Tổng quan nghiên cứu

Sự gia tăng nhanh chóng của các phương tiện cá nhân tại các đô thị lớn tạo ra áp lực nặng nề lên hạ tầng dịch vụ, đặc biệt là các trung tâm thương mại quy mô lớn. Tại siêu thị Big C Hà Nội, dòng khách hàng tập trung đông vào các khung giờ cao điểm dẫn đến tình trạng quá tải cục bộ tại bãi đỗ xe và các quầy thanh toán, làm gia tăng thời gian chờ đợi và gây thất thoát khoảng 12% đến 15% lượng khách hàng tiềm năng. Đề tài tập trung giải quyết bài toán tối ưu hóa hệ thống phục vụ đám đông thông qua việc kết hợp giữa cơ sở toán học vững chắc của lý thuyết hàng đợi và công cụ mô phỏng sự kiện rời rạc hiện đại.

Mục tiêu cụ thể của nghiên cứu bao gồm: mô hình hóa toàn diện quy trình di chuyển và phục vụ của phương tiện tại bãi đỗ xe 100 vị trí; đánh giá chính xác các chỉ số hiệu năng vận hành trong ca làm việc tiêu chuẩn kéo dài 8 giờ (tương đương 28.800 giây); so sánh độ tin cậy giữa nghiệm giải tích lý thuyết và kết quả chạy mô phỏng thực nghiệm. Về mặt phạm vi, đề tài khảo sát luồng khách hàng đi xe ô tô đến mua sắm tại siêu thị Big C Thăng Long - Hà Nội với cường độ dòng vào trung bình 30 giây mỗi xe. Ý nghĩa thực tiễn của công trình thể hiện qua việc cung cấp bộ công cụ định lượng hỗ trợ nhà quản lý đưa ra quyết định nâng cấp hạ tầng chính xác, kiểm soát độ sai lệch giữa mô phỏng và lý thuyết dưới ngưỡng 5,6%, qua đó giảm thiểu tối đa tỷ lệ xe bị từ chối phục vụ và nâng cao năng lực vận hành tổng thể của toàn siêu thị.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng lý thuyết hàng đợi kinh điển kết hợp mô hình quá trình ngẫu nhiên và chuỗi Markov. Ký pháp Kendall tổng quát dạng $A/B/m/K/n/D$ được ứng dụng để phân loại và định danh chính xác trạng thái của hệ thống phục vụ. Trong đó, mô hình hàng đợi đa kênh $M/M/k$ và $M/M/k/N$ đóng vai trò hạt nhân, phản ánh dòng khách hàng đến theo quy luật phân phối Poisson với cường độ $\lambda = 1/30$ xe/giây và thời gian phục vụ tuân theo phân phối mũ với cường độ $\mu = 1/3600$ xe/giây trên mỗi vị trí đỗ.

Hệ thống lý thuyết tích hợp các khái niệm then chốt bao gồm: cường độ lưu thông $\rho = \lambda / (k\mu)$, thông lượng hệ thống, độ hiệu dụng tài nguyên và thời gian lưu trú trung bình. Đối với các trường hợp tổng quát, tác giả ứng dụng công thức Pollaczek - Khinchin cho mô hình $M/G/1$ và phương pháp chuỗi Markov nhúng cho hàng đợi $G/M/1$. Các công thức giải tích cho phép thiết lập hệ phương trình vi phân trạng thái Kolmogorov và xác định phân bố xác suất dừng, làm chuẩn đối sánh tin cậy cho quá trình mô phỏng thuật toán.

Phương pháp nghiên cứu

Nguồn dữ liệu của đề tài được trích xuất từ quy trình vận hành thực tế tại siêu thị Big C Hà Nội trong một ca làm việc liên tục 8 giờ (28.800 giây). Cỡ mẫu khảo sát đạt quy mô 960 lượt phương tiện ô tô đến bãi đỗ xe có sức chứa danh định 100 vị trí. Nghiên cứu áp dụng phương pháp chọn mẫu ngẫu nhiên phân tầng theo đặc điểm hành vi mua sắm, chia khách hàng thành hai nhóm: nhóm mua nhanh dưới 10 món hàng sử dụng 50 giỏ xách tay và nhóm mua sắm lớn từ 10 đến 100 món hàng sử dụng 100 xe đẩy chuyên dụng.

Lý do lựa chọn phương pháp mô phỏng trên ngôn ngữ chuyên dụng GPSS World (General Purpose Simulation System) thay vì các ngôn ngữ lập trình truyền thống như C++ hay Pascal là nhờ khả năng xử lý vượt trội đối với các sự kiện rời rạc song song, tích hợp sẵn các khối lệnh tạo sự kiện ngẫu nhiên và quản lý bộ nhớ linh hoạt. Tiến trình nghiên cứu được thực hiện qua quy trình 7 bước chuẩn mực: xác định ký pháp Kendall, nhận diện quy luật phân phối xác suất, tham số hóa khối GENERATE, thiết lập lưu đồ thuật toán, lập trình mã nguồn GPSS, hiệu chỉnh mô hình và kiểm định kết quả đối soát với công thức giải tích toán học.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Nghiên cứu đã lượng hóa chi tiết các chỉ số vận hành của hệ thống bãi xe và khu mua sắm siêu thị qua hai mô hình mô phỏng, mang lại các phát hiện cụ thể:

  • Thứ nhất, ở mô hình bãi đỗ xe đơn lẻ trong 8 giờ vận hành (28.800 giây), hệ thống ghi nhận tổng cộng 961 xe ô tô đến siêu thị, bám sát mức dự báo lý thuyết là 960 xe (sai số chỉ 0,1%). Có 845 xe được tiếp nhận vào bãi (đạt tỷ lệ 87,93%), 750 xe được phục vụ hoàn tất và rời bãi, 95 xe vẫn đang đỗ tại thời điểm kết thúc ca, và có 116 xe bị từ chối phục vụ do bãi hết chỗ trống.
  • Thứ hai, ở mô hình vận hành liên hoàn, tổng thời gian lưu trú trung bình của một khách hàng trong toàn bộ hệ thống là 3.496 giây (khoảng 58,26 phút). Thời gian này bao gồm 60 giây gửi xe, 3.180 giây lựa chọn hàng hóa (tương đương 53 món hàng với định mức 60 giây mỗi món), 196 giây thực hiện thanh toán tại quầy thu ngân và 60 giây di chuyển ra bãi để lấy xe rời đi.
  • Thứ ba, năng lực thông qua tối đa của siêu thị trong một ca làm việc với quy mô 100 chỗ đỗ ô tô và chu kỳ phục vụ 3.496 giây đạt mức 823 khách hàng, phản ánh sát thực tế năng lực đáp ứng của hạ tầng hiện hữu.
  • Thứ tư, tại khu vực thanh toán gồm 5 quầy, quầy số 1 phục vụ luồng khách mua nhanh chiếm 14,89% tổng lưu lượng với độ hiệu dụng 68%, trong khi 4 quầy thanh toán thông thường phải chịu tải cao với hệ số bận rộn đạt trên 85%, tạo thành điểm nghẽn cục bộ vào các khung giờ mua sắm tập trung.

Thảo luận kết quả

Sự chênh lệch giữa tính toán giải tích lý thuyết và mô phỏng thực tế phát sinh từ tính biến thiên ngẫu nhiên của khoảng thời gian xe đến (dao động 30 ± 5 giây) và thời gian khách lưu lại siêu thị. Theo tính toán lý thuyết thuần túy, số xe bị từ chối là 160 xe, trong khi mô phỏng GPSS ghi nhận 116 xe (giảm 27,5%). Nguyên nhân là do mô hình toán học tĩnh coi hệ thống đạt trạng thái dừng ngay lập tức, trong khi mô hình GPSS phản ánh chính xác quá trình chuyển tiếp động học và sự giải phóng chỗ đỗ liên tục khi khách mua hàng xong.

Kết quả này hoàn toàn tương đồng với các công bố khoa học quốc tế về quản trị chuỗi bán lẻ, khẳng định mô phỏng số phản ánh sát thực trạng hơn so với giải tích thuần túy. Toàn bộ dữ liệu nghiên cứu có thể được trực quan hóa hiệu quả thông qua Bảng so sánh các chỉ số hiệu năng (gồm các cột: Lượng xe đến, Lượng xe được phục vụ, Số xe từ chối, Độ hiệu dụng bãi đỗ) và Đồ thị hàm mật độ phân bố thời gian chờ theo chuỗi Markov. Cách trình bày trực quan này giúp người quản trị dễ dàng nhận diện điểm tới hạn khi cường độ lưu thông tiến gần đến 1, từ đó đưa ra quyết định điều tiết dòng phương tiện kịp thời.

Đề xuất và khuyến nghị

Dựa trên kết quả phân tích định lượng từ mô hình mô phỏng GPSS World, tác giả đề xuất 4 nhóm giải pháp trọng tâm nhằm nâng cao năng lực phục vụ của siêu thị Big C Hà Nội:

  1. Mở rộng dung lượng bãi đỗ xe thông minh: Tiến hành quy hoạch lại mặt bằng bãi xe, chuyển đổi sơ đồ đỗ từ góc 90 độ sang góc chéo 45 độ kết hợp lắp đặt hệ thống cảm biến báo chỗ trống tự động để nâng sức chứa từ 100 lên 130 vị trí ô tô. Mục tiêu hạ tỷ lệ phương tiện bị từ chối từ 12,07% xuống dưới 3%. Thời gian hoàn thành trong Quý I năm 2026 do Ban Quản lý Hạ tầng tòa nhà chủ trì thực hiện.
  2. Tái cấu trúc và hiện đại hóa quầy thu ngân: Bổ sung thêm 1 quầy tự phục vụ (Self-checkout) dành riêng cho khách hàng thanh toán số lượng hàng dưới 10 món, đồng thời nâng cấp máy quét mã vạch tốc độ cao nhằm rút ngắn thời gian xử lý từ 2 giây/món xuống còn 1,2 giây/món và giảm thời gian cố định mỗi giao dịch từ 90 giây xuống 45 giây. Mục tiêu tăng thông lượng phục vụ tại khu thu ngân thêm 22%. Thời gian triển khai trong vòng 3 tháng do Bộ phận Vận hành Siêu thị phụ trách.
  3. Cân đối và luân chuyển trang thiết bị mua sắm: Điều chỉnh định mức thiết bị hỗ trợ từ 100 xe đẩy và 50 giỏ xách lên 120 xe đẩy và 70 giỏ hàng xách tay; đồng thời bố trí nhân sự chuyên trách thu gom phương tiện định kỳ 15 phút một lần tại các lối ra. Mục tiêu triệt tiêu hoàn toàn thời gian khách hàng phải chờ đợi lấy xe đẩy. Thời gian thực hiện ngay trong 30 ngày do Đội Dịch vụ Khách hàng đảm nhận.
  4. Ứng dụng hệ thống giám sát và dự báo luồng khách: Tích hợp mô hình mô phỏng GPSS vào hệ thống camera giám sát thông minh để dự báo chính xác lưu lượng xe vào các khung giờ cao điểm từ 17h đến 20h hàng ngày, tự động kích hoạt chế độ mở thêm quầy thu ngân dự phòng khi hàng đợi vượt quá 4 khách. Mục tiêu cắt giảm tổng thời gian lưu trú trung bình từ 3.496 giây xuống dưới 2.900 giây. Lộ trình triển khai 6 tháng do Phòng Công nghệ Thông tin chủ trì.

Đối tượng nên tham khảo luận văn

Nội dung và phương pháp nghiên cứu của luận văn mang lại giá trị thực tiễn cao cho nhiều nhóm đối tượng:

  • Nhà quản lý chuỗi siêu thị và trung tâm thương mại: Ứng dụng mô hình để tính toán quy mô bãi đỗ xe, bố trí số lượng quầy thanh toán và phân bổ giỏ xe tối ưu, giúp nâng cao chỉ số hài lòng của khách hàng và tối đa hóa doanh thu trên mỗi mét vuông mặt sàn.
  • Kỹ sư hệ thống và chuyên gia phân tích dữ liệu vận hành: Sử dụng tài liệu như một cẩm nang mẫu về ứng dụng ngôn ngữ GPSS World để mô phỏng và giải quyết các bài toán hàng đợi phức tạp trong quản lý kho bãi, logistics và giao thông đô thị.
  • Giảng viên và học viên cao học ngành Công nghệ Thông tin: Khảo sát nguồn tài liệu tham khảo giá trị về phương pháp chuyển hóa các mô hình toán học giải tích như chuỗi Markov hay phân phối Erlang thành các thuật toán mô phỏng sự kiện rời rạc có tính ứng dụng cao.
  • Các đơn vị tư vấn thiết kế hạ tầng đô thị: Khai thác phương pháp luận đánh giá thông lượng giao thông tĩnh nhằm thiết kế các bãi giữ xe thông minh đạt chuẩn cho các tòa nhà cao tầng và khu phức hợp thương mại.

Câu hỏi thường gặp

  • Tại sao nghiên cứu lại ưu tiên công cụ GPSS World thay vì các ngôn ngữ như C++ hay Java? GPSS World là ngôn ngữ hướng đối tượng chuyên sâu cho các bài toán phục vụ đám đông, cung cấp sẵn các khối lệnh chuẩn như GENERATE, QUEUE, ENTER, LEAVE và cơ chế quản lý đồng thời các sự kiện rời rạc, giúp giảm trên 60% thời gian xây dựng mã nguồn so với lập trình truyền thống.

  • Mô hình hàng đợi M/M/k khác biệt như thế nào so với thực tế vận hành tại siêu thị? Mô hình lý thuyết thuần túy giả định trạng thái hệ thống là dừng và sức chứa vô hạn, trong khi thực tế bãi xe Big C có giới hạn 100 chỗ với dòng xe đến phân tán 30 ± 5 giây. Mô hình mô phỏng GPSS đã giải quyết được độ trễ thực tế này.

  • Độ chính xác giữa kết quả mô phỏng GPSS và tính toán lý thuyết trong luận văn đạt mức nào? Độ chính xác về tổng số lượt xe đến đạt mức xuất sắc với sai số chỉ 0,1% (961 xe thực nghiệm so với 960 xe lý thuyết). Sự khác biệt 27,5% ở chỉ số xe bị từ chối phản ánh đúng tính chất động học của dòng xe thực tế.

  • Luận văn đã phân luồng hành vi mua sắm của khách hàng như thế nào? Hệ thống chia khách thành 2 luồng rõ rệt: khách mua nhanh từ 5 đến 9 món (chiếm tỷ lệ 7/40, sử dụng giỏ xách, thanh toán tại quầy 1) và khách mua nhiều từ 10 đến 100 món (sử dụng xe đẩy, thanh toán tại quầy 2 đến quầy 5).

  • Mô hình mô phỏng này có thể áp dụng cho các hệ thống dịch vụ nào khác? Thuật toán và cấu trúc khối GPSS của đề tài hoàn toàn có thể tinh chỉnh tham số để áp dụng cho quản lý luồng bệnh nhân tại bệnh viện, phân luồng làm thủ tục tại sân bay hoặc tối ưu hóa hàng đợi xử lý gói tin trong mạng máy tính.

Kết luận

  • Đề tài đã hệ thống hóa và làm sáng tỏ cơ sở lý thuyết hàng đợi đa kênh áp dụng cho các hệ thống phục vụ đám đông phức tạp trong thực tế.
  • Xây dựng thành công bộ chương trình mô phỏng hoàn chỉnh trên ngôn ngữ GPSS World cho bãi đỗ xe và hệ thống phục vụ của siêu thị Big C Hà Nội trong ca làm việc 28.800 giây với sai số dòng vào chỉ 0,1%.
  • Định lượng chính xác các nút thắt vận hành gồm 116 phương tiện bị từ chối phục vụ và thời gian lưu trú trung bình của khách hàng là 3.496 giây.
  • Đưa ra hệ thống 4 nhóm khuyến nghị thực tiễn giúp nâng công suất phục vụ thêm 22% và giảm tỷ lệ xe bị từ chối xuống dưới 3%.
  • Đóng góp phương pháp luận kết hợp chặt chẽ giữa toán học giải tích và mô phỏng thực nghiệm, mở ra hướng nghiên cứu mới cho lĩnh vực tối ưu hóa vận hành tại Việt Nam.

Lộ trình tiếp theo hướng tới việc hoàn thiện mô hình tự động hóa dữ liệu trong vòng 6 tháng. Các doanh nghiệp bán lẻ và nhà nghiên cứu quan tâm có thể trực tiếp ứng dụng khung mô phỏng GPSS World này để nâng cao hiệu quả quản trị và tối ưu hóa hạ tầng kinh doanh.