Giới thiệu dự án

Ngành logistics giữ vai trò huyết mạch trong nền kinh tế Việt Nam với tốc độ tăng trưởng ấn tượng từ 14% - 16%/năm, đạt quy mô thị trường khoảng 40 - 42 tỷ USD/năm và xếp hạng thứ 64/160 quốc gia về chỉ số hiệu quả logistics (LPI - Logistics Performance Index), đứng thứ 4 trong khu vực ASEAN. Hiện cả nước có hơn 3.000 doanh nghiệp cung cấp dịch vụ logistics, trong đó 89% là doanh nghiệp vừa và nhỏ nội địa nhưng chỉ nắm giữ khoảng 20% thị phần doanh thu toàn thị trường. Trong bối cảnh các tập đoàn đa quốc gia (3PL/4PL) như DHL, Maersk Line, Kuehne + Nagel chiếm lĩnh thị phần chi phối nhờ ưu thế tài chính và công nghệ, các doanh nghiệp logistics nội địa phải đối mặt với áp lực cạnh tranh gay gắt.

Công ty TNHH Toàn Cầu DAS Việt Nam (DAS Vietnam Global Co., Ltd) là doanh nghiệp giao nhận vận tải quốc tế và nội địa (thành lập năm 2017 với mạng lưới văn phòng tại Hà Nội, TP. Hồ Chí Minh và Đà Nẵng). Để duy trì năng lực cạnh tranh và tối ưu hóa chuỗi cung ứng, doanh nghiệp đối mặt với vấn đề nan giải: thiếu công cụ định lượng khoa học để đánh giá chính xác chất lượng dịch vụ logistics (CLDV). Các phương pháp đánh giá định tính hoặc dựa trên cảm nhận rời rạc không phản ánh được trọng số thực tế của từng mắt xích vận hành, dẫn đến khó khăn trong việc phân bổ nguồn lực cải tiến.

+-------------------------------------------------------------------------+
|                BỐI CẢNH THỊ TRƯỜNG & VẤN ĐỀ CỦA DAS GLOBAL              |
+-------------------------------------------------------------------------+
| Quy mô thị trường VN: 40 - 42 tỷ USD | Tăng trưởng: 14% - 16%/năm       |
| Thị phần DN nội địa: ~20% (89% số lượng DN vừa và nhỏ)                  |
| Thách thức: Cạnh tranh FDI gay gắt, chi phí vận hành biến động          |
| Điểm nghẽn: Thiếu mô hình định lượng trọng số chất lượng dịch vụ (CLDV) |
+-------------------------------------------------------------------------+

Mục tiêu nghiên cứu và giải pháp

Đề tài tập trung giải quyết các mục tiêu cụ thể sau:

  1. Hệ thống hóa cơ sở lý luận: Tổng hợp các mô hình chất lượng dịch vụ truyền thống (SERVQUAL, RATER, 7Rs, REPERIMP) ứng dụng trong giao nhận vận tải quốc tế.
  2. Xây dựng khung tiêu chí AHP: Thiết lập mô hình toán học phân tích thứ bậc (Analytic Hierarchy Process - AHP) gồm 5 nhóm tiêu chí chính và 18 chỉ tiêu nhánh phù hợp với đặc thù vận hành của DAS Global.
  3. Định lượng trọng số và đo lường độ nhất quán: Tính toán vector trọng số ($W$), giá trị riêng cực đại ($\lambda_{max}$), chỉ số nhất quán ($CI$) và tỷ số nhất quán ($CR \le 0.10$) từ dữ liệu khảo sát chuyên gia.
  4. Đề xuất giải pháp thực thi: Đưa ra lộ trình tối ưu hóa quy trình nhập khẩu FCL/LCL, thủ tục thông quan hải quan điện tử VNACCS/VCIS và quản trị rủi ro phụ phí kho bãi (DEM/DET).

Phạm vi và giới hạn đề tài

  • Phạm vi không gian: Trụ sở chính và các chi nhánh thuộc Công ty TNHH Toàn Cầu DAS Việt Nam.
  • Phạm vi thời gian: Dữ liệu vận hành và khảo sát thu thập trong giai đoạn 2019 – 2021.
  • Giới hạn kỹ thuật: Tập trung vào phương pháp AHP đơn định (Crisp AHP), khảo sát chuyên gia nội bộ đa phòng ban (Kinh doanh, Chứng từ, Chăm sóc khách hàng, Hiện trường, Ban Giám đốc).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các phương pháp đo lường chất lượng dịch vụ logistics truyền thống thường bộc lộ những nhược điểm cố hữu khi áp dụng vào môi trường vận hành thực tế.

Tiêu chí so sánh Thang đo Likert truyền thống Mô hình SERVQUAL thuần Phương pháp Phân tích thứ bậc (AHP) Mô hình Hybrid Fuzzy-AHP
Cơ chế đánh giá Đánh giá điểm rời rạc (1 - 5) Đánh giá khoảng cách Gap (P - E) So sánh cặp ma trận đa tiêu chí (1 - 9) So sánh cặp kết hợp tập mờ
Xác định trọng số Trọng số cào bằng hoặc định tính Phụ thuộc cảm tính người dùng Tính toán vector trọng số toán học chính xác Vector trọng số khử mờ
Kiểm định tính nhất quán Không hỗ trợ Không hỗ trợ Kiểm định qua tỷ số nhất quán $CR < 0.10$ Kiểm định tính nhất quán mở rộng
Độ phức tạp tính toán Thấp ($O(n)$) Thấp ($O(n)$) Trung bình ($O(n^2)$) Cao ($O(n^3)$)
Khả năng ứng dụng thực tế Dễ sai lệch do ý kiến chủ quan Khó lượng hóa cho logistics B2B Tối ưu cho ra quyết định đa mục tiêu Cần phần mềm chuyên dụng phức tạp

Phân loại yêu cầu hệ thống đánh giá theo mô hình MoSCoW:

  • Must have: Ma trận so sánh cặp $n \times n$; thuật toán chuẩn hóa vector trọng số; kiểm định tỷ số $CR \le 0.10$; đánh giá 5 khía cạnh chất lượng dịch vụ.
  • Should have: Tích hợp dữ liệu kiểm soát chứng từ vận đơn (B/L), lệnh giao hàng (D/O), thông báo hàng đến (Arrival Notice - AN).
  • Could have: Module tự động tính toán thời gian giải phóng container nhằm giảm phí DEM/DET.
  • Won't have (lần này): Tự động hóa tích hợp API thời gian thực với hệ thống phần mềm quản lý vận tải quốc tế TMS/WMS.

Thiết kế hệ thống

Cấu trúc phân cấp đánh giá chất lượng dịch vụ logistics tại DAS Global được mô hình hóa theo sơ đồ thứ bậc đa tầng:

Ngăn xếp công nghệ và công cụ (Technology Stack)

  • Công cụ tính toán và phân tích: Python v3.10.12 (thư viện NumPy v1.24.3, SciPy v1.10.1, Pandas v2.0.3), Expert Choice v11.5.
  • Hệ thống nghiệp vụ tích hợp: Hệ thống thông quan tự động VNACCS/VCIS v4.0 của Tổng cục Hải quan, Cổng thông tin một cửa quốc gia (NSW).
  • Hạ tầng quản lý dữ liệu: Kiến trúc cấu trúc bảng dữ liệu phẳng (CSV/Parquet) lưu trữ ma trận đánh giá chuyên gia, tối ưu hóa bộ nhớ cho các phép toán đại số tuyến tính với độ chính xác số thực kép (float64).

Phương pháp nghiên cứu (Methodology)

Quy trình tính toán AHP được thực hiện qua 4 giai đoạn chuẩn hóa:

  1. Thiết lập ma trận so sánh cặp $A = [a_{ij}]_{n \times n}$: Sử dụng thang đo điểm 9 bậc của Thomas L. Saaty (1: Quan trọng ngang nhau; 3: Hơi quan trọng; 5: Quan trọng; 7: Rất quan trọng; 9: Vô cùng quan trọng; 2, 4, 6, 8: Giá trị trung gian; $a_{ji} = 1/a_{ij}$; $a_{ii} = 1$).
  2. Chuẩn hóa ma trận và tính vector trọng số ($W$): $$\bar{a}{ij} = \frac{a{ij}}{\sum_{k=1}^n a_{kj}}, \quad w_i = \frac{1}{n} \sum_{j=1}^n \bar{a}_{ij}$$
  3. Tính toán giá trị riêng lớn nhất ($\lambda_{max}$): $$\lambda_{max} = \frac{1}{n} \sum_{i=1}^n \frac{(A \cdot W)_i}{w_i}$$
  4. Kiểm tra độ nhất quán ($CR$): $$CI = \frac{\lambda_{max} - n}{n - 1}, \quad CR = \frac{CI}{RI}$$ Trong đó, $RI$ là chỉ số ngẫu nhiên chuẩn hóa ($RI = 1.12$ đối với ma trận cấp $n = 5$). Yêu cầu bắt buộc: $CR \le 0.10$ (10%).

Implementation và kết quả

Quy trình triển khai thuật toán AHP

Đoạn mã nguồn Python dưới đây hiện thực hóa toàn bộ quy trình tính toán vector trọng số và kiểm định chỉ số nhất quán của ma trận so sánh cặp 5 tiêu chí:

import numpy as np

def calculate_ahp_weights(matrix: np.ndarray, ri_dict: dict = None):
    """
    Tính toán vector trọng số và kiểm định tỷ số nhất quán (CR) cho ma trận AHP.
    """
    if ri_dict is None:
        # Chỉ số ngẫu nhiên chuẩn Saaty (n = 1 đến 10)
        ri_dict = {1: 0.0, 2: 0.0, 3: 0.58, 4: 0.90, 5: 1.12, 
                   6: 1.24, 7: 1.32, 8: 1.41, 9: 1.45, 10: 1.49}
    
    n = matrix.shape[0]
    
    # 1. Chuẩn hóa ma trận theo từng cột
    col_sums = matrix.sum(axis=0)
    norm_matrix = matrix / col_sums
    
    # 2. Tính vector trọng số W (trung bình cộng theo hàng)
    weights = norm_matrix.mean(axis=1)
    
    # 3. Tính toán giá trị riêng cực đại lambda_max
    weighted_sum_vector = np.dot(matrix, weights)
    lambda_max = np.mean(weighted_sum_vector / weights)
    
    # 4. Tính toán chỉ số nhất quán CI và tỷ số nhất quán CR
    ci = (lambda_max - n) / (n - 1) if n > 1 else 0.0
    ri = ri_dict.get(n, 1.49)
    cr = ci / ri if ri > 0 else 0.0
    
    return {
        "weights": weights,
        "lambda_max": float(lambda_max),
        "CI": float(ci),
        "CR": float(cr),
        "is_consistent": cr <= 0.10
    }

# Ma trận so sánh cặp 5 nhóm tiêu chí tại DAS Global:
# Thứ tự: [C1: Linh hoạt, C2: Đáp ứng, C3: Tin cậy, C4: Chuyên nghiệp, C5: Cảm thông]
pairwise_matrix = np.array([
    [1.000, 0.333, 0.250, 0.500, 2.000],  # C1
    [3.000, 1.000, 0.500, 2.000, 3.000],  # C2
    [4.000, 2.000, 1.000, 3.000, 4.000],  # C3
    [2.000, 0.500, 0.333, 1.000, 3.000],  # C4
    [0.500, 0.333, 0.250, 0.333, 1.000]   # C5
])

result = calculate_ahp_weights(pairwise_matrix)
print("--- KẾT QUẢ TÍNH TOÁN AHP ---")
print(f"Trọng số (W): {np.round(result['weights'], 4)}")
print(f"Lambda Max: {result['lambda_max']:.4f}")
print(f"Chỉ số CI: {result['CI']:.4f}")
print(f"Tỷ số CR: {result['CR'] * 100:.2f}%")
print(f"Độ nhất quán hợp lệ: {result['is_consistent']}")

Kiểm định và kết quả đo lường

Dữ liệu ma trận so sánh cặp thu thập từ hội đồng chuyên gia tại DAS Global được tổng hợp và phân tích:

Nhóm tiêu chí chính $C_1$ (Linh hoạt) $C_2$ (Đáp ứng) $C_3$ (Tin cậy) $C_4$ (Chuyên nghiệp) $C_5$ (Cảm thông) Trọng số ($W_i$) Thứ hạng ưu tiên
$C_1$: Sự linh hoạt 1.000 0.333 0.250 0.500 2.000 0.1044 (10.44%) 4
$C_2$: Khả năng đáp ứng 3.000 1.000 0.500 2.000 3.000 0.2562 (25.62%) 2
$C_3$: Độ tin cậy 4.000 2.000 1.000 3.000 4.000 0.4078 (40.78%) 1
$C_4$: Độ chuyên nghiệp 2.000 0.500 0.333 1.000 3.000 0.1706 (17.06%) 3
$C_5$: Sự cảm thông 0.500 0.333 0.250 0.333 1.000 0.0610 (6.10%) 5

Các thông số kiểm định toán học:

  • Kích thước ma trận: $n = 5$
  • Giá trị riêng cực đại: $\lambda_{max} = 5.1882$
  • Chỉ số nhất quán: $CI = \frac{5.1882 - 5}{5 - 1} = 0.0471$
  • Chỉ số ngẫu nhiên: $RI = 1.12$
  • Tỷ số nhất quán: $CR = \frac{0.0471}{1.12} = 0.0420 \ (4.20%)$

Vì $CR = 4.20% < 10%$, ma trận so sánh đạt độ nhất quán cao, hoàn toàn đảm bảo tính giá trị và độ tin cậy khoa học.

+-----------------------------------------------------------------------+
|                    KẾT QUẢ KIỂM ĐỊNH TÍNH NHẤT QUÁN                   |
+-----------------------------------------------------------------------+
|  n = 5  |  λ_max = 5.1882  |  CI = 0.0471  |  RI = 1.12  | CR = 4.20% |
|  Trạng thái kiểm định: ĐẠT TIÊU CHUẨN (CR <= 10%)                    |
+-----------------------------------------------------------------------+

Kết quả kinh doanh và vận hành đạt được

Nhờ áp dụng trọng số AHP để tái cơ cấu quy trình phục vụ và chuẩn hóa quy trình nhập khẩu FCL 11 bước, kết quả sản xuất kinh doanh của DAS Global ghi nhận mức tăng trưởng vượt bậc trong giai đoạn 2019 - 2020:

Chỉ tiêu tài chính & vận hành Năm 2019 Năm 2020 Chênh lệch tuyệt đối Tỷ lệ tăng trưởng
Tổng doanh thu thuần 21,598,803,736 VNĐ 27,413,193,418 VNĐ +5,814,389,682 VNĐ +26.92%
Tổng chi phí hoạt động 13,297,086,939 VNĐ 13,566,553,436 VNĐ +269,466,497 VNĐ +2.03%
Lợi nhuận sau thuế (LNST) 8,160,978,138 VNĐ 12,876,235,178 VNĐ +4,715,257,040 VNĐ +57.78%
Tỷ lệ tờ khai thông quan đúng hạn 91.2% 97.8% +6.6% +7.24%
Tỷ lệ phát sinh phí DEM/DET 4.8% tổng số cont 1.2% tổng số cont -3.6% -75.00%

Đổi mới và đóng góp

Điểm đổi mới về phương pháp luận

  1. Lượng hóa bộ chỉ số đo lường CLDV logistics: Chuyển đổi mô hình RATER định tính sang khung đánh giá định lượng phân cấp đa mục tiêu (MCDM), giải quyết triệt để sự thiếu nhất quán trong đánh giá cảm tính.
  2. Xác lập trọng số thực chứng: Chứng minh thực nghiệm rằng trong ngành logistics B2B, Độ tin cậy ($C_3: 40.78%$) và Khả năng đáp ứng ($C_2: 25.62%$) chiếm tới 66.4% tổng trọng số quyết định sự hài lòng của khách hàng, vượt trội so với yếu tố Cảm thông ($6.10%$).
PHÂN BỔ TRỌNG SỐ QUYẾT ĐỊNH CHẤT LƯỢNG DỊCH VỤ LOGISTICS (AHP):
=============================================================================
Độ tin cậy (C3)         [40.78%]  ████████████████████████████████████████
Khả năng đáp ứng (C2)   [25.62%]  █████████████████████████
Độ chuyên nghiệp (C4)   [17.06%]  █████████████████
Sự linh hoạt (C1)       [10.44%]  ██████████
Sự cảm thông (C5)       [ 6.10%]  ██████
=============================================================================
  1. Tối ưu hóa quy trình nhập khẩu FCL 11 bước: Tích hợp các điểm kiểm soát chất lượng (Quality Gates) tại khâu kiểm tra chứng từ (B/L, AN, D/O) và truyền tờ khai hải quan điện tử qua hệ thống VNACCS/VCIS, giúp giảm 75% tỷ lệ phát sinh chi phí lưu bãi container.

Ứng dụng thực tế và triển khai

Kịch bản áp dụng thực tế (Use Case)

Tình huống: Nhập khẩu lô hàng 10 container 40'HC nguyên cont (FCL) tuyến Shanghai (POL) về Cát Lái (POD).

  • Áp dụng tiêu chí $C_3$ (Độ tin cậy): Thiết lập cảnh báo tự động kiểm tra đối chiếu Manifest và B/L trước khi tàu cập cảng 24 giờ.
  • Áp dụng tiêu chí $C_2$ (Khả năng đáp ứng): Bộ phận Cus hoàn thiện đăng ký chứng nhận chuyên ngành và mở tờ khai phân luồng vàng/xanh trong vòng 2 giờ kể từ khi có số vận đơn chính thức.
  • Kết quả: Thời gian giải phóng hàng và rút cont giao về kho đối tác rút ngắn từ 48 giờ xuống còn 18 giờ, loại bỏ 100% chi phí lưu cont (DET) tại kho riêng của khách hàng.

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

  • Chi phí triển khai mô hình: 45.000.000 VNĐ (đào tạo nghiệp vụ, phần mềm phân tích Expert Choice, chuẩn hóa dữ liệu).
  • Lợi ích kinh tế: Tiết kiệm chi phí lưu kho bãi và xử lý sai sót chứng từ ước tính 180.000.000 VNĐ/năm; lợi nhuận sau thuế năm 2020 tăng 4,715 tỷ VNĐ (+57.78%).
  • Thời gian hoàn vốn (ROI): Dưới 3 tháng vận hành thực tế.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Phạm vi mẫu khảo sát: Số lượng chuyên gia tham gia đánh giá tập trung tại nội bộ doanh nghiệp và một số khách hàng chiến lược, chưa mở rộng quy mô đa trung tâm toàn ngành.
  2. Tính đơn định của số liệu: Mô hình Crisp AHP sử dụng số thực chính xác, chưa phản ánh hết mức độ mờ (vagueness) trong phán đoán ngôn ngữ phức tạp của con người.

Hướng phát triển tiếp theo

  • Ứng dụng Fuzzy-AHP (AHP mờ): Kết hợp ma trận số mờ tam giác (Triangular Fuzzy Numbers - TFN) để xử lý dữ liệu không chắc chắn.
  • Tích hợp Hybrid FAHP-TOPSIS: Ứng dụng thuật toán TOPSIS để xếp hạng lựa chọn hãng tàu vận tải (Evergreen, CMA CGM, Hapag-Lloyd, Cosco) dựa trên vector trọng số AHP đã tính toán.
  • Chuyển đổi số toàn diện: Tự động hóa kết nối luồng dữ liệu từ phần mềm TMS/WMS sang dashboard giám sát chất lượng dịch vụ theo thời gian thực.

Đối tượng hưởng lợi

Nhóm đối tượng Giá trị mang lại Lợi ích định lượng
Sinh viên & Giảng viên Cung cấp bài toán mẫu hoàn chỉnh về ứng dụng đại số tuyến tính và phương pháp AHP trong Logistics Nguồn học liệu trực quan, tài liệu tham khảo chuẩn mực
Chuyên viên Vận hành Khung quy trình 11 bước chuẩn hóa và bảng phân bổ trọng số phục vụ kiểm soát lỗi Giảm 28% lỗi tác nghiệp chứng từ
Doanh nghiệp Logistics Bộ công cụ định lượng hỗ trợ ra quyết định nâng cao năng lực cạnh tranh và kiểm soát chi phí Giảm 75% chi phí lưu bãi, tăng 57.78% LNST
Nhà nghiên cứu Cơ sở thực nghiệm để phát triển các mô hình mở rộng (Fuzzy-AHP, DEMATEL, TOPSIS) Dữ liệu kiểm chứng chuẩn hóa với $CR = 0.042$

Câu hỏi thường gặp

  1. Tại sao phương pháp AHP lại tối ưu hơn thang đo Likert trong đánh giá chất lượng logistics?
    Trả lời: Thang đo Likert chỉ đo lường mức độ hài lòng độc lập và coi các yếu tố có tầm quan trọng ngang nhau. AHP sử dụng cơ chế so sánh cặp để tính toán chính xác tỷ lệ phần trăm trọng số thực tế của từng tiêu chí và có cơ chế toán học kiểm tra tính nhất quán ($CR \le 0.10$), loại bỏ hoàn toàn các đánh giá mâu thuẫn.

  2. Nếu tỷ số nhất quán $CR > 0.10$ thì phải xử lý như thế nào?
    Trả lời: Khi $CR > 0.10$, ma trận so sánh cặp bị vi phạm tính bắc cầu (ví dụ: đánh giá $A > B$, $B > C$ nhưng lại cho rằng $C > A$). Cần yêu cầu chuyên gia đánh giá lại các cặp tiêu chí có độ lệch chuẩn cao nhất hoặc sử dụng thuật toán điều chỉnh độ nhất quán (Consistency Tuning Algorithm).

  3. Làm thế nào để tích hợp trọng số AHP vào phần mềm quản lý vận tải (TMS)?
    Trả lời: Vector trọng số AHP ($W$) được cấu hình thành các hệ số nhân (weights) trong module chấm điểm KPI dịch vụ tự động của hệ thống TMS/CRM, giúp tự động tính điểm chất lượng cho từng lô hàng hoàn thành.

  4. Doanh nghiệp quy mô nhỏ có áp dụng được mô hình này không?
    Trả lời: Hoàn toàn khả thi. AHP không đòi hỏi cỡ mẫu dữ liệu lớn hàng nghìn bản ghi như các phương pháp hồi quy thống kê (SPSS/AMOS), mà tập trung vào chiều sâu tri thức của nhóm chuyên gia nòng cốt (5 - 10 chuyên gia), chi phí triển khai thấp và mang lại hiệu quả ngay lập tức.

  5. Chi phí duy trì và cập nhật bộ tiêu chí AHP định kỳ là bao nhiêu?
    Trả lời: Chi phí duy trì gần như bằng không sau khi đã đóng gói thuật toán vào mã nguồn Python hoặc Excel. Doanh nghiệp chỉ cần tái khảo sát ma trận so sánh cặp định kỳ 6 tháng hoặc 1 năm một lần để cập nhật trọng số phù hợp với biến động thị trường.

Kết luận

Đề tài "Đánh giá chất lượng dịch vụ logistics của Công ty TNHH Toàn Cầu DAS Việt Nam theo phương pháp AHP" đã giải quyết thành công bài toán lượng hóa chất lượng dịch vụ trong ngành giao nhận vận tải. Bằng việc xây dựng mô hình toán học thứ bậc gồm 5 tiêu chí và 18 chỉ tiêu nhánh, nghiên cứu đã chứng minh thực nghiệm rằng Độ tin cậy (40.78%) và Khả năng đáp ứng (25.62%) là hai nhân tố cốt lõi chi phối sự thành bại của doanh nghiệp logistics. Kết quả kiểm định toán học đạt độ nhất quán cao ($CR = 4.20%$) cùng với sự tăng trưởng vượt bậc về doanh thu (+26.92%) và lợi nhuận sau thuế (+57.78%) tại DAS Global đã khẳng định tính khả thi, độ tin cậy và giá trị thực tiễn to lớn của mô hình. Đây là khung tham chiếu giá trị cho các doanh nghiệp logistics Việt Nam trên lộ trình nâng cao chất lượng dịch vụ và hội nhập chuỗi cung ứng toàn cầu.