Aumentar la eficiencia en la gestión de los Residuos Sólidos Urbanos (RSU) es crucial para los gobiernos municipales, que son los que generalmente se encargan de la recolección, ya que esta actividad consume un porcentaje importante de sus recursos presupuestarios. La incorporación de herramientas de apoyo a la toma de decisiones puede contribuir a mejorar el sistema de gestión de RSU, especialmente reduciendo los costos de inversión requeridos. Este artículo propone una formulación metemática, basada en programación entera, para determinar la localización de puntos de acumulación de residuos minimizando los costos del sistema, incluyendo tanto el costo de instalación de los contenedores como la cantidad de visitas necesarias del vehículo de recolección, lo cual está relacionado con los costos de la logística de recolección. El modelo se aplicó en un conjunto de escenarios reales de una importante ciudad argentina que todavía utiliza un sistema de puerta a puerta, incluyendo tanto intancias que donde los residuos son recolectados sin clasficar, como actualmente se realiza en esta ciudad, como instancias que incorporan la clasificación en origen de los mismos. A pesar de que los escenarios con clasificación en origen resultaron más desafiantes para el algoritmo de resolución propuesto, se obtuvieron un conjunto de soluciones factibles para todos los escenarios planteados. Estas soluciones pueden ser utilizadas como un punto inicial para migrar desde un sistema de puerta a puerta a uno de contenedores comunitarios.

Este artículo presenta los avances en el diseño e implementación de un sistema de recomendación para planificar el uso de electrodomésticos, enfocado en mejorar la eficiencia energética desde el punto de vista tanto de las compañías de energía como de los usuarios finales. El sistema propone el uso de información histórica y datos de sensores para definir instancias del problema de planificación considerando las preferencias del usuario, que a su vez se proponen resolver mediante un enfoque evolutivo multiobjetivo, para minimizar el consumo de energía y maximizar la calidad del servicio ofrecido a los usuarios. Se informan resultados prometedores en casos realistas del problema, en comparación con situaciones en las que no se utiliza una planificación energética inteligente (es decir, modelo ‘Bussiness as Usual’) y también con un algoritmo goloso desarrollado en el marco del proyecto de referencia. El enfoque evolutivo propuesto fue capaz de mejorar hasta el 29.0 % en la utilización de energía y hasta el 65,3 % en las preferencias del usuario sobre los métodos de referencia.

El desarrollo insostenible de los países ha creado un problema debido a la imparable generación de residuos. Más aún, la recogida de residuos se realiza siguiendo una ruta predefinida que no tiene en cuenta el nivel real de los contenedores recogidos. Por lo tanto, optimizar la forma en que se recolectan los residuos presenta una oportunidad interesante. En este estudio, abordamos el problema de predecir la tasa de generación de residuos en condiciones reales, es decir, bajo incertidumbre. En particular, utilizamos una técnica neuroevolutiva profunda para diseñar automáticamente una red recurrente que encapsula el nivel de llenado de todos los contenedores de residuos en una ciudad a la vez, y estudiamos la idoneidad de nuestra propuesta cuando nos enfrentamos a datos ruidosos y defectuosos. Validamos nuestra propuesta utilizando un caso real, que consta de más de doscientos contenedores de residuos ubicados en una ciudad de España, y comparamos nuestros resultados con el estado del arte. Los resultados muestran que nuestra propuesta supera a todos sus competidores y que su precisión en un escenario del mundo real, es decir, bajo datos inciertos, es lo suficientemente buena para optimizar la planificación de la recolección de residuos.