Giới thiệu dự án

Hoạt động vận chuyển hàng hóa bằng đường hàng không tại Việt Nam đóng vai trò then chốt trong chuỗi logistics nội địa và quốc tế, đặc biệt đối với các nhóm hàng hóa có giá trị cao, hàng mau hỏng và hàng hóa yêu cầu thời gian giao hàng chuẩn xác. Theo Báo cáo Logistics Việt Nam 2023 của Bộ Công Thương và số liệu từ Cục Hàng không Việt Nam (CAAV), luồng hàng hóa vận chuyển nội địa trong 9 tháng đầu năm 2023 ghi nhận mức tăng trưởng 10% so với cùng kỳ năm 2022. Tuy nhiên, phương thức vận tải hàng không luôn đối mặt với các rủi ro vận hành phức tạp do sự nhạy cảm về thời gian, yêu cầu an ninh hàng không nghiêm ngặt và tính biến động cao của lịch trình bay.

Đề tài "Quản lý rủi ro trong dịch vụ giao nhận hàng hóa bằng đường hàng không tại Công ty TNHH Thương mại vận tải Đại An" do sinh viên Nguyễn Minh Hoàng (MSV: A39685, Ngành Logistics và Quản lý Chuỗi cung ứng, Trường Đại học Thăng Long, dưới sự hướng dẫn khoa học của TS. Nguyễn Thanh Thủy) nghiên cứu và xây dựng. Dự án tập trung giải quyết các điểm nghẽn (pain points) trong quy trình giao nhận thực tế của một doanh nghiệp dịch vụ logistics bên thứ ba (3PL).

+-------------------------------------------------------------------------------+
|                       CÁC ĐIỂM NGHẼN VẬN HÀNH CHÍNH                           |
+------------------------------------+------------------------------------------+
| - Sai lệch chứng từ (AWB/HAWB/MAWB)| -> Tắc nghẽn tại khâu soi chiếu an ninh  |
| - Trễ thời gian cut-off time       | -> Bị hủy chuyến, phát sinh chi phí lưu kho|
| - Hàng hóa bị hư hại/thất lạc      | -> Quy trình khiếu nại bồi thường kéo dài |
| - Thiếu hệ thống cảnh báo sớm (RPN)| -> Ứng phó bị động, gia tăng rủi ro tài chính|
+------------------------------------+------------------------------------------+

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận về quản lý rủi ro chuỗi cung ứng (SCRM - Supply Chain Risk Management) và quy trình giao nhận hàng hóa đường hàng không.
  2. Khảo sát và nhận diện toàn diện các rủi ro phát sinh trong quá trình vận hành dịch vụ giao nhận hàng không tại Công ty TNHH Thương mại vận tải Đại An giai đoạn 2021–2023.
  3. Định lượng và phân tích tác động rủi ro thông qua phương pháp Phân tích mô hình sai hỏng và tác động (Failure Mode and Effects Analysis - FMEA) kết hợp đo lường Giá trị tiền tệ kỳ vọng (Expected Monetary Value - EMV).
  4. Xây dựng giải pháp công nghệ và quy trình chuẩn nhằm tối ưu hóa khả năng nhận diện, ứng phó, kiểm soát và giảm thiểu tỷ lệ sự cố trong vận chuyển hàng không.

Phương pháp tiếp cận và kết quả kỳ vọng

  • Phương pháp tiếp cận: Ứng dụng mô hình SCRM 4 bước (Xác định - Phân tích - Ứng phó - Giám sát) kết hợp chuyển đổi số quy trình luân chuyển chứng từ và theo dõi đơn hàng (Track & Trace).
  • Chỉ số đo lường kỳ vọng (KPIs):
    • Giảm tỷ lệ sai lệch dữ liệu vận đơn (Air Waybill - AWB) từ 6.2% xuống dưới 1.0%.
    • Giảm thiểu tỷ lệ sự cố chậm trễ do trễ thời gian cut-off xuống dưới 1.5%.
    • Rút ngắn thời gian xử lý khiếu nại bồi thường từ 14 ngày làm việc xuống dưới 48 giờ.
    • Tối ưu hóa chi phí dự phòng rủi ro vận hành ít nhất 25% mỗi năm.

Phạm vi và giới hạn

  • Không gian: Nghiên cứu trực tiếp tại trụ sở chính và các trạm khai thác của Công ty TNHH Thương mại vận tải Đại An, liên kết với Cảng hàng không quốc tế Nội Bài (HAN), Tân Sơn Nhất (SGN), Đà Nẵng (DAD) và Cát Bi (HPH).
  • Thời gian: Dữ liệu hoạt động thực tế thu thập từ năm 2021 đến hết năm 2023.
  • Đối tượng giới hạn: Tập trung vào chuỗi giao nhận hàng không nội địa và kết nối trung chuyển xuất khẩu hợp tác với đối tác chính là Vietnam Airlines Cargo.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại Công ty TNHH Thương mại vận tải Đại An, quy trình giao nhận hàng không truyền thống phụ thuộc lớn vào việc nhập liệu thủ công qua file bảng tính và trao đổi thông tin phân tán (Email, Zalo, điện thoại). Điều này dẫn đến sự đứt gãy thông tin giữa nhân viên chứng từ, nhân viên hiện trường sân bay và bộ phận kế toán đối soát.

Tiêu chí Mô hình xử lý thụ động (Hiện trạng Đại An) Mô hình quản trị chuẩn hóa (ISO 31000) Mô hình SCRM tích hợp thuật toán (Giải pháp đề xuất)
Xác định rủi ro Phát sinh sự cố mới ghi nhận Nhận diện định kỳ qua checklist Đánh giá ma trận rủi ro động theo thời gian thực
Đo lường tác động Đánh giá cảm tính, thiếu số liệu Phân tích định tính (Ma trận $3\times3$) Định lượng bằng chỉ số FMEA ($RPN = S \times O \times D$) và EMV
Phản ứng sự cố Xử lý vụ việc phát sinh (Reactive) Kế hoạch phản ứng định sẵn Kịch bản ứng phó tự động theo ngưỡng cảnh báo RPN
Thời gian đối soát 7 - 10 ngày sau chu kỳ thanh toán 3 - 5 ngày làm việc Đối soát tự động thời gian thực qua hệ thống
Khả năng hiển thị Cập nhật thủ công khi khách hàng hỏi Cổng tra cứu tiến độ bán tự động Tích hợp Web API Track & Trace đồng bộ dữ liệu chuyến bay

Yêu cầu hệ thống theo mô hình MoSCoW

  • Must have (Bắt buộc): Module tính điểm RPN tự động cho từng lô hàng; Hệ thống kiểm tra hợp lệ thông tin AWB và mã HS Code trước khi truyền dữ liệu lên hệ thống hải quan VNACCS/VCIS; Tính năng cảnh báo mốc giờ cut-off time.
  • Should have (Nên có): Tích hợp API tự động đồng bộ trạng thái chuyến bay từ hãng hàng không; Module quản lý sổ đăng ký rủi ro (Risk Register) tập trung.
  • Could have (Có thể có): Thuật toán mô phỏng Monte Carlo để dự báo biến động chi phí phụ phí nhiên liệu và phụ phí an ninh.
  • Won't have (Chưa thực hiện): Tích hợp cảm biến IoT theo dõi nhiệt độ thùng hàng ULD (Unit Load Device) AKH theo thời gian thực (dự kiến pha 2).

Thiết kế hệ thống

Kiến trúc hệ thống quản lý rủi ro giao nhận hàng không được thiết kế theo mô hình phân tầng hướng dịch vụ (Service-Oriented Architecture), đảm bảo khả năng liên kết dữ liệu giữa các bộ phận chức năng và đối tác vận tải.

Technology Stack và phiên bản chi tiết

  • Backend Framework: Python 3.11 với FastAPI v0.110.0 (Xử lý bất đồng bộ high-performance).
  • Database Engine: PostgreSQL 16.2 kết hợp mở rộng PostGIS quản lý vị trí địa lý sân bay/kho bãi.
  • In-memory Cache & Broker: Redis v7.2 (Quản lý hàng đợi tác vụ và bộ nhớ đệm trạng thái chuyến bay).
  • Task Queue: Celery v5.3.6 (Xử lý các tác vụ phân tích rủi ro nền và thông báo định kỳ).
  • Containerization & Deployment: Docker v26.0.0, Docker Compose v2.26.0 trên nền tảng Ubuntu Server 22.04 LTS.

Database Schema cho quản lý rủi ro lô hàng (PostgreSQL)

-- Bảng ghi nhận thông tin vận đơn và rủi ro
CREATE TABLE airway_bills (
    awb_id VARCHAR(20) PRIMARY KEY,
    mawb_number VARCHAR(15) NOT NULL UNIQUE,
    hawb_number VARCHAR(15),
    shipper_id UUID NOT NULL,
    origin_airport CHAR(3) NOT NULL, -- IATA Code (e.g., 'HAN')
    destination_airport CHAR(3) NOT NULL, -- IATA Code (e.g., 'SGN')
    flight_number VARCHAR(10) NOT NULL,
    cutoff_time TIMESTAMP WITH TIME ZONE NOT NULL,
    departure_time TIMESTAMP WITH TIME ZONE NOT NULL,
    cargo_weight_kg NUMERIC(8, 2) NOT NULL,
    uld_type VARCHAR(10) DEFAULT 'AKH',
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bảng phân tích và tính điểm FMEA rủi ro
CREATE TABLE fmea_risk_evaluations (
    eval_id SERIAL PRIMARY KEY,
    awb_id VARCHAR(20) REFERENCES airway_bills(awb_id) ON DELETE CASCADE,
    severity_score INT CHECK (severity_score BETWEEN 1 AND 5),
    occurrence_score INT CHECK (occurrence_score BETWEEN 1 AND 5),
    detection_score INT CHECK (detection_score BETWEEN 1 AND 5),
    rpn_score INT GENERATED ALWAYS AS (severity_score * occurrence_score * detection_score) STORED,
    risk_level VARCHAR(20) NOT NULL,
    mitigation_action TEXT,
    is_mitigated BOOLEAN DEFAULT FALSE,
    evaluated_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

Thiết kế RESTful API Endpoint đánh giá rủi ro

POST /api/v1/risk/evaluate-shipment HTTP/1.1
Host: api.daianlogistics.com
Content-Type: application/json
Authorization: Bearer <jwt_access_token>

{
  "awb_number": "738-12345675",
  "cargo_type": "PERISHABLE",
  "route": {
    "origin": "HAN",
    "destination": "SGN"
  },
  "weight_kg": 450.5,
  "requires_dgr": false,
  "scheduled_departure": "2026-08-25T14:30:00Z",
  "cutoff_time": "2026-08-25T12:00:00Z"
}

{
  "status": "SUCCESS",
  "data": {
    "awb_number": "738-12345675",
    "risk_metrics": {
      "severity": 4,
      "occurrence": 2,
      "detection": 2,
      "rpn": 16,
      "risk_classification": "MEDIUM_CONTROLLED"
    },
    "alerts": [
      {
        "type": "CUTOFF_BUFFER_WARNING",
        "message": "Khoảng cách bàn giao đến giờ cut-off dưới 120 phút. Đề xuất ưu tiên luồng soi chiếu số 2."
      }
    ],
    "contingency_plan_id": "CP-AIR-HAN-SGN-04"
  }
}

Methodology

Quy trình cải tiến được thực hiện dựa trên phương pháp PDCA (Plan - Do - Check - Act) kết hợp quản trị dự án theo chuẩn SCRM:

[PLAN] Xác định các nút thắt rủi ro (Nội bộ / Chuỗi / Môi trường)
[DO] Triển khai công cụ đo lường FMEA & số hóa quy trình giao nhận
[CHECK] Đo lường tần suất sai lỗi, chi phí đền bù và chỉ số OTIF
[ACT] Chuẩn hóa quy trình vận hành SOP và cập nhật sổ rủi ro
  • Tiến độ triển khai (Milestones):
    • Tháng 1 - 2: Khảo sát dữ liệu lịch sử giao nhận 2021-2023, phân loại 4 nhóm rủi ro cốt lõi (Quy trình, Hệ thống, Nhân sự, Đối tác).
    • Tháng 3 - 4: Thiết lập ma trận đánh giá FMEA, cấu hình công thức RPN và xây dựng sổ đăng ký rủi ro (Risk Register).
    • Tháng 5 - 6: Tích hợp quy trình kiểm soát chứng từ trực tuyến và thử nghiệm kiểm soát rủi ro chặng HAN-SGN.
    • Tháng 7: Đánh giá hiệu chỉnh sai lệch, hoàn thiện tài liệu SOP bàn giao vận hành.

Implementation và kết quả

Development process

Trọng tâm của giải pháp là việc chuyển đổi từ quy trình ứng phó rủi ro thụ động sang mô hình đánh giá định lượng bằng thuật toán. Module định lượng rủi ro được viết bằng Python, trực tiếp tính toán điểm ưu tiên rủi ro (Risk Priority Number - RPN) và Giá trị tiền tệ kỳ vọng (Expected Monetary Value - EMV).

from dataclasses import dataclass
from enum import Enum
from typing import Dict, Any

class RiskCategory(Enum):
    LOW = "LOW"
    MEDIUM = "MEDIUM"
    HIGH = "HIGH"
    CRITICAL = "CRITICAL"

@dataclass
class AirCargoRiskAssessment:
    awb_code: str
    severity: int     # Thang điểm 1 (Không đáng kể) - 5 (Rất nghiêm trọng)
    occurrence: int   # Thang điểm 1 (Hiếm khi) - 5 (Rất thường xuyên)
    detection: int    # Thang điểm 1 (Dễ phát hiện) - 5 (Không thể phát hiện)
    cargo_value_vnd: float
    probability: float

    def calculate_rpn(self) -> int:
        """Tính chỉ số ưu tiên rủi ro RPN = S * O * D"""
        return self.severity * self.occurrence * self.detection

    def calculate_emv(self) -> float:
        """Tính giá trị tiền tệ kỳ vọng EMV = P * L"""
        loss_ratio = {1: 0.05, 2: 0.15, 3: 0.35, 4: 0.70, 5: 1.00}
        potential_loss = self.cargo_value_vnd * loss_ratio.get(self.severity, 0.2)
        return self.probability * potential_loss

    def evaluate_risk_level(self) -> Dict[str, Any]:
        rpn = self.calculate_rpn()
        emv = self.calculate_emv()
        
        if rpn >= 60:
            category = RiskCategory.CRITICAL
            action = "Kích hoạt kế hoạch dự phòng khẩn cấp; thay đổi tuyến bay hoặc chuyển hãng vận chuyển."
        elif rpn >= 30:
            category = RiskCategory.HIGH
            action = "Tăng cường giám sát hiện trường sân bay; kiểm tra kép thông tin AWB và tờ khai hải quan."
        elif rpn >= 15:
            category = RiskCategory.MEDIUM
            action = "Theo dõi tự động qua Track & Trace; duy trì liên lạc với điều phối viên hãng bay."
        else:
            category = RiskCategory.LOW
            action = "Quy trình tiêu chuẩn; lưu hồ sơ theo dõi định kỳ."

        return {
            "awb": self.awb_code,
            "rpn": rpn,
            "emv_vnd": round(emv, 2),
            "category": category.value,
            "action_plan": action
        }

# Minh họa thực thi với lô hàng thực phẩm đông lạnh HAN - SGN
evaluator = AirCargoRiskAssessment(
    awb_code="738-98421034",
    severity=4,       # Rủi ro hư hỏng hàng nếu trễ chuyến
    occurrence=3,     # Chuyến bay mùa cao điểm dễ delay
    detection=2,      # Dễ dàng phát hiện nhiệt độ qua tem chỉ thị
    cargo_value_vnd=150_000_000.0,
    probability=0.25
)

result = evaluator.evaluate_risk_level()
# Output: {'awb': '738-98421034', 'rpn': 24, 'emv_vnd': 26250000.0, 'category': 'MEDIUM', ...}

Testing và validation

Quá trình kiểm thử và đánh giá hiệu năng giải pháp được tiến hành dựa trên tập dữ liệu gồm 1.250 vận đơn hàng không thực tế trong giai đoạn thử nghiệm tại Công ty TNHH Thương mại vận tải Đại An:

+-------------------------------------------------------------------------------+
|                       KẾT QUẢ KIỂM THỬ VẬN HÀNH THỰC TẾ                       |
+------------------------------+--------------------+---------------------------+
| Chỉ số đo lường              | Trước cải tiến     | Sau khi áp dụng SCRM      |
+------------------------------+--------------------+---------------------------+
| Sai sót chứng từ AWB/Manifest| 6.20% (78 sự cố)   | 0.72% (9 sự cố)           |
| Trễ giờ bàn giao Cut-off     | 4.80% (60 sự cố)   | 0.96% (12 sự cố)          |
| Tỷ lệ hư hỏng / móp méo ULD  | 3.10% (39 sự cố)   | 0.64% (8 sự cố)           |
| Thời gian phản hồi khiếu nại | 14.5 ngày          | 1.8 ngày                  |
| Thời gian đối soát định kỳ   | 8.0 ngày           | 1.5 ngày                  |
+------------------------------+--------------------+---------------------------+

Kết quả đạt được

Việc ứng dụng phương pháp quản lý rủi ro có hệ thống đã mang lại những cải thiện rõ rệt cho hoạt động sản xuất kinh doanh của công ty:

  • Tối ưu hóa chi phí bồi thường thiệt hại: Giảm 73.5% chi phí tổn thất phát sinh từ việc đền bù hàng hóa hư hỏng hoặc phạt trễ chuyến so với giai đoạn 2021–2022.
  • Tăng cường chỉ số On-Time In-Full (OTIF): Tỷ lệ giao hàng đúng giờ, nguyên vẹn tăng từ 89.2% lên mức 97.4%.
  • Mức độ hài lòng của khách hàng (CSAT): Điểm đánh giá dịch vụ từ các đối tác thương mại đạt 91.5/100 (so với mức 72.0/100 trước khi chuẩn hóa).

Đổi mới và đóng góp

  1. Đổi mới phương pháp luận định lượng: Chuyển dịch thành công từ việc quản lý rủi ro định tính dựa trên kinh nghiệm cá nhân sang mô hình định lượng toán học chuẩn hóa FMEA ($RPN = S \times O \times D$) kết hợp EMV, phù hợp với quy mô doanh nghiệp logistics vừa và nhỏ (SMEs).
  2. Chuẩn hóa quy trình giao nhận hàng không nội địa: Xây dựng bộ quy chuẩn thao tác chuẩn (SOP) 5 bước cho nhân viên hiện trường tại các sân bay, tích hợp cơ chế kiểm tra chéo dữ liệu AWB và thông tin an ninh soi chiếu trước giờ đóng cửa nhận hàng (cut-off time).
  3. Mô hình đối chiếu dữ liệu tự động: Khắc phục triệt để tình trạng lệch tải trọng và sai mã cước giữa bộ phận vận hành và đối soát kế toán, nâng cao tính minh bạch tài chính và giảm thời gian công nợ.
Đặc điểm Giải pháp truyền thống Các hệ thống ERP lớn (SAP/Oracle TM) Giải pháp đề xuất tại Đại An
Chi phí đầu tư Thấp (Thủ công) Rất cao (> $50,000 USD) Tối ưu, phù hợp năng lực SME
Độ phức tạp triển khai Thấp Rất cao, thời gian kéo dài 6-12 tháng Triển khai nhanh, tinh gọn theo module
Khả năng tùy biến Kém, phụ thuộc con người Cần chuyên gia can thiệp mã nguồn Linh hoạt điều chỉnh theo quy chuẩn hãng bay nội địa
Hiệu quả giảm rủi ro Dưới 15% 75% - 85% 70% - 80% đối với tuyến nội địa

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế

  • Tuyến vận chuyển: Hà Nội (Cảng HKQT Nội Bài - HAN) đi TP. Hồ Chí Minh (Cảng HKQT Tân Sơn Nhất - SGN).
  • Loại hình hàng hóa: Thiết bị viễn thông công nghệ cao yêu cầu an toàn nghiêm ngặt và thời gian giao hàng trong 24 giờ.
  • Quy trình triển khai:
    1. Tiếp nhận và Sơ loại: Kiểm tra tính hợp lệ của danh mục hàng nguy hiểm (IATA DGR), phân loại mã HS Code.
    2. Đánh giá rủi ro sơ bộ: Hệ thống tự động tính điểm RPN. Nếu $RPN < 30$, cấp mã chuyển kho tiếp nhận.
    3. Đóng gói và Chất xếp: Sử dụng thùng hàng ULD chuyên dụng chuẩn AKH, chèn lót túi khí giảm rung lắc.
    4. Giám sát hành trình: Theo dõi dữ liệu AWB qua cổng Track & Trace; kích hoạt cảnh báo nếu máy bay bị chậm lịch trình quá 60 phút.

Phân tích hiệu quả kinh tế (Cost-Benefit Analysis)

  • Chi phí triển khai giải pháp (Ước tính):
    • Chi phí thiết lập hệ thống máy chủ và cơ sở dữ liệu: 35.000.000 VNĐ.
    • Chi phí đào tạo chuẩn hóa quy trình cho nhân sự: 15.000.000 VNĐ.
    • Chi phí bảo trì và vận hành năm đầu: 20.000.000 VNĐ.
    • Tổng chi phí đầu tư: 70.000.000 VNĐ.
  • Lợi ích kinh tế thu được hàng năm:
    • Giảm chi phí bồi thường tổn thất hàng hóa: 65.000.000 VNĐ/năm.
    • Giảm phí phạt do hủy booking hoặc trễ giờ cut-off: 40.000.000 VNĐ/năm.
    • Tiết kiệm thời gian nhân sự xử lý chứng từ đối soát: 30.000.000 VNĐ/năm.
    • Tổng giá trị tiết kiệm: 135.000.000 VNĐ/năm.
  • Thời gian hoàn vốn (Payback Period): $70 / 135 \times 12 \approx \mathbf{6.2\text{ tháng}}$.

Hạn chế và hướng phát triển

Hạn chế còn tồn tại

  • Dữ liệu trạng thái chuyến bay hiện tại phụ thuộc vào việc truy xuất qua giao diện web của các hãng hàng không nội địa, chưa kết nối trực tiếp qua giao thức EDI chuyên dụng cấp doanh nghiệp hàng không.
  • Chưa trang bị hệ thống cảm biến độc lập theo dõi nhiệt độ và độ ẩm bên trong từng container ULD/AKH đối với hàng hóa đặc thù (vắc xin, dược phẩm, thủy hải sản tươi sống).

Hướng nghiên cứu và mở rộng

  • Tích hợp mạng lưới cảm biến IoT gắn chip BLE (Bluetooth Low Energy) vào các pallet hàng giá trị cao để cảnh báo va đập và thay đổi nhiệt độ theo thời gian thực.
  • Xây dựng mô hình học máy (Machine Learning) sử dụng thuật toán Random Forest để dự báo nguy cơ trễ chuyến bay dựa trên dữ liệu khí tượng thủy văn và lịch sử khai thác bay của các hãng vận chuyển.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                             ĐỐI TƯỢNG HƯỞNG LỢI                               |
+-----------------------+-------------------------------------------------------+
| Sinh viên & Học viên  | Nguồn tài liệu tham khảo thực tế về SCRM, FMEA        |
|                       | và quy trình giao nhận hàng không.                    |
+-----------------------+-------------------------------------------------------+
| Doanh nghiệp Logistics| Khung quy trình chuẩn hóa SOP, giải pháp giảm rủi ro  |
| (Forwarders 3PL)      | tiết kiệm chi phí bồi thường và tối ưu đối soát.      |
+-----------------------+-------------------------------------------------------+
| Nhân viên vận hành    | Công cụ định lượng nguy cơ rõ ràng, giảm tải áp lực   |
| & Hiện trường         | xử lý sai sót chứng từ và chậm trễ chuyến bay.        |
+-----------------------+-------------------------------------------------------+
| Cơ quan quản lý &     | Cải thiện mức độ tuân thủ an ninh hàng không và       |
| Hãng vận chuyển       | tính chính xác trong khai báo hải quan.               |
+-----------------------+-------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để doanh nghiệp triển khai mô hình quản lý rủi ro này là gì?

Hệ thống yêu cầu máy chủ cục bộ hoặc máy chủ đám mây (Cloud Server) chạy hệ điều hành Linux (Ubuntu 20.04/22.04 LTS), tối thiểu 4GB RAM, 2 Core CPU và 50GB lưu trữ SSD. Người dùng đầu cuối chỉ cần trình duyệt web hiện đại (Google Chrome, Firefox, Edge) để truy cập hệ thống quản trị và tra cứu.

2. Mô hình FMEA có thể tự động thích ứng với các tuyến vận chuyển mới không?

Hoàn toàn có thể. Doanh nghiệp chỉ cần cập nhật các tham số đặc thù của tuyến bay mới (khoảng cách, sân bay trung chuyển, thời gian cut-off quy định của cảng, năng lực xếp dỡ) vào bảng trọng số đánh giá ma trận. Hệ thống sẽ tự động hiệu chỉnh giá trị RPN tương ứng.

3. Giải pháp này xử lý như thế nào khi hãng hàng không thay đổi lịch bay đột xuất?

Hệ thống kích hoạt luồng kiểm tra định kỳ mỗi 15 phút qua API/Webhook. Khi phát hiện biến động trạng thái (Delay/Cancel), hệ thống tự động gửi cảnh báo tức thời qua Email/SMS cho nhân viên phụ trách hiện trường và điều phối viên để kịp thời kích hoạt phương án đổi chuyến hoặc chuyển tải sang chặng bay kế tiếp.

4. Chi phí duy trì hệ thống quản trị rủi ro này hàng tháng là bao nhiêu?

Đối với quy mô doanh nghiệp vừa và nhỏ xử lý từ 1.000 đến 3.000 AWB/tháng, chi phí hạ tầng máy chủ đám mây và dịch vụ thông báo dao động trong khoảng 1.500.000 – 2.500.000 VNĐ/tháng.

5. Khóa luận này có thể áp dụng cho các phương thức vận tải khác (đường biển, đường bộ) không?

Có. Cấu trúc 4 bước của SCRM và công thức toán học FMEA ($RPN = S \times O \times D$) mang tính phổ quát cao. Doanh nghiệp chỉ cần thay đổi các biến số đặc thù của phương thức vận tải (ví dụ: giờ cắt máng trong vận tải biển hoặc rủi ro tắc đường trong vận tải đường bộ) để áp dụng tương đương.

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Minh Hoàng đã giải quyết trọn vẹn bài toán cấp thiết trong thực tiễn vận hành tại Công ty TNHH Thương mại vận tải Đại An. Bằng việc kết hợp nhuần nhuyễn giữa nền tảng lý thuyết quản lý rủi ro chuỗi cung ứng (SCRM), công cụ định lượng khoa học (FMEA, EMV) và giải pháp công nghệ số hóa quy trình, đề tài đã mang lại giá trị kép: nâng cao năng lực cạnh tranh, tối ưu hóa chi phí vận hành cho doanh nghiệp, đồng thời đóng góp một mô hình tham khảo hữu ích cho ngành dịch vụ logistics hàng không tại Việt Nam.