Big Data đã và đang cung cấp cho các mạng lưới nhà cung ứng những dữ liệu chính xác, rõ ràng, sâu sắc và mới nhất, với mục đích chia sẻ thông tin thuận tiện và tiên tiến hơn trong chuỗi cung ứng.

Với các công ty vẫn còn đang ngần ngại trong việc ứng dụng Big Data vào việc vận hành chuỗi cung ứng, 10 yếu tố sau đây hứa hẹn sẽ thuyết phục họ mạnh mẽ:

1.Quy mô, phạm vi và chiều sâu của dữ liệu chuỗi cung ứng đang tăng giúp cung cấp những bộ dữ liệu phong phú để xử lý từng ngữ cảnh khác nhau.

Nói đến sự đa dạng, Thế giới có trên 52 nguồn Big Data khác nhau; còn khối lượng và tốc độ lưu thông dữ liệu dựa trên mức độ được tổ hoàn thiện về cấu trúc của dữ liệu. Nghiên cứu cho thấy phần lớn dữ liệu về chuỗi cung ứng được thu thập bên ngoài doanh nghiệp, nên các nhà kinh doanh với tư duy tiên tiến coi Big Data như một công cụ đắc lực để mở rộng hợp tác.

2.Cho phép hình thành nhiều hơn những mạng lưới phức tạp của nhà cung ứng – những mạng lưới tập trung hơn chia sẻ kiến thức và tìm kiếm sự hợp tác – bởi các giá trị gia tăng chỉ hình thành khi giao dịch hoàn thành

Big Data đang biến đổi cách các mạng lưới các nhà cung cấp hình thành, phát triển và lớn mạnh trong các thị trường mới và thị trường đã đạt đến mức bão hòa. Những giao dịch thành công không phải mục tiêu duy nhất, mà đó còn là việc tạo nên mạng chia sẻ tri thức dựa trên “insights” thu thập được từ những phân tích của Big data.

3.Big Data và phân tích chuyên sâu được vận dụng vào các ứng dụng của chuỗi cung ứng như công cụ tối ưu hóa, dự đoán lượng cầu, kế hoạch tích hợp dự án, hợp tác cung ứng & phân tích nguy cơ ở tốc độ cao.

4.Hơn 60% các nhà điều hành chuỗi cung ứng công nhận các phân tích từ Big Data là một công nghệ mang tính đột phá và quan trọng, tạo một cơ sở cho sự thay đổi lâu dài trong tổ chức.

Phát ngôn viên của lãnh đạo công ty SCM World đã cung cấp một bảng thông tin cho thấy đa số các nhà điều hành lão làng đều chọn Big Data thay vì các công nghệ khác như cung ứng điện tử hoặc mạng Internet.

5.Phân tích địa lý dựa trên nền tảng Big Data để hợp nhất và tối ưu hóa mạng lưới Phân phối.

Sự kết hợp các kênh lớn, nhanh chóng và đa dạng của Big Data với công cụ tiên tiến như Phân tích địa lý cho thấy được tiềm năng của việc đổi mới chuỗi cung ứng. Một kết quả tích cực của việc kết hợp các mạng lưới vận chuyển là giảm thời gian chờ đợi dịch vụ sửa chữa từ công ty – một trong những thử thách “khó nhằn” nhất của các công ty.

6.Big Data mang tới những chuyển biến tích cực trong hiệu suất của các công ty.

Gần 50% các công ty áp dụng Big Data đạt được thành tựu trong việc cung cấp dịch vụ tốt hơn đến khách hàng và nâng cao khả năng đáp ứng nhu cầu khách hàng.

Thống kê cho thấy, Big data ảnh hưởng tới tốc độ phản ứng vấn đề của chuỗi cung ứng các tổ chức (tăng 41%), tăng hiệu quả chuỗi cung ứng từ 10% đến 36%, và hội nhập mạnh mẽ hơn đến 36% trong chuỗi cung ứng.

7.Ứng dụng Phân tích Big Data và những lợi ích khổng lồ.

Big Data giúp cắt giảm phần lớn lượng thời gian chu kỳ của những buổi nói chuyện nhằm đạt được thỏa thuận thông qua việc giữ mối quan hệ thân thiết giữa bên cung và bên cầu. Hơn nữa việc ứng dụng Big Data vào bộ máy vận hành sẽ đẩy nhanh quá trình cung ứng lên 1,3 lần so với việc sử dụng Big Data trên mạng tùy biến không dây.

8.Hiểu biết sâu hơn về các chiến lược, chiến thuật và cơ cấu của chuỗi cung ứng đang ảnh hưởng đến các mục tiêu tài chính.

Dùng Big Data để đào sâu vào từng lớp thông tin của các nhà cung cấp trong một mạng lưới khổng lồ nhằm thiết lập quan hệ tin tưởng và thân thiết lẫn nhau. Ngoài ra, việc hợp nhất ứng dụng Big Data vào hệ thống tài chính hứa hẹn sẽ mang lại một kết quả tích cực cho các công ty.

9.Việc truy xuất nguồn gốc và nhắc nhở mang nặng tính dữ liệu, làm nổi bật lên sự đóng góp tiềm năng của Big Data.

Big Data có khả năng giúp công ty cải thiện hiệu suất tìm kiếm thông tin cũng như giảm thiểu thời gian truy cập và xử lý database của một số sản phầm khi được yêu cầu.

10.Phát triển chất lượng nhà cung ứng từ kiểm kê đến giám sát trong nước và sử dụng Big Data.

IBM đã phát triển một hệ thống cảnh báo chất lượng tuyến đầu (quality early-warning system) giúp dò tìm và làm rõ các khung tiêu chí theo thứ tự ưu tiên. Việc này nhằm mục đích đẩy nhanh tốc độ phân loại những vấn đề về chất lượng hơn so với phương pháp truyền thống như sử dụng SPC.

Việc quản lý dữ liệu thông minh giúp cải thiện hiệu quả hoạt động, các số liệu tài chính cũng như vốn lưu động cho công ty. Đây là tiền đề thúc đẩy toàn bộ chuỗi cung ứng với chi phí quản lý và chi phí hàng tồn kho hiệu quả hơn. Nó giúp doanh nghiệp cộng tác với các nhà bán lẻ, tiếp cận tốt hơn với những gì đang thực sự xảy ra trên các kệ hàng, lập kế hoạch hàng tồn kho cũng như các chương trình khuyến mãi.

Xem thêm: Ứng dụng điện toán đám mây trong chuỗi cung ứng

Kimberly-Clark Corp: gã khổng lồ dẫn đầu chuỗi cung ứng thông minh

Các mặt hàng tiêu dùng thiết yếu từ khăn giấy, giấy vệ sinh đến tã lót và những sản phẩm tương tự đều được Kimberly-Clark thâu tóm thị trường. Từ cuối năm 2010, công ty đã sử dụng một hệ thống phân tích dữ liệu mới để tinh chỉnh chuỗi cung ứng. Kimberly-Clark thu thập dữ liệu ở cấp độ bán lẻ để có được sự hiểu biết chính xác hơn về khối lượng hàng bán tại từng địa phương đến từng sản phẩm cụ thể và sử dụng thông tin đó để tối ưu hóa lượng hàng tồn kho duy trì tại các cửa hàng trên khắp thị trường.

Hệ thống phân tích mới của Kimberly-Clark đã cải thiện độ chính xác của dự báo hàng tồn kho (cụ thể từ 15% lên 25%), đồng thời cải thiện quy trình và dịch vụ. Nhờ khả năng dự báo được cải thiện, họ đã có thể xóa bỏ 10 triệu USD hàng tồn kho trong hệ thống tại Mỹ.

Điểm nhấn của hệ thống mới này là một công cụ phân tích của công ty công nghệ Terra, có chức năng phân tích dữ liệu để công ty có thể gia tăng sản xuất hay giảm số lượng sản xuất một cách linh hoạt để đáp ứng nhu cầu thị trường. Hiện tại, có hơn hai nhà bán lẻ quy mô lớn đang lên kế hoạch để sớm tham gia vào hệ thống này. Khi đó, mạng lưới sẽ nắm giữ 80% lượng dữ liệu về tình hình bán hàng của Kimberly-Clark.

Ví dụ, doanh số tăng cao bất ngờ của khăn giấy Kleenex vào mùa thu và mùa đông năm ngoái là một dấu hiệu cho thấy mùa cúm đã bắt đầu tại một số vùng. Nhờ công cụ phân tích tình hình, Kimberly-Clark đã đẩy mạnh sản xuất cũng như điều chỉnh hàng tồn kho để đáp ứng nhu cầu tiêu thụ tốt hơn so với trước. Đồng thời sự dịch chuyển của các điểm nóng, như bệnh cúm lây lan từ vùng này sang vùng khác cũng được hệ thống phân tích một cách triệt để.

Lợi ích việc áp dụng quản lí dữ liệu vào chuỗi cung ứng

Hệ thống phân tích cho phép công ty:

– Quản lý tốt hơn các nhà máy sản xuất, trung tâm phân phối và lưu chuyển hàng hóa thông qua nhiều cấp độ của môi trường bán lẻ, từ kho lưu trữ đến quầy tính tiền.

– Cải thiện hiệu quả hoạt động, các số liệu tài chính cũng như vốn lưu động cho công ty. Đây là tiền đề thúc đẩy toàn bộ chuỗi cung ứng với chi phí quản lý và chi phí hàng tồn kho hiệu quả hơn. Nó giúp doanh nghiệp cộng tác với các nhà bán lẻ, tiếp cận tốt hơn với những gì đang thực sự xảy ra trên các kệ hàng, lập kế hoạch hàng tồn kho cũng như các chương trình khuyến mãi.

– Theo dõi các sản phẩm của mình thông qua các chuỗi cung ứng bán lẻ, từ lúc trong kho cho đến khi lên kệ hàng.

Hoạch định tương lai

Bước tiếp theo trong sự phát triển của nền tảng phân tích sẽ là một công cụ giúp cung cấp cái nhìn kỹ lưỡng hơn về dữ liệu mã hàng tại các trung tâm phân phối. Điều này sẽ cho phép công ty kiểm kê thêm ngoài mạng lưới trung tâm phân phối của mình để từ đó cung cấp những dịch vụ cao cấp hơn cũng như cải thiện dòng vốn lưu động của công ty.

Cổng thông tin dữ liệu sẽ bao gồm mã hàng của từng sản phẩm cụ thể, đơn vị lưu kho sản phẩm, vị trí cửa hàng, tình trạng hàng hoá theo từng ngày, từng tuần.

Chẳng hạn, thay vì gửi cùng một lượng hàng lưu kho tại tất cả các cửa hàng, phần mềm sẽ phân tích tình hình tiêu thụ tại mỗi cửa hàng. Từ đó, việc chủ động cung ứng hàng lưu kho cần thiết theo khả năng tiêu thụ sẽ đảm bảo mang lại lợi nhuận tối đa và hàng tồn kho tối thiểu cho công ty.

TỔNG QUAN VỀ BIG DATA VÀ VAI TRÒ CỦA BIG DATA TRONG CHUỖI CUNG ỨNG

Big Data gần đây trở nên được chú ý nhiều như là một giải pháp cuối cùng cho mọi khó khăn trong chuỗi cung ứng, nhưng việc dùng dữ liệu để giải quyết các vấn đề được chứng minh rằng thách thức nhiều hơn việc thu thập các dữ liệu đó.

Nói cách khác, việc ứng dụng Big Data là một quá trình dài, bao gồm nhiều công đoạn: một luồng dữ liệu mới khổng lồ buộc các công ty phải liên tục phát triển hệ thống xử lý nó và rút ra được cái bản chất của vấn đề. Và khi khái niệm Big Data được phổ biến hơn, nhiều nguời hy vọng rằng càng nhiều dữ liệu sẽ nhanh chóng giúp tìm ra được bản chất nhanh hơn.

Tuy nhiên, đấy chưa phải là mục đích cuối cùng của việc ứng dụng Big Data. Mục đích cuối cùng của các nhà cung ứng khi sử dụng Big Data là để tìm ra nguồn gốc các khó khăn để giải quyết các vấn đề cơ sở hạ tầng và công nghệ.

Big Data là gì?

Trong một cuộc khảo sát năm 2014 của 43 nhà khoa học dữ liệu do Đại học California, Berkeley tiến hành cho thấy định nghĩa Big Data là gây tranh cãi. Mỗi người trả lời đã cung cấp một câu trả lời khác nhau như là một công cụ hoặc một kết quả.

Sự nhầm lẫn có vẻ như là một vấn đề về phạm vi: Liệu “Big Data” chỉ là về thông tin được thu thập hay liệu nó có bao gồm các công cụ cần thiết để xử lý và áp dụng thông tin mới? Câu trả lời có thể phụ thuộc vào giai đoạn mà giám đốc điều hành đang áp dụng nó.

Một cái nhìn về định nghĩa được trích dẫn nhiều nhất của thuật ngữ này của Gartner có thể đưa ra những cái nhìn rõ ràng hơn. Gartner cho rằng “Big Data là tài sản thông tin có dung lượng cao, tốc độ cao , đòi hỏi phải có những hình thức xử lý thông tin hiệu quả, tiết kiệm chi phí để có thể hiểu sâu hơn, ra quyết định và tự động hoá.

Theo định nghĩa này, Big Data như một khái niệm đòi hỏi ba lớp riêng biệt trước khi áp dụng: xử lý dữ liệu, hệ thống xử lý và phân tích. Nếu Big Data gần đây chỉ tham gia vào việc quản lý dây chuyền cung ứng tiêu điểm, sau đó, có thể là bởi vì công nghệ chỉ mới đến lớp cuối cùng để cung cấp thông tin chi tiết.

Khối lượng, Vận tốc, Đa dạng: Chuyển đổi từ dữ liệu sang Big Data

Mỗi điểm dữ liệu là tương tác: một mục được chọn một kệ hàng, ví dụ như một khách hàng rời khỏi một trang web, một bài kiểm tra trực tuyến được viết, một sản phẩm bị hư hỏng được trả lại. Những tương tác này hiện diện ở mọi nơi trong chuỗi cung ứng, nhưng không phải lúc nào cũng được thu thập một cách có ý nghĩa.

Thực tế cho thấy rằng không thể thu thập, lưu trữ hoặc truyền dữ liệu chi tiết như vậỵ. Các phiên bản đầu tiên của những ý tưởng này chỉ có thể được sử dụng để theo dõi kết quả của những nghiên cứu pedometer, đưa lên màn hình, tách các thông tin cho người thử nghiệm và thu thập lại các quả một cách độc lập.

Sự tiến bộ nhanh chóng của Internet, Cloud và Internet of Things đã thay đổi, tạo ra lớp đầu tiên của Big Data: khối lượng lớn, tốc độ cao và đa dạng cao, gọi là “Three V’s”.

Những đổi mới này cho phép thu thập dữ liệu chưa được khai thác trước đây. Sự kết nối của Internet tạo ra những luồng tương tác vô tận mới giữa con người và các sản phẩm – thiết lập các tương quan mà trước đó không ai có thể nhìn thấy. Lưu trữ không hạn chế của Cloud tăng khả năng truy cập vào dữ liệu và cung cấp nơi lưu trữ thông tin chưa thu thập được. Trong khi đó, Internet of Things đã làm cầu nối giữa thế giới vật lý và kỹ thuật số, cho phép các doanh nghiệp tự động thu thập dữ liệu từ các sản phẩm ở cấp độ chi tiết và nhiều hơn nữa.

Trái lại, thế giới đang xử lý, tạo ra và chuyển dữ liệu ở mức giá cao hơn bao giờ hết. Kết quả là, công nghệ tiếp tục phát triển để không chỉ lưu trữ, nhưng cuối cùng cũng xử lý dữ liệu cho các ứng dụng khác nhau.

Xử lý thông tin: Sự phát triển của các nền tảng phân tích

Các doanh nghiệp đã quá quen thuộc với dữ liệu, các nhà quản lý chuỗi cung ứng đã và đang thực hiện các báo cáo, theo dõi xu hướng và dự báo trong nhiều thập kỷ qua. Vì vậy, khi dữ liệu được phát triển thành Big Data, các công ty đã nhanh chóng vượt qua thách thức trong việc thu thập nó để sử dụng trong tương lai.

“Những gì các CIO và các tổ chức công nghệ thông tin được yêu cầu phải làm, vào đầu thập kỷ này – có thể là nửa cuối thập kỷ cuối – là” hãy tiếp tục thu thập dữ liệu vì chúng có rất nhiều giá trị còn chưa được khám phá “- Suresh Acharya , Trưởng phòng JDA Labs nói với Supply Chain Dive.

Nhưng ngay cả khi một pedometer tạo ra các bit và byte mỗi giây, thông tin được tạo ra sẽ không có giá trị khi nó được lưu trữ với các dữ liệu trước đó được phân tích theo thời gian.

Trong đó có sự cần thiết cho các hệ thống xử lý thông tin mạnh mẽ hơn so với bảng tính. Rất nhiều trong số này được biết đến bằng ba chữ cái viết tắt (ví dụ như ERP, CRM, TMS hoặc WMS), nhưng mục đích của chúng cũng tương tự: lưu trữ, thu thập và đơn giản hóa thông tin cho người dùng ở mức độ trung bình. Bộ vi xử lý như vậy đã trở nên phổ biến, hiện nay  một công ty có thể có tới chín hoặc mười hệ thống riêng biệt hỗ trợ quản lý chuỗi cung ứng trong một nhà máy.

Adam Mussomeli, hiệu trưởng của chuỗi cung ứng và các hoạt động sản xuất tại Deloitte Consulting nói với Supply Chain Dive nói với Supply Chain Dive: “Hiện nay, khi những người trong chuỗi cung ứng nghĩ đến dữ liệu, họ có khuynh hướng bắt đầu né tránh một số vấn đề với công nghệ thông tin truyền thống. Nhưng có lẽ đó là sự thay đổi về mặt kỹ thuật, mở khóa lớp trên của Big Data: sự sáng tạo.

Thông tin chi tiết và ra quyết định: Bước kế tiếp

Có một làn sóng bộ xử lý dữ liệu mới trên thị trường hứa hẹn sẽ gặt hái được những lợi ích của Big Data cho chuỗi cung ứng.

Các công ty cung cấp giải pháp chuỗi cung ứng thường kết hợp các hệ thống khác nhau từ thế hệ trước, cho phép các công ty hình dung các bộ dữ liệu ở mỗi cấp doanh nghiệp để tăng khả năng phân tích và khả năng phân tích mong muốn từ Big Data.

Tuy nhiên, Big Data không chỉ là khả năng xử lý nhiều thông tin mà còn khả năng đổi mới, tự động hoá và sử dụng dữ liệu để tăng cường quá trình ra quyết định. Bộ công cụ này được áp dụng, không chỉ đơn giản là sở hữu.

Nhìn lại ví dụ về pedometer có thể giúp minh họa sự khác biệt giữa việc có một giải pháp phần mềm và tích cực giải nén Big Data. Lúc đầu, pedometer chỉ có thể theo dõi thông tin – làm cho nó trở thành một máy phát dữ liệu. Nếu kết nối với hệ thống đám mây và truyền sang bộ xử lý dữ liệu, thiết bị có thể được coi là giúp tạo ra Big Data. Nhưng nó không bao giờ là thiết bị Big Data bởi vì nó không tích cực giúp người dùng đưa ra quyết định.

Trong khi đó, Fitbit – nhịp tim và các sinh trắc học khác – có thể phân tích và áp dụng dữ liệu thu thập được để hướng dẫn người sử dụng thói quen chăm sóc sức khoẻ tốt hơn; ví dụ như thông báo cho người dùng khi họ ngồi quá lâu và nhắc nhở họ đi dạo.

Big Data được tạo ra với mục đích phục vụ chuỗi cung ứng vậy nên hãy tận dụng nó!

Công nghệ áp dụng Big Data để cung cấp quản lý chuỗi là  và nhiều công ty đã bắt đầu gặt hái những lợi ích. Các công ty này dựa vào công nghệ học máy để tự động chạy các báo cáo, cảnh báo các giám đốc điều hành về sự gián đoạn, và trong một số trường hợp, độc lập đề xuất những thay đổi để tối ưu hóa quy trình.

Nhiều trường hợp nghiên cứu cho thấy các chuyên gia chuỗi cung ứng có thể mở khóa lớp trên cùng mà không có AI hoặc máy công nghệ học tập. Nhưng nó đòi hỏi một quá trình tư duy tốt. Dữ liệu phải và công suất xử lý phải được đặt đúng chỗ, cùng với một vấn đề rõ ràng để giải quyết và một thuật toán để giải quyết nó.

Bất kể, Big Data là ở đây để ở lại và quản lý chuỗi cung ứng nên tận dụng nó. Theo Glassdoor, không có gì ngạc nhiên khi những công việc có nhu cầu lớn nhất có liên quan đến khoa học dữ liệu. Cũng không phải là trùng hợp Quản lý chuỗi cung ứng là công việc tốt nhất thứ 18 ở Hoa Kỳ theo thứ hạng đó.

Quản trị chuỗi cung ứng: Từ chiến tranh cổ đại đến những chân trời trong tương lai.

Khởi nguồn của Supply Chain Management.

Supply Chain Management với tư cách là một ngành nghiên cứu khoa học có khởi nguồn từ Industrial Engineering và Operations Research. Fredrick Taylor, người viết cuốn The Principles of Scientific Management vào năm 1911 và được xem là cha đẻ của Industrial Engineering, đã tập trung nghiên cứu của mình vào việc cải thiện quy trình xử lý nguyên vật liệu thủ công. Operations Research ra đời từ khi các nhà khoa học chứng minh được những giá trị của thuật phân tích trong nghiên cứu các vấn đề của hậu cần quân sự trong những năm 1940 do nhu cầu phức tạp của Thế Chiến II. Tuy Industrial Engineering và Operations Research mỗi lãnh vực đều đã cố gắng phân biệt rõ ràng với nhau, nhưng nhiều thành tựu lớn nhất trong cả hai ngành nghiên cứu đều hội tụ tại các phương pháp xử lý vấn đề của Logistics và Supply Chain. Ngày càng phổ biến điều này được đề cập tới bởi giới doanh nghiệp là Supply Chain Engineering.

Sự xuất hiện lâu đời của các hoạt động trong chuỗi cung ứng.

Tuy vậy, các hoạt động trong chuỗi cung ứng đã xuất hiện từ rất lâu đời. Kể từ khi con người xuất hiện trên trái đất, nhu cầu xử lý vật chất, vận chuyển và lưu trữ đã tự nhiên xuất hiện theo. Các hoạt động này, thật đáng ngạc nhiên, đã được con người áp dụng tư duy và trí tuệ tuyệt vời của mình để phát triển, tối ưu hóa thành các quy trình mang hàm lượng khoa học cao. Và chiến tranh, như một thực thể gắn liền với loài người hàng ngàn năm nay, lại chính là cái nôi để nuôi dưỡng, hình thành và trình diễn nghệ thuật quản trị vật chất tinh hoa của con người.

Alexander Đại Đế đã thành công như thế nào?

Alexander Đại Đế, vị Hoàng Đế vĩ đại của xứ Macedonia (Hy Lạp), đã chinh phạt khắp trên hành tinh này từ thuở Trái Đất vẫn còn là một điều bí ẩn. Nhưng nếu nghĩ Alexander đã đánh thắng quân thù chỉ bằng sức mạnh quân sự hùng hậu thì quả là sai lầm. Quân đội Alexander được tổ chức rất quy củ và chặt chẽ, sử dụng lấy ít thắng nhiều, lấy nhanh thắng chậm và luôn gây bất ngờ và bối rối cho đối phương.

Để làm được điều này, Alexander đã áp dụng điều mà ngày nay chúng ta hiểu là sự phản ứng nhanh nhạy (responsiveness) và tính linh hoạt (flexibility) trong chuỗi cung ứng. Quân đội của ông tự mang theo các gói hành lý, nhu yếu phẩm cho chuyến hành quân của mình. Các gói nhu yếu phẩm được chia nhỏ, đóng gói đặc biệt, giảm bớt trọng lượng và chất trên lưng tráng sĩ, thay vì được vận tải riêng bằng một lực lượng hậu cần theo sau. Push/Pull Boundary cũng được nghiên cứu áp dụng biến hóa khi lực lượng tổng trừ bị ở phía sau luôn giữ một khoảng cách nhất định với tiền tuyến, đảm bảo lương thực hậu phương tập kết tại đây có thể cân bằng cung cầu, không quá xa hậu phương, cũng không gây khó khăn khi tiếp ứng tiền tuyến. Mở màn chiến dịch mới, Alexander luôn tìm cách thương lượng với đối phương trước, đàm phán tiếp ứng quân nhu vừa đủ cho quân đội của ông để từ đó làm bàn đạp đánh tiếp sang các mục tiêu khác. Khi vào chiến trận, Alexander không sử dụng biển người toàn bộ quân đội, mà chỉ cử một lực lượng nhỏ đặc biệt thu thập tình báo, lấy dữ liệu, phân tích chiến thuật và tiến vào trận chiến mà vẫn giữ nguyên phần lớn lực lượng ở phía sau, trừ khi chắc chắn về nguồn cung lương thực cho toàn bộ đại quân ở địa phận quân địch. Điểm tập kết quân lương được nghiên cứu chọn lựa kỹ càng sao cho Postponement được áp dụng tốt nhất. Lương thực từ nhiều nguồn được tập kết về đây dưới dạng thô, trước khi được đóng gói, tùy biến phù hợp với nhu cầu của nhiều quân chủng và sau đó mới được cắt gọn vừa miếng thành hành lý của từng chiến binh. Nhờ áp dụng tài tình nghệ thuật quản lý dòng vật chất, quân đội Alexander Đại Đế đánh đâu thắng đó, chinh phạt xuống tới tận nhiều quốc gia ở Tây Á và Trung Đông.

Cho đến kỷ nguyên Internet

Từ lịch sử hình thành trong chiến tranh, ngành khoa học quản lý dòng vật chất và dòng thông tin liên quan tiếp tục được nghiên cứu và phát triển. Qua thập kỷ 40-50 sơ khai bắt đầu, ngành khoa học quản lý dòng vật chất hiện đại tiếp tục tiến vào thập niên 60 với những thành tựu vượt bậc với sự xuất hiện của máy vi tính. Cuối thập kỷ 70 và đầu thập niên 80 chứng kiến sự lan rộng của máy tính cá nhân, và điều này đã mở ra cả chân trời mới cho nghiên cứu quản trị chuỗi cung ứng. Sự ra đời của Internet càng làm cho quản trị chuỗi cung ứng trở thành đề tài quan tâm đáng kể của cả giới học thuật và các nhà doanh nghiệp. Hợp tác (coordinate), thống nhất và tăng cường giao tiếp trong chuỗi cung ứng trở thành những cụm từ xuất hiện nhiều trong textbook và bài nghiên cứu khoa học. Và cho đến hôm nay, kỷ nguyên của Internet of Thing thống trị toàn cầu, công nghệ thông tin xuất hiện khắp nơi, gây ảnh hưởng to lớn đến cấu trúc nền tảng của khoa học quản trị chuỗi cung ứng.

Dữ liệu từ khắp nơi trở nên dễ dàng thu thập và sẵn có. Không chỉ vậy, tốc độ thu thập dữ liệu cũng gia tăng đến chóng mặt với sự trợ giúp của công nghệ truyền thông hiện đại. Sở hữu khả năng phân tích, sắp xếp và nghiên cứu được khối dữ liệu to lớn nhưng rất hỗn độn này sẽ mở ra tiềm năng cải thiện quy trình, tiết kiệm chi phí và tăng độ hiệu quả đến mức đáng kinh ngạc cho các doanh nghiệp. Big Data Analysis (BDA) trở thành nhu cầu thiết yếu của mọi doanh nghiệp thức thời và hiểu về tầm quan trọng của công nghệ. Dữ liệu từ Transport Management System (tuyến đường, thời gian dừng nghỉ của tài xế, vận tốc chuyến đi, nhiệt độ của kho lạnh sau xe…) hay từ Warehouse Management System (hình ảnh về mức tồn kho ghi nhận được từ camera, thời gian bốc hàng của công nhân, tuyến đường thường đi của lift truck…) nếu được phân tích kỹ càng, và kết hợp với những công nghệ hiện đại khác như Machine Learning có thể tự động hóa các quy trình và giải phóng con người ra khỏi các công việc nguy hiểm, cực nhọc. Doanh nghiệp có thể tiết kiệm chi phí trong khi vẫn phát triển bền vững, tất cả đều có thể đạt được nếu ngành khoa học quản trị chuỗi cung ứng có thể tiếp tục phát triển vượt trội như nó đã từng liên tục trong quá khứ.

Tương lai của Supply Chain Management

Con người, sản phẩm độc đáo và tuyệt vời của tạo hóa, sở hữu khả năng đặc biệt của tư duy: óc sáng tạo, đã biết áp dụng trí tuệ của mình vào cải thiện và tối ưu hóa khoa học quản trị dòng vật chất. Được trui rèn qua các biến cố trong lịch sử, cho tới nay, Supply Chain Management đã trở thành một ngành khoa học tinh vi và phức tạp, đủ để thỏa mãn đam mê cho bất kỳ bộ óc tò mò và ham hiểu biết nào. Nhưng tiềm năng của chúng vẫn còn nằm ở phía chân trời xa, nơi con người tiếp tục viết nên lịch sử của mình.

DỰ BÁO CẦU TRONG MỘT CÔNG TY SẢN XUẤT MÁY TÍNH

Dự báo nguồn cầu là tiên quyết trong hoạt động sản xuất của một doanh nghiệp. Mỗi ngành nghề, loại sản phẩm đều mang tính đặc thù, đòi hỏi những kĩ thuật dự báo khác nhau. Đối với những sản phẩm tiêu dùng thông thường đã chuẩn hóa trên thị trường, PVC (Vòng đời sản phẩm) là một yếu tố không quá quan trọng trong quá trình dự báo, vì thường những sản phẩm này có PVC rất dài, không quá ảnh hưởng đến ngắn hạn. Trong trường hợp này áp dụng những phương pháp như exponential smoothing, hồi qui hay phân tích chuỗi thời gian (time series analysis) là phù hợp. Tuy nhiên, đối với ngành sản xuất linh kiện điện tử, công nghệ cao, cụ thể là sản xuất máy tính cá nhân (PC), PVC là một nhân tố cực kì quan trọng. gây ra những trở ngại lớn cho dự báo viên.

Các khó khăn trong quá trình dự báo nguồn cầu

Có 2 khó khăn chính thường gặp phải trong quá trình dự báo nguồn cầu PC.

Khó khăn thứ nhất liên quan đến tính chất sản phẩm – PLC của PC thường rất ngắn (do sự phát triển nhanh chóng của công nghệ nên chúng dễ trở nên lỗi thời, lạc hậu), trong khi đó nguồn cầu lại biến động liên tục trong thời gian ngắn với biên độ rất lớn.

Khó khăn thứ hai liên quan đến những yếu tố bên trong doanh nghiệp. Ví dụ như với mỗi phòng ban khác nhau (marketing, thu mua, sản xuất…) lại có yêu cầu về mức độ chính xác trong dự báo (level of accuracy) khác nhau, và khoảng thời gian dự báo (forecasting range) cũng không giống nhau, có thể là dự báo trong dài hạn (hơn 6 tháng) cho đến dự báo ngắn hạn theo từng ngày.

Hình 1. Vòng đời của sản phẩm (PLC)

Những khó khăn đặc thù cần những giải pháp đặc thù. Trong trường hợp này, những phương pháp dự báo như Logistics Function, Gompertz Curve, và Bass Diffusion model tỏ ra phù hợp và chính xác hơn. Bài viết này không giải thích thêm về ba phương pháp trên vì chúng khá phức tạp và mang tính nghiệp vụ cao.

Quy trình dự báo nguồn cầu

Quy trình dự báo nguồn cầu trong ngành sản xuất máy tính cũng được xây dựng phù hợp với sự phát triển, đổi mới mạnh mẽ của công nghệ. Đầu tiên, trước khi sản phẩm được giới thiệu ra thị trường, dự báo dài hạn phải được thực hiện cho toàn bộ vòng đời của sản phẩm (dựa trên nền tảng dữ liệu bán hàng của sản phẩm cũ). Bước tiếp theo, dựa trên dữ liệu bán hàng thực tế ở 3 tuần đầu tiên, dự báo dài hạn được điều chỉnh lại cho phù hợp. Giai đoạn cuối là điều chỉnh lại dự báo ngắn hạn cho 1 – 2 tuần tiếp theo để quyết định mức lưu kho cũng như điều chỉnh lịch sản xuất hằng tuần.

Hình 2. Ba giai đoạn dự báo nguồn cầu

Trong bài nghiên cứu của Chihyun Jung và đồng sự (2015) về cải thiện tính chính xác trong dự báo nguồn cầu máy tính của một doanh nghiệp Hàn Quốc, bằng phương pháp dự báo mới, mức độ chính xác đã được cải thiện đáng kể so với cách dự báo truyền thống (từ 40% lên tới hơn 60%). Hiểu biết, nắm bắt, áp dụng được những kĩ thuật, qui trình mới trong dự báo nguồn cầu sẽ mang lại lợi thế cực lớn cho doanh nghiệp, đặc biệt là trong môi trường cạnh tranh khốc liệt như hiện nay.

Vai trò quan trọng của Forecasting – Dự báo trong chuỗi cung ứng

Đọc thêm:  WTO là gì? Việt Nam có lợi gì từ khi gia nhập WTO

Dự báo nguồn cầu tạo nên nền tảng của tất các các quá trình lên kế hoạch cho chuỗi cung ứng. Hãy nhìn về khía cạnh đẩy hay kéo (push/pull) trong chuỗi cung ứng. Tất cả mọi quy trình push trong chuỗi cung ứng đều thực hiện nhằm đáp ứng cho nhu cầu dự đoán, trong khi tất cả những quy trình pull đều được thực hiện nhằm đáp ứng nhu cầu thực.

• Đối với chuỗi cung ứng push, nhà quản trị phải lên kế hoạch mức độ hoạt động, gồm sản xuất, vận tải, hay bất cứ hoạt động có thể hoạch định trước nào.
• Đối với chuỗi cung ứng pull, nhà quản trị lại phải lập kế hoạch về năng suất máy sẵn có hay hàng tồn kho nhưng không lập kế hoạch cho thành phẩm.

Trong cả hai trường hợp, bước đầu tiên một nhà quản trị phải thực hiện đều là dự báo nguồn cầu của khách hàng sẽ nằm ở khoảng bao nhiêu.

Những đặc điểm cơ bản của dự báo

1. Dự báo luôn sai số

Dự báo luôn sai số và vì vậy, dự báo nên đính kèm với giá trị kỳ vọng một khoảng ước lượng sai số. Để hiểu tầm quan trọng của “forecast error” (khoảng sai số trong dự báo), hãy quan sát hai nhà bán lẻ xe hơi. Một trong số họ kỳ vọng doanh số (sales) từ khoảng 100 đến 1900 units, trong khi người còn lại kỳ vọng doanh số nằm trong khoảng 900 đến 1100. Dù cả hai đều dự tính doanh số trung bình là 1000 units, chính sách sourcing (tìm và đáp ứng nguồn nguyên vật liệu hay đầu vào cho việc vận hành doanh nghiệp) sẽ rất khác việc trong điều kiện có sự khác nhau lớn trong độ chính xác của forecast. Do đó, forecast error (hay demand uncertainty) phải là một yếu tố quan trọng trong hầu hết mọi quyết định của chuỗi cung ứng.

2. Dự báo dài hạn thường ít chính xác hơn dự báo ngắn hạn

Dự báo dài hạn (long-term forecast) thường ít chính xác hơn dự báo ngắn hạn (short-term forecast). Seven-Eleven Japan đã khai thác tính chất quan trọng này để cải thiện chất lượng. Công ty này đã thiết lập một quy trình replenishment (châm hàng cho các cửa hàng bán lẻ) mà có thể phản hồi các đơn hàng trong vòng vài giờ đồng hồ.

Ví dụ, nếu quản lý cửa hàng bán lẻ đặt hàng vào lúc 10 giờ sáng, đơn hàng sẽ được giao trước 7 giờ tối cùng ngày. Như vậy, quản lý cửa hàng chỉ cần dự báo cho hàng bán vào đêm hôm đó 12 tiếng trước khi thực bán. Lead time ngắn như vậy giúp quản lý cửa hàng xem xét của thông tin hiện thời mà có thể ảnh hướng đến doanh số sản phẩm, ví dụ như thời tiết. Bản dự báo này sẽ có nhiều khả năng sai sót hơn nếu quản lý cửa hàng phải dự báo trước cả một tuần lễ.

3. Dự báo tổng thể chính xác hơn dự báo từng bộ phận

Dự báo tổng thể luôn chính xác hơn dự báo cho từng bộ phận. Ví dụ, dự báo về Gross Domestic Product (GDP) của nước ta trong một năm sẽ dễ thực hiện hơn là dự báo mức doanh thu cho một công ty trong một năm.

4. Công ty càng ở cách xa người dùng cuối trong chuỗi, thông tin nhận được càng dễ bị sai lệch

Công ty càng ở xa về phía đầu chuỗi (upstream, cách xa người dùng cuối), thông tin nó nhận được càng dễ bị sai lệch. Ví dụ kinh điển đó chính là bullwhip effect, khi mà sự biến thiên của đơn đặt hàng càng bị khuếch tán mạnh mẽ khi nó đi từ người tiêu dùng cuối cùng đến các công ty đầu chuỗi. Hậu quả là, càng lên cao về phía đầu chuỗi, công ty càng đối mặt với nhiều forecast error hơn.

Thành phần của Dự báo và phương pháp để thực hiện Dự báo

Dự báo không phải là một việc làm mang tính huyền diệu hay phi khoa học. Trái lại, dữ kiện lịch sử của doanh nghiệp có thể giúp công ty dự báo được doanh số bán hàng kỳ vọng trong tương lai. Đề thực hiện dự báo thành công, người dự báo phải xem xét các yếu tố sau:

• Cầu tiêu dùng ở quá khứ
• Leadtime của quy trình replenish sản phẩm
• Những nỗ lực về marketing hay quảng cáo đã lập sẵn kế hoạch
• Những chương trình giảm giá đã được lập kế hoạch
• Tình trạng chung của nền kinh tế
• Các bước đi của đối thủ cạnh tranh

Người dự báo phải nắm và hiểu được các yếu tố trên trước khi chọn lựa phương pháp forecasting phù hợp. Phương pháp dự báo được chia thành các loại chính sau:

• Dự báo định tính: mang tính chủ quan và dựa trên phán quyết của con người.
• Time series: sử dụng lịch sử cầu tiêu dùng để tìm ra khuynh hướng cầu tiêu dùng trong tương lai
• Causal: cho rằng dự báo có liên quan đến các yếu tố khác trong môi trường (như tình trạng nền kinh tế, lãi suất,…) và cố gắng tìm ra mối quan hệ đó, rồi sử dụng các thông tin về môi trường để làm đầu vào để xác định đầu ra dự báo.
• Simulation (giả lập): cố gắng mô phỏng thực tế môi trường bên ngoài giống nhất có thể, rồi thực hiện một vài thay đổi đầu vào để tìm thấy đầu ra dự báo.

Một vài lưu ý

Người dự báo cần phải hiểu rõ mục tiêu dự báo là gì, ví dụ nếu thông tin về dự báo quan trọng với nhiều bên liên qua như nhà sản xuất, nhà vận tải, khách hàng, thì nên xem xét truyền tải thông tin dự báo đến các bên liên quan đó. Ngoài ra, các đối tác trong chuỗi nên hợp tác để cùng thực hiện kế hoạch về cầu thị trường và forecasting cùng với nhau, thông qua đó nâng cao chất lượng của kế hoạch cầu thị trường và tối ưu hóa thặng dư chuỗi cung ứng (supply chain surplus).

Người dự báo cũng cần phải thoát ra ngoài những con số và nhìn thấy được những yếu tố có tác động lớn đến dự báo nguồn cầu, các thông tin mang tính định tính như ý kiến chuyên gia, khảo sát khách hàng, khảo sát nhân viên… đều rất quan trọng. Cũng cần phải lưu ý chính là thực hiện dự báo phải phù hợp với cấp bậc chiến lược, chiến thuật hay vận hành; mỗi một cấp chiến lược đều có những yêu cầu khác nhau cho dự báo. Cuối cùng, cần phải theo dõi và lưu giữ các bản đo lường hiệu quả và sai số của dự báo để thông qua đó cải tiến quy trình dự báo trong tương lai.

Tìm ngay việc làm hấp dẫn tại

[MASAN] KHỞI ĐẦU SỰ NGHIỆP THẬT CHẤT CÙNG MASAN YOUNG ENTREPRENEUR 2021

Quản trị chuỗi cung ứng đã trở thành một yếu tố không thể thiếu trong hầu hết các lĩnh vực thuộc quản lý công nghiệp và quản lý tổ chức. Do tầm quan trọng của nó, thị trường đang đặt ra một yêu cầu rất cao về nhân lực trong ngành. Điều này đòi hỏi phải có một hệ thống đào tạo cung cấp đúng và đủ nguồn nhân lực cho các doanh nghiệp. Xây dựng một hệ thống đào tạo như vậy cần đến một khung chương trình hiệu quả.

Viễn cảnh về một khung chương trình đào tạo bài bản về supply chain management đã được Supply Chain Council (APICS) hiện thực hóa bằng mô hình SCOR, với nhiều tính chất hữu dụng trong việc giải quyết, cải thiện và truyền tải các hoạt động quản trị chuỗi cung ứng đến tất cả các bên liên quan trong chuỗi cung ứng.

Nhìn chung, SCOR Model là một điểm lý tưởng để bắt đầu học về quản trị chuỗi cung ứng, mô hình này cung cấp hầu hết các công cụ và phương pháp cần thiết để hiểu, phân tích và đề ra giải pháp cho các vấn đề trong quản trị và vận hành chuỗi cung ứng.

• Thứ nhất, nó đưa người học tiệm cận với hầu hết các khái niệm, bảng thuật ngữ và góc nhìn đã được chuẩn hóa và dùng làm ngôn ngữ chung trong hệ thống các doanh nghiệp và tổ chức là thành viên hoặc mang ảnh hưởng bởi Supply Chain Council (APICS). Với mạng lưới ảnh hưởng rộng khắp thế giới, APICS dần đưa SCOR trở thành một hệ thống tiêu chuẩn chung để nghiên cứu và phân tích về supply chain. Minh chứng cho sự nỗ lực của APICS đến từ việc họ kết hợp với tổ chức The Fresh Connection để đưa hệ thống các thuật ngữ và khái niệm về chuỗi cung ứng trong SCOR Model vào cuộc thi The Fresh Connection APICS Global Student Challenge và thu hút hơn 2500 sinh viên thuộc các trường đại học hàng đầu trên khắp thế giới đến tham dự.
• Đối với các doanh nghiệp, SCOR Model còn cung cấp một chuỗi các metrics để đánh giá hiệu quả hoạt động của chuỗi cung ứng. Hầu hết các doanh nghiệp đều có khả năng đề xuất và hoạch định chiến lược tốt, nhưng để đánh giá hiệu quả của các hoạt động như vậy là điều rất khó khăn. Xảy ra thường xuyên trong thực tế, các chiến lược đều yêu cầu phải có bước đánh giá hiệu quả thực thi của chiến lược trong quá trình áp dụng. Tuy nhiên, hầu như bước này luôn bị bỏ qua do quá trình áp dụng và thực thi chiến lược yêu cầu sự vận hành ở cấp độ Operational, vốn không có được tầm nhìn bao quát và cũng do không có sự phối hợp giữa các bộ phận chức năng. SCOR Model cung cấp sẵn một hệ thống các metrics và KPIs đủ để giám sát, đánh giá và tái thiết kế các quy trình trong vận hành công ty, giúp vấn đề trên được giải quyết dễ dàng.
• Quan trọng không kém, việc xây dựng SCOR Model ngay từ đầu đã có sự tham gia của hơn 69 doanh nghiệp thuộc các lĩnh vực sản xuất, cung cấp dịch vụ vận tải, kho bãi và các dịch vụ thuộc các lĩnh vực chuyên môn khác giúp tối ưu hoá những quy trình có thể ứng dụng rộng rãi trong tất cả mọi ngành công nghiệp. Điều này tạo điều kiện cho người học được học từ những quy trình tốt nhất, hiện đại nhất, hiệu quả nhất trong ngành. Do đặc thù của kiến thức là không ngừng được cập nhật và phát triển, nhu cầu cho một chương trình học luôn luôn cập nhật các khuynh hướng mới nhất, tốt nhất và được hệ thống hóa chi tiết là rất lớn.
• Cuối cùng, có thể khẳng định SCOR Model là một hệ thống hoàn chỉnh, toàn diện và căn bản cho các nhà cung ứng khắp thế giới với khả năng giúp người học có thể áp dụng kiến thức trên phạm vi toàn cầu, ở những tập đoàn đa quốc gia và các tổ chức nghiên cứu xuyên biên giới. Để trở thành một người quản trị chuỗi cung ứng giỏi, người học cũng cần phải tiếp xúc và học từ những nguồn kiến thức khác, bởi kiến thức là vô tận và riêng trong lĩnh vực quản lý chuỗi cung ứng thì vẫn tồn tại nhiều góc nhìn và trường phái khác nhau vốn đều đáng lưu tâm.

Như chúng ta biết, thành công của một doanh nghiệp sản xuất đến từ rất nhiều những yếu tố khác nhau có thể kể đến như dịch vụ chăm sóc khách hàng tốt, chiến lược marketing cho sản phẩm của công ty đầy hấp dẫn, … Tuy nhiên có một yếu tố cũng vô cùng quan trọng và mang tính quyết định nên thương hiệu của công ty, đấy chính là sản phẩm. Vậy đâu là yếu tố để một sản phẩm hoàn hảo ra đời?

• TOP 10 Nhà máy sản xuất lớn nhất trên thế giới / Cải thiện quy trình sản xuất với Lean Manufacturing, Kaizen và 5S

Một trong những đáp án cho câu hỏi ấy đó chính là khả năng quản lý quy trình sản xuất hiệu quả. Để hiểu rõ hơn, hãy cùng ghé thăm nhà máy và khám phá quy trình sản xuất thôi nào.

Quản lý quy trình sản xuất – Một bộ phận của quản trị sản xuất.
Trước tiên, chúng ta hãy tìm hiểu về quản trị sản xuất. Đó là tổng hợp các hoạt động xây dựng hệ thống sản xuất và quản trị quá trình sử dụng các yếu tố đầu vào (nguồn nhân lực, vốn, nguyên vật liệu, năng lượng, thông tin, …) tạo thành các sản phẩm (dịch vụ) đầu ra nhằm đáp ứng nhu cầu khách hàng và thực hiện các mục tiêu đã xác định. Quy trình sản xuất mà chúng ta sẽ tìm hiểu sau đây là một phần quan trọng trong quản trị sản xuất, nó làm việc nhiều hơn với nguồn nguyên liệu và vật tư.

Mục tiêu quản trị sản xuất:
• Hoàn thành chức năng sản xuất, cung cấp sản phẩm cho khách hàng đúng số lượng với tiêu chuẩn chất lượng và thời gian phù hợp.
• Tạo ra và duy trì lợi thế cạnh tranh của doanh nghiệp.
• Tạo ra tính linh hoạt cao trong đáp ứng liên tục nhu cầu của khách hàng về sản phẩm.
• Đảm bảo tính hiệu quả trong việc tạo ra các sản phẩm cung cấp chi khách hàng.
Giờ thì cùng lao vào khám phá từng công việc trong quy trình sản xuất nhé. Bắt đầu nào!

1. Hoạch định sản xuất.
Làm gì ở giai đoạn đầu tiên này nhỉ? Hoạch định sản xuất là bạn sẽ thực hiện 3 công việc quan trọng sau:
• Xác định nhu cầu sản xuất:
– Nhu cầu sản xuất được xác định từ kế hoạch sản xuất do Bộ phận sản xuất lập ra theo từng kỳ (năm/quý/tháng/tuần) hoặc theo kế hoạch kinh doanh của công ty hay đơn hàng khách đặt. Đối với đơn hàng của khách, mặt hàng có thể thay đổi thường xuyên theo nhu cầu nên thường không lên kế hoạch sản xuất trước được. Kế hoạch chỉ được soạn ra khi có đơn hàng.
– Mục tiêu: kiểm tra lượng sản phẩm hiện tồn kho của từng công đoạn
tính lượng sản phẩm cần sản xuất trong từng công đoạn.
• Xây dựng định mức sản xuất:
– Nếu phòng Nghiên cứu và phát triển đưa ra sản phẩm mới thì cần phải thiết lập định mức sản xuất bao gồm định mức nguyên liệu, định mức phế liệu và định mức chi phí sản xuất.
• Hoạch định nhu cầu nguyên liệu: Dựa vào nhu cầu sản xuất
– Tính lượng nguyên liệu cần dùng
– So sánh tồn kho sẵn sàng
– Tính ra lượng nguyên liệu còn thiếu cần bổ sung.

Kết quả của 3 công việc trên là tính được nhu cầu bán thành phẩm từng công đoạn cần sử dụng, tồn kho bán thành phẩm sẵn sàng để từ đó tính lượng bán thánh phẩm ở từng công đoạn cần sản xuất.

2. Yêu cầu sản xuất.
– Sau bước hoạch định khá nhiều công việc tính toán thì ta sẽ chia nhỏ những con số đó ra để lập yêu cầu sản xuất cho từng nhà máy, phân xưởng.
– Yêu cầu sản xuất có thể là tự sản xuất hay yêu cầu gia công bên ngoài.

3. Lệnh sản xuất.
Ở bước này, yêu cầu sản xuất sẽ được chia cho từng công đoạn/tổ/dây chuyền để thực hiện.

4. Lịch sản xuất.
Phân công máy nào, ca nào, ngày nào thực hiện lệnh sản xuất.

5. Thống kê sản xuất.
Công đoạn này cần phải thống kê chi tiết các nội dung sau:
– Xuất nguyên liệu ra phân xưởng
– Báo cáo sản xuất: sản phẩm, phế phẩm, phế liệu, nguyên liệu đã sử dụng.
– Nhập lại nguyên liệu thừa, chuyển cho lệnh sản xuất khác.

6. Hoàn thành và đóng lệnh sản xuất.
Mỗi lệnh sản xuất sau khi hoàn thành (có thể là sản xuất xong hoặc ngừng giữa chừng) đều phải tiến hành tổng kết, kiểm tra và đóng để xác nhận hoàn thành.

Như vậy là chúng ta đã đi qua những công việc căn bản trong một quy trình sản xuất. Rõ ràng ta thấy rằng từng bước trong quy trình trên đều gắn chặt và có ảnh hưởng lẫn nhau. Chính vì vậy, quản lý tốt được cả quy trình một cách nhịp nhàng, có phối hợp, sẽ giúp tiết kiệm thời gian, chi phí sản xuất cũng như chủ động và kiểm soát được nguồn lực (nguyên liệu, nhân công, thiết bị, …). Tất cả điều đó góp phần đưa những sản phẩm đáp ứng nhu cầu ra thị trường với giá cả đầy tính cạnh tranh và chất lượng đảm bảo. Thành công của doanh nhiệp từ đó mở ra.

Để theo kịp và vươn lên trong quá trình toàn cầu hóa, rất nhiều công ty đã phát triển các chuỗi cung ứng xuyên quốc gia của mình mà trong đó, các hoạt động gia tăng giá trị cho thành phẩm trải rộng khắp các vùng khác nhau ở nhiều quốc gia.

• Quản lý tồn kho dự phòng trong chuỗi cung ứng phân cấp
• Thương mại điện tử và những thách thức cho chuỗi cung ứng

Đồng thời, các doanh nghiệp cũng đang cố gắng tìm hiểu và ứng dụng hệ thống LEAN PRODUCTION, được khởi xướng bởi Toyota, mà bao gồm các mục tiêu như Just-in-time (JIT) delivery, lượng hàng tồn kho thấp, zero defects, sản xuất linh hoạt với các mẻ sản phẩm nhỏ, và sự hợp tác kỹ thuật chặt chẽ với nhà cung cấp.

Trong một nghiên cứu về một công ty trong ngành máy tính cá nhân, Assisstant Professor David L. Levy đã quan sát sự vận hành của lean production trong một chuỗi cung ứng xuyên quốc gia. Nghiên cứu chỉ ra rằng dòng luân chuyển nhanh của hàng hóa và thông tin được xây dựng bởi lean production gây tốn rất nhiều chi phí và khó có thể đạt được.

Lead time dài hơn và mức tồn kho cao hơn ở trong các chuỗi cung ứng xuyên quốc gia so với các ví dụ thuộc về nội địa. Các chuỗi cung ứng dài hơn cũng đi kèm với độ chính xác kém đi trong dự báo doanh số và độ trễ lớn trong giải quyết các vấn để về kỹ thuật. Nghiên cứu cho rằng các nhà quản trị đánh giá thấp một cách có hệ thống các chi phí này bởi vì họ thường lập kế hoạch cho những chuỗi tương đối ổn định và không hoàn toàn hiểu hết tính đa dạng và phức tạp trong cách mà những sự đứt gãy ảnh hưởng lên chuỗi cung ứng phân tán rộng về mặt địa lý.

Tuy nhiên, nghiên cứu cũng chỉ ra – một cách phỏng đoán, rằng lean production cũng hỗ trợ cho toàn cầu hóa. Sự giảm thiểu sai sót hay các thay đổi về quy trình, nguyên liệu, hướng dẫn công việc (engineering change orders – ECO) đến mức rất thấp giúp giữ ổn định chuỗi cung ứng của các công ty máy tính và cho phép nó đẩy nhanh tốc độ chuyển giao việc sản xuất các sản phẩm mới ra nước ngoài. Lean Production tuy khó thực thi và đắt đỏ trong bối cảnh xuyên quốc gia, nhưng vẫn tỏ ra đáng để đầu tư.

1. Tính chất của các hệ thống Lean Production

Lean Production có thể được khái quát hóa thành một hệ thống vừa linh hoạt lại vừa được kết hợp chặt chẽ; mức độ hợp tác cao mà nó đòi hỏi yêu cầu những dòng luân chuyển hàng hóa và thông tin nhanh, liên tục thường tốn nhiều chi phí và khó thực thi xuyên biên giới.

2. Just-in-time delivery và Tồn kho ở mức thấp

JIT là khía cạnh rõ ràng nhất của lean production chịu ảnh hưởng bởi sự phân tán về mặt địa lý của chuỗi cung ứng.

Một vài công ty ở Nhật Bản yêu cầu các nhà cung ứng phải giao vài chuyến hàng trong một ngày, với mỗi chuyến hàng được lên lịch sẽ đến nhà máy trong 2 tiếng đồng hồ window time. điều rõ ràng là bất khả thi nếu các nguyên liệu được nhập khẩu bằng đường biển. Ngoài thời gian vận chuyển, các tuyến kết nối hàng hóa viễn dương diễn ra không thường xuyên bằng các tuyến thông thường, và nhiều chuyến của những lượng hàng nhỏ sẽ tạo nên cước phí khổng lồ. Vận chuyển hàng hóa quốc tế cũng chịu nhiều rủi ro trì hoãn do thời tiết ảm đảm, trì trệ trong công tác hành chính liên quan đến hải quan và chứng từ, và các cuộc đình công thỉnh thoảng xảy ra.

3. Sản xuất linh hoạt

Sản xuất linh hoạt đề cập đến khả năng sản xuất theo yêu cầu của khách hàng, sản xuất hàng theo đơn, hay khả năng chuyển đổi từ việc sản xuất mô hình này sang mô hình khác trên cùng một dây chuyền.

Sản xuất linh hoạt cho phép một công ty đáp ứng nhanh chóng với nhu cầu thay đổi trong khi cắt giảm quy mô một mẻ sản xuất và giảm lượng tồn kho.

Một số các học giả quản trị học đã cảnh báo những sự khó khăn đi kèm với phân cách về mặt địa lý ảnh hưởng đến nhu cầu giao tiếp thường xuyên, đặc biệt trong những tác vụ nơi mà mối liên hệ trực tiếp tỏ ra rất cấn thiết.

4. Case study của công ty CCT

CCT, một công ty trong ngành công nghiệp sản xuất máy tính cá nhân, đang cố gắng ứng dụng một vài khía cạnh của lean production, và hệ thống vận hành đa quốc gia của họ cung cấp một cơ hội tuyệt vời để so sánh giữa sourcing nội địa và quốc tế. Nghiên cứu của Levy tập trung vào một loại bán thành phẩm là bảng mạch điện tử (printed circuit board – PCB), một thành phẩm quan trọng của một máy tính cá nhân. CCT thu mua các bảng mạch này ở nhiều nhà ung ứng, phân bổ ở California – nơi gần cơ sở sản xuất chính, Singapre, Nhật Bản và ở các nước thuộc vành đai Thái Bình Dương.

Chiến lược Just-in-Time Delivery

Chiến lược global sourcing của CCT khiến nó dường như bất khả thi cho các thành phẩm có thể được ứng dụng JIT Delivery.

CCT thường vận chuyển các thành phẩm của mình bằng đường biển bởi chi phí tốn cho vận chuyển bằng đường hàng không là quá lớn. Và khoảng cách thường xuyên gây ra sự trì hoãn. Ví dụ, mặc dù thủ tục hải quan chỉ mất từ hai đến ba ngày, nếu một vấn đề xảy ra trong bộ chứng từ, chuyến hàng có thể bị giữ lại từ hai đến ba tuần; các nhà quản trị ước tính điều này xảy ra từ một đến hai lần một năm.

Nếu như các nhà quản trị của CCT nhận thấy sự nguy hiểm của các đợt trì hoãn chuyến hàng bằng đường biển và muốn thay thế bằng đường hàng không, họ lại gặp rào cản về chi phí. Cước phí đường hàng không quy định dựa theo khoảng thời gian đặt trước chỗ trên máy bay, nhưng thực tế, CCT chỉ dùng đến đường không trong các trường hợp gấp rút và do đó phải chịu thêm chi phí do thông báo trễ. Chi phí vận tải do đó lên đến 10 phần trăm giá vốn hàng bán (cost of good sold), vượt quá mức 7 – 10 phần trăm lợi thế tương đối về chi phí sản xuất ở Singapore.

Mức tồn kho

Mức tồn kho cho sản phẩm lấy từ Singapore nhiều hơn nhiều so với ở California. Thời gian vận chuyển hàng đến 30 ngày đã làm tăng tồn kho lưu trữ. Nhưng đồng thời, thời gian này cũng khiến cho sales forecast horizon tăng thành một tháng, và làm tăng mức độ sai lệch trong dự báo (+/- thêm 15 ngày) và khiến cho buffer inventory tăng lên cao hơn nữa.

Khoảng cách và Độ chính xác của dự báo doanh số

Do thời gian vận chuyển bán thành phẩm đến cơ sở sản xuất chính bị kéo dài, việc lập bảng kế hoạch sản xuất (production schedule) ở nhà máy tại California phải diễn ra từ một đến hai tháng sớm hơn thông thường, và do đó làm giảm độ chính xác. Dữ liệu của CCT biểu diễn điều này khi mà mức sai lệch phần trăm trung bình (Mean Absolute Percentage Error – MAPE) giữa demand thực tế và mức dự báo từ 30 ngày trước đó là 30%, trong khi với 90 ngày trước đó là lên đến 42%.

Khoảng cách cũng ảnh hưởng đến độ chính xác của dự báo doanh số bởi sự hạn chế về giao tiếp. Các nhà quản trị ở bộ phận lập kế hoạch sản xuất trong nhà máy của CCT ở California cho biết họ phải luôn ở gần các trung tâm bán hàng ở Mỹ của công ty để gặp gỡ cá nhân các giám đốc sales vài lần một tuần để cập nhật dự báo bán hàng thường xuyên và hiểu chúng sâu sắc hơn là nhìn vào những con số bình thường mà hệ thống mạng máy tính trong công ty cung cấp. Thêm vào đó, các giám đốc lập kế hoạch và logistics cũng cho rằng việc gặp gỡ cá nhân sẽ làm tăng commitment đối với mục tiêu đặt ra.

Cho đến thời điểm này, nghiên cứu chỉ ra rằng lean production thực sự rất tốn chi phí và khó thực thi trong một chuỗi cung ứng xuyên quốc gia. Tuy nhiên, đối với mạch điện tử PCB, CCT cũng đã đạt được những thành công nhất định trong việc thiết kế cho sản xuất (Design for Manufacturing – DFM) và đạt được mức độ chất lượng sản phẩm rất cao – hai khía cạnh của lean production. Việc này đòi hỏi rất nhiều sự đầu tư vào các chuyến công tác, hệ thống giao tiếp, và công nghệ trong giai đoạn đầu của giới thiệu sản phẩm mới, bao gồm các chuyến công tác ra nước ngoài.

Tuy nhiên, những sự đầu tư này đem lại lợi nhuận về sau khi sản phẩm bước vào giai đoạn sản xuất đại trà bằng việc cắt giảm số lần thay đổi quy trình, công nghệ, nguyên liệu, hướng dẫn công việc (engineer change order – ECO) và sản phẩm lỗi.

5. Kết luận

Lean production yêu cầu các dòng chảy liên tục và nhanh chóng của thông tin và hàng hóa xuyên suốt chuỗi giá trị, điều mà gây tốn nhiều chi phí và khó khăn khi các hoạt động trong chuỗi giá trị bị phân tán về mặt địa lý. Các tuyến vận tải viễn dương bằng dường biển khiến just-in-time delivery trở nên bất khả thi, trong khi cước phí hàng không quá đắt đỏ cho việc sử dụng hàng ngày. Việc giao tiếp xuyên quốc gia về các vấn đề trong thiết kế, chất lượng, và lập kế hoạch không chỉ tốn chi phí hơn mà còn ít hiệu quả hơn do khác biệt múi giờ, rào cản văn hóa và ngôn ngữ, và sự thiếu hụt các giao tiếp cá nhân trực tiếp. Nhưng hai khía cạnh của lean production, DFM (design for manufacturing) và defect levels thấp, có thể hỗ trợ cho khuynh hướng toàn cầu hóa bằng cách làm ổn định chuỗi cung ứng.

Biên tập: LSC

Để việc sản xuất diễn ra hiệu quả và không ngừng được cải tiến, cần tạo ra môi trường làm việc đảm bảo hỗ trợ tốt cho các giải pháp được sản sinh. Áp dụng Lean Manufacturing, Kaizen và 5S như một “kim chỉ nam” đã giúp người Nhật đạt được những thành tựu kỳ vĩ.

• Thiên tai: Kẻ thù của các nhà máy tự động hóa và Logistics / Lean Production và chuỗi cung ứng xuyên quốc gia

Gần đây, thế giới sửng sốt chứng kiến thêm một kỳ tích trong ngành xây dựng của nước Nhật khi các công nhân ở thành phố Fukuoka hoàn thành việc xây lấp hố lún sụt rộng 30m trên đường phố trong thời gian 48 giờ. Nhìn nhận một cách thấu đáo, đây là thành quả của quá trình áp dụng các quy trình hiện đại, tiên tiến vào sản xuất trong mọi ngành nghề ở nước Nhật, với mục tiêu hiện đại hóa và không ngừng nâng cao chất lượng sản phẩm, cải tiến kỹ thuật đến mức tối ưu và tinh vi.

Lean Manufacturing

Nổi bật trong các triết lý này là Lean Manufacturing. Lean được định nghĩa là sản xuất tinh gọn; đạt kết quả tốt hơn với ít nguồn lực sử dụng hơn và không ngừng cải tiến quy trình. Việc áp dụng Lean đòi hỏi phải tránh lối sản xuất với quy mô lớn, dẫn đến tồn kho quá nhiều hoặc ứ đọng nguyên vật liệu giữa các bước sản xuất.

Triết lý sản xuất Lean có nguồn gốc từ Nhật Bản. Người Nhật, với tính hiệu quả của mình, đã phát minh ra cách sản xuất tối ưu hóa nguồn lực, mà mỗi một đơn vị tồn kho không cần thiết đều được xem như một sự lãng phí cần phải được loại trừ. Với cách sản xuất thông thường, giữa các bước trong chuỗi cung ứng thường không được liên kết chặt chẽ với nhau và để tránh việc đứt gãy trong chuỗi, tồn kho được xem như phương án dự phòng cho những trường hợp bất trắc.

Tuy nhiên, những nhà sản xuất của Nhật Bản nhìn nhận tồn kho giống như thủy triều trên biển. Khi thủy triêu dâng cao, người thuyền trưởng không ý thức được những mảng đá ngầm nguy hiểm ở bên dưới.

Trong sản xuất, những tảng đá ngầm này là những nguy cơ có thể gây ra đứt gãy chuỗi cung ứng, nhưng tồn kho dự phòng đã che lấp chúng đi. Nhu cầu thị trường không ổn định, dự báo thiếu chính xác, nhà cung cấp không đáng tin cậy, chất lượng sản phẩm xuống cấp hay ứ đọng giữa các bước sản xuất đều là những nguy cơ ngầm rất đáng lo ngại.

Tìm ra cơ hội để cải tiến quy trình

Việc kéo giảm mức tồn kho xuống sẽ để lộ ra những vấn đề còn tồn tại trong quy trình sản xuất và tạo điều kiện để loại bỏ chúng. Từng hoạt động thừa bị loại trừ sẽ giúp nguồn lực được sử dụng hợp lý hơn và sản xuất trở nên tinh gọn, hiệu quả. Việc xác định cần loại trừ hoạt động thừa nào để đem lại hiệu quả lớn nhất cho chuỗi cung ứng có thể được thực hiện thông qua sử dụng Lý thuyết về hạn chế (Theory of Constraints – TOC) của Eliyahu M. Goldratt.

TOC là công cụ hữu hiệu để tìm ra các cơ hội để cải thiện quy trình sản xuất. Sử dụng TOC như một hoa tiêu dẫn đường để tìm ra các điểm cần cải thiện và sau đó áp dụng Lean sẽ giúp đem lại hiệu quả đáng kể.

Kaizen và 5S

Một yếu tố rất đặc trưng của Lean đó là tính cải thiện không ngừng. Mục tiêu của Lean là không ngừng tìm kiếm các cơ hội để cải thiện quy trình sản xuất, để hiệu quả sản xuất tốt hơn mỗi ngày. Người Nhật Bản gọi tiến trình này là Kaizen. Mỗi một công đoạn trong quy trình đều được tổ chức sao cho các ý tưởng cải thiện có thể đóng góp ngay vào quá trình sản xuất. Điều này đặt ra yêu cầu phải sản xuất với quy mô nhỏ và những yêu cầu nhất định về sắp xếp không gian trong nhà máy.

Việc sắp xếp không gian, dụng cụ trong nhà máy đóng vai trò rất quan trọng trong tiến trình cải tiến không ngừng. Một trong những phương pháp tổ chức nhà máy hỗ trợ tốt cho kaizen là 5S, một hệ thống các tiêu chuẩn và kỷ luật mà công nhân cần tuân theo.

5S bao gồm:
• Sort: Phân loại thiết bị và nguyên vật liệu để biết cái nào cần và cái nào không cần
• Straighten: Sắp xếp các thiết bị và nguyên vật liệu theo một cách thức dễ quản lý và sử dụng nhất; chia các khu vực để công nhân biết cần lấy hoặc trả lại vật gì ở đâu
• Shine: Làm sạch thiết bị và nơi làm việc định kỳ để đảm báo chất lượng và phát hiện lỗi
• Standardise: Định kỳ kiểm tra 3 bước trên theo tiêu chuẩn đã xây dựng từ trước
• Sustain: Bám sát vào các quy định để giữ các tiêu chuẩn và không ngừng cải thiện mỗi ngày.

Việc áp dụng các quy trình trên góp phần đáng kể nâng cao chất lượng công đoạn sản xuất ra sản phẩm của mỗi chuỗi cung ứng, nhanh chóng phát hiện ra lỗi cũng như tạo điều kiện tốt nhất để các giải pháp được nhanh chóng ứng dụng vào thực tiễn quá trình sản xuất. Khi các vấn đề tồn tại trong sản xuất được loại bỏ dần, hiệu quả tổng thể chuỗi cung ứng sẽ được nâng cao và đảm bảo đáp ứng tốt hơn nhu cầu của khách hàng.