Mô hình công nghiệp 4.0 được biết đến với công nghệ cao, định vị ảo và kỹ thuật số. Các công nghệ hiện có trong nền công nghiệp 4.0 không nhất thiết phải mới, điều thay đổi là sự tích hợp giữa chúng, cho phép ngành công nghiệp hoạt động năng động và nhanh chóng đáp ứng các nhu cầu bên trong và bên ngoài. Bài viết trình bày thực trạng áp dụng các công nghệ nền tảng của cách mạng công nghiệp 4.0 trong quản lý chất thải rắn đô thị của một số nước trên thế giới.
THỰC TRẠNG ÁP DỤNG CÁC CÔNG NGHỆ NỀN TẢNG CỦA CÁCH MẠNG CÔNG NGHIỆP 4.0 TRONG QUẢN LÝ CHẤT THẢI RẮN ĐÔ THỊ CỦA MỘT SỐ NƯỚC TRÊN THẾ GIỚI Phạm Thị Mai Thảo Trường Đại học Tài nguyên Mơi trường Hà Nội Tóm tắt Mơ hình cơng nghiệp 4.0 biết đến với công nghệ cao, định vị ảo kỹ thuật số Các cơng nghệ có công nghiệp 4.0 không thiết phải mới, điều thay đổi tích hợp chúng, cho phép ngành công nghiệp hoạt động động nhanh chóng đáp ứng nhu cầu bên bên ngồi Trong bối cảnh sản xuất nay, cơng nghệ cho phép quy trình sản xuất hiệu hơn, tinh gọn nhanh Nền tảng cách mạng công nghiệp 4.0 giúp mang lại hiệu quản lý môi trường bền vững hơn, tối ưu hoá giảm thiểu chất thải tái sử dụng chất thải nhiều Riêng lĩnh vực quản lý chất thải rắn thị, việc tích hợp công nghiệp 4.0 áp dụng nhiều quốc gia giới Điển hình Internet vạn vật (ToT) sử dụng để giám sát việc phát sinh chất thải theo thời gian thực Ấn Độ Trung Quốc Cơng nghệ trí tuệ nhân tạo (AI) dùng để dự đoán lượng chất thải phát sinh Canada Mỹ Các kỹ thuật học máy (ML) giúp phân loại chất thải rắn thành loại khác với độ xác cao áp dụng Tây Ban Nha Tại Việt Nam ToT áp dụng để phát triển mơ hình quản lý thu gom chất thải rắn nguy hại Thành phố Hồ Chí Minh Những ví dụ cho thấy công nghệ tảng từ cách mạng công nghiệp 4.0 giúp việc quản lý chất thải rắn thị riêng quản lý mơi trường nói chung ngày hiệu Từ khố: Cách mạng cơng nghiệp 4.0; Chất thải rắn thị; Trí tuệ nhân tạo Abstract The situation of application of foundation technologies of the industrial revolution 4.0 in urban solid waste management of some foreign countries Industry 4.0 is known for high technology, virtual and digital positioning Existing technologies in Industry 4.0 are not necessarily new, changes are their integration which allow the industry to operate dynamically and quickly respond to internal and external needs In the manufacturing context, these technologies enable more efficient, leaner, and faster manufacturing processes The foundation of the Industrial Revolution 4.0 helps bring about more sustainable environmental management, optimizes waste reduction and reuses waste more Particularly for urban solid waste management, the integration of Industry 4.0 has been applied in many countries around the world Typically, the Internet of Things (ToT) is used to monitor real-time waste generation in India and China Artificial intelligence (AI) is used to predict the amount of waste generated in Canada and the United of America Machine learning (ML) that help classify solid waste into different categories with high accuracy have been applied in Spain In Vietnam ToT is also applied to develop a management model for hazardous waste collection in Ho Chi Minh City The above examples show that the underlying technologies from the industrial revolution 4.0 can make urban solid waste management in particular and environmental management in general more and more effective Keywords: Industrial Revolution 4.0; Urban solid waste; Artificial intelligence 194 Hội thảo Quốc gia 2022 Giới thiệu Thuật ngữ công nghiệp 4.0 lần đề cập tiếng Đức kiện “Hội chợ Hannover” năm 2011 Đức đưa đề xuất cho việc phát triển khái niệm sách kinh tế Đức dựa chiến lược công nghệ cao, tượng trưng cho khởi đầu gọi Cách mạng công nghiệp lần thứ tư Do đó, từ năm 2011, ấn phẩm khoa học công nghiệp 4.0 bắt đầu xuất hiện, tăng theo cấp số nhân vào khoảng năm 2013 Và nhiều học giả, nhà nghiên cứu chuyên gia kinh doanh ý đến mơ hình cơng nghiệp cơng nghệ tiềm Cơng nghiệp 4.0 mơ hình sản xuất tiên tiến với đặc trưng tập hợp tồn diện cơng nghệ hợp lý hóa hiệu suất cơng nghiệp, tích hợp hơn, ảo, kỹ thuật số, với thời gian đáp ứng tuyệt vời tác nhân bên bên ngoài, đặc biệt với hành vi bền vững môi trường chuẩn mực Ngành công nghiệp 4.0 bao gồm tập hợp sáu nguyên tắc thiết kế chất bao gồm phân cấp, ảo hóa, khả tương tác, tính hệ thống, khả theo thời gian thực định hướng dịch vụ Một đặc thù cơng nghiệp 4.0 khả tích hợp phụ thuộc lẫn hai chuỗi giá trị, ngang dọc thơng qua q trình số hóa Số hóa chuỗi giá trị theo chiều ngang hoạt động để tích hợp tối ưu hóa luồng thơng tin hàng hóa từ khách hàng đến nhà cung cấp, thơng tin quay trở lại Q trình liên quan đến việc tích hợp chủ động kiểm soát tất lĩnh vực nội công ty, chẳng hạn lập kế hoạch, mua hàng, sản xuất hậu cần Quá trình bao gồm tất đối tác bên chuỗi giá trị, người tham gia việc đáp ứng yêu cầu khách hàng thực dịch vụ yêu cầu Mặt khác, số hóa chuỗi giá trị dọc gắn liền với việc đảm bảo luồng liệu thông tin bán hàng thông qua phát triển sản phẩm cho sản xuất hậu cần Chất lượng tính linh hoạt tăng lên giảm chi phí thơng qua kết nối xác tối ưu hệ thống sản xuất phịng ngừa nhiễm Trong cơng nghiệp 4.0, cơng nghệ tích hợp với để định vị bền vững hơn, môi trường công nghiệp 4.0 tất lĩnh vực Cơng nghiệp 4.0 quan tâm đến sử dụng hiệu tài nguyên thiên nhiên hơn, chất thải hơn, quy trình gọn gàng vịng đời máy móc thiết bị dài Tất yếu tố với cơng nghệ góp phần làm cho quản lý môi trường 4.0 trở nên đột phá so với ngành công nghiệp trước Sự kết nối mạng lưới tạo giá trị công nghiệp 4.0 mang đến hội cho việc hợp vịng đời sản phẩm khép kín cộng sinh công nghiệp Kết nối mạng cho phép điều phối hiệu dòng nước, lượng, nguyên liệu sản phẩm suốt vòng đời sản phẩm, nhà máy khác Vòng đời sản phẩm khép kín giúp giữ cho sản phẩm ln vịng đời với nhiều giai đoạn sử dụng khác nhau, với việc tái sản xuất tái sử dụng chúng Cộng sinh công nghiệp giúp tăng cường hợp tác nhà máy khác để đạt lợi cạnh tranh cách mua bán trao đổi nước, lượng, nguyên liệu sản phẩm liệu thông minh cấp địa phương Những chuyển đổi cơng nghiệp 4.0 cách mạng hóa hình thức thương mại thúc đẩy thay đổi hành vi lĩnh vực tiêu dùng sản xuất để hình thành mơ hình kinh doanh bền vững Những công nghệ liên tục tác động đến lĩnh vực y tế, lượng xây dựng lập trình quy trình thơng minh tạo sản phẩm dịch vụ có mục tiêu cung cấp thoải mái chất lượng sống gắn với việc quản lý nguồn lực có Hội thảo Quốc gia 2022 195 Nền tảng công nghệ 4.0 phương pháp nghiên cứu 2.1 Nền tảng cơng nghệ 4.0 Sự khác biệt mơ hình cơng nghiệp 4.0 so với cơng nghiệp sử dụng cơng nghệ có sẵn cho phép hiệu suất công nghiệp phù hợp với môi trường, hiệu Các công nghệ tiềm để quản lý môi trường công nghiệp 4.0 tóm tắt sau [1] 2.1.1 Hệ thống mạng thực - Cyber Physical Systems Hệ thống mạng thực (CPS) tác nhân có liên quan đến quản lý mơi trường chúng nhận biết kế hoạch sản xuất, quy định bước sản xuất, cung cấp liệu việc sử dụng tài nguyên đầu vào sản xuất, quản lý chúng suốt trình sản xuất theo thời gian thực, đồng thời thay đổi bước sản xuất cần Do đó, việc sử dụng nguồn lực, chủ yếu tự nhiên, thực cách có ý thức Tương tự vậy, tạo chất thải vật liệu phù hợp sử dụng mức độ phù hợp cần thiết Bởi chúng kết nối với internet quản lý mang tính hệ thống nên thay đổi cần thực hiện, CPS truyền đạt thơng báo thơng qua thơng báo tới hệ thống máy tính thiết bị di động tự thực thay đổi cần thiết trình sản xuất (khi lập trình) phép (khi có phối hợp người) 2.1.2 Sản xuất đám mây - Cloud Manufacturing Sản xuất đám mây (CMfg) tác nhân tiềm khác để củng cố quản lý môi trường 4.0 Công nghệ chịu trách nhiệm tiếp nhận, lưu trữ, xử lý, phân tích chia sẻ liệu thông tin sản xuất Thông qua công nghệ này, không vấn đề từ môi trường bên xử lý mà cịn tác nhân bên ngồi Do tính định hướng dịch vụ nó, thay đổi nhỏ cần điều chỉnh đơn đặt hàng khách hàng, thông báo gửi trình bày hệ thống cho người chịu trách nhiệm bước sản xuất định Bằng cách giúp khách hàng theo dõi bước sản xuất sản phẩm, họ đề xuất sửa đổi không Điều này, ngành cơng nghiệp truyền thống, dẫn đến lãng phí lượng lớn tài nguyên, vật liệu, sử dụng lượng hiệu quả, dẫn đến lãng phí Tuy nhiên, với CMfg, khách hàng yêu cầu thay đổi sản phẩm, sau phân tích hệ thống, sản xuất thay đổi mà khơng gây lãng phí đáng kể tài nguyên, vật liệu hiệu quả, đồng thời vật liệu khác sử dụng tích hợp vào q trình sản xuất, dẫn đến tối ưu hóa nguồn lực 2.1.3 Phân tích liệu lớn - Big Data Analytics Phân tích liệu lớn (BDA) lưu trữ phân tích tất liệu ngành Tiềm quản lý mơi trường 4.0 phân tích cung cấp liệu thông tin liên quan tài nguyên có, tài nguyên sử dụng, chức máy móc, hiệu lượng, phát sinh chất thải, sử dụng chất thải mức độ phát sinh ô nhiễm BDA cung cấp thơng tin lịch sử nguồn tài nguyên sử dụng để sản xuất hàng hóa, tái sử dụng lại Nó thơng báo, hệ thống, việc thiếu nguồn lực định để sản xuất, chí cố số máy móc, khiến q trình sản xuất bị gián đoạn Với quyền truy cập thông tin CMfg, BDA đề xuất thay đổi đặc điểm cụ thể quy trình sản xuất BDA đóng vai trị cảnh báo hội nhu cầu sửa chữa, khả lưu trữ liệu thông tin cao Do đó, hội để nâng cao lực sản xuất cách sử dụng tài nguyên tận dụng chức máy móc 196 Hội thảo Quốc gia 2022 hơn, cách cảnh báo việc sử dụng sai nguồn tài nguyên vật liệu nhằm mục đích sản xuất hàng hóa, chí hoạt động máy bị hỏng, thơng báo BDA, giúp đóng góp tích cực vào mơi trường 2.1.4 Thực tế tăng cường - Augmented Reality Thực tế ảo tăng cường (AR) hợp tác hiệu với quản lý môi trường 4.0 tư vấn việc lập kế hoạch trước thành thực, mô thực nhu cầu sửa chữa khoảng cách xa từ địa điểm khác Nó góp phần vào q trình đào tạo nâng cao lực, truyền đạt kiến thức cho nhân viên hành động bền vững với mơi trường thơng qua việc hình dung dự báo thực tế Cộng nghệ giúp định tuyến đường xếp dỡ hàng hóa, nhờ tài xế xe tải tối ưu tuyến đường họ cần đến giúp giảm phát thải từ phương tiện vận chuyển AR tích hợp với việc giám sát hoạt động sản xuất, cho phép kiểm tra hỏng hóc, cố, gián đoạn lỗi dây chuyền sản xuất chức liên quan khác 2.1.5 Cảm biến thông minh - Smart Sensors Cảm biến thông minh (SS) loại công nghệ cảnh báo để nhân viên xem lỗi xảy không phù hợp nguyên liệu, sản phẩm, máy móc, bước dây chuyền sản xuất đo lường mức độ chất thải ô nhiễm tạo 2.1.6 Phát vị trí - Location Detection Việc phát vị trí giúp nguồn lực cần có dây chuyền sản xuất định vị dễ dàng mà khơng lãng phí nhiều thời gian tiết kiệm lượng cho việc vận hành máy móc Với tính phát vị trí, ngành cơng nghiệp trở nên nhanh xác hơn, giảm thiểu phát sinh chất thải lỗi xác minh cục Ngoài ra, hậu cần ngăn chặn việc giao hàng vận chuyển sai nhầm lẫn việc xác định địa điểm lưu kho 2.1.7 Internet vạn vật - Internet of Things Internet vạn vật (IoT) kết nối liệu thông tin từ tất lĩnh vực ngành với bên có liên quan IoT cho phép xác định lỗi máy móc thiết bị đảo ngược khơng thể đảo ngược, vấn đề cảm biến hệ thống, gián đoạn sản xuất, thay đổi yêu cầu khách hàng, hội dịch vụ bên liên quan nhiều khả khác Vì vậy, IoT cơng nghệ có giá trị cho quản lý mơi trường 4.0 ngăn ngừa việc hư hỏng máy móc thiết bị sản xuất tình trạng hư hại chưa xác minh trước đó, phát sinh chất thải Tương tự vậy, IoT thể nhanh chóng xác minh cảm biến hệ thống khơng hoạt động bình thường nhận thấy việc sử dụng không tính cụ thể sản phẩm, điều dẫn đến tính sản phẩm, dẫn đến việc chiết xuất tính bị phát thải môi trường 2.1.8 Sản xuất bồi đắp - Additive Manufacturing Sản xuất bồi đắp (AM) cơng nghệ có mức độ đổi cao việc sử dụng nguồn lực sản xuất Đóng góp AM quản lý mơi trường 4.0 sử dụng loại vật liệu khác không thiết phải lấy từ tự nhiên để sản xuất loại sản phẩm khác Với AM, số phân khúc ngành chuyển đổi sản xuất sản phẩm họ cách sử dụng ngun liệu khơng trực tiếp từ tự nhiên phân hủy sinh học Bằng cách này, ngành công nghiệp đạt hành vi đắn môi trường liên quan đến việc mua lại phụ phẩm từ ngành cho đầu vào sản xuất ngành khác Hội thảo Quốc gia 2022 197 Về phát sinh chất thải, AM sử dụng vật liệu không phù hợp phụ tùng ngành làm cho chúng khả thi để sản xuất sản phẩm tích hợp chúng thay lựa chọn vật liệu chiết xuất đúc sẵn, loại bỏ vật liệu không phù hợp gây kết tiêu cực môi trường 2.1.9 Kỹ thuật học máy - Machine Learning Học máy (ML) là cơng nghệ phát triển từ lĩnh vực trí tuệ nhân tạo Các thuật tốn ML chương trình máy tính có khả học hỏi cách hồn thành nhiệm vụ cách cải thiện hiệu suất theo thời gian ML đòi hỏi đánh giá người việc tìm hiểu liệu sở lựa chọn kĩ thuật phù hợp để phân tích liệu Đồng thời, trước sử dụng, liệu phải sạch, khơng có sai lệch khơng có liệu giả Các mơ hình ML u cầu lượng liệu đủ lớn để “huấn luyện” đánh giá mơ hình Trước đây, thuật tốn ML thiếu quyền truy cập vào lượng lớn liệu cần thiết để mơ hình hóa mối quan hệ liệu Sự tăng trưởng trong dữ liệu lớn (big data) cung cấp thuật toán ML với đủ liệu để cải thiện độ xác mơ hình dự đốn 2.1.10 Trí tuệ nhân tạo - Aritifical Intelligient Trí tuệ nhân tạo (AI) thơng minh máy móc người tạo ra, đặc biệt tạo cho máy tính, robot, hay máy móc có thành phần tính tốn điện tử Trí tuệ nhân tạo lĩnh vực khoa học công nghệ nhằm làm cho máy có khả trí tuệ trí thơng minh người, tiêu biểu biết suy nghĩ lập luận để giải vấn đề, biết giao tiếp hiểu ngôn ngữ tiếng nói, biết học tự thích nghi, Trí tuệ nhân tạo ứng dụng nhiều khía cạnh mơi trường ví dụ như: Giúp thay đổi cách sử dụng lượng, làm cho thành phố trở nên bền vững hơn; Hỗ trợ xây dựng nơng nghiệp thơng minh; Góp phần bảo vệ đại dương hay dự đoán thay đổi thời tiết khí hậu cách xác hơn,… 2.2 Phương pháp nghiên cứu Phương pháp phân tích tài liệu, số liệu từ nghiên cứu xuất áp dụng nghiên cứu để tìm hiểu đánh giá thực trạng ứng dụng công nghiệp 4.0 quản lý chất thải rắn đô thị Thực trạng ứng dụng công nghiệp 4.0 quản lý chất thải rắn đô thị 3.1 Áp dụng IoT để giám sát thời gian thực việc phát sinh chất thải rắn thị Để ứng phó với gia tăng phát sinh chất thải rắn đô thị, nhiều hệ thống giám sát khác áp dụng IoT phát triển để giám sát việc phát sinh chất thải Ấn Độ Trung Quốc [2] Hệ thống IoT phát triển để giám sát trạng thái mức độ lấp đầy thùng rác để tạo điều kiện thuận lợi cho công tác hậu cần liên quan đến việc thu gom chất thải thông qua thu thập, chia sẻ, xử lý liệu hiển thị thông tin cách sử dụng cảm biến khác nhau, công nghệ truyền thông, phần mềm lưu trữ xử lý liệu Các cảm biến khác sử dụng để đo trọng lượng, không gian chiếm dụng và/ phát sinh khí chất thải phân huỷ thùng rác, tạo liệu liên quan đến trạng thái mức độ đầy thùng Nghiên cứu Cerchecci cộng (2018) [3] cho thấy cảm biến siêu âm cung cấp độ xác mức cm việc đo chiều cao chiếm thùng rác chúng chưa đầy Các cảm biến thường đặt bên thùng rác, 198 Hội thảo Quốc gia 2022 để đo trọng lượng, cảm biến gắn vào xe thu gom để đo trọng lượng chất thải chuyển từ thùng rác sang xe thu gom Ngoài liệu liên quan đến chất thải, hệ thống GPS sử dụng để thu thập liệu vị trí xe thu gom Nghiên cứu Misra cộng (2018) [3] công bố độ xác cảm biến siêu âm ~ 3,0 mm Việc truyền liệu thực công nghệ mạng truyền thông khác Cerchecci cộng (2018) [3] sử dụng công nghệ LoRa LPWAN để truyền tải liệu cảm biến thời gian thực từ thùng rác chứng minh phạm vi truyền cho nút IoT nguyên mẫu đến nút cổng 1,1 km trung tâm thành phố, 2,7 km tầm nhìn rõ ràng nút Hơn nữa, cần 10 giây để truyền Wen cộng (2018) [3] sử dụng module GPRS để gửi liệu thông tin thời gian thực từ xe thu gom từ thiết bị cảm biến tàu (bao gồm liệu trọng lượng chất thải liên quan đến tạo chất thải từ thẻ RFID tương ứng) đến máy chủ/điều khiển trung tâm Misra cộng (2018) sử dụng module Wi-Fi để truyền liệu cảm biến từ thùng rác đến máy chủ từ xa Wen cộng (2018) phát triển tảng quản lý liệu mà liệu từ tất thiết bị cảm biến bo mạch truyền tải trực quan hóa để thực quản lý thời gian thực cho người định [4] Misra cộng (2018) sử dụng ứng dụng mã nguồn mở để xử lý liệu Dữ liệu hiển thị trực quan ứng dụng di động truy cập để cập nhật trạng thái thùng rác liên quan đến khí khối lượng đổ đầy Sử dụng máy chủ đám mây, tạo ứng dụng ghi nhật ký cảm biến, theo dõi vị trí mạng lưới [2] 3.2 Áp dụng trí tuệ nhân tạo để dự đoán chất thải phát sinh Để tạo điều kiện thuận lợi cho dịch vụ quản lý chất thải khu vực đô thị theo quy định chiến lược liên tục chặt chẽ nhằm cải thiện hoạt động xử lý chất thải rắn sinh hoạt, dự báo dựa liệu dòng chất thải tương lai quan trọng [5] Ở Canada, hoạt động quản lý chất thải có khác tỉnh thành phố Thêm vào đó, nhà quản lý mong muốn thay nguồn điện sản xuất từ diesel sang nguồn điện từ chất thải [6] Để đáp ứng hai mục tiêu này, trí tuệ nhân tạo (AI - Aritifical Intelligient), học máy (ML - Machine learning) sử dụng để dự đoán phát sinh chất thải tương lai Việc dự đốn xác dịng chất thải tương lai cung cấp cho bên liên quan thông tin để cải thiện hệ thống quản lý chất thải thiết kế hệ thống quản lý chất thải theo nhu cầu tương lai ngắn hạn, trung hạn dài hạn Abbasi El Hanandeh (2016) áp dụng kỹ thuật ML khác bao gồm mạng nơron nhân tạo (ANN), hệ thống suy luận mờ thần kinh thích ứng (ANFIS), máy vectơ hỗ trợ (SVM) để dự báo CTRSH theo tháng cách sử dụng liệu trọng số CTRSH phát sinh hàng tháng từ 18 năm [5] Kannangara cộng (2018) sử dụng định mạng nơron nhân tạo để xây dựng mơ hình dự đốn CTRSH phát sinh Canada Dữ liệu sử dụng dự đoán bắt nguồn từ liệu chất thải khu dân cư năm Các tham số sử dụng bao gồm biến dự báo tham số kinh tế - xã hội nhân học [6] Kontokosta cộng (2018) báo cáo khả dự đoán máy học hoạt động tốt tổng lượng chất thải rắn, chất thải rắn, giấy kim loại, thủy tinh nhựa (MGP) cho tất 609 khu vực New York vào năm 2016 [7] 3.3 Áp dụng công nghệ học máy cải thiện phân loại chất thải rắn đô thị Cách tiếp cận phân loại rác áp dụng nhiều sử dụng phương pháp phân loại chất thải tự động từ xử lý hình ảnh Với vấn đề này, học máy trí tuệ nhân tạo đề Hội thảo Quốc gia 2022 199 xuất để cải thiện việc phân loại Ruiz cộng (2019) máy tính lập trình để phát phân loại đối tượng cách sử dụng kỹ thuật phân tích hình ảnh, bao gồm phân đoạn, trích xuất tính năng, tìm hiểu phân loại Việc phân loại hình ảnh thường dựa mơ hình mạng nơron tích chập (Convolutional Neural Network (CNN)) học sâu (Deep Learning) [8] Vrancken, Longhurst Wagland (2019) nói CNN thường lập trình với tập liệu lớn hình ảnh gắn nhãn, với nhiều ví dụ loại chất thải rắn cần phân loại CNN lập trình sau kiểm tra với hình ảnh riêng biệt loại chất thải Tây Ban Nha Ruiz cộng (2019) đào tạo thử nghiệm mơ hình CNN khác để phân loại sáu loại chất thải khác (nhựa, kim loại, bìa cứng, giấy, thủy tinh thùng rác thơng thường) đạt độ xác trung bình 88,6 % Học sâu kết hợp với CNN so sánh với máy vectơ hỗ trợ (Support Vector Machine - SVM) để phân loại rác thành ba loại (nhựa, giấy kim loại) nghiên cứu Sakr et al (2016), người phát SVM đạt tỷ lệ phân loại 95 % CNN đạt 83 % [9] Chu cộng (2018) sử dụng kỹ thuật học sâu kết hợp nhiều lớp, kết hợp hình ảnh ngồi liệu cảm biến, để phân loại chất thải rắn thành loại (giấy, nhựa, kim loại, thủy tinh, phân hủy sinh học loại khác) thu tỷ lệ xác 90 % [10, 11] Ngồi ứng dụng điển hình cơng nghiệp 4.0 vào quản lý chất thải rắn nói riêng cịn nhiều ứng dụng khác công nghiệp 4.0 vào quản lý nguồn thải khác nhằm tối ưu hoá hiệu sử dụng nhiên liệu, lượng đồng thời giảm phát sinh chất thải tiến tới sản xuất tiêu dùng bền vững Tại Việt Nam, có nghiên cứu nhóm nhà khoa học đứng đầu phó giáo sư tiến sĩ Bùi Tá Long phát triển mơ hình H - waste quản lý chất thải nguy hại Mơ hình H - waste hệ thống thông tin, kết hợp phần cứng (máy đọc thẻ điện tử) phần mềm hệ thống thống Phần mềm H - waste gồm module chính: Module nhập liệu, module làm thống kê, tạo báo cáo, quản lý tin tức môi trường, gắn với đồ số, quản lý danh mục, phân quyền module tạo chứng từ điện tử H - waste hoạt động nhờ kết nối với đường truyền Internet, liệu chứng từ chuyển giao chất thải nguy hại (CTNH) đưa trung tâm liệu Sở Tài ngun Mơi trường (TN&MT) Thành phố Hồ Chí Minh Đồng thời, hệ thống E - card đọc hay ghi thẻ ghi nhận thời gian chuyển trung tâm liệu Khi có phát sinh CTNH, khơng kể phần đem tái chế xuất khẩu, phần CTNH lại giao cho chủ vận chuyển đến chủ xử lý Tại đây, xử lý an tồn, chủ xử lý gửi thơng báo xác nhận đến Sở TN&MT thông qua Internet Trong bước chuyển giao CTNH, thông tin truyền trung tâm liệu [12] Kết luận Nền tảng công nghệ cách mạng công nghiệp 4.0 phát triển ứng dụng lĩnh vực quản lý mơi trường nói chung quản lý chất thải rắn đô thị nói riêng nhiều quốc gia giới Điển hình Ấn Độ Trung Quốc, Internet vạn vật (ToT) sử dụng để giám sát việc phát sinh chất thải theo thời gian Tại Canada Mỹ, cơng nghệ trí tuệ nhân tạo (AI) dùng để dự đoán lượng chất thải phát sinh Tại Tây Ban Nha, kỹ thuật học máy (ML) giúp phân loại chất thải rắn thành loại khác với độ xác cao Trong Việt Nam, Internet vạn vật (ToT) ứng dụng để phát triển mơ hình quản lý chất thải rắn nguy hại Các ví dụ điển hình cho thấy công nghệ tảng từ cách mạng công nghiệp 4.0 200 Hội thảo Quốc gia 2022 phát triển ứng dụng hiệu nhiều quốc gia khác đặc biệt lĩnh vực quản lý chất thải rắn thị Chính đề xuất nhân rộng mơ hình Việt Nam để giúp hoạt động quản lý chất thải rắn nói chung chất thải rắn thị nói riêng hiệu đặc biệt Điều 75 phân loại, lưu giữ, chuyển giao chất thải rắn sinh hoạt Điều 77 thu gom, vận chuyển chất thải rắn sinh hoạt Luật Bảo vệ môi trường năm 2020 thực thi bắt buộc phạm vi nước TÀI LIỆU THAM KHẢO [1] Ana, C P C et al (2020) Industry 4.0 technologies: What is your potential for environmental management ? ISBN: 978 - - 83880 - 094 - 9, United of Kingdom [2] Misra, D et al (2018) An IoT - based waste management system monitored by cloud Journal of Material Cycles and Waste Management, 20(3), p 1574-1582 Doi: 10.1007/s10163-018-0720-y [3] Cerchecci, M et al (2018) A low power IoT sensor node architecture for waste management within smart cities context Sensors, 18(4) Doi: 10.3390/s18041282 [4] Chu, Y et al (2018) Multilayer hybrid deep - learning method for waste classification and recycling Computational intelligence and neuroscience, p Doi: 10.1155/2018/5060857 [5] Wen, Z et al (2018) Design, implementation and evaluation of an Internet of Things (IoT) network system for restaurant food waste management Waste Management, 73, p 26 - 38 Doi: https://doi org/10.1016/j.wasman.2017.11.054 [6] Abbasi, M and El Hanandeh, A (2016) Forecasting municipal solid waste generation using artificial intelligence modelling approaches Waste Management, 56, p 13 - 22 Doi: https://doi.org/10.1016/j wasman.2016.05.018 [7] Kannangara, M et al (2018) Modeling and prediction of regional municipal solid waste generation and diversion in Canada using machine learning approaches Waste Management, 74, p - 15 Doi: https://doi.org/10.1016/j.wasman.2017.11.057 [8] Kontokosta, C E., Hong, B., Johnson, N E., & Starobin, D (2018). Using machine learning and small area estimation to predict building - level municipal solid waste generation in cities. Computers, Environment and Urban Systems, 70, p 151 - 162 Doi: https://doi.org/10.1016/j.compenvurbsys.2018.03.004 [9] Ruiz, V et al (2019) Automatic image - based waste classification Ferrández Vicente, J M., et al (ed.) from Bioinspired systems and Biomedical applications to Machine learning Cham, Springer International Publishing, p 422 - 431 [10] Vrancken, C, Longhurst, P and Wagland, S (2019) Deep learning in material recovery: Development of method to create training database Expert Systems with Applications, 125, p 268 - 280 Doi: https://doi org/10.1016/j.eswa.2019.01.077 [11] Chu Y., Huang C, Xie X., Tan B., Kamal S., and Xiong X (2018) Multilayer hybrid deep - learning method for waste classification and recycling Computational Intelligence and Neuroscience, Special Issue, p - Doi: https://doi.org/10.1155/2018/5060857 [12] Sakr, G E et al (2016) Comparing deep learning and support vector machines for autonomous waste sorting 2016 IEEE International Multidisciplinary Conference on Engineering Technology (IMCET), - Nov 2016, p 207 - 212 [13] Bùi Tá Long, Nguyễn Đại Thể, Dương Ngọc Hiếu, Trương Thị Diệu Hiền, Phạm Thị Thu Hà (2009) Ứng dụng công cụ e - manifest, e - card quản lý chất thải nguy hại (CTNH) TP HCM Tạp chí Khoa học phổ thông BBT nhận bài: 29/9/2022; Chấp nhận đăng: 31/10/2022 Hội thảo Quốc gia 2022 201 ... thải rắn đô thị Thực trạng ứng dụng công nghiệp 4.0 quản lý chất thải rắn đô thị 3.1 Áp dụng IoT để giám sát thời gian thực việc phát sinh chất thải rắn thị Để ứng phó với gia tăng phát sinh chất. .. cách xác hơn,… 2.2 Phương pháp nghiên cứu Phương pháp phân tích tài liệu, số liệu từ nghiên cứu xuất áp dụng nghiên cứu để tìm hiểu đánh giá thực trạng ứng dụng công nghiệp 4.0 quản lý chất thải. .. mái chất lượng sống gắn với việc quản lý nguồn lực có Hội thảo Quốc gia 2022 195 Nền tảng công nghệ 4.0 phương pháp nghiên cứu 2.1 Nền tảng công nghệ 4.0 Sự khác biệt mơ hình cơng nghiệp 4.0