Giới thiệu dự án

Trong bối cảnh chuỗi cung ứng toàn cầu đối mặt với nhiều biến động, ngành sản xuất nhựa kỹ thuật và gia dụng tại Việt Nam đang chịu áp lực kép: biên lợi nhuận bị thu hẹp do giá hạt nhựa nguyên sinh biến động theo dầu mỏ thế giới, và yêu cầu khắt khe về thời gian giao hàng từ các đối tác B2B lẫn mạng lưới phân phối B2C. Đồ án tốt nghiệp "Hoạch định tồn kho tại công ty sản xuất đồ nhựa" (thực hiện tại Khoa Cơ khí - Bộ môn Kỹ thuật Hệ thống Công nghiệp, Trường Đại học Bách Khoa - ĐHQG TP.HCM) tập trung giải quyết bài toán cốt lõi trong quản trị vận hành: cân bằng giữa tối ưu hóa chi phí lưu kho và nâng cao mức độ đáp ứng đơn hàng.

       Mô hình Đặt hàng Theo Trực giác (Truyền thống)

Vấn đề thực tiễn (Problem Statement)

Doanh nghiệp nghiên cứu vận hành theo mô hình sản xuất kết hợp Make-to-Order (MTO) cho các đơn hàng bao bì công nghiệp (B2B) và Make-to-Stock (MTS) cho các dòng sản phẩm gia dụng (B2C). Hiện trạng ghi nhận sự sụt giảm thị phần nghiêm trọng bắt nguồn từ hai điểm nghẽn (pain points):

  • Tỷ lệ đáp ứng đơn hàng sụt giảm mạnh vào mùa cao điểm: Trong năm 2021, tỷ lệ đáp ứng đơn hàng bình quân chỉ đạt 88.00%, đặc biệt rơi xuống mức đáy 80.26% vào tháng 11. Tình trạng thiếu hụt nguyên vật liệu (NVL) trực tiếp làm phát sinh chi phí phạt trễ hạn hợp đồng và suy giảm uy tín thương hiệu.
  • Mất cân đối cơ cấu vốn lưu động trong kho: Chính sách mua hàng theo chu kỳ cảm tính (gom lô lớn để lấy chiết khấu giá hạt nhựa định kỳ 1 tháng/lần) dẫn đến nghịch lý: những vật tư chưa cần hoặc có nhu cầu thấp (nhãn màng co, bao PE/PP ít quy cách) bị ứ đọng kéo dài, trong khi các hạt nhựa chính phẩm (PP Repol, PET Shihkong) lại đứt gãy nguồn cung tại thời điểm sản xuất.

Mục tiêu dự án

  1. Nâng cao chất lượng dịch vụ khách hàng: Nâng mức phục vụ chu kỳ ($SL_c$ - Cycle Service Level) từ mức cơ sở 88.00% lên tối thiểu 95.00% cho toàn bộ các dòng sản phẩm chiến lược.
  2. Cắt giảm tổng chi phí tồn kho ($TC$): Tối ưu hóa điểm cân bằng giữa chi phí đặt hàng ($C$), chi phí mua hàng ($P$) và chi phí tồn trữ ($H$), loại bỏ hoàn toàn các khoản phạt trễ đơn hàng do thiếu hụt NVL.
  3. Chuẩn hóa quy trình phân loại và thuật toán đặt hàng: Xây dựng ma trận hoạch định chuyên biệt cho 24 loại vật tư chủ lực (bao gồm hạt nhựa nguyên sinh, hạt màu Masterbatch, màng bao bì đóng gói và phụ kiện).

Phạm vi và Giới hạn

  • Phạm vi nghiên cứu: 24 danh điểm vật tư chiến lược tại hệ thống kho nguyên phụ liệu của nhà máy sản xuất đồ nhựa tại TP.HCM.
  • Giới hạn kỹ thuật: Dữ liệu nhu cầu lịch sử được phân tích theo chu kỳ 12 tháng; thời gian chờ (Lead time - $L$) của các nhà cung cấp nội địa và quốc tế được xác định từ 5 đến 30 ngày; các biến ngẫu nhiên về nhu cầu trong thời gian chờ được mô hình hóa theo phân phối chuẩn $N(\bar{M}, \sigma_M^2)$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Sử dụng công cụ 5-Whys kết hợp biểu đồ xương cá (Fishbone 4M: Man, Method, Material, Machine), nguyên nhân cốt lõi gây suy giảm thị phần được định vị tại khâu Quản lý tồn kho chưa hiệu quả. Phân tích tác động và hình thức sai lỗi (FMEA - Failure Mode and Effects Analysis) cho thấy chỉ số ưu tiên rủi ro (RPN - Risk Priority Number) của quản lý tồn kho đạt 504 điểm ($SEV=8, OCC=9, DET=7$), chiếm 65% tổng mức độ rủi ro tích lũy trên biểu đồ Pareto 80/20.

Tiêu chí Giải pháp hiện tại (Cảm tính / Chu kỳ cố định) Giải pháp đề xuất (Hoạch định Định lượng Đa tầng)
Cơ chế đặt hàng Đặt hàng định kỳ 1 tháng/lần hoặc gom mua giá rẻ Tối ưu hóa theo cỡ lô kinh tế ($EOQ$), chu kỳ tối ưu ($EOI$), và Quy hoạch động ($WWA$)
Phân loại vật tư Xem xét đồng nhất mọi loại vật tư Phân loại ma trận kép: Hành vi nhu cầu ($ADI$ & $COV^2$) $\times$ Giá trị giá trị sử dụng ($ABC$)
Quản trị rủi ro Bỏ qua hoặc cắt giảm tồn kho an toàn ($SS$) Thiết lập Safety Stock dựa trên xác suất thống kê và mức phục vụ mục tiêu 95%
Chi phí tồn trữ Cao do tích trữ lượng lớn vật tư chậm luân chuyển Cực tiểu hóa tổng chi phí biến thiên ($TVC$) thông qua phối hợp đơn hàng ($Joint\ EOI$)

Phân loại yêu cầu người dùng (Mô hình MoSCoW)

  • Must have: Phân nhóm 24 loại NVL theo tính chất nhu cầu (liên tục/rời rạc); tính toán chính xác điểm đặt hàng ($B$), mức tồn kho cực đại ($E$), và tồn kho an toàn ($SS$).
  • Should have: Phối hợp đơn hàng nhiều sản phẩm (Joint Replenishment) cho nhóm vật tư bao bì đóng gói nhằm giảm chi phí giao dịch.
  • Could have: Tích hợp giao diện quản trị trực quan hóa mức tồn kho theo thời gian thực.
  • Won't have (lần này): Tự động hóa kết nối API trực tiếp với hệ thống ERP của các nhà cung cấp quốc tế.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo luồng xử lý dữ liệu chuẩn hóa của Kỹ thuật Hệ thống Công nghiệp:

Ngăn xếp công nghệ và công cụ toán học (Technology Stack)

  • Ngôn ngữ tính toán & Giải thuật: Python 3.10+ (NumPy 1.24, Pandas 2.0, SciPy 1.10 cho khớp phân phối xác suất và tối ưu hóa giải thuật).
  • Công cụ phân tích dữ liệu: Microsoft Excel Solver, Minitab 19 (Kiểm định thống kê, vẽ đồ thị Pareto và phân phối chuẩn).
  • Cơ sở dữ liệu: PostgreSQL 15 / Schema chuẩn hóa dạng quan hệ để lưu trữ BOM, Lead time, Đơn giá ($P$), Chi phí đặt hàng ($C$), và Hệ số tồn trữ ($F$).

Mô hình dữ liệu quan hệ (Data Schema)

CREATE TABLE materials (
    material_id VARCHAR(20) PRIMARY KEY,
    material_name VARCHAR(100) NOT NULL,
    unit VARCHAR(10) NOT NULL,
    unit_cost NUMERIC(12, 2) NOT NULL,
    holding_cost_rate NUMERIC(5, 4) NOT NULL,
    lead_time_days INT NOT NULL,
    demand_type VARCHAR(20) CHECK (demand_type IN ('CONTINUOUS', 'DISCRETE')),
    abc_category CHAR(1) CHECK (abc_category IN ('A', 'B', 'C'))
);

CREATE TABLE inventory_parameters (
    material_id VARCHAR(20) REFERENCES materials(material_id),
    order_quantity_q NUMERIC(12, 2),
    reorder_point_b NUMERIC(12, 2),
    max_inventory_e NUMERIC(12, 2),
    review_period_t NUMERIC(8, 4),
    safety_stock_ss NUMERIC(12, 2),
    target_service_level NUMERIC(5, 4) DEFAULT 0.9500
);

Phương pháp luận (Methodology)

Dự án áp dụng phương pháp luận nghiên cứu hệ thống hóa gồm 6 giai đoạn triển khai trong 16 tuần:

Tuần Giai đoạn Nội dung công việc chính Kết quả đầu ra (Deliverables)
W1-W3 Khảo sát & Đánh giá Thu thập số liệu xuất nhập kho 2021; phỏng vấn phòng Kế hoạch, Thu mua Báo cáo hiện trạng; Ma trận FMEA & Biểu đồ Pareto
W4-W6 Phân loại dữ liệu Tính toán chỉ số $ADI$, $COV^2$; chạy thuật toán phân nhóm $ABC$ Danh mục phân loại 24 vật tư theo 6 nhóm ma trận
W7-W10 Thiết kế mô hình Thiết lập công thức toán học $EOQ, EOI, WWA, POQ, LFL$; ước lượng chi phí $C, H, P$ Bộ tham số tối ưu hóa ($Q^, B^, T^, E^, SS$)
W11-W13 Kiểm định & Tối ưu Backtesting trên dữ liệu lịch sử; kiểm tra độ nhạy (Sensitivity Analysis) Báo cáo so sánh tổng chi phí ($TC$) và Mức phục vụ
W14-W16 Chuyển giao & Tài liệu Xây dựng bảng tra cứu vận hành cho nhân viên kho; đóng gói quy trình Tài liệu hướng dẫn SOP (Standard Operating Procedure)

Triển khai và kết quả

Quy trình phân loại và giải thuật chi tiết

1. Phân loại tính chất nhu cầu bằng chỉ số ADI & $COV^2$

Theo phương pháp của Syntetos và Boylan (2005):

  • Khoảng cách nhu cầu trung bình ($ADI$ - Average Demand Interval): $ADI = \frac{N}{k}$, trong đó $N$ là tổng số chu kỳ, $k$ là số chu kỳ có phát sinh nhu cầu.
  • Hệ số biến thiên bình phương ($COV^2$ - Coefficient of Variation Squared): $COV^2 = \left(\frac{\sigma_D}{\mu_D}\right)^2$.
  • Nếu $ADI < 1.49$ và $COV^2 < 0.49 \rightarrow$ Nhu cầu Liên tục (Smooth). Ngược lại $\rightarrow$ Nhu cầu Rời rạc (Discrete/Lumpy).

Kết quả: 14 vật tư thuộc nhóm Nhu cầu liên tục; 10 vật tư thuộc nhóm Nhu cầu rời rạc.

2. Phân loại ABC theo giá trị sử dụng hàng năm

  • Nhóm A (Chiếm ~80% giá trị): Kiểm soát nghiêm ngặt, tần suất đánh giá cao.
  • Nhóm B (Chiếm ~15% giá trị): Kiểm soát định kỳ, mức độ trung bình.
  • Nhóm C (Chiếm ~5% giá trị): Kiểm soát đơn giản, đặt hàng phối hợp gom lô.
import numpy as np
import pandas as pd

def calculate_eoq_safety_stock(annual_demand: float, 
                               order_cost: float, 
                               unit_cost: float, 
                               holding_rate: float, 
                               lead_time_days: float, 
                               std_lead_time_demand: float, 
                               service_level: float = 0.95) -> dict:
    """
    Tính toán EOQ, Điểm đặt hàng B, và Tồn kho an toàn SS cho vật tư Nhóm A liên tục.
    """
    from scipy.stats import norm
    
    # 1. Chi phí tồn trữ đơn vị hàng năm
    H = unit_cost * holding_rate
    
    # 2. Cỡ lô đặt hàng kinh tế (EOQ)
    Q_opt = np.sqrt((2 * order_cost * annual_demand) / H)
    
    # 3. Điểm đặt hàng cơ sở (chưa xét SS)
    B_base = (annual_demand * lead_time_days) / 365.0
    
    # 4. Tồn kho an toàn (Safety Stock)
    z_score = norm.ppf(service_level) # z = 1.6449 với service_level = 0.95
    SS = z_score * std_lead_time_demand
    
    # 5. Điểm đặt hàng mới (Reorder Point có xét SS)
    B_opt = B_base + SS
    
    # 6. Tổng chi phí tồn kho tối thiểu
    total_cost = (unit_cost * annual_demand) + (order_cost * annual_demand / Q_opt) + (H * (Q_opt / 2.0 + SS))
    
    return {
        "EOQ_kg": round(Q_opt, 2),
        "Reorder_Point_kg": round(B_opt, 2),
        "Safety_Stock_kg": round(SS, 2),
        "Total_Cost_VND": round(total_cost, 2)
    }

# Thực nghiệm cho: Hạt nhựa PP Repol 115MA
result_pp115 = calculate_eoq_safety_stock(
    annual_demand=1377015,
    order_cost=36500000,
    unit_cost=26331,
    holding_rate=0.23,
    lead_time_days=30,
    std_lead_time_demand=732.464,
    service_level=0.95
)
print("Kết quả hoạch định PP Repol 115MA:", result_pp115)

3. Hoạch định chi tiết theo từng nhóm vật tư

A. Nhóm Nhu cầu liên tục:

  • Nhóm A (Mô hình EOQ + SS): Áp dụng cho Hạt nhựa PP Repol 115MA, Hạt nhựa PP Repol 110MA, Hạt nhựa PET Shihkong 5015W.

    • Với Hạt nhựa PP Repol 115MA: $R = 1,377,015\text{ kg/năm}$, $P = 26,331\text{ VNĐ/kg}$, $C = 36,500,000\text{ VNĐ/đơn}$, $F = 0.23$, $L = 30\text{ ngày}$.
    • $Q^* = \sqrt{\frac{2 \times 36,500,000 \times 1,377,015}{26,331 \times 0.23}} = \mathbf{128,835\text{ kg}}$.
    • Phân phối nhu cầu thời gian chờ $N(\bar{M} = 115,087, \sigma_M = 732.464)$. Với $SL_c = 95% \rightarrow Z = 1.64$.
    • Tồn kho an toàn: $SS = 1.64 \times 732.464 = \mathbf{1,201.24\text{ kg}}$.
    • Điểm đặt hàng: $B = 115,087 + 1,201.24 = \mathbf{116,288.24\text{ kg}}$.

  • Nhóm B (Mô hình EOI một sản phẩm + SS): Áp dụng cho hạt màu Masterbatch (Hồng H18, Đỏ Đ24, Dương D13, Lá L16).

    • Với Hạt màu ép Hồng H18: $R = 71,813\text{ kg}$, $P = 67,601\text{ VNĐ}$, $C = 42,300,000\text{ VNĐ}$, $F = 0.215$, $L = 30\text{ ngày}$.
    • Chu kỳ tối ưu: $T^* = \sqrt{\frac{2 \times 42,300,000}{0.215 \times 67,601 \times 71,813}} = 0.285\text{ năm} \approx \mathbf{104\text{ ngày}}$.
    • Mức tồn kho cực đại có xét $SS$ ($Z=1.64, \sigma_N = 861.3$): $E^* = 26,640 + (1.64 \times 861.3) = \mathbf{28,052.53\text{ kg}}$.

  • Nhóm C (Mô hình Coordinated EOI Đa sản phẩm): Áp dụng cho 7 loại bao bì đóng gói PE/PP ($n=7$).

    • Chi phí đặt hàng phối hợp chung: $C = 22,000,000\text{ VNĐ}$; Chi phí đặt hàng thành phần: $c = 17,000,000\text{ VNĐ/loại}$; $F = 0.23$; $L = 15\text{ ngày}$.
    • Chu kỳ đặt hàng phối hợp: $$T^* = \sqrt{\frac{2(C + n \cdot c)}{F \sum_{i=1}^n P_i R_i}} = \sqrt{\frac{2(22,000,000 + 7 \times 17,000,000)}{0.23 \times 1,760,250,000}} \approx 0.788\text{ năm} \approx \mathbf{288\text{ ngày}}$$
B. Nhóm Nhu cầu rời rạc:
  • Nhóm A (Thuật toán Quy hoạch động Wagner-Whitin - WWA): Cực tiểu hóa tổng chi phí thiết lập và tồn trữ trên ma trận chi phí biến thiên tổng ($TVC$), áp dụng cho PE Foam vòng 1.4 và Keo dán Hot Melt LV 3701.
  • Nhóm B (Periodic Order Quantity - POQ): Áp dụng cho Bao dệt 125*220, chu kỳ cố định theo $EOI$.
  • Nhóm C (Lot-For-Lot - LFL): Áp dụng cho các loại tem nhãn có chi phí mua thấp và nhu cầu dao động mạnh, đặt đúng bằng nhu cầu từng chu kỳ nhằm triệt tiêu hoàn toàn chi phí tồn trữ.

Đánh giá và kiểm định kết quả

Dữ liệu mô phỏng đối chiếu trên tập 24 nguyên vật liệu trong giai đoạn 12 tháng chứng minh tính ưu việt của hệ thống mới:

Chỉ số hiệu năng (KPI) Phương pháp cũ Mô hình Hoạch định mới Mức độ cải thiện
Mức độ phục vụ ($SL_c$) 88.00% 95.20% +7.20% (Đạt mục tiêu)
Tỷ lệ trễ đơn hàng cao điểm 19.74% (Tháng 11) < 4.50% Giảm 77.2% lỗi trễ
Chi phí tồn trữ hàng năm ($H$) 12.45 tỷ VNĐ 9.12 tỷ VNĐ Tiết kiệm 26.75%
Chi phí đặt hàng phát sinh ($C$) 2.18 tỷ VNĐ 1.45 tỷ VNĐ Tiết kiệm 33.48%
Số lần đứt gãy tồn kho NVL nhóm A 14 lần/năm 0 lần/năm Triệt tiêu 100% rủi ro thiếu hạt nhựa

Đổi mới và đóng góp

Điểm mới về mặt kỹ thuật

  1. Khung tích hợp ADI-$COV^2$ với Phân tích Pareto Đa chiều: Khác với các phương pháp quản lý truyền thống vốn chỉ dựa trên giá trị tiền tệ ($ABC$), đồ án đã tích hợp đặc tính dao động thống kê của chuỗi thời gian nhu cầu, ngăn ngừa rủi ro áp dụng sai mô hình (ví dụ: dùng sai $EOQ$ cho vật tư có nhu cầu lumpy).
  2. Tối ưu hóa Chi phí Phối hợp Đơn hàng (Joint Replenishment Strategy): Thiết lập mô hình $EOI$ đa sản phẩm cho nhóm bao bì phụ trợ, biến các đơn hàng phân tán thành các chuyến vận chuyển gom cụm định kỳ 288 ngày, tiết kiệm đáng kể chi phí giao dịch và kiểm hóa.
  3. Mô hình hóa Tồn kho An toàn Động: Thay thế mức an toàn trực giác bằng hàm phân phối xác suất chuẩn có kiểm soát độ tin cậy ($Z = 1.64$), đảm bảo bù đắp chính xác độ lệch chuẩn trong thời gian chờ giao hàng.
So sánh Hiệu quả Cắt giảm Chi phí và Nâng cao Mức Phục vụ

So sánh với các giải pháp hiện hành

Đặc tính Phương pháp Cảm tính / Min-Max cố định Mô hình MRP tiêu chuẩn trong ERP cơ bản Mô hình Đa tầng Đề xuất (Đồ án)
Độ phức tạp tính toán Thấp (Dựa trên kinh nghiệm) Trung bình (Cố định lô theo kỳ) Cao (Tối ưu hóa toán học theo phân nhóm)
Khả năng thích ứng biến động Kém, dễ gây thiếu hụt hoặc ứ đọng Trung bình, phụ thuộc dự báo tĩnh Cao, tích hợp độ lệch chuẩn thời gian chờ
Chi phí triển khai 0 VNĐ Rất cao (License ERP đắt đỏ) Thấp, mã nguồn mở, dễ tích hợp
Cực tiểu hóa chi phí tổng ($TC$) Không tối ưu Bán tối ưu Đạt cực tiểu toán học ($TC^*$)

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong nhà máy sản xuất

  • Kịch bản 1: Mua sắm hạt nhựa chiến lược (Nhóm A liên tục): Hệ thống giám sát số dư tồn kho hàng ngày. Khi tồn kho của Hạt nhựa PP Repol 115MA chạm ngưỡng $B = 116,288\text{ kg}$, hệ thống tự động kích hoạt Purchase Order với khối lượng chính xác $Q^* = 128,835\text{ kg}$.
  • Kịch bản 2: Nhập hạt màu Masterbatch (Nhóm B liên tục): Định kỳ đúng $T = 104\text{ ngày}$, nhân viên kế hoạch kiểm tra tồn kho hiện tại ($I$) và phát lệnh đặt mua một lượng $Q = 28,052.53 - I\text{ (kg)}$, giúp giảm thiểu việc đọng vốn vào hạt màu đắt tiền.
  • Kịch bản 3: Đơn hàng bao bì đóng gói (Nhóm C): Gom toàn bộ 7 mã bao nylon PE/PP thành một gói thầu vận chuyển duy nhất theo chu kỳ $T^* = 288\text{ ngày}$.
                 Lộ Trình Triển Khai Thực Tế (Roadmap)

Phân tích Chi phí - Lợi ích và ROI

  • Chi phí đầu tư triển khai: Ước tính khoảng 80.000.000 VNĐ (chủ yếu là chi phí đào tạo nhân sự, chuẩn hóa cơ sở dữ liệu và xây dựng dashboard giám sát).
  • Lợi ích tài chính hàng năm: Tiết kiệm khoảng 4.06 tỷ VNĐ/năm nhờ giảm chi phí tồn trữ ($H$), chi phí đặt hàng ($C$) và triệt tiêu tiền phạt vi phạm tiến độ giao hàng.
  • Thời gian hoàn vốn (ROI Timeline): Đạt điểm hòa vốn và sinh lời chỉ sau dưới 1 tháng vận hành chính thức.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Giả định thời gian chờ cố định: Mô hình giả định $L$ là hằng số, tuy nhiên trên thực tế, các chuyến hàng hạt nhựa nhập khẩu quốc tế có thể bị trễ do thủ tục hải quan hoặc sự cố cảng biển.
  • Tính dừng của phân phối nhu cầu: Giả định nhu cầu tuân theo phân phối chuẩn cố định qua các năm; chưa phản ánh các biến động bất thường của thị trường vĩ mô (thiên tai, dịch bệnh, khủng hoảng chuỗi cung ứng).

Hướng nghiên cứu mở rộng

  1. Tích hợp Tồn kho An toàn Biến thiên kép: Phát triển công thức tính $SS$ khi cả nhu cầu ($D$) và thời gian chờ ($L$) đều là các biến ngẫu nhiên độc lập: $$SS = Z \times \sqrt{\bar{L} \cdot \sigma_D^2 + \bar{D}^2 \cdot \sigma_L^2}$$
  2. Ứng dụng Học máy trong Dự báo Nhu cầu Rời rạc: Ứng dụng các thuật toán chuyên biệt như Croston Method, Syntetos-Boylan Approximation (SBA) hoặc mạng nơ-ron LSTM (Long Short-Term Memory) để nâng cao độ chính xác dự báo cho các vật tư có nhu cầu lumpy.
  3. Phát triển Module Tự động hóa Tồn kho trên nền tảng Web: Xây dựng hệ thống cảnh báo Reorder Point tự động gửi email/SMS đến bộ phận Mua hàng thông qua các nền tảng ERP nguồn mở (như Odoo, ERPNext).

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Kỹ thuật Hệ thống Công nghiệp / Logistics: Cung cấp tài liệu tham khảo thực tế hoàn chỉnh từ khâu điều tra hiện trạng, xử lý dữ liệu thô, lập mô hình FMEA đến áp dụng các giải thuật toán học $EOQ/EOI/WWA$.
  • Kỹ sư Vận hành & Quản lý Chuỗi cung ứng: Cung cấp bộ công thức toán học và mã nguồn Python mẫu để tái cấu trúc ngay hệ thống tồn kho tại các nhà máy sản xuất vừa và nhỏ.
  • Doanh nghiệp Sản xuất Ngành Nhựa / Bao bì: Cung cấp giải pháp cắt giảm chi phí vốn lưu động ngay lập tức từ 20% - 30%, giải quyết triệt để bài toán trễ hẹn giao hàng.
  • Nhà nghiên cứu Vận trù học (Operations Research): Làm giàu thêm cơ sở dữ liệu thực nghiệm về ứng dụng mô hình tồn kho ngẫu nhiên và phân loại nhu cầu ngắt quãng trong bối cảnh sản xuất tại các quốc gia đang phát triển.

Câu hỏi thường gặp (FAQ)

1. Yêu cầu kỹ thuật tối thiểu để doanh nghiệp triển khai giải pháp này là gì?

Doanh nghiệp chỉ cần hệ thống máy tính văn phòng tiêu chuẩn có cài đặt Python 3.8+ (hoặc Microsoft Excel tích hợp VBA/Solver) và cơ sở dữ liệu quản lý kho cơ bản (ghi nhận thời gian, số lượng xuất/nhập/tồn và đơn giá vật tư). Toàn bộ thuật toán đều có thể chạy độc lập không đòi hỏi máy chủ cấu hình cao.

2. Khi nhu cầu của khách hàng biến động đột biến, mô hình có bị sai lệch không?

Đối với các biến động ngắn hạn, lượng tồn kho an toàn ($SS$) được thiết kế ở mức độ tin cậy 95% ($Z=1.64$) sẽ hấp thụ hoàn toàn các dao động này. Đối với các thay đổi mang tính cấu trúc (tăng trưởng thị phần đột biến), doanh nghiệp chỉ cần định kỳ cập nhật lại tham số nhu cầu trung bình ($\bar{M}$) và phương sai ($\sigma_M^2$) sau mỗi quý.

3. Giải pháp này tích hợp vào các hệ thống ERP như SAP hay Odoo như thế nào?

Các công thức tính toán $Q^, B^, E^, SS$ sau khi được chuẩn hóa sẽ được cấu hình trực tiếp vào trường dữ liệu Reordering Rules của module Inventory trong ERP. Hệ thống ERP sẽ tự động kích hoạt Purchase Order (PO) dự thảo mỗi khi số lượng On-hand chạm mức $B^$.

4. Chi phí tồn trữ $F = 23%$ được xác định dựa trên những yếu tố nào?

Hệ số $F = 0.23$ (23%/năm trên giá trị đơn vị vật tư) bao gồm 4 nhóm chi phí thành phần:

  • Chi phí chi phí vốn & lãi vay ngân hàng (Cost of Capital): 8.00%
  • Chi phí nhân công vận hành kho bãi: 1.10%
  • Chi phí bảo hiểm, phòng cháy chữa cháy, khấu hao nhà xưởng: 0.90%
  • Chi phí rủi ro hao hụt, mất mát, lỗi thời nguyên vật liệu: 1.00% - 2.00% (tùy nhóm vật tư).

5. Tại sao không áp dụng mô hình EOQ cho toàn bộ 24 loại vật tư để đơn giản hóa quản lý?

$EOQ$ dựa trên giả định nghiêm ngặt là nhu cầu liên tục, đồng đều và thời gian chờ biết trước. Nếu áp dụng $EOQ$ cho các vật tư nhóm C (bao bì đóng gói giá trị thấp), chi phí đặt hàng sẽ tăng vọt do phải đặt đơn lẻ quá nhiều lần. Ngược lại, nếu áp dụng $EOQ$ cho vật tư có nhu cầu rời rạc/lumpy, doanh nghiệp sẽ phải chịu chi phí tồn trữ cực lớn trong những tháng không có nhu cầu sản xuất. Do đó, việc phân tầng giải thuật là yêu cầu bắt buộc để tối ưu hóa chi phí.

Kết luận

Đồ án tốt nghiệp "Hoạch định tồn kho tại công ty sản xuất đồ nhựa" đã chứng minh tính hiệu quả vượt trội của việc kết hợp giữa lý thuyết Kỹ thuật Hệ thống Công nghiệp hiện đại và thực tiễn vận hành doanh nghiệp. Bằng cách thay thế hoàn toàn phương thức đặt hàng cảm tính bằng hệ thống mô hình toán học đa tầng ($EOQ, EOI, WWA, POQ, LFL$ kết hợp phân loại ma trận kép $ADI-COV^2$ & $ABC$), nghiên cứu đã giải quyết trọn vẹn hai nút thắt sống còn: nâng tỷ lệ phục vụ khách hàng lên 95.20% và tiết kiệm hơn 27% tổng chi phí tồn trữ và đặt hàng.

Mô hình không chỉ mang lại giá trị kinh tế trực tiếp cho doanh nghiệp nghiên cứu mà còn cung cấp một khung làm việc (framework) chuẩn mực, có tính khả thi và khả năng mở rộng cao cho toàn bộ ngành công nghiệp sản xuất phụ trợ tại Việt Nam.