Cómo mejora el aprendizaje automático la gestión del reciclaje de residuos

Las tecnologías digitales habilitadoras están revolucionando la gestión de los residuos y el desarrollo de la economía circular. Teniendo como base la Inteligencia Artificial, herramientas como el aprendizaje automático (machine learning), el Internet de las Cosas (IoT), el Big Data o el blockchain son aplicables a las operaciones de recogida, tratamiento, clasificación, separación y preparación para el reciclaje, haciendo que toda la cadena de valor sea más eficiente y adaptativa.

¿Qué es y por qué es importante?

El aprendizaje automático (también conocido como machine learning) es una herramienta basada en la Inteligencia Artificial (IA) que permite dotar a las máquinas de capacidad de aprendizaje para realizar tareas automatizadas usando algoritmos y detectar patrones en las bases de datos.

Esto permite a las organizaciones optimizar procesos, mejorar su competitividad y gestionar mejor sus recursos, si bien se enfrentan a un importante reto: el uso y gestión de la ingente cantidad de datos que puede generar cualquier su actividad.

El aprendizaje automático es una herramienta veterana. En 1959 un empleado de IBM acuñó la expresión machine learning, pero fue en los años 90 del pasado siglo cuando, gracias al despliegue de internet y el incremento en la generación de datos, cuando esta herramienta comenzó a ser utilizada por miles de organizaciones.

Hoy, el aprendizaje automático está presente en prácticamente la totalidad de actividades económicas e industriales, entre ellas la gestión y tratamiento de residuos. Por ejemplo, la mayoría de las plantas españolas de reciclaje ya están automatizadas y utilizan procesos de aprendizaje automático.

Tipos de aprendizaje automático

Dependiendo de la necesidad adicional de la intervención humana y su grado de autonomía, existen cuatro medios diferentes de aprendizaje automático.

• Aprendizaje supervisado. El sistema trabaja con una serie limitada de datos que le permite replicar tareas humanas.

• Aprendizaje semisupervisado. El sistema trabaja con los datos etiquetados, pero también los utiliza para comprender e interpretar los datos que no tiene etiquetados.

• Aprendizaje no supervisado. El sistema no solo tiene más datos integrados, sino que los analiza y extrae de ellos una serie de patrones nuevos de funcionamiento. Los algoritmos pueden agrupar en clúster los datos similares, analizar y generar conocimiento sobre cómo están agrupados los datos y detectar singulares o resumirlos para hacer predicciones más precisas.

• Aprendizaje de refuerzo. El sistema es capaz de observar su entorno y generar nuevos datos para mejorar su funcionamiento.

Oportunidades y desafíos en la industria del reciclaje

El uso de la IA está revolucionando la gestión de los residuos gracias a la robotización, el aprendizaje automático (machine learning) y el Deep learning (imita la red neuronal del cerebro humano).

El informe de la Fundación Ellen Marcarthur “Inteligencia Artificial y economía circular: la IA como herramienta para acelerar la transición”, este tipo de herramientas basadas en IA resultan imprescindibles para aumenta la innovación aplicada y mejorar toda la cadena de valor de los residuos; desde la recogida selectiva hasta la fabricación de materia prima secundaria, pasando por ecodiseño, el transporte, la selección en las plantas de tratamiento, etc.

Mejoras del tratamiento de residuos con IA y aprendizaje automático en:

• Información más precisa en el proceso de recogida gracias a la sensorización de los contenedores (detectar zonas que generar más residuos, nivel de llenado de contenedor, tipología de los residuos, nivel de impropios, etc.).

• Mayor implicación de los ciudadanos y de la gestión de los residuos, por ejemplo con el uso del Sistema de Devolución y Recompensa  RECICLOS (uso de deep learning para la identificación de imágenes.

• Con esta información se pueden optimizar las rutas de recogida y orientar mejor las campañas de sensibilización.

• Más información sobre la composición y características de los residuos que llegan a las plantas de tratamiento. Mejora de la trazabilidad.

• Identificación, clasificación y separación automática más eficiente de los diferentes tipos de material en las plantas.

• La clasificación inteligente de residuos con IA combinada con la robótica puede agilizar la tarea, aumentando la velocidad.

• Esta información permite desarrollar procesos más eficientes aumentando la tasa de reciclaje.

• El control a través del aprendizaje automático reduce los errores en la clasificación y, por tanto, el volumen de residuos desechados.

• El aprendizaje automático basado en IA puede analizar los biorresiduos para determinar si es mejor la incineración, la digestión anaeróbica o el compostaje.