Giới thiệu dự án

Logistics và vận tải nội địa đóng vai trò huyết mạch trong chuỗi cung ứng quốc gia, chiếm tỷ trọng khoảng 16,8% – 18% GDP của Việt Nam (theo thống kê của Hiệp hội Doanh nghiệp Dịch vụ Logistics Việt Nam - VLA và Ngân hàng Thế giới). Với lợi thế bờ biển dài trên 3.260 km cùng mạng lưới sông ngòi dày đặc, phương thức vận tải thủy nội địa và ven biển sở hữu chi phí nhiên liệu trên mỗi tấn-km chỉ bằng 1/3 so với đường bộ, đồng thời giảm phát thải khí nhà kính đáng kể. Tuy nhiên, phương thức này đang đối mặt với những rủi ro vận hành phức tạp, điểm nghẽn về hạ tầng cảng bến, sự thiếu đồng bộ trong kết nối đa phương thức và khả năng số hóa giám sát hành trình thời gian thực.

Công ty Cổ phần Vinafco (mã niêm yết: VFC) là một trong những doanh nghiệp tiên phong với hơn 35 năm kinh nghiệm trong lĩnh vực logistics tích hợp, sở hữu hệ thống kho bãi 230.000 m² trải dài Bắc - Trung - Nam cùng đội tàu container vận tải biển nội địa gồm: Tàu VINAFCO 26 (700 TEUs), Tàu MORNING VINAFCO (508 TEUs) và Tàu VINAFCO 28 (420 TEUs). Mặc dù có năng lực hạ tầng vững mạnh, hoạt động kinh doanh logistics thủy nội địa của doanh nghiệp bộc lộ nhiều điểm nghẽn nghiêm trọng:

  • Thiếu hụt công cụ số hóa điều phối tích hợp đa phương thức (Door-to-Door).
  • Quy trình kiểm soát an toàn xếp dỡ và chằng buộc (Lashing) container còn phụ thuộc vào kinh nghiệm thủ công, dẫn đến sự cố hàng hải điển hình vào ngày 22–23/12/2023 khi tàu Morning Vinafco gặp sóng cấp 7–8 tại vùng biển Cù Lao Chàm làm rơi 31 container (trong đó có 42 xe ô tô nguyên chiếc và lô pin lithium), gây tổn thất trực tiếp ước tính hơn 36 tỷ VNĐ.
  • Chi phí nhiên liệu vận hành tàu chiếm tỷ trọng cao (45% – 52% tổng chi phí chuyến đi) do thiếu thuật toán tối ưu hóa tốc độ hành trình theo thủy triều và điều kiện khí tượng hải văn.

Đề tài khóa luận tập trung giải quyết bài toán cốt lõi: "Xây dựng mô hình tối ưu hóa vận hành và số hóa quy trình quản lý chuỗi dịch vụ logistics thủy nội địa tại Công ty Cổ phần Vinafco".

+-----------------------------------------------------------------------------------+
|                              MỤC TIÊU DỰ ÁN CỤ THỂ                                |
+-----------------------------------------------------------------------------------+
| 1. Chuẩn hóa quy trình điều phối vận tải đa phương thức (Barge - Coastal - Truck) |
| 2. Thiết kế thuật toán xếp dỡ & giám sát an toàn trọng tâm tàu (GM Stability)     |
| 3. Tối ưu hóa hải trình và vận tốc kinh tế giúp giảm 8% - 12% chi phí nhiên liệu  |
| 4. Xây dựng kiến trúc hệ thống TMS tích hợp IoT giám sát container theo thời gian |
+-----------------------------------------------------------------------------------+

Phương pháp tiếp cận kết hợp giữa phân tích dữ liệu vận hành thực tế giai đoạn 2021–2023, ứng dụng lý thuyết quy hoạch tuyến tính nguyên hỗn hợp (MILP - Mixed-Integer Linear Programming) để giải bài toán xếp dỡ container (BAP - Berth Allocation Problem & CAP - Container Auto-Stowage Problem) và thiết kế kiến trúc hệ thống quản lý vận tải (TMS - Transport Management System) thế hệ mới.

Phạm vi nghiên cứu tập trung vào 3 tuyến vận tải container duyên hải chính của Vinafco: Hải Phòng (Cảng Chùa Vẽ) – Đà Nẵng (Cảng Tiên Sa) – TP. Hồ Chí Minh (Cảng Lotus, Cảng Bến Nghé), áp dụng trên 3 tàu chuyên dụng thuộc sở hữu của VFC với tổng sức chở 1.628 TEUs. Giới hạn nghiên cứu không bao gồm các tuyến vận chuyển hàng rời quốc tế và dịch vụ khai thuê hải quan chuyên biệt ngoài lãnh thổ Việt Nam.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phân tích hiện trạng vận hành dịch vụ logistics thủy nội địa của Vinafco và các đơn vị trên thị trường cho thấy sự khác biệt rõ rệt về năng lực công nghệ và hiệu quả chi phí:

Tiêu chí phân tích Phương pháp thủ công truyền thống Giải pháp bán tự động (Hiện tại VFC) Hệ thống số hóa tích hợp TMS-IoT (Đề xuất)
Lập kế hoạch xếp dỡ (Stowage Plan) Bằng tay / Excel sơ đồ 2D Phần mềm độc lập tại cảng, thiếu đồng bộ dữ liệu tàu Tự động hóa 3D với thuật toán cân bằng mô-men uốn & GM
Theo dõi vị trí & tình trạng hàng Báo cáo qua điện thoại/VHF Thiết bị AIS đơn lẻ, cập nhật ngắt quãng theo ca IoT Telematics + Cảm biến gia tốc & nhiệt độ thời gian thực
Tối ưu hải trình (Weather Routing) Tuyến cố định theo hải trình chuẩn Hiệu chỉnh thủ công theo bản tin khí tượng Thuật toán Dijkstra/A* tối ưu theo dữ liệu gió, sóng, triều
Tỷ lệ sai sót đơn hàng & trễ chuyến > 8,5% 4,2% – 5,8% < 1,2%
Chi phí quản lý/TEU 420.000 VNĐ 310.000 VNĐ 185.000 VNĐ

So sánh năng lực cạnh tranh với các đối thủ trực tiếp trên tuyến nội địa Bắc - Nam:

[Gemadept Shipping]  ====> Thế mạnh: Cảng nước sâu & Đội tàu trẻ (Fleet size lớn)
[Tan Cang Shipping]  ====> Thế mạnh: Hệ sinh thái ICD & Cảng quân sự/Tân Cảng
[Vinafco (VFC)]      ====> Lợi thế: Hệ sinh thái 230.000 m2 kho bãi & Dịch vụ 3PL Door-to-Door

Yêu cầu kỹ thuật hệ thống được phân loại theo mô hình MoSCoW:

  • Must have: Module tính toán độ ổn định động học tàu (GM > 0.15m theo tiêu chuẩn IMO A.749), module giám sát cảnh báo gia tốc lắc ngang (Roll Angle) vượt ngưỡng $15^\circ$, module quản lý chứng từ vận tải điện tử (e-B/L, e-DO).
  • Should have: API tích hợp hệ thống quản lý kho (WMS) và quản lý vận tải đường bộ (Road TMS), module gợi ý vận tốc kinh tế (Eco-speed profile).
  • Could have: Cảnh báo va chạm bằng phân tích luồng AIS lân cận, nhận diện mã container bằng thị giác máy tính tại cầu cảng.
  • Won't have (giai đoạn này): Tính năng tự hành tàu (Autonomous navigation) và thanh toán tự động qua Smart Contract Blockchain.

Thiết kế hệ thống

Kiến trúc hệ thống quản lý logistics thủy nội địa thông minh (Smart Inland-Maritime Logistics Platform - SIMLP) được thiết kế theo mô hình Microservices hướng sự kiện (Event-Driven Architecture).

flowchart TD
    subgraph Edge_Vessels["Thiết bị biên trên tàu (Vessel Edge Gateway)"]
        Sensors["Cảm biến gia tốc & nhiệt độ IoT"] --> Hub["Edge IoT Gateway"]
        AIS["Bộ thu phát AIS & GPS"] --> Hub
        Engine["Cảm biến tiêu hao nhiên liệu"] --> Hub
    end

    subgraph Ingestion_Layer["Tầng tiếp nhận dữ liệu"]
        Hub -- "MQTT / Satellite 4G" --> Broker["Message Broker: Apache Kafka v3.6"]
    end

    subgraph Service_Core["Tầng dịch vụ vi mô (Microservices Core)"]
        Broker --> Svc1["Stowage Optimization Engine (Python/OR-Tools)"]
        Broker --> Svc2["Voyage & Weather Routing Service (Go)"]
        Broker --> Svc3["Fleet Tracking & Telemetry Service (Java/Spring)"]
        Broker --> Svc4["Multimodal Dispatch Service (Node.js)"]
    end

    subgraph Data_Storage["Tầng lưu trữ dữ liệu"]
        Svc1 & Svc2 & Svc3 & Svc4 --> DB1[("PostgreSQL 15 + PostGIS (GIS & Transactional)")]
        Svc3 --> DB2[("TimescaleDB (Sensor Time-Series Data)")]
        Svc1 & Svc4 --> Cache[("Redis 7.2 (Cache & Session)")]
    end

    subgraph Presentation["Giao diện người dùng (Frontend Web/Mobile)"]
        DB1 & Cache --> API_Gateway["API Gateway (Kong / Nginx)"]
        API_Gateway --> WebApp["Web Portal Điều phối cảng (Vue.js 3)"]
        API_Gateway --> MobileApp["Ứng dụng Thuyền viên & Lashing (Flutter)"]
    end

Danh mục công nghệ và phiên bản chuẩn hóa:

  • Backend Services: Java OpenJDK 17 (Spring Boot v3.2.3), Python 3.11 (FastAPI v0.110 cho tính toán tối ưu), Go v1.22 (xử lý luồng dữ liệu thời gian thực).
  • Công cụ giải toán (Optimization Engine): Google OR-Tools v9.8, thư viện khoa học SciPy v1.12.
  • Database: PostgreSQL v15.5 kết hợp extension PostGIS v3.4, TimescaleDB v2.13 cho chuỗi thời gian telemetry.
  • Message Broker & Streaming: Apache Kafka v3.6, Redis v7.2.
  • Frontend: Vue.js v3.4, TailwindCSS v3.4, Leaflet.js v1.9.4 hiển thị bản đồ hải đồ OpenSeaMap.
  • Containerization & CI/CD: Docker v26.0, Kubernetes v1.29, GitHub Actions.

Cơ sở dữ liệu được chuẩn hóa phục vụ quản lý tuyến hành trình và dữ liệu an toàn xếp dỡ:

-- Schema quản lý kế hoạch xếp dỡ và giám sát ổn định tàu
CREATE TABLE vessel_voyages (
    voyage_id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    vessel_name VARCHAR(50) NOT NULL, -- VINAFCO 26, MORNING VINAFCO, VINAFCO 28
    imo_number VARCHAR(10) NOT NULL,
    departure_port_code VARCHAR(10) NOT NULL, -- VNCHV (Chua Ve), VNTIS (Tien Sa), VNLOT (Lotus)
    arrival_port_code VARCHAR(10) NOT NULL,
    etd_time TIMESTAMP WITH TIME ZONE NOT NULL,
    eta_time TIMESTAMP WITH TIME ZONE NOT NULL,
    calculated_gm_value NUMERIC(4, 2) CHECK (calculated_gm_value >= 0.15),
    voyage_status VARCHAR(20) DEFAULT 'PLANNED'
);

CREATE TABLE container_stowage_slots (
    slot_id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    voyage_id UUID REFERENCES vessel_voyages(voyage_id) ON DELETE CASCADE,
    container_no VARCHAR(11) NOT NULL,
    bay_row_tier VARCHAR(6) NOT NULL, -- Định dạng tiêu chuẩn ISO 9711 (BB-RR-TT)
    gross_weight_mt NUMERIC(5, 2) NOT NULL,
    is_hazardous BOOLEAN DEFAULT FALSE,
    is_reefer BOOLEAN DEFAULT FALSE,
    lashing_tension_kn NUMERIC(5, 1) CHECK (lashing_tension_kn >= 0),
    lashing_verified_by VARCHAR(100),
    verification_timestamp TIMESTAMP WITH TIME ZONE
);

Đặc tả API điều phối vận tải biển kết hợp đường bộ (RESTful API):

POST /api/v1/voyage/optimize-stowage
Headers: Authorization: Bearer <JWT_TOKEN>, Content-Type: application/json

{
  "voyage_id": "8f3b2a1c-7e9d-4c2b-a1e4-3d5f6a7b8c9d",
  "vessel_capacity_teu": 508,
  "containers": [
    {
      "container_no": "VFCU1029384",
      "size_type": "40HC",
      "weight_mt": 24.5,
      "pod": "VNTIS",
      "has_lithium_battery": true
    }
  ],
  "metacentric_target_gm": 0.45
}

Phản hồi hệ thống (200 OK):

{
  "status": "OPTIMAL_SOLUTION_FOUND",
  "solver_time_ms": 3420,
  "metacentric_height_gm": 0.48,
  "bending_moment_pct": 68.2,
  "allocated_slots_count": 508,
  "risk_assessment": {
    "lashing_stress_index": "SAFE",
    "severe_weather_compliance": "APPROVED_FORCE_8"
  }
}

Yêu cầu an toàn thông tin và hiệu năng:

  • Xác thực phân quyền dựa trên JWT và RBAC (Role-Based Access Control) cho 4 nhóm: Thuyền trưởng/Thuyền viên, Điều độ cảng, Quản lý khai thác đội tàu, Khách hàng B2B.
  • Toàn bộ liên lạc vệ tinh và 4G từ tàu về máy chủ mã hóa theo chuẩn TLS 1.3.
  • Thời gian phản hồi truy vấn tọa độ và cảnh báo tốc độ tàu: $\le 150\text{ ms}$ tại 99th percentile ($P99$).

Methodology

Dự án áp dụng phương pháp luận phát triển tinh gọn Agile-Scrum kết hợp nguyên lý quản trị chất lượng chuỗi cung ứng DMAIC (Define - Measure - Analyze - Improve - Control).

[Khởi động: W1-W3] ---> [Phân tích & Thuật toán: W4-W8] ---> [Xây dựng Platform: W9-W13] ---> [Thử nghiệm biển: W14-W16]
- Khảo sát hiện trạng   - Xây dựng mô hình MILP      - Code Backend Spring/FastAPI   - Cài đặt IoT trên tàu Morning
- Đo lường tổn thất     - Thiết kế DB & REST APIs    - Phát triển Mobile App Lashing - Đánh giá KPI & nghiệm thu

Quản trị rủi ro triển khai:

  1. Rủi ro mất kết nối vệ tinh ngoài khơi: Áp dụng cơ chế Edge Caching trên gateway tàu, tự động đồng bộ theo lô (Batch Sync) ngay khi tàu đi vào vùng phủ sóng viễn thông ven bờ.
  2. Rủi ro thuyền viên không tuân thủ nhập liệu: Thiết kế ứng dụng di động hỗ trợ quét mã QR/Barcode trên container, cơ chế kiểm tra chéo (Dual-check) với cân điện tử tại cổng cảng.

Implementation và kết quả

Development process

Quá trình hiện thực hóa giải pháp tập trung vào module cốt lõi: Thuật toán phân bổ vị trí container kết hợp kiểm tra độ ổn định tĩnh và động của tàu (Stowage & Dynamic Stability Solver).

Thuật toán tối ưu hóa vị trí xếp container sử dụng ngôn ngữ Python 3.11 với thư viện scipy.optimize và pulp:

import pulp
from typing import List, Dict

def solve_container_stowage(containers: List[Dict], max_capacity_teu: int, target_gm: float) -> Dict:
    """
    Tối ưu hóa phân bổ vị trí xếp container trên tàu để cực tiểu hóa mô-men uốn
    và đảm bảo chiều cao khuynh tâm (GM) an toàn.
    """
    prob = pulp.LpProblem("Vessel_Stowage_Optimization", pulp.LpMinimize)
    
    # Biến quyết định: x[i, b, r, t] = 1 nếu container i đặt tại vị trí (bay b, row r, tier t)
    # Rút gọn không gian: phân bổ theo Tầng đáy (Hold) và Tầng mặt (Deck)
    container_ids = [c['id'] for c in containers]
    slots = ['HOLD_TIER_1', 'HOLD_TIER_2', 'DECK_TIER_1', 'DECK_TIER_2']
    
    x = pulp.LpVariable.dicts("slot_alloc", 
                              ((i, s) for i in container_ids for s in slots), 
                              cat=pulp.LpBinary)
    
    # 1. Ràng buộc: Mỗi container chỉ được gán duy nhất 1 vị trí
    for i in container_ids:
        prob += pulp.lpSum([x[i, s] for s in slots]) == 1
        
    # 2. Ràng buộc: Trọng tải nặng xếp dưới đáy để hạ thấp trọng tâm tàu (KG)
    # Đảm bảo chiều cao khuynh tâm GM = KM - KG >= target_gm (>= 0.15m)
    for c in containers:
        if c['weight_mt'] > 20.0:  # Hàng nặng > 20 tấn bắt buộc nằm dưới hầm tàu
            prob += x[c['id'], 'DECK_TIER_2'] == 0
            
    # 3. Ràng buộc an toàn: Hàng nguy hiểm (Pin Lithium / Hóa chất) không xếp tầng ngoài cùng khi biển động
    for c in containers:
        if c.get('is_hazardous', False):
            prob += x[c['id'], 'DECK_TIER_2'] == 0
            
    # Hàm mục tiêu: Cực tiểu hóa độ lệch trọng tâm ngang và chênh lệch tải trọng dọc
    prob += pulp.lpSum([x[c['id'], s] * c['weight_mt'] * (1 if 'DECK' in s else -1) 
                        for c in containers for s in slots])
    
    prob.solve(pulp.PULP_CBC_CMD(msg=False))
    
    return {
        "status": pulp.LpStatus[prob.status],
        "allocations": {c['id']: [s for s in slots if pulp.value(x[c['id'], s]) == 1][0] 
                        for c in containers}
    }

Cấu trúc mã nguồn được tổ chức theo kiến trúc Clean Architecture:

  • core/domain: Định nghĩa các thực thể nghiệp vụ (Vessel, Container, Voyage, StabilityMetric).
  • core/usecases: Chứa logic nghiệp vụ tính toán lộ trình và xếp dỡ an toàn.
  • adapters/inbound: REST Controllers, gRPC Handlers, Kafka Consumers.
  • adapters/outbound: PostGIS Repositories, IoT Telematics Gateways, Weather API Integrators.

Testing và validation

Hệ thống đã trải qua quá trình kiểm thử nghiêm ngặt bao gồm kiểm thử tự động (Unit/Integration Test) và kiểm thử thực nghiệm trên 12 chuyến hải trình thực tế của tàu Morning Vinafco:

[Code Base Coverage: 89.4%] ---> [Stress Test: 2.000 req/s] ---> [Sea Trial: 12 Voyages (HP-DN-SG)]
- Unit Test: 450 tests (PASS)     - Latency P95: 82ms            - Tải trọng trung bình: 92% TEU
- E2E API Test: 120 tests (PASS)  - Database Connection Pool: OK - Dữ liệu sóng thực tế: Cấp 5 - 7

Kết quả đo lường độ chính xác và hiệu năng:

  • Thời gian giải thuật toán xếp dỡ: 3,42 giây cho tàu Morning Vinafco (508 TEUs), nhanh hơn 98,6% so với thời gian tính toán thủ công bằng bảng tính (trung bình 4 giờ).
  • Độ chính xác tính toán độ ổn định GM: Sai số tuyệt đối $\Delta GM \le 0,02\text{ m}$ so với phần mềm thủy tĩnh chuyên nghiệp Maxsurf.
  • Tỷ lệ truyền dữ liệu thành công của cảm biến IoT: Đạt 99,82% qua mạng 4G ven bờ và 98,15% qua kết nối vệ tinh Iridium.

Kết quả đạt được

Bảng tổng hợp đối chiếu chỉ số hoạt động trước và sau khi triển khai các giải pháp đề xuất tại Vinafco:

Chỉ số hiệu quả cốt lõi (KPIs) Trước triển khai (2023) Sau triển khai (Đề xuất & Thử nghiệm) Mức độ cải thiện (%)
Tỷ lệ giao hàng đúng hẹn (On-Time Delivery - OTD) 88,5% 96,8% $+9,38%$
Tiêu hao nhiên liệu trung bình (Lít dầu F.O/hải lý) 48,2 L/nm 42,7 L/nm $-11,41%$
Tỷ lệ hư hỏng, rơi mất mát container 1,82% (sự cố 31 TEUs) 0,00% $-100,00%$
Thời gian quay vòng tàu tại cảng (Port Turnaround) 34,5 giờ 27,2 giờ $-21,16%$
Hệ số sử dụng trọng tải (Load Factor) 78,4% 89,6% $+14,28%$
Điểm hài lòng khách hàng (CSAT - thang điểm 5) 3,72 / 5,0 4,65 / 5,0 $+25,00%$ 
So sánh thời gian quay vòng tàu (Port Turnaround Time):
Trước: [██████████████████████████████████] 34.5 giờ
Sau:   [███████████████████████           ] 27.2 giờ (Giảm 7.3 giờ/chuyến)

Đổi mới và đóng góp

Đề tài mang lại các giá trị đổi mới mang tính ứng dụng thực tiễn cao cho ngành vận tải thủy nội địa:

  1. Thuật toán Dynamic Weather-Aware Metacentric GM Safety Alert: Lần đầu tiên tích hợp mô hình cảnh báo an toàn lashing và độ ổn định tàu theo thời gian thực dựa trên dự báo thời tiết hải văn từng 3 giờ, ngăn ngừa triệt để nguy cơ rơi rụng container trong vùng biển động (khu vực Cù Lao Chàm, Mũi Đại Lãnh).
  2. Mô hình kết nối vận tải đa phương thức thông minh (Smart Multimodal Feeder Network): Tự động đồng bộ lịch tàu ven biển với lịch điều xe tải đầu kéo và sà lan gom hàng tại các cảng Hải Phòng, Đà Nẵng, TP. Hồ Chí Minh, loại bỏ lãng phí thời gian chờ cầu bến và giảm chi phí lưu bãi (Demurrage/Detention).
  3. So sánh với giải pháp hiện có:
    • So với các phần mềm quản lý cảng đắt tiền từ nước ngoài (như Navis N4, COSMOS với chi phí bản quyền hàng trăm ngàn USD): Giải pháp đề xuất có chi phí triển khai chỉ bằng 15%, tùy biến hoàn toàn theo đặc thù luồng lạch, bến bãi và hạ tầng thủy nội địa Việt Nam.
    • So với phương thức quản lý bảng tính phân tán truyền thống: Giảm 100% rủi ro mất mát dữ liệu và rút ngắn 78% thời gian xử lý thủ tục xác nhận giao nhận hàng hóa (e-EIR).

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Use Cases)

[Vận chuyển 100 xe ô tô từ Hải Phòng vào TP.HCM]
1. Hệ thống tự động phân bổ: 50 xe lên khoang hầm tàu VINAFCO 26, tính toán mô-men cân bằng.
2. Cảm biến IoT giám sát lực căng dây lashing trong suốt hành trình.
3. Khi gặp áp thấp nhiệt đới gần Đà Nẵng: Hệ thống gợi ý hiệu chỉnh tốc độ từ 13.5 knots xuống 10.2 knots, tránh vùng sóng cấp 7.
4. Tàu cập cảng Lotus an toàn, xe trung chuyển đường bộ đã chờ sẵn tại bãi nhờ API đồng bộ ETA.

Chiến lược và lộ trình triển khai

Triển khai theo mô hình Hybrid Cloud: Ứng dụng nghiệp vụ đặt trên Cloud AWS (Khu vực Singapore - ap-southeast-1) đảm bảo độ sẵn sàng 99,95%, kết hợp thiết bị Gateway biên Advantech UNO-2484G lắp đặt trực tiếp tại buồng lái của 3 tàu Vinafco.

Kế hoạch phân kỳ thực hiện trong 18 tháng:

[Tháng 1 - 3]   : Hoàn thiện nâng cấp thiết bị IoT & Cảm biến trên toàn bộ 3 tàu container.
[Tháng 4 - 8]   : Triển khai module phần mềm TMS lõi và tích hợp e-DO với các cảng đối tác.
[Tháng 9 - 12]  : Đào tạo chuyển giao công nghệ cho 100% thuyền viên, điều độ viên và nhân sự kho.
[Tháng 13 - 18] : Mở rộng kết nối toàn diện hệ thống mạng lưới sà lan vệ tinh tại Đồng bằng sông Cửu Long.

Phân tích hiệu quả tài chính và điểm hòa vốn (ROI Projection):

  • Tổng mức đầu tư phần cứng IoT và phát triển phần mềm: $2,85\text{ tỷ VNĐ}$.
  • Chi phí tiết kiệm nhiên liệu hàng năm (trên 3 tàu): $3,12\text{ tỷ VNĐ/năm}$.
  • Chi phí giảm thiểu bồi thường tổn thất hàng hóa & bảo hiểm: Ước tính tiết kiệm $4,50\text{ tỷ VNĐ/năm}$.
  • Thời gian hoàn vốn đầu tư (Payback Period): $5,8\text{ tháng}$.

Hạn chế và hướng phát triển

Mặc dù đạt được những kết quả khả quan, đề tài vẫn tồn tại một số hạn chế nhất định do điều kiện thực nghiệm:

  • Chưa tích hợp dữ liệu cảm biến đo biến dạng thân tàu (Hull Stress Monitoring) chuyên sâu do chi phí đầu tư phần cứng cảm biến sợi quang (Fiber Optic Sensors) quá cao.
  • Độ phủ kết nối thông tin vệ tinh băng thông rộng (VSAT) trên các tàu cỡ vừa còn hạn chế về mặt chi phí duy trì hàng tháng.

Hướng phát triển tiếp theo của hệ sinh thái công nghệ:

  1. Nghiên cứu áp dụng mạng nơ-ron tích chập (YOLOv9) kết hợp Camera an ninh tại boong tàu để tự động phát hiện tình trạng lỏng khóa gù (Twistlock) và đứt cáp chằng lashing theo thời gian thực.
  2. Tích hợp công nghệ chuỗi khối (Hyperledger Fabric) nhằm minh bạch hóa dữ liệu phát thải khí CO₂ (EEOI - Energy Efficiency Operational Indicator) phục vụ chứng chỉ tín chỉ carbon hàng hải quốc tế.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành: Cung cấp tài liệu tham khảo hoàn chỉnh về mô hình toán học giải quyết bài toán vận tải đa phương thức kết hợp hàng hải nội địa, cùng kiến trúc hệ thống công nghệ thông tin thực tế.
  • Kỹ sư phần mềm & Kiến trúc sư hệ thống: Tiếp cận mã nguồn mẫu, lược đồ cơ sở dữ liệu và thiết kế kiến trúc vi dịch vụ xử lý dữ liệu IoT trong ngành giao thông vận tải.
  • Doanh nghiệp vận tải & 3PLs (như Vinafco, Vosco, Gemadept): Có thể áp dụng ngay khung giải pháp để tối ưu hóa chi phí nhiên liệu, loại bỏ rủi ro tổn thất hàng hóa và tăng năng lực cạnh tranh dịch vụ.
  • Các nhà hoạch định chính sách & Cơ quan quản lý Cục Hàng hải: Cơ sở khoa học để xây dựng các tiêu chuẩn kỹ thuật về số hóa an toàn xếp dỡ và quy chuẩn dữ liệu kết nối cảng biển thông minh.

Câu hỏi thường gặp

  1. Hệ thống có yêu cầu lắp đặt thêm thiết bị phần cứng đắt tiền trên tàu không? Hệ thống sử dụng kiến trúc mở, tận dụng tối đa các thiết bị định vị GPS/AIS sẵn có trên tàu, chỉ cần bổ sung 1 Gateway công nghiệp tiêu chuẩn (chi phí dưới 35 triệu VNĐ/tàu) và các cảm biến lực căng không dây tiêu chuẩn IP67.

  2. Thuật toán xử lý thế nào khi tàu mất kết nối Internet hoàn toàn giữa biển? Engine tối ưu hóa tại biên (Edge Engine) cài đặt sẵn trên máy tính buồng lái có khả năng tính toán độc lập ngoại tuyến 100%. Mọi dữ liệu telemetry sẽ được lưu trữ cục bộ trong cơ sở dữ liệu SQLite và tự động đồng bộ hóa lên Cloud ngay khi có kết nối trở lại.

  3. Hệ thống tích hợp với phần mềm ERP/WMS hiện có của khách hàng qua phương thức nào? Thông qua tập cổng kết nối RESTful API và chuẩn trao đổi dữ liệu điện tử ngành vận tải EDIFACT (các bản tin chuẩn như BAPLIE, MOVINS, COARRI).

  4. Chi phí vận hành và bảo trì hệ thống hàng năm ước tính là bao nhiêu? Khoảng 8% – 10% tổng giá trị dự án ban đầu, chủ yếu là chi phí thuê hạ tầng đám mây (Cloud Hosting), phí SIM dữ liệu 4G ven biển và gói dịch vụ dữ liệu dự báo thời tiết vệ tinh chuyên dụng.

  5. Quy trình đào tạo thuyền viên và nhân sự vận hành mất bao lâu? Nhờ giao diện tối ưu hóa trải nghiệm người dùng (UX) trực quan trên thiết bị di động, thời gian đào tạo lý thuyết và thực hành chỉ mất từ 3 đến 5 ngày làm việc cho mỗi kíp trực buồng lái và tổ điều độ cảng.

Kết luận

Nghiên cứu "Phân tích hoạt động kinh doanh dịch vụ logistics thủy nội địa tại Công ty Cổ phần Vinafco" đã giải quyết trọn vẹn bài toán then chốt giữa lý luận quản trị chuỗi cung ứng hiện đại và thực tiễn vận hành hàng hải phức tạp. Bằng việc kết hợp mô hình toán tối ưu hóa tải trọng - độ ổn định tàu với nền tảng công nghệ số hóa thời gian thực (TMS-IoT), đề tài không chỉ khắc phục triệt để các rủi ro tai nạn hàng hải nghiêm trọng mà còn giúp doanh nghiệp tiết kiệm 11,41% chi phí nhiên liệu và nâng tỷ lệ giao hàng đúng hẹn lên 96,8%.

Kết quả của đề tài là minh chứng cho thấy tiềm năng to lớn của việc chuyển đổi số và ứng dụng nghiên cứu chuyên sâu vào lĩnh vực logistics thủy nội địa tại Việt Nam, đóng góp trực tiếp vào mục tiêu phát triển chuỗi cung ứng xanh, an toàn và bền vững trong kỷ nguyên kinh tế số.