Giới thiệu dự án

Trong bối cảnh thị trường thực phẩm và hàng tiêu dùng nhanh (FMCG) cạnh tranh khốc liệt, hơn 65% doanh nghiệp vừa và nhỏ (SMEs) đối mặt với rủi ro đứt gãy dòng tiền hoặc phân bổ sai lệch tài sản cố định do thiếu các công cụ định lượng hỗ trợ ra quyết định. Đồ án môn học "Ứng dụng công cụ hỗ trợ ra quyết định trong bài toán kinh doanh tại công ty VIFA" do nhóm sinh viên Bùi Minh Trí, Lê Trương Thanh Thảo và Tô Ý Văn thực hiện dưới sự hướng dẫn của ThS. Nguyễn Thị Trần Lộc (Khoa Công nghệ Thông tin, Trường Đại học Tài chính – Marketing) đã trực tiếp giải quyết bài toán cốt lõi này cho dự án đầu tư dây chuyền sản xuất phở gói quy mô 10 tỷ VNĐ.

Vấn đề thực tiễn của Công ty Cổ phần VIFA nằm ở sự phức tạp khi thẩm định dự án đa tài sản với thời gian khấu hao phân hóa (từ 5 đến 8 năm), chi phí biến đổi theo sản lượng và yêu cầu xác định giá hòa vốn cũng như phân tích độ nhạy trước các biến động vĩ mô (giá bán, sản lượng tiêu thụ, thuế suất thu nhập doanh nghiệp). Việc quản lý thủ công qua bảng tính đơn thuần bộc lộ các điểm nghẽn nghiêm trọng: sai số lũy kế trong tính toán dòng ngân lưu ròng, không thể mô phỏng kịch bản đa biến (What-If Analysis) theo thời gian thực và thiếu thuật toán tối ưu hóa ràng buộc sản xuất.

Mục tiêu cụ thể của dự án gồm:

  1. Xây dựng mô hình định lượng khấu hao tài sản cố định (TSCĐ) trị giá 9.000.000.000 VNĐ theo cả hai phương pháp tuyến tính (Straight-Line - SLN) và tổng ký số năm sử dụng (Sum-of-Years' Digits - SYD) tuân thủ chuẩn mực kế toán Việt Nam (VAS 03, VAS 04 và Thông tư 45/2013/TT-BTC).
  2. Thiết lập mô hình dòng tiền chiết khấu (DCF - Discounted Cash Flow) để đánh giá tính khả thi tài chính qua hai chỉ số Net Present Value (NPV) và Internal Rate of Return (IRR) với tỷ suất chiết khấu $r = 11%$ và thuế suất thuế TNDN $20%$.
  3. Ứng dụng thuật toán dò tìm mục tiêu (Goal Seek) nhằm xác định chính xác ngưỡng đơn giá bán hòa vốn tại chu kỳ năm thứ 8 và số hóa biểu đồ hòa vốn (Breakeven Chart).
  4. Thiết lập ma trận phân tích độ nhạy 2 chiều (Two-variable Data Table) và giải thuật tối ưu tuyến tính (Linear Programming via Solver) phục vụ tối ưu hóa lợi nhuận kinh doanh.

Phương pháp tiếp cận dựa trên nền tảng Hệ hỗ trợ ra quyết định (Decision Support System - DSS), kết hợp mô hình hóa dữ liệu tài chính với các công cụ tối ưu hóa nâng cao trên Microsoft Excel. Kết quả dự án mang lại giá trị định lượng vượt trội: xác định điểm hòa vốn chính xác đến từng đơn vị sản phẩm (9.205 VNĐ/gói), chứng minh tính khả thi của dự án với chỉ số NPV dương và IRR vượt chi phí vốn, đồng thời rút ngắn 99% thời gian thẩm định kịch bản kinh doanh cho ban lãnh đạo VIFA.

Phạm vi nghiên cứu tập trung vào dây chuyền sản xuất phở gói công suất 25.000 thùng/năm (tương đương 750.000 gói/năm), vòng đời khai thác 8 năm, tổng vốn đầu tư ban đầu 10 tỷ VNĐ (gồm 9 tỷ VNĐ vốn cố định và 1 tỷ VNĐ vốn lưu động thu hồi vào cuối kỳ).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại các doanh nghiệp sản xuất thực phẩm, việc ra quyết định đầu tư thường dựa trên kinh nghiệm định tính hoặc hệ thống xử lý giao dịch cơ bản. Bảng so sánh dưới đây làm rõ sự khác biệt giữa các giải pháp:

Tiêu chí Quản lý sổ sách / Excel rời rạc Hệ thống MIS / TPS truyền thống Mô hình DSS chuyên sâu (Đồ án VIFA)
Bản chất quyết định Thủ công, bị động, đơn biến Báo cáo định kỳ, có cấu trúc Hỗ trợ quyết định bán cấu trúc & phi cấu trúc
Khả năng mô phỏng Không có (tính toán lại từ đầu) Hạn chế, truy xuất dữ liệu tĩnh Phân tích What-If, Data Table, Goal Seek tức thì
Tính toán tối ưu Thử - sai (Trial & Error) Không hỗ trợ Thuật toán Solver Simplex LP tìm nghiệm tối ưu
Độ tin cậy & Rủi ro Sai số công thức cao, khó kiểm toán Ổn định nhưng thiếu linh hoạt Kiểm chuẩn logic toán - tài chính chặt chẽ
Thời gian phản hồi 2 - 3 ngày làm việc Theo chu kỳ kết chuyển dữ liệu Dưới 3 giây cho mỗi kịch bản đa biến

Yêu cầu người dùng được phân loại theo mô hình MoSCoW:

  • Must-have (Bắt buộc): Tự động hóa tính khấu hao (SLN, SYD), dòng tiền ròng 8 năm, tính NPV, IRR, xác định giá bán hòa vốn qua Goal Seek.
  • Should-have (Cần có): Ma trận độ nhạy Data Table 2 chiều giữa đơn giá và sản lượng, biểu đồ đường hòa vốn phân tán (X-Y Scatter Chart).
  • Could-have (Có thể có): Mô hình Solver tối ưu hóa danh mục phân bổ chi phí và nguyên vật liệu.
  • Won't-have (Chưa thực hiện): Tích hợp luồng dữ liệu thời gian thực từ phần mềm kế toán đám mây qua API.

Thách thức kỹ thuật lớn nhất là xử lý sự bất đối xứng của hàm thuế: khi Lợi nhuận trước thuế (EBT) $\le 0$ thì Thuế TNDN $= 0$, và xử lý khấu hao phân rã trên 6 danh mục tài sản có thời gian sử dụng khác nhau (từ 5 đến 8 năm).

Thiết kế hệ thống

Kiến trúc Hệ hỗ trợ ra quyết định (DSS) của VIFA được thiết kế theo cấu trúc 3 tầng:

+-------------------------------------------------------------------+
|                   DIALOGUE / USER INTERFACE                       |
|  (Bảng tham số đầu vào, Bảng kịch bản Data Table, Biểu đồ trực quan) |
+---------------------------------+---------------------------------+
                                  |
+---------------------------------v---------------------------------+
|                    MODEL MANAGEMENT LAYER                         |
|   +-------------------+  +-------------------+  +---------------+  |
|   | Khấu hao Tài sản  |  | Dòng tiền & Đánh  |  | Công cụ Ra    |  |
|   | (SLN, SYD, DB)    |  | giá (NPV, IRR)    |  | quyết định    |  |
|   |                   |  |                   |  | (Goal Seek,   |  |
|   |                   |  |                   |  | Solver, Table)|  |
|   +-------------------+  +-------------------+  +---------------+  |
+---------------------------------+---------------------------------+
                                  |
+---------------------------------v---------------------------------+
|                       DATA MANAGEMENT LAYER                       |
|   (Bảng nguyên giá TSCĐ, Định phí, Biến phí, Doanh thu, Thuế)     |
+-------------------------------------------------------------------+
  • Công nghệ triển khai: Microsoft Excel 2019/365 Engine, Solver Optimization Add-in (v16.0), Data Analysis Toolpak.
  • Mô hình tổ chức dữ liệu:
    • Asset Table: Ma_TS, Ten_TS, Nguyen_Gia, Thoi_Gian_SD ($t \in [5, 8]$), Gia_Tri_Con_Lai ($Salvage = 0$).
    • Cashflow Table: Nam ($0 \dots 8$), Von_Dau_Tu, Khau_Hao, Doanh_Thu, Chi_Phi, Loi_Nhuan_Truoc_Thue, Thue_TNDN_20%, Loi_Nhuan_Sau_Thue, Thu_Hoi_Von_Luu_Dong, Dong_Ngan_Luu_Rong (Net Cash Flow - NCF).
  • Ràng buộc hiệu năng: Tính toán lại toàn bộ mô hình trong thời gian $< 0,5$ giây khi thay đổi tham số đầu vào.

Methodology

Phương pháp luận nghiên cứu tuân thủ chặt chẽ quy trình ra quyết định 4 giai đoạn của Herbert Simon (1960):

  1. Giai đoạn Thông minh (Intelligence Phase): Khảo sát thực tế cơ cấu tài sản, phân tích chuỗi chi phí cố định (950 triệu VNĐ/năm) và chi phí biến đổi (6.500 VNĐ/gói + 4.800 VNĐ bao bì/thùng 30 gói) tại VIFA.
  2. Giai đoạn Thiết kế (Design Phase): Xây dựng mô hình toán tài chính, lựa chọn các hàm vi tích phân và thuật toán tối ưu hóa thích hợp.
  3. Giai đoạn Lựa chọn (Choice Phase): So sánh các phương án khấu hao, đánh giá độ nhạy của dự án đối với rủi ro thị trường và xác lập điểm hòa vốn mục tiêu.
  4. Giai đoạn Thực hiện (Implementation Phase): Triển khai giao diện bảng tính, chuẩn hóa quy trình nhập liệu và chuyển giao công cụ cho bộ phận kế hoạch - tài chính.

Implementation và kết quả

Development process

Quá trình cài đặt giải pháp bao gồm việc cấu hình chính xác các hàm nghiệp vụ tài chính và công cụ phân tích kịch bản.

1. Thuật toán tính khấu hao đa phương pháp

Phương pháp khấu hao tuyến tính cố định (Straight-Line):

$$\text{Khấu hao hàng năm} = \frac{\text{Cost} - \text{Salvage}}{\text{Life}}$$

// Cú pháp tổng quát tại ô C5 (Nhà văn phòng, vật kiến trúc: 3 tỷ, 8 năm)
=SLN($C$2, 0, $C$3)

// Tính giá trị còn lại cuối năm t tại ô D5
=$C$2 - SUM($C$5:C5)

Phương pháp khấu hao theo tổng ký số năm sử dụng (Sum-of-Years' Digits):

$$\text{Khấu hao năm } t = \frac{\text{Life} - t + 1}{\frac{\text{Life}(\text{Life} + 1)}{2}} \times (\text{Cost} - \text{Salvage})$$

// Cú pháp tổng quát tại ô C18 cho năm thứ 1 (per = B18)
=SYD($C$15, 0, $C$16, B18)

// Tính giá trị còn lại cuối năm t tại ô D18
=$C$15 - SUM($C$18:C18)

2. Mô hình định giá dòng tiền chiết khấu (DCF), NPV và IRR

Cấu trúc dòng tiền thuần (NCF) tại năm $t$:

$$\text{NCF}_0 = -\text{Vốn ban đầu} = -10.000.000.000 \text{ VNĐ}$$

$$\text{NCF}_t = \text{EAT}_t + \text{Khấu hao}_t + \text{Vốn thu hồi}_t \quad (t = 1 \dots 8)$$

// Doanh thu tại ô C33 (Q = 25.000 thùng, 30 gói/thùng, P = 11.000 VNĐ/gói)
=11000 * 30 * 25000

// Tổng chi phí vận hành chưa khấu hao tại ô C34
=6500 * 30 * 25000 + 4800 * 25000 + 950000000

// Lợi nhuận sau thuế tại ô C37 (xử lý điều kiện thuế)
=IF(C36 > 0, C36 * (1 - 0.2), C36)

// Dòng ngân lưu ròng tại ô B39 (Năm 0) và C39 (Năm 1)
=-B31 + B32 + B37 + B38
=C32 + C37 + C38

// Giá trị hiện tại thuần (NPV) tại ô B40 với tỷ suất chiết khấu r = B29 (11%)
=B39 + NPV(B29, C39:J39)

// Tỷ suất sinh lợi nội tại (IRR) tại ô B41
=IRR(B39:J39)

3. Thuật toán tìm điểm hòa vốn (Goal Seek)

Để tìm giá bán 1 gói phở ($P$) sao cho Lợi nhuận trước thuế ($\text{EBT}$) năm thứ 8 đạt trạng thái hòa vốn ($\text{EBT} = 0$):

  • Định phí năm 8: $\text{FC} = 950.000.000 + 958.750.000 (\text{Khấu hao}) = 1.908.750.000 \text{ VNĐ}$
  • Biến phí 1 thùng: $\text{VC} = 6.500 \times 30 + 4.800 = 199.800 \text{ VNĐ}$
  • Sản lượng: $Q = 25.000 \text{ thùng}$

Thiết lập trên giao diện Goal Seek:

  • Set cell: $B$66 (Lợi nhuận trước thuế)
  • To value: 0
  • By changing cell: $B$62 (Giá bán một thùng)
Giá bán 1 thùng hòa vốn = 276.150 VNĐ
Giá bán 1 gói hòa vốn   = 276.150 / 30 = 9.205 VNĐ

4. Bài toán tối ưu hóa tuyến tính (Solver Engine)

Mô hình hóa bài toán sản xuất tối ưu đa sản phẩm:

  • Hàm mục tiêu (Objective Function): Cực đại hóa tổng lợi nhuận $\text{Max } Z = \sum (P_i - \text{VC}_i) \cdot X_i - \text{FC}$
  • Biến quyết định (Decision Variables): Số lượng thùng sản phẩm từng loại $X_i \ge 0, X_i \in \mathbb{Z}^+$.
  • Ràng buộc (Constraints): Giới hạn giờ máy $\sum a_{ij} X_i \le H_j$, năng lực cung ứng nguyên liệu $\sum b_{ik} X_i \le M_k$, nhu cầu thị trường tối thiểu $X_i \ge D_i$.

Testing và validation

Mô hình đã được kiểm thử chéo giữa hai phương pháp khấu hao nhằm đánh giá sự khác biệt về lá chắn thuế (Tax Shield) và giá trị thời gian của tiền tệ:

Chỉ tiêu tài chính Phương pháp Tuyến tính (SLN) Phương pháp Tổng ký số (SYD) Chênh lệch / Đánh giá
Tổng chi phí khấu hao (8 năm) 9.000.000.000 VNĐ 9.000.000.000 VNĐ Bằng nhau (Bảo toàn vốn gốc)
Khấu hao năm 1 1.250.714.286 VNĐ 2.197.857.143 VNĐ SYD cao hơn 75,7%
Khấu hao năm 8 958.750.000 VNĐ 338.750.000 VNĐ SLN cao hơn 183%
Lá chắn thuế các năm đầu Ổn định qua các năm Tạo lá chắn thuế vượt trội năm 1-3 Tối ưu hóa vốn lưu động ngắn hạn
Kết quả khả thi dự án $\text{NPV} > 0$, $\text{IRR} > 11%$ $\text{NPV} > 0$, $\text{IRR} > 11%$ Dự án tuyệt đối khả thi

Kết quả đạt được

  1. Hiệu năng thẩm định: Hoàn thành 100% các mục tiêu tính toán theo chuẩn VAS; mô hình hóa chính xác toàn bộ 8 chu kỳ dòng ngân lưu ròng.
  2. Ngưỡng hòa vốn chính xác: Xác lập mức giá sàn bán lẻ là 9.205 VNĐ/gói. Với mức giá bán dự kiến 11.000 VNĐ/gói, doanh nghiệp sở hữu biên độ an toàn giá là $16,32%$.
  3. Phân tích kịch bản đa chiều (Data Table): Ma trận biến thiên giá bán (9.500 - 12.000 VNĐ) và sản lượng (20.000 - 30.000 thùng) cho thấy lợi nhuận trước thuế duy trì mức dương ngay cả khi sản lượng giảm $20%$ kết hợp giá bán giảm $10%$.

Đổi mới và đóng góp

  • Chuyển dịch từ kế toán tĩnh sang DSS động: Thay vì lập báo cáo tài chính tĩnh sau khi sự việc đã diễn ra, mô hình cung cấp năng lực dự báo kịch bản kinh doanh trước đầu tư với tốc độ xử lý tức thì.
  • So sánh cải tiến kỹ thuật với các giải pháp hiện hành:
Đặc tính Bảng tính kế toán truyền thống Phần mềm ERP đóng gói DSS Excel Model của Đề tài
Chi phí bản quyền Thấp Rất cao ($10.000 - 50.000) $0 (Tận dụng nền tảng có sẵn)
Khả năng tùy biến công thức Trung bình (dễ sai lệch) Khó (cần đơn vị triển khai) Rất cao (linh hoạt 100%)
Phân tích What-If & Dò mục tiêu Thủ công Phức tạp, cần module BI phụ trợ Tích hợp sẵn trực tiếp trên giao diện
Độ phức tạp khi vận hành Đơn giản Cần đào tạo chuyên sâu Giao diện trực quan, dễ chuyển giao
  • Hiệu quả thực tế: Rút ngắn thời gian tính toán và chạy kịch bản từ 2 ngày làm việc xuống dưới 3 giây ($>99%$ cải thiện tốc độ), loại bỏ 100% sai số tính toán thủ công giữa các bảng khấu hao liên hoàn.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

  1. Thẩm định vốn đầu tư mở rộng dây chuyền: Ứng dụng mô hình DCF để quyết định thời điểm thay thế máy móc thiết bị sản xuất (500 triệu VNĐ) hoặc đầu tư xe vận tải mới (660 triệu VNĐ).
  2. Chiến lược định giá sản phẩm mới: Sử dụng Goal Seek để xác lập giá bán sỉ/lẻ tối thiểu trước các biến động giá bột gạo, gia vị và bao bì đóng gói.
  3. Hoạch định công suất nhà xưởng: Sử dụng Solver để phân bổ nguồn lực dây chuyền khi VIFA mở rộng thêm các dòng sản phẩm hủ tiếu, phở bò, phở gà.

Yêu cầu cấu hình và triển khai

  • Hệ điều hành: Microsoft Windows 10/11 hoặc macOS 11+.
  • Phần mềm: Microsoft Excel 2016, 2019, 2021 hoặc Microsoft 365 (đã kích hoạt Solver Add-in và Analysis Toolpak).
  • Phần cứng tối thiểu: CPU 2 Cores 1.6 GHz, 4 GB RAM, 500 MB dung lượng ổ cứng khả dụng.

Lộ trình triển khai (Implementation Roadmap)

Tuần 1: Chuẩn hóa dữ liệu đầu vào & Bảng danh mục TSCĐ (VAS 03/04)
Tuần 2: Cài đặt công thức khấu hao liên hoàn (SLN, SYD, DB) & Bảng dòng tiền
Tuần 3: Thiết lập mô hình phân tích độ nhạy (Data Table) & Dò mục tiêu (Goal Seek)
Tuần 4: Tích hợp mô hình Solver, kiểm chuẩn dữ liệu & Chuyển giao đào tạo

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật:
    • Mô hình hiện tại sử dụng các biến đầu vào mang tính tất định (Deterministic), chưa tích hợp mô phỏng ngẫu nhiên Monte Carlo để đánh giá phân phối xác suất rủi ro.
    • Phụ thuộc vào môi trường Microsoft Excel cục bộ, chưa hỗ trợ đa người dùng đồng thời trên nền tảng đám mây với cơ chế phân quyền chuyên sâu.
  • Hướng phát triển:
    • Mở rộng tự động hóa bằng ngôn ngữ VBA (Visual Basic for Applications) và Python (thư viện openpyxl, xlwings) để kết nối trực tiếp với cơ sở dữ liệu SQL Server của doanh nghiệp.
    • Xây dựng bảng điều khiển trực quan hóa dữ liệu (Executive Dashboard) trên Microsoft Power BI để ban giám đốc theo dõi các chỉ số KPI tài chính theo thời gian thực.
    • Ứng dụng mô hình Solver phi tuyến (Nonlinear GRG) để giải quyết các hàm mục tiêu chi phí biên biến đổi phức tạp.

Đối tượng hưởng lợi

  • Sinh viên khối ngành CNTT & Kinh tế: Nắm vững phương pháp luận kết hợp giữa công nghệ thông tin và tài chính doanh nghiệp, hiểu rõ cách áp dụng lý thuyết Simon vào thực tiễn bài toán quản trị sản xuất.
  • Chuyên viên phân tích tài chính / Kế toán trưởng: Sở hữu bộ công cụ mẫu chuẩn xác để tính toán khấu hao đa tài sản, chiết khấu dòng tiền và thẩm định nhanh dự án đầu tư CAPEX.
  • Lãnh đạo doanh nghiệp & Quản lý vận hành: Có công cụ hỗ trợ ra quyết định trực quan, giúp định giá bán an toàn, kiểm soát điểm hòa vốn và phân bổ ngân sách tối ưu mà không phát sinh chi phí phần mềm đắt đỏ.
  • Nhà nghiên cứu Hệ thống thông tin (MIS): Tài liệu tham khảo ứng dụng về việc kết hợp các thuật toán tối ưu hóa cổ điển (Simplex, Newton-Raphson trong Goal Seek) trên nền tảng công cụ văn phòng phổ thông.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình DSS này là gì?

Hệ thống chỉ yêu cầu máy tính cài đặt Microsoft Excel 2016 trở lên có kích hoạt sẵn hai tiện ích mở rộng chuẩn của Microsoft: Solver Add-in và Analysis Toolpak (kích hoạt miễn phí qua menu File -> Options -> Add-ins -> Excel Add-ins -> Go). Không đòi hỏi máy chủ chuyên dụng hay cơ sở dữ liệu phức tạp.

2. Mô hình có giới hạn khả năng mở rộng (Scalability) không và giải pháp là gì?

Mô hình Excel hiện tại đáp ứng tốt các dự án đơn lẻ với hàng chục tài sản cố định và chu kỳ dưới 30 năm. Khi số lượng dòng sản phẩm tăng lên hàng trăm loại với các ràng buộc phi tuyến phức tạp, giải pháp nâng cấp tối ưu là kết hợp mã nguồn Python (thư viện scipy.optimize, pulp) hoặc chuyển dữ liệu lên hệ thống ERP kết hợp Power BI.

3. Làm thế nào để tích hợp mô hình này vào hệ thống kế toán hiện hữu của doanh nghiệp?

Dữ liệu đầu vào về nguyên giá TSCĐ, chi phí định phí và biến phí có thể xuất từ phần mềm kế toán (như MISA, FAST, SAP) dưới định dạng .csv hoặc .xlsx. Mô hình DSS tại file Excel sẽ tự động liên kết (Dynamic Data Linking) để cập nhật dòng tiền và tính toán lại các chỉ số NPV/IRR ngay lập tức.

4. Chi phí bảo trì và cập nhật chính sách thuế mới được thực hiện như thế nào?

Mô hình được thiết kế theo dạng tham số hóa hoàn toàn (Parameter-driven). Khi thuế suất thuế TNDN thay đổi (ví dụ từ $20%$ sang mức ưu đãi $10%$ hoặc $15%$), người dùng chỉ cần cập nhật giá trị tại một ô duy nhất (B30), toàn bộ bảng dòng tiền và kết quả NPV, IRR sẽ tự động cập nhật chính xác trong 0,1 giây.

5. Chi phí triển khai và thời gian thu hồi vốn (ROI) của giải pháp là bao nhiêu?

Chi phí triển khai mô hình gần như bằng 0 VNĐ do tận dụng hạ tầng phần mềm văn phòng sẵn có tại doanh nghiệp. Thời gian hoàn vốn (ROI) đạt được ngay từ lần đầu tiên thẩm định dự án: giúp ban lãnh đạo tránh rủi ro định giá bán thấp hơn ngưỡng hòa vốn (dưới 9.205 VNĐ/gói), bảo toàn nguồn vốn đầu tư ban đầu 10 tỷ VNĐ.

Kết luận

Đồ án môn học "Ứng dụng công cụ hỗ trợ ra quyết định trong bài toán kinh doanh tại công ty VIFA" là một công trình nghiên cứu ứng dụng có giá trị thực tiễn cao, giải quyết trọn vẹn bài toán tích hợp giữa Công nghệ thông tin và Quản trị tài chính - sản xuất. Đề tài đã hệ thống hóa xuất sắc cơ sở lý thuyết Hệ hỗ trợ ra quyết định (DSS), quy trình 4 giai đoạn của Herbert Simon và các chuẩn mực kế toán tài sản cố định (VAS 03, VAS 04).

Bằng việc ứng dụng thành thạo các hàm tài chính chuyên sâu (SLN, SYD, NPV, IRR) kết hợp các công cụ tối ưu hóa và phân tích kịch bản (Goal Seek, Data Table, Solver), nhóm nghiên cứu đã đưa ra các kết luận định lượng chính xác: dự án sản xuất phở gói của VIFA hoàn toàn khả thi về mặt tài chính, có ngưỡng giá bán hòa vốn an toàn tại năm thứ 8 là 9.205 VNĐ/gói và duy trì khả năng sinh lời tốt trước các biến động thị trường. Đây là tài liệu tham khảo chất lượng cao và là mô hình mẫu có thể nhân rộng cho các doanh nghiệp sản xuất trong quá trình chuyển đổi số công tác quản trị và ra quyết định kinh doanh.