BÁO cáo bài tập lớn môn QUẢN lý sản XUẤT VAI TRÒ của học máy (ML) TRONG QUẢN lí CHUỖI CUNG ỨNG XANH

Quản lý chuỗi cung ứng xanh GSCM là quản lý chuỗi cung ứng có tích hợp các hoạt động môi trường, cho phép các doanh nghiệp điều chỉnh hoạt động thu mua, sản xuất, phân phối, tiêu thụ v

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

-

BÁO CÁO BÀI TẬP LỚN MÔN: QUẢN LÝ SẢN XUẤT

Giáo viên hướng dẫn: Thầy Đỗ Ngọc Hiền

Lớp L02 Nhóm 8 HK222

MỤC LỤC

Tóm tắt: 2

I GIỚI THIỆU VỀ GSCM 2

1 Thực trạng hiện nay và hoàn cảnh phát triển của GSCM 2

2 Vai trò của thông tin trong SCM 3

II VAI TRÒ CỦA HỌC MÁY (ML) TRONG QUẢN LÍ CHUỖI CUNG ỨNG XANH 4

1 Về AI 4

2 Vai trò AI 4

3 Quá trình thu mua 5

4 Độ phức tạp của sản phẩm 5

III ML VÀ QUẢN LÝ SẢN XUẤT 5

IV LỢI ÍCH CỦA ML TRONG OM VÀ GSCM 7

1 Nhiều cơ hội chia sẻ về quá trình vận chuyển hàng hoá 8

2 Hoạch định lộ trình tốt hơn với phương tiện vận chuyển độc lập 8

3 Lập kế hoạch giao hàng khẩn cấp 8

4 Đưa ra các quyết định phức tạp một cách nhanh chóng 8

5 Tiết kiệm nhiên liệu 9

6 Ít lãng phí hàng hoá hơn 9

V THÁCH THỨC VÀ CƠ HỘI 9

1 Thách thức 9

2 Cơ hội 10

VI KẾT LUẬN VÀ ĐỊNH HƯỚNG TƯƠNG LAI 10

VII THAM KHẢO 11

Mã QR CODE dẫn đến file Bài báo cáo gốc và Bài báo tiếng Việt 12

Tóm tắt:

Việc sử dụng quá mức tài nguyên thiên nhiên, mức độ chất thải cao được tạo ra và việc xử lý các hóa chất độc hại không đúng cách đã dẫn đến tác hại nghiêm trọng đến môi trường mà các tổ chức doanh nghiệp phải gánh chịu Các doanh nghiệp vừa và nhỏ (SMEs) đóng vai trò thiết yếu trong việc giảm tác động đến môi trường toàn cầu, điều vốn đã trở thành một thành phần thậm chí còn quan trọng hơn trong chiến lược của các công ty trong hai thập kỷ qua Một trong những ngành chín muồi nhất có thể

thay đổi để trở nên “xanh hơn” chính là quản lý chuỗi cung ứng Quản lý chuỗi cung ứng xanh

(GSCM) là quản lý chuỗi cung ứng có tích hợp các hoạt động môi trường, cho phép các doanh nghiệp

điều chỉnh hoạt động thu mua, sản xuất, phân phối, tiêu thụ và tái chế tài nguyên để giảm tác động đến

môi trường Và liên quan đến quản lý vận hành (OM), việc phân tích dữ liệu đã trở thành một xu hướng

gia tăng nhanh chóng trong lĩnh vực này Nhiều tài liệu mới về chủ đề này sử dụng các phương pháp

học máy để phân tích cách các tổ chức hoạt động Bài đánh giá này sẽ phân tích vai trò của học máy

trong GSCM và quản lý vận hành

I GIỚI THIỆU VỀ GSCM

1 Thực trạng hiện nay và hoàn cảnh phát triển của GSCM

Nỗi lo sợ trong nhân loại đã tăng lên trong vòng 20 năm vừa qua với số lượng thảm kịch trên toàn thế giới và các nhà khoa học môi trường dự đoán rằng mực nước biển sẽ tăng lên do các núi băng tan chảy Sự nóng lên toàn cầu là kết quả của sự mất cân bằng sinh thái do lạm dụng tài nguyên thiên nhiên,

xử lý nhựa và cao su không đúng cách, sản xuất quá nhiều rác và chất gây hại môi trường nói chung Biến đổi môi trường được đẩy mạnh bởi sự năng động và tăng trưởng của các công ty Các hoạt động kinh doanh toàn cầu có tác động rất lớn đến tự nhiên Ngưỡng môi trường hoặc việc khai thác quá mức tài nguyên môi trường không được xem xét trong các chiến lược truyền thống của các công ty

Trong những năm gần đây, nhận thức về môi trường tăng lên đã làm tăng áp lực lên chính quyền địa phương và chính phủ các quốc gia nhằm phát triển và áp dụng nghiêm ngặt luật bảo vệ môi trường

để ngăn chặn thiệt hại thêm cho môi trường Đây là một trong những lý do chính cho sự tiến bộ của GSCM Các công ty cũng đang bắt đầu liên kết GSCM với các nhiệm vụ quản lý khác như mua sắm, sản xuất, bảo trì và logistics Khái niệm GSCM đã trở nên phổ biến nhờ vào trao đổi thông tin tại các hội nghị quốc tế khác nhau Mối liên hệ quan trọng giữa chương trình GSCM và hiệu quả kinh doanh

được thể hiện ở nghiên cứu thực nghiệm ổn định GSCM là chất xúc tác để biến các doanh nghiệp thành một nền kinh tế công bằng và “xanh” hơn

GSCM là một hệ thống tiên tiến bao gồm phục hồi, khôi phục và xử lý sản phẩm Lưu lượng vòng kín tối ưu hỗ trợ tích hợp theo chiều dọc kết hợp với các nhà cung cấp và người tiêu dùng Do đó, GSCM có thể được sử dụng như một công cụ quan trọng để sử dụng bền vững các nguồn lực trong nền kinh tế tuần hoàn (xem Hình 1) Để nghiên cứu hành vi của các quá trình phức tạp như vậy đòi hỏi một

lý thuyết cụ thể GSCM có thể được coi là một hệ thống thân thiện với môi trường với các hệ thống con

và quy trình

2 Vai trò của thông tin trong SCM

Hiệu quả của chuỗi cung ứng được xác định thông qua chia sẻ thông tin và hợp tác Đổi mới cho các nhà cung cấp ảnh hưởng đến trao đổi thông tin và tốc độ của chuỗi cung ứng Khả năng của các công ty trong việc tăng tầm nhìn, sự nhanh nhẹn, khả năng thích ứng và sự liên kết của chuỗi cung ứng

bị ảnh hưởng nặng nề bởi trao đổi thông tin và liên kết giữa các nguồn lực Trong bối cảnh kinh tế biến động này, việc quản lý thông tin để hỗ trợ các phong trào logistics là một phần quan trọng của thành công Trao đổi thông tin với các nhà cung cấp quản lý môi trường, lợi ích tài chính và môi trường của khách hàng và các đối tác trong chuỗi cung ứng Hệ thống thông tin đóng một vai trò quan trọng trong việc kích hoạt, chuyển đổi và cải thiện các quy trình và hoạt động kinh doanh xanh Một số giải pháp CNTT cơ bản và tiên tiến đang sẵn có cho các công ty trong thời đại công nghiệp 4.0 này để quyết định tốt hơn về thông tin thời gian thực Những công cụ và công nghệ này giúp theo dõi chuỗi cung ứng và thúc đẩy trao đổi thông tin trên toàn phương tiện Việc thu thập và nâng cao khả năng cạnh tranh của

Hình 1 Quản lí chuỗi cung ứng bền vững

chuỗi cung ứng như vậy đóng một vai trò thiết yếu trong các công cụ cơ bản tương tự như các cảm biến, máy ghi dữ liệu, bộ điều khiển quá trình, bảng điều khiển, sơ đồ, thiết bị cầm tay, gói tín hiệu, thang đo

và thiết bị hiệu chuẩn Tích hợp công nghệ trong chuỗi cung ứng theo chiều dọc cải thiện năng lực sản xuất và sản xuất xanh của tổ chức

II VAI TRÒ CỦA HỌC MÁY (ML) TRONG QUẢN LÍ CHUỖI CUNG ỨNG XANH

*Học máy (tiếng Anh: Machine learning) là một lĩnh vực của trí tuệ nhân tạo liên quan đến

việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống "học" tự động từ dữ liệu để giải quyết những vấn đề cụ thể

1 Về AI

Sự cải tiến công nghệ trong vòng nhiều năm gần đây đã ảnh hưởng lớn đến GSCM Kỹ thuật số hóa các quá trình GSCM có ảnh hưởng tích cực đến số lượng lớn ngành trong phạm vi tổ chức, bao gồm kinh doanh, tài chính, nhân sự, marketing, và bán hàng Tận dụng điện thoại thông minh, GPS (Global Positioning System), và xe tải không người lái, robot giá kệ kho đang trở nên phổ biến trong chuỗi cung ứng AI-trí tuệ nhân tạo có thể hỗ trợ thiết kế, kiểm soát và quản lý hệ thống GSCM, bao gồm hệ thống agent-based, thuật toán biến đổi gen và hệ thống chuyên môn

*Mô hình dựa trên tác nhân (tiếng anh: Agent-based system) là một mô hình tính toán để mô phỏng các hành động và tương tác của các tác nhân tự trị nhằm hiểu hành vi của một hệ thống và những gì chi phối kết quả của nó

Việc áp dụng công nghệ AI cũng có thể tạo ra liên kết cùng với các nhà cung ứng xanh và đối tác doanh nghiệp nhằm tăng năng suất hậu cần Các yếu tố công nghệ này đóng góp vào sức bền vững của chuỗi cung ứng Trong lĩnh vực quản lý chuỗi cung ứng, công nghệ trí tuệ nhân tạo bao gồm agent-based, tính di truyền và hệ thống chuyên biệt đang càng phổ biến Trong lập kế hoạch hệ thống, kiểm soát và quản lý, hệ thống AI có thể được sử dụng một cách có phương pháp

2 Vai trò AI

Quản lý chuỗi cung ứng xanh, là một quy trình phức tạp, nếu không lập kế hoạch và quản lý tốt thì

cả hệ thống không thể tạo ra kết quả như mong muốn Thu thập dữ liệu từ mỗi giai đoạn quá trình là cần thiết để có được thông tin then chốt Các công nghệ thông minh cho thu thập dữ liệu có thể được triển khai, và nhiều AI có thể được tận dụng để lập kế hoạch và điều khiển hệ thống dây chuyền bền vững Bất kì sự kết hợp tài liệu hệ thống AI vào quy trình GSCM không là một lỗ hổng trong tài liệu

hiện hành Hơn nữa, cần nghiên cứu thêm để phân tích cơ hội của yêu cầu AI đối với các doanh nghiệp

ô tô và công nghiệp sử dụng GSCM để xử lý thông tin

3 Quá trình thu mua

Chiều hướng GSCM khác nhau vẫn đang được nghiên cứu để mở rộng lý thuyết GSCM Cơ chế đấu thầu mới nhất và các dự án sáng tạo là rất quan trọng Tầm quan trọng của việc mua, giới hạn thời gian, điều kiện mua và mô hình công ty doanh nghiệp là các khía cạnh quan trọng có thể ảnh hưởng đến cấu trúc mua hàng Cơ cấu đấu thầu có những hậu quả duy nhất của GSCM, do đó, cơ chế đấu thầu phải phù hợp với quá trình tiếp cận GSCM là rất cần thiết

4 Độ phức tạp của sản phẩm

Công ty kinh doanh cho rằng sự phức tạp sản phẩm có tác động thuận lợi đến tương tác giữa chuỗi cung ứng thích hợp và hiệu suất sản xuất và tác động đến sự thời gian và marketing của các mặt hàng mới, bởi nó đòi hỏi phán đoán khó khăn và năng lực thay đổi đa dạng

Độ phức tạp sản phẩm bao gồm sự tinh vi sản phẩm liên quan tới sự phức tạp công nghệ; thủ tục chính quy; khả năng sáng tạo của nhà cung ứng để chế tạo bộ phận khác; và khả năng tiếp cận chuyên môn sản xuất

Độ phức tạp của các sản phẩm làm tăng giá thành của sản phẩm xanh và mất nhiều thời gian hơn

để sản xuất Do đó, một chiến lược GSCM thích hợp là cần thiết, dựa trên độ phức tạp sản phẩm và quá trình GSCM cần được chọn lọc thêm để đạt được các mục tiêu bền vững

III ML VÀ QUẢN LÝ SẢN XUẤT

Các phương pháp ML được sử dụng để dạy các thiết bị quản lý một lượng lớn dữ liệu hiệu quả hơn Đôi khi các mẫu hoặc thông tin có thể được trích xuất hoặc hiểu từ lượng dữ liệu khổng lồ bằng các kỹ thuật tiêu chuẩn Rất nhiều bộ dữ liệu có sẵn đã dẫn đến nhu cầu ngày càng tăng đối với các phương pháp ML

Trong một số ngành công nghiệp từ y tế đến quân sự, các phương pháp ML được sử dụng rộng rãi

để khám phá và trích xuất kiến thức và thông tin dữ liệu Các nhà toán học và lập trình viên đã thực hiện một số cuộc điều tra đã dẫn đến việc phát minh ra thuật toán ML khác nhau Một số nghiên cứu đề cập đến lợi ích của công nghệ ML áp dụng trong ước tính nhu cầu và bán hàng, vận chuyển và phân

phối, sản xuất, kiểm soát hàng tồn kho, lựa chọn nhà cung cấp và phân khúc…Bảng 1 cho thấy một số

thuật toán học tập nổi tiếng nhất với mô tả ngắn gọn

Sự quan tâm và đầu tư ngày càng tăng vào công nghệ AI đã thúc đẩy đáng kể mạng lưới cung ứng

Những giải pháp CNTT hiện đại này đã giúp các công ty phát triển dễ dàng hơn Bây giờ, ngay cả trên

các tổ chức và trang web khác nhau, các hoạt động của công ty và chuỗi cung ứng có thể dễ dàng kết

nối Các thiết bị thông minh, điểm bán hàng, ứng dụng di động, công nghệ cảm biến đã cho phép các

doanh nghiệp có được dữ liệu khách hàng, dữ liệu nhân khẩu học, địa lý và hành vi, bắt buộc để phát

triển sản phẩm và dịch vụ theo thời gian thực Công nghệ AI đã tăng năng suất hoạt động thông qua

robot và tự động hóa và cho phép tiếp thị hiểu rõ hơn và dự đoán nhu cầu khách hàng Thế giới của

chuỗi cung ứng ngày càng trở nên thiết yếu bởi vì khách hàng yêu cầu các sản phẩm phù hợp và các

dịch vụ được cá nhân hóa trong thời gian ngắn và thời gian thực hiện ngắn hơn

Bảng 1

Các thuật toán ML thường được sử dụng

Loại học

tập

Học có

giám sát

1 Cây quyết định (DT)

2 Na¨ıve Bayes

3 Vectơ hỗ trợ máy móc

4 K- hàng xóm gần nhất

5 Mạng nơ-ron giám sát

1) DT sử dụng các giá trị liên quan để sắp xếp phẩm chất thành các nhóm có thể được phân loại (Kotsiatis et al., 2005)

2) Na¨ıve Bayes có thể được sử dụng tốt nhất để phân cụm và phân loại đối tượng (Lowd & Domingos, 2005)

3) Máy vectơ hỗ trợ (SVM) hoạt động tốt trên các tính toán lề (Karatzoglou et al., 2006)

4) Người học sử dụng dữ liệu đào tạo trong KNN Khi người học được trình bày dữ liệu thử nghiệm, nó sẽ so sánh cả hai K dữ liệu liên quan nhất của tập huấn luyện được sử dụng (Harrington, 2012) Dữ liệu thử nghiệm hiện đang ở dạng lớp mới K

5) Kết quả đầu ra dự kiến và thực tế sẽ được so sánh bằng cách sử dụng các mạng nơ-ron được giám sát (SNN) và thông số sẽ được thay đổi dựa trên về sai lầm được tìm thấy (Dey, 2016)

Học

không

giám sát

1 Cụm K-means

2 Phân tích thành phần chính

3 Mạng nơ-ron không giám sát

1 Kỹ thuật phân cụm K-means xác định các cụm K dựa trên sự tương tự của các cụm dữ liệu (Shalev- Shwartz và cộng sự, 2011)

2 Phân tích thành phần chính (PCA) làm giảm độ mờ dữ liệu, cho phép tính toán nhanh hơn (, 2012)

3 Dữ liệu được phân loại bằng cách sử dụng các mạng nơ-ron không được giám sát (UNN) Bởi vì kết quả là không chắc chắn, UNN đánh giá mối tương quan giữa đầu vào và loại chúng cho phù hợp (Dey, 2016)

Học bán

giám sát

1.Tự đào tạo 2.Máy vectơ

hỗ trợ chuyển tiếp

1 Phân loại tự đào tạo sử dụng dữ liệu có nhãn trước, sau đó là dữ liệu không có nhãn (Dey, 2016)

2 Máy vectơ hỗ trợ truyền dẫn (TSVM) là một phần mở rộng của SVM phân tích cả dữ liệu được dán nhãn và không được gắn nhãn (Dey, 2016)

Học tập

toàn thể

1.Thúc đẩy

2.Đóng bao

1.Tăng cường liên quan đến hai biến số: người học yếu và người học mạnh Nó làm giảm sự thiên vị và phương sai bằng cách thu hút người học kém và sức mạnh của họ (Zhou, 2009)

2.Đóng bao là một cách tiếp cận khác để cải thiện độ chính xác và

độ ổn định của ML (Lemmens & Croux, 2006)

IV LỢI ÍCH CỦA ML TRONG OM VÀ GSCM

Việc sử dụng AI và các thuật toán mới có thể cải thiện rõ nét sự bền vững và tính hiệu quả của chuỗi cung ứng bằng cách liên kết với các công ty Những công nghệ này có thể được áp dụng để tạo

ra một chuỗi cung ứng thông minh, hiệu quả trong nhiều lĩnh vực cụ thể như: Quản lý tồn kho, hoạch định nhu cầu, vận chuyển

1 Nhiều cơ hội chia sẻ về quá trình vận chuyển hàng hoá

Việc hợp tác trong quá trình vận chuyển cho ta thấy sự chia sẻ kỹ thuật vận chuyển giữa các bên Trường Kinh Doanh Vlerick và trường KU Leuven (Bỉ) đã phát triển một thuật toán giúp các công ty tìm cách trao đổi thông tin vận chuyển

Hệ thống này hoạt động bằng cách ghi lại sự tiếp nhận và loại bỏ dữ liệu GPS từ các công ty vận chuyển Nhờ đó, hệ thống luôn được thông báo về tình hình vận chuyển, tải hàng tồn kho, loại phương tiện vận chuyển và chi phí vận chuyển

Các giải pháp dựa trên AI cho phép công ty chia sẻ thông tin về chuỗi cung ứng với các tổ chức khác, qua đó có thể tăng tốc vận chuyển, tiết kiệm tiền, giảm thiểu ô nhiễm => xanh hóa đáng kể chuỗi cung ứng của họ

2 Hoạch định lộ trình tốt hơn với phương tiện vận chuyển độc lập

Việc thiết lập giao thông vận tải độc lập là một trong những ứng dụng của trí tuệ nhân tạo logistics thường được sử dụng nhất Ô tô không người lái có thể tự phát triển các lộ trình nhờ có các công cụ GPS tiên tiến và đi theo chúng một cách hiệu quả hơn so với những lộ trình do con người tạo ra Những

ví dụ như tàu thuỷ chạy bằng điện và ô tô bán tự hành đã có mặt trên thị trường cho ta thấy tương lai của logistics xanh là rất đáng mong đợi

3 Lập kế hoạch giao hàng khẩn cấp

Một khả năng khác mà AI có thể làm rất tốt đó là tăng tối đa hiệu quả vận chuyển bằng cách xác định những yếu tố cần thiết cho quá trình vận chuyển AI có thể xem xét môi trường vận chuyển như đường thuỷ, đường bộ, để đưa ra các lộ trình giao hàng cân bằng giữa số lượng hàng và nhiên liệu Ngoài ra, AI có thể điều chỉnh độ ưu tiên của nó đối với các biến cụ thể nhờ những tính toán phức tạp nhanh hơn con người rất nhiều

4 Đưa ra các quyết định phức tạp một cách nhanh chóng

Các công ty có thể huấn luyện AI trong chuỗi cung ứng xanh để đưa ra những quyết định tích cực khi gặp vấn đề khó khăn Ví dụ, số lượng hàng hoá chính xác cần vận chuyển cũng như loại phương tiện cần sử dụng có thể được xác định nhờ AI Vì hệ thống dựa trên AI có thể hoạt động trong thời gian thực nên nó có thể thích nghi trong trường hợp có vấn đề nảy sinh nhằm thay đổi kịp thời và giảm thiểu các rủi ro khác có liên quan Các công cụ thông minh cũng có thể phân tích hiệu suất của chuỗi cung ứng và đề xuất các cải tiến Các công ty có thể sử dụng AI để tìm các mối quan hệ lâu dài

5 Tiết kiệm nhiên liệu

Dựa vào kết quả khảo sát năm 2018, hơn 67% công ty áp dụng các giải pháp IoT* công nghiệp ghi nhận đạt được sự bền vững môi trường nhờ tiêu thụ ít nhiên liệu, giải phóng ít khí thải hơn

Iot (viết tắt của Internets of Things) hay Mạng lưới vạn vật kết nối Internet, là một liên mạng

trong đó các thiết bị, phương tiện vận tải (được gọi là "thiết bị kết nối" và "thiết bị thông minh"), phòng

ốc và các trang thiết bị khác được nhúng với các bộ phận điện tử, cảm biến, cùng với khả năng kết nối mạng máy tính giúp cho các thiết bị này có thể thu thập và truyền tải dữ liệu

6 Ít lãng phí hàng hoá hơn

Công nghệ ML cho phép các doanh nghiệp quan sát và ghi nhận tình trạng của hàng hoá trong các container Nếu chúng bị hư hỏng hoặc hết hạn thì sẽ được thay mới ngay kịp thời Bằng cách này, nhu cầu Logistics ngược* sẽ giảm do người tiêu thụ không có nhiều lý do trả hàng

* Logistics ngược: sản phẩm của nhà sản xuất thường di chuyển qua mạng lưới chuỗi cung ứng,

nó sẽ đến tay nhà phân phối hoặc khách hàng Nếu sản phẩm bị lỗi, khách hàng sẽ trả lại sản phẩm Sau đó, công ty sản xuất sẽ phải tổ chức vận chuyển sản phẩm bị lỗi, thử nghiệm sản phẩm, tháo dỡ, sửa chữa, tái chế hoặc xử lý sản phẩm Quá trình đó gọi là Logistic ngược

Pirelli, một trong những nhà sản xuất lốp xe hàng đầu, đã đưa các cảm biến điện tử tự động vào kho của mình để theo dõi các vị trí khí nén, số lượng tồn kho và số lượng hàng hóa mới được đưa vào sản xuất Nhờ đó, Pirelli có thể tránh tình trạng bỏ đi những lốp đạt yêu cầu và giảm lượng khí thải độc

tố ra khí quyển nếu có sự cố khí nén

V THÁCH THỨC VÀ CƠ HỘI

1 Thách thức

Robotics và AI ảnh hưởng đáng kể đến nguồn nhân lực của chuỗi cung ứng… ‘‘Displacement ‘‘

là thuật ngữ được sử dụng bởi Acemoglu & Restrepo (2018) để mô tả cách các công nghệ mới dần dần thay thế công việc Họ lập luận rằng tăng năng suất kinh tế không được duy trì trừ khi hành động dịch chuyển phù hợp với tác động phục hồi (tạo ra các nhiệm vụ lao động mới) Tầng lớp trung lưu giàu có,

ổn định cần thiết cho sự thịnh vượng kinh tế lâu dài Thất nghiệp cao làm giảm tiêu dùng, gây tổn hại cho chuỗi cung ứng sản xuất hàng hóa và dịch vụ cỡ trung bình Vậy, chuỗi cung ứng có thể làm gì khác để tiếp tục hoạt động?