Publicación:
Optimización del servicio de recogida de residuos sólidos urbanos mediante predicción del nivel de llenado de los contenedores

Vista sencilla de ítem
dc.contributor.authorMarías Ferrer, Francisco José
dc.contributor.directorRos Muñoz, Salvador
dc.date.accessioned2024-05-20T12:25:26Z
dc.date.available2024-05-20T12:25:26Z
dc.date.issued2021-07-01
dc.description.abstractEn el ámbito del Internet of Things (IoT), las técnicas de Machine Learning nos ofrecen múltiples de posibilidades que pueden ayudar a la toma de decisiones de alto nivel. Cada vez son más las ciudades que se unen al movimiento de las Smart Cities captando datos del entorno a través de sensores instalados en campo, donde uno de los sectores clave es la recogida de residuos sólidos urbanos. El rápido crecimiento demográfico, sobre todo en grandes núcleos urbanos, junto con la sobreexplotación de recursos hace que sea necesaria una óptima gestión del servicio de recogida de residuos que supone en torno a un 70% del coste total del tratamiento de residuos. El objetivo de este trabajo es analizar mecanismos de machine learning que sirvan para optimizar el servicio de recogida de residuos sólidos urbanos a través de técnicas de Machine Learning haciendo uso de los datos históricos del servicio enviados al Internet of Things consiguiendo no solo que las empresas sean más productivas sino consiguiendo un importante ahorro ambiental a través de una reducción de las emisiones de CO2 de los camiones reduciendo así la huella de carbono derivada del servicio.es
dc.description.abstractIn the field of the Internet of Things (IoT), Machine Learning techniques offer us endless possibilities that can help make high-level decisions. More and more cities are joining the Smart Cities movement by capturing data from the environment through sensors installed in the field, where one of the key sectors is the collection of municipal solid waste. Rapid population growth, especially in large urban centers, together with the overexploitation of resources makes it necessary to optimize the waste collection service, which represents around 70% of the total cost of waste treatment. The objective of this work is to optimize the municipal solid waste collection service through Machine Learning techniques making use of the historical data of the service sent to the Internet of Things, not only making companies more productive but also achieving significant environmental savings through a reduction in CO2 emissions from trucks, thus reducing the carbon footprint derived from the service.en
dc.description.versionversión final
dc.identifier.urihttps://hdl.handle.net/20.500.14468/14209
dc.language.isoes
dc.publisherUniversidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
dc.relation.centerE.T.S. de Ingeniería Informática
dc.relation.degreeMáster universitario en Ingeniería y Ciencia de Datos
dc.relation.departmentInteligencia Artificial
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
dc.subject.keywordsMachine Learning
dc.subject.keywordsInternet Of Things
dc.subject.keywordsoptimización recogida de residuos
dc.subject.keywordsseries temporales
dc.subject.keywordsARIMA
dc.subject.keywordswaste collection optimization
dc.subject.keywordstime series
dc.titleOptimización del servicio de recogida de residuos sólidos urbanos mediante predicción del nivel de llenado de los contenedoreses
dc.typetesis de maestríaes
dc.typemaster thesisen
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
MariasFerrer_FranciscoJose_TFM.pdf
Tamaño:
5.48 MB
Formato:
Adobe Portable Document Format
Descargar
Colecciones
Trabajos de fin de máster (TFM)