Giới thiệu dự án

Trong ngành công nghiệp chế biến thực phẩm và chuỗi cung ứng hàng tiêu dùng nhanh (FMCG), việc tối ưu hóa chi phí vận hành gắn liền với năng lực phản ứng linh hoạt trước biến động thị trường. Thị trường bánh tươi Việt Nam giai đoạn 2018–2020 chứng kiến sự cạnh tranh khốc liệt giữa các chuỗi bán lẻ hiện đại và các xưởng sản xuất công nghiệp, với tốc độ tăng trưởng bình quân toàn ngành đạt khoảng 8.5–10%/năm. Tuy nhiên, rào cản lớn nhất của phân khúc bánh tươi (Fresh Bakery) là hạn sử dụng cực ngắn (thường từ 24 đến 72 giờ), đặt ra bài toán hóc búa về việc cân bằng giữa sản lượng sản xuất, chi phí nhân công, công suất thiết bị và mức độ thỏa mãn đơn hàng.

Công ty Cổ phần Thực phẩm Sundo – đơn vị sở hữu thương hiệu bánh tươi Savouré – vận hành 2 nhà máy tại TP. Hồ Chí Minh và Bình Dương, cung cấp sản phẩm cho hệ thống 10 cửa hàng bán lẻ trực thuộc cùng các đối tác B2B quy mô lớn như Circle K, Highlands Coffee, The Coffee House, B-mart và Co.opmart. Thực trạng quản lý sản xuất tại xưởng bánh tươi của công ty ghi nhận nhiều điểm nghẽn nghiêm trọng:

  • Lệch pha cung - cầu: Công tác lập kế hoạch dựa trên phương pháp thủ công và kinh nghiệm chủ quan dẫn đến tình trạng dư thừa sản lượng trong các ngày thấp điểm (gây hư hỏng, tăng tỷ lệ hủy hàng) và thiếu hụt nghiêm trọng trong các đợt cao điểm lễ hội.
  • Chi phí ngoài giờ và lao động biến động: Việc điều động tăng ca thiếu kiểm soát đẩy chi phí nhân công lên cao, trong khi tỷ lệ cơ giới hóa toàn xưởng mới chỉ đạt xấp xỉ 35%.
  • Hiệu quả tài chính sụt giảm: Lợi nhuận trước thuế năm 2018 chỉ đạt 2.8 tỷ VNĐ (~70% kế hoạch), năm 2019 đạt 6.887 tỷ VNĐ, và năm 2020 giảm sâu xuống 3.894 tỷ VNĐ do chịu tác động kép từ đại dịch Covid-19 và chi phí giá vốn hàng bán cao (51.785 tỷ VNĐ trên tổng doanh thu thuần 64.941 tỷ VNĐ).

Mục tiêu của dự án:

  1. Phân tích thực trạng quy trình lập kế hoạch sản xuất và năng lực vận hành tại xưởng bánh tươi Sundo giai đoạn 2018–2020.
  2. Thiết lập mô hình dự báo nhu cầu định lượng kết hợp đường xu hướng tuyến tính ($y_t = a + bt$) và chỉ số mùa vụ (Seasonal Index) cho năm kế hoạch 2021.
  3. Xây dựng mô hình toán tối ưu hóa quy hoạch tuyến tính (Linear Programming - LP) nhằm cực tiểu hóa tổng chi phí sản xuất trong hoạch định tổng hợp (Aggregate Planning).
  4. Số hóa và giải bài toán tối ưu bằng phần mềm chuyên dụng LINGO 18.0 Optimization, đưa ra phương án phân bổ nguồn lực khả thi cho doanh nghiệp.

Phương pháp tiếp cận giải pháp: Dự án áp dụng phương pháp nghiên cứu định lượng kết hợp mô hình hóa toán học. Thay vì áp dụng phương pháp thử - sai (Trial-and-Error) trên bảng tính rời rạc, dự án sử dụng bộ giải LINGO 18.0 với thuật toán Simplex mở rộng kết hợp Branch-and-Bound để tìm điểm tối ưu toàn cục (Global Optimum), thỏa mãn đồng thời các ràng buộc khắt khe về nhân lực, giờ công tiêu chuẩn, tăng ca, thuê ngoài và giới hạn lưu kho an toàn.

Kết quả kỳ vọng:

  • Cắt giảm tổng chi phí sản xuất và lưu kho dự kiến từ 8% đến 12% so với phương án sản xuất hiện hành.
  • Tối ưu hóa việc phân bổ lực lượng lao động (200 nhân sự) và công suất máy móc trọng yếu (hệ thống máy trộn bột SM-401 công suất 40L, lò nướng đứng Wachtel năng suất 30–70 kg/h).
  • Chuẩn hóa quy trình lập kế hoạch sản xuất từ chu kỳ 3–5 ngày tính toán thủ công xuống còn dưới 15 phút xử lý tự động.

Phạm vi và giới hạn: Dự án tập trung nghiên cứu tại Xưởng bánh tươi của Công ty Cổ phần Thực phẩm Sundo. Dữ liệu đầu vào thu thập từ báo cáo hoạt động sản xuất kinh doanh giai đoạn 2018–2020; kế hoạch tối ưu hóa được lập cho chu kỳ 12 tháng của năm 2021.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thời điểm nghiên cứu, xưởng bánh tươi Sundo áp dụng quy trình lập kế hoạch kiểu truyền thống: tiếp nhận dự báo kinh doanh $\rightarrow$ lập kế hoạch tháng $\rightarrow$ phân rã thành kế hoạch ngày bằng kinh nghiệm của giám sát sản xuất.

Tiêu chí đánh giá Phương pháp thủ công / Kinh nghiệm Sử dụng Excel Solver cơ bản Mô hình tối ưu hóa LINGO 18.0
Khả năng xử lý ràng buộc Rất hạn chế, chỉ xét 1–2 yếu tố đơn lẻ Trung bình (tối đa 200 biến/ràng buộc) Không giới hạn, xử lý hàng nghìn biến phi tuyến & số nguyên
Độ chính xác nghiệm Không đảm bảo tính tối ưu (Sub-optimal) Dễ kẹt tại cực trị địa phương (Local Optima) Đạt nghiệm tối ưu toàn cục (Global Optimum)
Thời gian tính toán 2–3 ngày làm việc 15–30 phút Dưới 5 giây
Khả năng tự động hóa Không có Thấp, dễ lỗi khi công thức phức tạp Cao, hỗ trợ tích hợp dữ liệu dạng ma trận (Sets)
Tác động chi phí Chi phí biến đổi cao, lãng phí tồn kho Tiết kiệm 3–5% chi phí Tiết kiệm 8–12% tổng chi phí vận hành

Phân tích yêu cầu theo ma trận MoSCoW:

  • Must Have (Bắt buộc): Đáp ứng 100% nhu cầu đơn hàng B2B cố định (Circle K, Co.opmart); hàm mục tiêu cực tiểu hóa chi phí; ràng buộc cân bằng tồn kho $I_t = I_{t-1} + P_t + O_t + S_t - D_t$.
  • Should Have (Nên có): Ràng buộc biến đổi lao động theo chi phí tuyển dụng và sa thải; giới hạn tăng ca tối đa theo Luật Lao động (không quá 200 giờ/năm/người hoặc 40 giờ/tháng).
  • Could Have (Có thể có): Xem xét hợp đồng phụ gia công ngoài (Subcontracting) cho các dòng bánh định hình đơn giản khi vượt quá công suất nướng của hệ thống lò Wachtel.
  • Won't Have (Chưa thực hiện): Tự động hóa kết nối thời gian thực với hệ thống SCADA tại xưởng.

Ràng buộc kỹ thuật:

  1. Thời gian bảo quản bánh tươi tối đa 72 giờ ở điều kiện nhiệt độ thường, hạn chế tích lũy tồn kho thành phẩm qua nhiều chu kỳ.
  2. Công suất thiết bị phụ thuộc vào trạm nút cổ chai (Bottleneck) tại công đoạn trộn (SM-401: 40 lít/mẻ) và công đoạn nướng (Lò Wachtel: 30–70 kg/h, 380V).
  3. Cơ cấu lao động: 60% nữ, tỷ lệ lao động phổ thông chiếm 14%, trung cấp 41%, cao đẳng/đại học 45%.

Thiết kế hệ thống

Mô hình toán học của bài toán hoạch định tổng hợp được xây dựng dựa trên lý thuyết quy hoạch nguyên tuyến tính (MILP):

1. Chỉ số và Tập hợp:

  • $t \in T = {1, 2, \dots, 12}$: Tập các tháng trong chu kỳ hoạch định năm 2021.

2. Tham số đầu vào:

  • $D_t$: Nhu cầu dự báo tháng $t$ (chiếc bánh quy đổi).
  • $C_r, C_o, C_s$: Chi phí sản xuất 1 đơn vị sản phẩm lần lượt trong giờ chuẩn, tăng ca, và thuê gia công ngoài (VNĐ/đơn vị).
  • $C_h$: Chi phí tồn trữ 1 đơn vị sản phẩm trong 1 tháng (VNĐ/đơn vị/tháng).
  • $C_H, C_L$: Chi phí tuyển dụng và chi phí sa thải 1 nhân công (VNĐ/người).
  • $W_{salary}$: Mức lương định mức trả cho 1 công nhân trong tháng (VNĐ/người/tháng).
  • $k$: Năng suất định mức của 1 công nhân trong 1 tháng (đơn vị sản phẩm/công nhân).
  • $\alpha$: Tỷ lệ sản lượng tăng ca tối đa cho phép so với giờ chuẩn ($\alpha \le 0.25$).

3. Biến quyết định:

  • $P_t$: Sản lượng sản xuất trong giờ tiêu chuẩn ở tháng $t$.
  • $O_t$: Sản lượng sản xuất trong giờ làm thêm (tăng ca) ở tháng $t$.
  • $S_t$: Sản lượng thuê ngoài ở tháng $t$.
  • $I_t$: Mức tồn kho thành phẩm cuối tháng $t$.
  • $W_t$: Số lượng công nhân sử dụng trong tháng $t$ ($W_t \in \mathbb{Z}^+$).
  • $H_t, L_t$: Số lượng công nhân tuyển mới hoặc cho nghỉ việc ở tháng $t$ ($H_t, L_t \in \mathbb{Z}^+$).

4. Hàm mục tiêu: $$\min Z = \sum_{t=1}^{12} \left( C_r P_t + C_o O_t + C_s S_t + C_h I_t + W_{salary} W_t + C_H H_t + C_L L_t \right)$$

5. Hệ thống ràng buộc:

  • Cân bằng lưu chuyển tồn kho: $$I_{t-1} + P_t + O_t + S_t - D_t = I_t, \quad \forall t \in {1, \dots, 12}$$
  • Cân bằng lực lượng lao động: $$W_t = W_{t-1} + H_t - L_t, \quad \forall t \in {1, \dots, 12}$$
  • Giới hạn công suất giờ chuẩn: $$P_t \le k \cdot W_t, \quad \forall t \in {1, \dots, 12}$$
  • Giới hạn tăng ca hợp chuẩn: $$O_t \le \alpha \cdot P_t, \quad \forall t \in {1, \dots, 12}$$
  • Điều kiện không âm và nguyên: $$P_t, O_t, S_t, I_t \ge 0; \quad W_t, H_t, L_t \in \mathbb{Z}^+$$

Methodology

Dự án triển khai theo quy trình cải tiến chất lượng khép kín PDCA (Plan - Do - Check - Act) chuẩn hóa cho nghiên cứu điều hành (Operations Research):

  • Plan (Hoạch định): Khảo sát hiện trạng xưởng sản xuất, phân tích dữ liệu lịch sử sản lượng 2018–2020, thu thập định mức nguyên vật liệu, thông số thiết bị và chi phí nhân sự.
  • Do (Thực thi mô hình): Thiết lập phương trình xu hướng tuyến tính kết hợp điều chỉnh chỉ số mùa vụ. Cài đặt mô hình toán học vào bộ giải LINGO 18.0.
  • Check (Kiểm định): Kiểm tra độ chính xác dự báo thông qua các chỉ số sai số chuẩn: độ lệch tuyệt đối trung bình ($MAD$) và sai số bình phương trung bình ($MSE$). Phân tích độ nhạy (Sensitivity Analysis) đối với các biến động giá nguyên liệu và chi phí tăng ca.
  • Act (Chuẩn hóa): Tích hợp kết quả giải bài toán vào biểu mẫu sản xuất hàng tháng và hàng ngày, đào tạo cán bộ kế hoạch tại xưởng Sundo.

Implementation và kết quả

Development process

Quá trình triển khai mô hình toán được cụ thể hóa bằng mã nguồn LINGO 18.0 Extended Solver. Cấu trúc mô hình được viết theo dạng đại số ma trận (Set-based Modeling):

MODEL:
! HOACH DINH TONG HOP CHO XUONG BANH TUOI SUNDO NAM 2021;
SETS:
  THANG /1..12/: DEMAND, PREG, POVER, PSUB, INV, WORKERS, HIRE, FIRE;
ENDSETS

DATA:
  ! DU BAO NHU CAU 12 THANG THEO CHI SO MUA VU (CHIEC QUY DOI);
  DEMAND = 42500, 48200, 39600, 38100, 41200, 43500, 
           45800, 47900, 44200, 42100, 51300, 62400;
  
  ! CAC THAM SO CHI PHI (DON VI: VND);
  C_REG   = 8500;      ! Chi phi san xuat gio chuan / don vi;
  C_OVER  = 12750;     ! Chi phi san xuat tang ca / don vi;
  C_SUB   = 16000;     ! Chi phi thue ngoai / don vi;
  C_HOLD  = 1800;      ! Chi phi ton tru / don vi / thang;
  C_HIRE  = 2500000;   ! Chi phi tuyen dung 1 cong nhan;
  C_FIRE  = 3500000;   ! Chi phi sa thai 1 cong nhan;
  W_WAGE  = 6500000;   ! Luong co ban 1 cong nhan / thang;
  
  K_RATE  = 400;       ! Dinh muc san luong: 400 chiec/cong nhan/thang;
  MAX_OV  = 100;       ! San luong tang ca toi da: 100 chiec/cong nhan/thang;
  
  INIT_INV = 3500;     ! Ton kho ban dau;
  INIT_W   = 105;      ! So luong cong nhan ban dau;
ENDDATA

! HAM MUC TIEU: CUC TIEU HOA TONG CHI PHI SAN XUAT;
MIN = @SUM(THANG(T): C_REG * PREG(T) + C_OVER * POVER(T) + C_SUB * PSUB(T) 
      + C_HOLD * INV(T) + W_WAGE * WORKERS(T) + C_HIRE * HIRE(T) + C_FIRE * FIRE(T));

! HE THONG RANG BUOC;
! 1. Can bang ton kho;
INV(1) = INIT_INV + PREG(1) + POVER(1) + PSUB(1) - DEMAND(1);
@FOR(THANG(T) | T #GT# 1:
  INV(T) = INV(T-1) + PREG(T) + POVER(T) + PSUB(T) - DEMAND(T);
);

! 2. Can bang nhan luc;
WORKERS(1) = INIT_W + HIRE(1) - FIRE(1);
@FOR(THANG(T) | T #GT# 1:
  WORKERS(T) = WORKERS(T-1) + HIRE(T) - FIRE(T);
);

! 3. Gioi han cong suat san xuat gio chuan va tang ca;
@FOR(THANG(T):
  PREG(T) <= WORKERS(T) * K_RATE;
  POVER(T) <= WORKERS(T) * MAX_OV;
  @GIN(WORKERS(T));
  @GIN(HIRE(T));
  @GIN(FIRE(T));
);

! 4. Ton kho an toan toi thieu cuoi moi thang;
@FOR(THANG(T):
  INV(T) >= 1500;
);
END

Testing và validation

Công tác dự báo nhu cầu được kiểm định thông qua chuỗi dữ liệu thực tế giai đoạn 2018–2020. Phương trình hồi quy xu hướng tuyến tính được xác lập: $$y_t = 32,450 + 855 \cdot t$$ Kết hợp với hệ số mùa vụ điều chỉnh ($S_i$) cho từng tháng trong năm (dao động từ $0.88$ vào mùa thấp điểm tháng 3–4 đến $1.38$ vào dịp cao điểm Tết và lễ hội cuối năm).

Độ chính xác của mô hình dự báo được xác thực bằng 2 tiêu chuẩn định lượng:

  • Độ lệch tuyệt đối trung bình (MAD): $$MAD = \frac{1}{n} \sum_{t=1}^n |A_t - F_t| = 1,240 \text{ chiếc}$$
  • Sai số bình phương trung bình (MSE): $$MSE = \frac{1}{n-1} \sum_{t=1}^n (A_t - F_t)^2 = 2.18 \times 10^6 \text{ chiếc}^2$$

Chỉ số sai số tuyệt đối trung bình theo tỷ lệ ($MAPE$) đạt mức $3.12%$, cho thấy mô hình dự báo có độ tin cậy rất cao để đưa vào LINGO làm dữ liệu đầu vào.

Kết quả đạt được

Giải bài toán trên LINGO 18.0 (Global Solver Engine) với thời gian thực thi $0.18$ giây, kết quả tối ưu ghi nhận:

Chỉ tiêu hoạt động Hiện trạng năm 2020 (Thực tế) Phương án tối ưu LINGO 2021 Chênh lệch / Cải thiện
Tổng chi phí vận hành ước tính 6.842 tỷ VNĐ 6.130 tỷ VNĐ Giảm 10.4% (-712 triệu VNĐ)
Tỷ lệ đáp ứng đơn hàng đúng hạn (OTIF) 88.5% 98.8% Tăng 10.3%
Hao hụt do quá hạn bảo quản (Waste Rate) 4.8% 1.2% Giảm 3.6%
Chi phí giờ làm thêm (Overtime Cost) 945 triệu VNĐ 602 triệu VNĐ Tiết kiệm 36.3%
Hệ số sử dụng máy trộn SM-401 & Lò nướng 68.2% 84.5% Tăng 16.3%
Thời gian lập kế hoạch sản xuất 72 giờ 0.25 giờ Rút ngắn 99.6%

Đổi mới và đóng góp

  • Đổi mới kỹ thuật: Ứng dụng thành công mô hình tối ưu hóa toán học rời rạc đa biến số (MILP) vào đặc thù của xưởng sản xuất bánh tươi có thời hạn sử dụng ngắn. Đây là bước chuyển dịch quan trọng từ việc quản lý thụ động dựa vào trực giác sang ra quyết định dựa trên dữ liệu (Data-driven Decision Making).
  • So sánh với các giải pháp hiện hữu:
    • So với Phương pháp đuổi theo nhu cầu (Chase Strategy) thuần túy: Giải pháp của đề tài giúp giảm 45% chi phí biến động nhân sự (tuyển dụng/sa thải), ổn định tay nghề thợ bánh lành nghề.
    • So với Phương pháp sản xuất mức bằng (Level Strategy) thuần túy: Giải pháp loại bỏ được tình trạng tồn kho quá hạn (vốn là nhược điểm chí mạng của ngành bánh tươi), tiết kiệm hơn 300 triệu VNĐ chi phí hủy hàng mỗi năm.
  • Cải tiến hiệu suất: Giảm tổng chi phí kế hoạch $10.4%$, nâng cao năng suất thiết bị thêm $16.3%$, đồng thời giải phóng hơn 95% thời gian làm việc thủ công của cán bộ phòng kế hoạch.
  • Đóng góp cho ngành: Cung cấp bộ khung phương pháp luận (Framework) hoàn chỉnh kết hợp giữa dự báo xu hướng mùa vụ và phần mềm LINGO 18.0, có khả năng chuyển giao và áp dụng trực tiếp cho các nhà máy chế biến thực phẩm quy mô vừa và nhỏ (SMEs) tại Việt Nam.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

  1. Xử lý đột biến đơn hàng kênh B2B: Khi đối tác như Circle K hoặc Highlands Coffee yêu cầu tăng thêm 20% sản lượng trong vòng 48 giờ cho chương trình khuyến mãi, cán bộ lập kế hoạch chỉ cần cập nhật tham số $D_t$ trên LINGO; mô hình sẽ tự động tái phân bổ sản lượng giờ chuẩn, tăng ca và lượng nguyên vật liệu cần cấp phát.
  2. Kế hoạch mùa vụ cao điểm (Tết Nguyên Đán, Trung Thu): Mô hình tính toán chính xác thời điểm cần tuyển thêm lao động thời vụ và mức tăng ca hợp lý mà không vi phạm quy định pháp lý.

Yêu cầu triển khai và Đánh giá hiệu quả kinh tế (ROI)

  • Cấu hình phần cứng tối thiểu: CPU Intel Core i3 thế hệ 8 trở lên, RAM 4GB, Hệ điều hành Windows 10/11 hoặc Linux Ubuntu 18.04+.
  • Phần mềm: Bản quyền LINGO 18.0 (hoặc bản Educational), Microsoft Excel 2016+ làm giao diện nhập liệu.
  • Phân tích chi phí - lợi ích (Cost-Benefit Analysis):
    • Chi phí đầu tư ban đầu: Khoảng 45.000.000 VNĐ (Bản quyền phần mềm + đào tạo nhân sự nội bộ).
    • Lợi ích tài chính ròng: Tiết kiệm chi phí vận hành khoảng 712.000.000 VNĐ/năm.
    • Thời gian hoàn vốn (Payback Period): Dưới 1 tháng sau khi đưa vào vận hành chính thức.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật:

  • Mô hình hiện tại là mô hình tất định (Deterministic Model), giả định các thông số về chi phí, năng suất công nhân và năng lực máy móc là hằng số cố định, chưa phản ánh đầy đủ các biến cố ngẫu nhiên như hỏng hóc thiết bị đột xuất hoặc đứt gãy nguồn cung nguyên liệu từ Dalatmilk/Puratos.
  • Chưa tích hợp trực tiếp giao diện người dùng web (Web-based GUI) mà vẫn phụ thuộc vào việc thao tác lệnh trong phần mềm LINGO.

Hướng nghiên cứu và phát triển tiếp theo:

  1. Mở rộng mô hình thành Quy hoạch ngẫu nhiên (Stochastic Programming) hoặc Quy hoạch bền vững (Robust Optimization) để xử lý độ bất định của nhu cầu thị trường sau đại dịch.
  2. Xây dựng API kết nối tự động giữa bộ giải LINGO với hệ thống cơ sở dữ liệu quản trị doanh nghiệp (ERP) và hệ thống hoạch định nhu cầu nguyên vật liệu (MRP).
  3. Đưa yếu tố quản lý hạn dùng chi tiết từng dòng nguyên liệu (Bột mì, bơ, men protease, sữa tươi) vào hàm ràng buộc chi tiết hơn ở cấp điều độ sản xuất ngày.

Đối tượng hưởng lợi

  • Sinh viên chuyên ngành Quản lý Công nghiệp & Kỹ thuật Hệ thống: Nắm vững tài liệu mẫu về cách chuyển giao lý thuyết hoạch định tổng hợp (Aggregate Planning) và quy hoạch tuyến tính thành mô hình giải quyết bài toán thực tế.
  • Cán bộ quản lý sản xuất & Kỹ sư kế hoạch: Sở hữu công cụ tính toán tự động hóa mạnh mẽ thay thế bảng tính Excel rời rạc, giúp tối ưu hóa nhân lực và lịch biểu máy móc chính xác.
  • Ban lãnh đạo doanh nghiệp (Sundo Foods và ngành Bakery): Tiết kiệm 8–12% chi phí sản xuất, kiểm soát giá vốn hàng bán (COGS), nâng cao năng lực cạnh tranh và tối đa hóa lợi nhuận ròng.
  • Nhà nghiên cứu học thuật: Cung cấp dữ liệu thực nghiệm và sai số kiểm định ($MAD, MSE$) trong ngành công nghiệp thực phẩm tươi tại thị trường mới nổi.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để cài đặt và vận hành LINGO 18.0 là gì?

Hệ thống chỉ yêu cầu máy tính văn phòng tiêu chuẩn: CPU 2 nhân tốc độ 2.0 GHz trở lên, RAM 4GB, dung lượng ổ cứng trống 500MB, tương thích tốt với hệ điều hành Windows 7/8/10/11 hoặc Linux 64-bit.

2. Mô hình có xử lý được khi danh mục sản phẩm của Sundo mở rộng lên hơn 50 loại bánh khác nhau không?

Có. Nhờ thiết kế theo cấu trúc tập hợp (Sets), mô hình dễ dàng mở rộng thêm chỉ số sản phẩm $i \in {1..N}$. Khi đó, các biến $P(t)$ sẽ chuyển thành $P(i, t)$ kết hợp với hệ số quy đổi giờ công tiêu chuẩn tương ứng cho từng loại bánh mà không làm thay đổi cấu trúc cốt lõi của thuật toán.

3. Làm thế nào để tích hợp LINGO với hệ thống dữ liệu Excel hiện có tại xưởng?

LINGO hỗ trợ trực tiếp các hàm truy xuất dữ liệu @OLE()@ODBC(). Doanh nghiệp có thể nhập trực tiếp dữ liệu dự báo từ file Excel .xlsx vào LINGO và tự động xuất kết quả kế hoạch tối ưu ngược lại các biểu mẫu bảng tính của giám đốc sản xuất.

4. Chi phí bảo trì và đào tạo nhân sự sử dụng mô hình này như thế nào?

Mô hình toán học sau khi đóng gói có tính ổn định cao, không phát sinh chi phí bảo trì định kỳ. Thời gian đào tạo một kỹ sư hoặc nhân viên kế hoạch nắm bắt cách vận hành chỉ mất từ 3 đến 5 buổi làm việc.

5. Doanh nghiệp mất bao lâu để thu hồi vốn đầu tư cho giải pháp tối ưu hóa này?

Với chi phí đầu tư phần mềm và triển khai ban đầu dưới 50 triệu VNĐ, trong khi giá trị tiết kiệm chi phí nhân công và nguyên liệu đạt trên 50 triệu VNĐ mỗi tháng, thời gian hoàn vốn thực tế đạt được trong vòng chưa đầy 30 ngày vận hành.


Kết luận

Đề tài "Ứng dụng phần mềm tối ưu LINGO Optimization để hoàn thiện công tác hoạch định tổng hợp tại xưởng bánh tươi Công ty Cổ phần Thực phẩm Sundo" đã giải quyết triệt để bài toán mất cân đối giữa năng lực sản xuất và nhu cầu thị trường biến động. Thông qua việc kết hợp chặt chẽ giữa mô hình dự báo mùa vụ ($MAPE = 3.12%$) và mô hình quy hoạch nguyên tuyến tính trên phần mềm LINGO 18.0, dự án đã chứng minh khả năng cắt giảm 10.4% tổng chi phí vận hành (tiết kiệm hơn 712 triệu VNĐ/năm), đồng thời nâng tỷ lệ giao hàng đúng hạn lên 98.8%. Đây là minh chứng rõ nét cho giá trị của việc ứng dụng công cụ nghiên cứu điều hành hiện đại vào công tác quản trị sản xuất thực tiễn tại các doanh nghiệp Việt Nam.