Paper 09 — Tối ưu hóa thu gom rác thải y tế trong hệ thống đô thị: Tiếp cận Lập trình Ràng buộc cho Ra quyết định Khu vực Công bền vững
Tên gốc: Optimizing Medical Waste Collection in Urban Systems: A Constraint Programming Approach for Sustainable Public Sector Decision-Making Tạp chí: Socio-Economic Planning Sciences, 102434 Năm: 2026 | Trích dẫn: 1 | NXB: Pergamon (Elsevier) DOI: ScienceDirect
1. Bài báo này nghiên cứu gì?
Đây là bài duy nhất trong vault sử dụng Operations Research (nghiên cứu vận hành) — hoàn toàn khác paradigm so với 9 bài SEM/qualitative còn lại.
Vấn đề thực tế:
TP. Hồ Chí Minh có lượng rác thải y tế tăng mạnh (đặc biệt sau COVID). Làm sao thu gom hiệu quả nhất — giảm quãng đường, giảm thời gian, tăng tải trọng xe — với ngân sách hạn chế?
2. Phương pháp — CVRP + Constraint Programming
CVRP là gì?
Capacitated Vehicle Routing Problem — bài toán kinh điển trong Operations Research:
- Có đội xe với tải trọng giới hạn
- Có nhiều điểm thu gom (bệnh viện, phòng khám)
- Mỗi điểm có lượng rác khác nhau (và không biết chính xác trước — stochastic)
- Tìm tuyến đường tối ưu để thu gom hết với chi phí thấp nhất
Thêm yếu tố stochastic (ngẫu nhiên)
- Lượng rác mỗi ngày không cố định — biến thiên ngẫu nhiên
- Dùng Chance-Constrained Programming — đảm bảo tuyến đường khả thi với xác suất ≥ 95% (service level)
Constraint Programming là gì?
- Khác với linear programming (lập trình tuyến tính), constraint programming khai báo ràng buộc rồi để solver tìm giải pháp
- Ràng buộc: tải trọng xe, thời gian làm việc, khoảng cách giữa điểm, số chuyến/ngày
- Solver: tự tìm giải pháp khả thi tốt nhất thỏa mãn tất cả ràng buộc
INPUT SOLVER OUTPUT
┌──────────────┐ ┌──────────┐ ┌──────────────┐
│ Điểm thu gom │───────▶│Constraint│───────▶│ Tuyến đường │
│ Tải trọng xe │ │Program. │ │ tối ưu cho │
│ Khoảng cách │ │ │ │ mỗi xe │
│ Demand (RV) │ │ + Chance │ │ Distance -22%│
│ Service level│ │ Constr. │ │ Time -10% │
└──────────────┘ └──────────┘ │ Load +6% │
└──────────────┘
3. Dữ liệu — Thực tế từ Citenco
Điểm mạnh lớn nhất của bài này: dữ liệu vận hành thực từ Citenco (Công ty TNHH MTV Môi trường Đô thị TP.HCM) — không phải dữ liệu mô phỏng hay survey.
| Dữ liệu | Chi tiết |
|---|---|
| Nguồn | Citenco (HCMC) |
| Loại | Dữ liệu vận hành thực tế |
| Nội dung | Vị trí điểm thu gom, lượng rác, tuyến đường hiện tại, tải trọng xe |
4. Kết quả — Cải thiện đáng kể
| Chỉ số | Trước tối ưu | Sau tối ưu | Cải thiện |
|---|---|---|---|
| Tổng quãng đường | Baseline | Optimized | -22% |
| Thời gian di chuyển | Baseline | Optimized | -10% |
| Tải trọng sử dụng xe | Baseline | Optimized | +6% |
| Số chuyến/ngày đến cơ sở xử lý | Baseline | Optimized | Giảm |
Sensitivity Analysis (phân tích độ nhạy)
- Thay đổi service level (90%, 95%, 99%) → kết quả vẫn robust
- Mở rộng vùng phục vụ → mô hình vẫn hiệu quả
- Xác nhận mô hình bền vững dưới nhiều kịch bản
5. Bài học rút ra
Bài học nghiên cứu
- Operations Research là paradigm khác hoàn toàn so với SEM — không dùng survey, không dùng Likert, không dùng latent variables
- Dữ liệu thực (real operational data) mạnh hơn survey vì không có response bias
- Sensitivity analysis là bắt buộc cho OR papers — chứng minh kết quả robust
- Kết quả có thể áp dụng trực tiếp cho policy-making → impact cao
- Bài có thể publish ở journal tốt (Socio-Economic Planning Sciences) nhờ policy implications
Bài học thực tiễn
- Tối ưu tuyến đường thu gom tiết kiệm 22% quãng đường → giảm chi phí nhiên liệu, khí thải
- Mô hình áp dụng được cho bất kỳ thành phố nào có dữ liệu thu gom rác tương tự
- Stochastic demand modeling phù hợp với thực tế — lượng rác y tế biến thiên mạnh
- Hàm ý cho chính sách: cần data infrastructure (thu thập dữ liệu vận hành) trước khi tối ưu
6. Thuật ngữ chính
| Tiếng Anh | Tiếng Việt | Giải thích |
|---|---|---|
| CVRP | Bài toán định tuyến xe có ràng buộc tải | Vehicle Routing Problem with capacity |
| Constraint Programming | Lập trình ràng buộc | Khai báo constraints, solver tìm solution |
| Chance-constrained | Ràng buộc theo xác suất | Đảm bảo khả thi với xác suất ≥ threshold |
| Stochastic demand | Nhu cầu ngẫu nhiên | Lượng rác biến thiên, không cố định |
| Sensitivity analysis | Phân tích độ nhạy | Thay đổi tham số, xem kết quả thay đổi? |
| Service level | Mức dịch vụ | Xác suất đáp ứng nhu cầu (95%, 99%) |
| Operational data | Dữ liệu vận hành | Dữ liệu thực từ hoạt động hàng ngày |
| Robust | Bền vững/ổn định | Kết quả không thay đổi nhiều khi điều kiện thay đổi |
| Policy implications | Hàm ý chính sách | Khuyến nghị cho nhà hoạch định |