我們所面臨的最令人振奮的挑戰之一是 Pello Technology 團隊在 RTS 所致力解決的最具挑戰性的課題之一，便是「可視化」之後的下一步。 Pello 讓客戶能更深入了解其廢棄物與回收容器內的狀況——從裝載程度、服務活動，到污染物及物料狀態。
然而，當我們的團隊處理這些數據時，我們不斷回歸到一個更宏觀的問題：
一旦了解容器內的情況，該如何將這些資訊轉化為實際行動呢？
這個問題很重要，因為目前大部分的垃圾收集工作仍按照固定時程進行。 某個地點每週可能會接受數次清運服務，無論實際產生的廢棄物量有多少。一個垃圾桶可能比預期更早需要清運，而另一個則可能仍有相當大的剩餘容量。
對於客戶和廢棄物清運業者而言，預定服務與實際需求之間的落差，正為改善提供了契機。 在 RTS，我們相信，下一代廢棄物智慧解決方案的關鍵，就在於彌合這道鴻溝。
超越監控
智慧廢棄物技術的第一階段，主要著重於解答以下問題：
- 貨櫃裝得有多滿？
- 這台車有做過保養嗎？
- 是否有污染？
- 在由多個據點組成的網路中，正在發生什麼事？
這些答案固然重要。但我們的團隊越來越常思考接下來的問題：
基於這項資訊，接下來應該會發生什麼事？
這種轉變——從監控轉向決策支援——正是這項技術變得更加實用化的關鍵所在。 廢棄物的產生具有動態特性，會因地點、季節、星期幾、客戶活動以及無數其他現實世界因素而有所變化。 我們對這些狀況的理解越精準，營運團隊就能越智慧地做出回應。 這將為整個廢棄物生態系統創造潛在價值。
客戶可以更清楚地了解其服務水準是否符合實際需求。 運輸業者能針對卡車、司機及運能的調度，做出更明智的決策。 永續發展團隊能更深入了解其投資組合的整體運作狀況。 而整個產業亦可開始擺脫那種完全建立在固定假設之上的運作模式。
為現實世界打造的建築技術
與 RTS 團隊共同投入這項挑戰時，我最享受的一點在於：解決方案絕不能僅僅是某個聰明的演算法。 廢棄物是實體存在的。 這項技術必須考量到貨櫃、場地、司機、服務需求以及不斷變化的營運狀況等現實因素。 這意味著我們的任務並非僅僅是產生更多數據。 而是要讓這些數據對實際負責營運的人員有所助益。
這項區別至關重要。 最優秀的技術應當協助經驗豐富的專業人員做出更迅速、更明智的決策。它應能從數百或數千個容器中辨識出難以察覺的模式，並協助團隊將注意力集中在最關鍵的環節上。
人類的判斷依然至關重要。 人工智慧能讓這種判斷更為明智。
廢棄物技術的未來發展方向
對我來說，這正是我們在 RTS 所打造的項目中最令人振奮之處之一。 我們正突破「廢棄物技術僅僅是安裝在容器上的感測器，或是顯示昨日狀況的儀表板」這種傳統觀念。 下一階段的重點，在於建立實體世界中發生的狀況與營運團隊後續行動之間更智慧的連結。 這是一個更為龐大的機會。
這有助於客戶將服務與實際需求更精準地對接。它能為貨運業者提供更完善的營運智慧。此外，它還能協助業界運用那些直到不久之前還根本無法取得的資訊來做出決策。 在應對這些挑戰的過程中，我們的團隊至今仍持續每天學習。
但有一件事對我來說已越來越清晰： 廢棄物智慧分析的未來，不僅僅在於「看見更多」。
關鍵在於知道接下來該做什麼。