Bối cảnh và vấn đề nghiên cứu
Khóa luận tốt nghiệp chuyên ngành Kinh doanh quốc tế của tác giả Đoàn Thị Vân Khánh (Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, 2024) tập trung giải quyết bài toán tối ưu hóa vận hành logistics và kho bãi tại Công ty TNHH Intel Products Việt Nam — nhà máy lắp ráp và kiểm định bán dẫn lớn nhất trong mạng lưới toàn cầu của Tập đoàn Intel.
Trong bối cảnh Việt Nam hội nhập sâu rộng vào nền kinh tế quốc tế, các doanh nghiệp sản xuất đối mặt với áp lực cạnh tranh gay gắt về chi phí. Đối với các tập đoàn công nghệ quy mô lớn, hoạt động logistics giữ vai trò huyết mạch trong việc đảm bảo sự di chuyển liên tục của nguyên vật liệu, linh kiện và thành phẩm. Quản trị kho bãi hiệu quả giúp cắt giảm chi phí lưu giữ hàng tồn kho, rút ngắn thời gian giao hàng và duy trì sự ổn định cho dây chuyền sản xuất 24/7. Mặc dù hệ thống kho nội bộ của Intel đã được chuẩn hóa, quá trình vận hành thực tế qua đối tác thứ ba (3PL) vẫn phát sinh các sai sót thủ công ở khâu xuất nhập và xử lý chứng từ hải quan. Do đó, việc nghiên cứu ứng dụng Trí tuệ nhân tạo (AI) và Máy học (ML) vào công tác quản trị kho là yêu cầu thực tiễn nhằm tự động hóa quy trình và nâng cao độ chính xác dự báo.
Mục tiêu và nhiệm vụ nghiên cứu của đề tài gồm hai nội dung chính:
- Phân tích và đánh giá thực trạng hoạt động quản trị kho bãi nội bộ tại Công ty TNHH Intel Products Việt Nam.
- Đề xuất các giải pháp ứng dụng Trí tuệ nhân tạo (AI) và Máy học (ML) nhằm nâng cao hiệu suất quản trị kho, tối ưu hóa hệ thống vận hành và giảm thiểu sai sót phát sinh.
Đối tượng nghiên cứu là hoạt động quản trị kho bãi, bao gồm kho nội bộ (Internal Warehouse - IW) chứa thành phẩm và nguyên vật liệu phục vụ sản xuất. Phạm vi không gian nghiên cứu được giới hạn tại cơ sở nhà máy của Công ty TNHH Intel Products Việt Nam tại Khu Công nghệ cao Thành phố Hồ Chí Minh (TP. Thủ Đức, trước đây là Quận 9). Nội dung tập trung vào các khâu tiếp nhận, lưu kho, cấp phát hàng hóa, quản lý nhân sự 3PL và quy trình khai báo chứng từ xuất nhập khẩu.
Cơ sở lý thuyết và phương pháp
Tác giả xây dựng khung lý thuyết dựa trên các nguyên lý quản trị logistics, quản trị kho hàng và công nghệ thông tin ứng dụng trong chuỗi cung ứng:
- Lý thuyết quản trị kho và chuỗi cung ứng: Hệ thống hóa chức năng, nhiệm vụ, phân loại kho (kho kín, nửa kín, lộ thiên; kho tư nhân và kho công cộng), các quy trình tiếp nhận, lưu trữ, xuất kho và an toàn phòng cháy chữa cháy.
- Mục tiêu hoạt động sản xuất - logistics: Sử dụng khung 5 mục tiêu hoạt động của Slack và cộng sự (2013) gồm chất lượng (quality), tốc độ (speed), độ tin cậy (dependability), tính linh hoạt (flexibility) và chi phí (cost) làm chuẩn mực đánh giá tác động của dự báo tồn kho.
- Phương pháp dự báo tồn kho: Phân loại theo Chase (1997, 2013) và Sanders & Manrodt (2003) thành phương pháp định tính (phán đoán độc lập, ủy ban phán quyết, lực lượng bán hàng, ban điều hành, kỹ thuật Delphi) và phương pháp định lượng (chuỗi thời gian: Moving Average, Exponential Smoothing, ARIMA; mô hình nhân quả: hồi quy tuyến tính, ARIMAX).
- Chỉ tiêu đo lường hiệu quả luân chuyển kho:
- Số ngày của một vòng lưu chuyển: $N = \frac{O_{tb} \times T}{X}$ (ngày)
- Số vòng lưu chuyển: $V = \frac{X}{O_{tb}}$ (vòng) (Trong đó $O_{tb}$ là tồn kho trung bình trong kỳ, $T$ là thời gian theo lịch, $X$ là lượng hàng xuất kho).
- Mô hình phân tích 5Ws - 1H: Sử dụng bộ câu hỏi (Who, What, When, Where, Why, How) để thu thập thông tin và đánh giá tính cấp thiết của các cải tiến.
- Lý thuyết AI và Machine Learning trong quản trị kho: Khái niệm học máy, khả năng xử lý dữ liệu phi tuyến tính quy mô lớn, và các bài học ứng dụng thực tế từ Amazon (robot Kiva/Amazon Robotics), Walmart (phân tích dự đoán nhu cầu và định giá linh hoạt) và JD.com (phân loại tự động và máy bay không người lái).
Phương pháp nghiên cứu kết hợp giữa định tính và thống kê mô tả:
- Nguồn dữ liệu thứ cấp: Thu thập từ các báo cáo nội bộ của phòng Logistics, phòng Kế toán - Tài chính, phòng Sản xuất của Intel Products Việt Nam, các tài liệu chuyên ngành logistics và tài liệu công bố của Tập đoàn Intel.
- Nguồn dữ liệu sơ cấp: Thu thập qua phỏng vấn trực tiếp nhân sự phụ trách logistics, kế toán tài chính, kết hợp phương pháp quan sát thực địa tại kho hàng trung tâm và các khu vực bến bãi tiếp nhận của nhà máy.
- Phương pháp phân tích: Sử dụng phương pháp tổng hợp, so sánh, phân tích thống kê số liệu hoạt động và áp dụng khung phân tích 5Ws-1H để chỉ ra các hạn chế vận hành.
Nội dung chính theo từng chương
Chương 1: Giới thiệu tổng quan về Công ty TNHH Intel Products Việt Nam
Chương 1 trình bày lịch sử hình thành, quy mô sản xuất và cơ cấu tổ chức của doanh nghiệp:
- Quy mô và vị thế: Công bố đầu tư 1 tỷ USD vào tháng 11/2006, xây dựng cơ sở phòng sạch rộng 500.000 sq ft (~47.000 m²) tại Khu Công nghệ cao Quận 9, TP.HCM và chính thức hoạt động từ tháng 10/2010. Đây là nhà máy lắp ráp và kiểm định (Assembly and Test Manufacturing - ATM) lớn nhất mạng lưới Intel, tạo ra hơn 5.000 việc làm. Giá trị xuất khẩu lũy kế giai đoạn 2010–2019 đạt trên 36 tỷ USD, chiếm hơn 60% tổng giá trị xuất khẩu của Khu Công nghệ cao trong năm 2019.
- Sản phẩm chính: Vi xử lý (CPU Desktop, Mobile, Server thế hệ 12th Gen), bộ vi xử lý đồ họa (GPU), chip bo mạch chủ, ổ cứng thể rắn (SSD), thiết bị 5G, IoT, XG Modem và sản phẩm LSC.
- Các dấu mốc phát triển:
| Năm | Dấu mốc phát triển nổi bật |
|---|---|
| 2006 | Được cấp phép đầu tư dự án công nghệ cao 1 tỷ USD đầu tiên tại Việt Nam. |
| 2007 | Khởi công xây dựng nhà máy Intel Assembly & Test tại TP.HCM. |
| 2010 | Chính thức đi vào vận hành sản xuất thương mại từ tháng 10/2010. |
| 2012 | Cam kết đầu tư hơn 10 triệu USD vào chương trình HEEAP; cán mốc xuất khẩu 100 triệu sản phẩm. |
| 2017 | Đạt giải thưởng chất lượng nội bộ toàn cầu Intel Quality Award (IQA) lần thứ nhất. |
| 2018 | Đạt giải thưởng National Environment Award; cán mốc xuất khẩu 1 tỷ sản phẩm. |
| 2020 | Đạt chứng nhận Doanh nghiệp ưu tiên (AEO) từ Tổ chức Hải quan Thế giới (WCO); cán mốc 2 tỷ sản phẩm. |
| 2021 | Vượt qua đại dịch Covid-19, duy trì sản xuất và đạt mốc xuất khẩu 3 tỷ sản phẩm; ra mắt dòng LSC. |
| 2022 | Lần thứ hai giành giải thưởng chất lượng toàn cầu IQA; sản xuất dòng CPU thế hệ thứ 12. |
- Cơ cấu tổ chức: Gồm Ban Giám đốc (Giám đốc kinh doanh và Giám đốc sản xuất) quản lý 5 bộ phận chính: Kinh doanh, Sản xuất, Tài chính - Kế toán, Nhân sự, Logistics.
Chương 2: Cơ sở lý thuyết về quản trị kho bãi, trí tuệ nhân tạo (AI) và máy học (ML)
Chương 2 thiết lập nền tảng lý luận cho toàn bộ đề tài:
- Phân tích vai trò, chức năng của kho trong chuỗi cung ứng, các tiêu chuẩn bố trí mặt bằng kho một tầng theo đường thẳng để tối ưu hóa di chuyển.
- Tổng kết trang thiết bị bảo quản (giá kệ tổng hợp, giá kệ chuyên dùng, bục kê, cảm biến nhiệt độ - độ ẩm) và hệ thống phòng cháy chữa cháy cơ bản lẫn tự động.
- Trình bày quy trình nhập hàng, quy trình xuất hàng và các nguyên tắc lưu kho theo quy chuẩn thẻ kho, sơ đồ vị trí.
- Phân tích ưu nhược điểm của các phương pháp dự báo tồn kho truyền thống: phương pháp định tính chịu sai lệch chủ quan, trong khi phương pháp định lượng chuỗi thời gian (ARIMA) và mô hình nhân quả (ARIMAX) đòi hỏi tập dữ liệu lớn và giảm độ chính xác khi dự báo dài hạn.
- Định nghĩa Machine Learning như một giải pháp xử lý dữ liệu lớn phi tuyến tính, giúp tự động học các mẫu dữ liệu lịch sử để dự báo nhu cầu lưu chuyển hàng hóa giữa kho linh kiện (CW) và kho nội bộ (IW).
- Khảo cứu kinh nghiệm ứng dụng AI/ML thực tế của Amazon (robot điều hướng Kiva), Walmart (dự báo chuỗi cung ứng) và JD.com (giao hàng bằng máy bay không người lái).
Chương 3: Thực trạng quản trị kho bãi tại Công ty TNHH Intel Products Việt Nam
Chương 3 đi sâu vào phân tích mô hình vận hành kho thực tế của doanh nghiệp:
- Cơ sở hạ tầng và chi phí: Kho nội bộ (IW) đặt trực tiếp trong khuôn viên nhà máy với sức chứa 17.650 vị trí pallet (tương đương 1.000–1.200 tấn hàng hóa). Công ty tận dụng ưu đãi đất công nghiệp (thuê 70 năm, miễn thuế 5 năm), giúp giảm đáng kể chi phí cố định. Chi phí vận hành kho chiếm khoảng 1,6% doanh thu, chi phí vận chuyển chiếm khoảng 1,5% doanh thu, đưa tổng chi phí logistics của công ty lên mức 3,1% doanh thu.
- Mô hình quản lý và nhân sự: Vận hành kho theo mô hình kết hợp: Nhân sự Intel Logistics (12 người) chịu trách nhiệm quản lý hệ thống, kiểm soát bảo mật, theo dõi SLA; trong khi toàn bộ nghiệp vụ bốc xếp, lưu chuyển, điều khiển phương tiện do nhà thầu bên thứ ba (3PL - DB Schenker) thực hiện với 82 nhân sự.
| Vị trí công việc | Đơn vị quản lý | Số lượng (người) | Trình độ học vấn | Độ tuổi |
|---|---|---|---|---|
| Nhân viên Logistics | Intel | 12 | Đại học | 23 - 40 |
| Giám sát kho | 3PL (Schenker) | 3 | Đại học | 30 - 40 |
| Thủ kho | 3PL (Schenker) | 10 | Cao đẳng / Trung cấp | 25 - 35 |
| Nhân viên xử lý dữ liệu (Data clerk) | 3PL (Schenker) | 3 | Đại học / Cao đẳng | 22 - 30 |
| Lái xe nâng | 3PL (Schenker) | 26 | Lao động phổ thông | 25 - 35 |
| Nhân viên bốc xếp | 3PL (Schenker) | 40 | Lao động phổ thông | 25 - 40 |
| Nhân viên an ninh | 3PL (Schenker) | 10 | Lao động phổ thông | 25 - 45 |
| Tổng cộng | 94 |
- Quản trị chất lượng và vận hành: Áp dụng hệ thống quản lý kho WMS kết hợp với quy trình kiểm soát nhà thầu nghiêm ngặt qua ma trận đào tạo (Training Matrix), chứng nhận phòng sạch và quy tắc AEO của Tổ chức Hải quan Thế giới.
- Hạn chế tồn tại: Lực lượng lao động trực tiếp phần lớn là lao động phổ thông của nhà thầu 3PL, dẫn đến các sai sót chủ quan trong khâu nhập liệu, kiểm đếm và chuẩn bị chứng từ hải quan (CDS), gây phát sinh các trường hợp phải sửa đổi hoặc hủy bỏ chứng từ trong năm 2023.
Chương 4: Nghiên cứu ứng dụng AI và ML trong quản trị kho bãi tại Công ty TNHH Intel Products Việt Nam
Chương 4 đề xuất các giải pháp công nghệ cụ thể nhằm giải quyết các tồn tại đã xác định:
- Dự báo nhu cầu tồn kho tự động bằng ML: Đề xuất xây dựng đường ống tích hợp dữ liệu (Integrated Data Pipeline - IDP) kết hợp thuật toán học máy nhằm tự động hóa quy trình dự báo khối lượng hàng hóa chuyển từ kho linh kiện (Component Warehouse - CW) vào kho nội bộ (Internal Warehouse - IW). Thay thế quy trình phân tích thủ công bằng các mô hình dự báo học máy theo cấp độ hàng quý, nâng cao độ chính xác điều phối vị trí pallet.
- Ứng dụng AI/ML trong bảo trì dự đoán cơ sở hạ tầng kho: Ứng dụng cảm biến và thuật toán AI để theo dõi tình trạng kỹ thuật của hệ thống xe nâng điện, giá kệ và hệ thống điều hòa nhiệt độ/độ ẩm, chuyển từ bảo trì định kỳ sang bảo trì dự đoán (predictive maintenance) nhằm tránh gián đoạn hoạt động.
- Tự động hóa xử lý chứng từ xuất nhập khẩu: Áp dụng công nghệ nhận dạng và xử lý ngôn ngữ/thị giác máy tính vào công cụ tuân thủ nhập khẩu Việt Nam (VICT) và hệ thống khai báo hải quan, giúp rà soát lỗi trên hóa đơn, vận đơn hàng không (HAWB) và thông báo giao hàng nâng cao (ASN) trước khi nộp tờ khai.
- Phân tích thách thức và rào cản:
- Bảo mật dữ liệu và an toàn thông tin nội bộ của tập đoàn khi tích hợp hệ thống AI.
- Hạn chế kỹ thuật của các mô hình học máy khi đối mặt với biến động đột ngột của chuỗi cung ứng bán dẫn toàn cầu.
- Tác động xã hội và đạo đức nghề nghiệp: Chuyển đổi công nghệ đòi hỏi tái đào tạo lực lượng lao động của 3PL và xử lý vấn đề dư thừa lao động phổ thông.
Kết quả và đóng góp
Kết quả nghiên cứu chính
- Làm rõ bức tranh vận hành thực tế: Khóa luận phản ánh chi tiết mô hình kho nội bộ IW quy mô 17.650 vị trí pallet tại một nhà máy bán dẫn lớn, chỉ ra tỷ lệ cơ cấu chi phí logistics thực tế chiếm 3,1% tổng doanh thu (1,6% chi phí kho và 1,5% chi phí vận chuyển).
- Đánh giá cơ cấu lao động: Cung cấp số liệu định lượng về cơ cấu nhân sự kho 94 người (12 nhân sự Intel giám sát 82 nhân sự đối tác 3PL), phân tích rõ các nút thắt vận hành phát sinh do trình độ lao động và việc xử lý dữ liệu thủ công.
- Xây dựng giải pháp kỹ thuật: Đề xuất lộ trình tích hợp Machine Learning và quy trình IDP vào khâu dự báo nhu cầu lưu chuyển CW–IW và tự động hóa rà soát chứng từ hải quan.
Giải pháp và kiến nghị
- Hoàn thiện đường ống dữ liệu (IDP): Số hóa và đồng bộ hóa luồng thông tin từ các hệ thống WMS, CDS và báo cáo tiến độ mua hàng để làm đầu vào cho các thuật toán học máy.
- Nâng cấp công tác kiểm soát chứng từ: Ứng dụng công nghệ xử lý dữ liệu tự động nhằm giảm thiểu các sai phạm phải sửa đổi hoặc hủy tờ khai hải quan, bảo đảm tuân thủ quy chế Doanh nghiệp ưu tiên (AEO).
- Chuẩn hóa công tác đào tạo nhân sự 3PL: Tăng cường giám sát ma trận đào tạo của nhà thầu Schenker, kết hợp nâng cao kỹ năng sử dụng phần mềm quản lý kho cho lực lượng vận hành.
Đóng góp của đề tài
Khóa luận đóng góp một trường hợp nghiên cứu điển hình (case study) về quản trị kho bãi trong ngành công nghiệp bán dẫn tại Việt Nam. Tác giả đã kết nối lý thuyết quản trị chuỗi cung ứng quốc tế với các xu hướng công nghệ mới (AI/ML), đưa ra định hướng chuyển đổi số thiết thực cho mô hình hợp tác giữa doanh nghiệp FDI và nhà thầu logistics bên thứ ba.
Hạn chế và hướng nghiên cứu tiếp
- Hạn chế: Phạm vi dữ liệu nghiên cứu chỉ giới hạn trong phạm vi kho nội bộ IW tại cơ sở sản xuất TP.HCM của Intel Products Việt Nam. Các mô hình Machine Learning đề xuất mới dừng lại ở mức độ xây dựng quy trình logic, định hướng khung giải pháp và phân tích tính khả thi theo mô hình 5Ws-1H chứ chưa thực nghiệm huấn luyện mô hình trên tập dữ liệu số cụ thể hay đánh giá các chỉ số sai số thống kê (MSE, RMSE, MAPE).
- Hướng nghiên cứu tiếp: Khóa luận mở ra hướng phát triển việc thu thập tập dữ liệu chuỗi thời gian thực tế để huấn luyện, so sánh hiệu năng giữa các thuật toán học máy cụ thể (như Random Forest, XGBoost, LSTM) với các mô hình truyền thống (ARIMA, ARIMAX); đồng thời mở rộng phạm vi nghiên cứu ra toàn bộ chuỗi cung ứng đa quốc gia của tập đoàn.
Giá trị tham khảo
Báo cáo khóa luận là tài liệu tham khảo hữu ích cho:
- Sinh viên và học viên: Chuyên ngành Kinh doanh quốc tế, Quản trị chuỗi cung ứng, Logistics và Hệ thống thông tin quản lý có thể tham khảo cấu trúc phân tích thực trạng kho bãi, quy trình kiểm soát nhà thầu 3PL và phương pháp luận ứng dụng AI/ML vào logistics.
- Doanh nghiệp sản xuất và chế xuất (EPE): Tham khảo mô hình bố trí kho nội bộ, chính sách quản lý đào tạo nhân sự nhà thầu phụ và phương pháp kiểm soát tuân thủ hải quan theo chuẩn AEO.
- Phần giá trị nhất: Bảng phân tích chi tiết cơ cấu nhân sự kho, quy trình phối hợp giữa chủ hàng và đối tác 3PL, cùng khung phân tích định hướng giải pháp Machine Learning trong quản trị tồn kho bán dẫn.
Câu hỏi thường gặp
1. Cơ cấu nhân sự tại kho nội bộ (IW) của Intel Products Việt Nam được phân bổ như thế nào?
Kho nội bộ có tổng cộng 94 nhân sự làm việc theo 3 ca (24/24), trong đó có 12 nhân viên chính thức thuộc phòng Logistics của Intel phụ trách quản lý hệ thống, bảo mật và chỉ số hiệu suất; 82 nhân sự còn lại được thuê ngoài từ nhà thầu 3PL (Schenker) để thực hiện các công việc bốc xếp (40 người), lái xe nâng (26 người), thủ kho (10 người), an ninh (10 người), giám sát (3 người) và xử lý dữ liệu (3 người).
2. Chi phí logistics và vận hành kho bãi chiếm tỷ trọng bao nhiêu trong cơ cấu doanh thu của công ty?
Theo số liệu thống kê trong khóa luận, chi phí vận hành kho bãi chiếm khoảng 1,6% tổng doanh thu và chi phí vận chuyển chiếm khoảng 1,5% doanh thu bán hàng. Tổng chi phí logistics của công ty chiếm khoảng 3,1% tổng doanh thu.
3. Quy mô cơ sở hạ tầng của kho nội bộ (IW) tại nhà máy Intel TP.HCM đạt mức nào?
Kho nội bộ IW được xây dựng trực tiếp bên trong khuôn viên nhà máy sản xuất của Intel tại Khu Công nghệ cao TP.HCM, có diện tích sàn phòng sạch của nhà máy đạt 500.000 sq ft (~47.000 m²). Khu vực kho có sức chứa thiết kế đạt 17.650 vị trí pallet, tương đương khả năng lưu trữ khoảng 1.000 đến 1.200 tấn hàng hóa.
4. Khóa luận đề xuất ứng dụng Máy học (ML) vào bài toán cụ thể nào trong công tác dự báo tồn kho?
Tác giả đề xuất sử dụng phần mềm Machine Learning để phát triển mô hình dự báo tự động khối lượng hàng hóa (đơn vị unit) sẽ chuyển vào kho nội bộ (IW) dựa trên dữ liệu dự báo khối lượng hàng hóa chuyển vào kho linh kiện (CW), thay thế cho phương pháp trích xuất và tính toán thủ công trên bảng tính.
5. Những thách thức chính nào được chỉ ra khi triển khai AI và ML tại kho hàng Intel?
Các rào cản chính bao gồm: yêu cầu nghiêm ngặt về bảo mật và quyền riêng tư dữ liệu sản xuất của tập đoàn; giới hạn của mô hình học máy trước các biến động chuỗi cung ứng bất ngờ; và các vấn đề đạo đức, xã hội liên quan đến việc tái cơ cấu, đào tạo lại hoặc cắt giảm lực lượng lao động phổ thông khi tự động hóa tăng lên.
Kết luận
Khóa luận tốt nghiệp của tác giả Đoàn Thị Vân Khánh đã phản ánh toàn diện thực trạng quản trị kho bãi tại Công ty TNHH Intel Products Việt Nam — một doanh nghiệp sản xuất công nghệ cao quy mô lớn vận hành theo mô hình kết hợp với nhà thầu 3PL. Đề tài hệ thống hóa chặt chẽ cơ sở lý luận về kho hàng và các phương pháp dự báo nhu cầu, đồng thời chỉ ra các điểm nghẽn thực tế trong thao tác nhân sự và xử lý chứng từ thủ công. Các đề xuất ứng dụng AI, Machine Learning và đường ống dữ liệu tích hợp (IDP) mang tính thực tiễn cao, cung cấp cơ sở định hướng quan trọng cho lộ trình số hóa và nâng cao năng suất logistics tại doanh nghiệp.