Gestão de resíduos urbanos: estudo de caso

Abstract

O desenvolvimento económico dos países ocidentais traduz-se num aumento na produção e no consumo de bens, na sua maioria de pouca durabilidade, com o consequente incremento de resíduos. Os resíduos crescem exponencialmente e os sistemas de gestão encontram-se sob uma elevada pressão, não só no contexto ambiental (novos locais para deposição e aterros existentes no limite das capacidades de receção de resíduos, e emissão de gases com efeito de estufa) como no contexto económico e de gestão (sustentabilidade do setor e qualidade do serviço prestado). Nos últimos anos, Portugal tem enfrentado desafios na gestão de resíduos urbanos, mas também tem demonstrado compromisso com a implementação de políticas e práticas mais sustentáveis. As aplicações de modelos económicos mais sustentáveis decorrem da imposição de diretivas europeias e planos nacionais de regulamentação, sendo que os planos no âmbito dos resíduos concretizam a política nacional de resíduos constante na Resolução do Conselho de Ministros n.º 31/2023, e a Lei de Bases do Clima sustenta a política climática publicada no Decreto-lei n.º 98/2021. A consciência ambiental da população e o investimento em infraestrutura e tecnologia são essenciais para superar estes desafios e promover uma gestão de resíduos mais eficiente e ambientalmente responsável. Esta dissertação pretende avaliar o modelo de organização de uma entidade municipal de gestão de resíduos urbanos, com rotas e equipamentos de contentorização instalados há vários anos, e estudar as técnicas de Machine Learning (ML) na vertente da análise de dados, com a utilização da plataforma KNIME. A análise de dados orientada por Inteligência Artificial (IA) pode fornecer informações valiosas sobre padrões de produção de resíduos, composição e desempenho operacional. Ao analisar grandes conjuntos de dados, a IA pode identificar tendências, otimizar a alocação de recursos, melhorar estratégias de gestão de resíduos e apoiar processos de tomada de decisão baseados em dados, e assim tornar os processos de gestão de resíduos, mais eficientes, económicos e sustentáveis.

The economic development of western countries provokes an increase in the production and consumption of goods, most of which are single use, with a consequent increment in waste. Thus, waste grows exponentially and management systems are under high pressure, not only in the environmental context (new sites for disposal and existing landfills at the limit of waste reception capacities, and emission of greenhouse gases), as well as in the economic and management context (sustainability of the sector and quality of the service provided). In recent years, Portugal has faced challenges in urban waste management, but has also demonstrated a commitment to implementing more sustainable policies and practices. The applications of more sustainable economic models result from the imposition of European directives and national regulatory plans, with waste plans implementing the national waste policy approved by RCM no. 31/2023, and the Climate Basic Law supports climate policy published in Decree-Law No. 98/2021. The population's environmental awareness and investment in infrastructure and technology are essential to overcome these challenges and promote more efficient and environmentally responsible waste management. This dissertation aims to evaluate the organizational model of a municipal urban waste management entity, with routes and containerization equipment installed several years ago, and aims to study Machine Learning techniques of data analysis, using the KNIME platform. AI-driven data analysis can provide valuable insights of waste production patterns, composition and operational performance. By analyzing large data sets, Artificial Intelligence can identify trends, optimize resource allocation, improve waste management strategies, and support data-driven decisions, so that waste management processes can become more efficient, cost-effective and sustainable.