Artificial intelligence-based optimization of the WEEE reverse chain in São Paulo − Brazil to promote economic, environmental and social benefits
Documento
Informações
Título
Artificial intelligence-based optimization of the WEEE reverse chain in São Paulo − Brazil to promote economic, environmental and social benefits
Título (EN)
Artificial intelligence-based optimization of the WEEE reverse chain in São Paulo − Brazil to promote economic, environmental and social benefits
Autor(es)
Geraldo C.de Oliveira Neto | Rodrigo Neri Bueno da Silva | Gustavo Araújo Lima | Sidnei Alves de Araújo | Peterson Adriano Belan | Denilson Carvalho | Cecília M.V.B. Almeida
Instituição
Universidade Paulista
Tipo
Artigo
Tipo de Mídia
Revista
Resumo (EN)
The rapid growth in electronic production has intensified e-waste generation, underscoring the need for efficient Waste Electrical and Electronic Equipment (WEEE) reverse logistics systems coordinated by manufacturers, retailers, and public agencies. However, in some parts of the world, such as in S˜ ao Paulo–Brazil, these systems still face substantial inefficiencies, resulting in increased environmental and social costs. This study focuses on applying artificial intelligence (AI) techniques to optimize the WEEE reverse logistics chain in Sao ˜ Paulo–Brazil, aiming to generate economic, environmental, and social benefits. The proposed approach integrates genetic algorithms, greedy local search and tabu search techniques, to reorganize recyclers, redistribute collection points, and enhance vehicle routing, thereby reducing travel distances, collection times, and environmental impacts. Data were collected from manufacturers, recyclers, and waste management companies to develop AIbased strategies that improve operational practices. Environmental impact was assessed using the Material Intensity Factor (MIF), revealing reductions in fuel consumption and greenhouse gas emissions, alongside societal benefits such as increased employment opportunities and improved occupational safety. The integration of AI with spatial data provides a practical tool for decision-makers, as evidenced by computational experiments showing approximately a 30 % reduction in travel distances and a 20 % decrease in collection times. These improvements lead to lower operational costs and significant environmental benefits, including the mitigation of over 4.5 million tons per year in combined impacts related to resource use, water consumption, and atmospheric emissions. These outcomes underscore the broader economic, environmental, and social benefits of WEEE management, fully aligned with the United Nations Sustainable Development Goals.
Resumo
O rápido crescimento da produção de equipamentos eletrônicos intensificou a geração de resíduos eletroeletrônicos, destacando a necessidade de sistemas eficientes de logística reversa de Resíduos de Equipamentos Elétricos e Eletrônicos (REEE) coordenados por fabricantes, varejistas e órgãos públicos. Entretanto, em algumas regiões do mundo, como São Paulo – Brasil, esses sistemas ainda apresentam ineficiências significativas, resultando no aumento dos custos ambientais e sociais. Este estudo concentra-se na aplicação de técnicas de inteligência artificial (IA) para otimizar a cadeia de logística reversa de REEE em São Paulo – Brasil, com o objetivo de gerar benefícios econômicos, ambientais e sociais. A abordagem proposta integra algoritmos genéticos, busca local gulosa e técnicas de busca tabu para reorganizar recicladores, redistribuir pontos de coleta e aprimorar o roteamento de veículos, reduzindo assim as distâncias percorridas, o tempo de coleta e os impactos ambientais. Os dados foram coletados junto a fabricantes, recicladores e empresas de gerenciamento de resíduos para desenvolver estratégias baseadas em IA que melhorem as práticas operacionais. O impacto ambiental foi avaliado utilizando o Fator de Intensidade de Material (MIF – Material Intensity Factor), revelando reduções no consumo de combustível e nas emissões de gases de efeito estufa, além de benefícios sociais, como o aumento das oportunidades de emprego e a melhoria da segurança ocupacional. A integração da IA com dados espaciais fornece uma ferramenta prática para os tomadores de decisão, conforme demonstrado por experimentos computacionais que indicaram aproximadamente 30% de redução nas distâncias percorridas e 20% de diminuição no tempo de coleta. Essas melhorias resultam em menores custos operacionais e benefícios ambientais significativos, incluindo a mitigação de mais de 4,5 milhões de toneladas por ano em impactos combinados relacionados ao uso de recursos, consumo de água e emissões atmosféricas. Esses resultados evidenciam os benefícios econômicos, ambientais e sociais mais amplos da gestão de REEE, estando plenamente alinhados aos Objetivos de Desenvolvimento Sustentável das Nações Unidas (ODS).
Palavras-chave
Reverse logistic, WEEE Optimization, Artificial intelligence, Environmental assessment, Economic assessment, Social benefits
Direito de Acesso
Acesso restrito
Financiamento
FAPESP/CNPq
Publicado em
OLIVEIRA NETO, Geraldo Cardoso de; SILVA, Rodrigo Neri Bueno da; LIMA, Gustavo Araújo; ARAÚJO, Sidnei Alves de; BELAN, Peterson Adriano; CARVALHO, Denilson; ALMEIDA, Cecília Maria Villas Bôas. Artificial intelligence-based optimization of the WEEE reverse chain in São Paulo − Brazil to promote economic, environmental and social benefits. Journal of Cleaner Production, v. 521, art. 146073, 2025.