Creation and web integration of a machine learning tool for estimating the price of second-hand devices

Abstract

Amb els ràpids avenços tecnològics, tant les persones com les empreses renoven els seus dispositius molt sovint. Avui dia, molts d'aquests dispositius són prematurament reciclats. Però, malgrat ser obsolets, encara tenen valor i poden convertir-se en dispositius de segona mà en comptes de ser directament reciclats, el que estalvia més recursos. Existeixen organitzacions que reben centenars o milers de dispositius i han de decidir per cadascun si cal reciclar-lo o guardar-lo per a donar-li un altre ús. La decisió requereix saber el valor del dispositiu i el cost que tindria guardar-lo fins que algú el compri. A més, pel fet que els dispositius són configurables, també cal tenir en compte si és bona idea extreure components d'altres dispositius per a reparacions o millorares a d'altres, el que augmenta la complexitat del problema. Aquest projecte proporciona una eina per a estimar el preu que té un dispositiu en el mercat i facilitar la presa de decisions. El projecte també desenvolupa una aplicació web que integra l'eina i facilita el seu ús.

Due to the rapid evolution of hardware, individuals and organizations renew their devices frequently. Nowadays, most replaced devices are prematurely recycled. However, those devices, despite being obsolete, still hold value and can have a second owner, which saves more resources than recycling. Refurbishers receive hundreds or thousands of devices from organizations and need to make the decision of either recycling the device or storing it so it can be used by other organizations. To make a wise choice, the value of the device and the cost of storing it should be taken into account. Moreover, since devices can be configured, the decision could also involve taking components from one device to upgrade or repair another, which makes the problem more complex. This project aims at providing a solution to this problem by building a tool for predicting the price of second-hand devices based on machine learning so refurbishers can estimate the price a buyer would pay for the device. The project also aims at developing a web application that integrates the tool and eases its use.