ScrapBike - mô hình lập lịch tối ưu trong lĩnh vực thu gom phế liệu

Nhóm: Nhóm nghiên cứu ScrapBike - Khoa Công nghệ thông tin - trường Đại học Công Thương TP HCM

Lĩnh vực Môi trường

Lượt bình chọn:

Bình chọn

Chia sẻ:

Copy link thành công

Giới thiệu sản phẩm:

Hệ thống quản lý thu gom phế liệu dựa trên AI mang lại giá trị thiết thực cho xã hội bằng cách tối ưu hoá quy trình và cải thiện hiệu quả quản lý chất thải.

- Giảm thiểu tác động môi trường: Việc tối ưu hóa tuyến thu gom giảm thiểu khí thải do phương tiện vận chuyển gây ra, giúp bảo vệ sinh môi trường tại đô thị và nông thôn.

- Nâng cao hiệu quả quản lý tài nguyên: Bằng việc phân loại và tối ưu hoá quy trình thu gom, nguồn tài nguyên phế liệu có thể được sử dụng hiệu quả hơn, giảm lãng phí.

- Hỗ trợ phát triển vùng khó khăn: Việc tối ưu hoá hoạt động thu gom giúp hạn chế việc chất thải tự phát sinh ở những khu vực chưa có quy trình xử lý hiện đại, giúp nâng cao chất lượng sống cho người dân.

- Thúc đẩy kinh tế tuàn hoàn: Hệ thống quản lý hiện đại giúp kích thích hoạt động tái chế, giá trị kinh tế từ chất thải tăng cao, đem lại thu nhập cho người lao động trong ngành tái chế và quản lý rác thải.

Xuất xứ sản phẩm:

Nhóm nghiên cứu là sinh viên và giảng viên thuộc khoa Công nghệ thông tin trường Đại học Công Thương TP.HCM

Tính sáng tạo và đổi mới:

Dưới đây là các nội dung về tính sáng tạo và công nghệ của sản phẩm:

- Nghiên cứu các công cụ và công nghệ mới cho việc phát triển hệ thống phần mềm đa nền tảng gồm website và ứng dụng di động.

- Nghiên cứu các quy trình nghiệp vụ, nhu cầu chuyển đổi số và tin học hóa các vấn đề liên quan thu mua và cung cấp phế liệu tái chế tại một doanh nghiệp ở Việt Nam.

- Nghiên cứu việc xây dựng một Chatbot tích hợp AI hỗ trợ tư vấn khách hàng liên quan thu mua, cung cấp phế liệu tái chế.

- Nghiên cứu xây dựng phương pháp lập lịch đều phối việc thu mua phế liệu để tối ưu chi phí.

- Phát triển phần mềm đa nền tảng có ứng dụng AI cho hệ thống thu mua và cung cấp phế liệu tái chế.

Tính ứng dụng:

Bài toán tối ưu lộ trình thu gom phế liệu bằng cách kết hợp mô hình học không giám sát trên GNN và thuật toán tìm kiếm địa phương không chỉ giải quyết một vấn đề mang tính kỹ thuật mà còn có tiềm năng ứng dụng thực tế cao trong lĩnh vực quản lý chuỗi cung ứng và logistics. Đặc biệt, trong bối cảnh nền kinh tế tuần hoàn đang ngày càng phát triển, việc tối ưu hóa thu gom phế liệu giúp nâng cao hiệu quả kinh tế, giảm chi phí vận hành và bảo vệ môi trường.

- Tối Ưu Hóa Hoạt Động Thu Gom Phế Liệu

Hiện nay, các công ty thu gom phế liệu hoạt động theo mô hình truyền thống, chủ yếu dựa trên kinh nghiệm và lịch trình cố định, dẫn đến việc tối ưu kém.

Mô hình đề xuất giúp xây dựng lịch thu gom linh hoạt, tối ưu theo thời gian thực, đảm bảo thu gom hiệu quả mà không làm quá tải phương tiện.

- Ứng Dụng Trong Quản Lý Logistics và Giao Hàng

Mô hình có thể được mở rộng để áp dụng vào lĩnh vực giao hàng chặng cuối (last-mile delivery), giúp tối ưu hóa các tuyến đường giao hàng.

Các công ty logistics có thể tận dụng thuật toán này để giảm thiểu quãng đường di chuyển, tiết kiệm nhiên liệu và nâng cao năng suất vận chuyển.

- Ứng Dụng Trong Quản Lý Đô Thị Thông Minh

Đối với các thành phố lớn, việc quản lý thu gom rác thải là một bài toán phức tạp.

Việc áp dụng AI trong tối ưu hóa tuyến đường thu gom rác có thể giúp giảm ùn tắc giao thông, tiết kiệm nhân lực và giảm chi phí vận hành cho chính quyền đô thị

Tính hiệu quả:

- Phát Triển Ứng Dụng SaaS (Software-as-a-Service)

Doanh nghiệp có thể thương mại hóa mô hình này dưới dạng nền tảng phần mềm dịch vụ.

Các công ty logistics, thu gom phế liệu có thể sử dụng phần mềm để tối ưu lịch trình thu gom tự động dựa trên dữ liệu thời gian thực.

Mô hình thuê bao (subscription-based) giúp tối đa hóa lợi nhuận và đảm bảo khả năng mở rộng.

- Tích Hợp Với Các Dịch Vụ Hiện Có

Có thể tích hợp với Google Maps API, hệ thống GPS và các nền tảng IoT để cung cấp giải pháp hoàn chỉnh.

Các doanh nghiệp có thể kết hợp dữ liệu từ cảm biến trên xe tải để đánh giá tải trọng theo thời gian thực và điều chỉnh lộ trình phù hợp.

- Thị Trường Mục Tiêu

Các công ty thu gom phế liệu và xử lý rác thải/tái chế sản xuất.

Doanh nghiệp logistics và giao hàng.

Chính quyền đô thị có nhu cầu tối ưu hóa thu gom rác.

Các công ty bán lẻ có hệ thống kho vận phức tạp.

Tiềm năng phát triển:

Ý tưởng trên hoàn toàn khả thi với khả năng của các thành viên trong nhóm nghiên cứu dưới sự hướng dẫn của tiến sĩ Nguyễn Thị Bích Ngân, bằng việc ứng dụng nhiều công trình có sẵn và hệ thống đa nền tảng đã xây dựng ra chúng tôi đang trong quá trình hoàn thiện mô hình học máy và chatbot và cần nguồn đầu tư cho máy chủ huấn luyện.

Tiêu chí về cộng đồng:

Hệ thống quản lý thu gom phế liệu dựa trên AI mang lại giá trị thiết thực cho xã hội bằng cách tối ưu hoá quy trình và cải thiện hiệu quả quản lý chất thải.

- Giảm thiểu tác động môi trường: Việc tối ưu hóa tuyến thu gom giảm thiểu khí thải do phương tiện vận chuyển gây ra, giúp bảo vệ sinh môi trường tại đô thị và nông thôn.

- Nâng cao hiệu quả quản lý tài nguyên: Bằng việc phân loại và tối ưu hoá quy trình thu gom, nguồn tài nguyên phế liệu có thể được sử dụng hiệu quả hơn, giảm lãng phí.

- Hỗ trợ phát triển vùng khó khăn: Việc tối ưu hoá hoạt động thu gom giúp hạn chế việc chất thải tự phát sinh ở những khu vực chưa có quy trình xử lý hiện đại, giúp nâng cao chất lượng sống cho người dân.

- Thúc đẩy kinh tế tuàn hoàn: Hệ thống quản lý hiện đại giúp kích thích hoạt động tái chế, giá trị kinh tế từ chất thải tăng cao, đem lại thu nhập cho người lao động trong ngành tái chế và quản lý rác thải.

Cơ sở hạ tầng:

AWS EC2 với NVIDIA GPU dùng để huấn luyện mô hình học máy và triển khai sản phẩm RESTFul API, website.

Khoảng thời gian triển khai: 1 năm

Tài liệu mô tả kỹ thuật https://drive.google.com/file/d/1tky5TYA7McpK8pCf0rYxojhYvfldFNAy/view?usp=sharing

Số người tham gia: 4