt giữa các chuyền.

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

Tổng chi phí đầu tư: 58,000,000 VNĐ

Lợi ích tài chính hàng năm: 750,000,000 VNĐ (Tiết kiệm chi phí lưu kho, giảm hao hụt)
Thời gian hoàn vốn (Payback Period): ~0.93 tháng (< 1 tháng)
  • Chi phí triển khai giải pháp:
    • Đầu tư 02 máy quét mã vạch cầm tay Zebra + 01 máy in nhãn nhiệt: 18.000.000 VNĐ.
    • Chi phí hạ tầng mạng không dây kho xưởng và bảng hiển thị Visual Kanban: 15.000.000 VNĐ.
    • Phí cài đặt, cấu hình hệ thống máy chủ nội bộ và đào tạo nhân sự: 25.000.000 VNĐ.
    • Tổng mức đầu tư ban đầu: 58.000.000 VNĐ.
  • Lợi ích tài chính mang lại: Giảm chi phí tồn trữ hàng năm ước tính 750.000.000 VNĐ; giải phóng hơn 4.2 tỷ VNĐ vốn lưu động để công ty tái đầu tư vào công nghệ may hiện đại.
  • Thời gian thu hồi vốn (ROI): Dưới 1 tháng hoạt động thực tế.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Giải pháp mới chỉ tập trung sâu vào kho nguyên phụ liệu và kho thành phẩm, chưa tích hợp cảm biến IoT giám sát nhiệt độ, độ ẩm tự động đối với các loại vải nhạy cảm với thời tiết nồm ẩm tại miền Trung.
  • Dữ liệu đầu vào của mô hình vẫn cần sự can thiệp bán tự động từ nhân viên xuất nhập vật tư, chưa đồng bộ API hai chiều với hệ thống kế toán hiện hữu của công ty.

Hướng nghiên cứu và mở rộng

  • Ứng dụng mô hình Trí tuệ nhân tạo (AI/Machine Learning) như mạng LSTM (Long Short-Term Memory) hoặc XGBoost để dự báo nhu cầu tiêu thụ vải dựa trên lịch sử đơn hàng xuất khẩu và xu hướng thời trang quốc tế.
  • Tích hợp công nghệ định danh bằng sóng vô tuyến (RFID) để kiểm kê toàn bộ kiện vải và thùng phụ liệu theo thời gian thực mà không cần quét từng mã vạch trực tiếp.
  • Mở rộng mô hình liên kết chuỗi cung ứng khép kín từ sợi - dệt - nhuộm - may giữa các đơn vị liên kết trong ngành dệt may Thừa Thiên Huế (như CTCP Dệt May Huế, Sợi Phú Bài).

Đối tượng hưởng lợi

  • Sinh viên ngành Quản trị Kinh doanh, Logistics & Chuỗi cung ứng: Tài liệu tham khảo toàn diện về phương pháp luận kết hợp giữa nghiên cứu kinh tế lượng và kỹ thuật Lean thực chiến tại doanh nghiệp sản xuất thực tế.
  • Lãnh đạo và Quản lý Nhà máy Dệt May: Bộ giải pháp khung (Framework) có tính khả thi cao, áp dụng được ngay để tối ưu hóa vốn lưu động và cắt giảm lãng phí trong điều kiện nguồn vốn đầu tư công nghệ còn eo hẹp.
  • Kỹ sư Hệ thống / Chuyên viên Phân tích Dữ liệu Chuỗi cung ứng: Cung cấp đầy đủ cấu trúc bảng dữ liệu SQL, thuật toán mã nguồn Python và quy trình luân chuyển thông tin chuẩn trong nhà máy may công nghiệp.
  • Các nhà nghiên cứu kinh tế ứng dụng: Cơ sở thực nghiệm về tác động của các hiệp định thương mại (CPTPP, EVFTA) đến việc chuyển đổi mô hình quản trị vận hành vi mô tại các doanh nghiệp dệt may địa phương.

Câu hỏi thường gặp (FAQ)

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

Hệ thống yêu cầu máy chủ cục bộ (hoặc Cloud VPS) chạy hệ điều hành Linux Ubuntu 22.04 LTS, RAM tối thiểu 8GB, CPU 4 Cores, ổ cứng SSD 120GB. Tại hiện trường kho, cần trang bị ít nhất 02 thiết bị kiểm kho cầm tay chạy Android có đầu đọc mã vạch 2D và 01 máy in nhãn mã vạch nhiệt kết nối mạng LAN/Wi-Fi.

2. Mô hình có xử lý được trường hợp nhà cung cấp giao vải trễ hạn không?

Có. Thuật toán của chúng tôi sử dụng công thức Tồn kho an toàn động (Dynamic Safety Stock) tích hợp độ lệch chuẩn của thời gian giao hàng ($\sigma_L$). Khi một nhà cung ứng có lịch sử giao hàng thất thường, hệ thống sẽ tự động nâng ngưỡng ROP lên để kích hoạt đặt hàng sớm hơn, triệt tiêu rủi ro đứt gãy chuyền may.

3. Giải pháp này tích hợp vào phần mềm kế toán hiện tại của công ty như thế nào?

Hệ thống cung cấp sẵn các cổng giao tiếp chuẩn RESTful API và tính năng kết xuất/nhập tệp chuẩn (Excel, CSV, JSON). Cuối mỗi ca hoặc kỳ hạch toán, toàn bộ số liệu nhập - xuất - chuyển kho có thể được đồng bộ trực tiếp vào phần mềm kế toán Fast/MISA mà công ty đang sử dụng mà không cần nhập liệu lại.

4. Chi phí duy trì và nhân sự vận hành hàng tháng có phức tạp không?

Hệ thống được thiết kế hướng tới sự tinh gọn tối đa. Công nhân kho chỉ mất 15-30 phút làm quen với thao tác quét mã vạch trực quan. Chi phí duy trì hàng tháng chỉ gồm giấy in tem nhãn nhiệt và tiền điện mạng Wi-Fi, ước tính dưới 500.000 VNĐ/tháng.

5. Khả năng mở rộng khi công ty tăng số lượng chuyền may lên gấp đôi?

Kiến trúc cơ sở dữ liệu PostgreSQL và Backend FastAPI có khả năng xử lý đồng thời hàng nghìn giao dịch mỗi giây. Khi công ty mở rộng từ 16 lên 32 chuyền may hoặc xây dựng thêm phân xưởng mới, hệ thống chỉ cần thêm các mã định danh vị trí (Location Code) mới mà không cần thay đổi cấu trúc nền tảng.

Kết luận

Đề tài khóa luận "Thực trạng và giải pháp hoàn thiện hoạt động quản lý tồn kho tại Công ty Cổ phần Dệt May Phú Hòa An" đã giải quyết trọn vẹn bài toán cân đối giữa chi phí lưu kho và tính liên tục của quá trình sản xuất. Bằng việc kết hợp nhuần nhuyễn giữa phương pháp luận Sản xuất Tinh gọn (Lean Manufacturing) với mô hình định lượng toán học EOQ-ROP và công cụ số hóa dữ liệu mã vạch, nghiên cứu đã chứng minh tính khả thi qua việc giúp doanh nghiệp giảm 16.3% giá trị tồn trữ, nâng hệ số vòng quay kho lên 5.85 vòng/năm, và tiết kiệm hàng trăm triệu đồng chi phí vận hành mỗi năm.

Trong bối cảnh ngành dệt may Việt Nam đang đứng trước làn sóng hội nhập sâu rộng cùng những yêu cầu khắt khe về thời gian đáp ứng và chi phí cạnh tranh từ các thị trường quốc tế, giải pháp được xây dựng trong đề tài không chỉ mang lại giá trị thực tiễn to lớn cho riêng PHUGATEXCO mà còn là hình mẫu tham khảo giá trị cho các doanh nghiệp vừa và nhỏ trong toàn ngành công nghiệp dệt may Việt Nam.