Abstract
Statistic modeling has been used for a wide range of applications, mainly due to its
precision and analytical power. In this paper, it is applied to describe solid waste urban
systems by assessing a set of descriptive and operational parameters. Several statistic
techniques are used for estimating parameters such as waste production, travel and work
distances, service times, productivity, among others, which together contribute for a good
characterization of the urban demand and supply capabilities.
Key words: solid waste management, statistic analysis, statistic modeling.
1. Introduo
O planejamento e a programao de um sistema de limpeza urbana envolvem um conjunto
de processos para a determinao de suas caractersticas, desde os equipamentos a serem
utilizados ao roteamento final dos setores de coleta (ABNT, 1993). Tais caractersticas
podem ser modeladas por meio de parmetros operacionais e sua apropriao deve apoiarse em procedimentos que forneam o mximo de preciso e qualidade nas estimativas
(EPA, 1995). Portanto, os levantamentos e estudos que subsidiaro o projeto e a operao
do sistema de limpeza devem ser executados tendo como objetivo principal fornecer o
mximo de confiana aos dados de entrada, retirados de nmeros bem conhecidos da
realidade vivenciada pela empresa ou modelados a partir de tcnicas estatsticas (Aguiar,
1993).
O processo de modelagem estatstica claramente confere maior segurana estimativa dos
parmetros operacionais, alm de prover critrios a partir dos quais os valores obtidos
possam ser verificados e/ou validados. Neste artigo, so discutidos os mtodos de obteno
de dados e de aplicao de anlises estatsticas na modelagem dos parmetros do problema
da coleta urbana de resduos slidos.
2. Dados de Coleta
Na obteno dos parmetros operacionais do tipo produo de lixo, distncias e tempos de
deslocamento, a abordagem mais simples e direta consiste na apropriao de dados ao
longo da execuo dos servios de coleta (IPT, 1995). Para tanto pode ser utilizado um
Controle Dirio de Coleta (CDC), ou seja, um formulrio para preenchimento pelo
motorista da rotina no turno de trabalho. Tal formulrio deve refletir a execuo de todos
os servios realizados, desde a partida da garagem at o retorno do veculo, contendo os
dados de produo no setor de coleta, as viagens at o ponto de descarga e as distncias e
tempos de deslocamento no setor e entre setor-descarga, garagem-setor e descarga-
garagem. Os dados obtidos podem ser divididos em dois grupos: os relativos ao turno de
trabalho e os relativos a cada viagem.
-
Elaborao de rotas nos setores obtidos: Procura minimizar os tempos mortos nos
segmentos de via a medida em que o itinerrio construdo, e portanto usa os mesmos
dados descritos no item acima.
boa qualidade dos dados levantados e dos parmetros estimados. Um medida para garantia
de bons resultados na estimativa o tratamento anterior dos dados, separando aqueles no
representativos da rotina dos servios, como nos casos em que algum veculo atribudo a
outro setor durante o turno normal de trabalho para cobertura deste quando o veculo
originalmente escalado est em pane, e outras situaes atpicas, normalmente de carter
emergencial.
Obviamente a qualidade na estimativa dos parmetros e dos testes depende do tamanho e
perodo da amostra. Um critrio razovel, e que geralmente produz bons resultados,
considerar um intervalo de trs meses para amostragem, em um perodo tpico ao longo do
ano. Desta forma, perodos com picos de populao flutuante, como poca de frias em
cidades tursticas ou meses com diversos eventos, e perodos com grande variao de
umidade, o que pode elevar consideravelmente a densidade em massa dos resduos, devem
ser desconsiderados. De forma geral, uma amostra razovel deve conter em torno de 50
registros, retirando-se os casos atpicos citados acima.
A filtragem destes casos pode ser feito a partir de um critrio visual no grfico, mas um
critrio mais preciso e objetivo usa a identificao de outliers a partir de um grfico tipo
box-and-whisker. Neste, as posies dos quartis da distribuio dos dados so marcadas, e
os pontos situados alm dos valores mnimo e mximo so identificados como outliers.
Uma outra forma de anlise do conjunto de dados um teste de distribuio. Como a
produo de cada viagem resultante da soma das produes geradas por cada habitante
ou unidade habitacional na parte do setor coberta, natural esperar que esta varivel siga
uma distribuio normal. De forma anloga, os tempos de coleta podem ser vistos como a
composio de tempos produtivos e improdutivos, de parada para operaes de coleta e
compactao em cada ponto de lixo, e movimento nas vias, e portanto podem seguir uma
distribuio normal. As distncias, por sua vez, devem ser aproximadamente constantes, j
que o itinerrio de coleta deve ser o mesmo. Alm disso, a preciso de medida normalmente retirada do odmetro do veculo, e portanto em km - colabora para medidas
aproximadas entre as viagens.
Alm das finalidades discutidas, os parmetros aqui obtidos podem ser usados para
avaliao e controle do sistema de coleta, ou seja, como ferramentas administrativas.
Podem ainda ser melhor refinados para construo de tcnicas de previso, com a ajuda de
modelos que considerem a sazonalidade tpica da produo de lixo.
3.1. Produtividade
Um dos dados necessrios a modelagem dos segmentos de via e dos blocos o tempo de
servio, ou seja, o tempo gasto pela equipe de coleta para execuo de servio. Este tempo
pode ser calculado com base na produtividade horria, como se ver adiante. Por enquanto,
define-se produtividade horria como a relao entre a quantidade de lixo coletada e o
tempo gasto para tanto, sendo normalmente expressa em kg/h. Este parmetro pode ser
estimado a partir da regresso linear entre dados de tempo e produo para cada setor e
viagem:
T = Timp + P / Ph
(1)
(2)
Novamente, a tcnica de regresso linear poderia ser utilizada aqui para obteno da
velocidade de percurso, relacionando-se tempo e distncia:
T = Tpar + D / vc
(3)
(4)
Uma outra forma de se obter tal velocidade consiste na obteno explcita de um estimador
para a distncia improdutiva a partir do coeficiente independente (de produo) na equao
abaixo:
D = Dimp + P / Pd
(5)
Como o tempo improdutivo obtido em (3) a soma de duas parcelas, uma de tempo gasto
em movimento e outra parado,
Timp = Timp,par + Timp,mov
(6)
(8)
A densidade crit = Ph/vp (kg/km) denota ento um parmetro mnimo para que a condio
acima seja satisfeita. Representa tambm uma densidade de compensao, que, quando
comparada com a densidade modelada de demanda, sugere um ndice de eficincia e
relaciona os tempos de servio e morto.
3.3. Velocidade de Transporte
A velocidade de transporte pode ser definida como sendo a relao entre as distncias
percorridas e os tempos gastos para tanto, nos percursos entre garagem, setor e destino
final pelo veculo coletor. De uma forma ideal, pode-se conceber tal parmetro como
global, ou seja, podendo ser aplicado como estimador de tempo para qualquer um dos
deslocamentos. Para sua estimativa pode ser aplicada uma regresso linear entre os tempos
e distncias:
D = Dc + T vt
(9)
No entanto, como observado no caso dos parmetros dos setores, a rotina de execuo tem
grande influncia nas distncias, j que o itinerrio realizado pelo veculo nos transportes
tambm praticamente imutvel. Observa-se que as distncias tendem a ser constantes,
enquanto os tempos seguem aproximadamente uma distribuio normal.
3.4. Tempo de Descarga
O tempo de descarga o tempo gasto pelo veculo coletor desde a sua pesagem na balana
do destino final at a descarga. medido para cada viagem em cada setor, e, obviamente,
para cada destino final, devendo portanto ser agrupado por este ltimo. O tempo de
descarga tipicamente composto de trs parcelas: tempo de deslocamento entre balana e
ponto de descarga, tempo de espera em fila e tempo de descarga em si. Embora a primeira
parcela possa ser estimada a partir de dados de distncia do deslocamento, e a terceira a
partir da produo obtida, estas normalmente so constantes, j que a distncia a mesma
percorrida e a produo aproxima-se da capacidade do veculo.
Tdesc = Tesp + Ddesc / vdesc + P / pdesc
(10)
A anlise dos tempos de descarga considera ento um fator principal, a influncia dos
tempos de espera (Tesp). Nos casos em que a fila pequena, quando se tem taxas de
atendimento altas e/ou nmero reduzido de veculos (taxas de demanda reduzidas), os
tempos de descarga so praticamente constantes. Caso contrrio, o tempo de espera pode
ser modelado atravs de uma distribuio exponencial com fator igual ao inverso da
mdia dos valores de Tesp.
3.5. Produo, Tempo e Distncia por Setor
Os dados relativos produo, tempo e distncia podem tambm ser analisados de um
modo geral, para um turno de trabalho completo, em vez de separando-se as viagens. Alm
disso, um conjunto de setores podem ser analisados a partir da agregao de seus dados,
embora cada setor tenha suas caractersticas.
Normalmente, observa-se uma distribuio bimodal nos dados de produo e tempo, sendo
cada um dos picos representantes dos setores que necessitam de 1 ou 2 viagens,
respectivamente. Para os picos de produo, essa tendncia fica clara ao se observar que a
primeira moda corresponde mdia de capacidade de um veculo de coleta, e que a
segunda moda aproximadamente o dobro da primeira. Os dados de distncia, no entanto,
no mostram tanta variao, o que seria de se esperar j que este normalmente o limitante
mais comum no dimensionamento de setores. Alm disso, a variao entre as distncias
percorridas em um mesmo setor, para dias diferentes tambm pequena, j que o itinerrio
de coleta praticamente o mesmo.
Uma forma de relacionar os trs dados o grfico da Figura 1, obtido com o uso do
software R (Ihaka e Gentleman, 1996), no qual os dados de produo e tempo so
mostrados para um conjunto de setores, juntamente com a reta de regresso para
determinao da produtividade horria, como j visto acima. Curvas de nvel para os
valores estimados de distncia so tambm mostrados, e pode-se observar que a grande
maioria dos pontos est entre as curvas de 14 e 20 km. Os valores de distncia tomados so
estimados - usando-se regresso linear entre tempo, produo e tomando-se os valores
mdios - para facilitar a construo das isocurvas, j que apenas os dados obtidos no so
suficientes para uma boa visualizao.
Figura 1. Grfico de relao entre dados de produo, tempo e distncia, agregados para
um conjunto de setores.
3.6. Outros Modelos
Admitiu-se at agora que os parmetros necessrios s posteriores modelagens e
dimensionamentos podem ser estimados atravs de regresses lineares e distribuies
normais. Embora essas tcnicas possuam grandes vantagens, sendo a mais evidente a
simplicidade de aplicao e interpretao dos resultados, pode-se querer um maior
refinamento para obteno dos parmetros.
Para tanto pode ser admitido que as variveis at aqui discutidas sigam outras
distribuies. Os tempos podem seguir distribuies exponenciais, j que a coleta pode ser
vista, principalmente para regies populacionalmente densas, como uma seqncia de
paradas para coleta. Os tempos de descarga, por sua vez, podem seguir uma distribuio
mais geral, como a gama. Isto explica-se pela medida de tempos de espera na fila que no
correspondem a posies sucessivas. Obviamente tal abordagem adiciona maior
complexidade ao tratamento dos dados para extrao do parmetro, devendo um outro
fator de forma da distribuio ser encontrado. Podem ainda ser utilizadas simulaes do
comportamento da fila quando esta dita severamente os tempos de descarga e estes por sua
vez tm grande influncia no dimensionamento de setores. Simulaes Monte Carlo
poderiam ser aplicadas para resultados bem mais precisos, embora o custo de
complexidade seja considervel.
Quanto s distncias, estas podem seguir uma distribuio uniforme, com valores mnimo e
mximo bem definidos. Como no caso dos tempos de descarga, uma maior generalizao
seria obtida atravs de uma distribuio beta, acrescentando maior complexidade e um
parmetro de forma a mais para ser determinado. A produo representativa de cada setor
deve levar em considerao a sazonalidade da gerao de resduos, e uma distribuio de
valores extremos serviria como fator de segurana para tanto. Uma distribuio adequada