Journal Review #3: Optimalisasi Rute untuk Proses Pengumpulan Sampah Melalui Sistem Pengelolaan Sampah yang Didukung IoT

 Optimalisasi Rute untuk Proses Pengumpulan Sampah Melalui Sistem Pengelolaan Sampah yang Didukung IoT

Pendahuluan

Saat ini, cara memenuhi kebutuhan mendapatkan dimensi baru dengan teknologi. Banyak model bisnis teknologi muncul setiap hari untuk menawarkan solusi. Jumlah solusi digital baru dan model bisnis baru meningkat di dunia.

Dengan pesatnya perkembangan teknologi, konsep smart city telah memasuki kehidupan kita dan proses di kota tersebut didukung oleh teknologi. Seiring kota-kota menjadi pintar, sistem pengumpulan sampah dapat ditingkatkan. Makalah ini mengusulkan sebuah sistem.

Bertujuan untuk optimasi rute untuk proses pengumpulan sampah dengan mendukung bak dan truk dalam sistem pengumpulan sampah dengan teknologi Internet of Things (IoT). Selain itu, pengoptimalan rute didukung dengan aplikasi pembelajaran mesin. Dengan demikian, situasi hunian di stasiun pengumpulan sampah tetap terkendali dan konsumsi bahan bakar dan emisi karbon truk diminimalkan. Selain itu, beberapa tujuan pembangunan keberlanjutan didukung oleh sistem yang diusulkan. 

Latar Belakang

Konsep kota pintar telah muncul dengan penggunaan teknologi baru untuk memecahkan masalah di kota dan untuk meningkatkan layanan di kota. Konsep kota pintar bertujuan untuk menjadikan kota lebih efisien. Meskipun hidup menjadi lebih mudah dengan kenyamanan yang disediakan oleh teknologi, penghematan energi dicapai dengan menargetkan kota-kota yang lebih hijau. Meski sebagian besar kajian tersebut belum diimplementasikan dalam kehidupan nyata, namun banyak kajian dalam literatur tentang transformasi Smart City. Pengelolaan pengumpulan sampah juga menjadi isu penting dalam transisi ke kota pintar karena memiliki proses operasional yang luar biasa untuk setiap kota. Pemerintah kota mengelola proses pengumpulan sampah dengan mengikuti rute dan waktu tertentu berdasarkan data dan wawasan historis mereka, dan truk pengumpul sampah berhenti di titik pengumpulan sampah di sepanjang rute.

Karena rute pengumpulan tertentu yang telah ditentukan sebelumnya, sistem tidak dapat mempertimbangkan variabilitas dalam tingkat hunian di antara nampan yang menyebabkan nampan meluap dan pengumpulan nampan yang tidak cukup terisi. Jadi, gambar yang tidak menyenangkan, pencemaran bau, dan menciptakan lingkungan yang cocok untuk bakteri dan penyakit terjadi untuk masalah luapan sampah. Ini juga menghasilkan proses operasional yang tidak perlu untuk mengunjungi tempat sampah yang tidak terisi. Proses operasional yang berlebihan dan rute yang tidak efisien menyebabkan truk pengumpul sampah tidak perlu berjalan. Akibatnya terjadi konsumsi bahan bakar yang berlebihan dan menghasilkan emisi karbon dalam jumlah yang ekstrim ke lingkungan. 

Tujuan dari makalah ini adalah untuk mengusulkan sistem yang memungkinkan rute yang dioptimalkan untuk sistem pengelolaan limbah dengan mendukungnya dengan IoT. Sistem tersebut membuat sistem pengelolaan limbah, meminimalkan konsumsi bahan bakar dan emisi karbon dengan memastikan pengoptimalan rute dalam proses pengumpulan limbah yang cerdas. Selain itu, pengoptimalan rute didukung oleh implementasi Machine Learning. 

IOT SUPPORTED WASTE Management System Definition

•  Fungsi dan Komponen Sistem  

Proses pengumpulan sampah standar dimulai dengan koleksi truk sampah mengikuti yang telah ditentukan rute pengumpulan sampah.  Saat kapasitas kendaraan terisi, maka sampah yang terkumpul diselesaikan dengan cara membawanya ke stasiun pemindahan sampah. Dalam sistem yang diusulkan ini, truk sampah dan truk didukung oleh teknologi IoT. Kemudian, algoritma sistem menghasilkan rute pengumpulan sampah untuk sebuah truk. Rute tersebut ditunjukkan pada Gambar 1. Pengemudi akan dapat melihat rute melalui aplikasi seluler. Teknologi tambahan seperti Access Network Interface, Batteries, Wi-Fi, Google Maps API, database, alat visualisasi elektronik digunakan untuk memungkinkan sistem bekerja dengan baik

• Waste Collection Process Flow

Seperti yang ditunjukkan pada Gambar 2, aliran proses pengumpulan sampah terutama diawali dengan masuknya sampah ke dalam sistem. Kemudian diukur apakah tempat sampah telah mencapai tingkat yang perlu dikumpulkan. Jika tidak pada level yang perlu dikumpulkan, keseimbangan kelembaban / suhu diukur. Jika limbah tidak perlu dikumpulkan sebagai hasil pengukuran ini, sistem akan ditunda hingga limbah masuk kembali ke sistem. Dalam kedua pengukuran, jika tempat sampah perlu dibuang, informasi lokasi tempat sampah ditransfer ke cloud. Truk pengumpul sampah pintar mencapai data tempat sampah melalui cloud. Kemudian dilakukan optimasi rute dengan menggunakan teknik pembelajaran mesin. Truk sampah mencapai tempat sampah pada rute yang diperoleh sebagai hasil optimalisasi dan mengumpulkan sampah di tempat sampah. Setelah tahap ini, aliran kembali ke awal.

• Aliran Data Sistem

Aliran data sistem penting dalam hal memperoleh dan mengelola data untuk menghasilkan model optimasi rute. Pada awalnya, data tingkat pengisian bin dihasilkan di sensor dan disimpan di mikrokontroler. Data yang disimpan di mikrokontroler kemudian ditransfer ke lingkungan Internet melalui modul Access Network Interface, yang  memiliki koneksi Wi-Fi. Data akan disimpan, dianalisis, dan diproses dalam sistem Cloud sistem yang diusulkan. Kemudian, hasil (dalam hal ini, informasi rute yang dioptimalkan) dari data yang diproses di sistem cloud akan dapat diakses dengan aplikasi web dan aplikasi seluler. Arus ditunjukkan pada Gambar 3.  

Business Model Canvas

• Segmen Pelanggan

Dalam model bisnis ini, segmen pelanggan didefinisikan sebagai pemerintah, kota, dan kawasan industri yang merupakan pelanggan potensial dari sistem. nilai didefinisikan sebagai apa yang akan dicapai sistem dan memuaskan kebutuhan pelanggannya. Ini akan menjadi daya tarik dan alasan utama mengapa pelanggan lebih suka menggunakan metode ini. 

• Value Propositions

Elemen kunci dan aktivitas lainnya bekerja untuk elemen Bisnis ini. Jadi, sangat penting bahwa proposisi nilai itu sederhana dan tepat. Tujuan utama sistem ini adalah untuk mengoptimalkan sistem pengumpulan sampah di wilayah operasinya. Ini dapat mengurangi biaya perjalanan atas dasar apapun dengan menghilangkan perjalanan yang tidak perlu dan melaksanakan yang diperlukan.

• Key Resources

didefinisikan sebagai semua sumber daya yang diperlukan agar operasi dapat beroperasi. Untuk dapat merancang rute yang dioptimalkan, sistem membutuhkan lokasi GPS dan data lalu lintas. Tempat sampah yang dirancang akan memberikan data tingkat pengisiannya, dikirim ke server sistem dengan koneksi Wi-Fi. Dan truk pintar yang dirancang akan memulai perjalanan mereka sesuai dengan semua data ini. 

• Key Partners

pada dasarnya adalah lembaga, organisasi, atau bisnis yang harus dimiliki model bisnis agar dapat berfungsi. Kemitraan sangat penting untuk keberhasilan model bisnis. Sistem pengelolaan limbah cerdas ini memiliki produk untuk diperoleh dan disetujui oleh mitra. Kota kabupaten adalah mitra utama untuk menguji model bisnis sistem sebagai wilayah percontohan dan mengembangkan kekurangannya. Ia juga menggunakan banyak produk dalam sistemnya. Produk tersebut adalah kendaraan pengumpul sampah dan tempat sampah. Pada dasarnya, perlu mendapatkan kendaraan dan tempat sampah dari pabrikan. Oleh karena itu, produsen produk ini akan menjadi mitra bisnis sistem tersebut. Selain itu, sistem tersebut membutuhkan berbagai perangkat karena merupakan sistem cerdas. Sensor diperlukan untuk mengukur pengisian dan kelembaban nampan, jadi pabrikan sensor juga merupakan mitra utama sistem. Perangkat IoT juga diperlukan untuk mentransfer informasi ini ke cloud. Itulah mengapa vendor dan pemrogram IoT adalah mitra utama.

• Key Activities

pada dasarnya adalah kegiatan yang diperlukan untuk pengoperasian sistem. Karena tujuan utama sistem utama adalah untuk memastikan keberlanjutan, mengembangkan sistem pengumpulan sampah yang efisien, menghemat bahan bakar, dll., Mengoptimalkan jalur adalah salah satu kegiatan utama. Diperlukan pengoptimalan rute yang berkelanjutan, sehingga menghemat bahan bakar. Selain itu, membuat estimasi rute baru dengan menggunakan data sampah sebelumnya merupakan salah satu tujuan sistem. Oleh karena itu, perlu dilakukan pendataan sampah secara rutin.

• Customer Relations

Dalam hubungan pelanggan didefinisikan bagaimana sistem berinteraksi dengan pelanggannya. Tempat di mana sistem dapat memasarkan model bisnis biasanya adalah kota dan lokasi industri yang terorganisir. Oleh karena itu, mereka adalah pelanggan sistem. Sistem menjaga komunikasinya dengan mereka dengan menyelenggarakan pertemuan berkala dan pelaporan berkala. 

• Channels

Saluran adalah cara pelanggan sistem menghubungi sistem. Karena jenis pelanggannya, kecil kemungkinannya kontak akan dilakukan melalui media sosial. Sistem berkomunikasi melalui cara yang lebih tradisional seperti email dan telepon. 

• Cost Structure

Sebagian besar biaya proyek ini disebabkan oleh komponen teknologi yang digunakan dalam sistem. Di setiap nampan, komponen yang dibutuhkan adalah sensor ultrasonik, sensor kelembaban dan suhu, baterai dan perangkat untuk menggunakan teknologi IoT. Di truk, sistem akan menggunakan sensor ultrasonik dan perangkat seluler untuk pengemudi; dan sistem memiliki biaya alat navigasi. Selain itu, ada juga biaya Internet karena sistem harus terus-menerus online. Di sisi lain, tidak akan ada pembelian ekstra untuk truk atau biaya nampan karena semua elemen dapat diintegrasikan ke dalam nampan dan truk yang ada. 

• Revenue Stream

Harga sistem disesuaikan untuk setiap pelanggan. Untuk menentukan harga untuk pelanggan, parameter adalah parameter yang sama yang menimbulkan biaya pada pengaturan sistem. Pelanggan sistem akan membayar biaya periodik khusus untuk menerapkan sistem pengumpulan sampah yang memiliki biaya operasional lebih sedikit karena total jarak perjalanan akan berkurang. Biaya pengumpulan sampah sangat bergantung pada total jarak tempuh yang ditempuh. Selain itu, lebih ramah lingkungan daripada sistem yang ada. Selain itu, karena proyek ini mengurangi jejak karbon,  mungkin terdapat subsidi pemerintah. 

Revenue Flow

Seperti yang ditunjukkan pada Gambar 4, arus pendapatan dimulai dengan pemilik sistem pembayaran pelanggan yang dikontrak dengan harga yang disepakati. Kemudian, pemilik sistem akan membeli barang dan jasa yang dibutuhkan dari pemasoknya. Kemudian, pemilik sistem akan menyiapkan sistem di tempat yang dikontrak dan akan melakukan pemeliharaan rutinnya. Sistem akan menyelesaikan misi yang diusulkan oleh pelanggan. Terakhir, pemilik sistem akan menyediakan produk dan layanan ini kepada pelanggan. 

Route Modeling

Pada awalnya, tidak akan ada data apa pun untuk menggunakan machine learning. Oleh karena itu, sebelum menggunakan rute pembelajaran mesin dinamis, sistem pengelolaan limbah cerdas memerlukan pemodelan rute awal. Fokus utama sistem ini adalah mengumpulkan sampah sebelum tempat sampah terisi dan terjadi kondisi tidak sehat. Saat mengumpulkan sampah, penting juga untuk mengumpulkannya dalam waktu minimum. Model rute awal: 

ROUTE OPTIMISASI

Algoritma Capacitated Vehicle Routing Problem adalah algoritma yang paling cocok untuk sistem untuk optimasi rute.

Untuk menjelaskan algoritma ini, perlu dilakukan pendekatan pada algoritma Travelling Salesman Problem dan Vehicle Routing Problem. TSP adalah algoritma yang bertugas menemukan rute terpendek antara sekumpulan titik dan lokasi untuk dikunjungi. VRP adalah apa yang dilakukan TSP untuk lebih dari satu kendaraan, bukan satu kendaraan.

Kedua algoritma tersebut tidak mempertimbangkan kapasitas muat kendaraan.Karena kendaraan sistem memiliki kapasitas beban tertentu, algoritma paling tepat yang dapat memberikan solusi untuk masalah tersebut adalah algoritme CVRP.

BIAYA KALKULASI
Parameter

Model biaya telah dibentuk untuk menghitung biaya untuk setiap sistem pengelolaan limbah. Ini diperlukan untuk menghitung profitabilitas dari sistem yang diusulkan.

Parameter: 

1. CUS: biaya untuk per sensor ultrasonik  
2. CHTS: biaya untuk per sensor kelembaban & suhu 
3. CANI: biaya untuk per perangkat Access Network Interface (ATWINC1500) 
4. CM: biaya untuk per mikrokontroler 
5. CBA: biaya untuk per baterai 
6. CV: biaya untuk per Rute Alat Visualisasi 
7. CDB: biaya untuk sistem database 
8. CWA: biaya untuk aplikasi mobile web 

∙ Variabel: 

1. NB: jumlah tempat sampah 
2. NT: jumlah truk 
3. NS: jumlah stasiun sampah 
4. NUS: jumlah sensor ultrasonik 
5. NHTS: jumlah sensor kelembaban & suhu 
6. NANI: jumlah perangkat Access Network Interface (ATWINC1500)  
7. NM: jumlah mikrokontroler 
8. NBA: jumlah Baterai 
9. NBA= NB 
10. NV= NT 
11. Nv: jumlah alat Visualisasi Rute 
12. TC: biaya total 
13. NUS= NB + NT 
14. NHTS= NB 
15. NANI= NB + NT 
16. NM= NB + NT 

Biaya penyediaan sistem yang diusulkan untuk sistem limbah yang ada dihitung sebagai berikut: 

TC = NUS* CUS+ NHTS* CHTS+ NANI * CANI + NM * CM + NBA * CBA + NV * CV + CDB + CWA 

ANALISIS FINANSIAL 

IRR	26%
ROI	0,28
titikBreakeven	6th tahun

Karena sistem memiliki IRR sebesar% 26, sistem ini akan menghasilkan keuntungan nyata kecuali jika bunga tahunan di atas% 26. 

Pengembalian Investasi untuk perjanjian 10 tahun dengan pelanggan sampel sama dengan 0,28.

Karena titik impas adalah tahun ke-6, maka sistem mulai menghasilkan keuntungan mulai tahun ke-6. 

Input terpenting ini adalah jumlah tempat sampah di daerah tempat sistem akan diterapkan dan jumlah kendaraan yang akan digunakan dalam sistem pengumpulan sampah. 

Sustainable Development Goals
Pemikiran bahwa harus ada target profil tinggi tentang masalah ini juga umum di dunia.

Sistem yang akan dibangun berkaitan dengan pengumpulan sampah, salah satu prasarana kota yang paling dasar. Sistem memberikan tujuan ini karena juga memiliki teknologi inovatif. Sehingga tujuan pembangunan keberlanjutan yang yaitu inovasi dan infrastruktur industri terpenuhi.  

Sistem terus diperbarui dan dioptimalkan dengan data yang terus dikumpulkan sehingga membuat sistem berkelanjutan. Dengan terbentuknya sistem pengumpulan sampah yang lebih cepat dan sehat, hal ini juga berkontribusi pada kesehatan dan keselamatan manusia. Setelah itu,11ke- tujuan pembangunan berkelanjutan yaitu kota dan masyarakat yang berkelanjutan terpenuhi.

Sistem akan memastikan pengumpulan limbah lebih cepat. Ini akan menyebabkan kendaraan membakar lebih sedikit bahan bakar dan limbah akan mengeluarkan lebih sedikit gas metana. Oleh karena itu, sistem ini juga mencapai tujuan pembangunan berkelanjutan yaitu aksi iklim. 

Kesimpulan

Alasan menggunakan optimasi rute adalah untuk membuat rute yang lebih berguna karena perubahan konstan dari parameter yang diperlukan yang menentukan rute pengumpulan sampah. Model optimasi rute yang diusulkan menyarankan rute optimal ke sistem pengumpulan limbah dengan variabel sistem, parameter, dan batasan yang dibuat oleh hubungan antar variabel. Model ini diusulkan untuk penggunaan awal sistem di suatu wilayah.

Diharapkan perbaikan dalam optimasi rute dengan menggunakan AI dan pembelajaran mesin, dan dengan demikian peningkatan algoritma yang dihasilkan, dapat dilakukan dengan mendapatkan data historis di tempat sampah.Sebagai data waktu pengisian tempat sampah dari waktu ke waktu, penentuan rute akan ditingkatkan dengan menggunakan pembelajaran mesin. Rute tersebut kemudian akan secara otomatis dibuat dari data historis menggunakan teknik pembelajaran mesin. Ini menghemat waktu. 

Hasilnya, pengoptimalan rute memberikan keuntungan di banyak area. Ini harus diintegrasikan ke dalam semua sistem pengumpulan limbah dengan menghemat bahan bakar, mengurangi jejak karbon dan mendukung kehidupan yang berkelanjutan.