OPTIWASTE, Motor de IA, Deep Learning y Machine Learning para la Optimización Logística en Residuos

Acrónimo: OPTIWASTE
Referencia oficial: AEI-010500-2022-90
Entidad financiadora: Ministerio de Industria Comercio y Turismo – SG Industria y Pyme
Tipo de financiación: Pública
Investigador principal: Susana Val
Fecha inicio: 15/03/2022
Fecha fin: 15/12/2022
Duración: 9 meses

 

Descripción del proyecto

El proyecto busca la minimización del coste económico, impacto de CO2 por Kg gestionado y optimización de la reciclabilidad y consiguiente “circularidad” de los residuos gestionados en los procesos de recogida selectiva por medio de la aplicación de tecnologías de análisis masivo de datos, Inteligencia Artificial IA, deep learning y machine learning.

Se pretende por medio de la innovación tecnológica dar solución a 3 objetivos prioritarios en la sociedad actual::

  • Objetivo ambiental y de sostenibilidad: Reducir el C02 por Kg de residuo gestionado.
  • Objetivo de “circularidad”: mejorar la reciclabilidad de los residuos gestionados y su reintegración en el proceso productivo, aumentando la calidad del residuo obtenido por una optimización del ciclo logístico y de custodia.
  • Objetivo económico y de sostenibilidad económica: Reducir el coste económico por KG gestionado en materia de transporte y disposición final: minimización del sobrecoste necesario por producto nuevo y su impacto negativo en la inflación (IPC).

El proyecto se asienta sobre el proceso de análisis masivo de información de las bases de datos (BBDD) con datos transaccionales y de recogidas de residuos generados durante más de 17 años.

A partir de esta primera fase:

  • Se va a modelar matemáticamente un algoritmo de previsión.
  • Se va a diseñar una optimización logística.
  • Se van a aplicar las tecnologías más innovadoras de Inteligencia artificial IA, machine learning y deep learning, para obtener un algoritmo de previsión de la demanda y optimización evolutiva del ciclo logístico.

El proyecto supone el desarrollo de un modelo de Machine Learning supervisado, con algoritmos predictivos. Se valorará la necesidad de aplicar técnicas de Aprendizaje no Supervisado o Procesamiento del Lenguaje Natural (NLP) si fuera necesario.

 

Organizaciones participantes

Coordinador:

  • TECNARA, Clúster de Empresas de Tecnologías de la Información, Electrónica Y Telecomunicaciones de Aragón, España

Entidades participantes:

  • ALIA – Asociación Logística Innovadora de Aragón, España
  • PRONET-ISE, España
  • Predictland S.L., España
  • Zaragoza Logistics Center, España

 

Detalles de contacto

Para más información sobre el proyecto, por favor contactar con:

Dra. Susana Val, Investigadora Principal [email protected]

Este proyecto ha recibido financiación del Programa de ayudas establecidas para el apoyo a Agrupaciones empresariales innovadoras (AEI) del Ministerio de Industria, Comercio y Turismo (Orden 16 de febrero de 2022 por la que se convocan las ayudas establecidas para el apoyo a agrupaciones empresariales innovadoras con objeto de mejorar la competitividad de las pequeñas y medianas empresas, correspondientes al año 2022). Project reference AEI-010500-2022-90.