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

<span class='text_page_counter'>(1)</span><div class='page_container' data-page=1>

121

<b>ỨNG DỤNG MƠ HÌNH FUZZY-TOPSIS ĐÁNH GIÁ CHIẾN LƯỢC </b>

<b>QUẢN LÝ CHUỖI CUNG ỨNG: VÍ DỤ ĐIỂN HÌNH </b>

<b>TẠI CƠNG TY BIA SÀI GỊN-MIỀN TÂY </b>

<b>Trần Thị Thắm* </b>
<i>Trường Đại học Cần Thơ </i>

TÓM TẮT

Chiến lược quản lý chuỗi cung ứng đang ngày càng đóng vai trị quan trọng đối với q 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.
<i>Nghiên cứu này đề xuất sử dụng mô hình Fuzzy-TOPSIS (Technique for Order Preference by </i>
<i>Similarity to Ideal Situation) để đánh giá chiến lược quán lý chuỗi cung ứng. Các chiến lược được </i>
xem xét thơng qua ba tiêu chí: lợi ích, chi phí và tính khả thi. Một ví dụ từ cơng ty Bia Sài
Gịn-Miền Tây được sử dụng để mơ tả mơ 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 q 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
<b>hợp trong điều kiện hạn chế về ngân sách. </b>

<i><b>Từ khóa: Hệ số mờ; TOPSIS; Quản lý chuỗi cung ứng; Mơ hình ra quyết định đa tiêu chí, Đánh </b></i>

<i>giá chiến lược. </i>

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, mơ

hình ra quyết định đa tiêu chí được đề xuất sử

dụng. Trong đó, một vài mơ hình phổ biến

được biến đến như mơ hình triển khai chức

năng chất lượng (QFD), mơ hình phân tích

thứ bậc (AHP), mơ hình phân tích mạng

(ANP), mơ 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:}

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, mơ 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 khơng chắc

chắn mà cịn 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 mơ 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.

</div>
<span class='text_page_counter'>(2)</span><div class='page_container' data-page=2>

122

bốn phần. Phần đầu giới thiệu về lĩnh vực

nghiên cứu. Phần hai mô tả phương pháp

nghiên cứu (mơ hình Fuzzy-TOPSIS). Sau đó,

một ví dụ tại Cơng ty Bia Sài Gòn-Miền Tây

được triển khai để minh họa cho mơ 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 mơ hình

Fuzzy-TOPSIS trong đánh giá chiến lược quản lý

chuỗi cung ứng được thực hiện như sau.

<b>Bước 1: Xác định tiêu chí đánh giá và </b>

<b>chiến lược quản lý chuỗi cung ứng </b>

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).

<i><b>Bảng 1. Chiến lược quản lý chuỗi cung ứng </b></i>
<b>Ký hiệu </b> <b>Định nghĩa chiến lược </b>

A1 5S

A2 Just-In-Time (JIT)

A3 Nhận dạng tần số sóng vơ 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 sốt q trình bằng thống kê (SPC)

A8 Bảo trì phịng 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 q 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, mơ 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 cơng ty áp dụng

chiến lược.

Chi phí: chi phí sử dụng để triển khai chiến

lược tại cơng 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.

<i><b>Bảng 2. Biến ngôn ngữ và tổ hợp hệ số mờ </b></i>
<b>Hệ số </b>

<b>mờ </b>

<b>Mức độ đánh giá </b>

<b> tiêu chí </b>

<b>Đánh giá </b>
<b>chiến lược </b>

(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

_𝑖𝑗𝑘

=

(𝑎

_𝑖𝑗𝑘

_{, 𝑏}

𝑖𝑗𝑘

, 𝑐

𝑖𝑗𝑘

) và mức độ đánh giá trọng số tiêu

chí

𝑗 là: 𝑤

̃

_𝑗𝑘

=

(𝑤

_𝑗1𝑘

, 𝑤

_𝑗2𝑘

, 𝑤

_𝑗3𝑘

), 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

mơ tả bằng 𝑥̃

_𝑖𝑗

= (𝑎

_𝑖𝑗

, 𝑏

_𝑖𝑗

, 𝑐

_𝑖𝑗

<b>), trong đó: </b>

𝑎𝑖𝑗 = min𝑘{𝑎𝑖𝑗𝑘}, 𝑏𝑖𝑗 = 1_𝑘∑𝐾𝑘=1 𝑏𝑖𝑗𝑘,

𝑐𝑖𝑗 = max𝑘{𝑐𝑖𝑗𝑘} (1)

Giá trị tổng hợp của 𝑘 chuyên gia về mức độ

đánh giá trọng số tiêu chí

𝑗 được mơ tả bằng

𝑤

̃

_𝑗𝑘

_{= (𝑤}

𝑗1

, 𝑤

𝑗2

, 𝑤

𝑗3

), trong đó:

𝑤𝑗1= min𝑘{𝑤𝑗𝑘1}, 𝑤𝑗2= 1_𝑘∑𝐾𝑘=1 𝑤𝑗𝑘2,

𝑤𝑗3= max𝑘{𝑤𝑗𝑘3} (2)

<b>Bước 2: Xây dựng ma trận quyết định </b>

Ma trận quyết định và tổ hợp trọng số của tiêu

chí được biểu diễn như sau:

</div>
<span class='text_page_counter'>(3)</span><div class='page_container' data-page=3>

123

𝑫̃ =

𝐴1

𝐴_…2

𝐴𝑚

[

𝑥̃11 𝑥̃12

𝑥̃21 𝑥̃22

⋯ 𝑥̃1𝑛

⋯ 𝑥̃2𝑛

… …

𝑥̃𝑚1 𝑥̃𝑚2

𝑥̃𝑖𝑗 …

⋯ 𝑥̃𝑚𝑛

] (3)

𝑾

̃ = (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

𝑤

̃

𝑗

= (𝑤

𝑗1

, 𝑤

𝑗2

, 𝑤

𝑗3

).

<b>Bước 3: Chuẩn hóa ma trận quyết định </b>

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_𝑖𝑗
𝑐_𝑗∗ ,
𝑏_𝑖𝑗
𝑐_𝑗∗ ,

𝑐_𝑖𝑗
𝑐_𝑗∗ ) 𝑐𝑗
∗_{= max}

𝑖 𝑐𝑖𝑗 (6)

 Đối với tiêu chí chi phí
𝑟̃𝑖𝑗 = (
𝑎_𝑗−
𝑐_𝑖𝑗,
𝑎_𝑗−
𝑏_𝑖𝑗 ,
𝑎_𝑗−
𝑎_𝑖𝑗 ) 𝑎𝑗

−_{= min}

𝑖 𝑎𝑖𝑗 (7)

<b>Bước 4: Xây dựng ma trận chuẩn hóa có </b>

<b>trọng số </b>

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

:

𝑽

̃= [𝑣̃_𝑖𝑗]𝑚×𝑛, (8)

Trong đó: 𝑣̃𝑖𝑗= 𝑟̃𝑖𝑗 (. ) 𝑤̃𝑗, 𝑖= 1, 2, … , 𝑚, 𝑗 =

1, 2, … , 𝑛

<b> Bước 5: Xác định giải pháp lý tưởng tích </b>

<b>cực (FPIS) và tiêu cực (FNIS) </b>

Giải pháp lý tưởng tích cực (𝐴

∗

_{)và giải pháp}

lý tưởng tiêu cực (𝐴

−

_{)được tính như sau:}

𝐴∗_{= (𝑣̃}

1∗, 𝑣̃2∗, … , 𝑣̃𝑛∗) (9)

𝐴−_{= (𝑣̃}

1−, 𝑣2−, … , 𝑣̃𝑛−) (10)

Trong đó: 𝑣̃𝑗∗ = max𝑖{𝑣𝑖𝑗3} , 𝑣̃𝑗− = min𝑖{𝑣𝑖𝑗1},

𝑖= 1, 2, … , 𝑚, 𝑗 = 1, 2, … , 𝑛

<b>Bước 6: Tính khoảng cách từ các lựa chọn </b>

<b>đến giải pháp lý tưởng tích cực (FPIS) và </b>

<b>giải pháp lý tưởng tiêu cực (FNIS) </b>

<i><b>Khoảng cách từ mỗi lựa chọn đến giải pháp lý </b></i>

tưởng tích cực (𝑑

_𝑖∗

) và giải pháp lý tưởng tiêu

cực (𝑑

_𝑖−

_{) được tính theo cơng thức sau:}

𝑑𝑖∗= ∑𝑛𝑗=1𝑑𝑣(𝑣̃𝑖𝑗, 𝑣̃𝑗∗), 𝑖= 1, 2, … , 𝑚 (11)

𝑑𝑖−= ∑𝑛𝑗=1𝑑𝑣(𝑣̃𝑖𝑗, 𝑣̃𝑗−), 𝑖= 1, 2, … , 𝑚 (12)

𝑑

_𝑣

(𝑎̃, 𝑏̃) là khoảng cách giữa 2 số mờ 𝑎̃ và 𝑏̃:

𝑑𝑣(𝑎̃, 𝑏̃)

= √1

3[(𝑎1− 𝑏1)2+ (𝑎2− 𝑏2)2+ (𝑎3− 𝑏3)2]

(13)

<b>Bước 7: Tính hệ số gần gũi (</b>

<b>CC) và xếp </b>

<b>hạng các lựa chọn </b>

Hệ số gần gũi 𝐶𝐶

_𝑖

được tính theo cơng thức:

𝐶𝐶𝑖= 𝑑𝑖

−

𝑑_𝑖−+ 𝑑_𝑖∗<i>, 𝑖=1, 2, … , 𝑚 (14) </i>

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, Cơng ty Bia Sài

Gịn-Miền Tây được sử dụng làm ví dụ mơ tả mơ

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.

<i><b>Bảng 3. Mức độ quan trọng của tiêu chí </b></i>
<b>Chuyên </b>

<b>gia </b>

<b>Tiêu chí </b>

<b>Lợi ích Chi phí </b> <b>Tính khả thi </b>

DM1 H H VH

DM2 M H H

</div>
<span class='text_page_counter'>(4)</span><div class='page_container' data-page=4>

124

<i><b>Bảng 4. Đánh giá chiến lược dựa trên tiêu chí</b></i>

<b>Chiến lược </b> <b>_{Lợi ích}</b> <b>Tiêu chí </b>

<b>Chi phí </b> <b>Tính khả thi </b>

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.

<i><b>Bảng 5. Ma trận quyết định </b></i>

<b>Chiến lược </b> <b>_{Lợi ích}</b> <b>Tiêu chí </b>

<b>Chi phí </b> <b>Tính khả thi </b>

</div>
<span class='text_page_counter'>(5)</span><div class='page_container' data-page=5>

125

<i><b>Bảng 6. Ma trận quyết định chuẩn hóa </b></i>

<b>Chiến lược </b> <b>_{Lợi ích}</b> <b>Tiêu chí </b>

<b>Chi phí </b> <b>Tính khả thi </b>

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)

<i><b>Bảng 7. Ma trận chuẩn hóa có trọng số </b></i>

<b>Chiến lược </b> <b>_{Lợi ích}</b> <b>Tiêu chí </b>

<b>Chi phí </b> <b>Tính khả thi </b>

</div>
<span class='text_page_counter'>(6)</span><div class='page_container' data-page=6>

126

<i><b>Bảng 8. Khoảng cách từ chiến lược đến các giải pháp lý tưởng </b></i>

<b>Chiến lược </b>

<b>Tiêu chí </b>

<b>Lợi ích </b> <b>Chi phí </b> <b>Tính khả thi </b>

<b>D- </b> <b>D* </b> <b>D- </b> <b>D* </b> <b>D- </b> <b>D* </b>

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

<i><b>Bảng 9. Hệ số gần gũi của các chiến lược </b></i>

<b>Chiến lược </b> 𝑪𝑪𝒊 <b>Chiến lược </b> 𝑪𝑪𝒊

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 cơng ty. Trong đó, giá trị hệ số

gần gũi cao nhất là 0,550 (Chiến lược A1_5S

và A12_Hệ thống hóa q 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.

</div>
<span class='text_page_counter'>(7)</span><div class='page_container' data-page=7>

127

KẾT LUẬN

Nghiên cứu này đề xuất và xây dựng được

một mơ hình hiệu quả để đánh giá các chiến

lược quản lý chuỗi cung ứng sử dụng

Fuzzy-TOPSIS. Mơ 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 cơng 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

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

2. Chen, C. T. (2000), “Extensions of the TOPSIS
for group decision-making under fuzzy
<i>environment”, Fuzzy Sets and Systems, 114(1), pp. </i>
1–9.

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

4. Wang, J. W., Cheng, C. H., Huang, K. C.
(2009), “Fuzzy hierarchical TOPSIS for supplier
<i>selection”, Applied Soft Computing, 9(1), pp. 377–</i>
386.

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

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

7. Dalalah, D., Hayajneh, M., Batieha, F. (2011),
“A fuzzy multi-criteria decision making model for
supplier selection”, <i>Expert </i> <i>Systems </i> <i>with </i>
<i>Applications, 38(7), pp. 8384–8391. </i>

8. Chu, T. C. (2002), “Selecting plant location via
<i>a fuzzy TOPSIS approach”, International Journal </i>
<i>of Advanced Manufacturing Technology, 20(11), </i>

pp. 859–864.

9. Yong, D. (2006), “Plant location selection
<i>based on fuzzy TOPSIS”, International Journal of </i>
<i>Advanced Manufacturing Technology, 28(7), pp. </i>
839–844.

10. Ertugrul, I. (2011), “Fuzzy group decision
making for the selection of facility location”,
<i>Group Decision and Negotiation, 20(6), pp. 725–</i>
740.

11. Alimoradi, A., Yussuf, R. M., Zulkifli, N.
(2011), “A hybrid model for remanufacturing
facility location problem in a closed-loop
<i>supply chain”, International Journal of </i>
<i>Sustainable Engineering, 4(1), pp. 16–23. </i>

12. Awasthi, A., Chauhan, S. S., Omrani, H.
(2011), “Application of fuzzy TOPSIS in
evaluating sustainable transportation systems”,
<i>Expert Systems with Applications, 38(10), pp. </i>
12270–12280.

13. Sun, C. C., Lin, G. T. R. (2009), “Using fuzzy
TOPSIS method for evaluating the competitive
<i>advantages of shopping websites”, Expert Systems </i>
<i>with Applications, 36(9), pp. 11764–11771. </i>
14. Aydogan, E. K. (2011), “Performance
measurement model for Turkish aviation firms

using the rough-AHP and TOPSIS methods under
fuzzy environment”, <i>Expert </i> <i>Systems </i> <i>with </i>
<i>Applications, 38(4), pp. 3992–3998. </i>

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

16. Zarei, M., Fakhrzad, M. B., Paghaleh, M. J.
(2011), “Food supply chain leanness using a
<i>developed QFD model”, Journal of Food </i>
<i>Engineering, 102(1), pp. 25-33. </i>

17. Ayağ, Z., Samanlioglu, F., Büyüközkan, G.
(2013), “A fuzzy QFD approach to determine
supply chain management strategies in the dairy
<i>industry”, Journal of Intelligent Manufacturing, </i>
24(6), pp. 1111-1122.

</div>
<span class='text_page_counter'>(8)</span><div class='page_container' data-page=8>

128

ABSTRACT

<b>APPLICATION OF FUZZY-TOPSIS </b>

<b>IN SUPPLY CHAIN MANAGEMENT STRATEGY EVALUATION: </b>

<b>AN EXAMPLE IN SAI GON-MIEN TAY BEER COMPANY </b>

<b>Tran Thi Tham* </b>
<i>College of Engineering Technology - Can Tho University </i>

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.

<i><b>Keywords: - Fuzzy; TOPSIS; Supply chain management strategy; MCDM; Strategy evaluation </b></i>

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

</div>

<!--links-->