La rápida urbanización, el crecimiento demográfico y el desarrollo económico han dado lugar a una mayor generación de desechos en países de todo el mundo. Estadísticas del Banco Mundial indican que en 2016 se generaron 2010 millones de toneladas de residuos, que se proyecta que aumenten a 3.40 billones de toneladas para el 2050. De acuerdo con la información disponible en la Superintendencia de Servicios Públicos Domiciliarios, en el año 2018 en Colombia se dispusieron 30.973 toneladas/día de residuos sólidos, lo que equivale a 929.190 toneladas al mes, donde un aspecto que debe considerarse dentro de la gestión de los desechos es que está asociado al bajo aprovechamiento de los residuos. Según el Departamento Nacional de Planeación & Dirección de Desarrollo Urbano, en el país el 83% de los residuos sólidos que se generan son finalmente depositados en rellenos sanitarios y sólo el 17% son aprovechados para incorporarlos nuevamente en el ciclo productivo a través de su comercialización, desaprovechando su potencial, generando la necesidad de tener óptimos procesos de recolección y disposición de estos.
El problema básico del sistema de gestión de residuos es la organización del trabajo, que debe ser eficaz con el máximo beneficio y el mínimo gasto económico. Esto significa que el factor clave para el funcionamiento eficiente de este sistema son todos los tipos de costos. En la recogida de residuos, los principales factores de costes operativos son el tiempo de trabajo del conductor y el tiempo de servicio del vehículo de recogida de residuos, así como el recorrido que debe realizar el vehículo.
Como es evidente, el recorrido es uno de los factores más importantes que afecta los costos operativos de una empresa de limpieza municipal, por tanto, la elección de una ruta óptima es uno de los retos más significativos. Generalmente, las empresas de recolección de basura tienen que administrar rutas que varían de cientos a miles en la operación diaria. Tomando como ejemplo la empresa Waste Management en América del Norte, gestionan 19.600 rutas diarias en promedio y tienen 20 millones de clientes en las áreas residenciales y 2 millones en las áreas comerciales. En total, Waste Management posee 26000 camiones de basura y los costos operativos relacionados con cada camión de basura rondan los $120000 USD. Por lo tanto, deben hacer que cada operación de ruta sea eficiente y rentable. En este caso, la cantidad de vehículos se convierte en el componente clave que debe considerar la optimización de rutas, ya que los costos de operación representan los costos fijos de los vehículos, los costos variables de los vehículos y los gastos de mano de obra. De lo anterior, es evidente que minimizar el número de vehículos se considera como un objetivo del problema, específicamente el problema de enrutamiento de vehículos (VRP) que se puede describir como el problema de crear un conjunto de rutas óptimas desde uno o varios depósitos a múltiples clientes, sujeto a un conjunto de restricciones. El objetivo es operar la gestión del transporte en un 100%, al mismo tiempo que minimiza el costo de las rutas y la cantidad de vehículos.
Recientemente, las técnicas de Inteligencia Artificial han ganado impulso al ofrecer enfoques computacionales alternativos para resolver problemas de gestión de residuos sólidos urbanos. La IA ha sido eficaz para abordar problemas mal definidos, aprender de la experiencia y manejar la incertidumbre y los datos incompletos. La tecnología de IA se ocupa del diseño de sistemas y programas informáticos que son capaces de imitar rasgos humanos como la resolución de problemas, el aprendizaje, la percepción, la comprensión, el razonamiento y la conciencia del entorno. Los modelos de IA como la red neuronal artificial (ANN), el sistema experto, el algoritmo genético (GA) y la lógica difusa (FL) tienen la capacidad de resolver problemas mal definidos, configurar mapas complejos y predecir resultado. Cada modelo de IA o rama de la IA tiene una función específica; por ejemplo, los modelos ANN pueden entrenar datos para clasificación y predicción. Además, las ANN se pueden utilizar para manejar Big Data en geografía urbana y realizar análisis geográficos. Estos sistemas tienen una sintaxis lingüística simple que es competente en la gestión de operaciones complejas y atributos cualitativos. Por otro lado, los algoritmos evolutivos, como GA, adoptan el concepto de selección natural para obtener resultados óptimos mediante la selección de los datos que mejor se ajustan a las condiciones imprevistas.
Los resultados de las tecnologías mencionadas han sido totalmente alentadores, en efecto, un estudio sugiere que tomar la ruta optimizada puede reducir los costos de combustible hasta en un 30%, con las herramientas adecuadas de optimización y mejorar su capacidad del proceso hasta en un 100 % sin aumentar la flota. Todo a partir de algoritmos de optimización de rutas. Otros estudios un poco más enfocados en investigación, sugieren una total reducción de distancia recorrida entre el 18,98% y 30,81% (Ghiani, 2014). Y, por otro lado, a partir de algoritmos genéticos se logra minimizar distancia total en un 66%, mientras que el tiempo de recolección se redujo de 7 horas por camión-viaje a 2,3 horas (Assaf R., Saleh Y., 2017).
Lo que evidencia que las operaciones gestionadas con tecnologías emergentes pueden generar excelentes resultados operacionales, ambientales, sociales y empresariales.
¿Sabes cómo optimizar tus rutas?
Realizado por: Alejandra María Restrepo Franco
