Sistema autónomo de supervisión de residuos peligrosos basado en técnicas de aprendizaje automático

En las últimas décadas, el rápido crecimiento de la economía y de la sociedad ha provocado un aumento en la generación de los residuos peligrosos (en adelante RESPEL, ver Imagen); causando problemas ambientales que afectan directamente la salud humana y dañan el medio ambiente [1]. Esta problemática se asocia a una deficiente producción de conocimiento científico y tecnológico entorno a este fenómeno. Por ejemplo, la ausencia de modelos que permitan la supervisión y predicción de los RESPEL, o de simulaciones y sistemas para la toma de decisión basados datos RESPEL, el poco aprovechamiento de manera automática de los datos e información entorno al ecosistema RESPEL (datos sobre quien los produce, a donde se vierten, a quienes afecta, que los caracteriza, etc.), entre otras. En general, en Colombia se han desarrollado proyectos con acciones enfocadas a: i) educación y cultura en RESPEL ii) control y vigilancia de RESPEL iii) producción más limpia y iv) riesgo químico asociado al manejo de RESPEL, pero ninguno ha utilizado los datos del ecosistema de RESPEL para el desarrollo de estas propuestas, lo que muestra una deficiente transformación digital en sus procesos (AMVA 2017, IDEAM). Esta situación también se puede ver en el modelo de sistematización del conocimiento de Información de RESPEL que se tiene, el Sistema de Registro de Generadores de Residuos o Desechos Peligrosos (capítulo VI del decreto 4741 del 30 de diciembre de 2005), que si bien permite registrar información sobre los generados de RESPEL, no ofrece la capacidad para aprovechar la riqueza de los datos y explotarlos en función de procesos de toma de decisiones más precisos. A nivel del Departamento Norte de Santander el proyecto establece como indicador de referencia, cero (0) producciones científicas y sistemas autónomos sobre el aprovechamiento y explotación de los datos RESPEL usando técnicas de inteligencia artificial en el Departamento Norte de Santander [1]. Con base en lo anterior, el proyecto busca generar una nueva producción científica y tecnológica a través de la conceptualización de un Sistema Autónomo de Supervisión Inteligente de Residuos Peligrosos basado en técnicas de aprendizaje automático para el Departamento Norte de Santander, y hacer simulaciones en diferentes contextos industriales con producción de RESPEL. El sistema inteligente se caracteriza por tener una base tecnológica innovadora, basada en los paradigmas de Meta-aprendizaje y Ciclos Autónomos de Tareas de Análisis de Datos, permitiendo que el sistema adquiera la capacidad de auto-aprender a partir de los datos generados por el ecosistema de residuos peligrosos y experiencias de los expertos buscando un compromiso adecuado entre minimizar los residuos peligrosos (cuidado del medio ambiente) y maximizar los beneficios de las industrias, permitiendo una mayor eficiencia y precisión en el análisis y uso de los datos, lo cual se traduce en mayor rentabilidad para las empresas generadoras y gestoras de RESEPL. Esta propuesta también contempla usar tecnologías emergentes de la Industria 4.0, como en el paradigma IoT para la recolección y tratamiento de los datos, o Big Data para la gestión de los datos, de tal manera de que el sistema pueda gestionar autónomamente los RESPEL. Esta alternativa se va a desarrollar basada en la metodología MIDANO (Metodología para Investigar y Desarrollar Analítica de datos en una Organización, ver sección de Metodología), la cual prevé diferentes productos: El ciclo autónomo, el modelo de datos multidimensional, la concepción e implementación de las tareas de análisis de datos. Para el desarrollo de las tareas de análisis de datos se utilizará las metodología CRIS-DM (del inglés Cross Industry Standard Process for Data Mining, ver sección de metodología). Finalmente, para el desarrollo del proyecto se realizarán tareas científico-técnicas propias del área de Analítica de Datos, basadas en las metodologías CRISP-DM y MIDANO: comprender la problemática a estudiar del ecosistema de RESPEL, identificación de las fuentes de RESPEL para la extracción de conocimiento, comprensión de los datos de RESPEL, preparación y tratamiento de los datos de RESPEL, modelado de los ciclos autonómicos de análisis de datos, evaluación de los modelos de conocimiento definido, y por último, despliegue a nivel de prototipo en un contexto real.

• Autores: Puerto Cuadros, Eduard Gilberto; Adarme Jaimes, Marco Antonio; Adarme Jaimes, Marco Antonio
• Tipo de recurso: http://purl.org/coar/resource_type/c_baaf
• Fecha de publicación: 2022
• Institución: Universidad Francisco de Paula Santander
• Repositorio: Repositorio Digital UFPS
• Idioma: spa
• OAI Identifier: oai:repositorio.ufps.edu.co:ufps/9639
• Acceso en línea: https://repositorio.ufps.edu.co/handle/ufps/9639
• Palabra clave: Residuos Peligrosos; Aprendizaje de Máquina; Sistemas Autónomos; Inteligencia Artificial
• Rights: openAccess
• License: Derechos Reservados - Universidad Francisco de Paula Santander