MODELAGEM ESTATSTICA DO PROBLEMA DA COLETA

URBANA DE RESDUOS SLIDOS

Luis Eduardo Ximenes Carvalho
Mestrado Interinstitucional em Engenharia de Transportes
DET/UFC COPPE/UFRJ

Carlos Felipe Grangeiro Loureiro

Programa de Mestrado em Engenharia de Transportes PETRAN
Universidade Federal do Cear - UFC

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.
-

Dados relativos ao turno de trabalho: Estes compreendem a rotina diria de cada

veculo de coleta em um determinado setor. Como dados de identificao: nmero da
CDC, data, veculo, setor, guarnio (nmeros de matrcula do motorista e coletores).
Dados da execuo do servio compreendem os instantes de partida e retorno da
garagem, assim como os valores em km do odmetro do veculo nestes instantes, para
medida das distncias percorridas.

Dados relativos a cada viagem: As viagens compreendem a execuo dos servios de

coleta desde a chegada do veculo ao setor de coleta at a posterior descarga no ponto
de destinao. Um veculo pode realizar vrias viagens durante um turno de trabalho
de forma a servir todo um setor; no entanto, na prtica se observa que, dependendo do
tipo de servio, este nmero limitado a valores conhecidos, para facilitar o
gerenciamento da operao e do planejamento. No caso de coleta domiciliar, por
exemplo, o nmero de viagens limitado a 3, sendo bastante desejvel a realizao de
2 viagens por turno. Os dados de cada viagem so os instantes e valores de odmetro
do veculo nas chegadas e sadas do setor e do ponto de destinao e o local do ponto
de destinao, no caso da existncia de mais de um. O instante de chegada na balana
do ponto de destinao tambm obtido, para que se possa estimar o tempo gasto para
descarga, entre deslocamentos, tempos de espera em fila e paradas. A produo de lixo
para cada viagem tambm tomada.

Tais dados podem ser apropriados manual ou eletronicamente. No entanto, devido ao

grande volume de registros, o tratamento destes deve ser feito com ajuda computacional.
Para tanto, deve-se proceder com a gerao de tabelas de banco de dados normalizados. A
partir destas tabelas podem-se, ento, retirar dados da operao de coleta, tais como:
distncia e tempo garagem-setor, distncia e tempo descarga-garagem, tempo de descarga,
produo de resduos, distncia e tempo de percurso no setor. Estes dados sero, por sua
vez, usados para a estimativa dos parmetros de coleta.
3. Parmetros de Coleta
A definio de parmetros de coleta tem duas finalidades no projeto de sistemas de
limpeza:
-

Modelagem da regio de operao: Para dimensionamento de setores e atribuio de

turnos e freqncias. Esta modelagem ser tratada na prxima seo, e consiste da
atribuio para cada segmento de via na regio de coleta de produes de lixo, e
tempos de servio e morto; para cada quarteiro dos tempos de servio e produo; e
para cada interseo de via das distncias e tempos de transporte para cada garagem e
destinao final.

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.

No caso da soluo proposta, ambas as fases so realizadas usando-se um ambiente de

Sistemas de Informaes Geogrficas (SIG), tomando-se vantagem principalmente da
preciso e dos recursos computacionais para implementao de solues timas (Carvalho
e Loureiro, 1999). Com base nisso, uma boa soluo estreitamente relacionada com uma

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)

A varivel independente em (1), Timp, representa o tempo que no est relacionado

produo, ou seja, o tempo improdutivo. Aqui podem estar inclusos tempos parados, como
paradas para lanches, descansos ou atrasos, assim como tempos em movimento, no caso
em que o veculo realiza tempo morto, no percurso de vias j coletadas.

A produtividade horria Ph obtida contempla os tempos produtivos tanto em movimento,

na execuo de coleta, como parado, quando o veculo est compactando, por exemplo.
Esta medida de produtividade pode depender do tamanho da guarnio, do equipamento do
veculo coletor e das caractersticas da setor de coleta, como densidade, pavimento e
trfego. Este ltimo conjunto de fatores considerado na modelagem atravs da elaborao
de parmetros relativos a cada setor, j que a operao feita em ambientes diferentes,
incluindo o turno de trabalho alm das caractersticas do setor. O efeito do tamanho da
guarnio na produtividade de difcil medio, j que esta normalmente fixa e a falta de
variao dificulta o ajuste de curvas descritivas. Espera-se que a curva seja de
comportamento exponencial inverso limitado, do tipo
Ph(ng) = Phmax - (Phmax - Phmin) e(1-ng)C

(2)

onde a produtividade horria Ph funo do tamanho da guarnio ng e os parmetros Phmin

e Phmax denotam a produtividade horria mnima, para ng = 1, e a produtividade assinttica
mxima, quando ng , respectivamente; C um parmetro de forma da curva. Tal
comportamento justificado pela sensibilidade da produtividade para valores reduzidos do
tamanho da guarnio, passando aquela a ser praticamente invarivel, ou mesmo
decrescente, com o aumento de ng a partir de valores elevados como 4 ou 5. Valores
sugeridos como tpicos para Ph podem ser obtidos da equao fazendo-se ng = 3.
Para a determinao da equao (2) aconselhvel um estudo de campo tendo vrios
setores com caractersticas diferentes na amostra e considerando-se grupos de controle, ou
seja, variaes em ng devem ser analisadas apenas em cada setor teste.
O equipamento pode no ter grande impacto na produtividade, j que a atividade produtiva
deste pode ser feita em paralelo com a realizada pela guarnio, o que pode diluir o efeito
comparativo. Um fator que influencia o dimensionamento de setores a capacidade do
veculo, e esta est relacionada com o equipamento, embora no seja ditada unicamente
por ele; de fato, no existem testes ou resultados que comprovem a ligao entre tipo de
equipamento, mas observado que compactadores tipo leme so mais lentos que os tipo
prensa, e aconselhvel a agregao de dados de acordo com esta categorizao.
Tambm difcil a definio de nmeros tpicos para a produtividade, sendo observado
que esta bastante sensvel s caractersticas do setor de coleta. Setores com elevada
concentrao habitacional tendem a ter menor produtividade, em torno de 2.500 kg/h,
quando comparados setores de baixa concentrao, em torno de 4.000 kg/h, o que pode
parecer estranho a primeira vista (Carvalho e Loureiro, 2000). Tal efeito pode ser
explicado pelo trfego intenso e paradas demoradas devido concentrao de edifcios nos
primeiros setores mencionados, em contraste com maior fluidez de trfego, menores
restries de manobra e operao facilitada pela distribuio mais uniforme de sacos de
lixo em setores menos densos popularmente, como em conjuntos habitacionais.
3.2. Velocidade de Percurso
A partir da produtividade horria, os dados de tempo de servio podem ento ser
modelados. De forma anloga, os dados de tempo morto so obtidos a partir da velocidade
de percurso. A velocidade de percurso a relao entre a distncia no produtiva
percorrida pelo veculo, seja em manobras ou em percurso de vias j coletadas ou que no
requerem servio, e o tempo gasto para tanto, sendo normalmente expressa em km/h.

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)

No entanto, o parmetro vc da equao acima abrange tanto distncias e tempos produtivos

como improdutivos, e logo no corresponde velocidade de percurso procurada. A
regresso linear mltipla entre tempo, produo e distncia consegue isolar a parcela de
tempo independente de produo e dependente de distncia; logo, o parmetro vp
corresponde velocidade procurada:
T = Timp,par + P / P'h + D / vp

(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)

a velocidade de percurso vp pode ser obtida diretamente da definio, relacionando-se Dimp

e Timp,mov:
vp = Dimp / Timp,mov = Dimp / (Timp - Timp,par)
(7)
O valor de vp obtido por esta equao igual ao obtido pela regresso em (4). Como no
caso de P'h, e pelo mesmo motivo exposto, conclui-se que vp > vc, como esperado.
A utilizao da regresso em (5) justifica-se pela obteno de Dimp. Este parmetro ainda
poder ser utilizado adiante para composio de um estimador da razo entre distncias
improdutivas e totais, no dimensionamento de setores.
Para todos os segmentos de via, uma das condies necessrias para a elaborao de rotas
requer que o tempo de servio modelado seja superior ao tempo morto. Como se ver
adiante, o primeiro resultado da razo entre a produo modelada no segmento e a
produtividade obtida acima, Ts = P/Ph; a segunda depende da velocidade de percurso,
sendo uma relao entre o comprimento do segmento e esta, Tm = L/vp. Como deve-se ter
Ts > Tm, pode-se chegar a condio:
P / L > Ph / vp

(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

seria a de Gumbel, de valores mximos extremos do tipo I, j que as produes tendem a

ser normalmente distribudas, ou seja, com caudas caindo exponencialmente. Os perodos
para medida dos valores mximos seriam as semanas ou meses, e uma amostra com
intervalo temporal deve ser considerada.
3.7. Nveis de Agregao de Dados
Os dados utilizados nas estimativas acima possuem ainda uma resoluo, ou seja, um nvel
de agregao dependendo de sua origem. Como exemplo, o nmero de habitantes usado
para estimativa da produo pode estar disponvel para cada setor censitrio, bairro, zona
municipal ou apenas para toda a cidade. Pesquisas realizadas em regies piloto podem
gerar bons ndices para converso de variveis dependentes em parmetros ou estimativas.
Neste caso, interessante considerar regies com caractersticas diferentes e supor que
outras regies no cobertas pela pesquisa possuam semelhanas com algum piloto,
podendo os ndices obtidos serem aplicados homogeneamente.
4. Consideraes Finais
Neste artigo, foram apresentadas varias tcnicas de estimativa dos parmetros operacionais
do processo de coleta urbana de resduos slidos. Buscou-se destacar que alm da
vantagem da caracterizao mais adequada, tais mtodos formam um modelo estatstico
passvel de interpretao e a partir do qual o prprio sistema pode ser gerenciado, seja pelo
controle dos parmetros ou pelo acompanhamento do seu desempenho, estando agora sob a
forma de ndices gerenciais.
Por outro lado, os parmetros abordados podem ser usados como dados de entrada em
rotinas de otimizao para a definio de novos aspectos do sistema de limpeza, como
dimensionamento de setores de coleta domiciliar ou pontual (especial ou hospitalar) e
roteamento destes. Com o advento dos SIG, o tratamento de tais mtodos pode ser feito de
maneira integrada, alm da grande vantagem de poder modelar as camadas referentes s
vias com caractersticas de produo, tempo e distncia diretamente, de forma natural dada
a interpretao do modelo. Neste ponto a modelagem estatstica tem grande importncia, j
que os parmetros podem ser aqui utilizados diretamente para maior preciso nas
estimativas, juntamente com o vasto ferramental disponibilizado por pacotes de SIG.
Referncias Bibliogrficas
ABNT (1993). Coleta, Varrio e Acondicionamento de Resduos Slidos Urbanos. NBR 12980, Associao
Brasileira de Normas Tcnicas, Rio de Janeiro, RJ.
Aguiar, E. M. (1993). Racionalizao da Operao de Sistemas de Coleta e Transporte de Resduos Slidos
Domiciliares para Cidades de Pequeno e Mdio Porte. Dissertao de Doutourado, Escola Politcnica
da Universidade de So Paulo, So Paulo.
Carvalho, L.E.X. e Loureiro, C.F.G. (1999) Desenvolvimento de Soluo Integrada em Ambiente SIG para
Tratamento de Problemas relacionados Coleta Urbana de Resduos Slidos. Anais do XIII
Congresso de Ensino e Pesquisa em Transportes - ANPET, So Carlos, SP, 217-225.
Carvalho, L.E.X. e Loureiro, C.F.G. (2000) Planejamento e Programao da Coleta Urbana de Resduos
Slidos em Ambiente SIG. Anais do XI Congresso Panamericano de Engenharia de Trnsito e
Transporte, pp. 753-765, Gramado, RS.
EPA (1995). Decision-Makers' Guide to Solid Waste Management. Relatrio Tcnico, USA Environmental
Protection Agency, E.U.A.
Ihaka, R. e Gentleman, R. (1996). R: A Language for Data Analysis and Graphics. Journal of
Computational and Graphical Statistics 5 (3): pp. 299-314.
IPT (1995). Lixo Municipal: Manual de Desenvolvimento Integrado. Relatrio Tcnico, Instituto de
Pesquisas Tecnolgicas, So Paulo, SP.