Modelo de apoio à decisão para utilização de tic na otimização da recolha de resíduos recicláveis

Abstract

A gestão de resíduos vive atualmente um paradigma de otimização dos seus processos, onde as tecnologias de informação e comunicação (TIC) têm um papel cada vez mais preponderante. No entanto, os custos associados à utilização das TIC nos processos de recolha de resíduos são ainda muito elevados, logo é necessário elaborar estratégias para uma integração mais sustentável dessas tecnologias nesta indústria. No presente trabalho propõe-se um modelo de apoio à decisão de monitorização em tempo real das quantidades de resíduos recicláveis depositadas nos ecopontos tendo em vista a otimização das suas rotas de recolha. Dado o custo elevado de monitorizar todos os ecopontos com recurso às TIC, o modelo desenvolvido baseia-se na análise de agrupamentos de ecopontos com características semelhantes, efetuando a monitorização de uma amostra de cada cluster em detrimento da monitorização de todos os ecopontos. A incerteza associada à extrapola- ção dos dados das amostras para o total dos clusters leva à necessidade de se realizar uma análise de risco com recurso à simulação de Monte Carlo para poder avaliar eficazmente os benefícios desta solução. O modelo desenvolvido foi aplicado e validado com os dados cedidos por uma empresa real

Waste management addresses nowadays a paradigm of optimizing its processes in order to follow up efficiently the growth of recyclable waste production using at the same time information and communication technologies (ICT). The costs associated to the implementation of ICT in the processes of waste collection, even if enabling an optimization of the processes, are high, hence it is necessary to develop strategies to a sustainable integration of those technologies in that industry. In the present work it is proposed a decision support model regarding the monitoring of recyclable waste containers with ICT aiming to the optimization of the collection routes. The model is based on the grouping of similar containers into clusters, and then monitoring a sample of each cluster, instead of monitoring all containers. The uncertainty associated to the extrapolation of data from the samples to the clusters implies that a risk analysis (with Monte Carlo simulation) must be carried out in order to effectively assess the benefits of the decision support model when applied to a real case