Desarrollo de un sistema basado en técnicas de inteligencia artificial que zonifique el territorio, segmente la operación y diseñe los trazados de las rutas de la operación de recolección de residuos sólidos

Programa: Doctorado en Ingeniería
Propuesta Doctoral: Proyecto en formulación y en ideación
Apalanca: Sigma Ingeniería

Estado: En ejecución.

Objetivo: Desarrollo de un sistema basado en técnicas de inteligencia artificial que zonifique el territorio, segmente la operación y diseñe los trazados de las rutas de la operación de recolección de residuos sólidos urbanos a partir de las restricciones del territorio y la operación en campo.

Resumen: 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 indican que en 2016 se generaron 2010 millones de toneladas de residuos sólidos urbanos (RSU), que se proyecta que aumenten a 3.40 billones de toneladas para 2050 [1]; Actualmente en Colombia menos del 15% de los materiales son reincorporados al ciclo productivo, mientras que la mayor parte se confina en rellenos sanitarios [2], desaprovechando su potencial y generando la necesidad de tener óptimos procesos de recolección y disposición de RSU.

El transporte juega un papel de liderazgo en la recolección y disposición para el manejo de RSU, ya que las actividades de recolección representan la mayor parte del costo del manejo, por congestión del tráfico y consumo de combustible además de su impacto directo con la contaminación ambiental y la generación de gases de efecto invernadero. La preocupación por su eficiencia ha aumentado aún más con la era moderna emergente. Como consecuencia de esta preocupación, muchas ciudades, especialmente las que se encuentran creciendo exponencialmente se ven obligadas a evaluar la rentabilidad y los impactos ambientales de sus sistemas de gestión de RSU[3]. Estudios han demostrado que una planificación insuficiente y un funcionamiento inadecuado son las principales razones de la mala gestión de los residuos [4].

Recientemente, se han realizado serios esfuerzos para revolucionar la industria de la gestión de residuos hacia la sostenibilidad y la rentabilidad mediante tecnologías avanzadas y sistemas inteligentes, pues el desarrollo de una solución eficiente, rentable y respetuosa con el medio ambiente para la recolección de residuos sólidos (RRSU) y el sistema de transporte sigue siendo un gran desafío para las ciudades.

La RRSU es un tema transversal que puede vincularse directa o indirectamente a 10 de los 17 Objetivos de Desarrollo Sostenible (ODS) de las Naciones Unidas [5]. Los procesos de gestión de residuos comprenden operaciones complejas y parámetros no lineales debido a los múltiples procesos interconectados involucrados como los factores demográficos, climáticos, ambientales, legislativos y socioeconómicos altamente variables que afectan a los sistemas en general.

Estos complejos procesos no lineales son difíciles de modelar, predecir y optimizar mediante métodos convencionales. Estudios demuestran que las técnicas emergentes de inteligencia artificial (IA) son adecuadas para su aplicación en el campo de la RRSU [6]..

Recientemente, las técnicas de IA han ganado impulso al ofrecer enfoques computacionales alternativos para resolver problemas de gestión de RSU. La IA ha sido eficaz para abordar problemas mal definidos, aprender de la experiencia y manejar la incertidumbre y los datos incompletos[4]. 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 resultados [7]. 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 [7]. Estos sistemas tienen una sintaxis lingüística simple que es competente en la gestión de operaciones complejas y atributos cualitativos [4]. 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 [8].

De lo anterior, nace la idea de desarrollar un sistema basado en técnicas de inteligencia artificial que zonifique el territorio, segmente la operación y diseñe los trazados de las rutas de la operación de RRSU a partir de diferentes variables climáticas, ambientales, demográficos y socioeconómicas.

Proyecto beneficiario de la convocatoria 022 de MINCIENCIAS en alianza con la Universidad de Caldas, la cual tenía cómo objetivo conformar un listado de propuestas de proyectos elegibles de formación de capital humano a nivel doctoral en atención de las demandas territoriales de I+D+i y de Ambiente y Desarrollo Sostenible definidas por los Consejo Departamentales CTel CODECTI.