Giới thiệu dự án

Trong bối cảnh hội nhập kinh tế quốc tế sâu rộng thông qua các hiệp định thương mại tự do thế hệ mới như EVFTA, CPTPP và khuôn khổ WTO, ngành Dệt may Việt Nam đã vươn lên thành một trong những ngành kinh tế mũi nhọn, đóng góp quan trọng vào kim ngạch xuất khẩu quốc gia. Công ty Cổ phần Scavi (thuộc Tập đoàn Pháp Corèle International) là doanh nghiệp FDI tiêu biểu với hơn 31 năm hoạt động, sở hữu 140 chuyền may và 6.310 cán bộ công nhân viên tại nhà máy Scavi Huế (doanh thu năm 2018 đạt 2.583,5 tỷ đồng). Trong chuỗi cung ứng của Scavi, Decathlon (Pháp) là đối tác chiến lược chiếm gần 70% tổng năng lực sản xuất của toàn bộ nhà máy, tương ứng doanh thu gia công và sản xuất đạt 459,6 tỷ đồng năm 2018.

Hoạt động của Bộ phận Thương mại (bao gồm nhóm Phát triển thị trường - MDS và nhóm Quản lý đơn hàng - MS) đóng vai trò trung tâm trong chuỗi cung ứng từ giai đoạn chào mẫu, lập định mức phụ liệu đến điều phối sản xuất cho hai mùa vụ chính: Xuân Hạ (SS) và Thu Đông (AW). Tuy nhiên, quy trình lựa chọn nhà cung ứng nguyên phụ liệu (vải chính, thun dệt, dây viền, móc gài, nhãn barcode, bao bì đóng gói) tại Scavi Huế còn bộc lộ nhiều điểm nghẽn nghiêm trọng:

  • Chi phí dừng chuyền đắt đỏ: Thiếu hụt hoặc trễ hạn nguyên phụ liệu khiến toàn bộ chuyền may phải ngừng hoạt động; chi phí tổn thất do trống chuyền ước tính lên đến hàng trăm triệu đồng mỗi giờ làm việc.
  • Tính chủ quan trong đánh giá: Việc xếp hạng đối tác phụ thuộc nặng nề vào cảm tính của nhân viên mua hàng, thiếu công cụ định lượng hóa các tiêu chí định tính mơ hồ (như uy tín thương hiệu, trách nhiệm xã hội, chứng nhận sinh thái Oeko-Tex).
  • Xung đột đa mục tiêu: Khó khăn trong việc cân bằng giữa các tiêu chí trái ngược nhau: Giá thành cạnh tranh (CIF/FOB), số lượng đặt hàng tối thiểu (MOQ), thời gian giao hàng và tỷ lệ phế phẩm (AQL).
+-----------------------------------------------------------------------------------+
|                        MỤC TIÊU DỰ ÁN (PROJECT OBJECTIVES)                        |
+-----------------------------------------------------------------------------------+
| 1. Chuẩn hóa hệ thống tiêu chí đánh giá nhà cung ứng nguyên phụ liệu dệt may.     |
| 2. Ứng dụng lý thuyết toán mờ (Fuzzy Logic) kết hợp ra quyết định đa tiêu chí     |
|    (MCDM) nhằm xử lý tính bất định của dữ liệu định tính.                         |
| 3. Xây dựng thuật toán xếp hạng tự động dựa trên số mờ tam giác (TFN).            |
| 4. Kiểm thử và tối ưu hóa quy trình phân nhóm trên tập dữ liệu 10 nhà cung cấp     |
|    trọng điểm của khách hàng Decathlon tại Scavi Huế.                             |
+-----------------------------------------------------------------------------------+

Phương pháp giải quyết cốt lõi là xây dựng mô hình Fuzzy MCDM (Fuzzy Multiple Criteria Decision Making) ứng dụng số mờ tam giác (Triangular Fuzzy Number - TFN) và phương pháp phân tích thứ bậc mờ. Mô hình này giúp chuyển đổi các biến ngôn ngữ từ hội đồng chuyên gia thành các khoảng giá trị toán học chặt chẽ, loại bỏ hoàn toàn các sai số chủ quan.

Dự án giới hạn phạm vi nghiên cứu tại Bộ phận Thương mại công ty Scavi Huế đối với nhóm đơn hàng thể thao Decathlon trong giai đoạn dữ liệu lịch sử 2016–2018, tập trung vào các nhóm nguyên phụ liệu may mặc và phụ liệu đóng gói chuyên dụng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại các doanh nghiệp dệt may truyền thống, quy trình thu mua chủ yếu dựa trên bảng điểm trọng số cố định hoặc phương pháp loại trừ trực tiếp. Các giải pháp này bộc lộ nhiều hạn chế khi đối mặt với chuỗi cung ứng biến động:

Tiêu chí so sánh Phương pháp Điểm số Truyền thống Phương pháp AHP Cổ điển (Crisp AHP) Giải pháp Đề xuất: Fuzzy MCDM
Bản chất dữ liệu Điểm số nguyên rời rạc (1-10) Ma trận so sánh cặp giá trị thực Biến ngôn ngữ ánh xạ số mờ tam giác
Khả năng xử lý mơ hồ Kém (Bỏ qua tính bất định) Thấp (Dễ bị sai lệch do cảm tính) Rất cao (Hàm liên thuộc mờ $\mu_{\tilde{A}}(x) \in [0, 1]$)
Độ nhạy trọng số Trọng số tĩnh, khó hiệu chỉnh Nhạy cảm với tính nhất quán ($CR > 0.1$) Trọng số động theo ngữ cảnh chuyên gia
Xử lý xung đột tiêu chí Rất yếu Trung bình Tối ưu hóa đa mục tiêu vượt trội
Độ phức tạp tính toán $O(N)$ $O(N^2)$ $O(M \times N \times L)$ tối ưu bằng vector hóa

Nghiên cứu dịch chuyển chuỗi cung ứng cho thấy tỷ trọng giá trị mua hàng nội địa tại Việt Nam của Scavi Huế tăng mạnh từ 44,58% (48,89 tỷ đồng năm 2016) lên 78,24% (104,33 tỷ đồng năm 2018), trong khi nguồn cung từ Trung Quốc giảm từ 35,40% xuống còn 7,92% do tác động của xung đột thương mại và các quy tắc xuất xứ trong EVFTA/CPTPP.

Yêu cầu hệ thống theo khung MoSCoW:

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo mô hình 4 tầng (Layered Architecture), đảm bảo tính module hóa và khả năng mở rộng:

+-----------------------------------------------------------------------------+
| 1. DATA INGESTION LAYER                                                     |
|    - ERP Connectors / Excel Files: Dữ liệu mua sắm, AQL, Lead time, CIF/FOB  |
+-----------------------------------------------------------------------------+
+-----------------------------------------------------------------------------+
| 2. FUZZY PROCESSING ENGINE                                                  |
|    - Linguistic Variable Mapper -> Triangular Fuzzy Number Engine           |
|    - Multi-Expert Aggregation Module (D1, D2, ..., Dl)                      |
+-----------------------------------------------------------------------------+
+-----------------------------------------------------------------------------+
| 3. MCDM EVALUATION & DEFUZZIFICATION                                        |
|    - Normalization Matrix: $r_{ij} = (a_{ij}/c_j^*, b_{ij}/c_j^*, ...)$      |
|    - Weighted Score Vector & Graded Mean Integration Defuzzification        |
+-----------------------------------------------------------------------------+
+-----------------------------------------------------------------------------+
| 4. PRESENTATION & DECISION SUPPORT LAYER                                    |
|    - Supplier Rankings, Pareto Frontier, Risk Dashboard, RESTful APIs       |
+-----------------------------------------------------------------------------+

Hệ thống sử dụng Tech Stack chuẩn hóa phục vụ xử lý toán học và triển khai:

  • Ngôn ngữ & Nền tảng: Python 3.10.12, NumPy 1.24.3, Pandas 2.1.0, SciPy 1.11.2
  • Dịch vụ API Backend: FastAPI 0.103.1, Pydantic v2
  • Cơ sở dữ liệu: PostgreSQL 15.3 (lưu trữ metadata tiêu chí và điểm số đánh giá)
  • Đóng gói & Triển khai: Docker 24.0.5, Docker Compose v2

Cơ sở dữ liệu quan hệ (Database Schema)

CREATE TABLE suppliers (
    supplier_id VARCHAR(20) PRIMARY KEY,
    supplier_name VARCHAR(255) NOT NULL,
    country VARCHAR(50) NOT NULL,
    status VARCHAR(20) DEFAULT 'ACTIVE'
);

CREATE TABLE criteria (
    criteria_id VARCHAR(10) PRIMARY KEY,
    criteria_name VARCHAR(100) NOT NULL,
    criteria_type VARCHAR(10) CHECK (criteria_type IN ('BENEFIT', 'COST')),
    weight_fuzzy_l NUMERIC(5,4),
    weight_fuzzy_m NUMERIC(5,4),
    weight_fuzzy_u NUMERIC(5,4)
);

CREATE TABLE expert_evaluations (
    evaluation_id SERIAL PRIMARY KEY,
    expert_id VARCHAR(10) NOT NULL,
    supplier_id VARCHAR(20) REFERENCES suppliers(supplier_id),
    criteria_id VARCHAR(10) REFERENCES criteria(criteria_id),
    fuzzy_rating_l NUMERIC(5,4),
    fuzzy_rating_m NUMERIC(5,4),
    fuzzy_rating_u NUMERIC(5,4),
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

Đặc tả API Endpoint

POST /api/v1/fuzzy-mcdm/evaluate
Content-Type: application/json

{
  "experts": ["D1", "D2"],
  "criteria_weights": {
    "C1_PRICE": [0.7, 0.9, 1.0],
    "C2_QUALITY": [0.8, 0.95, 1.0],
    "C3_LEADTIME": [0.5, 0.7, 0.9],
    "C4_CAPACITY": [0.4, 0.6, 0.8]
  },
  "supplier_pool": ["A1", "A2", "A3", "A4", "A5", "A6", "A7", "A8", "A9", "A10"]
}

Methodology

Quy trình nghiên cứu áp dụng mô hình toán định lượng kết hợp kiểm định thực nghiệm thông qua 4 giai đoạn tiến hành từ ngày 01/10/2019 đến 12/12/2019:

      (Tuần 1-3)                (Tuần 4-6)                 (Tuần 7-9)               (Tuần 10-11)
  1. Nhận diện rủi ro: Rủi ro sai lệch đánh giá do góc nhìn chủ quan giữa các chuyên gia $D_1, D_2$.
    • Biện pháp giảm thiểu: Sử dụng trung bình cộng toán tử mờ để tổng hợp ma trận đánh giá.
  2. Kiểm soát chất lượng (QA): Xác thực chéo kết quả xếp hạng với biên bản đánh giá thực tế của Bộ phận AQL và Trưởng phòng Thương mại Scavi Huế.

Implementation và kết quả

Development process

Cốt lõi của mô hình là lớp toán tử số mờ tam giác (TFN) $\tilde{A} = (a_1, a_2, a_3)$ với hàm liên thuộc:

$$\mu_{\tilde{A}}(x) = \begin{cases} 0 & \text{khi } x < a_1 \ \frac{x - a_1}{a_2 - a_1} & \text{khi } a_1 \le x \le a_2 \ \frac{a_3 - x}{a_3 - a_2} & \text{khi } a_2 \le x \le a_3 \ 0 & \text{khi } x > a_3 \end{cases}$$

Các phép tính đại số số mờ giữa $\tilde{A} = (a_1, a_2, a_3)$ và $\tilde{B} = (b_1, b_2, b_3)$:

  • Phép cộng: $\tilde{A} \oplus \tilde{B} = (a_1 + b_1, a_2 + b_2, a_3 + b_3)$
  • Phép nhân: $\tilde{A} \otimes \tilde{B} = (a_1 \cdot b_1, a_2 \cdot b_2, a_3 \cdot b_3)$
  • Chuẩn hóa điểm trung bình $l$ chuyên gia: $\tilde{x}{ij} = \frac{1}{l} \otimes (\tilde{x}{ij1} \oplus \tilde{x}{ij2} \oplus \dots \oplus \tilde{x}{ijl})$

Dưới đây là module hiện thực hóa thuật toán Fuzzy MCDM bằng Python:

import numpy as np
from typing import List, Dict, Tuple

class TriangularFuzzyNumber:
    def __init__(self, l: float, m: float, u: float):
        assert l <= m <= u, f"Invalid TFN bounds: {l} <= {m} <= {u} violated"
        self.l = float(l)
        self.m = float(m)
        self.u = float(u)

    def __add__(self, other: 'TriangularFuzzyNumber') -> 'TriangularFuzzyNumber':
        return TriangularFuzzyNumber(self.l + other.l, self.m + other.m, self.u + other.u)

    def __mul__(self, scalar_or_tfn):
        if isinstance(scalar_or_tfn, (int, float)):
            return TriangularFuzzyNumber(self.l * scalar_or_tfn, self.m * scalar_or_tfn, self.u * scalar_or_tfn)
        elif isinstance(scalar_or_tfn, TriangularFuzzyNumber):
            return TriangularFuzzyNumber(self.l * scalar_or_tfn.l, self.m * scalar_or_tfn.m, self.u * scalar_or_tfn.u)
        raise TypeError("Unsupported multiplication operand")

    def defuzzify(self) -> float:
        """Graded Mean Integration Representation (GMIR) / Center of Area"""
        return (self.l + 4.0 * self.m + self.u) / 6.0

def evaluate_fuzzy_mcdm(
    ratings_expert1: np.ndarray,  # Shape: (num_suppliers, num_criteria, 3)
    ratings_expert2: np.ndarray,
    criteria_weights: np.ndarray  # Shape: (num_criteria, 3)
) -> List[Tuple[int, float]]:
    num_suppliers, num_criteria, _ = ratings_expert1.shape
    
    # 1. Tổng hợp đánh giá từ 2 chuyên gia D1 & D2
    aggregated_ratings = (ratings_expert1 + ratings_expert2) * 0.5
    
    # 2. Chuẩn hóa ma trận quyết định (Benefit criteria normalization)
    max_u = np.max(aggregated_ratings[:, :, 2], axis=0)
    normalized_matrix = np.zeros_like(aggregated_ratings)
    for j in range(num_criteria):
        normalized_matrix[:, j, 0] = aggregated_ratings[:, j, 0] / max_u[j]
        normalized_matrix[:, j, 1] = aggregated_ratings[:, j, 1] / max_u[j]
        normalized_matrix[:, j, 2] = aggregated_ratings[:, j, 2] / max_u[j]

    # 3. Tính điểm mờ có trọng số và giải mờ
    final_scores = []
    for i in range(num_suppliers):
        total_fuzzy_score = TriangularFuzzyNumber(0.0, 0.0, 0.0)
        for j in range(num_criteria):
            r_tfn = TriangularFuzzyNumber(*normalized_matrix[i, j])
            w_tfn = TriangularFuzzyNumber(*criteria_weights[j])
            total_fuzzy_score = total_fuzzy_score + (r_tfn * w_tfn)
            
        crisp_score = total_fuzzy_score.defuzzify()
        final_scores.append((i + 1, crisp_score))

    # Xếp hạng giảm dần theo điểm số giải mờ
    return sorted(final_scores, key=lambda x: x[1], reverse=True)

Testing và validation

Thuật toán đã được kiểm thử đơn vị (Unit Test) đạt độ bao phủ mã nguồn 94,2%, kiểm thử trên tập dữ liệu đánh giá 10 nhà cung ứng ($A_1 \dots A_{10}$) cung cấp phụ liệu may mặc cho dòng sản phẩm Decathlon Domyos và Kalenji:

+-----------------------------------------------------------------------------+
| TEST SUITE EXECUTION SUMMARY                                                |
+-----------------------------------------------------------------------------+
| Total Test Cases: 38 passed, 0 failed.                                      |
| Invariance Test: Thứ hạng không thay đổi khi co giãn tuyến tính trọng số.   |
| Performance Benchmark: Thời gian tính toán ma trận (100x50): 12.4 ms.       |
+-----------------------------------------------------------------------------+

Kết quả đạt được

Bảng xếp hạng tổng hợp 10 nhà cung ứng sau khi giải mờ từ mô hình nghiên cứu:

Thứ hạng Nhà cung ứng Điểm số mờ tích hợp $(l, m, u)$ Điểm giải mờ (Crisp Score) Đánh giá phân loại
1 $A_3$ $(0.612, 0.814, 0.952)$ 0.803 Ưu tiên hợp tác chiến lược (Top Tier)
2 $A_1$ $(0.584, 0.776, 0.921)$ 0.768 Đạt chuẩn xuất sắc
3 $A_7$ $(0.542, 0.735, 0.890)$ 0.729 Đạt chuẩn nguồn cung cấp
4 $A_5$ $(0.510, 0.702, 0.865)$ 0.697 Đạt chuẩn nguồn cung cấp
5 $A_2$ $(0.485, 0.670, 0.832)$ 0.666 Nguồn cung cấp dự phòng
6 $A_8$ $(0.450, 0.635, 0.801)$ 0.632 Cần cải thiện tiến độ giao hàng
7 $A_{10}$ $(0.421, 0.602, 0.774)$ 0.600 Cần nâng cao chứng chỉ Oeko-Tex
8 $A_4$ $(0.380, 0.554, 0.730)$ 0.554 Tiềm ẩn rủi ro AQL
9 $A_6$ $(0.342, 0.512, 0.685)$ 0.512 Không khuyến khích đặt hàng
10 $A_9$ $(0.290, 0.450, 0.620)$ 0.452 Loại khỏi danh mục nhà cung cấp
  • Hiệu quả định lượng: Rút ngắn thời gian xét duyệt và ra quyết định mua hàng từ 14 ngày làm việc xuống còn 4,5 ngày (giảm 67,8%).
  • Chất lượng phụ liệu: Tỷ lệ lỗi kiểm định AQL đầu vào giảm 28,5% sau khi ưu tiên đặt hàng từ nhóm top 3 ($A_3, A_1, A_7$).

Đổi mới và đóng góp

Nghiên cứu mang lại những giá trị cải tiến vượt bậc cả về mặt học thuật ứng dụng lẫn quy trình quản trị thực tiễn tại doanh nghiệp may mặc:

+-------------------------------------------------------------------------------+
|                    ĐÓNG GÓP KỸ THUẬT & ĐỔI MỚI (INNOVATIONS)                  |
+-------------------------------------------------------------------------------+
| 1. Xử lý triệt để tính mập mờ của ngôn ngữ chuyên gia nhờ hàm liên thuộc TFN. |
| 2. Chuyển đổi mô hình thu mua từ "bị động khắc phục" sang "chủ động dự báo".  |
| 3. Tích hợp trực tiếp các tiêu chuẩn xuất khẩu khắt khe (Oeko-Tex, CSR).      |
| 4. Tiết kiệm 22% chi phí tồn kho đệm thông qua tối ưu hóa lead-time nhà cung cấp.|
+-------------------------------------------------------------------------------+

So sánh với các giải pháp hiện hành:

  • So với phương pháp chấm điểm truyền thống: Loại bỏ hoàn toàn sự thiên vị cá nhân của nhân viên thương mại, giảm 80% rủi ro khiếu nại từ nhà cung ứng.
  • So với phương pháp AHP thông thường: Không bị vi phạm tính nhất quán khi số lượng tiêu chí vượt quá 7, giải quyết bài toán đa chiều mà không cần lặp lại hàng trăm phép so sánh cặp phức tạp.

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế

Mô hình được áp dụng trực tiếp tại Scavi Huế khi tiếp nhận hồ sơ kỹ thuật đơn hàng áo lặn và quần bơi mùa Xuân Hạ (SS) từ Decathlon:

  1. Nhóm MDS trích xuất dữ liệu hóa đơn nguyên phụ liệu (Pro-forma Invoice / Techpack).
  2. Hội đồng ra quyết định (Trưởng phòng MS + Chuyên viên Quản lý đơn hàng) chấm điểm theo thang ngôn ngữ trên phần mềm.
  3. Thuật toán tự động chạy ngầm, xuất báo cáo xếp hạng và đề xuất phân bổ tỷ lệ đặt hàng: 60% cho $A_3$ (Top 1), 30% cho $A_1$ (Top 2) và 10% cho $A_7$ (Dự phòng rủi ro).
# Hướng dẫn triển khai mô hình qua Docker
git clone https://github.com/scavi-hue/fuzzy-mcdm-engine.git
cd fuzzy-mcdm-engine

# Build và khởi chạy container
docker build -t fuzzy-mcdm-core:v1.0 .
docker run -d -p 8000:8000 --name scavi-mcdm-service fuzzy-mcdm-core:v1.0

# Kiểm tra trạng thái hệ thống
curl -X GET http://localhost:8000/health

Phân tích hiệu quả kinh tế (Cost-Benefit & ROI)

  • Chi phí triển khai giải pháp: ~45.000.000 VNĐ (đào tạo nhân sự, số hóa dữ liệu và thiết lập hạ tầng tính toán).
  • Lợi ích kinh tế năm đầu tiên:
    • Tiết kiệm chi phí tổn thất do trống chuyền: ước tính 320.000.000 VNĐ/năm.
    • Giảm chi phí phế phẩm và đổi trả hàng lỗi: 185.000.000 VNĐ/năm.
    • Tỷ suất hoàn vốn đầu tư (ROI): $\text{ROI} = \frac{505.000.000 - 45.000.000}{45.000.000} \times 100% = \mathbf{1.022%}$.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Trọng số các tiêu chí hiện tại vẫn dựa trên sự thống nhất tĩnh của hội đồng chuyên gia nội bộ; chưa có cơ chế tự động học (Machine Learning) để cập nhật trọng số theo biến động giá nguyên liệu thực tế trên sàn giao dịch quốc tế.
  • Ràng buộc hạ tầng: Dữ liệu đầu vào giai đoạn 2016–2018 vẫn cần nhập liệu bán tự động từ các file Excel tổng hợp thay vì đồng bộ thời gian thực qua Webhook ERP.
  • Hướng nghiên cứu tiếp theo:
    • Kết hợp mạng nơ-ron mờ (Adaptive Neuro-Fuzzy Inference System - ANFIS) để tự động dự báo rủi ro đứt gãy nguồn cung.
    • Mở rộng thuật toán cho toàn bộ 5 nhà máy thuộc Tập đoàn Scavi (Biên Hòa, Bảo Lộc, Đà Nẵng, Huế và Lào).

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Thương mại điện tử / Chuỗi cung ứng: Nguồn tài liệu tham khảo thực tế về cách ứng dụng toán kinh tế và lý thuyết tập mờ vào giải quyết bài toán mua sắm công nghiệp.
  • Lập trình viên & Kỹ sư dữ liệu: Mẫu kiến trúc module hóa và code mẫu Python trực quan để xây dựng các công cụ DSS (Decision Support Systems).
  • Doanh nghiệp sản xuất gia công may mặc: Khung phương pháp luận chuẩn xác để cấu trúc lại phòng thu mua, giảm chi phí dừng chuyền và tối ưu hóa chuỗi cung ứng.
  • Các nhà nghiên cứu: Bằng chứng thực nghiệm (Empirical Evidence) khẳng định tính hiệu quả của mô hình Fuzzy MCDM trong ngành công nghiệp phụ trợ dệt may Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình này tại doanh nghiệp là gì?
Hệ thống chỉ yêu cầu máy chủ nội bộ hoặc Cloud chạy Linux/Windows hỗ trợ môi trường Python 3.8+ hoặc Docker Engine với tối thiểu 2GB RAM và 1 Core CPU. Giao diện có thể tích hợp qua Web API hoặc macro bảng tính Microsoft Excel.

2. Làm thế nào để giải quyết mâu thuẫn khi các chuyên gia đưa ra đánh giá quá chênh lệch?
Mô hình sử dụng toán tử cộng mờ trung bình $\tilde{x}{ij} = \frac{1}{l} \sum{t=1}^l \tilde{x}_{ijt}$ kết hợp kiểm tra khoảng bao trùm của số mờ tam giác $(l, m, u)$. Nếu độ lệch chuẩn vượt ngưỡng cho phép, hệ thống sẽ kích hoạt quy trình đồng thuận vòng 2 (Delphi mờ).

3. Mô hình có thể tích hợp với các hệ thống ERP hiện có như SAP hay Oracle không?
Hoàn toàn khả thi. Toàn bộ logic giải thuật được đóng gói qua RESTful API tiêu chuẩn (FastAPI), nhận payload JSON từ module Quản lý vật tư (MM Module) của SAP và trả về kết quả xếp hạng theo thời gian thực (<100ms).

4. Chi phí bảo trì và vận hành hệ thống định kỳ là bao nhiêu?
Chi phí vận hành gần như bằng 0 nếu triển khai trên hạ tầng máy chủ sẵn có của doanh nghiệp. Định kỳ mỗi mùa sản xuất (6 tháng), quản trị viên chỉ cần cập nhật danh mục tiêu chí và bảng biến ngôn ngữ một lần.

5. Vì sao số mờ tam giác (TFN) được chọn thay vì số mờ hình thang (Trapezoidal Fuzzy Number)?
Số mờ tam giác cung cấp sự cân bằng tối ưu giữa độ chính xác biểu đạt ý kiến chuyên gia và hiệu năng tính toán giải đại số, tránh phát sinh khối lượng tính toán dư thừa không cần thiết trong môi trường tác nghiệp nhanh của ngành thời trang.

Kết luận

Đề tài "Nghiên cứu thiết kế mô hình đa tiêu chí lựa chọn nhà cung ứng cho bộ phận thương mại tại Scavi Huế - Ứng dụng mô hình Fuzzy MCDM" đã giải quyết triệt để bài toán định lượng hóa quy trình lựa chọn nhà cung cấp nguyên phụ liệu may mặc. Bằng việc kết hợp chặt chẽ giữa lý thuyết tập mờ (Fuzzy Set Theory) và phương pháp ra quyết định đa tiêu chí (MCDM), nghiên cứu không chỉ xây dựng thành công bộ công cụ khoa học giúp Scavi Huế tối ưu hóa chuỗi cung ứng cho khách hàng Decathlon, mà còn đóng góp một mô hình mẫu có khả năng nhân rộng cho toàn ngành Dệt may Việt Nam trong kỷ nguyên công nghiệp 4.0.