Nội dung thi IoT Semi - Giải pháp Bảo trì Thông minh dựa trên AIoT | Iot và ứng dụng | Học viện Công nghệ Bưu chính Viễn thông

2. Problem Statement Necessity: o
Industrial downtime costs thousands of USD/hour. o
Traditional maintenance (scheduled/reactive) = inefficient. Main problems: o Unplanned downtime o Inefficient monitoring o Energy waste o Poor scalability
3. Objectives & Research Approach Objectives: o
Predict failures with AI models o Reduce downtime by 25% o
Cut maintenance cost by 10–15% o
Improve energy efficiency by 20%
Approach: IoT sensors → DataHub → AI analytics → Dashboard & Alerts → Managers
4. Solution Overview
Product/Service: AIoT-based Smart Maintenance platform
How it works: Sensors → collect data → AI model predicts issues → alerts & dashboards
Value: Real-time monitoring, predictive analytics, cost reduction
5. Unique Value Proposition
Real-time predictive maintenance (not just scheduled)
Edge AI for low latency → independence from cloud
Scalable across industries (factories, garages, vehicles)
User-friendly interface for managers
6. Technology & Implementation
Core Technologies: IoT sensors, MQTT, AI/ML models, Edge AI (OTA2.0), Dashboard Workflow: 1. Data acquisition →
2. Preprocessing (filter noise, normalize, extract features) →
3. AI training & deployment → 4. Visualization & alerts 7. Architecture Diagram:
Sensors → DataHub → AI models (AIFS) → Edge devices → Dashboard + Notification
WISE-IoT modules: DataHub, Dashboard, Notification, SaaS Composer, AIFS, OTA2.0
8. Business Model
Market: Manufacturing, automotive, machinery maintenance
Trend: Industry 4.0, predictive maintenance demand ↑
Business Model (Canvas): o
Value Proposition: Reduce downtime, lower costs, improve efficiency o
Customers: Factories, garages, service providers o
Channels: Direct B2B, partnerships, distributors o
Revenue: Subscription (SaaS), licensing, customized solutions
Pricing: SaaS model (monthly/annual plans, based on scale)
9. Customer Acquisition & Channels
Pilot projects with factories & garages
Partnerships with IoT/AI providers (Advantech, AWS, Azure)
Trade shows, industry conferences, direct sales
10. Results (Demo / Prototype)
Prototype dashboard (demo screenshots)
Early simulation results: predictive accuracy, downtime reduction potential
11. Development & Expansion Plan
0–3 months: Build prototype, lab testing
3–6 months: Pilot deployment at workshop/factory
6–12 months: Expand pilot, advanced features, beta release
Funding/Partnership: Partners in factories/garages
12. Social & Economic Impact
Economic: Save maintenance costs, reduce production loss
Social: Safer working environment, reduced accidents
Environmental: Energy efficiency, reduced waste from machine breakdown
13. Team & Capabilities
Background: IT students – expertise in IoT, AI, software engineering
Strengths: AI model building, IoT integration, system design
Advisor: MSc. Phan Thanh Hy – expertise in AIoT & Industry 4.0
14. Call to Action Looking for: o
Industry partners (factories, garages) for pilot projects o Investors for seed funding o
Technical support in IoT hardware and cloud infrastructure (Tiếng Việt) 2. Vấn đề
Tính cấp thiết: o
Downtime trong sản xuất gây thiệt hại hàng ngàn USD/giờ. o
Bảo trì truyền thống (theo lịch hoặc khi hỏng) kém hiệu quả.
Vấn đề chính: o Downtime ngoài kế hoạch o
Giám sát thủ công, dễ sai sót o Lãng phí năng lượng o Khó mở rộng
3. Mục tiêu & Phương pháp Mục tiêu: o
Dự đoán sự cố bằng AI o Giảm downtime ít nhất 25% o
Giảm chi phí bảo trì 10–15% o
Tăng hiệu suất vận hành 20%
Phương pháp: IoT sensors → DataHub → AI phân tích → Dashboard & Alerts → Người quản lý 4. Giải pháp
Sản phẩm/Dịch vụ: Nền tảng Bảo trì Thông minh dựa trên AIoT
Cách hoạt động: o
Cảm biến thu thập dữ liệu → AI dự đoán sự cố → cảnh báo & hiển thị dashboard Giá trị: o Giám sát thời gian thực o Phân tích dự đoán o Giảm chi phí & rủi ro
5. Điểm khác biệt (Unique Value Proposition)
Bảo trì dự đoán thời gian thực (thay vì định kỳ)
Edge AI → phân tích ngay tại thiết bị, độ trễ thấp
Hệ thống có thể mở rộng cho nhiều ngành: nhà máy, garage, xe cộ
Giao diện trực quan, thân thiện với người dùng
6. Công nghệ & Quy trình thực hiện
Công nghệ cốt lõi: IoT sensors, giao thức MQTT, AI/ML, Edge AI (OTA2.0), Dashboard Quy trình: 1. Thu thập dữ liệu
2. Tiền xử lý (lọc nhiễu, chuẩn hóa, trích xuất đặc trưng)
3. Huấn luyện & triển khai mô hình AI
4. Hiển thị kết quả & cảnh báo
7. Kiến trúc hệ thống
Luồng hoạt động:
Cảm biến → DataHub → AI models (AIFS) → Edge devices → Dashboard & Notification
WISE-IoT modules: DataHub, Dashboard, Notification, SaaS Composer, AIFS, OTA2.0
8. Mô hình kinh doanh
Thị trường mục tiêu: Sản xuất, ô tô, bảo trì máy móc
Xu hướng: Industry 4.0 → nhu cầu predictive maintenance tăng
Business Model Canvas: o
Giá trị: Giảm downtime, giảm chi phí, tăng hiệu quả o
Khách hàng: Nhà máy, garage, dịch vụ bảo trì o
Kênh: B2B trực tiếp, đối tác, nhà phân phối o
Doanh thu: Gói SaaS subscription, giấy phép, giải pháp tùy chỉnh
Chiến lược giá: mô hình SaaS (tháng/năm, theo quy mô)
9. Kênh tiếp cận khách hàng
Triển khai thử nghiệm (pilot) với nhà máy/garage
Hợp tác với nhà cung cấp IoT/AI (Advantech, AWS, Azure)
Hội nghị, hội chợ ngành công nghiệp, kênh B2B trực tiếp
10. Kết quả (Demo / Prototype)
Prototype Dashboard (demo, hình ảnh mô phỏng)
Kết quả mô phỏng ban đầu: độ chính xác dự đoán, tiềm năng giảm downtime
Ảnh/video thử nghiệm cảm biến (nếu có)
11. Kế hoạch phát triển & Mở rộng
0–3 tháng: Hoàn thiện prototype, thử nghiệm trong lab
3–6 tháng: Triển khai pilot tại xưởng/garage nhỏ, tinh chỉnh AI
6–12 tháng: Mở rộng pilot sang nhà máy, phát triển tính năng nâng cao, phát hành bản beta thương mại
Gọi vốn/Đối tác: o
Gọi vốn Seed round: 100,000 – 200,000 USD o
Đối tác chiến lược: nhà máy, garage, nền tảng IoT/AI
12. Tác động xã hội & Đối tượng hưởng lợi
Kinh tế: Giảm chi phí bảo trì, hạn chế gián đoạn sản xuất
Xã hội: An toàn lao động, giảm nguy cơ tai nạn
Môi trường: Nâng cao hiệu quả năng lượng, giảm lãng phí thiết bị
Đối tượng hưởng lợi: Nhà máy, garage, người lao động, xã hội
13. Đội ngũ & Năng lực
Nền tảng: Sinh viên CNTT – chuyên môn IoT, AI, phần mềm
Kinh nghiệm: Xây dựng mô hình AI, thiết kế IoT, phát triển ứng dụng
Người hướng dẫn: ThS. Phan Thanh Hy – chuyên môn AIoT & Industry 4.0
14. Kêu gọi hành động
Hợp tác thử nghiệm với nhà máy, garage
Tìm kiếm nhà đầu tư Seed funding
Hỗ trợ kỹ thuật: IoT hardware, hạ tầng cloud