Sử dụng phương pháp tiếp cận chỉ số mờ tích hợp để phân tích các yếu tố tác động đến quyết định thuê ngoài dịch vụ logistics: Nghiên cứu trường hợp chuỗi cung ứng nông sản tại đồng bằng sông Cửu Long

các yếu tố thứ i và thứ j, các công thức theo 
từng bước thực hiện từ phương pháp khử mờ trong nghiên cứu của [40] được sử dụng trong 
nghiên cứu này là: 
Bước 1: Xác định các giá trị L, R, ∆ 
 L = min(lk); R = max(uk); k = 1, 2, 3,n và = R – L (1) 
Bước 2: 
 ; 
 ; 
. (2) 
Bước 3: Tính toán các giá trị chuẩn hóa bên trái và bên phải 
 (3) 
 (4) 
Bước 4: Tính tổng giá trị sắc nét đã chuẩn hóa 
(( 
 ) 
 )
 (5) 
Bước 5: Tính toán giá trị sắc nét cuối cùng ̃ 
 ̃ 
 (6) 
Kết quả tính toán giá trị mờ và giá trị sắc nét về sự độc lập và phụ thuộc của các yếu tố được 
trình bày trong Bảng 10. 
Bảng 10. Giá trị mờ và giá trị sắc nét cuối cùng về sự độc lập và phụ thuộc của các yếu tố 
Yếu tố 
Sự phụ thuộc 
(giá trị mờ) 
Sự phụ thuộc 
(CV) 
Sự độc lập 
(giá trị mờ) 
Sự độc lập 
 (CV) 
C1 (1.25, 1.50, 4.75) 2.0043 (5.25, 7.50, 10.75) 7.5420 
C2 (1.25, 1.50, 4.75) 2.0043 (2.00, 2.50, 5.50) 3.0160 
C3 (2.00, 2.50, 5.75) 3.0502 (4.75, 6.25, 8.50) 6.3830 
C4 (1.00, 1.00, 4.25) 1.4617 (2.50, 4.00, 7.25) 4.4266 
C5 (4.00, 5.50, 8.50) 5.8455 (2.00, 2.50, 5.50) 3.0160 
C6 (6.75, 9.00, 10.75) 8.8142 (1.75, 2.00, 5.00) 2.5136 
C7 (1.25, 1.50, 4.75) 2.0043 (4.00, 5.50, 8.50) 5.8086 
C8 (1.25, 1.50, 4.75) 2.0043 (2.50, 3.25, 6.25) 3.7514 
C9 (2.75, 4.00, 7.25) 4.4778 (3.00, 4.00, 7.00) 4.4584 
C10 (3.00, 4.00, 7.00) 4.4645 (3.00, 3.75, 6.50) 4.2021 
C11 (7.25, 10.00, 12.25) 9.7321 (1.00, 1.00, 4.25) 1.4875 
C12 (3.50, 4.50, 7.25) 4.9097 (3.25, 4.50, 7.75) 4.9497 
C13 (2.25, 3.00, 6.00) 3.4890 (4.50, 6.00, 8.50) 6.1911 
C14 (3.75, 5.25, 8.25) 5.6043 (1.75, 2.00, 5.00) 2.5136 
Sau khi có được giá trị mờ và giá trị sắc nét cuối cùng về sự độc lập và phụ thuộc của các yếu 
tố ảnh hưởng đến mối quan hệ thuê ngoài dịch vụ logistics, một biểu đồ được vẽ giữa CV của sự 
độc lập và sự phụ thuộc của phương pháp phân tích F-MICMAC [41]. 
Bằng cách sử dụng F-MICMAC, các yếu tố được phân loại dựa trên mức độ độc lập và phụ 
thuộc. Biểu đồ Hình 2 được chia thành bốn vùng: (I) vùng tự trị, (II) vùng phụ thuộc, (III) vùng 
liên kết và (IV) vùng độc lập. 
- Các yếu tố thuộc vùng (I) là yếu tố có độ độc lập và phụ thuộc đều thấp. Vùng (I) chứa yếu 
tố C2 và C8. 
- Các yếu tố thuộc vùng (II) là yếu tố có độ độc lập thấp và phụ thuộc mạnh vào các yếu tố 
khác. Vùng (II) bao gồm các yếu tố C5, C6, C11 và C14. 
TNU Journal of Science and Technology 226(08): 335 - 347 
 345 Email: jst@tnu.edu.vn 
- Các yếu tố thuộc vùng (III) là yếu tố vừa phụ thuộc vừa có tầm ảnh hưởng đối với những 
yếu tố khác. Vùng (III) chứa yếu tố C12. 
- Các yếu tố thuộc vùng (IV) là tập hợp yếu tố có ảnh hưởng mạnh đến các yếu tố khác. Vùng 
(IV) bao gồm các yếu tố C1, C3, C4, C7, C9, C10 và C13. 
Kết quả nghiên cứu cho thấy rằng, (C11) Nâng cao năng suất và lợi thế cạnh tranh là yếu tố 
phụ thuộc mạnh mẽ vào các yếu tố khác. Các yếu tố có độ độc lập thấp, độ phụ thuộc cao là 
những yếu tố mà người chủ hàng mong muốn đạt được trong mối quan hệ thuê ngoài dịch vụ 
logistics. (C1) Sự bảo hộ của quản lý cấp cao là yếu tố độc lập có tầm ảnh hưởng lớn đến các yếu 
tố khác. Các yếu tố có mức độ độc lập cao là những yếu tố hỗ trợ giúp đạt được các yếu tố kết 
quả xuất hiện ở đầu phân cấp F - ISM. Do đó, điều quan trọng cần lưu ý là ban quản lý nên đưa ra 
các chiến lược để tăng cường triển khai các biến hỗ trợ để tăng cường năng suất và khả năng cạnh 
tranh trong mối quan hệ thuê ngoài dịch vụ logistics. 
4. Kết luận 
Trong nghiên cứu này, 14 yếu tố tác động đến quyết định thuê ngoài dịch vụ logistics đã được 
xác thực thông qua ý kiến của các chuyên gia đầu ngành trong lĩnh vực logistics. Các yếu tố bao 
gồm: (C1) Sự bảo hộ của quản lý cấp cao, (C2) Mối quan hệ cá nhân, (C3) Cam kết hoặc tin cậy, 
(C4) Văn hóa, (C5) Chuyên môn dịch vụ khách hàng 3PL (Chủ hàng), (C6) Hiệu suất logistics, 
(C7) Tuân thủ hệ thống, (C8) Tiêu chuẩn hóa, (C9) Thời hạn hợp đồng, (C10) Phối hợp/ Hợp tác 
giữa người mua-3PL, (C11) Nâng cao năng suất và lợi thế cạnh tranh, (C12) Đánh giá hiệu suất 
nhà cung cấp, (C13) TQM và JIT của Nhà cung cấp được thêm vào (giá trị đặc biệt được thêm 
vào), (C14) Tài nguyên dành riêng. Thông qua phương pháp tiếp cận chỉ số mờ tích hợp, nhóm 
tác giả đã tiến hành phân tích mối quan hệ và xác định mức độ độc lập và phụ thuộc, đồng thời 
xây dựng hệ thống phân cấp thứ bậc các yếu tố này bằng cách sử dụng phương pháp F- ISM. 
Phương pháp F – MICMAC cũng được áp dụng để phân tích mối quan hệ giữa các yếu tố. Kết 
quả của bài báo này giúp các nhà quản lý của các công ty chế biến nông sản ở Đồng bằng sông 
Cửu Long hiểu được khả năng phát triển LO bền vững. FISM-FMICMAC trong bài báo này cũng 
cung cấp thêm một cái nhìn tổng quan sâu sắc về các yếu tố thúc đẩy mối quan hệ LO bền vững 
bằng cách phát triển và phân loại. 
Giới hạn và phạm vi cho công việc trong tương lai: 
Trong bài báo này, chỉ có mười bốn biến cần xem xét cho việc lựa chọn sử dụng dịch vụ LO. 
Cần thêm nhiều yếu tố hỗ trợ ảnh hưởng đến mối quan hệ LO để phát triển FISM nhằm làm 
phong phú thêm tính năng động phù hợp với các lĩnh vực khác thay vì các mối quan hệ LO, giúp 
nâng cao hiệu quả lựa chọn dịch vụ logitics của doanh nghiệp. Do đó, việc phát triển một mô 
hình chặt chẽ hơn với sự kết hợp của nhiều loại F-ISM khác nhau đã được đề xuất cho các nghiên 
cứu trong tương lai. 
Mặc dù các yếu tố hỗ trợ được xác định từ các tạp chí có uy tín và các chuyên gia trong ngành 
hậu cần và các nhà thực hành thực tế và phương pháp luận FISM-FMICMAC được thiết lập, bản 
chất của nghiên cứu này một phần là các đánh giá chủ quan. Nghiên cứu trong tương lai cần được 
mở rộng để xác định hầu hết các yếu tố thúc đẩy quan trọng trong các ngành khác nhau của các 
lĩnh vực ở Việt Nam bằng nhiều phương pháp luận và cách tiếp cận. 
Lời cám ơn 
Công trình này được tài trợ từ đề tài mang mã số: ĐHFPT/2020/02, Đại học FPT. 
Nghiên cứu sinh Nguyễn Thắng Lợi được tài trợ bởi Tập đoàn Vingroup và hỗ trợ bởi chương 
trình học bổng đào tạo thạc sĩ, tiến sĩ trong nước của Quỹ Đổi mới sáng tạo Vingroup (VINIF), 
Viện Nghiên cứu Dữ liệu lớn (VinBigdata), mã số VINIF.2020.TS.26. 
TÀI LIỆU THAM KHẢO/ REFERENCES 
[1] Ministry of Industry and Trade of Vietnam, Vietnam Logistics report 2021, “Logistics: from planning 
to action”. Industry and trade publisher, Vietnam, Hanoi, 2021. 
TNU Journal of Science and Technology 226(08): 335 - 347 
 346 Email: jst@tnu.edu.vn 
[2] N. Huong and K. Loan, “Logistics in the Mekong Delta: If you want to be durable, you must be 
methodical”, (in Vietnamese), VOV Traffic Channel - Voice of Vietnam Radio, 2019. 
[3] P. Evangelista, R. Mogre, A. Perego, A. Raspagliesi, and E. Sweeney, “A survey-based analysis of it 
adoption and 3PLs” performance,” Supply chain management: an international journal, vol. 17, no. 2, 
pp. 172-186, 2012. 
[4] Bask, “Developing a Framework for Supply Chain Management,” The International Journal of 
Logistics Management, vol. 13, no. 1, pp. 73-88, 2002. 
[5] Cichosz, “Innovation in logistics outsourcing relationship - in the search of customer satisfaction,” 
Logforum, vol. 13, no. 2, pp. 209-219, 2017. 
[6] Huo, "Effect of information sharing and process coordination on logistics outsourcing," Industrial 
Management and Data Systems, vol. 115, no. 1, pp. 41-63, 2015. 
[7] Ireland, Ron and R. Bruce, “CPFR: Only the Beginning of Collaboration,” Supply Chain Management 
Review, vol. 4, no. 4, pp. 80-88, 2020. 
[8] M. M. Queiroza and S. F. Wanba, “Blockchain Adoption Challenges in Supply Chain: An Empirical 
Investigation of The Main Drivers in India and the USA,” Int. J. Inf. Manage, vol. 46, pp. 70-82, 2019. 
[9] Y. Yuan, Z. Chu, F. Lai, and H. Wu, “The impact of transaction attributes on logistics outsourcing success: a 
moderated mediation model,” International journal of production economics, vol. 219, pp. 54-65, 2020. 
[10] Y. Shou, J. Shao, and A. Chen, “Relational Resources and Performance of Chinese Third-Party 
Logistics Providers, The Mdediating Role of Innovation Capability,” International Journal of 
Physitical Distribtuion and Logistics Management, vol. 47, no. 9, pp. 864-883, 2017. 
[11] X. Liu, K. Zhang, B. Chen, J. Zhou, and L. Miao, “Analysis of Logitics Service Supply Chain for the 
One Belt nd One Road Initiative of China,” Transportation Research Part E: Logistics and 
Transportation Review, vol. 117, pp. 23-39, 2018. 
[12] Y. Yuan, F. Bo, F. Lai, and C. J. Brian, “The role of trust, commitment, and learning orientation on 
logistics service effectiveness,” Journal of Business Research, vol. 93, pp. 37-50, 2018. 
[13] H. Gao, J. Yang, H. Yin, and Z. Ma, “The Impact of Partner Simiarity on Alliance Management Capabillity, 
Stability and Performance, Empirical Evidence of Horizontal Logistics Alliance in China,” International 
Journal of Phystical Distribution & Logistics Management, vol. 47, no. 9, pp. 906-926, 2017. 
[14] J. Dai, H. K. Chan, and R. W. Y. Yee, “Examining moderating effect of organizational culture on the 
relationship between market pressure and corporate environment strategy,” Ind. Mark. Manage, vol. 
74, pp. 227-236, 2018. 
[15] S. Schuetz and V. Venkatesh, “Blockchain, adoption, and financial inclusion in India: Research 
opportunities,” International Journal of Information Management, vol. 52, pp. 1-8, 2020. 
[16] R. Dubey, A. Gunasekaran, S. J. Chide, Dd. Roubaud, S. F. Wamba, M. Giannakis, C. Foropon, “Big 
data analytics and organizational culture as complements to swift trust and collaborative performance 
in the humanitarian supply chain,” Int. J. Prod. Econ, vol. 210, pp. 120-136, 2019. 
[17] A. E. Ellinger, D. J. Ketchen, G. Tomas, L. Hult, A. B. Elmada, and R. G. Richey Jr, “Market-
Orientation, Employee Development Practices and Performance,” Industrial Marketing Management, 
vol. 37, no. 4, pp. 353-366, 2008. 
[18] A. Jean-François, O. Lauri, W. Christina, S. Ben, R. Anasuya, D. Karlygash, and K. Tuomas, 
Connecting to compete 2018: Trade logistics in the global economy. The logistics performance index 
and its indicators. New York: World Bank, 2018. 
[19] O. E. Williamson, “Outsourcing: Transaction Cost Economics and Supply Chain Management,” 
Journal of Supply Chain Management, vol. 44, no. 2, pp. 5-16, 2018. 
[20] N. Karia and C. Y. Wong, “The impact of logistics resources on the performance of Malaysian 
logistics service providers,” Production Planning and Control, vol. 24, no. 7, pp. 589-606, 2013. 
[21] R. R. Sinkovics, R. J. B. Jean, A. S. Roath, and S. T. Cavusgil, “Does IT Integration Really Enhance 
Supplier Responsiveness in Global Supply Chains?” Management International Review, vol. 51, no. 2, 
pp. 193-212, 2011. 
[22] S. E. Chang, Y.-C. Chen, and M.-F. Lu, “Supply chain re-engineering using blockchain technology: A 
case of smart contract-based tracking,” Technol. Forecast. Soc.Chang, vol. 144, pp. 1-11, 2019. 
[23] K. B. Manrodt and K. Vitasek, “Global Process Standardization: A Case Study,” Journal of Business 
Logistics, vol. 25, no. 1, pp. 1-23, 2004. 
TNU Journal of Science and Technology 226(08): 335 - 347 
 347 Email: jst@tnu.edu.vn 
[24] G. Marchet, M. Melacini, C. Sassi, and E. Tappia, “Assessing Efficiency and Innovation in the 3PL 
Industry: An Empirical Analysis,” International Journal of Logistics Research and Applications, vol. 
20, no. 1, pp. 53-72, 2016. 
[25] R. Rajesh, S. Pugazhendhi, K. Ganesh, D. Yves, S. C. Lenny Koh, and C. Muralidharan, “Perceptions of 
Service Providers and Customers of Key Success Factors of Third-party Logistics Relationships – An 
Empirical Study,” International Journal of Logistics Research and Applications, vol. 14, no. 4, pp. 
221-250, 2011. 
[26] P. Helo and Y. Hao, “Blockchains in operations and supply chains: A model and reference 
implementation. Comut,” Ind. Eng, vol. 136, pp. 242-251, 2019. 
[27] K. S. Hald and J. Mouritsen, “The evolution of performance measurement systems in a supply chain: 
A longitudinal case study on the role of interorganisational factors,” International Journal of 
Production Economics, vol. 205, pp. 256-271, 2018. 
[28] T. T. H. Duc, T. L. Nguyen, and J. Buddhakulsomsiri, “Buyback contract in a risk-averse supply chain 
with a return policy and price dependent demand,” International Journal of Logistics Systems and 
Management, vol. 30, no. 3, pp. 298-329, 2018. 
[29] J. Angelis and R. da Silva, “Blockchain adoption: A value diver perspective,” Bus. Horiz, vol. 62, no. 
3, pp. 307-314, 2019. 
[30] Montecchi, M., Plangger, K. and Etter, M. (2019), “It”s real, trust me! Establishing supply chain 
provenance using blockchain”, Business Horizons, Vol. 62 No. 3, pp. 283-293. 
[31] R. Krishnan, I. Geyskens, and J. B. E. Steenkamp, “The effectiveness of contractual and trust-based 
governance in strategic alliances under behavioral and environmental uncertainty,” Strategic 
Management Journal, vol. 37, no. 12, pp. 2521-2542, 2016. 
[32] V. K. Ranjith and C. Bijuna, “Outsourcing and Competitive Advantage,” International Journal of 
Research in Commerce and Management, vol. 4, no. 5, pp. 107-111, 2013. 
[33] K. W. Green, R. A. Inman, V. E. Sower, and P. J. Zelbst, “Impact of JIT, TQM and green supply 
chain practices on environmental sustainability,” Journal of Manufacturing Technology Management, 
vol. 30, no. 1, pp. 26-47, 2019. 
[34] M. Brinch, J. Stentoft, J. K. Jensen, and C. Rajkumar, "Practitioners understanding of big data and its 
applications in supply chain management," The International Journal of Logistics Management, vol. 
29, no. 2, pp. 555-574, 2018. 
[35] V. Belvedere and A. Grando, “Sustainable operations and supply chain management”,(Book) John 
Wiley & Sons, 242 pages, ISBN: 978-1-119-28495-6. 2017. 
[36] J. N. Warfield, “Binary matrices in system modeling. IEEE Transactions: System,” Man and 
Cybernetics, vol. SMC-3, no. 5, pp. 441–449, 1973. 
[37] W. Wang, X. Liua, Y. Qin, J. Huang, and Y. Liu, “Assessing contributory factors in potential systemic 
accidents using AcciMap and integrated fuzzy ISM - MICMAC approach,” International Journal of 
Industrial Ergonomics, vol. 68, pp. 311-326, 2018. 
[38] R. J. Li, “Fuzzy method in group decision making,” Computers and Mathematics with Applications, 
vol. 38, no. 1, pp. 91-101, 1999. 
[39] Z. Luo, R. Dubey, T. Papadopoulos, B. Hazen, and D. Roubaud, “Explaining environmental 
sustainability in supply chains using graph theory,” Computational Economics, vol. 52, no. 4, pp. 
1257-1275, 2018. 
[40] S. Opricovic and G. H. Tzeng, “Defuzzification within a multicriteria decision model,” International 
Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, vol. 11, no. 5, pp. 635-652, 2003. 
[41] G. Khatwani, S. P. Singh, A. Trivedi, and A. Chauhan, “Fuzzy-TISM: a fuzzy extension of TISM for group 
decision making,” Global Journal of Flexible Systems Management, vol. 16, no. 1, pp. 97-112, 2015.