Gestão de resíduos urbanos: estudo de caso

Universidade do Minho Escola de Engenharia Ana Paula Morais Salgado Gestão de resíduos urbanos: estudo de caso janeiro de 2025 UMinho | 2025 Ana Paula Morais Salgado Gestão de resíduos urbanos: estudo de caso Ana Paula Morais Salgado Gestão de resíduos urbanos: estudo de caso Dissertação de Mestrado Mestrado em Engenharia de Sistemas Trabalho efetuado sob a orientação do(a) Professora Doutora Ana Maria Coutinho da Rocha Professor Doutor César Analide da Costa Rodrigues Universidade do Minho Escola de Engenharia janeiro 2025 ii Direitos de Autor e Condições de Utilização do Trabalho por Terceiros Este é um trabalho académico que pode ser utilizado por terceiros desde que respeitadas as regras e boas práticas internacionalmente aceites, no que concerne aos direitos de autor e direitos conexos. Assim, o presente trabalho pode ser utilizado nos termos previstos na licença abaixo indicada. Caso o utilizador necessite de permissão para poder fazer um uso do trabalho em condições não previstas no licenciamento indicado, deverá contactar o autor, através do RepositóriUM da Universidade do Minho. Licença concedida aos utilizadores deste trabalho: Atribuição-NãoComercial-SemDerivações CC BY-NC-ND https://creativecommons.org/licenses/by-nc-nd/4.0/ iii Agradecimentos Quero expressar o meu profundo agradecimento aos meus orientadores, a Professora Doutora Ana Maria Alves Coutinho da Rocha e o Professor Doutor César Analide Freitas Silva da Costa Rodrigues. Além da constante disponibilidade, deram-me a oportunidade de desenvolver o tema, orientaram-me e esclareceram as minhas dúvidas, permitindo-me atingir o meu objetivo e ampliar os meus conhecimentos. Um especial agradecimento às minhas filhas Joana e Ana Beatriz por todo o carinho e incentivo que me transmitem nas minhas incursões de aprendizagem, e ao meu marido Jorge por me apoiar ao longo desses percursos. Concluir a presente dissertação corresponde a uma conquista pessoal. Estou eternamente grata pelo caminho percorrido, pela presença das pessoas que me acompanharam e pela chegada. Um bem-haja a todos. iv Declaração de Integridade Declaro ter atuado com integridade na elaboração do presente trabalho académico e confirmo que não recorri à prática de plágio nem a qualquer forma de utilização indevida ou falsificação de informações ou resultados em nenhuma das etapas conducente à sua elaboração. Mais declaro que conheço e que respeitei o Código de Conduta Ética da Universidade do Minho. v Gestão de resíduos urbanos: estudo de caso Resumo 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. Palavras chave: KNIME, Machine Learning , Resíduos, Resíduos Sólidos Urbanos, Sistema de Gestão de Resíduos vi Urban waste management: a case study Abstract 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. Keywords: KNIME, Machine Learning, Municipal Solid Waste, Waste, Waste Management System vii Índice Agradecimentos ........................................................................................................................ iii Resumo ..................................................................................................................................... v Abstract .................................................................................................................................... vi Lista de Abreviaturas ................................................................................................................ ix Índice de Figuras ....................................................................................................................... x Índice de Tabelas .................................................................................................................... xii 1 – Introdução .......................................................................................................................... 1 1.1 Justificação do tema ....................................................................................................... 1 1.2 Objetivos gerais .............................................................................................................. 1 1.3 Estrutura da dissertação ................................................................................................. 2 2 - Revisão da literatura ............................................................................................................ 3 2.1 Enquadramento geral ..................................................................................................... 3 2.2 Resíduos sólidos urbanos – enquadramento teórico ........................................................ 3 2.2.1 Conceitos ................................................................................................................ 3 2.2.2 Enquadramento legal ............................................................................................... 4 2.2.3 Instrumentos de política ambiental - Enquadramento europeu .................................. 5 2.2.4 Instrumentos de política ambiental - Enquadramento nacional .................................. 5 2.2.5 Instrumentos de política ambiental - Regulamentos municipais de gestão de resíduos 7 2.2.6 - Emissões de gases efeito de estufa no setor dos resíduos ....................................... 8 2.2.7 Instrumentos económicos ...................................................................................... 10 2.3 Produção e composição de resíduos urbanos ................................................................ 11 2.4 Gestão de resíduos urbanos .......................................................................................... 12 2.5 Deposição, recolha e transporte de resíduos ................................................................. 13 2.5.1 Deposição ............................................................................................................. 13 2.5.2 Recolha ................................................................................................................. 14 2 na recolha e aglomerado populacional envolvido em cada circuito, entre outros, assim como propostas de melhorias e alertas de reincidências. 1.3 Estrutura da dissertação Além do capítulo introdutório, onde se abordam as bases da dissertação como a justificação do tema e, os objetivos gerais e específicos, a dissertação é organizada nos seguintes capítulos: No Capítulo 2 são descritos vários conteúdos que servem de enquadramento ao tema dos RSU, nomeadamente, os conceitos, a legislação europeia e nacional, e regulamentos municipais. O Capítulo 3 apresenta os fundamentos para a aplicabilidade de Machine Learning e introduz a plataforma KNIME. O Capítulo 4 caracteriza o Estudo de Caso. O Capítulo 5 expõe a análise dos dados, a descrição do trabalho desenvolvido e a apresentação dos resultados. No Capítulo 6 são tecidas as conclusões e é efetuada uma reflexão sobre o tema em análise e sobre alguns problemas encontrados, e finalmente, é discutida uma perspetiva futura de trabalhos a desenvolver. 3 2 - Revisão da literatura 2.1 Enquadramento geral O desenvolvimento económico e o crescimento populacional são fatores que potenciam a produção de resíduos. A crescente prosperidade dos países, medida como o crescimento do produto interno bruto (PIB) per capita , e a migração urbana constante têm aumentado a produção de resíduos sólidos urbanos (Kaza et al., 2018). No contexto atual, a produção de resíduos e a sua correta gestão são temáticas objeto de análise, regulamentação e avaliação pública, pelo que, segundo Faria (2019), a gestão de resíduos sólidos urbanos é um tema preocupante para os agentes públicos, com impactos diretos na saúde, no ambiente e na qualidade de vida dos cidadãos. Gerir adequadamente os resíduos com o menor impacto possível no ambiente é um desafio, essencialmente no âmbito do cumprimento das metas estabelecidas pela União Europeia (EU), aliado às preocupações ambientais dos impactos negativos na qualidade do solo, na água e na saúde pública. É fundamental avaliar regularmente a eficácia da gestão de resíduos urbanos para garantir que os esforços e investimentos geram os resultados satisfatórios considerando as vertentes ambientais, sociais e económicas. A contextualização da problemática da gestão de resíduos urbanos em Portugal envolve várias vertentes, nomeadamente no contexto das diretrizes e regulamentações europeias e na gestão dos mesmos. 2.2 Resíduos sólidos urbanos – enquadramento teórico 2.2.1 Conceitos Segundo o Decreto-Lei n.º 73/2011, de 17 de junho, entende-se por resíduo: “qualquer substância ou objetos de que o detentor se desfaz ou tem a intenção ou a obrigação de se desfazer " e, por Resíduo urbano: “o resíduo proveniente de habitações, bem como outro resíduo que, pela sua natureza ou composição, seja semelhante ao resíduo proveniente de habitações”. Por “Produtor de resíduos”, entende-se qualquer pessoa, singular ou coletiva, cuja atividade produza resíduos (produtor inicial de resíduos) ou que efetue operações de pré-processamento, de mistura ou outras que alterem a natureza ou a composição desses resíduos. 4 A 'Recolha' consiste na apanha de resíduos, incluindo a triagem e o armazenamento preliminares dos resíduos para fins de transporte para uma instalação de tratamento de resíduos. Deste modo, são considerados resíduos urbanos (RU), os resíduos produzidos pelos agregados familiares (resíduos domésticos); por pequenos produtores de resíduos semelhantes (produção diária inferior a 1100 litros; e por grandes produtores de resíduos semelhantes (produção diária igual ou superior a 1100 litros) (APA, 2021b). A quantificação e caracterização física dos resíduos sólidos urbanos são essenciais no âmbito de uma gestão integrada de resíduos sólidos, sendo que, a informação processada a partir destes dois parâmetros é fundamental para avaliar a execução dos objetivos de gestão destes (Carvalho, E., 2005). A Quantificação dos resíduos é um aspeto importante, pois sem este, não é possível estimar as produções de uma atividade (Tchobanoglous et al., 1993). De acordo com o referido Decreto-Lei n.º 73/2011, de 17 de junho, entende-se por “Gestão de resíduos”, a recolha, o transporte, a valorização e a eliminação de resíduos, incluindo a supervisão destas operações, a manutenção dos locais de eliminação no pós-encerramento, bem como as medidas adotadas na qualidade de comerciante ou corretor. Um Sistema de Gestão de Resíduos Urbanos é uma estrutura composta por recursos humanos, logísticos, equipamentos e infraestruturas, com o objetivo de fazer a gestão dos Resíduos Urbanos (APA, 2021b). 2.2.2 Enquadramento legal A União Europeia incentiva as cidades a aplicarem políticas de planeamento e ordenamento do território sustentáveis, que incluem a mobilidade urbana, os edifícios sustentáveis, eficiência energética e a conservação da biodiversidade urbana (CE, 2019). É neste enquadramento que a problemática dos resíduos urbanos é considerada como prioritária, não só pela sua importância ambiental como pelo seu impacto numa gestão mais eficiente dos recursos naturais. Assim, a gestão de resíduos tem evoluído no sentido de proteger, preservar e melhorar a qualidade do ambiente, proteger a saúde humana, assegurar uma utilização prudente, eficiente e racional dos recursos naturais. 5 Neste contexto, surgem a nível europeu para transposição para a legislação nacional, os planos no âmbito dos resíduos que concretizam a política nacional de resíduos, dando forma aos objetivos de prevenção de resíduos e do seu aproveitamento como recurso, garantindo a utilização eficiente dos recursos naturais e devolvendo materiais e energia à economia. Para tal, os planos definem orientações, objetivos, ações e metas para a prevenção e gestão de resíduos, a nível nacional, que se traduzem em planos de ação a nível municipal. 2.2.3 Instrumentos de política ambiental - Enquadramento europeu As políticas e regulamentações nacionais e europeias sobre a gestão de resíduos urbanos desempenham um papel crucial na promoção de práticas sustentáveis de gestão de resíduos, na proteção do meio ambiente e na saúde pública. Da plataforma da Agência Portuguesa do Ambiente (APA), algumas das principais políticas, diretivas e regulamentações da União Europeia, relevantes, são: - Diretiva Quadro de Resíduos (2008/98/CE do Parlamento Europeu e do Conselho, de 19 de novembro de 2008) que estabelece um quadro para a gestão de resíduos na União Europeia, com ênfase na prevenção, reutilização, reciclagem e outras formas de recuperação de resíduos. - Diretiva sobre Aterros Sanitários (1999/31/CE de 26 de abril de 1999) que estabelece normas e requisitos para a gestão de aterros sanitários, visando reduzir a deposição de resíduos biodegradáveis e prevenir a poluição do solo e da água. - Diretiva sobre Embalagens e Resíduos de Embalagens (94/62/CE do Parlamento Europeu e do Conselho, de 20 de dezembro de 1994) que estabelece metas de reciclagem e recuperação de embalagens e resíduos de embalagens, bem como requisitos para minimizar o impacto ambiental desses resíduos. - Estratégia Europeia para os Plásticos (2018), que promovida pela Comissão Europeia, visa abordar os desafios relacionados com a poluição por plásticos, promovendo a circularidade destes, a sua reciclagem e a redução do uso de plásticos descartáveis. 2.2.4 Instrumentos de política ambiental - Enquadramento nacional Em 1987, surge uma primeira legislação do Ambiente (Lei n.º 11/1987, de 7 de Abril), que define as bases da política de ambiente. Esta emana ao abrigo da Constituição da República Portuguesa, de acordo com o disposto dos artigos 9º e 66º, que indica como princípio geral, “ todos os cidadãos têm direito a um ambiente humano ecologicamente equilibrado e o dever de o defender, incumbindo ao Estado, por meio de organismos próprios e por apelo a iniciativas 6 populares e comunitárias promover a melhoria da qualidade de vida, quer individual, quer coletiva. ” Em 2020, é atualizado o Regime Geral da Gestão de Resíduos, o Regime Jurídico da Deposição de Resíduos em Aterro e alterado o Regime da Gestão de Fluxos Específicos de Resíduos, através do Decreto-Lei n.º 102-D/2020, de 10 de dezembro. Este decreto, na sua atual redação, pretende promover e dar especial ênfase às abordagens circulares, que dão prioridade aos produtos reutilizáveis e aos sistemas de reutilização sustentáveis e não tóxicos em vez dos produtos de utilização única, tendo primordialmente em vista a redução dos resíduos gerados. No que se refere ao Regime Geral de Gestão de Resíduos (RGGR) são introduzidas normas relativas à prevenção da produção de resíduos, prevendo-se objetivos e metas de prevenção tanto ao nível da produção de resíduos urbanos, como medidas com vista à promoção da reutilização, inserindo-se ainda medidas com vista à minimização na produção de resíduos perigosos. No que respeita ao regime jurídico da deposição de resíduos em aterro, é novamente reforçado o princípio da hierarquia dos resíduos, especificando-se que as operações prévias de tratamento de que depende a admissibilidade da sua deposição em aterro devem incluir, no mínimo, uma seleção adequada dos diferentes fluxos de resíduos, e proibindo-se a deposição de resíduos que tenham sido objeto de recolha seletiva para efeitos de preparação para a reutilização e reciclagem. Os planos nacionais no âmbito dos resíduos concretizam a política nacional de resíduos, dando forma aos objetivos de prevenção de resíduos e do seu aproveitamento como recurso, garantindo a utilização eficiente dos recursos naturais e devolvendo materiais e energia à economia. Para tal, os planos definem orientações, objetivos, ações e metas para a prevenção e gestão de resíduos, a nível nacional, que se traduzem em planos de ação a nível municipal. Na atualidade, as orientações fundamentais da política de resíduos são dadas pelos seguintes instrumentos (APA,2021b):  Plano Nacional de Gestão de Resíduos (PNGR);  Plano Estratégico para os Resíduos Urbanos (PERSU);  Plano Estratégico para os Resíduos Não Urbanos (PERNU);  Estratégia para os Biorresíduos. 7 Cabe à APA a elaboração e a implementação destes planos, incluindo o seu acompanhamento e monitorização, cuja aprovação é feita por resolução do Conselho de Ministros, após audição das entidades que integram a Comissão de Acompanhamento da Gestão de Resíduos (CAGER), no caso do PNGR e do PERNU, e da Associação Nacional de Municípios Portugueses, no caso do PERSU. A política nacional de resíduos apresenta-se preconizada, a nível macro, pelo Plano Nacional de Gestão de Resíduos, que estabelece as orientações estratégicas, de âmbito nacional, e as regras orientadoras de atuação, as prioridades a observar, as metas a atingir e as ações a implementar, no sentido de garantir a concretização dos princípios da gestão de resíduos, bem como o cumprimento dos objetivos definidos no RGGR, no período compreendido entre 2021 e 2030. O PERSU segue a visão subjacente ao PNGR 2030 e foca-se na implementação da hierarquia de resíduos, centrada na prevenção, perspetivando uma inversão da tendência - que tem sido verificada ao longo dos últimos anos - de aumento da produção de resíduos, através, nomeadamente, de medidas que fomentem a reutilização e/ou o prolongamento do tempo de vida de produtos. Essas políticas e regulamentações fornecem o arcabouço legal e institucional para a gestão de resíduos urbanos tanto a nível nacional quanto europeu, estabelecendo metas, padrões e diretrizes para promover uma gestão mais eficiente, sustentável e integrada desses resíduos. A definição, por Portugal, do novo ciclo de planeamento em matéria de resíduos para o período até 2030 deve, assim, ter presente as prioridades definidas pela União Europeia, sem descurar a necessidade de consagrar objetivos claros e estratégias que assegurem a sua exequibilidade e sustentabilidade. 2.2.5 Instrumentos de política ambiental - Regulamentos municipais de gestão de resíduos Para a gestão integrada dos RU e prossecução das prioridades que têm vindo a ser definidas na legislação, previram-se dois tipos de entidades: os municípios ou associações de municípios, em que a gestão do sistema pode ser concessionada a qualquer empresa, e as entidades multimunicipais, cujos sistemas são geridos por empresas concessionárias. No contexto local ou municipal, e no âmbito das competências atribuídas aos municípios, há a necessidade de definir e estabelecer as regras e condições relativas aos sistemas de gestão de resíduos na área respetiva área de atuação, através de regulamentos municipais de gestão de 8 resíduos, podendo estes incluir, entre outros, a Tarifa de Gestão de Resíduos Urbanos, penalidades e as atividades de limpeza e higiene urbana. O Regime Jurídico das Autarquias Locais, aprovado pela Lei n.º 75/2013, de 12 de janeiro, na sua redação atual, atribui aos órgãos municipais, em matéria de ambiente, um conjunto de competências de planeamento, gestão de equipamentos e realização de investimento nos sistemas municipais de limpeza pública, de recolha, transporte e tratamento de resíduos urbanos. A gestão dos serviços municipais de abastecimento público de água, de saneamento de águas residuais urbanas e de gestão de resíduos urbanos é uma atribuição dos municípios, sendo que as regras de prestação desse serviço aos utilizadores devem estar previstas num regulamento de serviço, que deve ser aprovado pela entidade titular. No entanto, quando os serviços são objeto de delegação ou concessão, a proposta de regulamento de serviço é elaborada pela entidade gestora, competindo a esta entidade fiscalizar o cumprimento das normas constantes do regulamento de serviço relativas aos utentes. 2.2.6 - Emissões de gases efeito de estufa no setor dos resíduos Portugal comprometeu-se internacionalmente com o objetivo de redução das suas emissões de gases com efeito de estufa (GEE) por forma a que o balanço entre as emissões e as remoções da atmosfera (ex., pela floresta) seja nulo em 2050. A este objetivo deu-se o nome de “neutralidade carbónica” (Fernandes, 2019). O objetivo principal do Roteiro para a Neutralidade Carbónica 2050 é a identificação e análise das implicações associadas a trajetórias alternativas, tecnicamente exequíveis, economicamente viáveis e socialmente aceites, e que permitam alcançar o objetivo de neutralidade carbónica da economia Portuguesa em 2050. Atingir a neutralidade carbónica em Portugal implica a redução de emissões de gases com efeito de estufa entre 85% e 90% até 2050 e a compensação das restantes emissões através do uso do solo e florestas, a alcançar através de uma trajetória de redução de emissões entre 45% e 55% até 2030, e entre 65% e 75% até 2040, em relação a 2005 (APA, 2018). O sector dos resíduos desempenha um papel importante nas emissões de GEE e consequentemente nas Alterações Climáticas. As emissões associadas à gestão de resíduos podem ser significativamente reduzidas através da prevenção da produção de resíduos, da valorização multimaterial, da valorização orgânica, da utilização de resíduos como fonte de 9 energia e da adoção de procedimentos de operação que garantam um melhor controlo de emissões. Figura 1 - Emissões de Gases de Efeito Estufa do Setor de Resíduos em 2021 (adaptado de APA, 2023). A Figura 1 apresenta as emissões de gases de efeito de estufa do setor de resíduos em 2021, sendo que estes representaram cerca de 9% das emissões portuguesas. Este aumento é principalmente relacionado com o aumento da geração de resíduos (associado ao desenvolvimento de renda e o crescimento da urbanização) e a deposição de resíduos predominantemente em aterros, cuja evolução de 2019 a 2021 pode ser verificado na Figura 2. Figura 2 - Emissões de Gases de Efeito Estufa, por Setor, em Portugal (adaptado de APA, 2022; 2023) Assim, consideram-se importantes as questões relacionadas da interação do setor dos resíduos com as alterações climáticas, pelo que a minimização dos impactos associados ao transporte dos resíduos, é uma questão que deve ser tida em conta. Num sistema de gestão de RU, a componente recolha e transporte pode representar a componente mais dispendiosa do sistema, pelo que é imperativa uma gestão cuidada e eficiente, nomeadamente um bom planeamento e otimização dos circuitos, uma boa gestão dos 10 recursos humanos e equipamentos afetos ao sistema de recolha e uma boa sensibilização dos utentes do serviço para adotarem os comportamentos de deposição mais corretos. Assim, os circuitos de recolha de RU devem ser objeto de uma cuidada análise, recorrendo-se, por exemplo, à determinação de um conjunto de indicadores que permitam caracterizar e avaliar a sua produtividade. Na Tabela 1 apresentam-se os valores de CO2 com origem nas viaturas de recolha seletiva e indiferenciada, entre 2017 e 2019, em Portugal. Tabela 1 - Emissões de Gases de Efeito de Estufa, por Tonelada de Resíduos Urbanos das Viaturas de Recolha de Resíduos (Kg CO2/t). Nota: Adaptado de APA (2023) 2.2.7 Instrumentos económicos Segundo Taskin e Demir (2020), os desafios económicos da gestão dos resíduos, presentes nas tarifas suportadas pelos utentes do serviço de gestão de resíduos, assim como os impactos ambientais desta gestão são fatores que constituem uma preocupação crescente, não só dos gestores públicos como do menor cidadão comum, dado que o transporte de resíduos, é responsável por emissões significativas de dióxido de carbono (CO2). Os instrumentos de suporte económico à gestão de resíduos urbanos apoiam-se nas tarifas municipais, sedimentadas nos regulamentos municipais. O modelo tarifário atual dos resíduos urbanos para os utilizadores domésticos e não domésticos contempla uma tarifa fixa e uma variável, indexada ao consumo da água. Adicionalmente, e em 2006, é acrescida uma taxa nacional, designada por Taxa de Gestão de Resíduos (Decreto-Lei n.º 178/2006) cuja regulamentação estabelece o quadro para a aplicação de taxas de gestão de resíduos em Portugal, visando incentivar práticas sustentáveis de gestão de resíduos e financiar investimentos em infraestrutura. O Decreto-Lei nº 73/2011, de 17 de Junho, estabelece uma alteração do Decreto-Lei nº 178/2006, de 5 de Setembro e transpõe a Diretiva n.º 2008/98/CE do Parlamento Europeu e do Conselho, de 19 de Novembro de 2008, relativa aos resíduos. 11 A Assembleia da República resolve, nos termos do n.º 5 do artigo 166.º da Constituição, recomendar ao Governo que adote a recomendação das opções políticas apresentadas pelo estudo europeu “utilização de instrumentos económicos associados à performance da gestão de resíduos” que refere a necessidade de aplicar o uso de tarifário de gestão de resíduos através do sistema PAYT como estímulo para a redução da produção de resíduos, aumento da reciclagem e diminuição dos custos e encargos dos tarifários de resíduos para as famílias (II Série A - 074/2013 de 28 de Janeiro). É assim entendido que é necessária a aplicação de um instrumento económico mais justo e equitativo. 2.3 Produção e composição de resíduos urbanos A produção de resíduos urbanos refere-se à quantidade de resíduos gerada em áreas urbanas. Essa produção pode variar significativamente de acordo com fatores como densidade populacional, atividades económicas, hábitos de consumo e padrões de vida, e em geral, tende a aumentar com o crescimento populacional e o desenvolvimento económico (Levy & Cabeças, 2008). A quantidade de resíduos produzidos está sempre relacionada com a atividade humana, e quanto maior for o crescimento populacional, maior será a taxa de geração de resíduos (Ghinea et al., 2016). A produção de resíduos não é constante ao longo do tempo, sendo que se verificam variações diárias, semanais, mensais e até anuais, função de (Martinho & Gonçalves, 2000): nível de vida da população; clima e estação do ano; modo de vida e hábitos da população; localização geográfica da região; desenvolvimento tecnológico e nível de consumo; e Tipo de urbanização. O sucesso de um plano de gestão de resíduos sólidos urbanos depende fundamentalmente do conhecimento das suas características: quantidade e composição (Peruchin et al., 2018). O conhecimento da composição dos resíduos, permite uma gestão eficiente dos sistemas de recolha, armazenamento, tratamento, valorização e eliminação e permite ainda determinar o tipo, a dimensão e a localização das infraestruturas, os equipamentos necessários assim como os impactos ambientais e económicos da sua gestão (Martinho & Gonçalves, 2000). A Composição dos resíduos é assim o termo utilizado para descrever os componentes individuais que constituem um fluxo de resíduos e a sua distribuição relativa nesse grupo, recorrendo geralmente a valores percentuais em peso. 18 recolha da área em causa, podendo esta ser caracterizada como diária, bi-semanal ou trisemanal. 2.5.5 Transporte de resíduos A operação de transporte consiste na alteração de localização dos resíduos, e consiste essencialmente na transferência dos resíduos do ponto de deposição para uma estação de transferência ou, para uma estação de tratamento ou eliminação. Nas situações em que são utilizadas estações de transferência, função da distância entre o ponto de recolha e a central de tratamento ou eliminação, os resíduos são armazenados no estado físico da recolha ou comprimidos função de um processo de enfardamento, para a redução do seu volume, o que facilita o seu transporte posterior para as centrais de tratamento e valorização ou locais de eliminação (Levy et al., 2002). Os veículos de recolha de RSU podem classificar-se segundo critérios distintos, ou pelo método de descarga, pelo tipo de sistema de elevação dos contentores ou sistema de transferência dos resíduos para o interior da caixa (Pereira, 2005). 2.6 Tratamento de RSU Segundo o Decreto-lei n.º 183/2009 de 10 de agosto, o tratamento é qualquer operação de valorização ou de eliminação de resíduos, incluindo a preparação prévia à valorização ou eliminação. Segundo o mesmo Decreto-lei, a deposição de resíduos em aterro deve ser reduzida ao mínimo indispensável e é considerada como última opção de tratamento de resíduos. A União Europeia, segundo o princípio da hierarquia de gestão dos resíduos, definiu como prioridade a prevenção da produção de resíduos. Não sendo possível, a produção de resíduos deverá ser objeto de tratamento e valorização, privilegiando-se a reutilização, a reciclagem ou outro tipo de valorização. De acordo com relatório do Banco Mundial, 3,4 bilhões de toneladas de RSU serão gerados em todo o mundo até 2050, em comparação com os 2 bilhões produzidos em 2018 (aumento de 70%), dos quais apenas 13,5% são reciclados e 5,5% compostados (Kaza et al., 2018). 2.7 Os resíduos urbanos em Portugal Continental Em 2021, foram produzidas em Portugal 5,311 milhões de toneladas (t) RU, verificando-se um crescimento de 1%, em comparação com o ano anterior. 19 Conforme apresentado na Figura 3, verifica-se que, os últimos 3 anos, foram pautados por uma produção de resíduos urbanos com um crescimento pouco significativo, mantendo-se uma produção diária de cerca de 1,4 Kg/dia por habitante. Figura 3 - Evolução da Produção de RU (t) e Capitação Diária (kg/hab.dia) em Portugal Continental, entre 2019 e 2021 (adaptado de RARU APA, 2022). Os resultados da caracterização física média dos RU produzidos no Continente, em 2021, ilustrada na Figura 4, revelam que as frações dominantes na composição dos RU produzidos consistem nos biorresíduos, cerca de 37%, seguindo-se o plástico (10,6%), papel/cartão (9%), têxteis sanitários (8%) e vidro (7%). Figura 4 - Caracterização física dos RU produzidos em Portugal Continental, no ano de 2021 (%) (adaptado de RARU APA, 2022). Ao nível da recolha, entre 2019 e 2021, não se verificaram diferenças significativas, sendo a recolha indiferenciada o tipo de recolha preferencial para a recolha de resíduos urbanos, conforme esquematizado na Tabela 2 e Figura 5. 20 Tabela 2 - Recolha de RU (10 t3) em Portugal Continental, entre 2019 e 2021. Nota: Adaptado de RARU (APA, 2022). Figura 5 - Evolução da Recolha RU (%) entre 2019 e 2021 (adaptado de RARU APA, 2022). 2.7.1 Destinos Em 2021, os resíduos urbanos produzidos tiveram vários destinos finais conforme apresentado na Figura 6, sendo que o encaminhamento para deposição em aterro é predominante, com um valor percentual significativo de 56% em 2021. Figura 6 - Destino dos RU em 2021 (%) (adaptado de RARU APA, 2022). 21 2.7.2 Indicadores de qualidade do serviço de gestão de resíduos urbanos Em Portugal, a entidade responsável pela regulação do setor dos resíduos é a Entidade Reguladora dos Serviços de Água e Resíduos (ERSAR). O modelo de regulação desenvolvido pela ERSAR divide-se pela regulação estrutural do setor, pela regulação comportamental das entidades gestoras do serviço de resíduos e por atividades complementares. A regulação comportamental das entidades gestoras contempla a regulação da qualidade de serviço prestado, avaliando o serviço aos utilizadores e comparando as entidades gestoras entre si ( benchmarking ), desde que sejam similares e que atuem em zonas geográficas distintas, através da aplicação de um sistema de indicadores (regulação sunshine ), para promover a eficiência (ERSAR, 2022). O sistema de avaliação da qualidade de serviço prestado aos utilizadores conta com dezasseis ID para a gestão dos resíduos sólidos urbanos, divididos em três subsistemas distintos (ERSAR, 2024): - Adequação da interface com o utilizador - Indicadores que traduzem a defesa dos interesses dos utilizadores, correspondentes a aspetos que estão diretamente relacionados com a qualidade de serviço que lhes é prestado e por eles sentidos diretamente; - Sustentabilidade da gestão do serviço - Indicadores que traduzem a sustentabilidade da entidade gestora, correspondentes a aspetos relacionados com a sua capacidade económica e financeira, infraestrutural, operacional e de recursos humanos; - Sustentabilidade ambiental - Indicadores que traduzem a sustentabilidade ambiental, correspondentes a aspetos relacionados com o impacto ambiental da atividade gestora, nomeadamente em termos de conservação dos recursos naturais. É neste subsistema que se enquadra o indicador RU16 referente à Emissão de gases com efeito de estufa (Kg CO2/t). A ERSAR efetua a avaliação da qualidade do serviço prestado aos utilizadores através da comparação do valor obtido com o correspondente valor de referência. Os valores de referência servem não só para medir o grau de desempenho, como também para estabelecer metas para o futuro, aspetos fundamentais da qualidade (Silva et al. 2015). 22 3 – Modelos analíticos com aplicação de Machine Learning 3.1 Enquadramento do tema Uma consciência crescente das influências imediatas e de longo prazo dos efeitos adversos de uma má gestão de resíduos sólidos, provocou uma atenção crescente dos decisores e legisladores para os aspetos específicos da sustentabilidade (Heidari, et al., 2019). Para que um sistema de gestão de resíduos seja sustentável, ele precisa ser ambientalmente eficaz, economicamente acessível e socialmente aceitável (Seadon, 2010). De acordo com os objetivos e metas de desenvolvimento sustentável das Nações Unidas, os impactos ambientais mundiais adversos, gerados pelas cidades, devem ser reduzidos até 2030, incluindo-se nestas metas sistemas sustentáveis de recolha e transporte de resíduos urbanos (Nações Unidas, 2015). É, portanto, necessário um sistema de gestão bem planeado em prol da viabilidade económica, da melhoria da qualidade ambiental e da aceitabilidade social para alcançar objetivos sustentáveis. Pode afirmar-se que a recolha e o transporte dos resíduos sólidos urbanos são os principais fatores influenciadores do custo do serviço, das emissões atmosféricas, da indignação social e do consumo de combustível em todo o sistema de gestão. Nesta perspetiva, a implementação dos planos de ação para sistemas sustentáveis de GRSU tornaram-se temas críticos para os gestores urbanos, municípios e decisores. Considerando o tema em discussão, têm sido abordadas e analisadas diferentes técnicas em meio urbano, em vários países, na tentativa de conseguir uma aproximação teórico-prática a uma recolha e transporte de resíduos economicamente viável, ambientalmente sustentável, socialmente conveniente e tecnologicamente atualizada. Os métodos estatísticos convencionais e descritivos de previsão da produção de RSU apoiam-se no crescimento populacional e na produção média de resíduos per capita como principais variáveis (Abdoli et al., 2012). No entanto, este método deixou de ser eficaz devido às características dinâmicas do processo de produção de RSU (Abbasi et al., 2013). Sistemas avançados de previsão com suporte de inteligência artificial (IA) têm demonstrado superioridade aos modelos convencionais em problemas de engenharia, bem como no âmbito da problemática da produção de resíduos (Abdoli et al., 2012). 23 Abordagens baseadas em inteligência artificial têm demonstrado um bom desempenho para estabelecer modelos de previsão de resíduos sólidos urbanos. O uso de algoritmos de Machine Learning ou aprendizagem máquina pode prever com segurança a produção mensal de RSU por meio da sua aplicação a períodos de produção de resíduos (Abbasi et al, 2016). Nos últimos anos, modelos de inteligência artificial e aprendizagem máquina, têm ganho popularidade devido à sua alta flexibilidade e características de previsão, comprovadas (Antanasijević et al., 2013). Pesquisas recentes neste tópico concentram-se no uso de modelos de inteligência artificial para o tratamento de dados históricos não lineares (Abbasi et al., 2016). Neste contexto, o projeto pretende abordar modelos de análise de dados para reduzir custos, minimizar o impacto ambiental e, melhorar a eficiência e a eficácia do processo de recolha de resíduos, tornando-o mais ágil e sustentável, com a utilização de uma ferramenta de Machine Learning , a plataforma KNIME. 3.2 Aplicabilidade Segundo Siddiqui (2024), a análise de dados e a IA podem desempenhar um papel significativo na melhoria dos processos de gestão de resíduos e na abordagem dos seus principais desafios, nomeadamente, manutenção preventiva, circuitos otimizados de recolha de resíduos, sistemas inteligentes de gestão de resíduos e suporte à tomada de decisão. Além destas vertentes, os algoritmos de IA podem influir na monitorização ambiental e na prevenção da poluição, assim como no envolvimento do público e educação ambiental. A Figura 7 apresenta as várias vertentes da aplicação da análise de dados nos processos de gestão de resíduos. As várias vertentes identificadas nesta Figura são descritas: 1 - Otimização dos circuitos de recolha A análise de dados históricos de recolhas e dados em tempo real de sensores de níveis de enchimento de contentores assim como outros dados relevantes, pode apoiar a otimização dos circuitos de recolha de resíduos. Esta vertente permite uma gestão de recolha de resíduos, mais eficiente e económica, assim como redução do consumo de combustíveis, emissão de CO2 e custos de operação 24 Figura 7 - Aplicações da análise de dados à gestão de resíduos (adaptado PRO2030 FEFAL, 2023). 2 - Contentores inteligentes A análise em tempo real de grandes quantidades de dados associados a sensores acoplados aos contentores de resíduos, permite otimizar os horários de recolha de resíduos, dado que permite assegurar que os equipamentos de deposição somente são recolhidos no seu nível de enchimento máximo. Permite, assim, evitar recolhas desnecessárias, colocação de resíduos na imediação dos contentores por estes estarem cheiros e permite otimizar os recursos associados à operação de deposição e recolha. 3 - Reciclagem de materiais A aplicação de Machine Learning , pode apoiar a separação e otimização dos processos de triagem de resíduos seletivos. Sistemas suportados por esta tecnologia podem identificar e classificar tipos distintos de resíduos, nas fileiras mais significativas do papel, plástico, vidro e metal, melhorando a eficácia da triagem e a eficiência da reciclagem. 4 - Manutenção preventiva A análise de dados provenientes de sensores acoplados a equipamentos, permite uma prévia deteção de potenciais problemas nas estruturas e infraestruturas de gestão de resíduos. Esta abordagem proactiva permitirá manutenções de curta duração, tempos reduzidos de inoperacionalidade e uma performance melhorada do sistema de gestão de resíduos. 25 5 - Análise de dados e apoio à decisão Na análise de grandes quantidades de informação, os algoritmos de ML podem identificar estrangulamentos, otimizar a alocação de recursos, melhorar a estratégia de gestão e dar suporte aos processos de decisão, tornando-se mais eficiente, de menor custo e sustentável. 6 - Monitorização ambiental e prevenção da poluição A análise de dados por ML pode apoiar a problemática ambiental, ao identificar contextos de poluição e assim assegurar a conformidade com a legislação em vigor. 7 - Sistemas inteligentes de gestão de resíduos A análise por ML integra dados provenientes de diversos componentes do sistema de gestão de resíduos, tais como sensores, veículos, contentores, e outros. Desta integração e da análise da respetiva informação, é possível otimizar a generalidade das operações de gestão de resíduos, melhorar a alocação de recursos e melhorar a eficiência de todo o sistema. 8 - Educação e envolvimento da população Numa vertente mais abrangente, chabots de IA e assistentes virtuais podem melhorar a disponibilização de informação, responder a questões e apoiar nas campanhas de sensibilização ambiental à população. 3.3 Metodologia técnica Neste caso de estudo, pretende-se aplicar as técnicas de ML aos dados, utilizando a plataforma KNIME, e na vertente de análise dos dados e apoio à decisão, com o objetivo de melhorar os processos da gestão de resíduos, otimizar a prestação do serviço aos utentes e diminuir o impacto ambiental. Para atingir os objetivos propostos, executar-se-ão de forma sequencial, várias etapas, nomeadamente, seleção dos dados, leitura, processamento e transformação, aplicação dos fluxos de ML e avaliação dos resultados. Na etapa de seleção, os dados serão obtidos a partir das bases de dados da georreferenciação do sistema de gestão de resíduos e da base de dados de sensores de elevação dos contentores. O processamento e transformação agregará várias tabelas interligadas por chaves primárias e chaves estrangeiras, e transformara os dados para a aplicação dos fluxos. Na etapa seguinte, os dados serão sujeitos aos fluxos de ML e por fim, os resultados serão analisados. 26 3.4 KNIME O Konstanz Information Miner (KNIME) é um ambiente modular que permite uma montagem visual e uma execução interativa de uma sequência de dados. Foi concebido como uma plataforma de ensino, pesquisa e colaboração, que permite a integração simples de novos algoritmos e ferramentas, bem como manipulação de dados ou métodos de visualização na forma de novos módulos ou nós (Berthold et al., 2009). KNIME distingue-se de outros sistemas por não ser uma solução de uma área em específico, mas uma ferramenta de integração com boas características de pré-processamento e análise de dados. O KNIME já é amplamente usado em várias áreas de pesquisa, por exemplo, em informática química ou análise clássica de dados (Dietz & Berthold, 2016). Esta plataforma simplifica a análise de dados através de um interface gráfico intuitivo. No ambiente do KNIME, os dados são manipulados de forma simples e eficiente, bastando arrastar e soltar os elementos necessários na área de trabalho, conforme representado na Figura 8. Figura 8 - Plataforma KNIME Os utilizadores têm a capacidade de criar um fluxo de trabalho composto por nodos, constituindo assim um “pipeline” de análise. Cada nodo desempenha uma função específica, representando uma etapa na análise de dados. A interconexão entre estes nodos é estabelecida para permitir a 27 passagem e o processamento contínuo dos dados ao longo do pipeline, conforme representado na Figura 9. Figura 9 - Fluxo de trabalho composto por nodos. De UPDATA “KNIME: Guia de boas práticas para construção de workflows ”. As etapas de um pipeline correspondem a leitura ou importação dos dados, pré-processamento dos dados, análise e transformação, visualização dos dados e exportação para tabela ou ficheiro. A Figura 10 apresenta nodos da plataforma KNIME, sendo que alguns foram aplicados nas análises efetuadas. Figura 10 - Nodos KNIME A Figura 11 apresenta um exemplo simples de um fluxo KNIME. 34 Tabela 7 - Atributos 2 dos Contentores. - Viaturas A recolha de resíduos é efetuada por uma empresa privada que afeta 6 viaturas de grande porte, com volumes de caixa de 19m3 e 21 m3, e 1 viatura de menor dimensão para a recolha em vias de acessibilidade reduzida, com volume de caixa de 7 m3, conforme informação constante na Tabela 8. Tabela 8 - Viaturas de Recolha. Nota: Adaptado de Avaliação da Qualidade de Serviço 2022 (ERSAR). - Descrição dos circuitos de recolha de RI A recolha de resíduos é efetuada segundo 6 circuitos principais, sendo que 3 destes circuitos (FLG1, FLG2 e FLG3), pela respetiva extensão territorial, foram divididos em sub-circuitos (FLG1-1, FLG1-2, FLG2-1, FLG2-2, FLG3-1 e FLG3-2, respetivamente). A Tabela 9 apresenta os tipos e recolha associados a cada circuito e o número de contentores. Tabela 9 - Circuitos de Recolha de Resíduos Urbanos. Nota: Adaptado de Avaliação da Qualidade de Serviço 2022 (ERSAR). 35 A dispersão geográfica dos contentores é representada na Figura 18, sendo que a caracterização visual de cada circuito pode ser analisada com o auxílio da Figura 19. Figura 19 - Circuitos de Recolha e Dispersão de Contentores por Circuito No âmbito operacional, os circuitos foram segmentados em 2 sub-circuitos, sendo que a hifenização 1 corresponde aos dias de recolha de segunda, quarta e sexta-feira e a hifenização 2 corresponde aos dias de recolha de terça, quinta-feira e sábado, conforme representado na Tabela 10 infra, com o exemplo do circuito FLG1. Tabela 10 - Frequências por Circuito. Em complemento à informação relativa aos contentores, a cada um dos equipamentos está associada uma tabela cujo carregamento de dados é efetuado pelos sensores de elevação de carga traseira, de cada camião afeto aos circuitos de recolha de resíduos. A Tabela 11 apresenta alguns dos dados armazenados em cada ação nomeadamente, ID do contentor, data e hora, viatura e localização do equipamento. 36 Tabela 11 - Elevações de Carga Traseira Estes registos permitem validar que os contentores são efetivamente despejados No contexto visual, a elevação de cada contentor é identificada com o símbolo , conforme é visível em cada circuito de recolha como representado na Figura 20. Figura 20 - Circuito Percorrido por Camião, e Sinalização de Elevação de Carga Traseira – Registos de Pesagens Os resíduos urbanos recolhidos diariamente no âmbito dos circuitos de recolha são transportados para o aterro, com a contabilização dos respetivos quilogramas de resíduos. Esta informação, identificada na Tabela 12, é armazenada e cada linha corresponde a uma pesagem diária de cada despejo dos vários camiões no aterro. Dada a dimensão dos dados, somente se apresenta um extrato da mesma. Tabela 12 - Deposições Diárias em Aterro (ton.) Nota: Adaptado do Relatório Anual da Reciclagem 2022 (Ambisousa,2023) e Avaliação da Qualidade do Serviço 2022 (ERSAR, 2023). 37 A partir da informação referida, apresentada na Tabela 12 e mensalmente, são efetuados os cálculos agregados mensais por circuito, conforme representado na Tabela 13. Tabela 13 - Agregados Mensais por Circuito 38 5 - Análise dos dados do caso de estudo 5.1 Enquadramento A maioria dos dados apresentados decorrem da plataforma de georreferenciação e de apresentação essencialmente visual, que são exportadas para formatos de leitura mais simples e compactos, nomeadamente o formato tabelar, para uma melhor análise. Para o cumprimento dos objetivos propostos para o presente trabalho, respetivamente, analisar os dados do caso de estudo, com o recurso a ferramentas de análise de dados e apoio à decisão baseadas em técnicas de machine learning, para obter uma visão integral do caso de estudo, foram efetuadas 3 análises principais, nomeadamente:  Caracterização do caso de estudo: visão geral;  Avaliação de parâmetros da recolha de resíduos;  Avaliação de parâmetros do transporte de resíduos. 5.2 Caracterização do caso de estudo: visão geral Esta caracterização pretende trabalhar os dados existentes, no sentido de obter uma visão geral do contexto atual, foi suportada pelos pipelines:  Número de contentores por circuito e sub-circuito;  Número de contentores por freguesia;  Número de contentores por freguesia e rua;  Peso médio mensal de resíduos por contentor. - Número de contentores por circuito e sub-circuito O fluxo da Figura 21 pretende analisar a tabela dos atributos dos contentores e construir uma tabela com a informação do número de contentores por circuito. 39 Figura 21 - Fluxo de Trabalho “Número de. Contentores por Circuito e Sub-circuito”. Neste fluxo foram consideradas todas as etapas descritas anteriormente, sendo que para a leitura dos dados foi aplicado o nodo “Excel Reader”, que lê a tabela dos atributos dos contentores, descritos nas tabelas 6 e 7. O pré-processamento dos dados incide sobre a limpeza dos dados, executado pelo nodo “String Cleaner”, utilizado para ações de padronização ou correção (remover espaços extras, corrigir maiúsculas/minúsculas ou tratar caracteres especiais em colunas relevantes). A etapa do processamento utiliza o nodo “Row Aggregator”, que realiza uma agregação dos dados, produzindo um resultado com o número de contentores por circuito. Este nodo, identifica as ocorrências distintas dos valores de uma coluna (neste caso, a identificação do circuito) e calcula a quantidade de contentores associados a cada valor. A visualização dos dados é obtida a partir da aplicação do nodo “Pie Chart” que cria o gráfico circular da Figura 22 e que permite visualizar o número de contentores por circuito. Apresenta assim, uma análise visual rápida das proporções ou distribuição. O resultado do processamento é guardado com a escrita dos dados, neste caso, num ficheiro em excel denominado “Contentores por circuito”, utilizando o nodo “Excel Writer”. 40 Figura 22 - Número Contentores por Circuito e Sub-circuito - Contentores por freguesia O fluxo da Figura 23 pretende analisar a tabela dos atributos dos contentores e construir uma tabela com a informação do número de contentores por freguesia. Figura 23 - Fluxo de trabalho “Número de contentores por freguesia” Tal como o fluxo anterior, a leitura dos dados utiliza o nodo “Excel Reader”, que incide sobre a tabela dos atributos dos contentores, descritos nas Tabelas 6 e 7. O pré-processamento dos dados incide sobre a limpeza dos dados executado pelo nodo “String Cleaner”, utilizado para ações de padronização ou correção (remover espaços extras, corrigir maiúsculas/minúsculas ou tratar caracteres especiais em colunas relevantes). A etapa do processamento utiliza o nodo “Row Aggregator”, que realiza uma agregação dos dados, produzindo um resultado com o número de contentores por freguesia. Este nodo, identifica as ocorrências distintas dos valores de uma coluna (neste caso, a freguesia) e calcula a quantidade de contentores associados a cada valor. 41 A visualização dos dados é obtida a partir da aplicação do nodo “Bar Chart” que cria o gráfico de barras da Figura 24 e que permite visualizar o número de contentores por freguesia, e tenta apresenta uma análise visual rápida das proporções ou distribuição. O resultado do processamento é guardado com a escrita dos dados, neste caso, num ficheiro em excel denominado “Contentores_freguesia”, utilizando o nodo “Excel Writer”. Figura 24 - Número de Contentores por Freguesia - Contentores por Freguesia e Rua O fluxo da Figura 25 pretende analisar a tabela dos atributos dos contentores e construir uma tabela com a informação do número de contentores por freguesia e rua. Figura 25 - Fluxo de trabalho “Número de Contentores por Freguesia e Rua” 42 Tal como nos fluxos anteriores, a leitura dos dados utiliza o nodo “Excel Reader”, que incide sobre a tabela dos atributos dos contentores, descritos nas Tabelas 6 e 7. O pré-processamento dos dados inicia-se com o nodo “Column Filter” que exclui as colunas desnecessárias, seguindo-se a limpeza dos dados, executada pelo nodo “String Cleaner”, neste caso, utilizado para remover espaços e números do campo de localização. Por fim, é aplicado o nodo “String Manipulation” que retira a informação referente à freguesia, do campo de localização. A etapa do processamento utiliza o nodo “GroupBy””, que realiza a agregação dos dados, produzindo um resultado com o número de contentores por freguesia e rua. Este nodo, identifica as ocorrências distintas dos valores de duas colunas (neste caso, a freguesia e a rua) e calcula a quantidade de contentores associados a cada valor. A visualização dos dados é obtida a partir da aplicação do nodo “Stacked Area Chart” que cria o gráfico de barras da Figura 26 e que permite visualizar o número de contentores por freguesia e rua, e tenta apresenta uma análise visual rápida das proporções ou distribuição. O resultado do processamento é guardado com a escrita dos dados, neste caso, num ficheiro em excel denominado “Contentores_freguesia_rua”, utilizando o nodo “Excel Writer”, conforme extrato dos dados da Tabela 14 infra. Figura 26 - Número de Contentores por Freguesia e Rua 43 Tabela 14 - Número de Contentores por Freguesia e Rua - Peso médio mensal por contentor, por circuito O Fluxo constante na Figura 27 utiliza os dados da tabela de contentores por circuito, obtida no fluxo “Número de contentores por circuito e sub-circuito” e da tabela dos agregados mensais por circuito apresentada na Tabela 13. Figura 27 - Fluxo de trabalho “Peso Médio Mensal por Contentor e por Circuito” Tal como nos fluxos anteriores, a leitura dos dados utiliza o nodo “Excel Reader”, que incide sobre a tabela dos contentores por circuito e tabela dos agregados mensais por circuito. O pré-processamento dos dados aplica-se com o nodo “Row Filter” que exclui as linhas sem dados. A etapa do processamento utiliza o nodo “Joiner”, que agrega várias colunas de ambas as tabelas, considerando o código de cada circuito. Após esta agregação de colunas de dados, é aplicada uma operação matemática com o nodo “Column Expressions”, neste caso, a divisão do campo pesagem pelo campo número de contentores, produzindo como resultado o peso médio mensal por contentor e por circuito, representado na Tabela 15. 50 Aos dados processados, é aplicado o nodo “Excel Writer” que gera a tabela correspondente. Um extrato dos dados é apresentado na Tabela 21. É importante referir, que dado o volume de dados da Tabela 12, analisaram-se os dados referentes ao mês de Janeiro/2024. Tabela 21 - Análise de sobrecarga Para a obtenção de uma análise gráfica, a etapa de processamento inclui o nodo “Column Expressions” para identificar o dia da semana com excesso de carga, utilizando para tal, a expressão if (column(“AnaliseCarga”) >= 1) column(“Day of Week (Name)”); else “” . Deste processamento, e com o objetivo de reduzir a tabela para a representação gráfica, aplicaram-se os nodos “Row Filter” que selecionou somente as linhas com informação em todas as colunas, e “GroupBy” que contabiliza as ocorrências do par, dia do excesso de carga-circuito, e gera a correspondente coluna. O nodo final de processamento, nodo “String Manipulation”, concatena os campos circuito e dia do transporte em excesso, para melhor visualização do gráfico de barras resultante do nodo “Bar Chart”, conforme Figura 32. Figura 32 - Número de Ocorrências de Excesso de Carga (Circuito-dia) 51 Em síntese, as análises efetuadas permitiram, mesmo que numa pequena escala, consolidar fontes de dados distintas, efetuar análises consistentes, e obter uma visualização por gráficos que facilitam a interpretação da informação. Dada a adaptabilidade dos fluxos, estes podem ajustar-se a outras vertentes, automatizando análises em função da atualização de dados. Estes procedimentos fornecem dados atualizados para decisões rápidas e informadas, e permitem assim, relatórios de situação para a tomada de decisão. 52 6 – Conclusões 6.1 Considerações finais A gestão de resíduos urbanos do caso em estudo apresentava dificuldades em responder a questões simples no âmbito do seu desempenho, não só pela elevada quantidade de dados referentes a sistemas de sensores (elevação), como pela dispersão de dados em layers e tabelas nas plataformas de sistemas de informação geográfica. Apesar da informação visual e existente ser adequada a uma verificação básica do desempenho do sistema, outras análises eram de difícil execução. Esta dificuldade de análise, associada a um fluxo de contínuo de dados, potenciou a definição dos objetivos do presente trabalho, nomeadamente a aplicação de uma ferramenta de Machine Learning (ML), o que se mostrou uma mais-valia. A aplicação dos fluxos de nodos na plataforma KNIME permitiu obter uma visão agregada da informação visualmente dispersa, evidenciando nas suas aplicações mais simples, uma dispersão de equipamentos de contentorização, com grandes disparidades entre locais/freguesias, assim como distribuição por peso de resíduos recolhidos, no âmbito da primeira proposta de análise do presente trabalho. Para a segunda proposta de análise, respetivamente, a avaliação de parâmetros da recolha de resíduos nas vertentes de, distribuição de equipamentos para deposição função da densidade populacional atual e, falhas na recolha de contentores por circuito função da frequência definida, verificou-se que a afetação de equipamentos de contentorização por freguesia, assegura, de uma forma global, a deposição da estimativa de produção de resíduos urbanos por habitante. No âmbito da verificação da execução do serviço prestado, respetivamente se a frequência de recolha contratada era efetivamente executada, e na amostra analisada (circuito da acessibilidade reduzida), é possível identificar a necessidade de um acompanhamento mais próximo à qualidade do serviço que se pretende disponibilizar à população. Esta análise de dados realça as múltiplas vulnerabilidades da ação de despejo dos contentores, nomeadamente, os potenciais constrangimentos (estacionamentos indevidos que impedem a operação de despejo, os danos nos equipamentos e viaturas que inviabilizam a ação do sensor, a fraca cobertura de rede para as comunicações de dados, e a avaria dos sensores) ou mesmo, eventuais omissões da recolha. 53 De referir que a visão obtida dos resultados, realçou a importância da monitorização contínua, da necessidade da identificação do motivo do constrangimento e da sua rápida ação corretiva. A terceira proposta de análise, a avaliação de parâmetros do transporte de resíduos, centrou-se na verificação dos dias em que o camião de resíduos transporta uma carga acima da sua capacidade máxima, ou que efetua mais do que 1 deslocação ao aterro no âmbito do mesmo dia/circuito, com as consequentes ineficiências do trabalho e consequências no consumo de combustível e emissão de CO2. Haverá outros conjuntos de dados que não foram apresentados, como dados de natureza financeira, que podem agregar valor à análise do sistema de recolha de resíduos urbanos do caso de estudo e assim acrescentar valor ao processo. 6.2 Trabalho Futuro A gestão de resíduos como elemento do ODS 11 (cidades e comunidades sustentáveis) torna esta problemática ainda mais importante. Neste sentido e no âmbito da regulamentação europeia e nacional sobre este tema, crê-se que a evolução da gestão de resíduos estará cada vez mais suportada em soluções tecnológicas de recolha de informação, como sensores de volume/peso em contentores e veículos de recolha, reconhecimento de utentes por tecnologia RFID para registo do peso dos resíduos depositados e correspondente faturação função dessa deposição (PAYT – Pay As You Throw), sensores de humidade, odor e emissão de gases, entre outros, além de outras ferramentas de apoio como aplicações móveis para o registo de incidências (danos em equipamentos, resíduos volumosos abandonados na via pública, …). A aplicação de tecnologias de informação adicionais permitirá efetuar novas análises ou mesmo complementar as apresentadas, e permitir considerações como o reforço ou redistribuição de equipamentos de contentorização função do seu nível de enchimento e peso de resíduos recolhidos. A inovação rápida e contínua em tecnologias digitais potenciou a produção de grandes quantidades de dados. Independentemente de como as pessoas o definem, o impacto do Big Data é uma realidade. O termo Big Data não se limita assim, apenas ao tamanho dos dados, mas também descreve a complexidade da informação bruta gerada por dispositivos digitais. (Anting, 2022). A análise deste grande volume de informação, muito dele recolhido em tempo real é uma importante ferramenta para a tomada de decisão dos municípios, como responsáveis pela gestão de resíduos sólidos urbanos. 54 Neste contexto, e do estudo efetuado, a plataforma KNIME oferece os meios necessários para análises mais complexas e estudos previsionais não abordados neste trabalho. 55 Referências Abbasi, M., Abdoli, M., Omidvar, B., & Baghvand, A. (2013). Forecasting municipal solid waste generation by hybrid support vector machine and partial least square model. International Journal of Environmental Research . Abbasi M. & Hanandeh, A. (2016). Forecasting municipal solid waste generation using artificial intelligence modelling approaches. Waste Management , 56 , 13–22. https://doi.org/10.1016/j.wasman.2016.05.018. Abdoli, M.A., Nezhad, M., Sede, R., & Behboudian, S. (2012). Longterm forecasting of solid waste generation by the artificial neural networks. Environmental Progress & Sustainable Energy, 31 (4), 628636. Agência Portuguesa do Ambiente. (2018). Roteiro para a Neutralidade Carbónica . RNC2050. https://descarbonizar2050.apambiente.pt/ Agência Portuguesa do Ambiente. (2021a). Planeamento . https://apambiente.pt/residuos/planeamento Agência Portuguesa do Ambiente. (2021b). Sistemas de Gestão e Infraestruturas . https://apambiente.pt/residuos/sistemas-de-gestao-e-infraestruturas Agência Portuguesa do Ambiente. (2022). Relatório Anual Resíduos Urbanos 2021 (RARU 2021) . https://apambiente.pt/destaque2/relatorio-anual-de-residuos-urbanos-2021 Agência Portuguesa do Ambiente. (2023). Energia e Clima: Emissões de Gases com Efeito de Estufa . REA Portal do Estado do Ambiente. https://rea.apambiente.pt/content/emiss%C3%B5es-de-gases-comefeito-de-estufa Ambisousa. (2022). Relatório Anual da Reciclagem . https://www.ambisousa.pt/fotos/editor2/relatorio/2022/relatorio_anual_da_reciclagem_2022.pdf Antanasijević, D., Pocajt, V., Popović, I., Redžić, N. & Ristić, M. (2013). The forecasting of municipal waste generation using artificial neural networks and sustainability indicators. Sustainability Science , 8 , 37–46. https://doi.org/10.1007/s11625-012-0161-9 Anting, N. (2022). Data science with KNIME. NASPSOFT Intelligence Academy. Bernard, E. (2021). Introduction to Machine Learning. Champaign. Wolfram Media. https://www.wolfram.com/language/introduction-machine-learning/ Berthold, M.R., Cebron, N., Dill, F., Gabriel, T.R., Kötter, T., Meinl, T., Ohl, P., Thiel, K., & Wiswedel, B. (2009). KNIME - the Konstanz information miner: version 2.0 and beyond. SIGKDD Explor., 11 , 26-31. https://doi.org/10.1145/1656274.1656280 Carvalho, E. (2005). Metodologias para a quantificação e caracterização física dos resíduos sólidos urbanos. [Dissertação de mestrado. Universidade Nova de Lisboa]. Comissão Europeia. (2019). O reexame da aplicação da política ambiental 2019. Relatório Sobre Portugal . https://environment.ec.europa.eu/law-and-governance/environmental-implementationreview_en#country-reports 56 Decreto-Lei n.º 11/1987 da Assembleia da República. (1987). Diário da República: I série, n.º 81. https://files.diariodarepublica.pt/1s/1987/04/08100/13861397.pdf Decreto-Lei n.º 178/2006 do Ministério do Ambiente e do Ordenamento do Território e do Desenvolvimento Regional. (2006). Diário da República: I série, n.º 171. https://files.diariodarepublica.pt/1s/2006/09/17100/65266545.pdf Decreto-Lei n.º 183/2009 do Ministério do Ambiente e do Ordenamento do Território e do Desenvolvimento Regional. (2009). Diário da República: I série, n.º 153. https://files.diariodarepublica.pt/1s/2009/08/15300/0517005198.pdf Decreto-Lei n.º 73/2011 do Ministério do Ambiente e do Ordenamento do Território. (2011). Diário da República: I série, n.º 116. https://files.diariodarepublica.pt/1s/2011/06/11600/0325103300.pdf Decreto-Lei n.º 75/2013 da Assembleia da República. (2013). Diário da República: I série, n.º 176. https://files.diariodarepublica.pt/1s/2013/09/17600/0568805724.pdf Decreto-Lei n.º 102-D/2020 da Presidência do Conselho de Ministros. (2020). Diário da República: I série, n.º 239. https://files.dre.pt/1s/2020/12/23901/0000200269.pdf Decreto-Lei nº 98/2021 da Assembleia da República. (2021). Diário da República: I Série, nº 253/2021, 5-32. https://diariodarepublica.pt/dr/detalhe/lei/98-2021-176907481. Dietz, C. & Berthold, M.R. (2016). KNIME for Open-Source Bioimage Analysis: A Tutorial. Advances in Anatomy, Embryology and Cell Biology , 219 :179-97. https://doi.org/10.1007/978-3-319-28549-8_7 Directiva 2008/98/CE do Parlamento Europeu e do Conselho. (2008). Jornal Oficial da União Europeia, L 312 de 22.11.2008, 3–30. https://eur-lex.europa.eu/legalcontent/PT/TXT/PDF/?uri=CELEX:32008L0098 Directiva 1999/31/CE do Parlamento Europeu e do Conselho. (1999). Jornal Oficial da União Europeia, L 182 de 16.7.1999, 1–19. https://eur-lex.europa.eu/legalcontent/PL/TXT/PDF/?uri=CELEX:31999L0031 Directiva 1994/62/CE do Parlamento Europeu e do Conselho. (1994). Jornal Oficial da União Europeia, L 365 de 31.12.1994, 10–23. https://eur-lex.europa.eu/legalcontent/PT/TXT/PDF/?uri=CELEX:31994L0062 Entidade Reguladora dos Serviços de Água e Resíduos. (2022). Avaliação da Qualidade do Serviço. https://www.ersar.pt/pt/setor/factos-e-numeros/dados-de-base Entidade Reguladora dos Serviços de Água e Resíduos. (2022). “ Conferências de Março ”. https://www.ersar.pt/pt/site-comunicacao/site-noticias/Documents/S1_VeraEiro.pdf Entidade Reguladora dos Serviços de Água e Resíduos. (2024). Guia de avaliação da qualidade dos serviços de águas e resíduos prestados aos utilizadores – 4ª geração do sistema da avaliação . https://www.ersar.pt/pt/site-comunicacao/site-noticias/Documents/Guia_Tecnico27.pdf Faria, R. F. (2019). Os desafios das novas formas de lidar com os resíduos nos territórios inteligentes sob uma perspectiva europeia. REGAP: Revista galega de administración pública , 1 (58), 201-216. FEFAL. (2023). PRO2030 Programa Avançado em Valorização dos Recursos e Resíduos. Inovação Social e Gestão de Dados. https://www.fefal.pt/index.php/formacao/pro2030 57 Fernandes, L. (2019). Roteiro para a Descarbonização de Portugal. Uma perspetiva na construção e reabilitação de edifícios. Revista Portuguesa de Engenharia de Estruturas . III-9 . Ghinea, C., Drăgoi, E. N., Comăniţă, E. D., Gavrilescu, M., Câmpean, T., Curteanu, S. & Gavrilescu, M. (2016). Forecasting municipal solid waste generation using prognostic tools and regression analysis. Journal of Environmental Management , 182, 80-93. Graça, V.F. (2015). Plano de Gestão de resíduos sólidos urbanos - Uma proposta para a cidade de Porto Novo, Ilha de Santo Antão, Cabo Verde [Dissertação de Mestrado, Universidade de Lisboa]. http://hdl.handle.net/10400.5/11116 Heidari R., Yazdanparast R., Jabbarzadeh A. (2019). Sustainable design of a municipal solid waste management system considering waste separators: A real-world application. Sustainable Cities and Society , 47 . https://doi.org/10.1016/j.scs.2019.101457. Kaza, S., Yao, L.C., Bhada-Tata, P., & Woerden, F.V. (2018). What a Waste 2.0: A Global Snapshot of Solid Waste Management to 2050. http://hdl.handle.net/10986/30317 Keller, R. (1973). Computerized optimization and planning in solid waste management. Jones & Henry Engineers Limited , 424-427. Levy, J. & Cabeças, A. J. (2008). Resíduos Sólidos Urbanos - Princípios e Processos . Associação das Empresas Portuguesas para o Setor do Ambiente. Lisboa. Martinho, M.G. & Gonçalves, M.G. (2000). Gestão de Resíduos . Universidade Aberta. Lisboa. http://hdl.handle.net/10400.2/10673 Moreira, A. R. (2008). Análise de circuitos de recolha de RSU indiferenciados e avaliação da influência de variáveis operacionais na produtividade dos circuitos [Dissertação de Mestrado, Universidade Nova de Lisboa]. Nações Unidas. (2015). A Agenda 2030 para o desenvolvimento sustentável . https://sdgs.un.org/2030agenda Pereira, L. (2005). Avaliação das condições de segurança e saúde dos trabalhadores dos sistemas de gestão de resíduos urbanos [Dissertação de Mestrado, Universidade Nova de Lisboa]. Peruchin, B., Guidoni, L. L. C., Corrêa, L. B., Marques, R. V., Vieira, L. A., Siqueira, T. M., & Corrêa, É. K. (2018). Solid waste generation in a hotel event service. Revista internacional de contaminación ambiental , 34 (2), 237-247. https://doi.org/10.20937/rica.2018.34.02.05 Pichtel, J. (2005). Waste Management Practices: Municipal, Hazardous, and Industrial. Boca Raton: Taylor & Francis Group. Resolução do Conselho de Ministros n.º 31/2023 de 24 de março. (2023). Diário da República: I Série, nº 60/2023, pag. 140-276. https://diariodarepublica.pt/dr/detalhe/diario-republica/60-2023210923310 Seadon, J. (2010). Sustainable Waste Management Systems. Journal of Cleaner Production, 18 , 16391651. http://dx.doi.org/10.1016/j.jclepro.2010.07.009 Siddiqui, S. (2024). Gerenciamento de resíduos: reduzindo resíduos industriais com IA. Sigma Earth . https://sigmaearth.com/pt/ai-waste-management-reducing-industrial-waste-with-ai/ 58 Silva, M., Ferreira, B. & Brás, I. (2015). Indicadores de Qualidade na Prestação de Serviços de Gestão de Resíduos Urbanos – Caso de Estudo. Millenium , n.º 48 (jun/dez), 91-109. Taskin A. & Demir N. (2020). Life cycle environmental and energy impact assessment of sustainable urban municipal solid waste collection and transportation strategies. Sustainable Cities and Society, 61 , 2020. https://doi.org/10.1016/j.scs.2020.102339. https://www.sciencedirect.com/science/article/pii/S2210670720305606. Tchobanoglous, G., Theisen, H. & Vigil, S. A. (1993). Integrated solid waste management . McGraw-Hill International Editions. Yu, C. C. & Maclaren, V. (1995). A comparison of two waste stream quantification and characterization methodologies. Waste Management & Research , 13 (4), 343-361.