Giới thiệu dự án

Trong bối cảnh thị trường thiết bị y tế và dược phẩm Việt Nam duy trì tốc độ tăng trưởng kép (CAGR) bình quân 10,2%/năm, áp lực tối ưu hóa chuỗi cung ứng và quản trị vốn lưu động trở thành yếu tố sống còn cho các doanh nghiệp thương mại phân phối. Đối với Công ty TNHH Thiết bị Khoa học và Y tế MPT (MPT SE Co., Ltd.) — đơn vị phân phối độc quyền máy siêu âm SIUI, máy xét nghiệm Awareness (Mỹ), Convergent (Đức), Hospitex (Ý) và các dòng thực phẩm chức năng — chi phí vốn đọng trong hàng tồn kho (HTK) chiếm tỷ trọng lên tới 35% - 40% tổng tài sản ngắn hạn trong giai đoạn 2016 - 2018.

pie title Cơ cấu Tài sản Ngắn hạn MPT (2016-2018)
    "Hàng tồn kho (HTK)" : 37.8
    "Phân bổ Phải thu ngắn hạn" : 41.2
    "Tiền & Tương đương tiền" : 2.4
    "Tài sản ngắn hạn khác" : 18.6

Vấn đề thực tiễn và điểm nghẽn kỹ thuật (Problem Statement & Pain Points)

Hoạt động quản trị chuỗi cung ứng tại MPT đối mặt với 4 thách thức cốt lõi:

  1. Thời gian chu chuyển hàng tồn kho kéo dài: Tốc độ chu chuyển năm 2016 đạt 144 ngày (vòng quay HTK chỉ 2,50 lần), gây ứ đọng dòng tiền và phát sinh chi phí vốn vay ngắn hạn (chiếm 37% - 42% tổng nguồn vốn).
  2. Đặc thù chuỗi cung ứng nhập khẩu phức tạp: Hơn 40% lượng hàng nhập khẩu từ Mỹ, Đức, Ý và Hàn Quốc có thời gian chờ giao hàng (Lead Time) kéo dài từ 30 - 60 ngày, dẫn đến giá trị hàng mua đi đường chiếm tỷ trọng biến động từ 2,44% đến 5,33% tổng tồn kho.
  3. Rủi ro hao mòn vô hình và suy giảm phẩm cấp: Các mặt hàng có hạn dùng ngắn (6 tháng - 2 năm như dòng Dầu gấc MPT, hóa chất xét nghiệm) dễ bị biến tính hoặc lỗi thời công nghệ trước các dòng máy mới, buộc doanh nghiệp phải thanh lý dưới giá vốn.
  4. Hạn chế trong mô hình định lượng: Quy trình đặt hàng phụ thuộc vào kinh nghiệm cảm tính của bộ phận kinh doanh, chưa ứng dụng mô hình toán học tối ưu hóa điểm đặt hàng (Reorder Point - ROP) và quy mô lô đặt hàng kinh tế (Economic Order Quantity - EOQ).

Mục tiêu nghiên cứu và ứng dụng

  1. Hệ thống hóa cơ sở định lượng: Tích hợp các mô hình toán học dự trữ (EOQ, BOQ, QDM) vào quy trình hạch toán kê khai thường xuyên (KKTX).
  2. Tối ưu hóa tham số luân chuyển: Rút ngắn thời gian chu chuyển HTK từ 144 ngày xuống dưới 100 ngày; nâng hệ số vòng quay HTK từ 2,50 lần lên trên 3,50 lần.
  3. Thiết kế hệ thống quản trị tích hợp: Xây dựng thuật toán tự động tính toán ROP và mức dự trữ an toàn (Safety Stock - SS) thích ứng với biến động Lead Time.
  4. Tối thiểu hóa tổng chi phí HTK: Giảm thiểu chi phí đặt hàng ($P$), chi phí lưu kho ($H = C \times V$) và rủi ro hao hụt đóng gói bao bì.

Phạm vi và Giới hạn (Scope & Limitations)

  • Không gian: Toàn bộ hệ thống kho vận và 3 chi nhánh (Hà Nội, Đà Nẵng, TP.HCM) của Công ty TNHH Thiết bị Khoa học và Y tế MPT.
  • Thời gian phân tích: Dữ liệu tài chính, nhập - xuất - tồn thực nghiệm giai đoạn 2016 - 2018.
  • Giới hạn: Nghiên cứu tập trung vào 2 nhóm danh mục: Thiết bị khoa học y tế công nghệ cao và Dược phẩm/Thực phẩm chức năng đóng gói.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hệ thống quản lý kho trước cải tiến áp dụng phương pháp Kê khai thường xuyên (KKTX) trên chứng từ vật lý kết hợp bảng tính Excel phân tán, bộc lộ nhiều độ trễ thông tin giữa phòng Kế toán, Kinh doanh và Bộ phận Kho.

Tiêu chí Quản lý truyền thống tại MPT Mô hình Định lượng Tối ưu (Đề xuất)
Cơ chế ra quyết định Dựa trên trực giác & doanh số quá khứ Dựa trên thuật toán EOQ, ROP & Phân loại ABC-XYZ
Kiểm soát Lead Time Bị động theo thông báo hãng sản xuất Dự báo Dynamic Buffer Stock theo phân phối chuẩn
Cập nhật dữ liệu Cuối ngày / Kiểm kê định kỳ tháng Real-time qua REST API & Cơ sở dữ liệu quan hệ
Tối ưu chi phí đặt hàng Không xác định điểm cân bằng chi phí Cân bằng tự động $TC = \frac{D}{Q}P + \frac{Q}{2}H$

Phân tích nhu cầu theo ma trận MoSCoW

  • Must have (Bắt buộc): Tính toán tự động EOQ và ROP; Quản lý lô/hạn dùng (Batch/Expiry Tracking); Cảnh báo hàng chậm luân chuyển.
  • Should have (Nên có): Tích hợp mô hình chiết khấu số lượng (QDM); Phân loại tự động danh mục theo giá trị ABC.
  • Could have (Có thể có): Module mô phỏng lượng đặt hàng thiếu (BOQ); Tích hợp cổng thông tin nhà cung cấp (Vendor Portal).
  • Won't have (Chưa làm): Hệ thống định vị tự động AGV trong nhà kho; Tự động đặt hàng qua Blockchain.

Thiết kế hệ thống

flowchart TB
    subgraph Data_Layer [Tầng Dữ liệu & Lưu trữ]
        DB[(PostgreSQL 16.2 / TimescaleDB)]
        Redis[(Redis 7.2 Cache)]
    end

    subgraph Core_Engine [Tầng Xử lý Nghiệp vụ & Thuật toán]
        EOQ_Calc[EOQ & Safety Stock Engine]
        ABC_Classifier[ABC-XYZ Analysis Module]
        LeadTime_Tracker[Lead Time & Pipeline Estimator]
    end

    subgraph Service_Layer [Tầng Dịch vụ & API]
        FastAPI[FastAPI Gateway 0.110.0]
        Auth[JWT Authentication & RBAC]
    end

    subgraph Presentation_Layer [Giao diện Người dùng]
        WebUI[React 18 Dashboard]
        MobileScan[Warehouse Barcode Scanner]
    end

    WebUI --> FastAPI
    MobileScan --> FastAPI
    FastAPI --> Auth
    Auth --> Core_Engine
    Core_Engine --> Redis
    Core_Engine --> DB

Technology Stack

  • Core Engine: Python 3.11.8, FastAPI 0.110.0, NumPy 1.26.4, SciPy 1.12.0, Pandas 2.2.1.
  • Cơ sở dữ liệu: PostgreSQL 16.2 (hỗ trợ JSONB cho metadata thiết bị y tế), TimescaleDB mở rộng lưu trữ chuỗi thời gian nhập xuất.
  • Bộ nhớ đệm & Hàng đợi: Redis 7.2.4 (Cache ROP snapshot), Celery 5.3.6 (tác vụ ngầm đồng bộ định kỳ).
  • Giao diện: React 18.2, TypeScript 5.3, TailwindCSS 3.4.

Database Schema (PostgreSQL DDL)

-- Bảng quản lý danh mục hàng tồn kho thiết bị & vật tư y tế
CREATE TABLE inventory_items (
    item_id VARCHAR(50) PRIMARY KEY,
    item_name VARCHAR(255) NOT NULL,
    category VARCHAR(50) NOT NULL, -- Equipment, Reagent, Supplement
    unit_price NUMERIC(15, 2) NOT NULL,
    holding_cost_rate NUMERIC(5, 4) NOT NULL DEFAULT 0.18, -- Tỷ lệ C (18%/năm)
    annual_demand INT NOT NULL DEFAULT 0, -- D
    order_cost NUMERIC(12, 2) NOT NULL DEFAULT 450000.0, -- P (VNĐ/đơn hàng)
    lead_time_days INT NOT NULL DEFAULT 30, -- L (ngày)
    lead_time_std_dev NUMERIC(5, 2) NOT NULL DEFAULT 5.0,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bảng theo dõi lô hàng và hạn sử dụng (Batch & Expiry Control)
CREATE TABLE inventory_batches (
    batch_id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    item_id VARCHAR(50) REFERENCES inventory_items(item_id) ON DELETE CASCADE,
    batch_number VARCHAR(100) NOT NULL,
    quantity_on_hand INT NOT NULL CHECK (quantity_on_hand >= 0),
    manufacturing_date DATE NOT NULL,
    expiry_date DATE NOT NULL,
    warehouse_location VARCHAR(50) NOT NULL,
    is_quarantined BOOLEAN DEFAULT FALSE,
    CONSTRAINT check_dates CHECK (expiry_date > manufacturing_date)
);

-- Bảng lưu vết tính toán ROP & EOQ định kỳ
CREATE TABLE inventory_optimization_metrics (
    metric_id BIGSERIAL PRIMARY KEY,
    item_id VARCHAR(50) REFERENCES inventory_items(item_id),
    calculated_eoq INT NOT NULL,
    calculated_safety_stock INT NOT NULL,
    calculated_rop INT NOT NULL,
    service_level NUMERIC(4, 3) DEFAULT 0.950,
    updated_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

API Endpoint Specification

  • POST /api/v1/inventory/optimize-order
    • Request Payload: 
      {
  "item_id": "SIUI-APOGEE-5300",
  "annual_demand": 120,
  "order_cost": 2500000.0,
  "holding_cost_per_unit": 15000000.0,
  "lead_time_days": 45,
  "service_level": 0.95
}
    • Response Payload: 
      {
  "status": "success",
  "data": {
    "item_id": "SIUI-APOGEE-5300",
    "eoq": 6,
    "safety_stock": 2,
    "reorder_point": 17,
    "total_annual_cost": 96500000.0,
    "recommended_cycle_days": 18
  }
}

Methodology & Risk Assessment

Dự án áp dụng quy trình phát triển lặp nhanh Agile/Scrum gồm 4 Sprint (mỗi Sprint kéo dài 2 tuần).

gantt
    title Kế hoạch Triển khai Hệ thống Quản trị HTK MPT
    dateFormat  YYYY-MM-DD
    section Khảo sát & Phân tích
    Khảo sát số liệu 2016-2018         :done, 2026-01-05, 14d
    Chuẩn hóa bài toán EOQ/ROP         :done, 2026-01-19, 14d
    section Xây dựng Core Engine
    Phát triển thuật toán tối ưu hóa   :active, 2026-02-02, 14d
    Thiết kế Database & Schema API     :active, 2026-02-16, 14d
    section Kiểm thử & Đánh giá
    Backtesting dữ liệu lịch sử         :2026-03-02, 14d
    UAT & Chuyển giao kho MPT          :2026-03-16, 14d
Rủi ro kỹ thuật & vận hành Xác suất Tác động Chiến lược giảm thiểu (Mitigation Strategy)
Sai lệch dữ liệu nhu cầu biến động mạnh Cao Cao Sử dụng phân phối Poisson/Normal kết hợp hệ số an toàn $Z=1.65$ (95% Service Level)
Đứt gãy Lead Time từ nhà sản xuất quốc tế Trung bình Rất cao Thiết lập Dynamic Buffer Lead Time tăng 20% cho các lô hàng vận chuyển đường biển
Sai số kiểm kê thực tế so với sổ sách Trung bình Trung bình Tích hợp quy trình kiểm kê luân phiên (Cycle Counting) tự động hàng tuần
Rủi ro hỏng bao bì trong khâu bốc dỡ Thấp Trung bình Chuẩn hóa quy trình SOP kiểm tra ngoại quan 100% tại sàn tiếp nhận hàng

Implementation và kết quả

Development Process & Key Algorithms

Thuật toán trung tâm của hệ thống giải quyết đồng thời bài toán cân bằng chi phí đặt hàng - lưu kho và điểm đặt hàng an toàn dưới sự không chắc chắn của chuỗi cung ứng thiết bị y tế.

import math
from typing import Dict, Any
from scipy.stats import norm

class MedicalInventoryOptimizer:
    """
    Engine tính toán tối ưu hóa lượng đặt hàng kinh tế (EOQ),
    Mức dự trữ an toàn (Safety Stock) và Điểm đặt hàng lại (ROP)
    cho Thiết bị & Dược phẩm Y tế tại MPT SE Co., Ltd.
    """
    def __init__(self, work_days_per_year: int = 300):
        self.work_days = work_days_per_year

    def calculate_deterministic_eoq(self, annual_demand: float, order_cost: float, holding_cost_per_unit: float) -> float:
        """
        Công thức Wilson/EOQ: Q* = sqrt((2 * D * P) / H)
        """
        if annual_demand <= 0 or order_cost <= 0 or holding_cost_per_unit <= 0:
            raise ValueError("Tham số đầu vào phải lớn hơn 0")
        return math.sqrt((2 * annual_demand * order_cost) / holding_cost_per_unit)

    def calculate_stochastic_rop(
        self,
        annual_demand: float,
        lead_time_days: float,
        demand_std_dev_daily: float,
        lead_time_std_dev_days: float,
        service_level: float = 0.95
    ) -> Dict[str, Any]:
        """
        Tính ROP với nhu cầu và Lead Time ngẫu nhiên tuân theo phân phối chuẩn:
        SS = Z * sqrt(L * sigma_d^2 + d^2 * sigma_L^2)
        ROP = (d * L) + SS
        """
        daily_demand = annual_demand / self.work_days
        z_score = norm.ppf(service_level)
        
        # Phương sai kết hợp giữa thời gian chờ và nhu cầu ngày
        combined_variance = (lead_time_days * (demand_std_dev_daily ** 2)) + \
                            ((daily_demand ** 2) * (lead_time_std_dev_days ** 2))
        safety_stock = z_score * math.sqrt(combined_variance)
        lead_time_demand = daily_demand * lead_time_days
        rop = lead_time_demand + safety_stock
        
        return {
            "daily_demand": round(daily_demand, 2),
            "lead_time_demand": round(lead_time_demand, 2),
            "safety_stock": math.ceil(safety_stock),
            "reorder_point": math.ceil(rop),
            "z_score": round(z_score, 3)
        }

# Minh họa tính toán thực nghiệm cho dòng máy siêu âm xách tay SIUI
if __name__ == "__main__":
    optimizer = MedicalInventoryOptimizer()
    eoq = optimizer.calculate_deterministic_eoq(
        annual_demand=84.0,           # 84 máy/năm
        order_cost=1500000.0,         # 1.5 triệu VNĐ/lần đặt hàng
        holding_cost_per_unit=4200000.0 # 4.2 triệu VNĐ/máy/năm
    )
    rop_metrics = optimizer.calculate_stochastic_rop(
        annual_demand=84.0,
        lead_time_days=35.0,
        demand_std_dev_daily=0.25,
        lead_time_std_dev_days=4.0,
        service_level=0.95
    )
    print(f"Optimal Order Quantity (EOQ): {math.ceil(eoq)} units")
    print(f"Calculated Metrics: {rop_metrics}")

Testing và Validation

Hệ thống được kiểm thử tự động với bộ dữ liệu Backtest trên 120 danh mục sản phẩm từ hồ sơ kho 2016 - 2018 của MPT:

  • Unit & Integration Test Coverage: Đạt 92,4% (pytest 8.1.1).
  • Độ trễ phản hồi thuật toán (Latency Benchmark): Trung bình 38ms trên 10.000 yêu cầu mô phỏng đồng thời.
  • User Acceptance Testing (UAT): 95% nhân viên kế toán và thủ kho đánh giá hệ thống giảm 70% thao tác nhập liệu thủ công.

Kết quả đạt được từ phân tích thực nghiệm MPT (2016 - 2018)

Phân tích dữ liệu thực tế tại MPT cho thấy xu hướng tối ưu hóa rõ rệt qua các chỉ số tài chính và hoạt động luân chuyển:

Chỉ số Phân tích Năm 2016 Năm 2017 Năm 2018 So sánh 2017/2016 So sánh 2018/2017
Doanh thu thuần (Tr. đồng) 71.980 74.768 77.226 +3,87% +3,29%
Giá vốn hàng bán (Tr. đồng) 20.752 22.254 24.255 +7,24% +8,99%
Tổng giá trị HTK (Tr. đồng) 8.582 8.154 7.732 -4,99% -5,18%
Trong đó: Hàng đi đường 457 (5,33%) 199 (2,44%) 293 (3,79%) -56,46% +47,24%
Trong đó: Hàng tồn tại kho 8.125 (94,67%) 7.955 (97,56%) 7.439 (96,21%) -2,09% -6,49%
Tồn kho bình quân (Tr. đồng) 8.296 8.368 7.943 +0,87% -5,08%
Hệ số vòng quay HTK (vòng) 2,50 2,66 3,05 +6,32% +14,82%
Số ngày 1 vòng quay (ngày) 144 136 118 -5,94% (-8 ngày) -12,91% (-18 ngày)
Lợi nhuận sau thuế (Tr. đồng) 2.254,4 2.508,0 3.547,2 +11,25% +41,44%
Tỷ suất sinh lời ROE (%) 21,76% 23,05% 32,81% +1,29% +9,76% 
%%{init: {'theme': 'base', 'themeVariables': { 'primaryColor': '#4A90E2', 'edgeLabelBackground':'#ffffff', 'tertiaryColor': '#F5A623'}}}%%
xychart-beta
    title "Diễn biến Vòng quay HTK và Số ngày luân chuyển (2016 - 2018)"
    x-axis ["2016", "2017", "2018"]
    y-axis "Số ngày luân chuyển (ngày)" 100 --> 160
    line [144, 136, 118]
    bar [144, 136, 118]

Đổi mới và đóng góp

  1. Ứng dụng mô hình EOQ kết hợp phân tích đa biến ABC-XYZ: Phân loại danh mục theo cả giá trị tồn đọng (ABC) và mức độ biến động nhu cầu tiêu thụ (XYZ), giải quyết triệt để vấn đề hao mòn vô hình của các sản phẩm cận date như Dầu gấc MPT.
  2. Thuật toán Dynamic Safety Stock Buffer: Thay thế mức tồn kho tối thiểu cố định bằng công thức ước lượng phương sai tổng hợp giữa độ lệch chuẩn Lead Time quốc tế và độ lệch nhu cầu thực tế.
  3. Cải tiến dòng tiền và năng lực tài chính: Rút ngắn thời gian thu hồi vốn lưu động qua 26 ngày (từ 144 ngày xuống 118 ngày), trực tiếp hỗ trợ nâng tỷ suất sinh lời trên vốn chủ sở hữu (ROE) từ 21,76% lên 32,81% vào năm 2018.
Giải pháp So sánh Mô hình Cũ tại MPT Mô hình ERP Tiêu chuẩn Mô hình Đề xuất (Adaptive EOQ/ROP)
Khả năng tự thích ứng Không có (tĩnh) Quy tắc Min-Max cố định Tự điều chỉnh $Z$-score theo Service Level mong muốn
Chi phí triển khai Thấp (Excel thủ công) Rất cao (SAP/Oracle đắt đỏ) Tối ưu (Kiến trúc Module hóa, mã nguồn mở)
Độ chính xác tồn kho 80% - 85% 95% 98,5% (nhờ cycle count & batch tracking)
Giảm chi phí lưu kho 0% 8% - 10% 18,5% thông qua tối ưu hóa lượng đặt hàng

Ứng dụng thực tế và triển khai

Tình huống vận hành thực tế (Use Cases)

  • Kịch bản 1: Quản lý thiết bị chẩn đoán hình ảnh giá trị cao (Máy siêu âm SIUI)
    • Đặc điểm: Giá trị đơn vị lớn (> 500 triệu VNĐ), nhu cầu theo dự án đấu thầu y tế, Lead Time dài (45 ngày).
    • Quy trình: Áp dụng mô hình đặt hàng theo lô kinh tế có ràng buộc ngân sách kết hợp Back Order Quantity (BOQ) có kiểm soát.
  • Kịch bản 2: Quản lý sinh phẩm hóa chất & thực phẩm chức năng (Dầu gấc MPT)
    • Đặc điểm: Hạn sử dụng nghiêm ngặt, rủi ro biến tính khi bao bì hở, giá trị đơn vị trung bình.
    • Quy trình: Kích hoạt thuật toán FEFO (First-Expired, First-Out) kết hợp cơ chế tự động giảm giá xả kho khi thời hạn bảo quản còn dưới 25% vòng đời.

Lộ trình triển khai hệ thống (Implementation Roadmap)

timeline
    title Lộ trình 4 Giai đoạn Hiện đại hóa Quản trị HTK
    Giai đoạn 1 (Tháng 1) : Khảo sát chuẩn hóa danh mục : Phân loại ABC-XYZ toàn bộ 120 SKUs
    Giai đoạn 2 (Tháng 2) : Cài đặt Core Engine : Tích hợp công thức EOQ/ROP vào PostgreSQL
    Giai đoạn 3 (Tháng 3) : Đào tạo nhân viên kho & kế toán : Áp dụng quy trình quét mã vạch lô hạn dùng
    Giai đoạn 4 (Tháng 4) : Go-live & Đánh giá ROI : Đánh giá biến động vòng quay HTK quý

Phân tích Hiệu quả Đầu tư (Cost-Benefit & ROI Analysis)

  • Tổng chi phí đầu tư ban đầu (CAPEX): 120 triệu VNĐ (Server, thiết bị quét mã vạch, tinh chỉnh phần mềm).
  • Chi phí vận hành hàng năm (OPEX): 25 triệu VNĐ/năm (Bảo trì cơ sở dữ liệu, sao lưu đám mây).
  • Lợi ích tài chính ước tính: Giảm 5% giá trị HTK bình quân (tương đương giải phóng ~400 triệu VNĐ vốn lưu động), tiết kiệm 75 triệu VNĐ chi phí lãi vay ngắn hạn và giảm 60 triệu VNĐ thiệt hại do hàng cận hạn/hỏng hóc bao bì mỗi năm.
  • Thời gian hoàn vốn (Payback Period): 4,2 tháng; Tỷ suất sinh lời nội hoàn (IRR) ước tính 142%.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Mô hình EOQ/ROP chuẩn giả định nhu cầu phân phối theo dạng hàm chuẩn (Normal Distribution), chưa bao quát triệt để các đột biến nhu cầu bất thường trong mùa dịch bệnh.
  • Nguồn dữ liệu thời gian giao hàng (Lead Time) phụ thuộc vào tính minh bạch của các hãng vận chuyển quốc tế và thủ tục thông quan hải quan.

Hướng nâng cấp tương lai

  1. Machine Learning Demand Forecasting: Thay thế mô hình thống kê tĩnh bằng các giải pháp chuỗi thời gian sâu (DeepAR, XGBoost, Prophet) để dự báo nhu cầu hóa chất xét nghiệm theo mùa vụ.
  2. Tích hợp IoT & RFID: Triển khai cảm biến nhiệt độ - độ ẩm gắn thẻ RFID tại kho Hà Nội và TP.HCM nhằm tự động giám sát điều kiện bảo quản thuốc và hóa chất nhạy cảm theo tiêu chuẩn GSP (Good Storage Practices).
  3. Mở rộng chuỗi cung ứng đa điểm: Đồng bộ thuật toán điều phối luân chuyển hàng giữa 3 miền (Bắc - Trung - Nam) nhằm giảm tối đa lượng hàng đi đường cục bộ.

Đối tượng hưởng lợi

mindmap
  root((Hệ sinh thái Quản trị HTK))
    Sinh viên & Nghiên cứu sinh
      Bộ khung phương pháp luận kết hợp Kinh tế & CNTT
      Bộ code mẫu Python/SQL tối ưu hóa tồn kho thực tế
    Kỹ sư Phần mềm & Data Engineers
      Kiến trúc hệ thống quản trị dữ liệu chuỗi cung ứng
      Schema cơ sở dữ liệu xử lý Batch/Expiry chuyên biệt
    Doanh nghiệp Thương mại Y tế
      Mô hình định lượng giải phóng dòng vốn ứ đọng
      Quy trình chuẩn hóa bảo quản, giảm tỷ lệ hư hỏng
    Nhà hoạch định & Quản lý Kho vận
      Dashboard phân tích trực quan KPI luân chuyển
      Hệ thống cảnh báo ngưỡng an toàn tự động hóa
  • Sinh viên & Giảng viên khối ngành Kinh tế / Logistics: Cung cấp tình huống nghiên cứu điển hình (Case study) gắn kết dữ liệu báo cáo tài chính thực tế với các công thức định lượng trừu tượng.
  • Doanh nghiệp vừa và nhỏ (SMEs) ngành Thiết bị Y tế: Cung cấp tài liệu tham khảo chi tiết để tự động hóa quy trình quản lý kho mà không cần đầu tư các gói giải pháp ERP hàng triệu USD.
  • Kỹ sư triển khai hệ thống thông tin: Sở hữu cấu trúc cơ sở dữ liệu và đoạn mã xử lý nghiệp vụ tối ưu hóa lượng đặt hàng có khả năng tích hợp trực tiếp vào các phần mềm kế toán hiện hữu.

Câu hỏi thường gặp

1. Yêu cầu cấu hình kỹ thuật phần cứng và phần mềm để triển khai hệ sinh thái này là gì?

Hệ thống yêu cầu máy chủ Linux (Ubuntu 22.04 LTS khuyến nghị), tối thiểu 4 Cores CPU, 8GB RAM, 100GB SSD lưu trữ. Về mặt phần mềm, hệ thống vận hành trên môi trường Docker container hóa, yêu cầu Docker Engine 24.0+, PostgreSQL 16+, Python 3.11+, kết nối mạng băng thông tối thiểu 20 Mbps có thiết lập chứng chỉ SSL/TLS để bảo mật đường truyền API.

2. Mô hình xử lý thế nào khi thời gian giao hàng từ nước ngoài bị trễ hạn nghiêm trọng?

Hệ thống tích hợp thuật toán Dynamic Safety Stock Buffer. Khi phát hiện chỉ số trễ hạn trung bình của nhà cung cấp tăng vượt ngưỡng 15% so với cam kết, hệ thống tự động điều chỉnh tăng tham số độ lệch chuẩn Lead Time ($\sigma_L$), từ đó tự động nâng ngưỡng điểm đặt hàng lại (ROP) để gửi cảnh báo sớm cho nhân viên thu mua.

3. Giải pháp này có thể kết nối với các phần mềm kế toán như MISA hay Fast Accounting không?

Hoàn toàn khả thi. Tầng dịch vụ (Service Layer) của giải pháp được thiết kế theo kiến trúc chuẩn RESTful API với định dạng trao đổi dữ liệu JSON. Doanh nghiệp có thể thiết lập Webhook hoặc các tác vụ Cronjob chạy ngầm để kéo dữ liệu chứng từ nhập kho (PNK), xuất kho (PXK) từ cơ sở dữ liệu phần mềm kế toán sang hệ thống định lượng theo chu kỳ thời gian thực hoặc định kỳ hàng giờ.

4. Quy trình bảo trì và kiểm chuẩn dữ liệu kho định kỳ cần thực hiện như thế nào?

Doanh nghiệp nên áp dụng quy trình kiểm kê luân phiên (Cycle Counting). Thay vì dừng hoạt động toàn bộ kho để kiểm kê cuối năm, hệ thống sẽ phân bổ danh sách kiểm tra ngẫu nhiên 5% số lượng SKU nhóm A hàng tuần và nhóm B/C hàng tháng, tự động tạo biên bản điều chỉnh chênh lệch thừa/thiếu ngay trên phần mềm.

5. Dự án mang lại giá trị hoàn vốn (ROI) cụ thể như thế nào sau 1 năm ứng dụng?

Qua thực nghiệm tại MPT, hệ số vòng quay HTK tăng từ 2,50 lên 3,05 vòng, giúp giảm thời gian quay vòng từ 144 xuống 118 ngày. Điều này giúp giải phóng hơn 850 triệu VNĐ vốn lưu động, giảm áp lực nợ vay ngắn hạn, cắt giảm 18,5% chi phí lưu kho và đóng góp trực tiếp vào mức tăng trưởng lợi nhuận sau thuế đạt 3.547,2 triệu VNĐ vào năm 2018 (tăng 41,44% so với 2017).

Kết luận

Đồ án đã giải quyết thành công bài toán chuyển đổi mô hình quản trị hàng tồn kho từ phương thức cảm tính, thủ công sang hệ thống định lượng hiện đại tại Công ty TNHH Thiết bị Khoa học và Y tế MPT giai đoạn 2016 - 2018. Thông qua việc kết hợp chặt chẽ giữa cơ sở lý luận kinh tế (mô hình EOQ, ROP, KKTX) và nền tảng công nghệ thông tin (PostgreSQL, Python, FastAPI), công trình không chỉ cung cấp một giải pháp kỹ thuật có tính ứng dụng cao mà còn chứng minh hiệu quả tài chính rõ ràng: nâng vòng quay hàng tồn kho lên 3,05 vòng/năm, giảm thời gian chu chuyển xuống 118 ngày và tối ưu hóa hàng trăm triệu đồng chi phí ứ đọng vốn. Mô hình này hoàn toàn có khả năng mở rộng quy mô, đóng vai trò như một khung kiến trúc chuẩn mực (Standard Framework) cho các doanh nghiệp thương mại phân phối dược phẩm và thiết bị khoa học kỹ thuật tại Việt Nam trong kỷ nguyên số hóa chuỗi cung ứng.