121 ỨNG DỤNG MÔ HÌNH FUZZY-TOPSIS ĐÁNH GIÁ CHIẾN LƯỢC

(1)

121 ỨNG DỤNG MÔ HÌNH FUZZY-TOPSIS ĐÁNH GIÁ CHIẾN LƯỢC

QUẢN LÝ CHUỖI CUNG ỨNG: VÍ DỤ ĐIỂN HÌNH TẠI CÔNG TY BIA SÀI GÒN-MIỀN TÂY

Trần Thị Thắm^* Trường Đại học Cần Thơ

TÓM TẮT

Chiến lược quản lý chuỗi cung ứng đang ngày càng đóng vai trò quan trọng đối với quá trình phát triển doanh nghiệp và đang là vấn đề được quan tâm nghiên cứu trong những năm gần đây. Để lựa chọn được chiến lược phù hợp, doanh nghiệp cần có những phương pháp đánh giá hiệu quả.

Nghiên cứu này đề xuất sử dụng mô hình Fuzzy-TOPSIS (Technique for Order Preference by Similarity to Ideal Situation) để đánh giá chiến lược quán lý chuỗi cung ứng. Các chiến lược được xem xét thông qua ba tiêu chí: lợi ích, chi phí và tính khả thi. Một ví dụ từ công ty Bia Sài Gòn- Miền Tây được sử dụng để mô tả mô hình đề xuất. Kết quả phân tích cung cấp vị trí xếp hạng của các chiến lược, trong đó chiến lược 5S và Hệ thống hóa quá trình tuyển dụng là hai chiến lược được đánh giá cáo nhất. Từ kết quả thu được, doanh nghiệp có thể lựa chọn được chiến lược phù hợp trong điều kiện hạn chế về ngân sách.

Từ khóa: Hệ số mờ; TOPSIS; Quản lý chuỗi cung ứng; Mô hình ra quyết định đa tiêu chí, Đánh giá chiến lược.

GIỚI THIỆU

^*

Để đứng vững trong môi trường cạnh tranh quyết liệt như hiện nay, doanh nghiệp phải tìm kiếm những chiến lược quản lý thích hợp nhằm kiểm soát tất cả nguồn lực và hoạt động trong chuỗi cung ứng sản phẩm. Tuy nhiên, vấn đề lựa chọn chiến lược là một vấn đề phức tạp, trong đó doanh nghiệp phải xem xét đến nhiều tiêu chí đối lập hay mâu thuẫn nhau. Để tìm kiếm các lựa chọn thích hợp, mô hình ra quyết định đa tiêu chí được đề xuất sử dụng. Trong đó, một vài mô hình phổ biến được biến đến như mô hình triển khai chức năng chất lượng (QFD), mô hình phân tích thứ bậc (AHP), mô hình phân tích mạng (ANP), mô hình TOPSIS.

TOPSIS (Technique for Order Preference by Similarity to Ideal Situation) được giới thiệu bởi Hwang & Yoon [1]. Nguyên tắc của TOPSIS liên quan đến định nghĩa về giải pháp lý tưởng tích cực và giải pháp lý tưởng tiêu cực. Một lựa chọn gọi là tốt nhất nếu lựa chọn này có giá trị gần nhất so với lời giải lý

*Tel: 0942 282824, Email:tttham@ctu.edu.vn

tưởng tích cực và xa nhất so với lời giải lý tưởng tiêu cực. Trong mô hình TOPSIS cổ điển, số thực được sử dụng để đánh giá trọng số của tiêu chí và xếp hạng đối tượng.

Tuy nhiên, việc sử dụng số thực trong môi trường không ổn định sẽ gây khó khăn cho người đánh giá. Do đó, mô hình TOPSIS kết hợp số mờ (Fuzzy) được đề xuất sử dụng nhằm khắc phục tính bất định, kém chính xác trong đánh giá [2, 3]. Wang et al [4] kết luận rằng sử dụng Fuzzy-TOPSIS không chỉ đánh giá hiệu quả trong môi trường không chắc chắn mà còn cho phép đánh giá nhiều tiêu chí cùng lúc một cách chính xác. Do tính hiệu quả mang lại, Fuzzy-TOPSIS được ứng dụng nhiều trong các mô hình ra quyết định. Trong lĩnh vực quản lý chuỗi cung ứng, Fuzzy- TOPSIS được ứng dụng để lựa chọn nhà cung ứng [4, 5, 6, 7], lựa chọn địa điểm và cơ sở vật chất [8, 9, 10, 11, 12], đánh giá lợi thế cạnh tranh [13, 14], v.v.

Tiếp nối thành công của những nghiên cứu

trước đó, nghiên cứu này đề xuất sử dụng

Fuzzy-TOPSIS để đánh giá chiến lược quản

lý chuỗi cung ứng. Nghiên cứu được chia làm

(2)

122

bốn phần. Phần đầu giới thiệu về lĩnh vực nghiên cứu. Phần hai mô tả phương pháp nghiên cứu (mô hình Fuzzy-TOPSIS). Sau đó, một ví dụ tại Công ty Bia Sài Gòn-Miền Tây được triển khai để minh họa cho mô hình đề xuất. Phần cuối bao gồm kết luận, hạn chế của đề tài và những đề xuất, kiến nghị.

PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu này sử dụng phương pháp tham khảo ý kiến chuyên gia để thu thập số liệu.

Bảng câu hỏi được xây dựng để thu thập mức độ quan trọng của các tiêu chí và mức độ hiệu quả của các chiến lược khi xem xét trên từng tiêu chí. Các bước xây dựng bảng câu hỏi, thu thập số liệu và áp dụng mô hình Fuzzy- TOPSIS trong đánh giá chiến lược quản lý chuỗi cung ứng được thực hiện như sau.

Bước 1: Xác định tiêu chí đánh giá và chiến lược quản lý chuỗi cung ứng

Các chiến lược được đề xuất thông qua lược khảo những nghiên cứu trước đó [6,15-18].

Đây những chiến lược được áp dụng phổ biến, quản lý các tương tác trong nội bộ doanh nghiệp cũng như các tương tác giữa doanh nghiệp và các thành phần còn lại trong chuỗi, được các chuyên gia đánh giá hợp lý (Xem Bảng 1).

Bảng 1. Chiến lược quản lý chuỗi cung ứng Ký hiệu Định nghĩa chiến lược

A1 5S

A2 Just-In-Time (JIT)

A3 Nhận dạng tần số sóng vô tuyến (RFID) A4 Hệ thống hoạch định nguyên vật liệu (MRP) A5 Tồn kho tại nhà cung cấp (VMI)

A6 Tự động hóa trong sản xuất

A7 Kiểm soát quá trình bằng thống kê (SPC) A8 Bảo trì phòng ngừa (PM)

A9 Hoạch định nguồn lực doanh nghiệp (ERP) A10 Hệ thống trao đổi dữ liệu điện tử (EDI) A11 Chế độ ưu đãi (thưởng, phụ cấp…) A12 Hệ thống hóa quá trình tuyển dụng A13 Phần mềm quản lý chuỗi cung ứng (SCM) A14 Khảo sát khách hàng

A15 Mở rộng công việc theo chiều ngang A16 Xây dựng hệ thống quản lý chất lượng ISO A17 Phương thức đào tạo cầm tay chỉ việc A18 Phần mềm quản lý khách hàng (CRM) A19 Mở rộng công việc theo chiều dọc

Trong nghiên cứu này, mô hình Fuzzy- TOPSIS được xây dựa trên 3 tiêu chí: lợi ích, chi phí và tính khả thi. Các tiêu chí được định nghĩa như sau:

Lợi ích: Lợi ích đạt được khi công ty áp dụng chiến lược.

Chi phí: chi phí sử dụng để triển khai chiến lược tại công ty.

Tính khả thi được xem xét là sự phù hợp hay khả năng ứng dụng các chiến lược tại công ty.

Mức độ quan trọng của các tiêu chí và mức độ đánh giá các chiến lược là các biến ngôn ngữ, thể hiện ở Bảng 2.

Bảng 2. Biến ngôn ngữ và tổ hợp hệ số mờ Hệ số

mờ

Mức độ đánh giá tiêu chí

Đánh giá chiến lược (1, 1, 3) Rất kém quan trọng (VL) Rất kém (VP) (1, 3, 5) Kém quan trọng (L) Kém (P) (3, 5, 7) Trung bình (M) Trung bình (M) (5, 7, 9) Quan trọng (H) Tốt (G) (7, 9, 9) Rất quan trọng (VH) Rất tốt (VG)

Giả sử nhóm trả lời bao gồm

𝑘 chuyên gia.

Nếu mức độ đánh giá chiến lược 𝑖 dựa trên tiêu chí

𝑗 của chuyên gia thứ 𝑘 là: 𝑥̃_𝑖𝑗^𝑘

=

(𝑎_𝑖𝑗^𝑘, 𝑏_𝑖𝑗^𝑘, 𝑐_𝑖𝑗^𝑘) và mức độ đánh giá trọng số tiêu

chí

𝑗 là: 𝑤̃_𝑗^𝑘

=

(𝑤_𝑗1^𝑘, 𝑤_𝑗2^𝑘, 𝑤_𝑗3^𝑘), Trong đó 𝑖=

1, 2, … , 𝑚, và 𝑗 = 1, 2, … , 𝑛.

Giá trị tổng hợp của 𝑘 chuyên gia về mức độ đánh giá chiến lược 𝑖 dựa trên tiêu chí 𝑗 được mô tả bằng 𝑥̃

_𝑖𝑗= (𝑎_𝑖𝑗, 𝑏_𝑖𝑗, 𝑐_𝑖𝑗), trong đó:

𝑎𝑖𝑗 = min𝑘{𝑎𝑖𝑗𝑘}, 𝑏𝑖𝑗 = ¹_𝑘∑𝐾 𝑏𝑖𝑗𝑘 𝑘=1 , 𝑐𝑖𝑗 = max𝑘{𝑐_𝑖𝑗^𝑘} (1)

Giá trị tổng hợp của 𝑘 chuyên gia về mức độ đánh giá trọng số tiêu chí

𝑗 được mô tả bằng 𝑤̃_𝑗^𝑘 = (𝑤_𝑗1, 𝑤_𝑗2, 𝑤_𝑗3), trong đó:

𝑤𝑗1= min𝑘{𝑤𝑗𝑘1}, 𝑤𝑗2= ¹_𝑘∑𝐾 𝑤𝑗𝑘2

𝑘=1 ,

𝑤𝑗3= max𝑘{𝑤𝑗𝑘3} (2)

Bước 2: Xây dựng ma trận quyết định Ma trận quyết định và tổ hợp trọng số của tiêu chí được biểu diễn như sau:

𝐶1 𝐶2 ... 𝐶𝑛

(3)

123

𝑫̃ = 𝐴1

𝐴…2

𝐴_𝑚 [

𝑥̃11 𝑥̃12

𝑥̃21 𝑥̃22

⋯ 𝑥̃1𝑛

⋯ 𝑥̃2𝑛

… …

𝑥̃_𝑚1 𝑥̃_𝑚2 𝑥̃𝑖𝑗 …

⋯ 𝑥̃𝑚𝑛

] (3)

𝑾̃ = (𝑤̃1, 𝑤̃2, … , 𝑤̃𝑛) (4)

Trong đó,

𝑖= 1, 2, … , 𝑚; 𝑗 = 1, 2, … , 𝑛;

𝑥̃_𝑖𝑗

, 𝑤

̃_𝑗

là biến ngôn ngữ, được biểu diễn dưới dạng số mờ như sau:

𝑥̃_𝑖𝑗= (𝑎_𝑖𝑗, 𝑏_𝑖𝑗, 𝑐_𝑖𝑗) và 𝑤̃_𝑗= (𝑤_𝑗1, 𝑤_𝑗2, 𝑤_𝑗3).

Bước 3: Chuẩn hóa ma trận quyết định Ma trận quyết định được chuẩn hóa như sau:

𝑹̃= [𝑟̃𝑖𝑗]𝑚×𝑛, (5) Trong đó: 𝑖= 1, 2, … , 𝑚, 𝑗 = 1, 2, … , 𝑛

 Đối với tiêu chí lợi ích 𝑟̃𝑖𝑗 = (^𝑎_𝑐^𝑖𝑗

𝑗∗ ,^𝑏_𝑐^𝑖𝑗

𝑗∗ ,^𝑐_𝑐^𝑖𝑗

𝑗∗ ) 𝑐𝑗∗= max𝑖 𝑐𝑖𝑗 (6)

 Đối với tiêu chí chi phí 𝑟̃𝑖𝑗 = (^𝑎_𝑐^𝑗⁻

𝑖𝑗,_𝑏^𝑎^𝑗⁻

𝑖𝑗 ,_𝑎^𝑎^𝑗⁻

𝑖𝑗 ) 𝑎_𝑗⁻= min𝑖 𝑎𝑖𝑗 (7)

Bước 4: Xây dựng ma trận chuẩn hóa có

trọng số

Ma trận chuẩn hóa có trọng số được xây dựng bằng cách nhân ma trận chuẩn hóa

𝑟̃_𝑖𝑗 với

trọng số tiêu chí 𝑤

̃_𝑗

:

𝑽̃= [𝑣̃_𝑖𝑗]_𝑚×𝑛, (8) Trong đó: 𝑣̃𝑖𝑗= 𝑟̃𝑖𝑗 (. ) 𝑤̃𝑗, 𝑖= 1, 2, … , 𝑚, 𝑗 = 1, 2, … , 𝑛

Bước 5: Xác định giải pháp lý tưởng tích cực (FPIS) và tiêu cực (FNIS)

Giải pháp lý tưởng tích cực (𝐴

^∗

)và giải pháp lý tưởng tiêu cực (𝐴

⁻)được tính như sau:

𝐴^∗= (𝑣̃₁^∗, 𝑣̃₂^∗, … , 𝑣̃_𝑛^∗) (9) 𝐴⁻= (𝑣̃1−, 𝑣2−, … , 𝑣̃𝑛−) (10) Trong đó: 𝑣̃_𝑗^∗ = max_𝑖{𝑣_𝑖𝑗3} , 𝑣̃_𝑗⁻ = min_𝑖{𝑣_𝑖𝑗1}, 𝑖= 1, 2, … , 𝑚, 𝑗 = 1, 2, … , 𝑛

Bước 6: Tính khoảng cách từ các lựa chọn đến giải pháp lý tưởng tích cực (FPIS) và giải pháp lý tưởng tiêu cực (FNIS)

Khoảng cách từ mỗi lựa chọn đến giải pháp lý tưởng tích cực (𝑑

_𝑖^∗

) và giải pháp lý tưởng tiêu cực (𝑑

_𝑖⁻) được tính theo công thức sau:

𝑑_𝑖^∗= ∑^𝑛_𝑗=1𝑑𝑣(𝑣̃𝑖𝑗, 𝑣̃_𝑗^∗), 𝑖= 1, 2, … , 𝑚 (11) 𝑑_𝑖⁻= ∑^𝑛_𝑗=1𝑑𝑣(𝑣̃𝑖𝑗, 𝑣̃_𝑗⁻), 𝑖= 1, 2, … , 𝑚 (12) 𝑑_𝑣(𝑎̃, 𝑏̃) là khoảng cách giữa 2 số mờ 𝑎̃ và 𝑏̃:

𝑑_𝑣(𝑎̃, 𝑏̃)

= √1

3[(𝑎1− 𝑏1)²+ (𝑎2− 𝑏2)²+ (𝑎3− 𝑏3)²] (13)

Bước 7: Tính hệ số gần gũi (CC) và xếp hạng các lựa chọn

Hệ số gần gũi 𝐶𝐶

_𝑖

được tính theo công thức:

𝐶𝐶_𝑖=_𝑑^𝑑^𝑖⁻

𝑖−+ 𝑑_𝑖^∗, 𝑖=1, 2, … , 𝑚 (14)

Hệ số gần gũi lớn cho thấy khoảng cách từ đối tượng đến giải pháp lý tưởng tiêu cực lớn, hay đối tượng gần với giải pháp lý tưởng tích cực hơn. Do đó, đối tượng có hệ số gần gũi cao nhất là giải pháp tốt nhất được lựa chọn.

KẾT QUẢ VÀ BÀN LUẬN

Trong nghiên cứu này, Công ty Bia Sài Gòn- Miền Tây được sử dụng làm ví dụ mô tả mô hình đề xuất. Sau khi thiết lập chiến lược quản lý chuỗi cung ứng và các tiêu chí, phiếu câu hỏi được gửi đến 3 chuyên gia tại công ty để tham khảo ý kiến về đánh giá mức độ quan trọng của các tiêu chí (xem Bảng 3), và mức độ của các chiến lược dựa trên các tiêu chí (xem Bảng 4). Biến ngôn ngữ được sử dụng trong quá trình đánh giá.

Bảng 3. Mức độ quan trọng của tiêu chí Chuyên

gia

Tiêu chí

Lợi ích Chi phí Tính khả thi

DM1 H H VH

DM2 M H H

DM3 H H VH

(4)

124

Bảng 4. Đánh giá chiến lược dựa trên tiêu chí

Chiến lược Tiêu chí

Lợi ích Chi phí Tính khả thi

A1 (VG;VG;G) (G;M;VG) (VG;G;VG)

A2 (G;M;G) (G;G;VG) (M;P;P)

A3 (G;G;VG) (G;M;G) (VG;G;G)

A4 (G;G;G) (VG;G;VG) (G;VG;G)

A5 (G;G;G) (G;G;M) (M;P;P)

A6 (G;M;M) (VG;G;G) (VG;VG;G)

A7 (G;G;G) (G;VG;G) (VG;G;VG)

A8 (G;M;VG) (G;G;M) (G;G;M)

A9 (M;G;M) (G;G;G) (VG;G;G)

A10 (G;M;G) (VG;G;G) (G;G;VG)

A11 (G;P;M) (VG;G;G) (G;M;M)

A12 (VG;G;G) (M;M;M) (G;G;G)

A13 (G;G;M) (VG;VG;G) (M;G;G)

A14 (P;P;M) (G;VG;M) (M;M;VG)

A15 (VP;P;P) (M;M;M) (P;P;VP)

A16 (G;G;G) (G;G;M) (G;G;M)

A17 (G;M;M) (VG;G;G) (G;G;VG)

A18 (M;M;M) (G;M;G) (M;G;M)

A19 (G;G;VG) (VG;VG;G) (G;G;G)

Dựa trên công thức (1)-(8), ma trận quyết định, ma trận quyết định chuẩn hóa, ma trận chuẩn hóa có trọng số được hình thành, thể hiện lần lượt ở Bảng 5, Bảng 6 và Bảng 7. Khoảng cách từ các lựa chọn đến các giải pháp lý tưởng được thể hiện ở Bảng 8. Hệ số gần gũi của các lựa chọn được thể hiện ở Bảng 9.

Bảng 5. Ma trận quyết định

A1 (5,00; 8,33; 9,00) (3,00; 7,00; 9,00) (5,00; 8,33; 9,00) A2 (3,00; 6,33; 9,00) (5,00; 7,67; 9,00) (1,00; 3,67; 7,00) A3 (5,00; 7,67; 9,00) (3,00; 6,33; 9,00) (5,00; 7,67; 9,00) A4 (5,00; 7.00; 9,00) (5,00; 8,33; 9,00) (5,00; 7,67; 9,00) A5 (5,00; 7,00; 9,00) (3,00; 6,33; 9,00) (1,00; 3,67; 7,00) A6 (3,00; 5,67; 9,00) (5,00; 7,67; 9,00) (5,00; 8,33; 9,00) A7 (5,00; 7,00; 9,00) (5,00; 7,67; 9,00) (5,00; 8,33; 9,00) A8 (3,00; 7,00; 9,00) (3,00; 6,33; 9,00) (3,00; 6,33; 9,00) A9 (3,00; 5,67; 9,00) (5,00; 7,00; 9,00) (5,00; 7,67; 9,00) A10 (3,00; 6,33; 9,00) (5,00; 7,67; 9,00) (5,00; 7,67; 9,00) A11 (1,00; 5,00; 9,00) (5,00; 7,67; 9,00) (3,00; 5,67; 9,00) A12 (5,00; 7,67; 9,00) (3,00; 5,00; 7,00) (5,00; 7,00; 9,00) A13 (3,00; 6,33; 9,00) (5,00; 8,33; 9,00) (3,00; 6,33; 9,00) A14 (1,00; 3,67; 7,00) (3,00; 7,00; 9,00) (3,00; 6,33; 9,00) A15 (1,00; 2,33; 5,00) (3,00; 5,00; 7,00) (1,00; 2,33; 5,00) A16 (5,00; 7,00; 9,00) (3,00; 6,33; 9,00) (3,00; 6,33; 9,00) A17 (3,00; 5,67; 9,00) (5,00; 7,67; 9,00) (5,00; 7,67; 9,00) A18 (3,00; 5,00; 7,00) (3,00; 6,33; 9,00) (3,00; 5,67; 9,00) A19 (5,00; 7,67; 9,00) (5,00; 8,33; 9,00) (5,00; 7,00; 9,00)

(5)

125

Bảng 6. Ma trận quyết định chuẩn hóa

A1 (0,56; 0,93; 1,00) (0,33; 0,43; 1,00) (0,56; 0,93; 1,00) A2 (0,33; 0,70; 1,00) (0,33; 0,39; 0,60) (0,11; 0,41; 0,78) A3 (0,56; 0,85; 1,00) (0,33; 0,47; 1,00) (0,56; 0,85; 1,00) A4 (0,56; 0,78; 1,00) (0,33; 0,36; 0,60) (0,56; 0,85; 1,00) A5 (0,56; 0,78; 1,00) (0,33; 0,47; 1,00) (0,11; 0,41; 0,78) A6 (0,33; 0,63; 1,00) (0,33; 0,39; 0,60) (0,56; 0,93; 1,00) A7 (0,56; 0,78; 1,00) (0,33; 0,39; 0,60) (0,56; 0,93; 1,00) A8 (0,33; 0,78; 1,00) (0,33; 0,47; 1,00) (0,33; 0,70; 1,00) A9 (0,33; 0,63; 1,00) (0,33; 0,43; 0,60) (0,56; 0,85; 1,00) A10 (0,33; 0,70; 1,00) (0,33; 0,39; 0,60) (0,56; 0,85; 1,00) A11 (0,11; 0,56; 1,00) (0,33; 0,39; 0,60) (0,33; 0,63; 1,00) A12 (0,56; 0,85; 1,00) (0,43; 0,60; 1,00) (0,56; 0,78; 1,00) A13 (0,33; 0,70; 1,00) (0,33; 0,36; 0,60) (0,33; 0,70; 1,00) A14 (0,11; 0,41; 0,78) (0,33; 0,43; 1,00) (0,33; 0,70; 1,00) A15 (0,11; 0,26; 0,56) (0,43; 0,60; 1,00) (0,11; 0,26; 0,56) A16 (0,56; 0,78; 1,00) (0,33; 0,47; 1,00) (0,33; 0,70; 1,00) A17 (0,33; 0,63; 1,00) (0,33; 0,39; 0,60) (0,56; 0,85; 1,00) A18 (0,33; 0,56; 0,78) (0,33; 0,47; 1,00) (0,33; 0,63; 1,00) A19 (0,56; 0,85; 1,00) (0,33; 0,36; 0,60) (0,56; 0,78; 1,00)

Bảng 7. Ma trận chuẩn hóa có trọng số

A1 (1,67; 5,86; 9,00) (1,67; 3,00; 9,00) (2,78; 7,72; 9,00) A2 (1,00; 4,46; 9,00) (1,67; 2,74; 5,40) (0,56; 3,40; 7,00) A3 (1,67; 5,40; 9,00) (1,67; 3,32; 9,00) (2,78; 7,10; 9,00) A4 (1,67; 4,93; 9,00) (1,67; 2,52; 5,40) (2,78; 7,10; 9,00) A5 (1,67; 4,93; 9,00) (1,67; 3,32; 9,00) (0,56; 3,40; 7,00) A6 (1,00; 3,99; 9,00) (1,67; 2,74; 5,40) (2,78; 7,72; 9,00) A7 (1,67; 4,93; 9,00) (1,67; 2,74; 5,40) (2,78; 7,72; 9,00) A8 (1,00; 4,93; 9,00) (1,67; 3,32; 9,00) (1,67; 5,86; 9,00) A9 (1,00; 3,99; 9,00) (1,67; 3,00; 5,40) (2,78; 7,10; 9,00) A10 (1,00; 4,46; 9,00) (1,67; 2,74; 5,40) (2,78; 7,10; 9,00) A11 (0,33; 3,52; 9,00) (1,67; 2,74; 5,40) (1,67; 5,25; 9,00) A12 (1,67; 5,40; 9,00) (2,14; 4,20; 9,00) (2,78; 6,48; 9,00) A13 (1,00; 4,46; 9,00) (1,67; 2,52; 5,40) (1,67; 5,86; 9,00) A14 (0,33; 2,58; 7,00) (1,67; 3,00; 9,00) (1,67; 5,86; 9,00) A15 (0,33; 1,64; 5,00) (2,14; 4,20; 9,00) (0,56; 2,16; 5,00) A16 (1,67; 4,93; 9,00) (1,67; 3,32; 9,00) (1,67; 5,86; 9,00) A17 (1,00; 3,99; 9,00) (1,67; 2,74; 5,40) (2,78; 7,10; 9,00) A18 (1,00; 3,52; 7,00) (1,67; 3,32; 9,00) (1,67; 5,25; 9,00) A19 (1,67; 5,40; 9,00) (1,67; 2,52; 5,40) (2,78; 6,48; 9,00)

(6)

126

Bảng 8. Khoảng cách từ chiến lược đến các giải pháp lý tưởng

Chiến lược

Tiêu chí

D- D* D- D* D- D*

A1 5,99 4,60 4,30 5,47 6,52 3,67

A2 5,56 5,31 2,24 5,94 4,06 5,96

A3 5,85 4,72 4,34 5,36 6,30 3,76

A4 5,72 4,84 2,21 6,02 6,30 3,76

A5 5,72 4,84 4,34 5,36 4,06 5,96

A6 5,45 5,45 2,24 5,94 6,52 3,67

A7 5,72 4,84 2,24 5,94 6,52 3,67

A8 5,68 5,18 4,34 5,36 5,79 4,60

A9 5,45 5,45 2,29 5,85 6,30 3,76

A10 5,56 5,31 2,24 5,94 6,30 3,76

A11 5,33 5,92 2,24 5,94 5,61 4,76

A12 5,85 4,72 4,49 4,83 6,09 3,88

A13 5,56 5,31 2,21 6,02 5,79 4,60

A14 4,06 6,33 4,30 5,47 5,79 4,60

A15 2,80 6,96 4,49 4,83 2,72 6,69

A16 5,72 4,84 4,34 5,36 5,79 4,60

A17 5,45 5,45 2,24 5,94 6,30 3,76

A18 4,29 5,72 4,34 5,36 5,61 4,76

A19 5,85 4,72 2,21 6,02 6,09 3,88

Bảng 9. Hệ số gần gũi của các chiến lược

Chiến lược 𝑪𝑪_𝒊 Chiến lược 𝑪𝑪_𝒊

A1 0,550 A11 0,442

A2 0,408 A12 0,550

A3 0,544 A13 0,460

A4 0,493 A14 0,463

A5 0,466 A15 0,351

A6 0,485 A16 0,517

A7 0,500 A17 0,480

A8 0,511 A18 0,473

A9 0,482 A19 0,492

A10 0,484

Kết quả từ Bảng 9 cho thấy vị trí xếp hạng (mức độ quan trọng) của các chiến lược khi áp dụng tại công ty. Trong đó, giá trị hệ số gần gũi cao nhất là 0,550 (Chiến lược A1_5S và A12_Hệ thống hóa quá trình tuyển dụng).

Điều này nói lên rằng chiến lược 5S và Hệ thống hóa quá trình tuyển dụng là hai chiến lược được đánh giá cao nhất. Thật vậy, khi công ty áp dụng chiến lược 5S, năng suất làm việc được cải thiện đồng thời tạo được một không gian làm việc thoải mái. Bên cạnh đó, hệ thống hóa quá trình tuyển dụng là một phương pháp hiệu quả trong quản lý nhân sự.

Tuyển dụng nghiêm túc là tiền đề xây dựng một đội ngũ nhân viên làm việc hiệu quả.

Kết quả cũng cho thấy chiến lược A15_Mở

rộng công việc theo chiều ngang được đánh

giá thấp nhất. Hay nói cách khác, khi một

nhân viên được phân nhiều công việc thì hiệu

suất làm việc có thể không cao, chất lượng

không đạt được như yêu cầu, đồng thời áp lực

công việc sẽ ảnh hưởng đến tinh thần và thái

độ làm việc của nhân viên. Từ kết quả xếp

hạng này, công ty có thể lựa chọn những

chiến lược phù hợp để áp dụng tại công ty

trong điều kiện hạn chế về tài chính.

(7)

127 KẾT LUẬN

Nghiên cứu này đề xuất và xây dựng được một mô hình hiệu quả để đánh giá các chiến lược quản lý chuỗi cung ứng sử dụng Fuzzy- TOPSIS. Mô hình cung cấp một bức tranh toàn diện giúp công ty xem xét và lựa chọn những chiến lược áp dụng phù hợp nhằm nâng cao hiệu quả hoạt động kinh doanh cũng như hiệu quả quản lý chuỗi cung ứng. Bên cạnh đó, nghiên cứu cũng mở ra một hướng đi mới trong đánh giá chiến lược quản lý chuỗi cung ứng. Tuy nhiên, bên cạnh những đóng góp tích cực, nghiên cứu vẫn còn một số mặt hạn chế. Các chiến lược đề xuất dựa trên những nghiên cứu trước đó và tham khảo ý kiến chuyên gia nên mang vẫn chưa phản ánh được hết hiện trạng, nhu cầu và mong muốn của công ty. Bên cạnh đó, số lượng các chiến lược và tiêu chí đánh giá vẫn còn hạn chế.

Những nghiên cứu tiếp theo có thể phát triển mô hình bằng cách bổ sung một số tiêu chí và chiến lược phù hợp dựa trên tình hình thực tế tại doanh nghiệp.

TÀI LIỆU THAM KHẢO

1. Hwang, C. L., Yoon, K. P. (1981), Multiple attribute decision making: Methods and applications, Springer-Verlag, New York.

2. Chen, C. T. (2000), “Extensions of the TOPSIS for group decision-making under fuzzy environment”, Fuzzy Sets and Systems, 114(1), pp.

1–9.

3. Wang Y. J., Lee, H. S. (2007), “Generalizing TOPSIS for fuzzy multiple-criteria group decision-making”, Computers and Mathematics with Applications, 53(11), pp. 1762–1772.

4. Wang, J. W., Cheng, C. H., Huang, K. C.

(2009), “Fuzzy hierarchical TOPSIS for supplier selection”, Applied Soft Computing, 9(1), pp. 377–

386.

5. Chen, C. T., Lin, C. T., Huang, S. F. (2006), “A fuzzy approach for supplier evaluation and selection in supply chain management”, International Journal of Production Economics, 102(2), pp. 289–301.

6. Bottani, E., Rizzi, A. (2006), “A fuzzy TOPSIS methodology to support outsourcing of logistics services”, Supply Chain Management: An International Journal, 11(4), pp. 294–308.

7. Dalalah, D., Hayajneh, M., Batieha, F. (2011),

“A fuzzy multi-criteria decision making model for supplier selection”, Expert Systems with Applications, 38(7), pp. 8384–8391.

8. Chu, T. C. (2002), “Selecting plant location via a fuzzy TOPSIS approach”, International Journal of Advanced Manufacturing Technology, 20(11), pp. 859–864.

9. Yong, D. (2006), “Plant location selection based on fuzzy TOPSIS”, International Journal of Advanced Manufacturing Technology, 28(7), pp.

839–844.

10. Ertugrul, I. (2011), “Fuzzy group decision making for the selection of facility location”, Group Decision and Negotiation, 20(6), pp. 725–

740.

11. Alimoradi, A., Yussuf, R. M., Zulkifli, N.

(2011), “A hybrid model for remanufacturing facility location problem in a closed-loop supply chain”, International Journal of Sustainable Engineering, 4(1), pp. 16–23.

12. Awasthi, A., Chauhan, S. S., Omrani, H.

(2011), “Application of fuzzy TOPSIS in evaluating sustainable transportation systems”, Expert Systems with Applications, 38(10), pp.

12270–12280.

13. Sun, C. C., Lin, G. T. R. (2009), “Using fuzzy TOPSIS method for evaluating the competitive advantages of shopping websites”, Expert Systems with Applications, 36(9), pp. 11764–11771.

14. Aydogan, E. K. (2011), “Performance measurement model for Turkish aviation firms using the rough-AHP and TOPSIS methods under fuzzy environment”, Expert Systems with Applications, 38(4), pp. 3992–3998.

15. Issam S. J., Wafa, T. A. (2006), “Improvement of organizational efficiency and effectiveness by developing a manufacturing strategy decision support system”, Business Process Management Journal, 12(5), pp. 588-607.

16. Zarei, M., Fakhrzad, M. B., Paghaleh, M. J.

(2011), “Food supply chain leanness using a developed QFD model”, Journal of Food Engineering, 102(1), pp. 25-33.

17. Ayağ, Z., Samanlioglu, F., Büyüközkan, G.

(2013), “A fuzzy QFD approach to determine supply chain management strategies in the dairy industry”, Journal of Intelligent Manufacturing, 24(6), pp. 1111-1122.

18. Chiadamrong, N., Tham, T. T. (2013), “An integrated approach with SEM, Fuzzy-QFD, and MLP for supply chain management strategy development”, International Journal of Logistics Systems and Management, 28(1), pp. 84-125.

(8)

128

ABSTRACT

APPLICATION OF FUZZY-TOPSIS

IN SUPPLY CHAIN MANAGEMENT STRATEGY EVALUATION:

AN EXAMPLE IN SAI GON-MIEN TAY BEER COMPANY

Tran Thi Tham^* College of Engineering Technology - Can Tho University Supply chain management strategy plays an importance role in the business improvement, and calls for serious research attention in recent years. For sellecting proper strategies, business owners need effective methods used to evaluate them. The aim of this study is to propose a methodology to evaluate supply chain management strategies, based on Fuzzy TOPSIS (Technique for Order Preference by Similarity to Ideal Situation). All strategies are evaluated under consideration of three criteria called benefit, cost and feasibility. A case study from the Sai Gon-Mien Tay Beer Company is given to illustrate the proposed methodology. The outcome of the study reveals the ranking order of all alternatives, in which, 5S and Systematic job recruitment process have highest score. From the result, company can select suitable strategies under limited budget.

Keywords: - Fuzzy; TOPSIS; Supply chain management strategy; MCDM; Strategy evaluation

Ngày nhận bài: 25/10/2018; Ngày hoàn thiện: 21/11/2018; Ngày duyệt đăng: 30/11/2018

*Tel: 0942 282824, Email:tttham@ctu.edu.vn