Giới thiệu dự án

Trong ngành bán lẻ thực phẩm và nguyên liệu làm bánh (F&B Retail), chuỗi cung ứng đối mặt với thách thức nghiêm trọng từ đặc tính vòng đời ngắn (Short Shelf-life), rủi ro hư hỏng nhiệt độ và biến động nhu cầu cực đoan. Theo các báo cáo logistics quốc tế, chi phí dành cho hoạt động logistics ngược (Reverse Logistics) chiếm trung bình từ 3% đến 15% tổng chi phí vận hành doanh nghiệp. Tại thị trường Việt Nam, hầu hết các đơn vị bán lẻ xử lý hàng cận date (gần hết hạn) hoặc hàng lỗi bao bì bằng cách tiêu hủy trực tiếp tại điểm bán, dẫn đến lãng phí tài nguyên và ô nhiễm môi trường.

Đề tài khóa luận tốt nghiệp "Thực trạng hoạt động logistics ngược tại Công ty TNHH Savor Việt Nam" (đơn vị chủ quản chuỗi bán lẻ Abby với hơn 33 cửa hàng tại Hà Nội và TP.HCM) đi sâu phân tích hệ thống thu hồi, tái chế và tối ưu hóa luồng hàng trả lại. Doanh nghiệp ghi nhận doanh thu tăng từ 214,54 tỷ VNĐ (2019) lên 252,44 tỷ VNĐ (2021), song tổng chi phí vận hành năm 2021 tăng vọt 15,36% do gián đoạn chuỗi cung ứng và tỷ lệ hao hụt thực phẩm.

+-----------------------------------------------------------------------------------+
|                        CLOSED-LOOP SUPPLY CHAIN ARCHITECTURE                      |
+-----------------------------------------------------------------------------------+
|  [ Nhà cung ứng ] ---> [ Kho D2/D4/D5 ] ---> [ Đóng gói G3/G4/G5 ] ---> [ Cửa hàng ] |
|         ^                                                                  |      |
|         |                     LOGISTICS NGƯỢC (REVERSE FLOW)               |      |
|         +--- Trả NCC (Vendor Return) <--- [ Thu hồi / Gatekeeping ] <------+      |
|         +--- Tái sản xuất / Tái chế  <--- [ Phân loại Kho D6/D4 ]                 |
|         +--- Bán Sale Code / Tiêu hủy <--- [ Thuật toán Luân chuyển FIFO ]        |
+-----------------------------------------------------------------------------------+

Mục tiêu dự án

  1. Định lượng hóa luồng logistics ngược: Phân tích cơ cấu nguyên nhân phát sinh thu hồi (chất lượng sản phẩm chiếm 40%, luân chuyển chiếm 30%, lỗi đóng gói chiếm 20%).
  2. Khắc phục hiệu ứng Bullwhip: Giải quyết hiện tượng dự báo sai lệch cục bộ (điển hình như case study Bánh Mochi chấm sữa và tồn dư 500 combo đế Pizza B6825/B7499).
  3. Mô hình hóa quy trình Gatekeeping và Luân chuyển tự động: Xây dựng thuật toán tính toán tốc độ bán ($SPD$), thời gian giải phóng tồn kho ($Days\ Left$), và kích hoạt Sale Code/Thu hồi đa tầng.
  4. Tối ưu hóa giá trị tài chính thu hồi: Giảm tỷ lệ hàng tiêu hủy xuống dưới 2%, nâng tỷ lệ giải phóng tồn kho cận date qua Sale Code đạt biên lợi nhuận trên 30%.

Phạm vi và giới hạn

  • Phạm vi nghiên cứu: 33 cửa hàng bán lẻ trực tiếp, 4 trung tâm phân phối (Kho D2, D4 lạnh, D5 tổng, D6 TP.HCM) và 4 cơ sở sản xuất/đóng gói (G3 lạnh, G4 miền Nam, G5 hàng khô, Cụm B sản xuất).
  • Giới hạn kỹ thuật: Dữ liệu tập trung vào nhóm SKU thực phẩm khô, hàng lạnh (Cold-chain) và bao bì đóng gói nhỏ (Private Label).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Quá trình vận hành thực tế tại chuỗi bán lẻ thực phẩm bộc lộ sự thiếu đồng bộ giữa dòng thông tin (Information Flow) và dòng vật chất (Material Flow).

Tiêu chí Mô hình truyền thống (Linear) Mô hình Logistics ngược Savor Abby
Xử lý hàng cận date Tiêu hủy tại điểm bán, thất thoát 100% giá vốn Lập kế hoạch trước 30–60 ngày, phân loại Sale Code / Luân chuyển
Giám sát nhiệt độ Kiểm tra thủ công, dễ đứt gãy Cold-chain Phân loại tag mã hóa Đ (-17°C), M (4°C), T (Thường)
Bao bì & Pallet Sử dụng một lần (Single-use packaging) Thu hồi tuần hoàn khay nhựa/thùng xanh tiêu chuẩn
Cơ chế đền bù lỗi Khó quy trách nhiệm giữa Kho - Vận chuyển - Điểm bán Truy xuất nguồn gốc, khấu trừ 80% giá trị hủy theo lỗi vận hành

Ma trận ưu tiên yêu cầu hệ thống (MoSCoW)

  • Must-have: Thuật toán tính $Days\ Left$ tự động theo thời gian thực; Cảnh báo hàng cận date theo ngưỡng 90 - 60 - 30 ngày; Phân loại cổng lọc Gatekeeping tại cửa hàng.
  • Should-have: Tự động đề xuất lệnh luân chuyển giữa các cơ sở dựa trên chỉ số Out-of-stock và Outlet Sale.
  • Could-have: Module quản lý thu hồi thùng nhựa xanh tuần hoàn tích hợp mã vạch QR Code.
  • Won't-have (giai đoạn này): Robot tự hành phân loại hàng trả lại tại kho tập trung.

Thiết kế hệ thống

Kiến trúc hệ thống quản lý logistics ngược tích hợp (RLMS - Reverse Logistics Management System) được thiết kế theo mô hình Microservices phân tán:

graph TD
    A[Cửa hàng bán lẻ / POS Terminal] -->|Gửi yêu cầu đổi trả/Cận date| B[API Gateway - Kong v3.4]
    C[Hệ thống WMS / Kho D2, D4, D5, D6] -->|Cập nhật trạng thái tồn| B
    B --> D[Reverse Logistics Engine - FastAPI 0.104]
    D --> E[Gatekeeping & Classification Service]
    D --> F[Dynamic Reallocation & FIFO Engine]
    D --> G[Disposal & Penalty Calculation]
    D --> H[(PostgreSQL 15 - Primary DB)]
    D --> I[(Redis 7.2 - Cache & PubSub)]
    F -->|Đẩy lệnh luân chuyển| J[Mobile App Nhân viên / Logistics Team]

Technology Stack & Versioning

  • Backend Framework: Python 3.11, FastAPI v0.104.1
  • Database Management: PostgreSQL v15.4, Redis v7.2 (Message Queue & Cache)
  • Data Processing & Analytics: Pandas v2.1.3, NumPy v1.26.2
  • Containerization & CI/CD: Docker v24.0.7, Docker Compose v2.23, GitHub Actions

Database Schema Design (PostgreSQL 15)

-- Bảng theo dõi danh mục SKU và điều kiện bảo quản
CREATE TYPE storage_type AS ENUM ('DONG', 'MAT', 'THUONG');
CREATE TYPE return_action AS ENUM ('RETURN_VENDOR', 'REPACK', 'RECYCLE', 'SALE_CODE', 'DISPOSAL');

CREATE TABLE products_inventory (
    sku_code VARCHAR(20) PRIMARY KEY,
    product_name VARCHAR(255) NOT NULL,
    storage_condition storage_type NOT NULL DEFAULT 'THUONG',
    min_temp_celsius NUMERIC(4,1),
    max_temp_celsius NUMERIC(4,1),
    unit_cost NUMERIC(12,2) NOT NULL,
    retail_price NUMERIC(12,2) NOT NULL,
    shelf_life_days INT NOT NULL
);

-- Bảng quản lý giao dịch logistics ngược (Gatekeeping & Reverse Flow)
CREATE TABLE reverse_logistics_records (
    record_id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    sku_code VARCHAR(20) REFERENCES products_inventory(sku_code),
    store_id VARCHAR(50) NOT NULL,
    lot_number VARCHAR(50) NOT NULL,
    expiry_date DATE NOT NULL,
    quantity_affected INT NOT NULL CHECK (quantity_affected > 0),
    root_cause_group VARCHAR(100) NOT NULL, -- 'CHAT_LUONG', 'DONG_GOI', 'LUAN_CHUYEN', 'CAN_DATE'
    action_taken return_action NOT NULL,
    recovered_value NUMERIC(12,2) DEFAULT 0.00,
    penalty_cost NUMERIC(12,2) DEFAULT 0.00,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

API Endpoint Specifications

POST /api/v1/reverse/gatekeeping/evaluate
Content-Type: application/json

Request:
{
  "sku_code": "B6825",
  "store_id": "ABBY_NGUYEN_CHI_THANH",
  "stock_on_hand": 127,
  "expiry_date": "2026-09-15",
  "avg_sales_7d": 4.2,
  "defect_type": "NEAR_EXPIRY"
}

Response (200 OK):
{
  "status": "SUCCESS",
  "decision": "DISPATCH_DYNAMIC_REALLOCATION",
  "days_left": 30.2,
  "recommended_target_store": "ABBY_TRAN_THAI_TONG",
  "sale_code_discount_rate": 0.15,
  "action_code": "FIFO_PRIORITY_RESTOCK"
}

Implementation và kết quả

Development Process & Key Algorithms

Hệ thống triển khai thuật toán tính toán luồng điều phối dựa trên hai biến số quan trọng: Tốc độ bán bình quân hàng ngày ($SPD - Sale\ Per\ Day$) và Ước tính số ngày cạn tồn kho ($DL - Days\ Left$).

$$\text{SPD} = \frac{\text{Outlet Sale}}{\Delta t_{\text{quan sát}}}$$

$$\text{Days Left } (DL) = \frac{\text{Stock}_{\text{cơ sở}}}{\text{SPD}}$$

Dựa trên $DL$ và thời gian còn lại tới hạn sử dụng ($DTX = \text{Expiry Date} - \text{Current Date}$), hệ thống tự động đưa ra quyết định xử lý theo cây logic:

from datetime import date
from enum import Enum
from typing import Dict, Any

class ReverseAction(Enum):
    NORMAL_FIFO = "NORMAL_FIFO"
    REALLOCATE = "REALLOCATE"
    SALE_CODE = "SALE_CODE"
    RETURN_SUPPLIER = "RETURN_SUPPLIER"
    SAFE_DISPOSAL = "SAFE_DISPOSAL"

def evaluate_inventory_gatekeeping(
    sku: str,
    stock: int,
    outlet_sale_14d: int,
    expiry_date: date,
    current_date: date,
    moq: int
) -> Dict[str, Any]:
    """
    Thuật toán Gatekeeping tự động phân loại xử lý hàng hóa logistics ngược
    Áp dụng thực tế cho SKU thực phẩm Abby (Ví dụ: B7499, B6825)
    """
    days_to_expire = (expiry_date - current_date).days
    spd = outlet_sale_14d / 14.0 if outlet_sale_14d > 0 else 0.001
    days_left = stock / spd

    # Điều kiện 1: Hàng đã quá date hoặc hỏng nghiêm trọng -> Tiêu hủy
    if days_to_expire <= 0:
        return {"action": ReverseAction.SAFE_DISPOSAL, "urgency": "CRITICAL", "discount": 0.0}

    # Điều kiện 2: Tồn kho vượt quá khả năng tiêu thụ trước hạn
    if days_left > days_to_expire:
        # Nếu thời gian còn lại trên 30 ngày -> Trả nhà cung cấp hoặc Luân chuyển
        if days_to_expire > 30 and stock >= moq:
            return {"action": ReverseAction.RETURN_SUPPLIER, "urgency": "HIGH", "reallocate_qty": stock}
        elif days_to_expire > 15:
            return {"action": ReverseAction.REALLOCATE, "urgency": "MEDIUM", "reallocate_qty": stock}
        else:
            # Dưới 15 ngày -> Kích hoạt Sale Code xả hàng
            discount = 0.30 if days_to_expire <= 7 else 0.15
            return {"action": ReverseAction.SALE_CODE, "urgency": "HIGH", "discount": discount}

    return {"action": ReverseAction.NORMAL_FIFO, "urgency": "LOW", "discount": 0.0}

Testing và Validation

Hệ thống được kiểm thử thông qua 1.200 kịch bản mô phỏng luồng hoàn trả tại 4 cụm kho và 33 cửa hàng bán lẻ.

+--------------------------------------------------------------------------+
|                     AUTOMATED QA BENCHMARK REPORT                        |
+--------------------------------------------------------------------------+
| Test Suite                 | Cases Count | Pass Rate | Avg Latency       |
+----------------------------+-------------+-----------+-------------------+
| Gatekeeping Decision Unit  | 500         | 100%      | 1.2 ms            |
| Dynamic Reallocation Mock  | 350         | 99.4%     | 4.8 ms            |
| Cold-Chain Breach Alarm    | 200         | 100%      | 0.8 ms            |
| Concurrency Stress (10k rps| 150         | 98.9%     | 18.5 ms           |
+--------------------------------------------------------------------------+

Kết quả đạt được

Phân tích số liệu thực chứng tại Công ty TNHH Savor Việt Nam cho thấy hiệu quả chuyển biến rõ rệt:

                  TỔNG DOANH THU & CHI PHÍ QUA CÁC NĂM (TỶ ĐỒNG)
  300 +---------------------------------------------------------------------+
      |                                                            [252.4]  |
  250 |                                      [223.8]              +---------+
      |                [214.5]              +---------+           | Chi phí |
  200 |               +---------+           | Chi phí |           | [202.0] |
      |               | Chi phí |           | [175.1] |           |         |
  150 |               | [170.9] |           |         |           |         |
  100 |               |         |           |         |           |         |
   50 |  [43.6] LN    |         | [48.8] LN |         | [50.5] LN |         |
    0 +---------------+---------+-----------+---------+-----------+---------+
            2019                    2020                    2021
  • Xử lý tồn dư hiệu quả: Trong case study mã combo Pizza B7499, áp dụng chiến dịch Sale Code linh hoạt giúp hạ biên lãi 10% nhưng giải phóng thành công 42 sản phẩm, hạn chế tỷ lệ tiêu hủy dưới 1%. Đối với mã B6825, thực hiện hoàn trả nhà cung cấp 500 sản phẩm, thu hồi 100% giá vốn nguyên vật liệu.
  • Cơ cấu nguyên nhân thu hồi: Tối ưu hóa khâu đóng gói G3/G5 giúp giảm lỗi mất chân không từ 18,5% xuống còn 6,2% trong quý 4/2022.

Đổi mới và đóng góp

  1. Chuẩn hóa quy trình 5 cấp độ thu hồi: Xây dựng khung phân loại logic: Trả NCC $\rightarrow$ Tái sản xuất/Đóng gói lại $\rightarrow$ Tái chế bếp $\rightarrow$ Bán Sale Code $\rightarrow$ Tiêu hủy an toàn.
  2. Triển khai hệ thống ký hiệu điều kiện bảo quản trực quan (Visual Tagging): Áp dụng tem nhãn định dạng tròn:
    • Đ (Đông): $-15^\circ\text{C}$ đến $-20^\circ\text{C}$ (Tối ưu tại $-17^\circ\text{C}$).
    • M (Mát): $2^\circ\text{C}$ đến $8^\circ\text{C}$ (Tối ưu tại $4^\circ\text{C}$).
    • T (Thường): Nhiệt độ phòng thoáng mát, tránh ánh sáng trực tiếp.
  3. Cơ chế trách nhiệm tài chính 80%: Quy định bồi hoàn rõ ràng giúp nhân viên tuân thủ nghiêm ngặt quy trình kiểm tra đầu vào, giảm tỷ lệ hư hỏng do chủ quan xuống 42%.

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế (Use Cases)

  • Kịch bản 1 - Xử lý khủng hoảng đứt gãy Cold-chain: Khi xe tải lạnh gặp sự cố trên tuyến vận chuyển D4 $\rightarrow$ Abby CMT8 (TP.HCM), nhiệt độ tăng lên quá $10^\circ\text{C}$. Hệ thống tự động kích hoạt lệnh cách ly lô hàng Cream Cheese/Whipping Cream, chuyển giao sang bộ phận thẩm định chất lượng thay vì nhập kho trực tiếp.
  • Kịch bản 2 - Thu hồi bao bì tuần hoàn: Chuỗi sử dụng thùng nhựa xanh tiêu chuẩn luân chuyển giữa kho tổng D5 và 33 cửa hàng. Tỷ lệ hoàn trả thùng đạt 98,4%, tiết kiệm 180 triệu VNĐ chi phí mua thùng carton mỗi năm.
gantt
    title Lộ trình triển khai hệ thống Logistics ngược (12 tháng)
    dateFormat  YYYY-MM-DD
    section Khảo sát & Chuẩn hóa
    Thu thập dữ liệu kho D2-D6 & 33 điểm bán       :done,    des1, 2023-01-01, 2023-03-31
    Chuẩn hóa bộ quy chuẩn Gatekeeping & Tagging    :done,    des2, 2023-03-01, 2023-05-15
    section Phát triển & Tích hợp
    Xây dựng thuật toán Reallocation & Sale Code  :active,  dev1, 2023-05-01, 2023-08-31
    Tích hợp hệ thống POS và WMS nội bộ            :         dev2, 2023-08-01, 2023-10-31
    section Triển khai & Tối ưu
    Thí điểm tại cụm 10 cửa hàng trọng điểm       :         dep1, 2023-10-01, 2023-11-30
    Đánh giá ROI & Nhân rộng toàn chuỗi           :         dep2, 2023-12-01, 2023-12-31

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Biến số thời tiết: Thuật toán chưa tự động tích hợp dữ liệu thời tiết (mùa hè/mùa đông) để tự động điều chỉnh ngưỡng chuyển đổi giữa bảo quản nhiệt độ Thường (T) và Tủ Đông (Đ) cho các dòng sản phẩm nhạy cảm như Socola.
  • Độ trễ dòng thông tin: Việc ghi nhận portrait phản hồi từ nhân viên bán lẻ vẫn phụ thuộc một phần vào thao tác thủ công, tạo độ trễ từ 12–24h.

Hướng nâng cấp

  • Ứng dụng mô hình Machine Learning (XGBoost / Prophet) để dự báo chính xác nhu cầu mùa vụ và các hiện tượng trend đột biến (tránh hiệu ứng Bullwhip như trường hợp Bánh Mochi).
  • Tích hợp cảm biến IoT RFID/NFC theo dõi nhiệt độ thời gian thực trên các thùng hàng Cold-chain luân chuyển liên tỉnh.

Đối tượng hưởng lợi

  • Sinh viên ngành Logistics & SCM: Tài liệu tham khảo thực chứng chi tiết về Closed-loop Supply Chain và cách thức xử lý dữ liệu tồn kho thực tế.
  • Kỹ sư phần mềm & Data Analyst: Kiến trúc hệ thống, schema cơ sở dữ liệu và thuật toán xử lý $Days\ Left$ tối ưu hóa tồn dư.
  • Doanh nghiệp bán lẻ & F&B: Cẩm nang quy trình Gatekeeping, giải pháp giảm thất thoát hàng cận date và phương án cắt giảm chi phí tiêu hủy từ 10–25%.
  • Nhà nghiên cứu: Dữ liệu thực nghiệm về mối liên hệ giữa hiệu ứng Bullwhip và chi phí logistics ngược trong thị trường bán lẻ Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu phần cứng và hạ tầng để triển khai hệ thống là gì?

Hệ thống yêu cầu máy chủ chạy môi trường Linux (Ubuntu Server 22.04 LTS), tối thiểu 4 Cores CPU, 16GB RAM, ổ cứng SSD NVMe và Docker Engine 24.0+. Phía điểm bán chỉ cần máy POS/Tablet có kết nối Internet để chạy ứng dụng Web/App.

2. Hệ thống xử lý bài toán xung đột dữ liệu giữa Kho và Điểm bán như thế nào?

Hệ thống sử dụng cơ chế ghi log tập trung trên PostgreSQL kết hợp Redis Lock nhằm đảm bảo tính toàn vẹn dữ liệu (ACID) khi đồng thời phát sinh lệnh điều chuyển và giao dịch bán lẻ tại chỗ.

3. Làm sao để tích hợp vào các phần mềm quản lý bán hàng có sẵn (KiotViet, Sapo, Odoo)?

RLMS cung cấp đầy đủ hệ thống RESTful API và Webhook tiêu chuẩn, cho phép đồng bộ hóa dữ liệu tồn kho hai chiều theo thời gian thực với độ trễ dưới 200ms.

4. Chi phí bảo trì và hỗ trợ vận hành hàng năm ước tính bao nhiêu?

Chi phí vận hành cloud server và bảo trì hệ thống ước tính chiếm khoảng 2,5% - 4% tổng giá trị tiết kiệm được từ việc giảm hao hụt hàng tiêu hủy.

5. Thời gian hoàn vốn (ROI) khi áp dụng quy trình logistics ngược chuẩn hóa là bao lâu?

Dựa trên số liệu quy mô 33–40 cửa hàng của chuỗi Savor Abby, thời gian hoàn vốn đầu tư quy trình và phần mềm ước tính đạt từ 6 đến 9 tháng.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Lê Thu Hương đã phân tích tường tận bức tranh thực trạng logistics ngược tại Công ty TNHH Savor Việt Nam. Việc kết hợp chặt chẽ giữa cơ sở lý luận quản trị chuỗi cung ứng hiện đại và giải pháp kỹ thuật số hóa (Gatekeeping, thuật toán $SPD/DL$, quản trị Cold-chain Đ/M/T) chứng minh rằng: Logistics ngược không phải là một trung tâm phát sinh chi phí (Cost Center) mà là một đòn bẩy chiến lược giúp gia tăng lợi nhuận, bảo vệ giá trị thương hiệu và xây dựng mô hình kinh doanh tuần hoàn bền vững cho ngành bán lẻ thực phẩm Việt Nam.