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.