Tổng quan về luận án

Trong bối cảnh cuộc Cách mạng Công nghiệp 4.0 và làn sóng chuyển đổi số (Digital Transformation) diễn ra mạnh mẽ, việc tối ưu hóa và tái thiết kế quy trình nghiệp vụ (Business Process Redesign - BPR) đóng vai trò sống còn đối với năng lực cạnh tranh của tổ chức. Tuy nhiên, phần lớn các phương pháp BPR truyền thống hiện nay vẫn phụ thuộc nặng nề vào kiến thức chuyên gia và các thao tác thủ công mang tính kinh nghiệm. Luận án tiến sĩ chuyên ngành Khoa học máy tính (Mã số: 62.01) của nghiên cứu sinh Trương Thị Thái Minh tại Trường Đại học Bách Khoa – Đại học Quốc gia TP. Hồ Chí Minh, dưới sự hướng dẫn khoa học của TS. Lê Lam Sơn và TS. Nguyễn Tuấn Anh, đã giải quyết căn bản điểm nghẽn này bằng công trình: "Một khung thức tái thiết kế quy trình nghiệp vụ của doanh nghiệp dựa trên khai phá dữ liệu và mô hình hóa hướng mục tiêu".

Nghiên cứu xác định rõ khoảng trống học thuật then chốt: sự thiếu vắng nền tảng giải thuật chặt chẽ nhằm tự động hóa quá trình tái thiết kế quy trình nghiệp vụ dựa trên dữ liệu vận hành và mục tiêu chiến lược. Mặc dù các công cụ hỗ trợ mô hình hóa hoặc đánh giá quy trình đã tương đối phổ biến, các giải pháp có khả năng thực sự ghi nhận tri thức và tự động đưa ra các phương án tái cấu trúc quy trình vẫn còn rất hạn chế. Để giải quyết khoảng trống này, luận án tập trung vào hai câu hỏi nghiên cứu trung tâm:

  • [RQ1]: Tri thức từ khai phá dữ liệu có thể được vận dụng vào quá trình tái thiết kế quy trình nghiệp vụ của doanh nghiệp như thế nào?
  • [RQ2]: Mục tiêu chiến lược của doanh nghiệp định hướng việc tái thiết kế quy trình nghiệp vụ như thế nào?

Khung lý thuyết của luận án được xây dựng dựa trên sự giao thoa liên ngành giữa Mô hình trí thông minh quản trị (Business Intelligence Model - BIM), Mô hình hóa quy trình nghiệp vụ lấy đối tượng làm trung tâm (Artifact-Centric Business Process - ACP), Lý thuyết Bản thể học doanh nghiệp (Enterprise Ontology) và Khai phá dữ liệu dựa trên luật (Rule-Based Classification).

Đóng góp đột phá của luận án là việc xây dựng thành công hai giải thuật tái thiết kế tự động ở thời điểm thiết kế (design-time): giải thuật loại bỏ tác vụ dư thừa và giải thuật tái sắp xếp vị trí các tác vụ chưa hiệu quả. Luận án trích dẫn trực tiếp định hướng cốt lõi: "Các giải thuật tái thiết kế được đề xuất trong luận án nhằm chỉ ra những thay đổi ở thời điểm thiết kế cần được thực hiện đối với các quy trình nghiệp vụ của doanh nghiệp, chủ yếu bằng cách loại bỏ các tác vụ dư thừa và sắp xếp lại các tác vụ được thực thi một cách chưa hiệu quả." Đồng thời, tác giả thiết lập hệ thống 6 độ đo toàn diện gồm: thời gian, chi phí, chất lượng, tính linh động, tính minh bạch và khả năng xử lý ngoại lệ. Toàn bộ khung thức đã được kiểm chứng thực nghiệm tại Công ty AD – một doanh nghiệp bán lẻ vé máy bay nội địa quy mô lớn tại thị trường Việt Nam.

Literature Review và Positioning

Tổng quan y văn quốc tế cho thấy các phương pháp tái thiết kế quy trình nghiệp vụ được phân chia theo các cặp đặc tính: phân tích – sáng tạo, hướng nội – hướng ngoại, thay đổi dần dần – biến đổi triệt để (Dumas et al., 2013; Vanwersch et al., 2016). Trường phái Tái kiến trúc quy trình nghiệp vụ (Business Process Re-engineering - BPR) do Michael Hammer (1990) khởi xướng đại diện cho hướng tiếp cận phân tích, biến đổi triệt để và hướng nội. Hammer chứng minh rằng việc cải tổ quy trình mua hàng tại tập đoàn Ford đã giúp cắt giảm số lượng nhân viên xử lý chứng từ từ 500 người xuống còn 120 người (giảm gần 76%), vượt qua sự tự động hóa thuần túy để tái cấu trúc toàn diện mối quan hệ giữa dữ liệu và con người. Ngược lại, trường phái Tái thiết kế quy trình dựa theo kinh nghiệm (Heuristic Process Redesign) của Reijers và Mansar (2005) hay Dumas et al. (2018) lại tập trung vào các quy tắc cải tiến gia tăng (transactional) trên các khía cạnh vận hành cục bộ.

Trong nhánh nghiên cứu về Trí thông minh quản trị hướng mục tiêu (Goal-Based Business Intelligence), Horkoff và Yu (2016) cùng Mylopoulos et al. (2013) đã phát triển ngôn ngữ BIM trên nền tảng khung tác tử $i^*$ nhằm lượng hóa tác động của các mục tiêu chiến lược. Bên cạnh đó, các nghiên cứu tích hợp Khai phá dữ liệu vào quy trình của Wegener và Rüping (2010) dựa trên chuẩn CRISP-DM, Rupnik và Jaklič (2012), hay Mitschang et al. (2017) tối ưu hóa quy trình cho vay tín dụng ô tô đã bước đầu chứng minh tiềm năng của việc đưa phân tích dữ liệu vào vận hành.

Tuy nhiên, cuộc tranh luận học thuật nảy sinh giữa hai quan điểm: tiếp cận tập trung vào quy trình (Process-Centric) truyền thống thông qua BPMN với luồng điều khiển tĩnh, và tiếp cận tập trung vào đối tượng/dữ liệu (Artifact-Centric Process - ACP) do Trung tâm Nghiên cứu IBM Watson tiên phong (Nigam & Caswell, 2003; Hull, 2008). Trong khi các kỹ thuật Khai phá quy trình (Process Mining) từ nhật ký sự kiện (Event Logs) của van der Aalst (2016) thường gặp sai lệch khi xử lý đồng thời hoặc phát sinh các vòng lặp ảo không có thực, thì mô hình ACP mô tả tác vụ thông qua điều kiện tiền đề (Pre-condition) và điều kiện kết quả (Post-condition) tạo ra nền tảng hình thức logic toán học vững chắc.

Khảo sát hệ thống của Al-Anqoudi et al. (2020) trên hơn 200 công trình nghiên cứu giai đoạn 2015–2020 đối với các khung thức BPR lớn trên thế giới (như Mendling framework, Motwani framework, Al-Mashari & Zairi framework, TOGAF) đã đi đến kết luận: "Vấn đề tự động hóa trong tái thiết kế quy trình nghiệp vụ dựa trên việc ứng dụng các kỹ thuật học máy là chưa đáng kể, mặc dù vẫn có một vài nỗ lực khiêm tốn nhằm cố gắng tự động hóa quá trình tái thiết kế quy trình." Luận án đã định vị chính xác vị thế học thuật của mình tại giao điểm này: tiên phong giải quyết bài toán tự động hóa giải thuật BPR thông qua tích hợp đồng bộ dữ liệu giao dịch thực tế, mô hình thực thể ACP và mục tiêu chiến lược BIM.

Nghiên cứu cũng đặt trong tương quan so sánh với các trường hợp quốc tế điển hình: bài toán chuyển đổi số chuỗi cung ứng của Coca-Cola giúp loại bỏ thất thoát 25 triệu tài liệu giấy mỗi năm nhờ tập trung hóa dữ liệu truy xuất (Vial, 2019), và bước chuyển đổi mô hình kinh doanh phần mềm đóng gói sang nền tảng đám mây SaaS của Adobe năm 2008 giúp tăng giá trị cổ phiếu gấp 3 lần sau 5 năm.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng Lý thuyết Bản thể học doanh nghiệp (Enterprise Ontology) của Jan Dietz thông qua việc thiết lập cầu nối giải thuật hình thức giữa ba thành tố cốt lõi: tầng tài liệu/dữ liệu (D-organization), tầng tri thức/luật phân lớp (I-organization) và tầng nghiệp vụ vận hành (B-organization). Bằng cách chứng minh rằng kho dữ liệu và các luật phân lớp IF-THEN có thể trực tiếp làm thay đổi cấu trúc của các tác vụ trong quy trình ACP, nghiên cứu đã đưa ra một cơ chế suy luận toán học cụ thể để tự động tái cơ cấu tổ chức (Strategically Driven Enterprise Realignment).

Đồng thời, nghiên cứu mở rộng Khung kỹ nghệ yêu cầu hướng mục tiêu (Goal-Oriented Requirements Engineering - GORE) và mô hình BIM. Thay vì chỉ dừng lại ở việc đánh giá định tính tác động tích cực (+) hay tiêu cực (-) giữa các mục tiêu như các nghiên cứu trước đây (Horkoff & Yu, 2016; Giorgini et al., 2005), luận án đã liên kết trực tiếp các mục tiêu chiến lược cấp cao (Strategic Goals) được phân rã bằng liên kết logic AND/OR xuống tận các điều kiện tiền đề và điều kiện kết quả của từng tác vụ trong quy trình vận hành.

Khung phân tích độc đáo

Khung thức đề xuất tích hợp ba trụ cột lý thuyết: Mô hình hóa mục tiêu chiến lược BIM, Khai phá dữ liệu phân lớp dựa trên luật (Rule-Based Classification) và Quy trình nghiệp vụ tập trung vào đối tượng (ACP) dựa trên Luận lý bậc cao (Higher-Order Logic - HOL).

Kiến trúc khung thức gồm ba phân vùng chức năng tương tác chặt chẽ:

  1. Phân vùng xây dựng và đánh giá mô hình phân lớp & luật nghiệp vụ (Build & Evaluate Data Mining Models): Chuyển hóa mục tiêu chiến lược thành các bài toán phân lớp dữ liệu, xử lý tập dữ liệu lớn (Big Data) để trích xuất cây quyết định và tập luật phân lớp IF-THEN rõ ràng.
  2. Phân vùng các giải thuật tái thiết kế quy trình nghiệp vụ (Re-design a Business Process): Thực thi chuỗi thuật toán tự động. Giải thuật 1 tiến hành loại bỏ các tác vụ dư thừa (Redundant Tasks). Đầu ra của Giải thuật 1 cùng các luật phân lớp chưa kích hoạt tiếp tục là đầu vào cho Giải thuật 2 để tái sắp xếp các tác vụ chưa tối ưu (Inefficiently-Located Tasks).
  3. Phân vùng mô hình hóa hình thức quy trình nghiệp vụ (Formally Represent a Business Process): Thực hiện cơ chế chuyển đổi hai chiều bán tự động giữa mô hình trực quan BPMN mở rộng (Extended BPMN kết hợp Class Diagram, State Diagram) và lược đồ hình thức ACP.

Điều kiện biên (Boundary conditions) của khung phân tích được xác định rõ: áp dụng cho các quy trình dựa trên tri thức tường minh (Explicit Knowledge), dữ liệu giao dịch có thể cấu trúc hóa dạng bảng, và các ràng buộc nghiệp vụ biểu diễn được dưới dạng vị từ logic bậc cao.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ nghiêm ngặt phương pháp luận Khoa học thiết kế (Design Science Research - DSR) trong Hệ thống thông tin theo khung 7 nguyên tắc của Hevner et al. (2004) và chu trình nghiên cứu của Peffers et al. (2007). Lập trường nhận thức luận (Epistemological Stance) của nghiên cứu là Thuyết thực tiễn kết hợp Hiện thực phê phán (Pragmatism / Critical Realism), tập trung tạo ra các tạo tác công nghệ (Artifacts) giải quyết hiệu quả vấn đề thực tiễn của doanh nghiệp. Thiết kế nghiên cứu là sự kết hợp đa phương pháp (Mixed Methods) gồm: xây dựng giải thuật toán học hình thức, thực nghiệm khai phá dữ liệu quy mô lớn và kiểm chứng trường hợp điển hình (In-depth Case Study).

Quy trình nghiên cứu rigorous

Nghiên cứu thiết lập quy trình thu thập và tiền xử lý dữ liệu nghiêm ngặt, bao gồm: làm sạch dữ liệu trùng lắp, chuẩn hóa định dạng, xử lý giá trị khuyết thiếu, trích xuất thuộc tính dẫn xuất và gán nhãn phân lớp. Quá trình tam giác hóa (Triangulation) được thực hiện đa chiều:

  • Tam giác hóa dữ liệu: Kết hợp kho dữ liệu giao dịch lịch sử, hệ thống giá vé theo thời gian thực và nhật ký tương tác khách hàng.
  • Tam giác hóa phương pháp: Kết hợp phân tích chiến lược BIM, khai phá dữ liệu học máy và giải thuật logic mệnh đề ACP.
  • Tam giác hóa chuyên gia: Thu thập phản hồi chuyên sâu qua các cuộc phỏng vấn trực tiếp ban lãnh đạo doanh nghiệp, chuyên gia khoa học dữ liệu và chuyên gia quản lý quy trình.

Tính giá trị nội tại (Internal Validity) và độ tin cậy được bảo đảm thông qua việc chứng minh tính đúng đắn của giải thuật logic và việc trích xuất luật phân lớp từ cây quyết định với độ chính xác cao.

Data và phân tích

Nghiên cứu triển khai trên tập dữ liệu giao dịch thực tế của Công ty AD trong lĩnh vực phân phối vé máy bay nội địa. Dữ liệu được cấu trúc thành ba tập mô hình phân lớp chính:

  • $CModel_{sd}$: Mô hình phân lớp các yếu tố ảnh hưởng đến sự lựa chọn chuyến bay của khách hàng (thời gian bay, hãng hàng không, mức giá, điều kiện hoàn đổi).
  • $CModel_{fare}$: Mô hình phân lớp biến động giá vé máy bay theo thời gian thực (điển hình như chặng Buôn Mê Thuột – Tân Sơn Nhất với các quy luật biến thiên giá chi tiết được lưu trong Phụ lục A).
  • $CModel_{rd}$: Mô hình phân lớp dự đoán quyết định và hành vi đổi vé máy bay của khách hàng.

Hệ thống đánh giá hiệu năng quy trình được lượng hóa qua 6 chiều kích:

  • Thời gian chu kỳ (Cycle Time): Đo lường thời gian thực thi trung bình của toàn bộ quy trình và từng tác vụ thành phần.
  • Chi phí (Cost): Đánh giá chi phí nhân sự, chi phí vận hành và chi phí chuyển đổi hệ thống (Switching Costs).
  • Chất lượng (Quality): Tỷ lệ giao dịch thành công và mức độ hài lòng của khách hàng.
  • Độ linh động (Flexibility): Khả năng thích ứng của quy trình khi phát sinh biến động về chính sách của hãng hàng không.
  • Độ minh bạch (Transparency): Chỉ số mới do tác giả đề xuất, đo lường mức độ rõ ràng về mặt thông tin đối với các bên tham gia (Customer, Customer Support, Finance).
  • Khả năng xử lý ngoại lệ (Exception Handling): Chỉ số mới do tác giả đề xuất, đánh giá năng lực tự động điều hướng khi phát sinh sự cố giao dịch (thanh toán lỗi, hủy chuyến, đổi chặng).

Phát hiện đột phá và implications

Những phát hiện then chốt

Quá trình áp dụng khung thức vào quy trình Bán vé máy bay và Đổi vé máy bay tại Công ty AD đã mang lại những phát hiện đột phá:

Thứ nhất, việc thực thi Giải thuật 1 giúp phát hiện và loại bỏ triệt để các tác vụ kiểm tra dư thừa vốn tồn tại do thói quen vận hành thủ công. Các điều kiện tiền đề bị trùng lặp giữa các bộ phận (như Chăm sóc khách hàng và Tài chính) được tự động tinh giản thông qua đối sánh logic ACP.

Thứ hai, việc thực thi Giải thuật 2 cho phép tích hợp các luật phân lớp ($CModel_{sd}$, $CModel_{fare}$) vào các tác vụ tư vấn và giữ chỗ, giúp tái cấu trúc trình tự thực hiện. Các tác vụ dự đoán biến động giá vé và gợi ý chuyến bay tối ưu được đưa lên thực hiện sớm hơn trong quy trình, loại bỏ các bước chờ phản hồi thủ công không hiệu quả.

Thứ ba, kết quả đánh giá thực nghiệm cho thấy thời gian chu kỳ (Cycle Time) của quy trình bán vé và đổi vé giảm rõ rệt. Cụ thể, thời gian chu kỳ tính riêng cho các tác vụ thuộc nội bộ Công ty AD đã tiết kiệm được đáng kể tài nguyên lao động, đồng thời cắt giảm chi phí vận hành trực tiếp trên mỗi giao dịch thành công.

Thứ tư, hai chỉ số mới được đề xuất ghi nhận sự cải thiện vượt trội. Tác giả khẳng định: "Tác giả còn phân tích hiệu năng của các quy trình ứng viên trước và sau khi được tái thiết kế dựa trên tập hợp các độ đo theo thời gian, chi phí, chất lượng, tính linh động, tính minh bạch và khả năng xử lý ngoại lệ của quy trình." Độ minh bạch (Transparency) của quy trình bán vé tăng mạnh ở cả ba khung nhìn: khách hàng, nhân viên hỗ trợ và kế toán. Khả năng xử lý ngoại lệ (Exception Handling) đạt mức tối ưu nhờ các luật phân lớp dự báo trước nguy cơ thay đổi lịch bay của hãng hàng không.

Implications đa chiều

  • Về mặt lý thuyết: Nghiên cứu đã xóa nhòa ranh giới giữa Quản trị chiến lược (BIM), Khoa học dữ liệu (Data Mining) và Kỹ thuật quy trình nghiệp vụ (ACP), hình thành một mô hình thống nhất cho bài toán tự động hóa BPR.
  • Về mặt phương pháp luận: Cung cấp công cụ chuyển đổi mô hình hình thức (BPMN mở rộng sang ACP và ngược lại) có khả năng tái sử dụng cao trong các nghiên cứu hệ thống thông tin phức tạp.
  • Về mặt thực tiễn: Cung cấp cho các doanh nghiệp bán lẻ và dịch vụ số một lộ trình chuyển đổi số tinh gọn (Lean Digital Transformation), cho phép doanh nghiệp tự động tái cấu trúc quy trình nội bộ dựa trên kho dữ liệu sẵn có mà không làm gián đoạn hệ thống.

Limitations và Future Research

Nghiên cứu thẳng thắn thừa nhận các giới hạn học thuật:

  1. Luận án tập trung vào việc áp dụng các mô hình khai phá dữ liệu sẵn có (cụ thể là Rule-based Classification) mà chưa đi sâu vào việc đánh giá hay tối ưu hóa chất lượng thuật toán học máy nội tại.
  2. Giải thuật tái thiết kế giả định môi trường thông tin minh bạch hoàn toàn, chưa xử lý trọn vẹn các yếu tố tri thức ngầm (Tacit Knowledge) hoặc thuộc tính ẩn của con người.
  3. Phạm vi biến đổi mới chỉ tập trung vào các tác vụ (Tasks), chưa mở rộng sang việc tự động tái cấu trúc các cổng kiểm soát luồng phức tạp (Complex Gateways) và các sự kiện ngoại vi (Boundary Events).
  4. Nghiên cứu dừng lại ở giai đoạn đề xuất, xây dựng và đánh giá thực nghiệm mô hình, chưa theo dõi đánh giá dọc dài hạn (Longitudinal Study) sau khi triển khai toàn diện trên hạ tầng công nghệ thông tin thực tế.

Chương trình nghiên cứu tương lai đề xuất 4 hướng phát triển:

  • Tích hợp các kỹ thuật Học sâu (Deep Learning) và Khai phá quy trình nâng cao (Advanced Process Mining) để khai thác dữ liệu phi cấu trúc (văn bản, nhật ký thoại).
  • Mở rộng giải thuật tự động tái thiết kế cho các cấu trúc cổng rẽ nhánh phức tạp và quy trình đa luồng tương tác đồng thời.
  • Phát triển khung thức tự thích ứng theo thời gian thực (Self-Adaptive Business Processes) dựa trên kiến trúc Multi-Agent.
  • Kiểm chứng khả năng tổng quát hóa của khung thức trên các lĩnh vực phức tạp khác như logistics, ngân hàng số và chuỗi cung ứng y tế.

Tác động và ảnh hưởng

Công trình đã tạo ra tiếng vang học thuật thông qua 8 công bố quốc tế, bao gồm 2 bài báo tạp chí (trong đó có 1 bài báo thuộc tạp chí ISI/SSCI nhóm Q2 – Information Systems and e-Business Management - ISeB) và 6 bài báo hội nghị quốc tế uy tín (như EDOC xếp hạng A2, BPMDS xếp hạng B3 theo chuẩn QUALIS), cùng với 4 đề tài NCKH các cấp. Điều này chứng minh tiềm năng trích dẫn học thuật rất lớn trong cộng đồng khoa học máy tính và quản lý hệ thống thông tin.

Về mặt công nghiệp và xã hội, nghiên cứu góp phần thúc đẩy quá trình chuyển đổi số thực chất cho các doanh nghiệp thương mại điện tử và dịch vụ tại Việt Nam, giảm thiểu lãng phí chi phí vận hành, nâng cao năng suất lao động và mang lại trải nghiệm tối ưu, minh bạch cho người tiêu dùng.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Nhà nghiên cứu trẻ: Tiếp cận một mô hình mẫu mực về phương pháp luận Khoa học thiết kế (DSR) kết hợp chặt chẽ giữa hình thức hóa toán học và thực nghiệm công nghiệp.
  • Giảng viên & Học giả cao cấp: Khai thác nền tảng lý thuyết liên ngành giữa Enterprise Ontology, Goal Modeling và Data Mining để phát triển các hướng nghiên cứu chuyên sâu về kiến trúc doanh nghiệp thích ứng.
  • Giám đốc Công nghệ (CTO) & Kiến trúc sư Doanh nghiệp: Ứng dụng trực tiếp các giải thuật và quy trình chuyển đổi BPMN-ACP vào việc tái cấu trúc hệ thống ERP/BPM của tổ chức.
  • Nhà hoạch định chiến lược & Quản lý cấp cao: Sở hữu bộ công cụ 6 độ đo định lượng để đánh giá chính xác hiệu quả kinh tế trước khi phê duyệt các dự án tái thiết kế quy trình quy mô lớn.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì? Đó là việc mở rộng Lý thuyết Bản thể học doanh nghiệp (Jan Dietz) và Mô hình BIM (Horkoff & Mylopoulos) bằng cách lượng hóa và tự động hóa mối liên kết giữa tầng dữ liệu D-organization và tầng quy trình B-organization thông qua luận lý vị từ bậc cao trong mô hình ACP.

2. Đổi mới phương pháp luận nổi bật khi so sánh với các nghiên cứu trước đây? So với nghiên cứu của Dumas et al. (2013) (thiên về kinh nghiệm thủ công) hay Wegener & Rüping (2010) (mới dừng ở mức tích hợp dữ liệu vào BPMN tĩnh), luận án đã thiết lập nền tảng giải thuật hoàn chỉnh gồm Giải thuật 1 (loại bỏ dư thừa) và Giải thuật 2 (tái sắp xếp vị trí tác vụ) cho phép tự động hóa quá trình tái cấu trúc ở thời điểm thiết kế.

3. Phát hiện bất ngờ nhất từ dữ liệu thực nghiệm là gì? Việc ứng dụng mô hình cây quyết định dự báo giá vé ($CModel_{fare}$) kết hợp với phân lớp hành vi khách hàng ($CModel_{sd}$) cho phép đảo ngược thứ tự các tác vụ tư vấn lên trước tác vụ tìm kiếm hệ thống, giúp giảm đáng kể thời gian chu kỳ nội bộ mà không làm phát sinh chi phí chuyển đổi.

4. Luận án có cung cấp đầy đủ giao thức tái lập nghiên cứu (Replication Protocol) không? Có. Toàn bộ logic giải thuật, cấu trúc mô tả trạng thái thực thể của các đối tượng CustomerSupport, Flight, Booking và tập luật phân lớp chi tiết từ cây quyết định được công bố đầy đủ trong nội dung luận án và Phụ lục A.

5. Lộ trình nghiên cứu 10 năm tới được phác thảo như thế nào? Tập trung phát triển hệ thống tự động hóa BPR hoàn toàn khép kín: từ tự động phát hiện quy trình bằng Process Mining, tự động trích xuất luật bằng AI, đến tự động tái cấu trúc và thích ứng quy trình theo thời gian thực (Real-time Adaptive BPM).

Kết luận

  1. Đề xuất thành công khung thức tái thiết kế quy trình nghiệp vụ bán tự động đầu tiên tích hợp đồng bộ giữa Mô hình hóa hướng mục tiêu (BIM) và Khai phá dữ liệu (Rule-Based Classification).
  2. Xây dựng và chứng minh tính đúng đắn của 2 giải thuật tái thiết kế tự động ở thời điểm thiết kế: loại bỏ tác vụ dư thừa và tái sắp xếp vị trí tác vụ kém hiệu quả.
  3. Đề xuất cơ chế chuyển đổi hai chiều chuẩn xác giữa mô hình quy trình trực quan BPMN mở rộng và mô hình hình thức hướng đối tượng ACP.
  4. Xây dựng hệ thống 6 độ đo hiệu năng toàn diện, bổ sung 2 độ đo mới có giá trị thực tiễn cao: Độ minh bạch (Transparency) và Khả năng xử lý ngoại lệ (Exception Handling).
  5. Kiểm chứng thực nghiệm thành công tại Công ty AD trong lĩnh vực bán vé máy bay, chứng minh năng lực cắt giảm thời gian chu kỳ và chi phí vận hành.
  6. Đánh dấu bước chuyển dịch quan trọng từ phương pháp BPR thủ công, kinh nghiệm sang kỷ nguyên BPR giải thuật hóa dựa trên dữ liệu, mở ra các hướng phát triển mạnh mẽ cho khoa học quản lý quy trình trong tương lai.