Đánh giá hiệu quả logistics — chiến lược chuyển đổi từ cảm tính sang tối ưu hóa thuật toán

11 phút đọc

Trong vai trò cố vấn vận hành, tôi nhận thấy một nghịch lý phổ biến tại các doanh nghiệp SME Việt Nam: chúng ta đầu tư mạnh vào đội xe và máy móc, nhưng để hiệu suất của chính những tài sản đó phụ thuộc hoàn toàn vào “trí nhớ” và “kinh nghiệm” của nhân viên điều phối. Sự lãng phí không chỉ nằm trên hóa đơn xăng dầu — nó ẩn nấp trong những “điểm mù” vận hành: đơn hàng trễ do ưu tiên sai, xe chạy rỗng do chồng tuyến, xe quá tải do không tính toán trọng lượng tổng.

Bài viết này cung cấp khung phân tích và lộ trình 4 bước để chuyển đổi từ điều hành cảm tính sang tối ưu hóa thuật toán — với case study ROI cụ thể từ công ty nước uống Phú Quý (tiết kiệm 144 triệu/năm) và dược phẩm MedFast (ngăn overload 355kg/300kg). Mọi kỹ thuật đều có thể triển khai trước bằng Excel Solver, nâng cấp sang Python + OR-Tools khi quy mô vượt 20 điểm giao hàng.

Rào cản: sự lãng phí của điều hành “cảm tính”

Tại các doanh nghiệp chưa số hóa, quản lý logistics thường dựa trên kinh nghiệm cá nhân — “tiện đâu làm đó”, “ai giục thì làm”. Khi quy mô đơn hàng tăng lên, trí não con người không thể xử lý đồng thời hàng chục ràng buộc như tải trọng, khung giờ giao hàng, deadline sản xuất và kỹ năng nhân viên. Kết quả: tỷ lệ sử dụng tài nguyên (utilization rate) sụt giảm — máy móc bị idle do thiếu kế hoạch, xe tải chạy rỗng hàng chục km trên những quãng đường chồng chéo.

Bảng so sánh: Quản lý cảm tính vs. Tối ưu hóa thuật toán

Verdict: Chuyển đổi sang thuật toán không chỉ là đổi công cụ — đó là đổi tư duy quản trị. Tối ưu hóa phải bắt đầu từ Scheduling để giải phóng năng lực tại kho/xưởng, trước khi thực hiện Routing thực địa. Xếp tuyến thông minh cho xe mà hàng chưa xong thì xe vẫn đứng chờ.

Tối ưu Điều độ — 5 quy tắc ưu tiên + thuật toán Johnson

Điều độ không đơn thuần là xếp hàng — đó là chiến lược bảo vệ cam kết dịch vụ (SLA). Để tối ưu hóa một máy hoặc một dây chuyền, cần áp dụng các quy tắc ưu tiên một cách khoa học thay vì theo “ai giục thì làm”.

Case study minh họa — Xưởng in Ánh Sao: Sự khác biệt giữa FIFO và EDD là ranh giới giữa sự hài lòng và giận dữ của khách hàng.

• Nếu dùng FIFO: có tới 4 đơn hàng bị trễ. Đặc biệt, đơn J3 (đề thi trường học) — cực kỳ khẩn cấp — bị đẩy xuống thứ 3, dẫn đến bắt đầu lúc 10:30 trong khi deadline là 10:00.
• Nếu dùng EDD: chỉ 1 đơn trễ (do quá tải hệ thống). Các đơn quan trọng như J3 và J1 (tờ rơi siêu thị) đều hoàn thành đúng hạn.

Flow Shop 2 công đoạn — Thuật toán Johnson: Với mô hình 2 công đoạn tuần tự (ví dụ xưởng bánh mì: Nhào → Nướng), Thuật toán Johnson có thể tiết kiệm 10-15% thời gian sản xuất mà không cần đầu tư thêm thiết bị. Nguyên lý đơn giản:

1. Tìm job có thời gian ngắn nhất trong toàn bộ danh sách.
2. Nếu thời gian đó thuộc công đoạn 1 (Nhào) → xếp lên đầu hàng đợi.
3. Nếu thuộc công đoạn 2 (Nướng) → xếp xuống cuối hàng đợi.
4. Loại job đó ra, lặp lại cho đến hết.

Ví dụ: bánh ngọt (Nhào 10p, Nướng 25p) sẽ được làm đầu tiên; bánh cuộn (Nhào 20p, Nướng 10p) sẽ được xếp cuối. Việc này giảm thiểu thời gian chờ giữa hai máy — máy nhào không idle trong khi máy nướng đang bận, và ngược lại.

Verdict: Nếu doanh nghiệp bạn đang chạy FIFO “ngầm” (làm theo thứ tự nhận đơn), chuyển sang EDD ngay hôm nay là thay đổi có ROI cao nhất — chỉ cần sắp lại danh sách công việc theo cột deadline, không cần phần mềm mới.

Tối ưu Phân tuyến — VRP, Nearest Neighbor, Time Window

VRP là bài toán tốn kém nhất nếu làm sai. Để cải thiện, doanh nghiệp áp dụng phương pháp Nearest Neighbor — luôn chọn điểm gần nhất chưa thăm để đi tiếp — và tinh chỉnh bằng kỹ thuật 2-opt để loại bỏ các đoạn đường chéo chồng lấn gây lãng phí.

Ràng buộc sống còn: Time Window tại Việt Nam

Verdict: Thuật toán giúp giảm 15-30% quãng đường, nhưng giá trị lớn hơn nằm ở việc tôn trọng Time Window. Vi phạm khung giờ = chi phí cơ hội vô cùng lớn: xe dừng chờ (lãng phí nhân công + khấu hao), hoặc bị từ chối đơn (tốn chi phí vận hành gấp đôi cho lần giao lại).

ROI thực tế — case study Phú Quý và MedFast

Con số không biết nói dối. Đây là hai “Business Case” thực tế để thuyết phục ban lãnh đạo về việc chuyển đổi công nghệ — không phải lý thuyết trên giấy.

Case 1 — Công ty nước uống Phú Quý (đội xe 5 chiếc):

Case 2 — Dược phẩm MedFast (rủi ro vận hành): Tối ưu hóa không chỉ là tiết kiệm xăng, mà còn là ngăn ngừa rủi ro kỹ thuật. Khi xếp lịch thủ công, Xe A (tải trọng 300kg) thường xuyên bị chất tới 355kg — quá tải 18% do người điều phối không tính toán kỹ tổng trọng lượng các đơn thuốc lạnh. Khi triển khai OR-Tools, hệ thống tự động phát hiện overload và tách 2 điểm (BV Nhân Dân và Phòng mạch Y) sang chuyến thứ hai. Kết quả: Xe A chỉ chở 265kg, đảm bảo an toàn kỹ thuật và chất lượng thuốc lạnh — tránh rủi ro phạt và mất uy tín gấp nhiều lần giá trị đơn hàng.

Verdict: ROI của tối ưu hóa thuật toán không chỉ nằm ở con số tiết kiệm xăng dầu trực tiếp. Đối với ngành cần tuân thủ (dược, thực phẩm lạnh, hóa chất), giá trị lớn nhất là ngăn ngừa rủi ro — overload, sai nhiệt độ, trễ cấp cứu. Một vụ phạt hoặc recall lớn có thể gấp 10 lần tiết kiệm hàng năm.

Lộ trình công nghệ — từ Excel đến OR-Tools

Sự tiến hóa của công cụ là tất yếu khi bài toán logistics vượt quá 20 điểm giao hàng hoặc khi thời gian tính toán của Excel Solver vượt quá 5 phút. Dưới đây là quy trình 4 bước triển khai — bắt đầu từ Excel, chuyển dần sang Python + OR-Tools khi quy mô cho phép.

Verdict: Khả năng giải quyết hàng trăm điểm giao hàng với đa ràng buộc trong vài giây là lợi thế cạnh tranh cốt lõi. Trong kỷ nguyên giao hàng nhanh (same-day, 2-hour delivery), tốc độ ra quyết định chính là yếu tố phân tách những người dẫn đầu khỏi phần còn lại của thị trường.

Khuyến nghị chiến lược cho Operations Manager

Tối ưu hóa logistics là quá trình tái cấu trúc năng lực vận hành bền vững. Một doanh nghiệp làm chủ dữ liệu sẽ nắm trong tay khả năng mở rộng quy mô mà không làm tăng chi phí quản lý tương ứng — đây là bản chất của lợi thế cạnh tranh dài hạn.

3 hành động thực chiến cho tuần tới:

1. Kiểm toán dữ liệu 4 tuần: Thu thập quãng đường thực tế của mỗi xe/ngày và đếm số lần sai lệch Time Window — đây là “baseline” để đo hiệu quả sau này.
2. Thử quy tắc thủ công: Áp dụng ngay EDD cho xưởng/dây chuyền và Nearest Neighbor cho đội xe (sắp xếp bằng Excel) — thấy hiệu quả tức thì trong 1-2 tuần.
3. Xây Workflow tích hợp: Phá bỏ sự rời rạc giữa sản xuất và vận tải. Trong hầu hết SME, bộ phận sản xuất không nói chuyện với bộ phận vận chuyển — hàng xong nhưng không có xe, hoặc xe chờ nhưng hàng chưa xong. Quy trình tích hợp Scheduling + Routing chính là kiến trúc lõi của các hệ thống ERP/WMS hiện đại.

“Việc chuyển đổi sang tư duy tối ưu hóa bằng thuật toán có thể giúp doanh nghiệp cải thiện 15-25% hiệu quả vận hành ngay lập tức mà không cần đầu tư thêm vào hạ tầng hay phương tiện đắt đỏ.”

Câu hỏi thường gặp

Tối ưu hóa logistics bằng thuật toán là gì và tại sao SME cần quan tâm?

Tối ưu hóa logistics bằng thuật toán là việc thay thế quyết định dựa trên “cảm tính” trong điều phối sản xuất và vận tải bằng các thuật toán toán học — Scheduling (điều độ công việc) và Routing (phân tuyến xe) — để tối thiểu hóa thời gian, quãng đường và vi phạm ràng buộc. SME cần quan tâm vì với đội xe chỉ 5 chiếc, khoản tiết kiệm có thể lên tới 100-150 triệu VNĐ/năm chỉ từ việc giảm quãng đường thừa và tránh vi phạm Time Window — không cần đầu tư hạ tầng mới.

Scheduling và Routing khác nhau như thế nào?

Scheduling (điều độ) trả lời câu hỏi “làm gì trước?” — sắp xếp thứ tự công việc trên máy móc và nhân sự theo quy tắc ưu tiên như EDD (deadline sớm trước), SPT (đơn ngắn trước), hoặc thuật toán Johnson cho flow shop 2 công đoạn. Routing (phân tuyến) trả lời “đi đường nào?” — tối ưu lộ trình xe qua nhiều điểm giao hàng với ràng buộc tải trọng và khung giờ. Hai bài toán phải giải riêng và theo thứ tự: Scheduling trước để giải phóng năng lực tại kho/xưởng, Routing sau để tối ưu di chuyển thực địa.

Tôi nên bắt đầu từ Excel hay Python + OR-Tools?

Bắt đầu từ Excel. Khi số điểm giao dưới 20 hoặc thời gian tính toán dưới 5 phút, Excel Solver với quy tắc EDD và Nearest Neighbor thủ công là đủ để đạt 70-80% hiệu quả của giải pháp tối ưu. Chỉ nâng cấp sang Python + OR-Tools khi quy mô vượt 20 điểm, có trên 3 ràng buộc (tải trọng + time window + kỹ năng tài xế), hoặc cần tính lại nhiều lần trong ngày do đơn hàng thay đổi. OR-Tools và Google Colab đều miễn phí — không phải rào cản chi phí.

Thuật toán Johnson áp dụng được cho ngành nào?

Thuật toán Johnson chỉ đúng cho mô hình Flow Shop 2 công đoạn tuần tự — nghĩa là mọi job phải đi qua máy 1 trước, rồi đến máy 2, không đảo ngược. Ví dụ điển hình: xưởng bánh mì (Nhào → Nướng), xưởng in (In → Đóng gói), xưởng may (Cắt → May), xưởng mộc (Cưa → Bào). Không áp dụng được cho mô hình Job Shop phức tạp (mỗi job đi qua máy khác nhau) hoặc 3+ công đoạn — các mô hình đó cần thuật toán khác (branch-and-bound hoặc metaheuristic).

Làm sao thuyết phục ban lãnh đạo đầu tư vào tối ưu hóa thuật toán?

Trình bày bằng ngôn ngữ ROI cụ thể, không phải thuật ngữ kỹ thuật. Bước 1: đo baseline 4 tuần (quãng đường/xe/ngày, số vụ Time Window, chi phí xăng dầu). Bước 2: chạy pilot 2 tuần với 1 xe hoặc 1 dây chuyền áp dụng quy tắc EDD + Nearest Neighbor thủ công. Bước 3: trình bày bảng so sánh trước/sau bằng số tiền cụ thể (như case Phú Quý: 144 triệu/năm cho đội xe 5 chiếc). Điểm mạnh của OR-Tools là miễn phí — không cần xin ngân sách đầu tư phần mềm, chỉ cần thời gian của 1 nhân viên 2-4 tuần để triển khai.

Rủi ro khi chuyển từ điều phối cảm tính sang thuật toán là gì?

Ba rủi ro chính cần chuẩn bị: (1) Chất lượng dữ liệu — nếu Distance Matrix không chính xác (không tính kẹt xe, đường cấm), lộ trình tối ưu trên giấy nhưng sai trên đường. (2) Phản kháng của dispatcher — người điều phối kỳ cựu có thể phản đối vì cảm thấy bị thay thế; cần định vị thuật toán là “công cụ hỗ trợ” không phải “người thay thế”. (3) Over-engineering — nhảy thẳng lên Python + OR-Tools khi Excel Solver còn đủ là lãng phí thời gian. Luôn bắt đầu từ công cụ đơn giản nhất thỏa mãn bài toán.

Tham khảo: Google OR-Tools Documentation · Johnson S.M. — Optimal Two- and Three-Stage Production Schedules with Setup Times Included (1954) · Vehicle Routing Problem — Toth & Vigo (2014) · Eliyahu Goldratt — The Goal (1984) · Lean Six Sigma cho SME