Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh cách mạng công nghiệp 4.0, máy tính cá nhân (PC) đã trở thành một công cụ thiết yếu phục vụ đa dạng nhu cầu từ học tập, làm việc, chơi game đến nghiên cứu khoa học. Mỗi nhóm nhu cầu sử dụng đòi hỏi cấu hình phần cứng chuyên biệt nhằm đạt hiệu năng tối ưu trên mức chi phí đầu tư. Tuy nhiên, người tiêu dùng phổ thông khi tiếp cận việc trang bị máy tính thường đối mặt với hai rào cản chính:

  • Thiếu hụt kiến thức kỹ thuật phần cứng: Đa số người dùng không nắm rõ thông số kỹ thuật, khả năng tương thích giữa các linh kiện (CPU, bo mạch chủ, RAM, GPU, nguồn, vỏ case, tản nhiệt), cũng như cách thức tự xây dựng cấu hình, chẩn đoán lỗi hay thay thế linh kiện khi gặp sự cố.
  • Bất cân xứng thông tin về giá cả: Khi mua máy tính lắp ráp sẵn tại các đại lý bán lẻ, người mua khó đánh giá mức độ tương xứng giữa hiệu năng và giá trị thực của sản phẩm, dễ chịu rủi ro mua linh kiện với mức giá chênh lệch cao so với thị trường.

Nhằm giải quyết các khó khăn trên, đề tài "Xây dựng website lựa chọn phần cứng máy tính tích hợp tính năng đề xuất thông minh" (tên dự án: KoishiBuildPC) được thực hiện tại Học viện Công nghệ Bưu chính Viễn thông (Khoa Công nghệ Thông tin, 2024). Dự án xác định 3 mục tiêu nghiên cứu cụ thể:

  1. Nghiên cứu cơ chế vận hành của hệ thống xây dựng PC (PC Builder): Tìm hiểu các yếu tố cấu thành một nền tảng hỗ trợ tùy biến cấu hình, khảo sát giao diện người dùng (UI), trải nghiệm người dùng (UX), thiết kế hệ thống cơ sở dữ liệu và tham khảo các nền tảng thương mại điện tử nhằm xác định giải pháp tối ưu về giá thành và tính an toàn cho người sử dụng.
  2. Phát triển phân hệ đề xuất sản phẩm thông minh: Áp dụng phương pháp phân tích dữ liệu và học máy để xây dựng mô hình gợi ý cấu hình phù hợp với từng cá nhân dựa trên các tiêu chí như ngân sách và mục đích sử dụng.
  3. Nghiên cứu khả năng tích hợp trí tuệ nhân tạo (AI) vào ứng dụng web: Tìm hiểu hướng ứng dụng xử lý ngôn ngữ tự nhiên (NLP), học sâu (Deep Learning) và chatbot để hỗ trợ tư vấn, giải đáp thắc mắc và nâng cao độ tin cậy của các giải pháp cấu hình được đề xuất.

Đối tượng nghiên cứu của đồ án là các thành phần linh kiện phần cứng máy tính và thuật toán gợi ý cấu hình; phạm vi nghiên cứu tập trung vào phân tích thiết kế hệ thống web và triển khai mô hình cơ sở dữ liệu quan hệ tại TP. Hồ Chí Minh năm 2024.

Cơ sở lý thuyết và phương pháp

Đồ án tổng hợp nền tảng lý thuyết từ các lĩnh vực hệ thống thông minh, trí tuệ nhân tạo và kỹ thuật phần mềm:

Hệ thống thông minh và Trí tuệ nhân tạo

Hệ thống thông minh (Intelligent Systems) được định nghĩa là hệ thống có khả năng tự học hỏi, thích nghi và đưa ra quyết định dựa trên dữ liệu thu thập từ môi trường. Báo cáo phân tích hệ thống thông minh qua các khía cạnh:

  • Yêu cầu hệ thống: Khả năng xử lý dữ liệu và tự động hóa tác vụ phức tạp; yêu cầu hiệu suất (độ chính xác, xử lý thời gian thực, khả năng mở rộng); bảo mật và quyền riêng tư dữ liệu cá nhân; đạo đức và tính minh bạch trong việc ra quyết định.
  • Phân loại học máy (Machine Learning):
    • Học có giám sát (Supervised Learning): Huấn luyện trên dữ liệu gắn nhãn để thực hiện phân loại (classification) hoặc hồi quy (regression).
    • Học không giám sát (Unsupervised Learning): Khai phá cấu trúc ẩn trong dữ liệu không gắn nhãn (như phân cụm hành vi người dùng).
    • Học tăng cường (Reinforcement Learning): Tác tử học thông qua cơ chế thử - sai để tối đa hóa hàm phần thưởng.

Phương pháp trong Hệ thống gợi ý (Recommender Systems)

Đồ án khảo sát ba phương pháp gợi ý cốt lõi:

  1. Lọc cộng tác (Collaborative Filtering): Phân tích điểm đánh giá hoặc tương tác của cộng đồng người dùng để tìm kiếm sự tương đồng, đưa ra gợi ý độc lập với biểu diễn thuộc tính của vật phẩm.
  2. Lọc dựa trên nội dung (Content-based Filtering): Phân tích thuộc tính của sản phẩm và hồ sơ sở thích của người dùng để tính toán mức độ tương quan (item-to-item correlation) qua các mô hình như cây quyết định, mạng nơ-ron hoặc không gian vector.
  3. Gợi ý dựa trên cơ sở tri thức (Knowledge-based Filtering): Sử dụng các luật suy diễn tường minh giữa nhu cầu người dùng và đặc tính chức năng của sản phẩm, giúp giải quyết bài toán "khởi động lạnh" (cold start) đối với người dùng mới hoặc sản phẩm mới.

Công nghệ nền tảng

  • PostgreSQL: Hệ quản trị cơ sở dữ liệu quan hệ mã nguồn mở, hỗ trợ đầy đủ đặc tính ACID, quản lý truy vấn phức tạp và phân quyền bảo mật.
  • Node.js: Môi trường thực thi JavaScript phát triển trên V8 engine, hoạt động theo cơ chế bất đồng bộ non-blocking I/O, phù hợp xây dựng backend xử lý nhiều yêu cầu đồng thời.
  • Python: Ngôn ngữ lập trình hỗ trợ xử lý dữ liệu, xây dựng và huấn luyện mô hình học máy.
  • HTML/CSS: Xây dựng giao diện người dùng trực quan trên nền tảng web.

Thiết kế và kiến trúc hệ thống

Phân tích chức năng nghiệp vụ và luồng dữ liệu

Hệ thống được mô hình hóa thông qua các công cụ kỹ thuật phần mềm chuẩn:

  • Sơ đồ chức năng nghiệp vụ (BFD): Phân rã toàn bộ nghiệp vụ của hệ thống thành các khối chức năng độc lập (tham khảo mô hình nền tảng PCPartPicker), phân tách rõ ràng giữa phân hệ người dùng và phân hệ quản trị.
  • Sơ đồ luồng dữ liệu (DFD): Đặc tả luồng chuyển vận dữ liệu qua các tiến trình nghiệp vụ, bao gồm luồng duyệt sản phẩm, luồng tạo cấu hình build và luồng quản lý danh mục linh kiện.

Các phân hệ chức năng chính

  1. Quản lý tài khoản: Hỗ trợ đăng ký tài khoản, đăng nhập, khôi phục mật khẩu và lưu trữ hồ sơ cá nhân.
  2. Tra cứu và tìm kiếm linh kiện: Xem danh sách linh kiện theo danh mục (CPU, Motherboard, RAM, VGA, PSU, Storage, Case, Cooler), tìm kiếm theo từ khóa ký tự, bộ lọc đa tiêu chí (mức giá, danh mục, độ phổ biến) và lưu danh sách sản phẩm yêu thích.
  3. Bộ công cụ tạo cấu hình (PC Builder): Cho phép người dùng thêm từng thành phần phần cứng vào cấu hình, chỉnh sửa/thay thế linh kiện, thực hiện kiểm tra độ tương thích kỹ thuật giữa các bộ phận, đồng thời thiết lập trạng thái cấu hình là Công khai (Public - đóng góp vào tập dữ liệu huấn luyện tính năng thông minh) hoặc Riêng tư (Private).
  4. Quản trị hệ thống: Cung cấp quyền hạn cho quản trị viên thêm, sửa, xóa, kiểm tra danh mục và thông tin chi tiết của từng linh kiện phần cứng.

Thiết kế cơ sở dữ liệu quan hệ (ERD & Data Dictionary)

Hệ thống xây dựng mô hình cơ sở dữ liệu quan hệ chặt chẽ với các bảng dữ liệu chuyên biệt để quản lý đặc tính kỹ thuật của từng loại phần cứng:

Tên bảng Khóa chính (PK) Khóa ngoại (FK) Thuộc tính kỹ thuật tiêu biểu
User USERNAME Không PASSWORD, EMAIL, CREATED
Builds BUILD_ID USERNAME, CPU_ID, BOARD_ID, VGA_ID, PSU_ID, CASE_ID, COOLER_ID NAME, CREATED, STATUS (Public/Private)
CPU ID SOCKET_ID CORE_NUM, BASE_CLOCK, TURBO_CLOCK, MAX_MEMORY, ECC_SUPPORT, TDP, PRICE
Motherboards ID SOCKET_ID, FORM_FACTOR_ID MAX_MEMORY, MEM_SLOTS, SATA_SLOT, COLOR, PRICE
RAM ID MEM_TYPE CAPACITY, COLOR, PRICE
VGA ID Không VRAM, VRAM_TYPE, BASE_CLOCK, BOOST_CLOCK, TDP, LENGTH, PRICE
PowerSupply (PSU) ID FORM_FACTOR_ID LENGTH, EFFICIENCY, WATTAGE, MODULAR (Boolean), PRICE
Storage ID Không CAPACITY, FORM_FACTOR, TYPE (HDD/SSD), PRICE
Case ID FORM_FACTOR_ID SIDE, MAX_VGA_LEN, DIMENSION, COLOR, PRICE
Coolers ID Không FAN_RPM, NOISE_LEVEL, HEIGHT, COLOR, PRICE
Bảng liên kết Tùy bảng Tham chiếu tới các thực thể chính MB_RAM_TYPE, RAM_Details, Storage_Details, Cooler_Sockets, Sockets, FormFactor, RAM-DDR

Cơ chế đề xuất thông minh

Phân hệ đề xuất cấu hình được thiết kế nhằm mục đích rút ngắn thời gian ra quyết định của người dùng:

  • Chiến lược phân tích: Hệ thống phân tích các thuộc tính văn bản của cấu hình (tên cấu hình, mô tả mục đích sử dụng) kết hợp ràng buộc về tầm giá và sự tương thích kỹ thuật để gợi ý các mẫu máy tương tự từ tập dữ liệu các cấu hình công khai.
  • Dữ liệu huấn luyện mẫu: Hệ thống thu thập các cấu hình máy theo từng phân khúc, ví dụ:
    • Build ID 7: Cấu hình máy gaming full AMD dưới 20 triệu phục vụ thi đấu thể thao điện tử (e-sports).
    • Build ID 9: Cấu hình phục vụ streamer, tối ưu xử lý đa nhiệm, đồ họa nặng không giật lag.

Nội dung chính theo từng chương

Chương 1: Giới thiệu đề tài

Chương 1 trình bày lý do chọn đề tài xuất phát từ nhu cầu thực tiễn của thị trường máy tính cá nhân. Tác giả giới thiệu tên dự án KoishiBuildPC, công bố stack công nghệ chính (PostgreSQL, Node.js, HTML/CSS) và xác định rõ 3 mục tiêu nghiên cứu: tìm hiểu cơ chế builder PC, phát triển hệ thống đề xuất sản phẩm dựa trên học máy và định hướng tích hợp AI/NLP/Chatbot vào ứng dụng web.

Chương 2: Cơ sở lý thuyết

Nội dung chương này tổng thuật toàn diện các khái niệm về Hệ thống thông minh, Trí tuệ nhân tạo và Học máy (phân loại có giám sát, không giám sát, tăng cường). Chương 2 đi sâu phân tích 3 phương pháp xây dựng hệ thống gợi ý (lọc cộng tác, lọc theo nội dung, lọc dựa trên cơ sở tri thức), quy trình 6 bước xây dựng hệ thống thông minh, bài toán đánh đổi giữa hiệu suất - chi phí và các tiêu chuẩn đạo đức dữ liệu. Phần cuối chương giới thiệu chi tiết về hệ quản trị cơ sở dữ liệu PostgreSQL, ngôn ngữ Python và môi trường Node.js.

Chương 3: Phân tích và thiết kế hệ thống

Chương 3 là phần trọng tâm kỹ thuật của đồ án, bao gồm:

  • Trình bày sơ đồ chức năng nghiệp vụ (BFD) và sơ đồ luồng dữ liệu (DFD).
  • Đặc tả chi tiết các ca sử dụng (Use Case) và mô tả chức năng hệ thống (đăng ký/đăng nhập, xem/tìm kiếm/lọc sản phẩm, tạo cấu hình, kiểm tra tương thích, quản trị danh mục linh kiện).
  • Thiết kế mô hình thực thể mối quan hệ (ERD) và từ điển dữ liệu chi tiết cho 17 bảng dữ liệu.
  • Đặc tả thiết kế phân hệ thông minh, quy trình thu thập và phân tích dữ liệu mẫu cấu hình build.

Chương 4: Giao diện UI

Chương 4 mô tả thiết kế giao diện thực tế của website KoishiBuildPC theo định hướng tối giản và tập trung vào chức năng:

  • Giao diện Trang chủ: Thanh điều hướng (Navbar) gồm các mục Products, Guide, Build, Login, Register và phần thân trang chứa nút truy cập trực tiếp vào trình dựng cấu hình.
  • Giao diện Quản lý người dùng: Biểu mẫu Đăng nhập, Đăng ký và Quên mật khẩu.
  • Giao diện Danh mục sản phẩm: Trình bày danh sách linh kiện thành phần (CPU, Motherboard...) giúp người dùng tra cứu chi tiết thông số và giá cả trước khi đưa vào cấu hình build.

Chương 5: Kết luận

Chương kết luận tổng kết lại toàn bộ quá trình nghiên cứu, xây dựng và hoàn thiện báo cáo đồ án môn học Phát triển hệ thống thông minh.

Kết quả và đóng góp

  • Kết quả xây dựng phần mềm: Dự án đã phân tích và thiết kế thành công kiến trúc hệ thống cho website KoishiBuildPC, xây dựng cấu trúc cơ sở dữ liệu quan hệ chuẩn hóa trên PostgreSQL với đầy đủ các thuộc tính chi tiết của 8 nhóm linh kiện máy tính chính.
  • Giải pháp kỹ thuật:
    • Xây dựng cơ chế kiểm tra tương thích phần cứng dựa trên các ràng buộc quan hệ dữ liệu (Socket, Form Factor, chuẩn bộ nhớ, công suất nguồn, chiều dài GPU, chiều cao tản nhiệt).
    • Định hình quy trình đề xuất cấu hình dựa trên việc phân tích đặc trưng ngữ nghĩa của tên/mô tả build và khoảng ngân sách của người dùng.
  • Đóng góp học thuật và ứng dụng: Đồ án cung cấp một mô hình tham khảo về việc chuyển hóa các lý thuyết hệ thống thông minh và hệ thống gợi ý vào một bài toán thương mại điện tử chuyên biệt (linh kiện phần cứng PC), hỗ trợ người dùng phổ thông giảm thiểu rủi ro kỹ thuật và tài chính khi mua sắm máy tính.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế:
    • Hệ thống đề xuất dựa trên cơ sở tri thức và phân tích nội dung phụ thuộc lớn vào mức độ đầy đủ và chính xác của dữ liệu linh kiện đầu vào.
    • Việc thu thập dữ liệu cấu hình để huấn luyện mô hình thông minh cần thời gian tích lũy từ lượng người dùng thực tế chia sẻ build công khai.
    • Dự án dừng lại ở mức độ thiết kế và thử nghiệm hệ thống trong phạm vi đồ án môn học.
  • Hướng phát triển tiếp:
    • Mở rộng tích hợp Chatbot AI ứng dụng xử lý ngôn ngữ tự nhiên (NLP) để tư vấn cấu hình tự động thông qua hội thoại tương tác trực tiếp với người dùng.
    • Áp dụng các mô hình học sâu (Deep Learning) nhằm nâng cao độ chính xác của thuật toán gợi ý cấu hình khi quy mô dữ liệu mở rộng.
    • Hoàn thiện các tính năng thương mại điện tử chuyên sâu và tối ưu hóa trải nghiệm giao diện người dùng.

Giá trị tham khảo

Tài liệu đồ án này có giá trị tham khảo hữu ích cho:

  • Sinh viên ngành Công nghệ Thông tin, Hệ thống Thông tin và Kỹ thuật Phần mềm: Nắm bắt phương pháp phân tích thiết kế hệ thống từ BFD, DFD, Use Case đến lược đồ ERD cho các ứng dụng web phức tạp.
  • Người phát triển các đề tài liên quan đến linh kiện PC hoặc hệ thống gợi ý: Tham khảo cấu trúc từ điển dữ liệu (Data Dictionary) được thiết kế chi tiết cho từng loại phần cứng máy tính (xử lý các ràng buộc phức tạp như chân cắm socket, kích thước form factor, thông số tản nhiệt, chuẩn RAM, điện áp nguồn).

Câu hỏi thường gặp

1. Tên gọi của dự án website trong đồ án là gì và mục tiêu chính của nó là gì?
Dự án có tên là KoishiBuildPC, hướng đến mục tiêu xây dựng một nền tảng trực tuyến giúp người tiêu dùng lựa chọn phần cứng máy tính phù hợp với nhu cầu và ngân sách, kiểm tra độ tương thích linh kiện và nhận các đề xuất cấu hình thông minh.

2. Cơ sở dữ liệu của hệ thống được xây dựng bằng công nghệ nào và gồm những bảng chính nào?
Cơ sở dữ liệu được triển khai trên hệ quản trị PostgreSQL, bao gồm các bảng chính: User, Builds, CPU, Motherboards, RAM, VGA, PowerSupply, Storage, Case, Coolers, cùng các bảng quan hệ/liệt kê như MB_RAM_TYPE, RAM_Details, Storage_Details, Cooler_Sockets, Sockets, FormFactor, RAM-DDR.

3. Phân hệ đề xuất thông minh trong đồ án sử dụng chiến lược nào để gợi ý cấu hình?
Hệ thống sử dụng chiến lược phân tích thuộc tính (tên cấu hình, mô tả cấu hình) kết hợp với ràng buộc về ngân sách và tính tương thích kỹ thuật để gợi ý các cấu hình máy tương tự từ tập dữ liệu các bản build công khai do người dùng khác chia sẻ trên hệ thống.

4. Cơ chế kiểm tra tương thích phần cứng được thiết lập dựa trên các yếu tố nào?
Cơ chế tương thích được xây dựng dựa trên các ràng buộc khóa ngoại và thuộc tính kỹ thuật giữa các bảng: tính tương thích socket giữa CPU - bo mạch chủ - tản nhiệt (SOCKET_ID), kích thước chuẩn giữa bo mạch chủ - nguồn - vỏ case (FORM_FACTOR_ID), chuẩn RAM được bo mạch chủ hỗ trợ (MB_RAM_TYPE), chiều dài tối đa của VGA so với vỏ case (MAX_VGA_LEN), và công suất tiêu thụ (TDP/WATTAGE).

5. Đồ án định hướng ứng dụng AI nâng cao vào những tính năng nào trong tương lai?
Đồ án định hướng ứng dụng công nghệ xử lý ngôn ngữ tự nhiên (NLP) và học sâu (Deep Learning) để xây dựng Chatbot AI có khả năng trò chuyện, trả lời thắc mắc kỹ thuật và trực tiếp đề xuất cấu hình tối ưu theo yêu cầu ngôn ngữ tự nhiên của người dùng.

Kết luận

Báo cáo đồ án môn "Phát triển hệ thống thông minh" của sinh viên Đặng Văn Bảo Linh và Nguyễn Phát Thịnh (Khoa CNTT, Học viện Công nghệ Bưu chính Viễn thông, 2024) đã trình bày hoàn chỉnh quy trình phân tích, thiết kế hệ thống website chọn phần cứng máy tính KoishiBuildPC. Đề tài kết hợp giữa nền tảng web hiện đại (Node.js, PostgreSQL) với các nguyên lý hệ thống gợi ý và kiểm tra ràng buộc tương thích kỹ thuật phần cứng. Đây là tài liệu học thuật có tính ứng dụng thực tiễn cao, đóng góp cấu trúc thiết kế cơ sở dữ liệu chi tiết cho bài toán tùy biến cấu hình máy tính cá nhân.