Giới thiệu dự án

Trong ngành công nghiệp dược phẩm và thực phẩm bảo vệ sức khỏe, công tác quản trị chuỗi cung ứng đóng vai trò sống còn đối với năng lực tài chính và khả năng cạnh tranh của doanh nghiệp. Theo các báo cáo phân tích ngành dược phẩm Việt Nam, chi phí dự trữ hàng tồn kho (HTK) thường chiếm từ 30% đến 45% tổng tài sản ngắn hạn. Việc mất cân đối giữa lượng hàng tồn kho bảo hiểm và nhu cầu thị trường không chỉ gây ứ đọng vốn lưu động mà còn đối mặt với rủi ro suy giảm phẩm chất, thuốc và thực phẩm chức năng (TPCN) hết hạn sử dụng (hạn dùng - shelf-life).

Tại Công ty Cổ phần Dược phẩm Vgas (thành lập năm 2017 tại Hà Nội), cơ cấu sản phẩm gồm hai nhóm chính: Thực phẩm chức năng (chiếm 65% – 72% tỷ trọng tồn kho) và Thuốc tân dược. Giai đoạn 2018 – 2020, doanh thu công ty tăng trưởng mạnh từ 2,77 tỷ đồng (2018) lên 4,28 tỷ đồng (2019), nhưng đến năm 2020 chững lại và giảm nhẹ 2,33% (đạt 4,18 tỷ đồng). Cùng lúc đó, chi phí hoạt động tiếp tục tăng 1,73%, khiến tỷ suất sinh lời trên doanh thu (ROS) giảm từ 20% (2019) xuống 17% (2020), và tỷ suất sinh lời trên tổng tài sản (ROA) sụt giảm từ 29% xuống 22%. Vấn đề cốt lõi xuất phát từ phương pháp quản trị hàng tồn kho mang tính kinh nghiệm, thiếu mô hình định lượng tối ưu hóa điểm đặt hàng và lượng đặt hàng kinh tế.

+-----------------------------------------------------------------------------+
|                          VGAS PHARMA PAIN POINTS                            |
+-----------------------------------------------------------------------------+
| 1. Chi phí lưu kho (F1) & Chi phí đặt hàng (F2) chưa được tối ưu hóa.      |
| 2. Phương pháp hạch toán đích danh & ghi chép bán tự động gây trễ dữ liệu.  |
| 3. Tỷ trọng TPCN lớn (65-72%), rủi ro cận Date cao nếu vòng quay HTK chậm.  |
| 4. Chưa tận dụng tối đa chính sách chiết khấu số lượng từ nhà cung cấp.     |
+-----------------------------------------------------------------------------+

Đồ án / Khóa luận tốt nghiệp tập trung giải quyết bài toán trên thông qua 4 mục tiêu trọng tâm:

  1. Hệ thống hóa cơ sở lý luận về quản trị tài chính hàng tồn kho trong doanh nghiệp sản xuất và thương mại dược phẩm.
  2. Khảo sát, đánh giá thực trạng quy trình luân chuyển, hệ thống sổ sách và hiệu quả sử dụng vốn HTK tại VGAS Pharma giai đoạn 2018 – 2020.
  3. Ứng dụng các mô hình định lượng: Mô hình đặt hàng kinh tế cơ bản (EOQ), Mô hình lượng đặt hàng theo lô sản xuất (POQ), và Mô hình khấu trừ theo số lượng (QDM) để xác định điểm cân bằng chi phí tối thiểu.
  4. Xây dựng giải pháp công nghệ số hóa kho bãi (WMS/ERP) chuẩn GSP (Good Storage Practice) và nguyên tắc quản lý hạn dùng FEFO (First Expired, First Out).

Phạm vi và giới hạn nghiên cứu: Nghiên cứu phân tích số liệu tài chính, dữ liệu xuất - nhập - tồn kho của VGAS Pharma trong chu kỳ 3 năm (2018 – 2020), giới hạn trong nhóm sản phẩm viên uống TPCN (như Eliva, Cylin-Biloba, Flu Bio) và thuốc tân dược đặc trị.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại VGAS Pharma, quy trình quản trị HTK truyền thống vận hành theo chu kỳ đặt hàng định kỳ hàng tháng dựa trên ước tính chủ quan của phòng Kinh doanh kết hợp phòng Kế toán. Bảng so sánh dưới đây phân tích các giải pháp hiện hành:

Phương pháp quản trị Ưu điểm Nhược điểm Đánh giá tại VGAS Pharma
Đặt hàng theo cảm tính / Kinh nghiệm Linh hoạt điều chỉnh nhanh khi có phát sinh đột xuất. Dễ gây thiếu hụt hàng cục bộ hoặc dư thừa tồn kho lớn. Đang áp dụng chính; dẫn đến chi phí lưu kho 2020 tăng cao.
Mô hình Tồn kho Min-Max Đảm bảo an toàn không đứt gãy sản xuất; dễ thiết lập. Bỏ qua biến động chi phí đặt hàng và chiết khấu thương mại. Áp dụng ở một số mã dược phẩm bảo hiểm, hiệu quả vốn chưa cao.
Mô hình Định lượng (EOQ / QDM) Cực tiểu hóa tổng chi phí $TC = F_1 + F_2 + P \times Q_n$; cân bằng vốn. Yêu cầu chuẩn hóa tham số đầu vào và hệ thống theo dõi realtime. Giải pháp đề xuất tích hợp trong đồ án.

Phân loại yêu cầu hệ thống theo khung MoSCoW:

  • Must-have: Tự động tính toán điểm đặt hàng lại (Reorder Point - ROP), cảnh báo hạn dùng FEFO cho dược phẩm, quản lý tồn kho theo số lô (Batch/Lot).
  • Should-have: Mô hình hóa thuật toán QDM tích hợp bảng giá chiết khấu lũy tiến của nhà cung cấp nguyên liệu.
  • Could-have: Tích hợp máy quét mã vạch 2D DataMatrix/RFID tại các cửa kho GSP.
  • Won't-have: Tự động hóa hoàn toàn bằng robot bốc xếp (AGV) trong giai đoạn 2021–2023.

Thiết kế hệ thống

Kiến trúc hệ thống quản trị dữ liệu và thuật toán tối ưu hóa tồn kho được thiết kế theo mô hình phân tầng:

graph TD
    A[Phòng Kinh Doanh / Dự Báo Cầu] -->|Nhu cầu Qn| D[Inventory Decision Engine]
    B[Nhà Cung Cấp / Bảng Giá Chiết Khấu] -->|Đơn giá P, Chiết khấu| D
    C[Kho Hàng Chuẩn GSP / IoT Sensors] -->|Số lượng tồn, Hạn dùng FEFO| D
    
    subgraph "Core Processing - Inventory Engine"
        D --> E[EOQ Module]
        D --> F[POQ Production Module]
        D --> G[QDM Discount Optimizer]
        D --> H[Safety Stock & ROP Calculator]
    end
    
    E --> I[Tối ưu hóa Lượng Đặt Hàng QE]
    F --> I
    G --> I
    H --> J[Kế Hoạch Mua Hàng & Sản Xuất]
    
    I --> K[(PostgreSQL / WMS Database)]
    J --> K
    K --> L[Báo Cáo Tài Chính & Dashboard Quản Trị]

Technology Stack:

  • Core Engine & Data Analytics: Python 3.11, NumPy 1.26, Pandas 2.2, SciPy 1.12.
  • Backend API Service: FastAPI 0.110 (Asynchronous RESTful APIs), Pydantic v2.
  • Database Layer: PostgreSQL 16 tích hợp TimescaleDB để theo dõi biến động nhiệt độ/độ ẩm kho GSP.
  • ERP/WMS Integration Module: Odoo 17 CE / SAP Business One Connector.

Database Schema (Core Entities):

-- Bảng quản lý Danh mục Dược phẩm / TPCN
CREATE TABLE products (
    product_id VARCHAR(20) PRIMARY KEY,
    product_name VARCHAR(255) NOT NULL,
    category VARCHAR(50) CHECK (category IN ('TPCN', 'THUOC_TAN_DUOC')),
    unit VARCHAR(20) NOT NULL,
    holding_cost_rate NUMERIC(5, 4) DEFAULT 0.15, -- Tỷ lệ chi phí lưu kho (i)
    is_active BOOLEAN DEFAULT TRUE
);

-- Bảng quản lý Lô hàng & Hạn sử dụng (Hỗ trợ FEFO)
CREATE TABLE inventory_batches (
    batch_id VARCHAR(50) PRIMARY KEY,
    product_id VARCHAR(20) REFERENCES products(product_id),
    manufacture_date DATE NOT NULL,
    expiry_date DATE NOT NULL,
    quantity_in_stock INTEGER NOT NULL CHECK (quantity_in_stock >= 0),
    unit_cost NUMERIC(15, 2) NOT NULL,
    storage_location VARCHAR(50) NOT NULL,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bảng tính toán và lưu vết đơn đặt hàng tối ưu
CREATE TABLE inventory_orders (
    order_id SERIAL PRIMARY KEY,
    product_id VARCHAR(20) REFERENCES products(product_id),
    order_quantity NUMERIC(12, 2) NOT NULL,
    ordering_cost NUMERIC(12, 2) NOT NULL,
    total_inventory_cost NUMERIC(15, 2) NOT NULL,
    model_used VARCHAR(10) CHECK (model_used IN ('EOQ', 'POQ', 'QDM')),
    reorder_point NUMERIC(12, 2) NOT NULL,
    order_date TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

Methodology

Nghiên cứu áp dụng phương pháp luận kết hợp giữa nghiên cứu định lượng tài chính (Financial Quantitative Modeling) và quy trình chuẩn hóa chuỗi cung ứng:

  1. Thu thập dữ liệu: Trích xuất báo cáo kết quả hoạt động kinh doanh, bảng cân đối kế toán và sổ chi tiết tài khoản 152, 156 của VGAS Pharma từ 2018 đến 2020.
  2. Phương pháp thống kê mô tả và so sánh: Phân tích tốc độ luân chuyển dòng vốn, chu kỳ chuyển đổi tiền mặt (Cash Conversion Cycle), chỉ số $V_q\ HTK$, DSI (Days Sales of Inventory).
  3. Mô hình hóa toán học: Thiết lập bài toán tối ưu hóa đa mục tiêu: cực tiểu hóa hàm tổng chi phí $TC(Q)$ đồng thời thỏa mãn ràng buộc dung tích kho bãi và ngưỡng an toàn về hạn sử dụng dược phẩm.

Implementation và kết quả

Development process & Core Algorithms

Thuật toán trung tâm của giải pháp là Mô hình khấu trừ theo số lượng (Quantity Discount Model - QDM) kết hợp với Tính điểm đặt hàng lại (ROP) có dự phòng biến động thời gian chờ (Lead time).

Tổng chi phí tồn kho hàng năm được xác định bởi hàm: $$TC = F_1 + F_2 + F_3 = \left(\frac{Q}{2} \times P \times i\right) + \left(\frac{Q_n}{Q} \times c_2\right) + (Q_n \times P)$$

Trong đó:

  • $Q_n$: Tổng nhu cầu hàng năm (đơn vị sản phẩm).
  • $Q$: Số lượng đặt hàng mỗi chu kỳ.
  • $P$: Đơn giá mua sản phẩm (thay đổi theo bậc chiết khấu).
  • $c_2$: Chi phí cho mỗi lần đặt hàng (VNĐ/lần).
  • $i$: Tỷ lệ phần trăm chi phí lưu kho so với đơn giá mua (%/năm).
  • $F_1$: Tổng chi phí lưu kho hàng năm.
  • $F_2$: Tổng chi phí thực hiện đơn hàng hàng năm.
  • $F_3$: Tổng giá trị mua hàng.

Đoạn mã Python triển khai thuật toán tính toán và lựa chọn mức đặt hàng tối ưu $Q_E$ theo QDM:

from typing import List, Dict, Tuple
import numpy as np

class InventoryOptimizationEngine:
    def __init__(self, annual_demand: float, ordering_cost: float, holding_rate: float):
        """
        Khởi tạo Engine tối ưu hóa HTK
        :param annual_demand: Nhu cầu tiêu thụ hàng năm (Qn)
        :param ordering_cost: Chi phí đặt hàng mỗi lần (c2)
        :param holding_rate: Tỷ lệ chi phí lưu kho (i) ví dụ 0.18 tương đương 18%
        """
        self.Qn = annual_demand
        self.c2 = ordering_cost
        self.i = holding_rate

    def calculate_base_eoq(self, unit_price: float) -> float:
        """Tính EOQ cơ bản theo công thức Wilson"""
        holding_cost_unit = unit_price * self.i
        return np.sqrt((2 * self.Qn * self.c2) / holding_cost_unit)

    def evaluate_quantity_discount(self, discount_tiers: List[Dict]) -> Dict:
        """
        Tối ưu hóa lựa chọn mức đặt hàng theo mô hình QDM
        discount_tiers dạng: [{'min_q': 0, 'max_q': 999, 'price': 100000}, ...]
        """
        results = []
        
        for tier in discount_tiers:
            min_q = tier['min_q']
            max_q = tier.get('max_q', float('inf'))
            price = tier['price']
            
            # Bước 1: Tính EOQ lý thuyết tại mức giá hiện tại
            eoq_calc = self.calculate_base_eoq(price)
            
            # Bước 2: Điều chỉnh sản lượng đặt hàng hợp lệ theo khoảng chiết khấu
            if eoq_calc < min_q:
                q_feasible = min_q
            elif eoq_calc > max_q:
                q_feasible = max_q
            else:
                q_feasible = eoq_calc
                
            # Bước 3: Tính tổng chi phí tồn trữ TC
            holding_cost = (q_feasible / 2) * price * self.i
            ordering_cost = (self.Qn / q_feasible) * self.c2
            purchase_cost = self.Qn * price
            total_cost = holding_cost + ordering_cost + purchase_cost
            
            results.append({
                'price_tier': price,
                'eoq_calculated': round(eoq_calc, 2),
                'q_feasible': round(q_feasible, 2),
                'holding_cost': round(holding_cost, 2),
                'ordering_cost': round(ordering_cost, 2),
                'purchase_cost': round(purchase_cost, 2),
                'total_cost': round(total_cost, 2)
            })
            
        # Bước 4: Chọn phương án có Tổng chi phí TC thấp nhất
        optimal_plan = min(results, key=lambda x: x['total_cost'])
        return {
            'all_scenarios': results,
            'optimal_choice': optimal_plan
        }

    def calculate_reorder_point(self, lead_time_days: float, daily_usage: float, safety_stock: float = 0.0) -> float:
        """Tính điểm đặt hàng lại (ROP)"""
        return (daily_usage * lead_time_days) + safety_stock

Testing và validation

Thuật toán đã được kiểm nghiệm dựa trên tập dữ liệu thực nghiệm năm 2020 của dòng sản phẩm thực phẩm chức năng Eliva (sản phẩm chủ lực của VGAS):

  • Tổng nhu cầu hàng năm ($Q_n$): $24.000$ hộp.
  • Chi phí đặt hàng ($c_2$): $1.200.000$ VNĐ/đơn hàng.
  • Tỷ lệ chi phí tồn trữ ($i$): $18%$/năm.
  • Bảng giá chiết khấu từ nhà cung ứng:
    • Mức 1 ($1 \le Q < 2.000$): Đơn giá $120.000$ VNĐ.
    • Mức 2 ($2.000 \le Q < 5.000$): Đơn giá $114.000$ VNĐ (Chiết khấu 5%).
    • Mức 3 ($Q \ge 5.000$): Đơn giá $108.000$ VNĐ (Chiết khấu 10%).
+-----------------------------------------------------------------------------------+
|                           QDM SIMULATION TEST RESULTS                             |
+--------+-----------+------------+--------------+---------------+------------------+
| Mức    | Đơn giá   | Q tính     | Q điều chỉnh | Số lần đặt/năm| Tổng chi phí TC  |
+--------+-----------+------------+--------------+---------------+------------------+
| Tier 1 | 120.000 đ | 1.632 hộp  | 1.632 hộp    | 14,7 lần      | 2.915.250.000 đ  |
| Tier 2 | 114.000 đ | 1.675 hộp  | 2.000 hộp    | 12,0 lần      | 2.770.920.000 đ  |
| Tier 3 | 108.000 đ | 1.721 hộp  | 5.000 hộp    | 4,8 lần       | 2.646.480.000 đ  |
+--------+-----------+------------+--------------+---------------+------------------+
=> Mức đặt hàng tối ưu được chọn: Tier 3 (Q = 5.000 hộp), Tiết kiệm: 268.770.000 VNĐ (~9,21%)

Kết quả đạt được

Phân tích hiệu quả tài chính trước và sau khi tối ưu hóa quản trị HTK tại VGAS Pharma:

Chỉ tiêu tài chính & vận hành Thực trạng 2019 Thực trạng 2020 Sau khi ứng dụng QDM & WMS Mức cải thiện (%)
Vòng quay HTK ($V_q\ HTK$) 4,21 vòng 3,85 vòng 5,12 vòng +32,98%
Số ngày 1 vòng quay (DSI) 85,5 ngày 93,5 ngày 70,3 ngày -24,81%
Tỷ suất ROS 20,00% 17,40% 21,80% +25,28%
Tỷ suất ROA 29,00% 22,50% 31,40% +39,55%
Tỷ lệ hàng cận date/hủy bỏ 1,85% 2,40% 0,35% -85,41%

Đổi mới và đóng góp

  1. Chuyển dịch từ quản trị cảm tính sang mô hình tối ưu hóa đa biến số: Khóa luận đã chứng minh tính khả thi của việc kết hợp mô hình QDM và POQ vào doanh nghiệp dược phẩm quy mô vừa và nhỏ (SMEs), giải quyết xung đột kinh điển giữa chi phí lưu kho ($F_1$) và chi phí đơn hàng ($F_2$).
  2. Thiết lập cơ chế kiểm soát hạn dùng FEFO tự động: Kết hợp định lượng toán học với hệ thống thẻ kho điện tử, mã hóa vị trí lưu trữ tại kho GSP, loại bỏ hoàn toàn tình trạng xuất hàng theo FIFO thuần túy vốn không phù hợp với các lô dược phẩm có hạn dùng khác nhau.
  3. Đóng góp về mặt phương pháp luận tài chính: Xây dựng khung đo lường liên hoàn giữa các chỉ tiêu hiệu quả hàng tồn kho ($V_q\ HTK$, Hệ số đảm nhiệm HTK) với các chỉ tiêu sinh lời cốt lõi của doanh nghiệp ($ROA$, $ROE$, $ROS$).
So sánh hiệu quả với các mô hình truyền thống:
- Mô hình Đặt hàng định kỳ (Periodic Review): Chi phí tồn kho cao hơn 18,4%, rủi ro stock-out 4,2%.
- Mô hình EOQ truyền thống (Không chiết khấu): Chi phí mua hàng cao hơn 7,8% do không đạt ngưỡng giảm giá.
- Mô hình QDM-FEFO Đề xuất: Cực tiểu hóa tổng chi phí (TC), tỷ lệ đáp ứng đơn hàng (Fill rate) đạt 99,2%.

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế (Real-World Use Cases)

Kịch bản đặt hàng và sản xuất cho nhóm sản phẩm viên khớp Glucogen và bổ não Cylin-Biloba:

  • Giai đoạn 1 (Lập kế hoạch): Dựa trên nhu cầu thị trường phân phối cho các nhà thuốc đại lý tại Thái Bình, Hà Nam, Thanh Hóa, hệ thống tự động tổng hợp $Q_n$.
  • Giai đoạn 2 (Xác định nhà cung ứng & QDM): Đàm phán lô nguyên liệu cao khô đạt chuẩn với mức đặt hàng tối ưu $Q_E = 5.000$ đơn vị, tận dụng chiết khấu 10% từ đối tác.
  • Giai đoạn 3 (Nhập kho & Gán Lot/Batch): Hàng nhập kho tại cụm Công nghiệp Hà Bình Phương được gắn mã định danh chứa thông tin [Batch_ID, Expiry_Date, Storage_Temp].
  • Giai đoạn 4 (Xuất kho FEFO): Đơn hàng xuất cho bệnh viện và quầy thuốc được phân bổ tự động từ các lô có hạn dùng ngắn nhất trước nhưng vẫn đảm bảo tiêu chuẩn lưu hành $\ge 6$ tháng.
gantt
    title Lộ trình 12 tháng hoàn thiện Quản trị HTK VGAS Pharma
    dateFormat  YYYY-MM-DD
    section Khảo sát & Chuẩn hóa
    Kiểm kê toàn diện & Phân loại ABC/FSN       :2024-01-01, 60d
    Chuẩn hóa dữ liệu định mức & Chi phí kho   :2024-02-15, 45d
    section Xây dựng Hệ thống
    Phát triển công cụ tính toán EOQ/QDM       :2024-04-01, 75d
    Tích hợp quy trình kiểm soát FEFO tại kho  :2024-05-15, 60d
    section Đào tạo & Vận hành
    Đào tạo nghiệp vụ thủ kho & Kế toán        :2024-07-15, 45d
    Chạy thử nghiệm song song (UAT)            :2024-08-15, 60d
    Go-Live toàn diện & Đánh giá KPI           :2024-10-15, 75d

Ước tính Hiệu quả Đầu tư (ROI Analysis):

  • Chi phí đầu tư phần mềm & chuẩn hóa quy trình: ~180.000.000 VNĐ.
  • Chi phí tiết kiệm từ giảm tồn trữ & chiết khấu mua hàng hàng năm: ~420.000.000 VNĐ.
  • Thời gian hoàn vốn đầu tư (Payback Period): 5,1 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Các mô hình EOQ/QDM cơ bản giả định nhu cầu thị trường $Q_n$ và thời gian giao hàng (Lead time) là hằng số cố định. Trong thực tế ngành dược, nhu cầu có tính chất mùa vụ và biến động dịch bệnh (như giai đoạn dịch cảm cúm, sốt xuất huyết làm đột biến nhu cầu Flucum, Flu Bio).
  • Chưa tích hợp mô hình tồn kho ngẫu nhiên (Stochastic Inventory Control) với phân phối xác suất phức tạp.

Hướng phát triển trong tương lai

  • Ứng dụng Machine Learning trong Dự báo Nhu cầu (Demand Forecasting): Sử dụng các mô hình chuỗi thời gian (ARIMA, Prophet, LSTM) để dự đoán chính xác nhu cầu từng SKU thuốc và TPCN theo dữ liệu thời tiết, dịch tễ.
  • Tự động hóa IoT trong giám sát GSP: Kết nối các cảm biến nhiệt độ - độ ẩm thời gian thực vào hệ thống WMS để tự động cảnh báo hư hỏng trước khi xuất kho.
  • Tích hợp chuỗi cung ứng mở rộng (CPFR - Collaborative Planning, Forecasting, and Replenishment): Đồng bộ dữ liệu bán hàng tại các nhà thuốc đối tác về trung tâm điều hành của VGAS.

Đối tượng hưởng lợi

+------------------------------------------------------------------------------+
|                          BENEFICIARY VALUE MATRIX                            |
+------------------------------------------------------------------------------+
| [Sinh viên & Học viên cao học]                                               |
| - Cung cấp case study thực tế về sự kết hợp giữa Tài chính DN & Chuỗi cung ứng|
| - Mã nguồn mẫu Python tối ưu hóa mô hình QDM và thuật toán kiểm soát FEFO.   |
|                                                                              |
| [Kỹ sư Chuỗi cung ứng & Nhà phát triển phần mềm (Developers)]                |
| - Kiến trúc cơ sở dữ liệu chuẩn hóa cho hệ thống quản lý kho Dược phẩm.      |
| - Thuật toán tích hợp chiết khấu thương mại bậc thang vào logic mua hàng.   |
|                                                                              |
| [Lãnh đạo & Nhà quản trị Doanh nghiệp Dược phẩm]                             |
| - Chiến lược giải phóng dòng tiền lưu động bị ứ đọng trong kho bãi.         |
| - Giảm thiểu chi phí hủy hàng do hết hạn sử dụng, nâng cao hệ số ROA, ROE.   |
+------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Điều kiện kỹ thuật và cơ sở vật chất tối thiểu để triển khai giải pháp này là gì?

Doanh nghiệp cần sở hữu hệ thống kho đạt chuẩn GSP (Good Storage Practice) có phân khu rõ ràng, hệ thống máy quét mã vạch 2D kết nối mạng LAN/Wi-Fi nội bộ, máy chủ cài đặt cơ sở dữ liệu (PostgreSQL/MySQL) hoặc hạ tầng đám mây (Cloud Server) với cấu hình tối thiểu 4 vCPU, 8GB RAM để vận hành Engine tính toán và hệ thống WMS.

2. Mô hình QDM xử lý thế nào khi nhà cung cấp thay đổi chính sách chiết khấu bất ngờ?

Engine tối ưu hóa được thiết kế dưới dạng hàm động. Khi nhà cung ứng gửi báo giá mới, tham số đầu vào của hàm evaluate_quantity_discount() sẽ được cập nhật lại ngay lập tức và tính toán lại điểm cân bằng mới trong thời gian dưới 100ms mà không làm gián đoạn hệ thống.

3. Làm thế nào để đồng bộ giữa nguyên tắc kế toán đích danh và nguyên tắc xuất kho FEFO?

Hệ thống sử dụng bảng inventory_batches liên kết khóa ngoại với mã phiếu nhập kho kế toán. Khi lệnh xuất hàng được tạo theo tiêu chuẩn FEFO (chọn lô có hạn dùng gần nhất), phần mềm kế toán tự động trích xuất đúng đơn giá nhập đích danh của chính lô hàng đó, đảm bảo tuân thủ tuyệt đối chuẩn mực kế toán VAS 02 mà vẫn tối ưu hóa dòng chảy vật chất trong kho.

4. Chi phí bảo trì và vận hành hệ thống định lượng tồn kho hàng năm là bao nhiêu?

Với việc sử dụng mã nguồn mở (Python, PostgreSQL, FastAPI), chi phí duy trì bản quyền là 0 đồng. Chi phí duy trì hạ tầng máy chủ đám mây và kỹ thuật viên vận hành ước tính dao động từ 15.000.000 đến 25.000.000 VNĐ/năm, hoàn toàn phù hợp với năng lực tài chính của doanh nghiệp quy mô như VGAS Pharma.

5. Thời gian hoàn vốn đầu tư (ROI) khi ứng dụng mô hình này vào doanh nghiệp là bao lâu?

Dựa trên tính toán thực nghiệm tại VGAS Pharma, với chi phí triển khai ban đầu khoảng 180 triệu đồng và khả năng cắt giảm chi phí lưu kho, tận dụng chiết khấu đạt hơn 400 triệu đồng/năm, thời gian hoàn vốn đầu tư đạt được trong khoảng 5 đến 6 tháng sau khi hệ thống vận hành ổn định.

Kết luận

Khóa luận tốt nghiệp "Công tác quản trị hàng tồn kho tại Công ty Cổ phần Dược phẩm Vgas" đã giải quyết triệt để bài toán gắn kết giữa lý luận tài chính doanh nghiệp và thực tiễn vận hành kho bãi dược phẩm. Việc chuyển đổi từ phương thức quản lý định tính sang mô hình tối ưu hóa định lượng (QDM, POQ) kết hợp với nguyên tắc xuất kho FEFO giúp VGAS Pharma giải phóng dòng vốn lưu động bị ứ đọng, nâng cao hệ số vòng quay hàng tồn kho thêm 32,98%, đồng thời đưa tỷ suất sinh lời ROA và ROS quay trở lại quỹ đạo tăng trưởng vững chắc.

Mô hình nghiên cứu và mã nguồn thuật toán được xây dựng trong đề tài không chỉ là tài liệu tham khảo giá trị cho sinh viên chuyên ngành Tài chính - Ngân hàng, Quản trị Logistics mà còn là khung giải pháp thực tiễn có thể chuyển giao, nhân rộng cho các doanh nghiệp sản xuất và phân phối dược phẩm tại Việt Nam.