Tổng quan nghiên cứu

Tại Việt Nam, chi phí logistics quốc gia ước tính chiếm khoảng 25% tổng sản phẩm quốc nội (GDP), tương đương hơn 25 tỷ USD, trong đó chi phí vận tải chiếm tỷ trọng áp đảo từ 50% đến 60%. Đối với từng doanh nghiệp, chi phí logistics dao động từ 4% đến trên 30% doanh thu thuần, riêng chi phí logistics đầu ra chiếm từ 20% đến 40% tổng chi phí vận hành. Bối cảnh cạnh tranh khốc liệt cùng lộ trình mở cửa thị trường dịch vụ kho bãi và vận tải theo cam kết WTO đặt ra yêu cầu cấp bách phải tinh gọn dòng chảy hàng hóa.

Công ty Cổ phần Dược phẩm OPV là doanh nghiệp sản xuất dược phẩm quy mô lớn với vốn điều lệ 355,5 tỷ đồng, quản lý danh mục 693 sản phẩm đăng ký và 280 sản phẩm lưu hành thương mại. Tuy nhiên, hoạt động quản trị chuỗi cung ứng tại OPV từng đối mặt với nhiều bất cập nghiêm trọng. Công tác dự báo nhu cầu chủ yếu dựa vào kinh nghiệm cảm tính, dẫn đến sai số phần trăm tuyệt đối trung bình (MAPE) lên tới 13% và độ lệch thiên kiến (Bias) âm 30,24 đơn vị. Hơn nữa, việc phân bổ tồn kho từ kho phân phối trung tâm Biên Hòa về hai kho địa phương tại TP.HCM và Hà Nội theo tỷ lệ cố định 7:3 đã gây ra tình trạng lệch pha cung - cầu, làm gia tăng chi phí lưu trữ và đe dọa mức độ phục vụ khách hàng.

Mục tiêu cốt lõi của nghiên cứu là xây dựng mô hình dự báo nhu cầu định lượng chuẩn xác, thiết lập chính sách kiểm soát tồn kho khoa học và phát triển công cụ giải bài toán định tuyến phương tiện vận tải. Phạm vi nghiên cứu tập trung vào chuỗi logistics đầu ra cho dòng sản phẩm chủ lực New Ameflu (chiếm 52% tổng doanh thu doanh nghiệp) trong giai đoạn từ năm 2009 đến năm 2013. Kết quả nghiên cứu mang lại giá trị thực tiễn to lớn: giảm sai số dự báo xuống dưới 5%, nâng mức độ phục vụ khách hàng (CSL) lên 98% và cắt giảm từ 15% đến 20% tổng chi phí logistics vận tải.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng tích hợp của ba trụ cột lý thuyết chuyên sâu trong kỹ thuật hệ thống công nghiệp: Quản trị chuỗi cung ứng và tồn kho, Dự báo chuỗi thời gian và Tối ưu hóa vận tải đa điểm.

Lý thuyết quản trị tồn kho tập trung vào các khái niệm cốt lõi: Điểm đặt hàng lại, Mức điền đầy kho, Khoảng thời gian bảo vệ, Tồn kho an toàn và Mức độ phục vụ khách hàng. Các chi phí thành phần được phân tích bao gồm chi phí vốn lưu kho (chiếm trung bình 15%, biên độ từ 8% đến 40%), thuế kho bãi (1%), chi phí quá hạn (khoảng 1,5% đến 2%) và chi phí chứa hàng vật lý (2%), đưa tổng chi phí lưu kho thường niên lên mức 19% đến 25% giá trị hàng hóa. Nghiên cứu áp dụng quy tắc Pareto phân loại ABC, trong đó nhóm A chiếm 80% giá trị nhưng chỉ chiếm 20% chủng loại sản phẩm, đòi hỏi cơ chế giám sát liên tục nghiêm ngặt.

Hệ thống mô hình toán học được triển khai gồm hai chính sách tồn kho trọng tâm: Chính sách kiểm soát liên tục $(r_k, Q)$ và chính sách kiểm soát định kỳ $(T, S_k)$. Song song đó, lý thuyết dự báo ứng dụng phương pháp chuỗi thời gian Box-Jenkins với mô hình tự hồi quy tích hợp trung bình trượt ARIMA(p,d,q), kết hợp các mô hình tăng trưởng đường cong Gompertz và S-Curve. Cuối cùng, bài toán tối ưu hóa điều vận phương tiện với ràng buộc năng lực chuyên chở (Capacitated Vehicle Routing Problem - CVRP) được giải quyết thông qua Giải thuật tiết kiệm quãng đường của Clarke và Wright.

Phương pháp nghiên cứu

Nghiên cứu kết hợp chặt chẽ giữa phương pháp định lượng và định tính nhằm giải quyết toàn diện bài toán logistics doanh nghiệp.

Nguồn dữ liệu thứ cấp bao gồm chuỗi thời gian lịch sử doanh số bán hàng hàng tháng của các dòng sản phẩm dược phẩm, thu thập trực tiếp từ hệ thống quản trị kho và logistics của Nhà máy OPV Biên Hòa từ năm 2009 đến quý 1/2013 (doanh thu quý 1/2013 đạt mức 32,7 tỷ đồng, tăng trưởng 83% so với cùng kỳ năm trước). Cỡ mẫu nghiên cứu bao gồm 48 quan sát chu kỳ tháng liên tục và tập hợp dữ liệu tọa độ địa lý, nhu cầu thực tế của 10 đến 25 điểm nút khách hàng trọng điểm. Phương pháp chọn mẫu có chủ đích được áp dụng để tập trung vào nhóm sản phẩm hạ sốt cảm cúm New Ameflu, vốn chiếm tỷ trọng doanh thu chi phối toàn công ty.

Lý do lựa chọn chuỗi phương pháp phân tích:

  • Kiểm định tính dừng thông qua kiểm định nghiệm đơn vị Dickey-Fuller cùng đồ thị hàm tự tương quan mẫu (SACF) và tự tương quan riêng phần (SPACF) để nhận dạng chính xác bậc mô hình ARIMA.
  • Phương pháp bình phương tối thiểu (OLS) ước lượng tham số và kiểm định Durbin-Watson ($1 < d < 3$) bảo đảm tính nhiễu trắng của phần dư.
  • Kỹ thuật mô phỏng ngẫu nhiên Monte Carlo phân tích độ nhạy đa chiều giữa tồn kho an toàn và mức phục vụ khách hàng.
  • Giải thuật Clarke-Wright được chọn để lập trình phần mềm tự động hóa lộ trình phân phối nhờ khả năng tính toán nhanh ma trận tiết kiệm và dễ dàng tích hợp vào hệ thống điều hành. Toàn bộ quy trình nghiên cứu được triển khai thực hiện từ ngày 24/06/2013 đến ngày 22/11/2013.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích dữ liệu thực nghiệm tại Công ty Cổ phần Dược phẩm OPV đã mang lại bốn phát hiện mang tính bước ngoặt:

Thứ nhất, phân tích Pareto khẳng định mức độ tập trung doanh thu cao độ của công ty. Nhóm thuốc cảm cúm và kháng sinh đóng góp hơn 70% tổng doanh thu, trong đó riêng dòng sản phẩm New Ameflu chiếm tỷ trọng tới 52%. Doanh thu quý 1/2013 đạt 32,7 tỷ đồng, tăng trưởng vượt bậc 83% so với quý 1/2012, chứng minh rằng việc tập trung tái thiết kế logistics cho dòng sản phẩm nhóm A này sẽ tạo ra đòn bẩy tài chính lớn nhất cho doanh nghiệp.

Thứ hai, mô hình dự báo ARIMA chứng minh ưu thế vượt trội so với các mô hình phi tuyến khác. Cụ thể, mô hình ARIMA(1,1,1) đối với kho TP.HCM và ARIMA(0,1,1) đối với kho Hà Nội đã cắt giảm sai số MAPE từ 13,0% xuống còn lần lượt 4,18% và 5,62%. Các chỉ số sai số bình phương trung bình (MSE) và độ lệch tuyệt đối trung bình (MAD) đều giảm hơn 60% so với phương pháp dự báo trực giác cũ, đồng thời loại bỏ hoàn toàn độ lệch thiên kiến hệ thống.

Thứ ba, việc chuyển đổi cơ chế quản lý tồn kho sang mô hình định kỳ $(T, S_k)$ và liên tục $(r_k, Q)$ mang lại hiệu quả vượt bậc. Mức độ phục vụ khách hàng (CSL) được nâng từ mức dao động 85% - 88% lên mức ổn định 98% tại kho trung tâm và trên 95% tại các kho chi nhánh. Đồng thời, lượng tồn kho an toàn được tính toán tối ưu giúp giảm 18,5% lượng vốn lưu động bị ứ đọng trong hàng tồn trữ.

Thứ tư, giải thuật tiết kiệm Clarke-Wright đã tối ưu hóa triệt để bài toán điều vận. Khi áp dụng thuật toán trên mạng lưới khách hàng thực tế, tổng quãng đường vận chuyển giảm được 16,8%, loại bỏ hoàn toàn các chuyến xe trùng lặp tuyến và nâng cao hệ số sử dụng tải trọng phương tiện từ 62% lên mức 89%.

Thảo luận kết quả

Thực trạng sai số dự báo cao và chi phí logistics lớn tại OPV trước nghiên cứu xuất phát từ hai nguyên nhân chính: thiếu công cụ dự báo khoa học và áp dụng cơ chế phân bổ cơ học 7:3 mà không bám sát biến động tiêu thụ thực tế tại các vùng miền. Tình trạng này phản ánh rõ nét hiệu ứng Bullwhip (hiệu ứng chiếc roi da), khi dao động nhu cầu ở khâu phân phối bị khuếch đại lên nhiều lần khi truyền ngược về nhà máy sản xuất. Kết quả của luận văn hoàn toàn tương đồng với các kết luận của M. Dallery (2005) về lợi ích của chính sách tồn kho dựa trên dự báo và củng cố mô hình chuỗi cung ứng hai cấp của Kletter (1994).

Dữ liệu nghiên cứu được biểu diễn trực quan thông qua đồ thị chuỗi thời gian, đồ thị SAC/SPAC và bảng tính ma trận tiết kiệm. Đồ thị hàm phân tích độ nhạy Monte Carlo minh họa rõ nét sự đánh đổi giữa mức tồn kho an toàn và chỉ số CSL: khi muốn nâng CSL từ 90% lên 98%, mức tồn kho an toàn phải tăng thêm 35%, nhưng chi phí giữ hàng tăng thêm này thấp hơn nhiều so với chi phí tổn thất do mất khách hàng và đứt gãy đơn hàng. Luận văn đã chứng minh rằng việc kết hợp đồng thời mô hình dự báo chính xác với thuật toán điều vận lộ trình là giải pháp toàn diện nhất để tối thiểu hóa tổng chi phí logistics mà không làm suy giảm chất lượng dịch vụ.

Đề xuất và khuyến nghị

Nhằm hiện thực hóa các kết quả nghiên cứu vào hoạt động sản xuất kinh doanh, bốn nhóm giải pháp hành động cụ thể được đề xuất cho Công ty Cổ phần Dược phẩm OPV:

  1. Chuẩn hóa quy trình dự báo nhu cầu bằng mô hình ARIMA:

    • Hành động: Phòng Kế hoạch và Chuỗi cung ứng (SCM) cần tích hợp thuật toán ARIMA(1,1,1) vào hệ thống phần mềm quản lý, cập nhật chuỗi số liệu bán hàng theo chu kỳ tuần và tháng.
    • Chỉ số mục tiêu: Duy trì chỉ số sai số dự báo MAPE dưới 5% và độ lệch Bias trong khoảng $\pm 2%$.
    • Thời gian thực hiện: Hoàn thành triển khai và nghiệm thu trong Quý 1/2014.
    • Chủ thể thực hiện: Trưởng bộ phận SCM và Chuyên viên phân tích dự báo.

  2. Thiết lập lại định mức tồn kho và chính sách bổ sung hàng hóa đa tầng:

    • Hành động: Áp dụng chính sách kiểm soát định kỳ $(T, S_k)$ tại Kho phân phối trung tâm Biên Hòa và chính sách $(r_k, Q)$ tại các kho địa phương TP.HCM và Hà Nội, xóa bỏ hoàn toàn quy tắc phân bổ cảm tính 7:3.
    • Chỉ số mục tiêu: Nâng mức phục vụ khách hàng (CSL) lên 98%, giảm 18,5% chi phí chiếm dụng vốn tồn kho.
    • Thời gian thực hiện: Áp dụng thử nghiệm trong 3 tháng và chính thức vận hành toàn diện từ Quý 2/2014.
    • Chủ thể thực hiện: Bộ phận Quản lý Kho vận phối hợp cùng Phòng Kế toán - Tài chính.

  3. Số hóa và tự động hóa lộ trình điều vận phương tiện:

    • Hành động: Ban hành phần mềm quản lý lộ trình phân phối tích hợp giải thuật tiết kiệm Clarke-Wright, tự động lập kế hoạch tuyến đường hàng ngày dựa trên đơn đặt hàng và tải trọng xe.
    • Chỉ số mục tiêu: Giảm 16,8% tổng quãng đường xe chạy, tiết kiệm ít nhất 15% chi phí nhiên liệu và khấu hao vận tải.
    • Thời gian thực hiện: Triển khai cài đặt và đào tạo người dùng trong vòng 60 ngày.
    • Chủ thể thực hiện: Đội ngũ Điều vận Vận tải và Phòng Công nghệ Thông tin.

  4. Tái cơ cấu bộ máy và đào tạo chuyên môn logistics chuyên biệt:

    • Hành động: Thành lập Phòng Quản trị Chuỗi cung ứng độc lập, tách rời chức năng kho vận khỏi các phòng ban hành chính; tổ chức các khóa huấn luyện chuyên sâu về phân tích Pareto, quản lý tồn kho và giải thuật điều vận.
    • Chỉ số mục tiêu: 100% nhân viên vận hành nắm vững quy trình kiểm soát tồn kho và thao tác phần mềm tối ưu.
    • Thời gian thực hiện: Định kỳ 6 tháng một lần, bắt đầu từ tháng 01/2014.
    • Chủ thể thực hiện: Ban Giám đốc Điều hành và Phòng Nhân sự.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị thực tiễn và học thuật cao, là tài liệu tham khảo thiết thực cho 4 nhóm đối tượng sau:

  • Giám đốc Chuỗi cung ứng và Trưởng phòng Logistics ngành Dược phẩm: Cung cấp khung phương pháp luận hoàn chỉnh để tái cấu trúc hệ thống kho bãi, xóa bỏ phương pháp quản lý cảm tính, từ đó tối ưu hóa chi phí lưu kho và giải phóng hàng tỷ đồng vốn lưu động cho doanh nghiệp.
  • Kỹ sư Kỹ thuật Hệ thống Công nghiệp và Chuyên gia Tối ưu hóa: Cung cấp mã nguồn chương trình, thuật toán tiết kiệm Clarke-Wright và quy trình mô phỏng Monte Carlo chi tiết, ứng dụng trực tiếp để giải quyết các bài toán định tuyến phương tiện phức tạp trong thực tế sản xuất kinh doanh.
  • Học viên Cao học, Nghiên cứu sinh và Giảng viên khối ngành Kỹ thuật - Kinh tế: Đóng vai trò là một case study thực nghiệm mẫu mực về việc ứng dụng kết hợp giữa mô hình chuỗi thời gian ARIMA Box-Jenkins và lý thuyết tồn kho đa cấp hai tầng, làm giàu thêm tài liệu giảng dạy và nghiên cứu học thuật.
  • Doanh nghiệp sản xuất hàng tiêu dùng nhanh (FMCG) và Phân phối đa kênh: Học hỏi mô hình phân phối từ kho trung tâm (CDC) đến các kho địa phương (LDC), giúp nâng cao mức độ sẵn sàng của hàng hóa tại các thị trường trọng điểm mà vẫn kiểm soát chặt chẽ tổng chi phí logistics.

Câu hỏi thường gặp

Tại sao luận văn lại lựa chọn dòng sản phẩm New Ameflu làm đối tượng nghiên cứu trọng điểm?

Theo kết quả phân tích Pareto trên tổng số 280 sản phẩm lưu hành của OPV, nhóm thuốc giảm đau hạ sốt và kháng sinh chiếm tới hơn 70% tổng doanh thu, trong đó riêng New Ameflu đóng góp 52% doanh số. Việc tối ưu hóa chuỗi logistics cho sản phẩm nhóm A này mang lại hiệu quả cắt giảm chi phí lớn nhất và nhanh nhất cho toàn bộ công ty.

Mô hình ARIMA khắc phục được những hạn chế nào của phương pháp dự báo cũ tại doanh nghiệp?

Phương pháp dự báo truyền thống dựa trên kinh nghiệm chủ quan dẫn đến sai số MAPE lên tới 13% và độ lệch Bias âm 30,24. Mô hình ARIMA(1,1,1) và ARIMA(0,1,1) dựa trên chuỗi thời gian dừng và loại bỏ sai số tự tương quan, giúp hạ MAPE xuống mức 4,18% - 5,62% và đưa độ lệch thiên kiến về tiệm cận 0.

Giải thuật tiết kiệm Clarke-Wright giải quyết bài toán phân phối vận tải như thế nào?

Giải thuật Clarke-Wright tính toán ma trận khoảng cách tiết kiệm khi gộp hai điểm giao hàng vào cùng một chuyến xe thay vì đi riêng lẻ từ kho trung tâm. Thông qua việc sắp xếp độ tiết kiệm giảm dần và kiểm soát ràng buộc tải trọng, giải thuật giúp rút ngắn 16,8% tổng quãng đường và tối ưu hóa năng lực xe.

Sự khác biệt cơ bản giữa chính sách tồn kho định kỳ $(T, S_k)$ và chính sách liên tục $(r_k, Q)$ là gì?

Chính sách $(r_k, Q)$ theo dõi mức tồn kho liên tục và phát lệnh đặt một lượng cố định $Q$ khi tồn kho chạm điểm $r_k$, phù hợp với kho hàng lớn và hệ thống giám sát thời gian thực. Ngược lại, chính sách $(T, S_k)$ kiểm tra định kỳ sau chu kỳ $T$ và đặt lượng bù đắp linh hoạt $Q_k$ lên mức đỉnh $S_k$, giúp tiết kiệm chi phí quản lý và dễ dàng gộp đơn hàng.

Các doanh nghiệp quy mô vừa và nhỏ có thể ứng dụng kết quả nghiên cứu này không?

Hoàn toàn có thể. Bất kỳ doanh nghiệp nào có cấu trúc mạng lưới gồm kho trung tâm và các điểm phân phối vệ tinh đều có thể áp dụng khung quy trình: phân loại ABC, dự báo nhu cầu chuỗi thời gian, tính toán tồn kho an toàn theo mức phục vụ CSL mục tiêu và tối ưu hóa tuyến đường vận chuyển bằng phần mềm.

Kết luận

  • Xây dựng thành công mô hình dự báo nhu cầu định lượng ARIMA chuẩn xác cho dòng sản phẩm chủ lực New Ameflu, giúp cắt giảm sai số MAPE từ 13% xuống dưới 5% và loại bỏ độ lệch thiên kiến.
  • Thiết lập hoàn chỉnh hai chính sách quản trị tồn kho khoa học $(T, S_k)$ và $(r_k, Q)$, bảo đảm mức phục vụ khách hàng CSL đạt 98% và giảm 18,5% chi phí vốn chiếm dụng trong tồn kho.
  • Ứng dụng giải thuật tiết kiệm Clarke-Wright giải quyết triệt để bài toán định tuyến phương tiện (VRP), giúp rút ngắn 16,8% tổng quãng đường giao hàng và tối ưu hóa tải trọng đội xe vận tải.
  • Đóng góp công cụ phần mềm hỗ trợ ra quyết định logistics trực quan, xóa bỏ hoàn toàn cơ chế phân bổ cảm tính 7:3 lạc hậu tại Công ty Cổ phần Dược phẩm OPV.
  • Mở ra giải pháp thực tiễn có khả năng nhân rộng cao cho ngành dược phẩm và logistics Việt Nam trong bối cảnh chi phí logistics quốc gia còn chiếm tỷ trọng cao tới 25% GDP.

Kế hoạch tiếp theo yêu cầu doanh nghiệp hoàn thành việc tích hợp thuật toán vào hệ thống ERP trong Quý 1/2014 và tiến hành đánh giá hiệu chỉnh định kỳ sau 6 tháng vận hành. Hãy áp dụng ngay mô hình dự báo và tối ưu hóa tồn kho này để tạo dựng lợi thế cạnh tranh vượt trội và tối đa hóa hiệu quả chuỗi cung ứng của doanh nghiệp bạn ngay hôm nay!