Bài toán tối ưu trong ERP: chỉ cần nhúng Multi AI Agent là được sao?

Không phải cứ nhúng AI vào ERP là ERP tự nhiên có được năng lực quản trị mà doanh nghiệp chưa từng xây dựng. Không phải cứ có nhiều AI Agent là có thể giải quyết được những bài toán mà ngay cả nền tảng dữ liệu, phương pháp luận và mô hình nghiệp vụ còn chưa được xác lập.
AI đang được quảng bá với những khả năng ngày càng ấn tượng.
Một trong những ứng dụng được nhắc đến nhiều là nhúng Multi AI Agent vào hệ thống ERP để tự động hoạch định nguồn lực, lập kế hoạch sản xuất, xử lý các điểm nghẽn và xử lý bái toán tối ưu khi tiếp nhận đơn hàng.?
Hãy hình dung một tình huống:
Doanh nghiệp đang vận hành sản xuất, với hàng chục đơn hàng đã được tiếp nhận, lên lịch sản xuất, các kế hoạch sử dụng máy móc thiết bị, vật tư nguyên liệu đang được triển khai-sử dụng, nhân lực đã được bố trí và nhiều cam kết giao hàng có hiệu lực…dòng sản phẩm, bán thành phẩm dưới xưởng sản xuất đang chạy …
Một đơn hàng mới với số lượng, chủng loại sản phẩm, đơn giá và thời hạn giao hàng cụ thể… được cập nhật vào hệ thống ERP.
Khi đó ERP sẽ phải trả lời hai câu hỏi:
- Doanh nghiệp có đủ năng lực để nhận đơn hàng này không? Nếu nhận thì phải tổ chức sản xuất như thế nào, các nguồn lực cần có và có thể sẽ phát sinh vi phạm về nguồn lực thực thi, tất nhiên là ở thì tương lai, khi đơn hàng bắt đầu triển khai sản xuất chứ không phải ở hiện tại!
- Câu hỏi thứ hai, liệu (1) được xử lý để thỏa mãn, nhưng doanh nghiệp có lãi không, lãi bao nhiêu trên một đơn vị sản phẩm? Mức giá nào cần được đàm phán nếu nhận?

Thực ra đây là một bài toán thường xuyên xảy ra, nhất là với loại hình doanh nghiệp MTO và nếu dùng AI thì không phải kiểu hỏi đáp thông thường. Đây là dạng bài toán tổng hợp, liên kết nhiều lĩnh vực của quản trị sản xuất và đó là bài toán kinh tế bao gồm: các hoạch định về nhu cầu vật tư, cân đối năng lực sản xuất, máy móc thiết bị, nguồn nhân lực, thời gian, tài chính …và phải xử lý dựa trên nền tảng hạ tầng quản trị: định mức vật tư kỹ thuật, định mức lao động, thống kê và điều độ sản xuất, quản trị hàng tồn kho, giá thành, quản trị tài chính và thực hiện bài toán tối ưu cùng với bài toán xếp lịch sản xuất với một lô, một lốc các hàm điều kiện ràng buộc từ tăng ca, đưa ra ngoài gia công, vay nợ, đặt hàng vật tư, gia công....
Vậy có thể giải quyết tất cả những vấn đề đó chỉ bằng cách nhúng Multi AI Agent vào ERP? Nếu nghĩ như vậy thì đây đúng là những người có óc khôi hài, rất mộng mơ và lạc quan!
Tôi rất tâm đắc câu nói của một nhà hiền triết người Đức “Khi những điều kiện hoặc tiền đề cần thiết không được đề cập hoặc sử dụng, thì mọi lời giải nếu có chẳng qua chỉ là sự bịp bợm của những kẻ tay mơ dành cho những kẻ tay mơ”.
Chúng ta sẽ đi lý giải vấn về này bằng tư duy toán học, đâu là điều kiện cần và đâu là điều kiện đủ để giải nó!
Điều kiện cần:
I. Đừng bắt đầu từ AI, hãy hỏi rằng nền tảng quản trị của doanh nghiệp đã có chưa
Có một điều tưởng như rất đơn giản nhưng lại thường bị bỏ qua khi nói về AI trong quản trị sản xuất.
Muốn lập kế hoạch sản xuất phải biết sản xuất mặt hàng gì và cơ cấu, chi tiết cấu thành SP, cần những vật tư nguyên liệu gì, định mức tiêu hao, hao phí thời gian lao động tại từng máy, từng khâu, từng công đoạn, đi qua những công đoạn nào, sử dụng nguồn lực và mất bao nhiêu thời gian…
Những thông tin này không tự nhiên xuất hiện trong ERP, chúng phải được xây dựng như một nền tảng hạ tầng của quản trị và chắc rằng có nhúng Multi AI Agent thì nó cũng không thể đẻ ra được như một cơ sở vũng chắc để rồi dùng các thuật toán AI mà xử lý.
1. Định mức vật tư kỹ thuật – nền tảng của BOM và hoạch định nhu cầu nguyên vật liệu
Một sản phẩm được cấu thành từ những nguyên vật liệu, bán thành phẩm và chi tiết nào? Số lượng từng loại cần sử dụng là bao nhiêu? Tỷ lệ hao hụt, phế phẩm và thu hồi được xác định như thế nào?
Đó là những vấn đề thuộc về kỹ thuật sản xuất.
Muốn xây dựng được BOM (Bill of Materials), doanh nghiệp phải có cơ sở từ thiết kế sản phẩm, bản vẽ kỹ thuật, cấu trúc sản phẩm, công thức sản xuất hoặc quy trình công nghệ.
Nhưng cần phân biệt rằng BOM không đồng nhất với định mức tiêu hao vật tư.
BOM mô tả cấu trúc và quan hệ giữa các thành phần của sản phẩm. Còn để tính toán nhu cầu vật tư thực tế dùng cho sản xuất, thì phải xác định định mức tiêu hao, tỷ lệ hao hụt, tỷ lệ thu hồi …theo các điều kiện công nghệ liên quan.
Như vậy định mức tiêu hao vật tư mới là cái đáng bàn chứ không phải cái BOM xây trong ERP!
Từ những dữ liệu đó, hệ thống mới có thể triển khai MRP (Material Requirements Planning) để tính toán nhu cầu vật tư nguyên liệu theo đơn hàng và kế hoạch sản xuất.
Nếu doanh nghiệp không có BOM đáng tin cậy, và không có định mức tiêu hao vật tư, thì lấy cơ sở nào để ERP tính toán chính xác nhu cầu nguyên vật liệu cho mặt hàng mới, đơn hàng mới?
AI có thể hỗ trợ bóc tách BOM từ bản vẽ, phân tích dữ liệu lịch sử và đề xuất định mức theo giá trị trung bình. Nhưng cần phân biệt ba việc:
- Tạo ra một cấu trúc BOM dự kiến.
- Ước lượng tiêu hao vật tư từ dữ liệu lịch sử.
- Và xác lập định mức vật tư kỹ thuật được kiểm chứng trong điều kiện sản xuất thực tế.
Đây là ba cấp độ khác nhau. Nếu doanh nghiệp không có bản vẽ, công thức, quy trình công nghệ, dữ liệu lịch sử đáng tin cậy hoặc các nguồn thông tin kỹ thuật tương đương, AI không thể tự nhiên biết chính xác một sản phẩm cần bao nhiêu nguyên vật liệu.
2. Định mức lao động, thời gian hao phí – nền tảng của hoạch định năng lực sản xuất
Đây mới là một trong những vấn đề phức tạp nhất.
Muốn lập kế hoạch sản xuất thì hệ thống phải xác định được thời gian cần thiết để sản xuất từng chi tiết sản phẩm, trên từng máy, tại từng khâu, từng công đoạn.
Hao phí thời gian lao động và hao phí thời gian gia công trên máy/ dây chuyền… hai loại thời gian này sẽ giúp tính được năng lực của thiết bị và sử dụng nguồn lực lao động.
Không có được định mức thời gian hao phí làm sao tính được thời gian bắt đầu đưa vào sản xuất và thời gian kết thúc sản xuất. Bài toán thời gian trong ERP thực sự là một bài toán nan giải nếu bạn đã từng là tổng công trình sư giải pháp ERP nhất là cho DN sản xuất.
Không có định mức lao động và thời gian gia công đáng tin cậy thì không có cơ sở đáng tin cậy để tính toán nhu cầu giờ công, giờ máy, ca làm việc, tăng ca hay thuê ngoài gia công.
Đây không phải vấn đề của thuật toán AI. Đây là vấn đề của nền tảng quản trị và tổ chức lao động khoa học.
3. Routing và năng lực công đoạn – nền tảng của lập lịch sản xuất
Biết một sản phẩm cần những nguyên vật liệu gì và tiêu hao bao nhiêu vẫn chưa đủ.
Còn phải biết sản phẩm đó được sản xuất theo trình tự công nghệ nào, đi qua những khâu nào, công đoạn nào, công đoạn nào có thể thực hiện song song, công đoạn nào bắt buộc phải hoàn thành trước và thậm chí có cả quy trình vòng lặp! Đó chính là Routing – định tuyến, quy trình sản xuất.
Một quy trình công nghệ phải chỉ ra: Máy móc hoặc nhóm máy có khả năng thực hiện; Thời gian hao phí; Thời gian chuẩn bị và chuyển đổi; Các điều kiện kỹ thuật công nghệ; Sản xuất lấp lẫn thay thế; Đường đi của chi tiết bán thành phẩm…
Năng lực sản xuất từng khâu, công đoạn không đơn giản là tổng số máy nhân với số giờ hoạt động, hoặc tổng số lao động nhân với số giờ làm việc. Nó là một hệ thống năng lực có quan hệ phụ thuộc và những điều kiện ràng buộc. Không có Routing chi tiết, thiếu dữ liệu năng lực … việc lập lịch sản xuất chỉ có thể dừng ở mức ước lượng tổng hợp và chắc chắn có Multi AI Agent cũng không làm gì được.
II. Bài toán đồng bộ - để có thể lập lịch sản xuất
Đây là điểm cần đặc biệt nhấn mạnh.
Một doanh nghiệp đang sản xuất không phải là một hệ thống trống chờ đơn hàng mới. Khi đơn hàng mới xuất hiện, hệ thống phải Reset lại kế hoạch mới, toàn bộ nguồn lực phải tính toán lại với một hiện trạng mới.
Như vậy hệ thống phải có điều độ sản xuất, có hệ thống thống kê ghi nhận tại thời gian thực chi tiết các sản phẩm đã sản xuất, số lượng, các đơn hàng triển khai đang ở tình trạng nào… Vì vậy, bài toán không phải là kiểm tra xem doanh nghiệp còn bao nhiêu máy, bao nhiêu người hay bao nhiêu nguyên vật liệu một cách đơn giản, bởi vì đó là hệ thống động.
Bài toán thực sự là: Đưa đơn hàng mới vào một hệ thống sản xuất đang vận hành, trong đó các nguồn lực đã được phân bổ, các công đoạn có quan hệ phụ thuộc và nhiều cam kết giao hàng đang tồn tại.
Như vậy xuất hiện các vấn đề phải giải quyết:
- Đồng bộ giữa các chi tiết, cụm chi tiết cho sản phẩm hoàn chỉnh. Để hiểu vấn đề này các bạn cần đọc thêm bài toán đồng bộ mà tôi đã có dịp giới thiệu tại đây.
- Đồng bộ giữa đơn hàng và kế hoạch sản xuất để đảm bảo thời gian giao hàng.
- Đồng bộ và đảm bảo đủ, đúng chủng loại vật tư nguyên liệu và mức độ sản sàng cho sản xuất
- Đồng bộ giữa máy móc và nhân lực
- Đồng bộ giữa các công đoạn về năng lực và dòng chờ bán thành phẩm
- Đồng bộ giữa sản xuất và năng lực tài chính cho sản xuất
- …

Đến đây nếu đáp ứng tốt thì các điều kiện cần tương đối ổn, và tiến hành thực hiện điều kiện đủ cho bài toán.
III. Bài toán tối ưu: không phải cứ có thuật toán là có lời giải đúng
Sau khi có dữ liệu và mô hình nghiệp vụ, chúng ta mới thực sự bước vào bài toán tối ưu hóa.
Đây là nơi cần phân biệt rõ giữa khả năng tính toán của máy tính và tính đúng đắn của mô hình toán.
1. Bài toán tối ưu hóa trong sản xuất
Hàm mục tiêu: Doanh nghiệp muốn tối ưu điều gì và đặt ưu tiên các hàm mục tiêu.
- Tối đa hóa lợi nhuận.
- Tối đa sản lượng và hiệu suất hoạt động.
- Tối thiểu hóa chi phí.
- Tối thiểu hóa thời gian hoàn thành.
- Tối đa hóa số đơn hàng giao đúng hạn.
- Tối thiểu hóa thời gian chờ và tồn bán thành phẩm.
Các điều kiện ràng buộc: Những giới hạn mà phương án phải tuân thủ.
- Năng lực máy móc.
- Năng lực lao động.
- Vật tư khả dụng.
- Trình tự công nghệ.
- Thời gian gia công.
- Lịch bảo trì.
- Hạn giao hàng.
- Điều kiện tài chính.
- Các yêu cầu chất lượng và an toàn.
- Giới hạn tăng ca...
Tuy nhiên cần lưu ý, thuật toán chỉ tìm lời giải cho mô hình đã được thiết lập. Nó không tự chứng minh rằng mô hình đó phản ánh đúng thực tế của sản xuất. Như vậy trong thực tế bài toán phức tạp hơn nhiều trong lý thuyết xử lý bài toán tối ưu.
Nếu các tham số sai, chẳng hạn thời gian gia công sai, xác định năng lực máy sai, BOM thiếu chi tiết, hoặc điều kiện công nghệ không hiện thực, các tham số sản xuất sai…hay thậm chí gán các hàm ràng buộc sai thì thuật toán có thể tìm ra một phương án tối ưu đúng về mặt toán học nhưng không hiện thực, nghĩa là bài toán đi giải quyết tối ưu trên nền tham số/điều kiện sai thì cho ra kết quả rất sai.
Đó là sự khác biệt giữa tối ưu hóa trên mô hình và tối ưu hóa hệ thống thực tế.
2. Các lưu ý với bài toán tối ưu trong thực tế.
2.1. Tối ưu cục bộ không đồng nghĩa với tối ưu toàn cục
Giả sử doanh nghiệp muốn tăng sản lượng tại công đoạn cắt phôi.
Nếu chỉ tối ưu công đoạn này, có thể tăng tốc độ máy, tăng ca hoặc bổ sung thiết bị.
Nhưng nếu công đoạn gia công tiếp theo không đủ năng lực tiếp nhận, lượng bán thành phẩm tồn giữa hai công đoạn sẽ tăng lên.
Kết quả là công đoạn cắt phôi có năng suất cao hơn nhưng toàn bộ nhà máy không tăng được sản lượng tương ứng.
2.2. Nhiều mục tiêu có thể xung đột nhau
Chẳng hạn doanh nghiệp không thể muốn đồng thời: Giao hàng đúng hạn, Giảm chi phí sản xuất; Giảm tồn kho; nhưng Không tăng ca trong khi năng lực vi phạm, lại không thuê ngoài; Tối đa hóa lợi nhuận.
Nhưng các mục tiêu này không phải lúc nào cũng có thể đạt được đồng thời.
Do đó, phải xác định thứ tự ưu tiên, trọng số hoặc các mục tiêu tối ưu theo từng giai đoạn.
IV. Bài toán giá thành: Nhận được đơn hàng chưa có nghĩa là nhận được lợi nhuận.
Đây là vấn đề thứ hai mà doanh nghiệp phải giải quyết. Giả sử khách hàng đưa ra giá 100.000 đồng/sản phẩm. Doanh nghiệp cần biết với giá này có nên nhận đơn hàng không, lợi nhuận thực tế là bao nhiêu và cần đàm phán ở mức nào.
Muốn trả lời, phải có hệ thống dữ liệu và phương pháp tính giá thành đáng tin cậy.
1. Chi phí nguyên vật liệu trực tiếp – 621
Muốn tính chi phí nguyên vật liệu trực tiếp, phải có: Cấu trúc sản phẩm, Định mức tiêu hao vật tư (Chứ không phải là BOM), đơn giá nguyên vật liệu; Tỷ lệ hao hụt, Tỷ lệ phế phẩm và thu hồi, sả lương thực tế sản xuất.
Nếu định mức vật tư không chính xác, chi phí nguyên vật liệu trực tiếp tính ra sẽ sai lệch.
2. Chi phí nhân công trực tiếp – 622
Muốn tính chi phí nhân công trực tiếp, phải có: Định mức lao động; Đơn giá tiền lương; các khoản chi phí nhân công liên quan.
Nếu thời gian lao động được xác định không đúng hoặc định mức không phản ánh điều kiện sản xuất, chi phí nhân công tính ra cũng không đáng tin cậy.
3. Chi phí sản xuất chung – 627
Đây là khoản mục có nhiều vấn đề về phương pháp phân bổ.
Chi phí sản xuất chung có thể bao gồm: Khấu hao máy móc thiết bị; Điện năng và năng lượng; Bảo trì, sửa chữa; Nhân viên quản lý phân xưởng; Công cụ dụng cụ; Chi phí phục vụ sản xuất; Các khoản chi phí chung khác.
Muốn phân bổ hợp lý, phải lựa chọn tiêu thức phù hợp với nguyên nhân phát sinh chi phí.
Không thể tùy tiện dùng một tỷ lệ phân bổ chung cho tất cả các sản phẩm rồi mặc nhiên coi đó là giá thành chính xác.
Tất nhiên đây chỉ mới là giá thành kế hoạch nhưng là giá thành công xưởng. Do đó để trả lời được câu hỏi giá bán như thế nào còn phải có chi phí bán hàng và chi phí quản lý doanh nghiệp.
V. AI có thể làm gì trong toàn bộ chuỗi bài toán này?
Đến đây, chúng ta mới nên bàn đến Multi AI Agent.
Không có lý do gì để phủ nhận năng lực của AI. Ngược lại, AI có thể tạo ra những thay đổi rất lớn trong việc khai thác dữ liệu, phối hợp nghiệp vụ và hỗ trợ ra quyết định.
Một kiến trúc Multi-Agent có thể phân chia các vai trò:
- Agent tiếp nhận và phân tích đơn hàng.
- Agent kiểm tra BOM và nhu cầu vật tư.
- Agent phân tích năng lực máy móc.
- Agent phân tích nhân lực.
- Agent lập lịch sản xuất.
- Agent phân tích giá thành.
- Agent đánh giá hiệu quả kinh tế.
- Agent tổng hợp phương án và đề xuất quyết định.
Nhưng cần hiểu đúng bản chất: Multi-Agent là kiến trúc phối hợp các tác nhân AI, không phải bản thân một thuật toán tối ưu hóa. Muốn thực hiện được công việc, các Agent phải truy cập dữ liệu, sử dụng những mô hình nghiệp vụ đã được xây dựng và gọi đến các công cụ tính toán phù hợp.
Ví dụ:
- MRP để hoạch định nhu cầu nguyên vật liệu.
- APS để hoạch định và lập lịch sản xuất.
- Finite Capacity Scheduling để lập lịch theo năng lực hữu hạn.
- MILP, Constraint Programming hoặc các thuật toán heuristic để giải các bài toán tối ưu.
- Các mô hình phân bổ giá trị trong kế toán quản trị để tính giá thành và phân tích kinh tế.
AI có thể giúp lựa chọn, xây dựng, điều phối và giải thích kết quả của các công cụ đó.
Nhưng nếu dữ liệu đầu vào, hạ tầng quản trị thiếu hoặc sai, mô hình nghiệp vụ sai hoặc điều kiện ràng buộc bị bỏ sót, thì việc phối hợp nhiều Agent cũng không làm cho kết quả tự nhiên trở nên chính xác, thậm chí không thực hiện được.
VI. Điều kiện cần và đủ: không thể đánh đồng mọi doanh nghiệp, mọi sản phẩm.
Một vấn đề khác cũng cần được đặt ra: Liệu mọi loại hình doanh nghiệp, mọi sản phẩm đều có thể được giải quyết bằng cùng một kiến trúc Multi-Agent và cùng một mô hình tối ưu hóa?
Câu trả lời là không.
Bản chất công nghệ sản xuất của các ngành rất khác nhau.
- Mô hình MTS (Make To Stock) hay MTO (Make To Oder)
- Loại hình và quy mô sản xuất hàng loạt hay đơn chiếc
- Sản suất theo chuyền, tự động hóa hay thủ công
- Kiểu của quy trình công nghệ sản xuất (phân rã, tích hợp, đường thẳng, hỗn hợp)
Cùng là bài toán nhận đơn hàng nhưng các mô hình dữ liệu, biến quyết định, hàm mục tiêu và điều kiện ràng buộc có thể rất khác nhau.
Do đó, phải phân biệt ba trạng thái của doanh nghiệp:
Trạng thái 1: Đã có nền tảng quản trị kỹ thuật và dữ liệu tương đối hoàn chỉnh.
Có BOM, định mức, Routing, dữ liệu năng lực, dữ liệu chi phí và lịch sử sản xuất.
Đây là nhóm có điều kiện thuận lợi hơn để triển khai các giải pháp hoạch định và tối ưu hóa nâng cao.
Trạng thái 2: Có dữ liệu nhưng chưa chuẩn hóa.
Có bản vẽ, phiếu xuất vật tư, dữ liệu sản xuất, dữ liệu kế toán nhưng chưa có hệ thống định mức đáng tin cậy hoặc dữ liệu còn phân tán.
AI có thể hỗ trợ khai phá dữ liệu, đề xuất định mức, chuẩn hóa và kiểm chứng từng bước.
Tuy nhiên, chưa nên mặc nhiên giao cho hệ thống quyền tự động quyết định các vấn đề quan trọng.
Trạng thái 3: Thiếu cả hạ tầng quản trị kỹ thuật lẫn dữ liệu lịch sử.
Chưa có BOM đáng tin cậy, chưa có định mức vật tư, chưa có định mức lao động, chưa chuẩn hóa quy trình công nghệ và dữ liệu sản xuất.
Nhóm này phải thực hiện công tác khảo sát, nghiên cứu kỹ thuật, xây dựng định mức và chuẩn hóa dữ liệu trước khi có thể triển khai tối ưu hóa đáng tin cậy.
Đáng lưu ý, AI vẫn có thể hỗ trợ quá trình xây dựng nền tảng ở trạng thái 2 và 3. Nhưng đó là một dự án xây dựng hạ tầng quản trị, không phải chỉ là một thao tác nhúng AI vào ERP.
*Điều kiện đủ không thể được tuyên bố chung chung. Nó chỉ có thể được xác định sau khi phạm vi bài toán, mức độ chính xác yêu cầu, dữ liệu, mô hình và các điều kiện ràng buộc đã được xác định và kiểm chứng.
*
VII. Những câu hỏi cần được trả lời trước khi tuyên bố AI có thể giải quyết bài toán tối ưu toàn bộ nguồn lực sản xuất.
Nếu một giải pháp Multi AI Agent được quảng bá có khả năng giải quyết toàn diện bài toán nhận đơn hàng và tối ưu hóa sản xuất, theo tôi, cần làm rõ ít nhất những vấn đề sau:
1. Về nền tảng hạ tầng:
a. Hệ thống xây dựng BOM trên cơ sở dữ liệu và phương pháp nào?
b. Định mức vật tư được xác lập, kiểm chứng và cập nhật ra sao?
c. Định mức lao động và thời gian gia công từng chi tiết, từng máy, từng khâu, từng công đoạn đã được xác định như thế nào, có khoa học không, đủ độ tin cậy không?
d. Routing và năng lực công nghệ của từng công đoạn được mô hình hóa ra sao? Tổng quát hóa và chi tiết hóa được không?
2. Giải quyết bài toán đồng bộ và hoạch định:
a. Hệ thống có đồng bộ được đơn hàng mới với toàn bộ đơn hàng hiện hữu không?
b. Có phân bổ nguồn lực theo năng lực hữu hạn hay chỉ cân đối công suất tổng hợp?
c. Có mô hình hóa được quan hệ phụ thuộc giữa vật tư, máy móc, nhân lực và các công đoạn không?
d. Có đánh giá được chi phí và ảnh hưởng của việc tăng ca, thuê ngoài, thay đổi lịch sản xuất và mua thêm thiết bị không?
3. Về tối ưu hóa và hiệu quả kinh tế:
a. Sử dụng mô hình và thuật toán tối ưu hóa nào?
b. Hàm mục tiêu được xác định như thế nào khi các mục tiêu giao hàng, chi phí và lợi nhuận xung đột?
c. Giá thành được tính trên cơ sở nào? Có phân biệt chi phí đầy đủ, chi phí tăng thêm và chi phí cơ hội không?
d. Hệ thống có thể đưa ra giá bán tối thiểu, lợi nhuận dự kiến và phương án đàm phán theo từng kịch bản sản xuất không?
4. Về kiểm chứng:
a. Làm thế nào chứng minh phương án tối ưu có thể thực hiện được trong điều kiện sản xuất thực tế?
b. Khi năng lực máy, thời gian gia công, vật tư hoặc tiến độ thay đổi, hệ thống cập nhật và tái tối ưu như thế nào? Đây mới là vấn đề đáng quan tâm.
c. Kết quả được đối chiếu với thực tế sản xuất và hiệu quả kinh tế ra sao?
Đây không phải những câu hỏi nhằm phủ nhận công nghệ AI. Ngược lại, đây là những yêu cầu tối thiểu để đánh giá một giải pháp có thực sự giải quyết được bài toán quản trị sản xuất hay chỉ dừng lại ở khả năng trình diễn công nghệ.
VIII. KẾT LUẬN: AI không thể thay thế những điều kiện tiền đề cấu thánh bài toán.
Từ toàn bộ những phân tích trên, có thể thấy rằng bài toán nhận đơn hàng, hoạch định nguồn lực, lập lịch sản xuất và tối ưu hóa lợi nhuận là một hệ thống bài toán liên kết chặt chẽ với nhau.
Muốn giải quyết được nó, phải có:
- Nền tảng quản trị kỹ thuật và hệ thống định mức khoa học và đáng tin cậy.
- Hệ thống dữ liệu đầy đủ, đồng bộ và đáng tin cậy.
- Mô hình nghiệp vụ phản ánh đúng bản chất hoạt động sản xuất.
- Các thuật toán tính toán và tối ưu hóa phù hợp.
- Phương pháp tính giá thành và đánh giá hiệu quả kinh tế.
- Cơ chế kiểm chứng và kiểm soát kết quả trong thực tế.
AI có thể hỗ trợ rất mạnh trong tất cả những công việc này. AI có thể khai phá dữ liệu, hỗ trợ xây dựng định mức, phân tích bất thường, mô phỏng kịch bản, điều phối các công cụ tính toán và hỗ trợ ra quyết định.
Nhưng không thể đánh đồng khả năng tạo ra một phương án với khả năng bảo đảm phương án đó đúng.
Không thể đánh đồng việc có một BOM với việc có một định mức vật tư kỹ thuật đáng tin cậy.
Không thể đánh đồng tổng số giờ máy với năng lực sản xuất thực tế.
Không thể đánh đồng số lượng lao động với năng lực lao động khả dụng.
Không thể đánh đồng việc tính được giá thành với việc xác định được hiệu quả kinh tế của quyết định nhận đơn hàng.
Và càng không thể đánh đồng một lời giải tối ưu về mặt toán học với một phương án có thể thực hiện và mang lại hiệu quả trong nhà máy.
Công nghệ AI có thể làm thay đổi cách chúng ta giải quyết bài toán, nhưng không thể làm thay đổi những quy luật kinh tế, kỹ thuật và các điều kiện ràng buộc vốn cấu thành nên bài toán đó.
Tôi muốn kết thúc bằng một nguyên tắc mà theo tôi, cần được đặt ra khi đánh giá bất kỳ giải pháp AI nào trong lĩnh vực quản trị và điều hành doanh nghiệp:
"Khi những điều kiện hoặc tiền đề cần thiết không được đề cập hoặc sử dụng, thì mọi lời giải nếu có cũng chỉ là lời giải trên một bài toán chưa được xác lập đầy đủ; và mọi kết quả được trình bày như thể đã giải quyết được vấn đề thực tế đều cần được kiểm chứng nghiêm túc."
Nói cách khác:
Không phải cứ nhúng AI vào ERP là ERP tự nhiên có được năng lực quản trị mà doanh nghiệp chưa từng xây dựng. Không phải cứ có nhiều AI Agent là có thể giải quyết được những bài toán mà ngay cả nền tảng dữ liệu, phương pháp luận và mô hình nghiệp vụ còn chưa được xác lập.
AI có thể rất thông minh. Nhưng thông minh không đồng nghĩa với toàn năng.
Và trong quản trị doanh nghiệp, điều quyết định không phải là hệ thống nói được những gì, mà là những gì nó tính toán có đúng, phương án nó đề xuất có khả thi và quyết định nó hỗ trợ có thực sự tạo ra hiệu quả kinh tế hay không.
Tìm hiểu The Platform C3P. Videos hướng dẫn sử dụng The platform C3P
💡 #Luong3P #XayDungHeThongLuong3P #QuanTriNhanSu #BSC_KPI #ThePlatformC3P
#ERP #MultiAIAgent #AI #QuanTriDoanhNghiep #ChuyenDoiSo
Liên hệ "Đăng ký Demo/dùng thử" nền tảng The Platform C3P
Đăng ký các khóa học Lương 3P; Xây dựng BSC-KPI; Định mức-Đơn giá
Tác giả
Phạm Quang Phước
Chuyên gia kinh tế, Tư vấn viên độc lập, Giảng viên các khóa Lương 3P, Định mức, BSC-KPI...; kiến trúc sư hệ thống, nhà sáng tạo và chủ sở hữu The Platform C3P.
Chú dẫn: Bài viết đã được chia sẻ rộng rãi tại các cộng đồng facebook.
