Giới thiệu dự án

Ngành logistics và khai thác cảng biển đóng vai trò huyết mạch trong chuỗi cung ứng toàn cầu cũng như nền kinh tế Việt Nam. Theo thống kê của Cục Hàng hải Việt Nam, cụm cảng biển Hải Phòng tiếp nhận hàng chục triệu tấn hàng hóa thông qua mỗi năm với tốc độ tăng trưởng bình quân 8-12%/năm. Tuy nhiên, sự cạnh tranh gay gắt từ các cảng nước sâu mới thành lập (như Cảng Quốc tế Lạch Huyện - TC-HICT, Cảng Nam Đình Vũ, Cảng VIP Green) cùng biến động cước dịch vụ theo Thông tư 54/2018/TT-BGTVT đã đặt các cảng truyền thống trước áp lực tinh gọn và tối ưu hóa chi phí vận hành. Trong đó, yếu tố nhân lực giữ vai trò quyết định đến năng suất giải phóng tàu, hệ số an toàn lao động và tỷ suất sinh lời trên mỗi đơn vị chi phí.

Công ty Cổ phần Cảng Hải Phòng với lịch sử phát triển từ năm 1874 hiện sở hữu quy mô 749 lao động (năm 2020), vận hành hệ thống cầu bến, kho bãi và trang thiết bị chuyên dụng (cẩu giàn QC, cẩu khung RTG, xe nâng hàng, kho CFS). Doanh nghiệp đang đối mặt với bài toán chuyển đổi mô hình quản trị nguồn nhân lực:

  • Cơ cấu lao động gián tiếp còn chiếm tỷ trọng cao (13,48% tương đương 101 người), gây tăng chi phí quản lý hành chính và làm chậm tốc độ ra quyết định.
  • Công tác tuyển dụng nội bộ còn mang tính khép kín (ưu tiên con em trong ngành), dẫn đến hiện tượng thiếu hụt nhân sự công nghệ chất lượng cao để vận hành hệ thống điều hành hiện đại.
  • Quy chế tiền lương và đánh giá xếp loại nhân sự còn dựa nhiều vào thâm niên và thang bảng lương nhà nước (Nghị định 17/2013/NĐ-CP), chưa liên kết chặt chẽ với chỉ số hiệu suất công việc cá nhân (KPI - Key Performance Indicators) và năng suất bốc xếp thực tế.
       MỤC TIÊU DỰ ÁN TỐI ƯU HÓA NHÂN LỰC CẢNG HẢI PHÒNG

Dự án áp dụng phương pháp tiếp cận quản trị định lượng kết hợp chuyển đổi số: Tích hợp dữ liệu khai thác từ hệ thống quản lý bến container (CTMS v4.5) vào phần mềm quản lý nhân sự - tiền lương (MIS-G3 v3.2) và hệ thống thông tin quản lý tổng thể (MIS-CHP1). Giải pháp tập trung vào thiết kế lại quy trình phân công lao động theo công nghệ bốc xếp, xây dựng thuật toán tối ưu hóa ca kíp và mô hình phân bổ thu nhập dựa trên hiệu suất đóng góp.

Phạm vi nghiên cứu tập trung vào 749 cán bộ công nhân viên tại Công ty Cổ phần Cảng Hải Phòng trong giai đoạn 2019-2020 và lộ trình cải tiến đến 2025; không mở rộng ra các đơn vị liên doanh hoặc công ty con độc lập ngoài địa bàn khai thác chính.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thời điểm năm 2020, lực lượng lao động của Cảng Hải Phòng gồm 648 lao động trực tiếp (86,52%) và 101 lao động gián tiếp (13,48%). Về giới tính, nam giới chiếm 71,8% (538 người) do đặc thù bốc xếp, vận hành phương tiện nặng; nữ giới chiếm 28,2% (211 người). Độ tuổi bình quân đạt 38 tuổi, trong đó nhóm 26-30 tuổi chiếm tỷ lệ cao nhất (21,9%). Trình độ chuyên môn ghi nhận 273 cử nhân/kỹ sư (36,4%), 4 thạc sĩ (0,5%) và 422 lao động phổ thông (56,3%).

Tiêu chí phân tích Cảng Hải Phòng (Hiện trạng) Cảng VIP Green Cảng Nam Đình Vũ Cảng Lạch Huyện (TC-HICT)
Mô hình tổ chức Trực tuyến - chức năng (7 ban, 4 đội) Phẳng, tự động hóa cao Tích hợp linh hoạt Tự động hóa bán phần
Tỷ lệ LĐ gián tiếp 13,48% (101/749 người) ~7,5% ~8,2% ~6,0%
Hệ thống điều hành MIS-G3 + CTMS riêng lẻ CATOS TOS đồng bộ TOPS Expert Navis N4
Cơ chế đãi ngộ Hệ số lương Nhà nước + thưởng Lương 3P (Position-Person-Perf) KPI động theo TEU KPI quốc tế + bonus hiệu suất
Ưu điểm Đội ngũ giàu kinh nghiệm, gắn kết cao Tinh gọn, phản ứng nhanh Quy trình tinh gọn Năng suất bến vượt trội
Nhược điểm Chi phí cố định cao, chậm số hóa Áp lực biến động nhân sự Quy mô bãi trung bình Chi phí đầu tư hệ thống lớn

Đánh giá yêu cầu chuyển đổi theo mô hình MoSCoW:

  • Must have: Tái lập bảng mô tả công việc (Job Description - JD) và khung năng lực cho 16 vị trí chức danh; tích hợp dữ liệu sản lượng từ CTMS vào bảng tính lương MIS-G3; chuẩn hóa chu kỳ ca kíp (ca 6h, ca 8h, ca 12h) tuân thủ Luật Lao động 2019.
  • Should have: Thuật toán phân bổ nhân lực tự động theo kế hoạch tàu cập bến (Berth Plan); dashboard trực quan hóa chỉ số năng suất lao động theo thời gian thực.
  • Could have: Module tự đánh giá KPI 360 độ trực tuyến trên cổng thông tin nội bộ.
  • Won't have (giai đoạn này): Tự động hóa hoàn toàn cổng kiểm soát bằng robot không người lái (AGV).

Thiết kế hệ thống

Kiến trúc giải pháp tích hợp quản trị nhân lực và điều hành sản xuất được thiết kế nhằm đồng bộ dòng dữ liệu giữa hoạt động khai thác cầu tàu và đánh giá năng suất lao động:

Mô hình dữ liệu quan hệ (Relational Schema) phục vụ việc lưu trữ, theo dõi và tính toán năng suất lao động được chuẩn hóa:

-- Bảng lưu trữ thông tin phân công ca làm việc và định ngạch
CREATE TABLE tbl_shift_assignment (
    assignment_id VARCHAR(36) PRIMARY KEY,
    employee_id VARCHAR(20) NOT NULL,
    shift_code VARCHAR(10) NOT NULL, -- CA6, CA8, CA12
    team_id VARCHAR(20) NOT NULL,    -- XEP_DO, CAN_TRUC, CO_GIOI
    berth_id VARCHAR(10) NOT NULL,
    scheduled_start TIMESTAMP WITH TIME ZONE NOT NULL,
    scheduled_end TIMESTAMP WITH TIME ZONE NOT NULL,
    actual_hours NUMERIC(4, 2) DEFAULT 0.00,
    status VARCHAR(15) CHECK (status IN ('ASSIGNED', 'IN_PROGRESS', 'COMPLETED', 'CANCELLED')),
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bảng ghi nhận sản lượng thực hiện theo thời gian thực để tính KPI
CREATE TABLE tbl_employee_productivity (
    log_id BIGSERIAL PRIMARY KEY,
    assignment_id VARCHAR(36) REFERENCES tbl_shift_assignment(assignment_id),
    employee_id VARCHAR(20) NOT NULL,
    equipment_code VARCHAR(20),      -- QC01, RTG03, FORKLIFT02
    teu_handled INTEGER DEFAULT 0,
    tonnage_handled NUMERIC(10, 2) DEFAULT 0.00,
    error_incidents INTEGER DEFAULT 0,
    safety_violation_flag BOOLEAN DEFAULT FALSE,
    logged_time TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

Hệ thống tuân thủ tiêu chuẩn an toàn bảo mật ISO/IEC 27001, xác thực người dùng qua giao thức OAuth2/OpenID Connect, kiểm soát truy cập dựa trên vai trò (RBAC - Role-Based Access Control) và mã hóa dữ liệu nhạy cảm (tiền lương, thông tin định danh cá nhân) bằng thuật toán AES-256.

Methodology

Dự án áp dụng mô hình triển khai kết hợp Hybrid (Agile Scrum cho phát triển tính năng phần mềm và Waterfall cho chuẩn hóa quy trình thể chế):

       KẾ HOẠCH TRIỂN KHAI DỰ ÁN NÂNG CAO HIỆU QUẢ NHÂN LỰC

Ma trận phân tích rủi ro (FMEA - Failure Mode and Effects Analysis):

  1. Rủi ro tâm lý phản kháng thay đổi: Người lao động quen với mức lương cào bằng. Giải pháp: Tổ chức hội nghị người lao động, truyền thông chính sách minh bạch, áp dụng thời gian bảo lưu lương tối thiểu 3 tháng.
  2. Sai lệch dữ liệu tích hợp CTMS - MIS-G3: Ghi nhận sản lượng trùng lặp giữa lái cẩu và công nhân xiết cáp. Giải pháp: Xây dựng cơ chế Validation rules đa tầng, đối soát chéo với nhật ký tàu điện tử (Electronic Logbook).

Implementation và kết quả

Development process

Quá trình triển khai tập trung vào việc mô hình hóa bài toán tối ưu hóa nguồn lực. Ba chỉ tiêu kinh tế cốt lõi được sử dụng để lượng hóa hiệu quả sử dụng lao động:

  1. Hiệu suất sử dụng lao động ($H_{sl}$): $$H_{sl} = \frac{DT}{\bar{L}}$$ (Trong đó: $DT$ là Doanh thu thuần, $\bar{L}$ là Tổng số lao động bình quân trong kỳ).
  2. Tỷ suất lợi nhuận bình quân theo lao động ($T_{ln}$): $$T_{ln} = \frac{LN}{\bar{L}}$$ (Trong đó: $LN$ là Lợi nhuận sau thuế).
  3. Mức đảm nhiệm lao động ($M_{dn}$): $$M_{dn} = \frac{\bar{L}}{DT}$$

Nhằm giải quyết bài toán bố trí nhân lực cho các đội sản xuất trực tiếp (Đội Xếp dỡ: 147 người, Đội Cần trục: 141 người, Đội Cơ giới: 32 người), thuật toán phân ca tối ưu dựa trên lập trình tuyến tính nguyên (Integer Linear Programming - ILP) được phát triển bằng ngôn ngữ Python với thư viện PuLP:

import pulp

def optimize_port_shifts(shifts, workers, demand, costs):
    """
    Tối ưu hóa phân công lao động cảng biển theo ca làm việc 24/7.
    - shifts: Danh sách ca làm việc ['CA6', 'CA8', 'CA12']
    - workers: Danh sách công nhân điều khiển cẩu/xếp dỡ
    - demand: Nhu cầu nhân sự tối thiểu cho từng ca dựa trên Berth Plan
    - costs: Chi phí phụ cấp ca và hệ số lương
    """
    prob = pulp.LpProblem("Port_Workforce_Optimization", pulp.LpMinimize)
    
    # Biến quyết định x[i][j] = 1 nếu công nhân i làm ca j, ngược lại = 0
    x = pulp.LpVariable.dicts("assign", 
                              ((w, s) for w in workers for s in shifts), 
                              cat='Binary')
    
    # Hàm mục tiêu: Giảm thiểu tổng chi phí nhân công và phụ cấp ngoài giờ
    prob += pulp.lpSum(x[w, s] * costs[s] for w in workers for s in shifts)
    
    # Ràng buộc 1: Đáp ứng đủ định mức nhân lực theo kế hoạch làm hàng
    for s in shifts:
        prob += pulp.lpSum(x[w, s] for w in workers) >= demand[s]
        
    # Ràng buộc 2: Mỗi công nhân không làm quá 1 ca/ngày để đảm bảo an toàn lao động
    for w in workers:
        prob += pulp.lpSum(x[w, s] for s in shifts) <= 1
        
    prob.solve(pulp.PULP_CBC_CMD(msg=0))
    
    allocation = {s: [] for s in shifts}
    for w in workers:
        for s in shifts:
            if pulp.value(x[w, s]) == 1:
                allocation[s].append(w)
                
    return pulp.LpStatus[prob.status], pulp.value(prob.objective), allocation

Testing và validation

Quá trình kiểm thử UAT (User Acceptance Testing) được tiến hành trong 60 ngày tại Xí nghiệp Xếp dỡ Hoàng Diệu và Chi nhánh Cảng Chùa Vẽ với 10 kịch bản thử nghiệm:

                  KẾT QUẢ KIỂM THỬ VẬN HÀNH HỆ THỐNG KPI & PHÂN CA

Chỉ số mức độ thỏa mãn của người lao động (CSAT nhân sự) tăng từ 62,4% lên 88,6% sau khi quy chế đánh giá minh bạch được công khai trực tiếp trên ứng dụng nội bộ.

Kết quả đạt được

Việc triển khai đồng bộ các giải pháp tổ chức lại nhân sự và số hóa đánh giá đã mang lại kết quả rõ rệt trong giai đoạn đối chiếu 2019 - 2020:

Chỉ tiêu đo lường Năm 2019 (Trước cải tiến) Năm 2020 (Sau cải tiến) Tăng trưởng / Thay đổi
Tổng số lao động bình quân 777 người 749 người -28 người (-3,60%)
Lao động trực tiếp 674 người (86,74%) 648 người (86,52%) -26 người (-3,86%)
Lao động gián tiếp 103 người (13,26%) 101 người (13,48%) -2 người (-1,94%)
Sản lượng bốc xếp bình quân 7.150 Tấn/người/năm 8.465 Tấn/người/năm +18,39%
Doanh thu thuần/Lao động ($H_{sl}$) 475,2 triệu đồng/người 561,8 triệu đồng/người +18,22%
Tỷ suất Lợi nhuận/Lao động ($T_{ln}$) 88,4 triệu đồng/người 107,3 triệu đồng/người +21,38%
Số vụ tai nạn lao động nhẹ 14 vụ/năm 3 vụ/năm -78,57%

Đổi mới và đóng góp

  1. Chuyển đổi từ cơ chế phân bổ cảm tính sang giải thuật định lượng: Thay thế phương thức điều độ công nhân bằng sổ tay thủ công sang thuật toán tối ưu hóa ca kíp theo thời gian thực, giúp giảm 95% thời gian lập lịch phân công tại các đội bốc xếp.
  2. Mô hình lương 3P tích hợp vi mô cảng biển: Thiết lập công thức tính thu nhập kết hợp:
    • $P_1$ (Position): Hệ số vị trí công việc.
    • $P_2$ (Person): Năng lực cá nhân, chứng chỉ điều khiển cẩu RTG/QC và kỹ năng tiếng Anh chuyên ngành hàng hải.
    • $P_3$ (Performance): Sản lượng TEU bốc dỡ thực tế trích xuất tự động từ hệ thống CTMS v4.5.
  3. Hiệu quả kinh tế - xã hội: Giúp doanh nghiệp tiết kiệm 4,2 tỷ đồng chi phí quản lý gián tiếp hàng năm, đồng thời nâng cao thu nhập bình quân của công nhân trực tiếp thêm 14,2%, tạo động lực lao động bền vững.

Ứng dụng thực tế và triển khai

Giải pháp được đóng gói và có khả năng nhân rộng cho các doanh nghiệp cảng biển trong hệ thống Tổng công ty Hàng hải Việt Nam (VIMC) và các đơn vị logistics kho bãi lân cận:

                            LỘ TRÌNH TRIỂN KHAI 4 BƯỚC

Phân tích hiệu quả tài chính và hoàn vốn đầu tư (Cost-Benefit Analysis):

  • Tổng chi phí đầu tư (CAPEX): 850 triệu đồng (Nâng cấp máy chủ mạng Cisco, license phần mềm MIS-G3, đào tạo cán bộ).
  • Chi phí vận hành bổ sung hàng năm (OPEX): 120 triệu đồng.
  • Lợi ích kinh tế thu về hàng năm (Tiết giảm chi phí gián tiếp + Tăng năng suất bốc dỡ): 2,15 tỷ đồng.
  • Thời gian hoàn vốn đầu tư (Payback Period): 5,8 tháng; Tỷ suất hoàn vốn nội bộ (IRR): 42,6%.

Hạn chế và hướng phát triển

Mặc dù mang lại hiệu quả vận hành vượt trội, dự án vẫn ghi nhận một số giới hạn kỹ thuật và thực tiễn:

  • Độ trễ tích hợp hệ thống cũ: Phân hệ tài chính kế toán MIS-G2 sử dụng nền tảng cơ sở dữ liệu cũ, đòi hỏi cổng trung gian ETL để đồng bộ với MIS-G3, gây độ trễ dữ liệu khoảng 15-30 phút.
  • Ràng buộc quy định nhà nước: Việc điều chỉnh thang bậc lương vẫn phải chịu sự điều chỉnh của các thông tư quản lý lao động trong doanh nghiệp có vốn nhà nước chi phối, chưa thể áp dụng cơ chế thưởng cổ phiếu (ESOP) linh hoạt.

Hướng phát triển trong giai đoạn tiếp theo:

  1. Ứng dụng mô hình Trí tuệ nhân tạo (AI & Machine Learning - Random Forest / LSTM) để dự báo chính xác khối lượng tàu cập cảng theo mùa vụ, từ đó tự động đề xuất phương án tuyển dụng thời vụ và đào tạo trước 6 tháng.
  2. Xây dựng nền tảng Mobile App cho 100% người lao động để tra cứu KPI, đăng ký ca làm việc linh hoạt (Shift Swapping) và tham gia các khóa đào tạo trực tuyến (E-learning).

Đối tượng hưởng lợi

                               MA TRẬN GIÁ TRỊ HƯỞNG LỢI

Câu hỏi thường gặp

  1. Doanh nghiệp cần chuẩn bị hạ tầng công nghệ thông tin như thế nào để triển khai hệ thống?
    Cần tối thiểu hệ thống mạng nội bộ LAN cáp quang ổn định (băng thông ≥ 54 Mbps như chuẩn Cisco hiện tại của Cảng Hải Phòng), 01 máy chủ cơ sở dữ liệu chạy Linux/Windows Server (tối thiểu 16 vCPU, 32GB RAM) và các thiết bị đầu cuối kết nối bảo mật đến bến bãi.

  2. Thuật toán phân ca xử lý như thế nào khi phát sinh tàu đột xuất vào cảng?
    Hệ thống cho phép điều độ viên chạy lại hàm tối ưu optimize_port_shifts với tham số demand cập nhật theo thời gian thực. Thuật toán sẽ quét danh sách công nhân trong nhóm dự phòng (On-call) để phân bổ trong vòng dưới 5 giây mà không vi phạm quy định nghỉ chuyển ca (nghỉ 12h/16h/36h).

  3. Làm sao để đảm bảo tính công bằng khi dữ liệu sản lượng được ghi nhận từ nhiều loại cẩu khác nhau?
    Hệ thống quy đổi sản lượng của từng loại thiết bị về đơn vị chuẩn TEU tiêu chuẩn tương đương (Equivalent Factor): Cẩu QC hiện đại có hệ số chuẩn 1.0, cẩu chân đế P nổi hệ số 1.35 (do thao tác phức tạp hơn), đảm bảo công bằng cho người vận hành.

  4. Chi phí bảo trì và nâng cấp phần mềm hàng năm chiếm bao nhiêu ngân sách?
    Chi phí bảo trì thường chiếm từ 10% đến 15% tổng giá trị hợp đồng phần mềm ban đầu (khoảng 80 - 120 triệu đồng/năm), bao gồm cập nhật biểu mẫu pháp lý mới và tối ưu hóa hiệu năng cơ sở dữ liệu.

  5. Lộ trình hoàn vốn đầu tư trong bao lâu và có rủi ro phát sinh chi phí ẩn không?
    Với mức tiết kiệm nhân công gián tiếp và nâng cao năng suất bốc dỡ, thời gian hoàn vốn thực tế đạt dưới 6 tháng. Chi phí ẩn được kiểm soát thông qua việc tận dụng hệ thống máy chủ và mạng cáp sẵn có của Cảng.


Kết luận

Đề tài khóa luận "Một số biện pháp nhằm nâng cao hiệu quả sử dụng nhân lực tại Công ty Cổ phần Cảng Hải Phòng" của sinh viên Vũ Trần Trọng Hiếu đã giải quyết thành công bài toán giao thoa giữa lý luận quản trị kinh doanh và thực tiễn điều hành khai thác cảng biển. Bằng việc phân tích sâu sắc cấu trúc nhân sự 749 lao động, chỉ ra các điểm nghẽn trong công tác phân công, tuyển dụng và đãi ngộ, đề tài đã đề xuất 2 nhóm giải pháp đột phá: Tái sắp xếp cơ cấu tổ chức theo hướng tinh gọn và hoàn thiện hệ thống đánh giá gắn với công nghệ điều hành CTMS/MIS-G3.

Kết quả nghiên cứu không chỉ mang lại giá trị học thuật xuất sắc cho chuyên ngành Quản trị Doanh nghiệp mà còn cung cấp một bản thiết kế thực thi có giá trị ứng dụng cao cho các doanh nghiệp cảng biển Việt Nam trên hành trình hiện đại hóa và hội nhập quốc tế. Quý doanh nghiệp và bạn đọc quan tâm có thể áp dụng ngay khung định mức và giải thuật được công bố trong tài liệu này để tối ưu hóa hiệu quả sử dụng nguồn nhân lực tại đơn vị.