Diseñan en la UMA un sistema que prevé el llenado de contenedores para planificar la ruta de recogida más eficiente

Publicado 24/06/2019 11:18:36CET
Javier ferrer investigador sistema Bin CT recogida selectiva de residuos sensores llenado eficiente contenedores málaga etsi sistema
Javier ferrer investigador sistema Bin CT recogida selectiva de residuos sensores llenado eficiente contenedores málaga etsi sistema - FUNDACIÓN DESCUBRE

MÁLAGA, 24 Jun. (EUROPA PRESS) -

Un equipo de la Universidad de Málaga (UMA) ha elaborado un nuevo software que pronostica el nivel de llenado de los depósitos de desechos y calcula los recorridos de vaciado en función de las necesidades de cada momento. La aplicación informática determina cuáles hay que vaciar cada día y así reducir en un 20 por ciento la distancia recorrida por camiones de recogida, además de generar itinerarios un 33,2 por ciento más cortos que los utilizados hasta ahora.

Investigadores del Departamento de Lenguajes y Ciencias de la Computación de la UMA han diseñado este sistema inteligente que permite establecer recorridos flexibles, lo que supone un ahorro de tiempo, una reducción de la contaminación y una disminución de los recursos económicos y energéticos.

El sistema denominado 'Bin-CT' resuelve dos grandes problemas a los que se enfrentan las empresas de recogida. Por un lado, determinar los contenedores que se deben recoger, y por otro lado, el orden de recogida. Para solventar la primera cuestión, los científicos se han basado en un sistema inteligente, que aprende a partir de los datos de recogida diarios, a los que suma la información histórica que va almacenando.

Con esta base datos, permite realizar predicciones, es decir, se puede elaborar un cálculo del porcentaje de llenado de los contenedores y saber cuándo los operarios deben recogerlos. También se puede anticipar a corto o a largo plazo, ya que el llenado depende de otros factores como la estacionalidad o los días festivos, la hora o el día de la semana.

Para resolver la cuestión de las rutas de recogida, los investigadores han generado itinerarios óptimos, que no requieren visitar todos los emplazamientos de los contenedores. Para ello, han considerado multitud de variables como la capacidad de los camiones, la cantidad de residuos recogida y las características del emplazamiento del contenedor, entre otras. En este caso han utilizado un algoritmo inteligente de búsqueda por trayectoria, que calcula rutas de recogida eficientes.

La aplicación consta además de una pantalla donde se puede visualizar qué contenedores están llenos, cuales vacíos y las modificaciones de ruta que se realizan en función de esto, según ha informado la Fundación Descubre a través de un comunicado.

PRUEBAS EN ALGECIRAS

El sistema se ha aplicado a la recogida de desechos de la ciudad de Algeciras (Cádiz). Según apuntan los expertos, se trata de la primera vez que una empresa de residuos planifica su actividad con unas previsiones monitorizadas y no solo basada en experiencia humana acumulada.

El investigador principal, Javier Ferrer, de la Universidad de Málaga ha indicado que se trata de una previsión "eficiente, ya que si un contenedor no está lleno, lo eliminamos de la ruta, con lo cual se ahorran visitas innecesarias a depósitos de residuos vacíos".
"Hasta ahora, estas recogidas se han basado en recorridos fijos, y a partir de ahora podemos monitorizarlos para saber cuáles incluir y cuáles no en la siguiente recogida", ha puntualizado.

El artículo titulado 'BIN-CT: Urban waste collection based on predicting the container fill level', publicado en la revista Biosystems se puede aplicar a cualquier empresa de recogida de residuos, ya que los datos del modelo de Algeciras son extrapolables a otros núcleos urbanos.

RECOGIDA SELECTIVA

Cada vez las ciudades son más grandes, por tanto cada vez se necesitan más sistemas inteligentes para optimizar el proceso de recogida de desechos urbanos. El problema habitual es que la mayoría de las empresas concesionarias de retirada de residuos se basan en la experiencia que tiene el personal y se realizan las predicciones de forma tradicional.

Así, tienen clasificados los contenedores y se realizan visitas semanales fijas, por ejemplo tres, dos o una visita semanal, o incluso diarias. "Estos sistemas se basan habitualmente en la experiencia de llenado, el problema es que los contenedores en las ciudades se multiplican cada vez más y, por ello, cobra más sentido la recogida selectiva basada en una serie de parámetros como la estacionalidad o el día de la semana, esa es la importancia del algoritmo que hemos implementado", ha subrayado Javier Ferrer.

El sistema puede calcular el porcentaje de llenado de los contenedores y saber cuándo los operarios deben recogerlos. El grupo de investigación NEO cuenta con otra opción alternativa para prever el llenado de contenedores mediante la utilización de sensores volumétricos, que consisten en dispositivos colocados en el contenedor que recogen en tiempo real los datos de llenado.

De esta forma, y situando dichos sensores en los contenedores de residuos, es posible conseguir detalles más fiables y unos datos históricos más exhaustivos.

En futuros estudios, los científicos continuarán mejorando la herramienta a través de la denominada técnica 'deep learning', usando neuroevolución profunda, la cual da un paso más con respecto a la actual, configurando automáticamente una arquitectura de la red similar a la red neuronal, que es capaz de mejorar las previsiones incluso con pérdida de datos.

Además, el grupo forma parte del proyecto Eco-IoT del Programa Estatal de I+D+i Orientada a los Retos de la Sociedad del Ministerio de Ciencia, Innovación y Universidades, donde implementarán la técnica en recogida de desechos en hoteles, desarrollarán los sensores volumétricos y colaborarán con otros socios para otras cuestiones relacionadas con la optimización de la recogida de residuos y el reciclaje de plástico.

El trabajo está financiado por una ayuda para el desarrollo de prototipos del Plan Propio de Investigación y Transferencia de la Universidad de Málaga.

Para leer más