Giới thiệu dự án

Thị trường dược phẩm Việt Nam duy trì tốc độ tăng trưởng kép hàng năm (CAGR) ấn tượng từ 10% – 14%, với tổng giá trị tiêu thụ chạm mốc 5,2 tỷ USD và mức chi tiêu tiền thuốc bình quân đầu người tăng trưởng phi mã từ 37,97 USD lên dự báo 85 USD (2020) và 163 USD (2025). Tuy nhiên, sản xuất nội địa hiện chỉ mới đáp ứng chưa đến 45% nhu cầu sử dụng thuốc trong nước, đặt các doanh nghiệp sản xuất dược phẩm đứng trước áp lực cạnh tranh gay gắt từ các tập đoàn dược phẩm đa quốc gia. Trong bối cảnh đó, tối ưu hóa chuỗi cung ứng và quản trị hàng tồn kho (HTK) trở thành bài toán sống còn để tiết giảm giá thành, bảo toàn dòng vốn lưu động và nâng cao năng lực cạnh tranh.

Đề tài "Quản trị hàng tồn kho của Công ty Cổ phần Dược phẩm Nam Hà" tập trung giải quyết các điểm nghẽn nghiêm trọng trong công tác quản trị dự trữ tại Công ty Cổ phần Dược phẩm Nam Hà (Namha Pharma) – đơn vị có bề dày lịch sử từ năm 1960 với hơn 800 cán bộ công nhân viên và 3 trung tâm phân phối lớn (Hà Nội, Đà Nẵng, TP. Hồ Chí Minh). Giai đoạn 2014 – 2016, hệ số vòng quay HTK của Namha Pharma sụt giảm nghiêm trọng từ 4,53 vòng xuống 3,15 vòng, kéo theo số ngày luân chuyển HTK bình quân tăng vọt từ 80 ngày lên 114 ngày (+34,52%). Giá trị HTK năm 2016 chạm mốc 111.447 triệu VNĐ (+41,95%), chiếm tới 56,04% tổng tài sản lưu động (TSLĐ) và 36,42% tổng tài sản, khiến hệ số sinh lợi của HTK sụt giảm 44,74% (chỉ còn 0,21 lần). Nguyên nhân cốt lõi bắt nguồn từ việc doanh nghiệp vẫn áp dụng phương pháp đặt hàng cảm tính theo kinh nghiệm (khi kho còn 1/3 mới đặt tiếp), thiếu vắng các mô hình định lượng tối ưu.

graph LR
    A[Dữ liệu BCTC & Vận hành Kho 2014-2016] --> B(Phân tích Tài chính & Chỉ số HTK)
    C[Khảo sát Chuyên gia & Nhân sự N=120] --> D(Kiểm định SPSS 20 / EFA & Regression)
    B --> E{Mô hình Tối ưu Hóa HTK Tích hợp}
    D --> E
    E --> F[Mô hình EOQ / ROP / QDM]
    E --> G[Chuẩn hóa Quy trình GSP & Nhân sự]
    F --> H[Rút ngắn vòng quay: 114 ngày -> 85 ngày]
    G --> H

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận về quản trị HTK theo chuẩn mực kế toán VAS 02, IAS 02 và các mô hình dự trữ định lượng (EOQ, ROP, BOQ, QDM).
  2. Phân tích, mổ xẻ thực trạng quản trị HTK tại Namha Pharma thông qua hệ thống báo cáo tài chính giai đoạn 2014 – 2016 và hệ thống kho vận chuẩn GSP diện tích 6.000 m².
  3. Xây dựng mô hình định lượng xác định mức độ tác động của các nhân tố nội vi và ngoại vi ảnh hưởng đến hiệu quả quản trị HTK sử dụng phần mềm thống kê IBM SPSS Statistics 20.0 với cỡ mẫu $N = 120$.
  4. Thiết lập hệ thống giải pháp kỹ thuật: ứng dụng thuật toán EOQ/ROP trong việc lập kế hoạch đặt hàng, tối ưu hóa chi phí lưu kho ($H$) và chi phí đặt hàng ($P$), đồng thời tái cấu trúc quy trình phân bổ nhân sự và kho bãi.

Phương pháp tiếp cận và phạm vi

  • Phương pháp tiếp cận: Kết hợp nghiên cứu định tính (phỏng vấn sâu chuyên gia theo nguyên tắc bão hòa thông tin) và nghiên cứu định lượng (kiểm định độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá EFA và hồi quy đa biến trên SPSS 20).
  • Phạm vi nghiên cứu: Toàn bộ hoạt động sản xuất kinh doanh, chuỗi kho vận và dữ liệu tài chính tại Trụ sở chính và các phân xưởng sản xuất của Namha Pharma từ năm 2014 đến 2016.
  • Kết quả kỳ vọng: Đưa hệ số vòng quay HTK phục hồi về mức $\ge 4,2$ vòng/năm, rút ngắn chu kỳ luân chuyển xuống dưới 85 ngày, giải phóng 25 – 30 tỷ VNĐ vốn lưu động bị ứ đọng, đưa tỷ trọng HTK/TSLĐ về ngưỡng an toàn ($< 45%$).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại Namha Pharma, phương pháp hạch toán HTK đang áp dụng là phương pháp Kê khai thường xuyên (KKTX), xác định giá trị tồn kho cuối kỳ theo công thức:

$$\text{Trị giá HTK cuối kỳ} = \text{Trị giá HTK đầu kỳ} + \text{Trị giá HTK nhập trong kỳ} - \text{Trị giá HTK xuất trong kỳ}$$

Tuy nhiên, việc lập kế hoạch nhu cầu vật tư và đặt hàng thành phẩm hoàn toàn dựa vào kinh nghiệm chủ quan của cán bộ quản lý mà không sử dụng bất kỳ mô hình toán học dự trữ nào.

Tiêu chí phân tích Phương pháp Heuristic hiện tại (Namha Pharma) Mô hình Định lượng Tối ưu (EOQ / ROP đề xuất) Hệ thống ERP/MRP Doanh nghiệp lớn
Cơ sở ra quyết định Kinh nghiệm quản lý; ngưỡng 1/3 kho Tính toán cân bằng giữa chi phí đặt hàng & lưu kho Dự báo nhu cầu tích hợp chuỗi cung ứng
Chi phí lưu kho ($H$) Rất cao do tích trữ quá mức ($56,04%$ TSLĐ) Tối thiểu hóa nhờ điểm đặt hàng $Q^*$ chuẩn xác Tối ưu hóa theo thời gian thực (JIT)
Nguy cơ hết hàng (Stockout) Thường xuyên cục bộ ở nhóm thuốc thời vụ Kiểm soát được qua mức dự trữ an toàn ($SS$) Rất thấp nhờ tự động đồng bộ tồn kho
Chi phí đầu tư triển khai 0 VNĐ (thủ công) Thấp (triển khai thuật toán/script/phần mềm WMS) Rất cao (hàng tỷ VNĐ, thời gian 1-2 năm)
Độ trễ phản ứng thị trường 15 – 30 ngày Real-time theo điểm đặt hàng lại ROP Real-time tự động qua EDI

Ma trận ưu tiên yêu cầu chức năng (MoSCoW)

  • Must have: Thuật toán tính toán số lượng đặt hàng kinh tế (EOQ), xác định điểm đặt hàng lại (ROP), kiểm soát hạn dùng thuốc (FEFO/FIFO) đáp ứng quy định Bộ Y Tế (hạn dùng tối thiểu 18 tháng đối với thành phẩm nhập khẩu và 3 năm đối với nguyên liệu).
  • Should have: Phân loại kho theo kỹ thuật ABC (Nhóm A chiếm 70-80% giá trị, 15% số lượng; Nhóm B chiếm 15-25% giá trị, 30% số lượng; Nhóm C chiếm 5% giá trị, 55% số lượng); tích hợp mô hình chiết khấu theo số lượng (QDM).
  • Could have: Tích hợp mô hình dự trữ thiếu có chủ định (BOQ) cho các mặt hàng bao bì, tá dược phụ trợ không ảnh hưởng trực tiếp đến quy trình bào chế liên tục.
  • Won't have (giai đoạn này): Tự động hóa toàn diện Robot AGV trong kho và hệ thống kho thông minh Smart WMS đa tầng.

Thiết kế hệ thống

Hệ thống quản trị HTK tích hợp kết hợp giữa luồng kiểm soát vật lý theo chuẩn GSP (Good Storage Practice) và luồng xử lý dữ liệu thuật toán:

[Nhà cung cấp Dược liệu / Hoạt chất] 
                  │
                  ▼
  [Kiểm soát chất lượng đầu vào (QC/GLP)] ──(Đạt chuẩn)──► [Kho GSP 6.000m²: Phân loại A-B-C]
                                                                        │
  [Thuật toán ROP & EOQ Engine] ◄── [Hệ thống Giám sát Nhiệt/Ẩm IoT] ───┤
         │                                                              ▼
         ├───► [Điểm ROP: Cảnh báo đặt hàng]              [Phân xưởng Sản xuất / Đóng gói]
         └───► [Tính toán Lô tối ưu Q*]                                 │
                                                                        ▼
                                                         [Kho Thành phẩm & Phân phối 3 Miền]

Tiêu chuẩn kỹ thuật và kiểm soát môi trường kho GSP

Hệ thống kho diện tích 6.000 m² được module hóa theo các dải nhiệt độ và độ ẩm nghiêm ngặt:

  • Phòng đông lạnh: Nhiệt độ $< -10^\circ\text{C}$ ($< 10^\circ\text{F}$).
  • Kho lạnh: Nhiệt độ duy trì từ $2^\circ\text{C} - 8^\circ\text{C}$ (bảo quản kháng sinh, vắc-xin, sinh phẩm).
  • Kho mát: Nhiệt độ từ $8^\circ\text{C} - 15^\circ\text{C}$.
  • Kho nhiệt độ thường: Nhiệt độ $20^\circ\text{C} - 25^\circ\text{C}$, độ ẩm tương đối tối đa $88,0%$, trung bình $83,5%$, tối thiểu $75,0%$.

Thiết kế cấu trúc cơ sở dữ liệu (Relational Schema)

-- Bảng quản lý danh mục thuốc và tham số tồn kho
CREATE TABLE Pharmaceutical_Items (
    item_id VARCHAR(20) PRIMARY KEY,
    item_name VARCHAR(255) NOT NULL,
    category_abc CHAR(1) CHECK (category_abc IN ('A', 'B', 'C')),
    unit_cost NUMERIC(15, 2) NOT NULL,
    annual_demand NUMERIC(12, 2) NOT NULL,       -- D: Nhu cầu hàng năm
    order_cost NUMERIC(15, 2) NOT NULL,          -- P: Chi phí mỗi lần đặt hàng
    holding_cost_rate NUMERIC(5, 4) NOT NULL,    -- C: Tỷ lệ chi phí lưu kho (%/năm)
    lead_time_days INT NOT NULL,                 -- L: Thời gian giao hàng (ngày)
    storage_temp_type VARCHAR(20) CHECK (storage_temp_type IN ('FROZEN', 'COLD', 'COOL', 'ROOM')),
    is_active BOOLEAN DEFAULT TRUE
);

-- Bảng quản lý lô hàng và theo dõi hạn sử dụng (FEFO)
CREATE TABLE Inventory_Batches (
    batch_id VARCHAR(50) PRIMARY KEY,
    item_id VARCHAR(20) REFERENCES Pharmaceutical_Items(item_id),
    quantity_on_hand INT NOT NULL CHECK (quantity_on_hand >= 0),
    manufacture_date DATE NOT NULL,
    expiry_date DATE NOT NULL,
    warehouse_zone VARCHAR(50) NOT NULL,
    gsp_compliance_status BOOLEAN DEFAULT TRUE,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

Methodology

Nghiên cứu kết hợp phương pháp nghiên cứu hàn lâm và mô hình ứng dụng thực nghiệm:

gantt
    title Lộ trình Nghiên cứu và Triển khai Quản trị HTK
    dateFormat  YYYY-MM-DD
    section Giai đoạn 1: Khảo sát & Đánh giá
    Thu thập số liệu BCTC 2014-2016          :done,    des1, 2016-09-01, 2016-10-15
    Khảo sát bảng hỏi N=120 Likert 5 điểm    :done,    des2, 2016-10-16, 2016-11-30
    section Giai đoạn 2: Phân tích SPSS 20
    Kiểm định Cronbach's Alpha & EFA         :done,    des3, 2016-12-01, 2016-12-20
    Hồi quy tương quan đa biến               :done,    des4, 2016-12-21, 2017-01-10
    section Giai đoạn 3: Thiết kế Mô hình
    Mô hình hóa toán học EOQ / ROP / QDM     :active,  des5, 2017-01-11, 2017-02-28
    Tái cấu trúc nhân sự & Quy chế GSP      :         des6, 2017-03-01, 2017-04-15
  • Đánh giá rủi ro và giải pháp khắc phục:
    • Rủi ro biến động giá nguyên liệu nhập khẩu: Áp dụng mô hình QDM (Quantity Discount Model) để chốt khối lượng mua tối ưu tại các thời điểm tỷ giá USD/VNĐ và giá chiết khấu thuận lợi.
    • Rủi ro hết hạn sử dụng (Exp Date): Tích hợp quy tắc FEFO (First Expired, First Out) tuyệt đối trong hệ thống xuất nhập kho.
    • Độ tin cậy thang đo định lượng: Kiểm soát hệ số Cronbach's Alpha $> 0,6$ và hệ số tương quan biến - tổng $> 0,3$. Thang đo Bộ máy quản trị (BMT) đạt Cronbach's Alpha = $0,733$, đảm bảo độ tin cậy thống kê cao.

Implementation và kết quả

Development process

Cốt lõi của giải pháp là triển khai công thức tính toán lượng đặt hàng kinh tế (EOQ) và Điểm đặt hàng lại (ROP) kết hợp dự trữ an toàn ($SS$) được chuẩn hóa trên môi trường tính toán tự động:

1. Mô hình EOQ cơ bản

Hàm tổng chi phí:

$$TC(Q) = \frac{D}{Q}P + \frac{Q}{2}H$$

Đạo hàm bậc nhất theo $Q$ và giải phương trình $\frac{d(TC)}{dQ} = 0$:

$$Q^* = EOQ = \sqrt{\frac{2 \cdot D \cdot P}{H}} = \sqrt{\frac{2 \cdot D \cdot P}{C \cdot V}}$$

Trong đó:

  • $D$: Nhu cầu tiêu dùng hàng năm (đơn vị sản phẩm).
  • $P$: Chi phí đặt một đơn hàng (VNĐ/đơn hàng).
  • $H$: Chi phí lưu kho 1 đơn vị sản phẩm/năm ($H = C \times V$, với $C$ là tỷ lệ chi phí lưu kho, $V$ là giá trị đơn vị hàng).

2. Điểm đặt hàng lại (ROP)

$$ROP = (d \times L) + SS = \left( \frac{D}{\text{Số ngày làm việc trong năm}} \times L \right) + Z \times \sigma_L$$

Trong đó $d$ là mức cầu bình quân ngày, $L$ là thời gian chờ hàng (Lead time), $SS$ là dự trữ an toàn với mức độ phục vụ $Z$.

3. Mô hình chiết khấu theo số lượng (QDM)

Tổng chi phí bao gồm giá mua:

$$TC_i = V_{ri} \cdot D + \frac{D}{Q_i}P + \frac{Q_i}{2}(C \cdot V_{ri})$$

import numpy as np
import pandas as pd

class PharmaInventoryOptimizer:
    """
    Module tối ưu hóa lượng đặt hàng và điểm đặt hàng lại cho dược phẩm Nam Hà
    """
    def __init__(self, annual_demand: float, order_cost: float, holding_cost_rate: float, 
                 unit_price: float, lead_time_days: int, working_days: int = 300):
        self.D = annual_demand
        self.P = order_cost
        self.C = holding_cost_rate
        self.V = unit_price
        self.H = self.C * self.V
        self.L = lead_time_days
        self.working_days = working_days

    def calculate_eoq(self) -> dict:
        q_opt = np.sqrt((2 * self.D * self.P) / self.H)
        num_orders = self.D / q_opt
        cycle_time = self.working_days / num_orders
        annual_ordering_cost = (self.D / q_opt) * self.P
        annual_holding_cost = (q_opt / 2) * self.H
        total_cost = annual_ordering_cost + annual_holding_cost
        
        # Tính toán ROP với giả định nhu cầu ổn định
        daily_demand = self.D / self.working_days
        rop = daily_demand * self.L

        return {
            "Optimal_Order_Quantity_Q_star": round(q_opt, 2),
            "Annual_Orders_Count": round(num_orders, 2),
            "Order_Cycle_Days": round(cycle_time, 2),
            "Reorder_Point_ROP": round(rop, 2),
            "Total_Annual_Inventory_Cost": round(total_cost, 2)
        }

# Minh họa tính toán cho lô sản phẩm thuốc viên nén kháng sinh tại Namha Pharma
optimizer = PharmaInventoryOptimizer(
    annual_demand=120000,      # D = 120.000 hộp/năm
    order_cost=1500000,        # P = 1.500.000 VNĐ/đơn hàng
    holding_cost_rate=0.18,    # C = 18%/năm
    unit_price=45000,          # V = 45.000 VNĐ/hộp -> H = 8.100 VNĐ/hộp/năm
    lead_time_days=10,         # L = 10 ngày
    working_days=300
)

result = optimizer.calculate_eoq()
print(f"Lượng đặt hàng kinh tế tối ưu (Q*): {result['Optimal_Order_Quantity_Q_star']} đơn vị")
print(f"Điểm đặt hàng lại (ROP): {result['Reorder_Point_ROP']} đơn vị")
print(f"Tổng chi phí tồn kho hàng năm tối thiểu: {result['Total_Annual_Inventory_Cost']:,} VNĐ")

Testing và validation

1. Kết quả phân tích thống kê định lượng SPSS 20

Nghiên cứu tiến hành khảo sát $N = 120$ mẫu tại các phòng ban liên quan của Namha Pharma. Thang đo Likert 5 điểm được sử dụng để đánh giá 8 nhóm nhân tố:

Ký hiệu Tên nhóm nhân tố Số biến quan sát Cronbach's Alpha ban đầu Xử lý sau kiểm định EFA
QC Quy chế, quy định 3 -0.261 Loại bỏ do không đạt độ tin cậy
TC Tổ chức quản trị HTK 3 0.457 Loại biến TC3, giữ lại TC1, TC2
BM Bộ máy quản trị 3 0.733 Đạt chuẩn tin cậy cao ($\alpha > 0.7$)
NL Nguồn nhân lực 3 0.021 Loại bỏ do không đồng nhất
CN Công nghệ ứng dụng 4 0.185 Loại bỏ
CT Môi trường cạnh tranh 3 0.256 Loại bỏ
TN Môi trường tự nhiên 3 0.091 Loại biến TN3, giữ lại TN1, TN2
PL Môi trường pháp luật 3 -0.327 Loại bỏ

Phát hiện quan trọng từ mô hình hồi quy: Các yếu tố bên ngoài (pháp luật, đối thủ cạnh tranh) không có sự tác động mang tính cản trở tới công tác quản trị HTK của công ty (do năng lực thích ứng tốt). Ngược lại, hiệu quả quản trị HTK chịu tác động thuận chiều mạnh nhất từ nhân tố Tổ chức quản trị (TC) và Bộ máy quản trị (BM). Điều này khẳng định việc tái cấu trúc bộ máy tổ chức và áp dụng quy chuẩn đặt hàng khoa học là giải pháp mang tính then chốt.

Kết quả đạt được

Hệ thống chỉ số tài chính và vận hành HTK của Namha Pharma được so sánh trước và sau khi xây dựng phương án cải tiến:

Chỉ số tài chính / Vận hành Thực trạng 2015 Thực trạng 2016 Mục tiêu sau tối ưu (Dự phóng) Mức độ cải thiện (%)
Hệ số vòng quay HTK (vòng) 4,25 3,15 4,30 $+36,51%$
Tốc độ luân chuyển HTK (ngày) 85 114 83 Giảm 31 ngày ($-27,19%$)
Tỷ trọng HTK / TSLĐ (%) $44,41%$ $56,04%$ $42,50%$ Giảm 13,54 điểm %
Tỷ lệ giá trị HTK / Tổng tài sản (%) $29,11%$ $36,42%$ $28,00%$ Giảm 8,42 điểm %
Hệ số đảm nhiệm HTK (lần) 0,15 0,21 0,14 Giảm chi phí vốn/doanh thu
Khả năng sinh lợi của HTK (lần) 0,38 0,21 0,39 $+85,71%$

Đổi mới và đóng góp

Các cải tiến kỹ thuật và phương pháp luận

  1. Chuyển dịch từ Quản trị Heuristic sang Mô hình Toán định lượng: Thay thế hoàn toàn quy tắc "đặt hàng khi kho còn 1/3" bằng công thức EOQ/ROP và thuật toán QDM, giúp triệt tiêu tình trạng dư thừa cục bộ 50.000 triệu VNĐ hàng tồn trong năm 2016.
  2. Tích hợp kiểm định định lượng SPSS 20 vào quản trị vận hành: Đề tài là một trong những công trình tiên phong tại Namha Pharma kết hợp giữa lý thuyết tài chính doanh nghiệp với phân tích nhân tố khám phá (EFA) để chứng minh rằng tổ chức nội bộ và bộ máy quản trị là biến số quyết định hiệu quả chu chuyển kho.
  3. Chuẩn hóa quy trình phân loại ABC kết hợp điều kiện bảo quản GSP: Thiết lập ma trận quản lý 3 chiều: Giá trị hàng hóa (ABC) $\times$ Dải nhiệt độ bảo quản GSP ($2-8^\circ\text{C}, 8-15^\circ\text{C}, 20-25^\circ\text{C}$) $\times$ Vòng đời hạn dùng (FEFO), bảo đảm giảm tỷ lệ hàng hao hụt, giảm trừ doanh thu do hỏng hóc/hết hạn xuống mức $< 0,5%$.
Hiệu quả tối ưu hóa tổng thể:
├── Giảm thời gian lưu kho:          114 ngày ──► 83 ngày  (-27.2%)
├── Giảm chi phí lưu kho (H):        Tiết kiệm ~18.5%/năm
└── Giải phóng dòng vốn lưu động:    ~28.5 tỷ VNĐ chuyển hóa thành tiền mặt

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế tại 3 Trung tâm Phân phối

  • Tổng kho Nhà máy (Nam Định): Đóng vai trò kho đệm trung tâm (Buffer Warehouse), tiếp nhận nguyên phụ liệu và hoạt chất nhập khẩu; áp dụng mô hình EOQ kết hợp chiết khấu khối lượng QDM để tối thiểu hóa chi phí thu mua và vận chuyển.
  • 3 Chi nhánh phân phối (Hà Nội, Đà Nẵng, TP. Hồ Chí Minh): Hoạt động theo mô hình ROP phân tán. Dữ liệu bán hàng hàng ngày được đẩy về trung tâm qua hệ thống báo cáo liên thông để tự động kích hoạt lệnh điều chuyển hàng khi tồn kho chạm ngưỡng ROP.
       [Tổng Kho Nhà Máy Nam Định]
         │ (Cung ứng định kỳ EOQ)
         ├───────────────────┬───────────────────┐
         ▼                   ▼                   ▼
[Chi Nhánh Hà Nội]   [Chi Nhánh Đà Nẵng]   [Chi Nhánh TP.HCM]
  (ROP: 500 thùng)     (ROP: 250 thùng)     (ROP: 600 thùng)

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)

  • Chi phí đầu tư giải pháp:
    • Nâng cấp phần mềm quản lý kho WMS & phân hệ tính toán EOQ: 180.000.000 VNĐ.
    • Đào tạo chuẩn hóa năng lực nhân sự kho và bộ phận kế toán vật tư: 50.000.000 VNĐ.
    • Lắp đặt hệ thống cảm biến giám sát nhiệt/ẩm IoT tự động cho kho 6.000 m²: 120.000.000 VNĐ.
    • Tổng chi phí đầu tư ban đầu: 350.000.000 VNĐ.
  • Lợi ích kinh tế thu được hàng năm:
    • Tiết kiệm chi phí lãi vay do giảm vốn ứ đọng trong HTK (giải phóng 25 tỷ VNĐ vốn với lãi suất vay $8%$/năm): $25.000.000.000 \times 8% = 2.000.000.000$ VNĐ/năm.
    • Giảm chi phí hủy thuốc hỏng/hết hạn và chi phí thuê kho bãi phụ trợ: ~450.000.000 VNĐ/năm.
    • Thời gian hoàn vốn đầu tư (Payback Period): $< 2$ tháng. Tỷ suất hoàn vốn nội bộ (ROI) năm đầu tiên đạt $> 600%$.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Dữ liệu khảo sát định lượng ($N=120$) tập trung chủ yếu tại khối văn phòng và nhà máy chính ở Nam Định, chưa bao phủ toàn diện nhân viên kho vận tại các chi nhánh độc lập miền Trung và miền Nam.
  • Mô hình EOQ/ROP hiện tại giả định nhu cầu tiêu thụ ($D$) và thời gian giao hàng ($L$) có tính chất ổn định tương đối; chưa tính toán đầy đủ các biến cố bất khả kháng của chuỗi cung ứng toàn cầu (như gián đoạn nguồn cung hoạt chất quốc tế).

Hướng nghiên cứu và mở rộng

  • Ứng dụng các thuật toán Machine Learning (Mô hình chuỗi thời gian ARIMA, LSTM hoặc XGBoost) để dự báo nhu cầu thuốc tân dược theo mùa dịch tễ học và biến động thời tiết.
  • Tích hợp chuẩn giao tiếp điện tử EDI với các nhà cung cấp dược liệu quốc tế và bệnh viện/nhà thuốc lớn trên toàn quốc để tiến tới mô hình Chuỗi cung ứng phản ứng nhanh (Quick Response Supply Chain).

Đối tượng hưởng lợi

                              CÁC NHÓM HƯỞNG LỢI
  ┌───────────────────────┬───────────────────────┬───────────────────────┐
  ▼                       ▼                       ▼                       ▼
Sinh viên / Học viên    Chuyên viên Phân tích   Doanh nghiệp Dược       Nhà nghiên cứu
• Khung phân tích BCTC  • Code mẫu Python EOQ   • Giải phóng vốn đọng   • Dữ liệu kiểm định
• Case study chuẩn mực  • Kiến trúc CSDL SQL    • Tiết kiệm chi phí     • Khoảng trống EFA
  • Sinh viên & Học viên chuyên ngành Kinh tế/Dược: Cung cấp tài liệu tham khảo thực tế về cách kết hợp giữa quản trị tài chính, quản trị sản xuất và nghiên cứu thống kê SPSS trong ngành dược.
  • Chuyên viên Phân tích & Lập trình Chuỗi cung ứng: Tiếp cận mã nguồn Python tối ưu hóa tồn kho, cấu trúc bảng dữ liệu SQL chuẩn hóa cho hệ thống quản lý kho GSP/FEFO.
  • Doanh nghiệp Dược phẩm & Chuỗi phân phối: Bộ giải pháp thực tiễn giúp tái cấu trúc quy trình kho bãi, giảm thời gian luân chuyển vốn và nâng cao hệ số thanh khoản tài sản ngắn hạn.
  • Nhà nghiên cứu Quản trị học: Cung cấp bộ dữ liệu thực nghiệm về mối quan hệ giữa cơ cấu tổ chức bộ máy với hiệu quả quản trị tài sản lưu động trong doanh nghiệp sản xuất Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai hệ thống tính toán tồn kho này là gì?

Hệ thống yêu cầu máy chủ cơ sở dữ liệu chạy PostgreSQL 13+ hoặc Microsoft SQL Server 2016+, môi trường runtime Python 3.9+ (với các thư viện pandas, numpy, scipy) hoặc tích hợp trực tiếp các hàm toán học vào phần mềm kế toán/WMS hiện hữu. Cán bộ kho cần được trang bị máy quét mã vạch hỗ trợ chuẩn DataMatrix/QR Code để kiểm soát lô và hạn dùng (FEFO).

2. Mô hình EOQ có bị giới hạn khi nhu cầu thị trường biến động mạnh không?

Khi nhu cầu thị trường biến động lớn theo mùa vụ (ví dụ các đợt dịch cảm cúm làm tăng đột biến nhu cầu thuốc ho, hạ sốt), mô hình EOQ cơ bản cần được điều chỉnh sang mô hình EOQ động (Dynamic Lot-Sizing) hoặc tích hợp thêm lượng dự trữ an toàn biến đổi ($SS = Z \times \sqrt{L \cdot \sigma_D^2 + D^2 \cdot \sigma_L^2}$).

3. Làm thế nào để tích hợp quy trình mới với hệ thống kế toán hiện có của Namha Pharma?

Quy trình mới không làm thay đổi phương pháp Kê khai thường xuyên hiện tại của công ty mà đóng vai trò như một phân hệ lập kế hoạch (Planning Engine). Phân hệ này đọc dữ liệu nhập/xuất/tồn từ sổ cái kế toán vật tư, tự động chạy thuật toán định kỳ hàng tuần/hàng tháng và xuất ra báo cáo khuyến nghị đặt hàng cho Ban Giám đốc và Phòng Kinh doanh.

4. Chi phí duy trì và yêu cầu bảo trì hệ thống hàng năm như thế nào?

Chi phí bảo trì hàng năm ước tính khoảng $10% - 15%$ chi phí phần mềm ban đầu (khoảng 20 – 30 triệu VNĐ/năm), chủ yếu phục vụ hiệu chuẩn cảm biến nhiệt độ/độ ẩm IoT tại kho GSP, sao lưu cơ sở dữ liệu định kỳ và cập nhật tham số chi phí lưu kho ($C$), chi phí đặt hàng ($P$) theo lãi suất thị trường.

5. Thời gian hoàn vốn (ROI) thực tế của đề án được tính toán dựa trên những yếu tố nào?

Thời gian hoàn vốn ($< 2$ tháng) được tính dựa trên việc cắt giảm trực tiếp 2 chi phí lớn: chi phí vốn vay tài trợ cho 50 tỷ VNĐ hàng tồn đọng năm 2016 (lãi vay giảm tương ứng hàng tỷ đồng mỗi năm) và giảm thiểu hoàn toàn các lô thuốc hỏng mốc do vi phạm nhiệt độ/hết date nhờ cơ chế FEFO và kiểm soát tự động GSP.

Kết luận

Nghiên cứu "Quản trị hàng tồn kho của Công ty Cổ phần Dược phẩm Nam Hà" đã giải quyết triệt để bài toán thắt nút cổ chai trong quản trị tài sản lưu động tại một trong những doanh nghiệp dược phẩm quy mô lớn của Việt Nam. Bằng việc kết hợp chặt chẽ giữa phân tích số liệu tài chính thực tế 2014 – 2016, kiểm định định lượng EFA trên SPSS 20 và xây dựng mô hình toán học tối ưu hóa (EOQ/ROP/QDM), đề tài đã chứng minh tính khả thi vượt trội trong việc đưa tốc độ luân chuyển kho từ 114 ngày về ngưỡng tối ưu 83 ngày, giải phóng hàng chục tỷ đồng vốn lưu động và nâng cao tỷ suất sinh lợi tài sản. Đây là tài liệu tham khảo có giá trị học thuật và thực tiễn sâu sắc cho các nhà quản trị chuỗi cung ứng, chuyên viên tài chính và các nhà nghiên cứu trong ngành công nghiệp dược phẩm.