میزان پسماند در جهان به طور غیر خطی در حال افزایش است. شکاف بین مقدار پسماند تولید شده و مقدار پسماند پردازش/دفع شده در حال افزایش است. علم داده باید کیفیت، کمیت، سوگیری انواع داده‌، ابزارها و تکنیک های مختلف پردازش داده را در فرآیند مدیریت پسماند در نظر بگیرد. کلان داده‌ها در صنعت مدیریت پسماند بسیار کاربردی و سودمند هستند و قادرند صنعت پسماند را متحول کنند. آن ها برای بهبود عملیات داده‌های مدیریت پسماند در هر دو سطح خرد و کلان به کار می روند. همچنین ربات ها می توانند کمک به سزایی در صنعت پسماند داشته باشند.

با استفاده از کلان داده ها شناسایی روند رها شدن خودروهای مرتبط با فاجعه در اثر بلایای طبیعی مانند سیل و طوفان و ...، و با ارجاع متقابل این اطلاعات به پایگاه‌های اطلاعاتی فراخوان، مراکز اسقاط و نجات و سایت‌های حراج می‌توانند سیستم‌هایی را که برای پردازش خودروهای آسیب‌دیده استفاده می‌کنند، ساده‌سازی کنند. این امر به کسب و کارهای نجات‌دهنده امکان می‌دهد تا پرداخت‌های مالک را به حداکثر برسانند، توزیع قطعات را بهبود بخشند، و جریان خودروهای جمع‌شده را در حرکت نگه دارند، و به خودروهای بیشتری اجازه می‌دهد تا به جای اینکه به انبوه اسقاط منتقل شوند، تغییر کاربری داده شوند.

از کلان داده ها، همچنین می توان برای شناسایی شناسایی ناکارآمدی‌ها در مسیرهای جمع‌آوری پسماند در شهر و پیشنهاد بهبودهای بالقوه بر اساس تجزیه و تحلیل آنها استفاده کرد. داده های جمع آوری شده می تواند شامل بخش های پسماند، وزن ها و مکان های جمع آوری آن ها باشد. می توان مجموعه ای از نقشه های مدیریت پسماند جدید و به دنبال آن کدگذاری دسته ای جغرافیایی ورودی های انتخاب شده را توسعه داد و پس از انجام یک تحلیل اولیه، نقشه‌های مسیرهای انتخابی با جزئیات ترسیم و کارایی آن مسیرها با استفاده از شاخص کارایی اختصاصی ارزیابی شوند.

علاوه بر این، کلان داده ها می‌توانند به کاهش آسیب‌های زیست‌محیطی بیشتر کمک کنند. مثال آن استفاده از حسگرهای ماهواره‌ای و پردازشگرهای داده برای شناسایی تهدیدهای زیست‌محیطی برای اقیانوس‌ها است. دانشمندان می توانند الگوهایی را در مسیرهایی که کشتی ها طی می کنند مشاهده کنند و از آن داده ها برای تعیین تاثیر این مسیرهای کشتیرانی بر محیط زیست استفاده کنند. از این داده ها می توان برای ارائه مبنایی برای تحقیقات و اقدامات اجرایی به آژانس های نظارتی استفاده کرد.

ربات ها، از هوش مصنوعی در شناسایی طیف گسترده ای از ظروف غذا و نوشیدنی استفاده می کند تا بتواند به طور پیشگیرانه آنها را از بقیه پسماند های بازیافتی جدا کند. آن ها به طور مداوم مهارت های خود را بهبود می بخشد. آن ها قادر به تشخیص تصاویر (از جمله آرم) روی بسته بندی، یادگیری الگوهای جدید و به کارگیری آن ها در دور بعدی مرتب سازی و ... می باشند. با افزایش ضریب هوش مصنوعی بر اساس داده‌های انباشته پسماند جامد، سیستم مدیریت پسماند قادر به دسته‌بندی با سرعت‌های فوق‌انسانی می‌شود و مواد را برای پردازش مجدد آماد می کند.

به طور خلاصه، برخی کاربردهای علم داده در مدیریت پسماندها:

·       برنامه‌ریزی خودکار جمع‌آوری‌ها

·       ربات های بازیافت تقویت شده با هوش مصنوعی

·       تجزیه و تحلیل مسیرهای جمع‌آوری پسماند و پیشنهاد بهبودهای بالقوه

·       تحلیل داده های ماهواره ای برای کاهش و حذف تهدیدهای پسماند های زیست محیطی

·       مشاهده الگوها در مسیرهایی که کشتی ها طی می کنند و استفاده از آن ها برای تعیین تاثیر این مسیرهای کشتیرانی بر محیط زیست

·       رویکرد مبتنی بر حسگر ها که هزینه فعالیت‌های جمع‌آوری غیرضروری را حذف می‌کند و به طور همزمان ردپای کربن را کاهش می‌دهد.

·       مدیریت از طریق یک پلت فرم نظارت از راه دور مبتنی بر وب نوآورانه و جامع مدیریت و به روزرسانی تمام داده‌های نظارت کامل به‌طور هم‌زمان و در دسترس قراردادن 24/7.

مطالعه بیشتر (کتاب، مقاله، سایت، بلاگ، ...):

Data Science & Waste Management | LinkedIn

https://ijer.ut.ac.ir/article_98_293c01d4f30bb6fbcc106b7dd5f030f1.pdf

Top Applications of Data Science in Waste Management (globaltechoutlook.com)