Giới thiệu dự án

Ngành dệt may và thời trang nội y tại Việt Nam đang duy trì tốc độ tăng trưởng bình quân 8-10%/năm. Tuy nhiên, các doanh nghiệp thời trang hoạt động theo mô hình gia công ngoài (Outsourced Manufacturing / Cut-Make-Trim - CMT) đang đối mặt với bài toán tối ưu hóa chuỗi cung ứng vô cùng phức tạp. Đặc thù của ngành thời trang may mặc là vòng đời sản phẩm (Product Lifecycle) ngắn, biến động nhu cầu theo mùa vụ cao và phụ thuộc lớn vào tiến độ giao nhận nguyên phụ liệu.

Đề tài "Thực trạng lập kế hoạch sản xuất theo đơn hàng tại Công ty Cổ phần Thế Giới Phụ Nữ" (sở hữu thương hiệu iBasic Việt Nam) tập trung nghiên cứu, phân tích và chuẩn hóa quy trình Lập kế hoạch sản xuất (Production Planning & Inventory Control - PPIC) theo mô hình sản xuất theo đơn đặt hàng (Make-to-Order - MTO) kết hợp sản xuất để tồn kho (Make-to-Stock - MTS).

                      +-----------------------------+
                      |     NGUỒN CẦU THỊ TRƯỜNG     |
                      +--------------+--------------+
                                     |
           +-------------------------+-------------------------+
           |                                                   |
           v                                                   v
+-----------------------+                           +---------------------+
| Đơn Hàng Thường Niên  |                           | Khách Hàng Lớn (KA) |
| (27 Cửa hàng + MT/GT) |                           | (Gumac, Hoàng Phúc) |
+----------+------------+                           +----------+----------+
           |                                                   |
           +-------------------------+-------------------------+
                                     |
                                     v
                      +-----------------------------+
                      |   BỘ PHẬN KẾ HOẠCH (PPIC)   |
                      |   - Phân tích BOM & Định mức|
                      |   - Cân đối Năng lực (CRP)  |
                      |   - Lập Lịch Trình (MPS)    |
                      +--------------+--------------+
                                     |
           +-------------------------+-------------------------+
           |                                                   |
           v                                                   v
+-----------------------+                           +---------------------+
|   THU MUA NVL / PL    |                           |  KỸ THUẬT & MẪU RẬP |
| - Vải nội địa / ngoại |                           | - May mẫu đối / Rập |
| - Phụ liệu định mức   |                           | - Bảng thông số May |
+----------+------------+                           +----------+----------+
           |                                                   |
           +-------------------------+-------------------------+
                                     |
                                     v
                      +-----------------------------+
                      |   ĐƠN VỊ GIA CÔNG NGOÀI     |
                      | (NetViet, Minh Thịnh, v.v.) |
                      +--------------+--------------+
                                     |
                                     v
                      +-----------------------------+
                      | KIỂM SOÁT CHẤT LƯỢNG (QA/QC)|
                      |    (Tỷ lệ lỗi tối đa: 2%)   |
                      +--------------+--------------+
                                     |
                                     v
                      +-----------------------------+
                      |   NHẬP KHO & PHÂN PHỐI      |
                      +-----------------------------+

Vấn đề thực tế tại doanh nghiệp (Problem Statement)

Tại Công ty Cổ phần Thế Giới Phụ Nữ (iBasic), hoạt động quản trị chuỗi cung ứng phục vụ 27 showroom bán lẻ toàn quốc, hệ thống phân phối Modern Trade (MT), General Trade (GT), sàn thương mại điện tử và các đối tác đặt hàng lớn (Key Accounts như Gumac, Hoàng Phúc, Catsa, AVAFashion) đang gặp phải các điểm nghẽn nghiêm trọng:

  • Độ trễ tiến độ sản xuất: Tỷ lệ giao hàng trễ hẹn từ các đơn vị gia công ngoài dao động từ 18% đến 25%, gây đứt gãy chuỗi cung ứng tại điểm bán.
  • Thiếu hụt phương pháp dự báo khoa học: Công tác dự báo nhu cầu hoàn toàn phụ thuộc vào kinh nghiệm chủ quan, chưa áp dụng các mô hình chuỗi thời gian định lượng, dẫn đến tình trạng lệch pha cung - cầu.
  • Đứt gãy luồng thông tin liên phòng ban: Sự thiếu đồng bộ dữ liệu giữa Bộ phận Kinh doanh (BPKD), Kế hoạch sản xuất, Thu mua, Kỹ thuật và Kho vận tạo ra độ trễ thông tin từ 3 đến 5 ngày trong mỗi chu kỳ mở lệnh sản xuất.
  • Ràng buộc lỏng lẻo trong quản trị gia công: Quy định tỷ lệ lỗi sản phẩm (chấp nhận 2%) và tỷ lệ tiêu hao nguyên vật liệu (3% - 5%) chưa được ràng buộc chặt chẽ bằng các điều khoản KPI/SLA pháp lý rõ ràng.

Mục tiêu của đề tài

  1. Khảo sát, phân tích toàn diện thực trạng luồng thông tin và quy trình lập kế hoạch sản xuất tại Phòng Sản phẩm công ty iBasic giai đoạn 2017 – 2022.
  2. Ứng dụng các phương pháp dự báo chuỗi thời gian định lượng (Time-series Forecasting) thông qua phần mềm POM-QM và ngôn ngữ lập trình thống kê để tìm ra mô hình dự báo có độ chính xác cao nhất.
  3. Thiết lập khung chuẩn hóa quy trình điều độ sản xuất, quản trị nhà gia công ngoài (NGC) và nâng cao hiệu quả ứng dụng hệ thống hoạch định nguồn lực doanh nghiệp (Enterprise Resource Planning - ERP).

Phạm vi và giới hạn nghiên cứu

  • Phạm vi không gian: Tập trung nghiên cứu tại Phòng Sản phẩm, kết nối cùng các phòng ban chức năng (Kinh doanh, Kế toán, Thu mua, Kỹ thuật may, Kho vận) tại Công ty CP Thế Giới Phụ Nữ.
  • Phạm vi thời gian: Dữ liệu sản xuất và kinh doanh chuỗi thời gian từ năm 2017 đến năm 2022.
  • Đối tượng sản phẩm: 5 dòng sản phẩm chiến lược gồm iBasic (nội y cơ bản), iBasic 365 (đồ bơi, thể thao, mặc nhà), IBX (phong cách trẻ), Isla Vista (thời trang cao cấp) và Zenna (thời trang xuất khẩu).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hệ thống sản xuất của iBasic vận hành theo mô hình phân tán năng lực, trong đó phòng kỹ thuật may nội bộ quy mô 15 nhân sự chỉ đảm nhận may mẫu đối, mẫu rập và bù đắp sản lượng nhỏ (< 2.000 sản phẩm/tháng). Toàn bộ khối lượng sản xuất lớn (> 6.000 - 80.000 sản phẩm/tháng) được ủy thác cho hơn 12 đối tác gia công lớn như Minh Thịnh, NetViet, Tâm Thuyết, Thành Tín, Việt Vũ.

Tiêu chí phân tích Phương pháp thủ công (Hiện trạng) Hệ thống phân tán Inform Giải pháp tích hợp chuẩn hóa đề xuất
Phương pháp dự báo Trực giác / Dựa trên doanh số kỳ trước Nhập số liệu thô từ BPKD Mô hình phân rã chuỗi thời gian (Decomposition)
Độ sai lệch dự báo (MAPE) > 20% - 25% Không đo lường định lượng Giảm xuống < 8% - 10%
Kiểm soát định mức NVL (BOM) Bảng tính Excel phân mảnh Form mẫu Inform chưa tự động hóa Tích hợp MRP trên Odoo ERP v15
Quản trị nhà gia công (NGC) Đàm phán linh hoạt, thiếu chế tài Theo dõi tiến độ qua email/chat Quản trị SLA/KPI, khấu trừ tự động khi lỗi > 2%
Thời gian chốt KHSX 5 - 7 ngày làm việc 3 - 4 ngày làm việc 24 - 48 giờ làm việc

Phân tích yêu cầu hệ thống theo mô hình MoSCoW:

  • Must have (Bắt buộc phải có):
    • Mô hình định lượng hóa sai số dự báo (MAD, MAPE, MSE).
    • Chuẩn hóa quy trình tạo Kế hoạch sản xuất tổng thể (Master Production Schedule - MPS) và Kế hoạch nhu cầu nguyên vật liệu (Material Requirements Planning - MRP).
    • Ma trận phân bổ đơn hàng cho nhà gia công dựa trên năng lực sản xuất thực tế tháng 1 - 3/2022.
  • Should have (Nên có):
    • Tích hợp luồng dữ liệu tự động giữa phần mềm nội bộ Inform và Odoo ERP.
    • Bộ tiêu chuẩn đánh giá nhà cung cấp NVL nội địa và quốc tế.
  • Could have (Có thể có):
    • Dashboard trực quan hóa tiến độ chuyền may theo thời gian thực (Real-time tracking).
  • Won't have (Chưa thực hiện ở giai đoạn này):
    • Tự động hóa hoàn toàn chuỗi cung ứng bằng mạng lưới thần kinh nhân tạo (AI/Deep Learning).

Thiết kế hệ thống

+-------------------------------------------------------------------------------+
|                             KIẾN TRÚC TỔNG THỂ HỆ THỐNG                       |
+-------------------------------------------------------------------------------+
  [Nguồn dữ liệu đầu vào]
                                                    v
  [Tầng Xử Lý & Hoạch Định Nghiệp Vụ (Odoo ERP Core Engine)]
                                                    v
  [Tầng Điều Phối & Tác Nghiệp Đối Tác]

Ngăn xếp công nghệ và công cụ (Technology Stack):

  • Phần mềm dự báo & phân tích định lượng: POM-QM for Windows v5.3 / Python 3.9 (Thư viện pandas, numpy, statsmodels, scikit-learn).
  • Nền tảng quản trị tài nguyên doanh nghiệp: Odoo ERP v15 Community/Enterprise Edition.
  • Hệ thống điều phối nội bộ: Phần mềm Inform (Kiến trúc Web-based nội bộ).
  • Cơ sở dữ liệu: PostgreSQL 13.x quản lý cơ sở dữ liệu quan hệ cho BOM, Đơn hàng, Nhà gia công.
-- Cấu trúc bảng quản lý Kế hoạch Sản xuất và Định mức Gia công
CREATE TABLE production_plan (
    plan_id VARCHAR(20) PRIMARY KEY,
    product_code VARCHAR(50) NOT NULL,
    order_type VARCHAR(10) CHECK (order_type IN ('MTO', 'MTS', 'KEY_ACCOUNT')),
    forecast_qty INT NOT NULL,
    planned_qty INT NOT NULL,
    contractor_id VARCHAR(20) REFERENCES subcontractors(contractor_id),
    bom_id VARCHAR(20) REFERENCES bill_of_materials(bom_id),
    lead_time_days INT NOT NULL,
    defect_rate_standard NUMERIC(4,2) DEFAULT 2.00,
    scrap_allowance_rate NUMERIC(4,2) DEFAULT 4.00,
    status VARCHAR(20) CHECK (status IN ('DRAFT', 'APPROVED', 'IN_PRODUCTION', 'QC_CHECK', 'COMPLETED'))
);

Phương pháp luận (Methodology)

Nghiên cứu áp dụng phương pháp luận kết hợp giữa nghiên cứu định tính (phỏng vấn sâu chuyên gia, quan sát hiện trường tại xưởng may) và nghiên cứu định lượng thực nghiệm (thu thập dữ liệu chuỗi thời gian, tính toán các chỉ số sai số thống kê).

Quy trình cải tiến được thực hiện theo chu trình DMAIC (Define - Measure - Analyze - Improve - Control):

  • Define: Xác định vấn đề giao trễ đơn hàng và sai lệch tồn kho tại iBasic.
  • Measure: Đo lường năng lực của 12 nhà gia công và tỷ lệ sai số dự báo giai đoạn 2017 - 2019.
  • Analyze: Phân tích nguyên nhân gốc rễ gây chậm trễ (tắc nghẽn tài liệu kỹ thuật, chậm phê duyệt mẫu đối, thiếu ràng buộc hợp đồng).
  • Improve: Lựa chọn mô hình dự báo tối ưu, thiết lập quy trình duyệt lệnh 7 bước chuẩn hóa.
  • Control: Giám sát qua chỉ số MAD, MAPE và nghiệm thu chất lượng theo ngưỡng 2% lỗi.

Implementation và kết quả

Quy trình phát triển và mô hình toán học

Để khắc phục tình trạng dự báo cảm tính, nghiên cứu tiến hành đánh giá thực nghiệm 3 mô hình dự báo chuỗi thời gian dựa trên tập dữ liệu sản lượng thực tế giai đoạn 2017 – 2019:

  1. Phương pháp San bằng mũ có điều chỉnh xu hướng (Exponential Smoothing with Trend - Holt's Model): $$\begin{aligned} F_{t+k} &= L_t + k \cdot T_t \ L_t &= \alpha A_t + (1 - \alpha)(L_{t-1} + T_{t-1}) \ T_t &= \beta (L_t - L_{t-1}) + (1 - \beta) T_{t-1} \end{aligned}$$

  2. Phương pháp Phân rã chuỗi thời gian nhân tử (Multiplicative Seasonal Decomposition): $$Y_t = T_t \times S_t \times C_t \times I_t$$

  3. Phương pháp Phân rã chuỗi thời gian cộng dồn (Additive Seasonal Decomposition): $$Y_t = T_t + S_t + C_t + I_t$$

Chỉ số đo lường độ chính xác:

  • Độ sai lệch tuyệt đối trung bình (Mean Absolute Deviation - MAD): $$MAD = \frac{1}{n} \sum_{t=1}^{n} |A_t - F_t|$$
  • Phần trăm sai số tuyệt đối trung bình (Mean Absolute Percentage Error - MAPE): $$MAPE = \frac{1}{n} \sum_{t=1}^{n} \left| \frac{A_t - F_t}{A_t} \right| \times 100%$$
import numpy as np
import pandas as pd

def calculate_forecast_metrics(actual: np.ndarray, forecast: np.ndarray) -> dict:
    """
    Tính toán các chỉ số sai số dự báo MAD, MSE, MAPE phục vụ tối ưu hóa PPIC.
    """
    actual = np.array(actual, dtype=float)
    forecast = np.array(forecast, dtype=float)
    
    errors = actual - forecast
    abs_errors = np.abs(errors)
    
    mad = np.mean(abs_errors)
    mse = np.mean(errors ** 2)
    mape = np.mean(abs_errors / actual) * 100
    
    return {
        "MAD": round(float(mad), 2),
        "MSE": round(float(mse), 2),
        "MAPE": round(float(mape), 2)
    }

# Dữ liệu sản lượng thực tế và dự báo mẫu
actual_demand = np.array([45200, 51300, 48900, 62100, 47800, 53400, 49200, 68900])
forecast_multiplicative = np.array([44100, 49800, 47500, 60500, 48200, 52100, 48700, 66400])

metrics = calculate_forecast_metrics(actual_demand, forecast_multiplicative)
print(f"Kết quả đánh giá mô hình Multiplicative: MAD = {metrics['MAD']}, MAPE = {metrics['MAPE']}%")

Thử nghiệm và Đánh giá (Testing & Validation)

Dữ liệu sản lượng thực tế từ năm 2017 đến năm 2019 được đưa vào xử lý thông qua phần mềm chuyên dụng POM-QM for Windows v5.3 nhằm đối chiếu độ chính xác giữa các thuật toán:

Phương pháp dự báo chuỗi thời gian Độ lệch tuyệt đối trung bình (MAD) Sai số phần trăm tuyệt đối (MAPE) Đánh giá mức độ phù hợp
Exponential Smoothing with Trend ($\alpha=0.2, \beta=0.2$) 8.421 sản phẩm 15,82% Sai số cao, không bắt kịp các đợt cao điểm Lễ/Tết
Additive Decomposition (Seasonal) 4.892 sản phẩm 9,45% Tương đối tốt, nhưng chưa tối ưu biên độ mùa vụ tăng trưởng
Multiplicative Decomposition (Seasonal) 3.614 sản phẩm 6,98% Tối ưu nhất, phản ánh chính xác chu kỳ nhu cầu ngành nội y 
                       SO SÁNH SAI SỐ DỰ BÁO (MAPE %)
    +-----------------------------------------------------------------+
    | Exponential Smoothing  [████████████████] 15.82%               |
    | Additive Decomposition [█████████] 9.45%                        |
    | Multiplicative Decomp  [███████] 6.98% (Tối Ưu Nhất)            |
    +-----------------------------------------------------------------+
    0%                      5%                     10%              15%

Mô hình Multiplicative Decomposition (Phân rã nhân tử) đạt chỉ số MAPE thấp nhất (6,98% < 10%), chứng minh tính tương thích cao với đặc tính nhu cầu tăng đột biến vào Quý 1 (Tết Nguyên Đán, Valentine) và Quý 4 (Mùa khuyến mãi cuối năm).

Kết quả đạt được

  • Độ chính xác kế hoạch nguyên vật liệu: Giảm lượng tồn kho vải ren, poly, modal dư thừa tới 18,5% nhờ áp dụng MRP tự động hóa.
  • Rút ngắn Lead Time sản xuất: Giảm thời gian trễ trung bình của các đơn vị gia công từ 12 ngày xuống còn 3,5 ngày/lô hàng.
  • Tiêu chuẩn hóa quy trình phối hợp: Rút ngắn thời gian chuyển giao tài liệu kỹ thuật và mẫu rập từ 5 ngày xuống 48 giờ giữa Phòng Kỹ thuật và Nhà gia công.
  • Kiểm soát chất lượng: 100% lô hàng xuất xưởng được nghiệm thu theo bảng checklist QC, giữ vững tỷ lệ phế phẩm < 2% và hao hụt NVL trong định mức 3% - 5%.

Đổi mới và đóng góp

Những cải tiến kỹ thuật cốt lõi

  1. Chuyển đổi từ dự báo kinh nghiệm sang định lượng chuỗi thời gian: Thay thế hoàn toàn phương pháp ước lượng định tính bằng thuật toán phân rã mùa vụ nhân tử, giúp ban lãnh đạo chủ động điều phối kế hoạch vốn lưu động trước 3 - 6 tháng.
  2. Thiết lập mô hình phân bổ năng lực gia công đa tầng: Xây dựng danh mục đối tác dựa trên năng lực sản xuất thực nghiệm:
    • Nhóm xưởng linh hoạt (< 6.000 sp/tháng): Giao cho Long Hưng, Việt Lê, Thảo Hiền, Mạnh Phát nhằm xử lý các đơn hàng thiết kế mới, mẫu mã phức tạp.
    • Nhóm xưởng công nghiệp quy mô lớn (> 50.000 sp/tháng): Minh Thịnh (77.778 sp), NetViet (59.982 sp), Tâm Thuyết (61.446 sp), Việt Vũ (66.200 sp) chuyên trách các dòng hàng chủ lực iBasic & iBasic 365.
  3. Cơ chế hợp đồng gia công tích hợp điều khoản ràng buộc kinh tế: Xây dựng phụ lục hợp đồng quy định cụ thể mức phạt chậm giao hàng (1%/ngày trễ) và khấu trừ chi phí NVL khi tỷ lệ phế phẩm vượt ngưỡng 2%.
                             MA TRẬN NĂNG LỰC GIA CÔNG
  Năng lực (SP/Tháng)

Đóng góp thực tiễn cho ngành

Đề tài cung cấp giải pháp mẫu mực về quản trị sản xuất may mặc tinh gọn cho các doanh nghiệp thời trang không sở hữu nhà máy may lớn (Asset-light Fashion Brand), chứng minh tính khả thi của việc kết hợp giữa công cụ ERP tiêu chuẩn và các thuật toán nghiên cứu vận hành (Operations Research).

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế (Use Cases)

  • Kịch bản 1 - Sản xuất định kỳ cho hệ thống 27 Showroom (MTS): Hệ thống Odoo ERP tự động thu thập số liệu POS bán lẻ hàng tuần -> Kích hoạt mô hình Multiplicative Decomposition tính toán nhu cầu 3 tháng tới -> Xuất bảng BOM cho BP Thu mua đặt vải trước 45 ngày -> Phân bổ lệnh sản xuất tự động cho xưởng Minh Thịnh và NetViet.
  • Kịch bản 2 - Đơn đặt hàng riêng từ Khách hàng lớn (Key Account - MTO): Tiếp nhận đơn hàng từ Gumac/Hoàng Phúc -> Phòng Kỹ thuật hoàn thiện rập và tài liệu kỹ thuật trong 48h -> BP Thu mua đối chiếu 2-3 nhà cung cấp phụ liệu (nội địa/ngoại nhập) -> Phòng Kỹ thuật may 15 người may mẫu đối -> Ký hợp đồng gia công với xưởng Thành Tín với cam kết giao hàng trong 25 ngày.
                           LỘ TRÌNH TRIỂN KHAI DỰ ÁN
  Tháng 1               Tháng 2               Tháng 3-4             Tháng 5-6
  +-------------------+ +-------------------+ +-------------------+ +-------------------+
  | Chuẩn hóa dữ liệu | | Huấn luyện mô hình| | Tích hợp Odoo ERP | | Đánh giá & Vận   |
  | & Quy trình (SOP) | | Dự báo Định lượng | | Module MRP & BOM  | | hành Toàn Diện  |
  +-------------------+ +-------------------+ +-------------------+ +-------------------+

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

  • Chi phí triển khai ước tính: 85.000.000 VNĐ (Bao gồm chi phí nâng cấp module phần mềm Odoo, chi phí đào tạo nhân sự PPIC/Thu mua và chi phí rà soát mẫu kỹ thuật).
  • Lợi ích tài chính hàng năm:
    • Tiết kiệm chi phí tồn kho NVL: ~120.000.000 VNĐ/năm.
    • Giảm thiệt hại do chậm giao hàng và phạt hợp đồng: ~160.000.000 VNĐ/năm.
    • Giảm thiểu hao hụt nguyên vật liệu vượt định mức: ~75.000.000 VNĐ/năm.
  • Thời gian hoàn vốn (Payback Period): Khoảng 3,8 tháng kể từ khi vận hành toàn diện.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Nguồn dữ liệu chuỗi thời gian: Giai đoạn 2020 – 2021 bị đứt đoạn và biến động dị biệt do ảnh hưởng của đại dịch Covid-19 và giãn cách xã hội, làm giảm độ mượt của chuỗi số liệu.
  • Rào cản công nghệ từ phía đối tác: Các xưởng may gia công quy mô nhỏ chưa có hệ thống WMS/ERP đồng bộ, việc trao đổi dữ liệu tiến độ vẫn phải dựa trên kiểm tra trực tiếp tại xưởng bởi nhân viên QC.

Hướng phát triển trong tương lai

  • Ứng dụng Machine Learning trong dự báo: Nghiên cứu tích hợp các mô hình tiên tiến như Prophet (Facebook) hoặc Auto-ARIMA trên nền tảng Python để tự động điều chỉnh tham số mùa vụ theo thời gian thực.
  • Cổng thông tin đối tác gia công (Vendor Portal): Phát triển phân hệ Web Portal trên Odoo cho phép các nhà gia công tự cập nhật sản lượng hoàn thành của từng chuyền may mỗi ngày.

Đối tượng hưởng lợi

                                  ĐỐI TƯỢNG HƯỞNG LỢI
+---------------------------------------------------------------------------------------+
|  SINH VIÊN & HỌC VIÊN        CHUYÊN VIÊN PPIC             DOANH NGHIỆP MAY MẶC        |
|  - Tài liệu tham khảo đồ     - Nắm vững công thức tính    - Cắt giảm 15-20% chi phí   |
|    án Quản lý Công nghiệp      MAD, MAPE trên POM-QM        lưu kho và phạt vi phạm   |
|  - Case study thực tế MTO    - Quy trình chuẩn 7 bước     - Tối ưu hóa chuỗi gia công |
+---------------------------------------------------------------------------------------+
  • Sinh viên ngành Quản lý Công nghiệp / Chuỗi cung ứng: Tiếp cận một nghiên cứu điển hình (Case study) hoàn chỉnh từ lý thuyết kế hoạch sản xuất đến mô hình hóa toán học và thực thi trên phần mềm.
  • Kỹ sư Kế hoạch sản xuất (PPIC Engineers): Bộ công cụ tính toán sai số dự báo và phương pháp phân bổ đơn hàng gia công đa tiêu chí có thể áp dụng trực tiếp vào công việc thực tế.
  • Doanh nghiệp thời trang vừa và nhỏ (SMEs): Bản thiết kế quy trình và kiến trúc hệ thống ERP giúp doanh nghiệp xây dựng chuỗi cung ứng linh hoạt (Agile Supply Chain) mà không cần đầu tư nhà xưởng quy mô lớn.

Câu hỏi thường gặp

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

Hệ thống yêu cầu máy chủ chạy hệ điều hành Linux (Ubuntu Server 20.04/22.04 LTS), RAM tối thiểu 8GB, CPU 4 cores để cài đặt Odoo ERP v15 và PostgreSQL 13. Phía người dùng chỉ cần trình duyệt web hiện đại (Chrome, Edge, Firefox) và phần mềm POM-QM v5.3 hoặc môi trường Python 3.9+ cho bộ phận phân tích dữ liệu.

2. Mô hình Multiplicative Decomposition có xử lý được khi nhu cầu biến động đột biến không?

Mô hình phân rã nhân tử hoạt động tối ưu với chuỗi dữ liệu có tính chu kỳ và xu hướng rõ nét. Khi có biến động đột biến (như dịch bệnh hoặc chiến dịch marketing đột xuất), hệ thống cần kết hợp thêm hệ số điều chỉnh định tính (Expert Judgment Overlay) từ Giám đốc điều hành và BPKD.

3. Làm thế nào để kiểm soát tỷ lệ phế phẩm khi gia công ngoài luôn dưới mức 2%?

Quy trình đề xuất áp dụng cơ chế kiểm soát 3 lớp: (1) Kiểm định chất lượng NVL đầu vào trước khi bàn giao; (2) May và duyệt mẫu đối nghiêm ngặt trước khi lên chuyền; (3) Nhân viên QC kiểm tra ngẫu nhiên tại xưởng gia công theo tiêu chuẩn AQL (Acceptable Quality Limit) trước khi đóng thùng nhập kho.

4. Chi phí duy trì và cập nhật phần mềm hàng năm là bao nhiêu?

Nếu sử dụng Odoo Community Edition kết hợp module tự phát triển, chi phí bản quyền là 0 VNĐ. Doanh nghiệp chỉ chi trả chi phí thuê hạ tầng máy chủ Cloud VPS (khoảng 6.000.000 – 12.000.000 VNĐ/năm) và chi phí bảo trì hệ thống định kỳ.

5. Lộ trình tích hợp giữa hệ thống Inform nội bộ và Odoo ERP mất bao lâu?

Thời gian tích hợp API và chuẩn hóa cơ sở dữ liệu giữa Inform và Odoo kéo dài từ 4 đến 6 tuần, bao gồm các công đoạn: Mapping trường dữ liệu BOM, cấu hình Webhook đồng bộ trạng thái đơn hàng và kiểm thử tích hợp (UAT).

Kết luận

Đề tài "Thực trạng lập kế hoạch sản xuất theo đơn hàng tại Công ty Cổ phần Thế Giới Phụ Nữ" đã giải quyết triệt để bài toán mất cân đối trong công tác điều độ sản xuất của mô hình thời trang gia công ngoài. Bằng việc kết hợp chặt chẽ giữa cơ sở lý thuyết Quản lý Công nghiệp, công cụ dự báo định lượng Multiplicative Decomposition (MAPE đạt 6,98%) và nền tảng ERP hiện đại, nghiên cứu đã xây dựng thành công một mô hình vận hành sản xuất tinh gọn, giúp doanh nghiệp nâng cao tỷ lệ giao hàng đúng hạn, kiểm soát chặt chẽ phế phẩm và tối ưu hóa chi phí sản xuất kinh doanh toàn diện.