optimização de um sistema de recolha e transporte de ... · recolha e transporte de resíduos de...
Post on 13-Jul-2020
3 Views
Preview:
TRANSCRIPT
Optimização de um Sistema de Recolha e Transporte de Resíduos Sólidos Urbanos
Implicações ambientais e financeiras da optimização da recolha e transporte de resíduos sólidos urbanos no Barreiro
Ana Filipa Pereira Beijoco
Dissertação para obtenção do grau de Mestre em Engenharia Mecânica
Júri
Presidente: Professor Doutor Luís Rego da Cunha Eça Orientador: Professor Doutor Viriato Sérgio de Almeida Semião
Co-orientador: Professora Doutora Zdena Zsigraiová Vogal: Professora Doutora Carla Alexandra Monteiro da Silva
Maio de 2011
RESUMO
Neste trabalho é introduzida uma metodologia para melhorar a eficiência de um sistema de
recolha e transporte de resíduos de vidro utilizado pela Amarsul, S.A., no Barreiro, mas com
aplicabilidade a outros sistemas semelhantes, como o papel e cartão ou os plásticos.
Investigada a adequação das frequências de recolha de vidro, recorrendo a um estudo
estatístico feito com base em dados históricos de enchimento, concluiu-se que o sistema beneficiaria
da sua optimização. Planeou-se analiticamente um novo ciclo de recolhas, com circuitos
caracterizados por novos conjuntos de ecopontos existentes e com frequências de recolha ajustadas.
Os percursos de recolha correspondentes aos vários circuitos foram optimizados por tempo e
por distância, recorrendo à ferramenta de Sistemas de Informação Geográfica ESRI ArcGIS® 9.3, e
sobre eles foram calculados os valores de tempo de viagem, tempo total, distância percorrida,
emissões de poluentes (CO, CO2, VOC, NOx e PM), tendo em conta a influência de carga de
transporte dinâmica, consumo de combustível e custos.
Em termos de custos médios semanais, a optimização por tempo (da qual resultaram maiores
benefícios) levou a uma poupança potencial de 57%, o que corresponde a mais de 11000€ anuais; as
reduções nos valores médios semanais das emissões de poluentes variaram entre 40% e 50%,
conforme o composto; o tempo total médio semanal diminuiu cerca de 62%.
Efectuou-se ainda um estudo de sensibilidade da emissão de poluentes e do consumo de
combustível à ordem de recolha dos ecopontos, devido à influência da carga transportada, e concluiu-
se que, neste trabalho, é imperceptível.
Palavras-chave: optimização de rotas, resíduos sólidos urbanos (RSU), Sistemas de
Informação Geográfica (SIG), minimização de emissões de poluentes.
ABSTRACT
This work introduces a methodology to improve the collection and transportation system for
glass waste in use by Amarsul, S.A., nearby Lisbon. Nonetheless, the method can be applied to other
systems like paper and cardboard or plastics.
The present collection frequencies of glass waste were found to be inadequate, according to
the historical data on the fill-up rates of the containers and the performed statistical analysis.
Therefore, a new collection system was analytically built up, containing new distributions of existing
green-points, according to their own and unique fill-up rates.
The routes comprising the new system were optimized for time and for distance, making
recourse to the ESRI Arcgis® 9.3 Geographical Information Systems software, and values were
estimated for travel time, total time, distance, pollutant emissions (CO, CO2, VOC, NOx and PM),
taking into account the influence of dynamic load, and for fuel consumption and costs.
The estimated values for the new system showed that their benefits are quite substantial when
compared to the presently existing system at Amarsul. The optimization for time, in particular, resulted
in weekly average savings of 57% for total cost, which correspond to over €11000 per year; the
emissions were reduced in up to 50%, for some pollutants; and total time decreased approximately
62%.
The influence of the collection sequence of the containers on the pollutant emissions and fuel
consumption, due to the influence of the transported load, was studied and the results allowed the
conclusion that, for this case study, this issue has no relevance.
Key-words: route optimization, municipal solid waste (MSW), Geographical Information
Systems (GIS), pollutant emissions minimization.
AGRADECIMENTOS
Em primeiro lugar, quero agradecer ao Professor Viriato Semião e à Professora Zdena
Zsigraiová pelo apoio e orientação prestados, no decorrer deste trabalho.
Agradeço também o apoio prestado pela Amarsul, S.A., no âmbito do projecto
SIGRSAMARSUL (Sistema de Informação e Gestão da Recolha Selectiva da Amarsul) em que esta
tese se insere.
Não posso deixar de agradecer ao Gilberto Tavares pelo auxílio em muitos aspectos técnicos
e práticos do trabalho, incluindo a companhia numa visita de estudo à Amarsul.
O local de trabalho tornou-se agradável para mim, muito devido à companhia do Gonçalo
Nuno Silva que esteve presente a maior parte do tempo e que sempre se mostrou disponível para me
ajudar ou simplesmente para conversar, durante o tempo que passámos juntos a trabalhar no mesmo
gabinete.
Ao colega e amigo José Pedro Madeira que me animou nos momentos mais difíceis e que
exigiam a minha motivação adicional. É sempre bom ter um amigo por perto.
Agradeço muito à minha família: à minha mãe Ana Maria, ao meu pai José Manuel e ao meu
irmão Gonçalo. Um agradecimento especial à minha avó Teresa pelas muitas vezes em que
carinhosamente me preparou o almoço, ao longo deste tempo todo, e por tudo o resto.
Aos amigos que, apesar de não estarem directamente ligados ao meu trabalho, são o meu
apoio em todos os momentos: Sofia Batista, Manuel Rasquilho, Sara Geraldes e Sílvia de Sousa
Botelho.
Por último, um agradecimento especial ao Sérgio Carvalhosa que foi o meu apoio mais
precioso nos últimos meses deste trabalho. Foram tempos de dedicação ao trabalho, de nervosismo e
de cansaço. Nas piores alturas, foram para ele todos os meus desabafos e foi dele que vieram as
palavras de incentivo e de alento. Nas alturas de vitória, foram nossas as celebrações. Obrigada por
tudo.
ÍNDICE DE FIGURAS
Figura 1 – Proporção de aplicação dos métodos de depósito em aterro, da incineração, da
compostagem e da reciclagem, no processamento de RSU, em alguns países
europeus, entre 2000 e 2003 (UNEP/GRID-Arendal, 2006)...................................... 2
Figura 2 – Proporção de aplicação das operações de processamento de resíduos –
valorização energética, depósito em aterro, valorização orgânica e reciclagem –
em Portugal Continental, em 2009 (APA, 2010a)...................................................... 2
Figura 3 – Evolução dos objectivos intercalares do PERSU e PERSU II e dos dados reais
até 2008 relativamente ao indicador “Redução da quantidade dos resíduos
urbanos produzidos” (APA e ERSAR, 2010)............................................................. 3
Figura 4 – Taxa de reciclagem dos diversos fluxos específicos de resíduos em Portugal,
entre 2005 e 2009 (APA, 2010b)............................................................................... 4
Figura 5 – Taxa de valorização dos diversos fluxos específicos de resíduos em Portugal,
entre 2005 e 2009 (APA, 2010b)............................................................................... 5
Figura 6 – Mapa com a localização da Amarsul e dos ecopontos pertencentes à zona do
Barreiro......................................................................................................................
Figura 7 – Representação esquemática da sequência de processos e ferramentas utilizadas
para obtenção do sistema optimizado.......................................................................
Figura 8 – Ficheiro de dados de entrada, da aplicação, em Excel............................................. 18
Figura 9 – Interface em MATLAB “Data da última recolha: Ler do ficheiro/Inserir”.................... 18
Figura 10 – Interface em MATLAB “Inserir data da última recolha (dd/mm/aaaa):” e “Inserir
data da próxima recolha (dd/mm/aaaa):”................................................................... 19
Figura 11 – Interface em MATLAB “Inserir percentagem mínima de enchimento para
recolha:”..................................................................................................................... 19
Figura 12 – Interface em MATLAB “Actualizar o ficheiro de input: Sim/Não”............................... 19
Figura 13 – Ficheiro de resultados da aplicação, em Excel......................................................... 20
Figura 14 – Ambiente da aplicação informática ArcMap, com a resolução de um VRP............... 21
Figura 15 – Propriedades da rota atribuída ao Veículo A e ao Veículo B.................................... 24
Figura 16 – Propriedades do entreposto de renovação atribuído ao Veículo A........................... 24
Figura 17 – Propriedades das rotas atribuídas, após a optimização............................................ 25
Figura 18 – Exemplo de uma tabela de atributos de Orders........................................................ 32
Figura 19 – Exemplo de uma tabela de atributos de Depot Visits................................................ 33
Figura 20 – Exemplo de uma janela de resultados de emissões, em ArcMap............................. 36
Figura 21 – Percurso do Veículo A no cumprimento do circuito C da Amarsul............................ 43
Figura 22 – Percurso do Veículo B no cumprimento do circuito C da Amarsul............................ 44
Figura 23 – Mapeamento de frequências de recolha de RSU optimizadas com base nos
valores de previsão de enchimento........................................................................... 46
Figura 24 – Rota que o Veículo A efectua no cumprimento do circuito C2, optimizado por
distância..................................................................................................................... 55
Figura 25 – Rota que o Veículo B efectua no cumprimento do circuito C2, optimizado por
distância..................................................................................................................... 56
Figura 26 – Evolução do factor de emissão de VOC do Veículo A, com a velocidade média...... 63
Figura 27 – Evolução do factor de emissão de CO do Veículo A, com a velocidade média........ 63
Figura 28 – Rota que o Veículo A efectua, no decurso do circuito C2, optimizado por tempo..... 64
Figura 29 – Rota que o Veículo B efectua, no decurso do circuito C2, optimizado por tempo..... 65
Figura 30 – Comparação entre os resultados para tempo de viagem, tempo total e distância,
correspondentes aos três sistemas: Amarsul, novo sistema optimizado por
distância e novo sistema optimizado por tempo..................................................... 66
Figura 31 – Comparação entre os resultados de consumo de combustível e de emissões de
CO, CO2, VOC, NOx e PM, correspondentes aos três sistemas: Amarsul, novo
sistema optimizado por distância e novo sistema optimizado por tempo.................. 67
Figura 32 – Comparação entre os resultados de custo de consumo de combustível, custo de
manutenção, custo de mão-de-obra e custo total, correspondentes aos três
sistemas: Amarsul, novo sistema optimizado por distância e novo sistema
optimizado por tempo................................................................................................ 67
ÍNDICE DE TABELAS
Tabela 1 – Classificação da recolha e transporte de resíduos sólidos urbanos....................... 6
Tabela 2 – Características dos veículos que efectuam a recolha de vidro............................... 22
Tabela 3 – Valores típicos de densidade média de resíduos de vidro (Tchoubanoglous et al.,
2002)............................................................................................................................ 23
Tabela 4 – Classificação de veículos de acordo com a UNECE (Hickman et al., 1999).......... 27
Tabela 5 – Classificação de veículos segundo o MEET e correspondência com as
categorias da UNECE (Hickman et al., 1999)......................................................... 28
Tabela 6 – Coeficientes para cálculo dos factores de emissão de cada poluente, para
veículos HDV com valores de peso bruto entre 7.5 e 16 toneladas (Hickman et
al., 1999)................................................................................................................. 29
Tabela 7 – Coeficientes para cálculo dos factores de emissão de cada poluente, para
veículos HDV com valores de peso bruto entre 16 e 32 toneladas (Hickman et
al., 1999)................................................................................................................. 29
Tabela 8 – Coeficientes da função de correcção de carga, para veículos HDV com valores
de peso bruto entre 7.5 e 16 toneladas (Hickman et al., 1999) ............................. 30
Tabela 9 – Coeficientes da função de correcção de carga, para veículos HDV com valores
de peso bruto entre 16 e 32 toneladas (Hickman et al., 1999)............................... 30
Tabela 10 – Valores de correcção para emissões a frio (Hickman et al., 1999)......................... 31
Tabela 11 – Atributos da tabela de Orders................................................................................. 32
Tabela 12 – Atributos da tabela de Depot Visits......................................................................... 33
Tabela 13 – Representação esquemática de uma matriz de atributos....................................... 35
Tabela 14 – Exemplo da parte respeitante às emissões de CO de uma matriz de resultados
do Veículo B............................................................................................................ 35
Tabela 15 – Custos específicos por unidade de tempo e por unidade de distância................... 36
Tabela 16 – Circuitos de recolha de RSU utilizados pela Amarsul............................................. 39
Tabela 17 – Escala de recolhas de RSU utilizada pela Amarsul................................................ 39
Tabela 18 – Caracterização das rotas de recolha de vidro optimizados por distância,
correspondentes ao sistema actual da Amarsul..................................................... 40
Tabela 19 – Resultados da estimativa semanal dos valores de tempo de viagem, tempo total
e distância percorrida, correspondentes ao sistema actual da Amarsul com
percursos optimizados por distância....................................................................... 41
Tabela 20 – Resultados da estimativa semanal das emissões de CO, CO2, VOC, NOx e PM,
correspondentes ao sistema actual da Amarsul com percursos optimizados por
distância.................................................................................................................. 41
Tabela 21 – Resultados da estimativa semanal do consumo de combustível correspondente
ao sistema actual da Amarsul com percursos optimizados por distância............... 42
Tabela 22 – Resultados da estimativa semanal dos custos correspondentes ao sistema
actual da Amarsul com percursos optimizados por distância................................. 42
Tabela 23 – Circuitos de recolha de RSU optimizados com base nos valores de previsão de
enchimento.............................................................................................................. 47
Tabela 24 – Caracterização dos circuitos de recolha de vidro optimizados por distância.......... 49
Tabela 25 – Resultados médios semanais do novo sistema optimizado por distância e
valores, para comparação, do sistema utilizado pela Amarsul............................... 53
Tabela 26 – Caracterização dos circuitos de recolha de vidro optimizados por tempo.............. 57
Tabela 27 – Resultados médios semanais do novo sistema optimizado por tempo e valores,
para comparação, do sistema utilizado pela Amarsul............................................. 62
Tabela 28 – Resultados do cálculo detalhado das emissões a quente de CO2, em duas rotas
semelhantes, percorridas pelo mesmo veículo, fazendo variar a ordem de
recolha da carga..................................................................................................... 68
Tabela 29 – Resultados do cálculo semanal dos valores de tempo de viagem, tempo total e
distância percorrida, correspondentes à optimização por distância....................... 78
Tabela 30 – Resultados do cálculo semanal das emissões de CO, CO2, VOC, NOx e PM,
correspondentes à optimização por distância......................................................... 80
Tabela 31 – Resultados do cálculo do consumo específico de combustível e do consumo
semanal de combustível, correspondentes à optimização por distância................ 83
Tabela 32 – Resultados do cálculo dos custos semanais correspondentes à optimização por
distância.................................................................................................................. 85
Tabela 33 – Resultados do cálculo semanal dos valores de tempo de viagem, tempo total e
distância percorrida, correspondentes à optimização por tempo............................ 88
Tabela 34 – Resultados do cálculo semanal das emissões de CO, CO2, VOC, NOx e PM,
correspondentes à optimização por tempo............................................................. 90
Tabela 35 – Resultados do cálculo do consumo específico de combustível e do consumo
semanal de combustível, correspondentes à optimização por tempo.................... 92
Tabela 36 – Resultados do cálculo dos custos semanais correspondentes à optimização por
tempo...................................................................................................................... 95
ÍNDICE
1. INTRODUÇÃO............................................................................................................. 1
1.1. Conceitos e dados portugueses de gestão de RSU................................................. 1
1.2. Revisão da literatura................................................................................................. 7
1.2.1. Estudos sobre atitudes comportamentais na geração e separação de resíduos................ 7
1.2.2. Estudos sobre planeamento da disposição de contentores................................................ 9
1.2.3. Estudos sobre optimização de rotas de recolha de RSU.................................................... 9
1.2.4. Planeamento geral de sistemas para recolha e transporte de RSU................................... 12
1.3. Síntese e contribuições da presente tese................................................................. 13
1.4. Estrutura da tese....................................................................................................... 14
2. METODOLOGIA.......................................................................................................... 15
2.1. Caracterização da tendência de enchimento dos contentores................................. 15
2.2. Aplicação computacional integrada.......................................................................... 17
2.3. Aplicação em SIG para optimização de rotas........................................................... 20
2.4. Cálculo de emissões com base no relatório MEET.................................................. 26
2.4.1. Cálculo de emissões a quente............................................................................................ 28
2.4.2. Cálculo de emissões a frio.................................................................................................. 31
2.4.3. Cálculo do consumo de combustível................................................................................... 31
2.4.4. Integração em SIG com recurso a Visual Basic for Applications........................................ 32
2.5. Cálculo de custos...................................................................................................... 36
2.6. Metodologia utilizada para comparação de resultados............................................. 37
3. APRESENTAÇÃO E DISCUSSÃO DE RESULTADOS..................................................................... 39
3.1. Resultados do sistema actualmente utilizado pela Amarsul..................................... 39
3.2. Resultados para o sistema optimizado..................................................................... 45
3.2.1. Resultados da melhoria de escalas de recolha de vidro..................................................... 45
3.2.2. Resultados da optimização de rotas por distância.............................................................. 49
3.2.3. Resultados da optimização de rotas por tempo.................................................................. 57
3.2.4. Análise geral e comparação de resultados......................................................................... 65
3.3. Análise da influência da carga.................................................................................. 68
4. CONCLUSÕES E TRABALHO FUTURO.................................................................... 70
4.1. Conclusões.................................................................................................................. 70
4.2. Trabalho futuro............................................................................................................ 71
REFERÊNCIAS BIBLIOGRÁFICAS.................................................................................... 72
ANEXO 1. RESULTADOS SEMANAIS DETALHADOS......................................................... 78
A1.1 Resultados detalhados da optimização por distância.............................................. 78
A1.2 Resultados detalhados da optimização por tempo.................................................. 88
1
1. INTRODUÇÃO
A avaliação de um sistema de gestão de resíduos sólidos urbanos (RSU) é feita com base em
indicadores de desempenho ambientais, sociais e económicos. Os dados ambientais e económicos
podem ser analisados, estudados e conjugados de modo a permitir averiguar a sustentabilidade dos
sistemas de gestão de RSU e a viabilidade e o potencial da sua optimização. Em particular, os custos
associados aos sistemas de recolha e de transporte de resíduos representam, em termos de
orçamentais, 40% a 70% do custo total de um sistema de gestão de RSU (Martinho e Gonçalves,
2000), o que leva a crer que as melhorias realizadas neste campo podem permitir obter reduções
significativas nos custos energéticos e no custo total operacional do sistema.
Por outro lado, existem alterações benéficas ao nível das emissões de poluentes dos veículos
dotados de motores de combustão interna, que efectuam a recolha e o transporte de RSU, apensas à
optimização das rotas estabelecidas neste tipo de sistema. É este o âmbito desta tese, ou seja, ela
debruça-se sobre um método de melhoria de sistemas de recolha e transporte de RSU, aplicando-o a
um caso de estudo real na zona do Barreiro, com vista à obtenção de melhorias significativas, em
termos de custos e de impacte ambiental, em comparação com o sistema actualmente utilizado pela
empresa Amarsul – Valorização e Tratamento de Resíduos, S.A., empresa que explora e gere o
Sistema Multimunicipal de Valorização e Tratamento de Resíduos Sólidos da Margem Sul do Tejo.
Esta tese contém ainda o aspecto inovador de introduzir a componente de carga dinâmica
dos veículos de recolha e transporte de RSU no cálculo do consumo de combustível e das emissões
de poluentes dos circuitos optimizados e dos circuitos originais.
1.1. Conceitos e dados portugueses de gestão de RSU
A gestão de RSU terá feito parte das competências das administrações locais desde a
formação dos primeiros agregados populacionais, ainda que recorrendo a métodos primários e
baseados, essencialmente, no senso comum. A maior parte dos resíduos eram reutilizados, devido à
escassez de recursos, e a parte destinada ao depósito em lixeiras primordiais – ou nas ruas – era
maioritariamente constituída por matéria orgânica.
Durante a Revolução Industrial do século XX, o acelerado crescimento urbano, devido à
migração de uma grande parte da população das zonas rurais para as cidades, acentuou os
malefícios da política débil de gestão de resíduos, existente à altura, especialmente ao nível sanitário.
Por outro lado, nessa época, iniciou-se a produção industrial massificada, o que levou a aumentos
significativos na quantidade de bens consumidos e à introdução de novos tipos de materiais,
predominantemente inorgânicos e de decomposição lenta. Estes acontecimentos levaram à
necessidade da criação de medidas sistemáticas de saneamento básico e a que, no final do século
oitocentista, se iniciassem vários serviços de recolha de resíduos e de limpeza de ruas e de esgotos.
Já no século XX, em 1975, é proposta e aceite a Directiva Europeia 75/442/CEE (Conselho
da União Europeia, 1975), o primeiro documento oficial europeu relativo aos resíduos, com o intuito
de uniformizar a sua política de gestão, nos países da União Europeia (UE). A legislação portuguesa
regulou pela primeira vez a gestão de resíduos através do Decreto-Lei n.º 488/85 (Presidência do
2
Conselho de Ministros, 1985). O Decreto-Lei n.º 178/2006 (MAOTDR, 2006a), actualmente em vigor
em Portugal, define que resíduo é “qualquer substância ou objecto de que o detentor se desfaz ou
tem a intenção ou a obrigação de se desfazer (...)”.
A política europeia tem evoluído no sentido de promover a seguinte hierarquia na gestão e
processamento de resíduos: prevenção da geração, reutilização, valorização, tratamento e depósito
de RSU; e de envolver a população nestes processos. Apesar disso, e como se pode ver na figura 1,
até 2003, a UE era bastante heterogénea em relação aos destinos dados aos RSU. O caso
português, em 2009, está sistematizado na figura 2.
Figura 1 – Proporção de aplicação dos métodos de depósito em aterro, da incineração, da
compostagem e da reciclagem, no processamento de RSU, em alguns países europeus, entre 2000 e 2003
(UNEP/GRID-Arendal, 2006).
Figura 2 – Proporção de aplicação das operações de processamento de resíduos – valorização
energética, depósito em aterro, valorização orgânica e reciclagem – em Portugal Continental, em 2009
(APA, 2010a).
18,5%
61,7%
8,1%
11,7%Valorização Energética
Depósito em Aterro
Valorização Orgânica
Reciclagem
3
Os aterros sanitários surgem como última alternativa (a menos aconselhada) na cadeia de
destinos possíveis para os RSU, sendo actualmente geridos com base em regras que têm como
objectivo minimizar os potenciais danos ambientais, sociais e económicos. Em Portugal, devido à
aplicação da Directiva Europeia 99/31/CE (Conselho da União Europeia, 1999) e do PERSU – Plano
Estratégico Sectorial de Gestão de Resíduos Urbanos (Ministério do Ambiente, 1997), construíram-se
novas infra-estruturas para tratamento dos resíduos urbanos, propagou-se a rede de contentores
para recolha de resíduos recicláveis a todo o território nacional e procedeu-se ao encerramento das
lixeiras, posteriormente substituídas por aterros sanitários, obedientes a regras operacionais
específicas (Pássaro, 2003). No entanto, os aterros continuam a ser uma solução insustentável
devido à saturação dos terrenos adequados e disponíveis para tal, e devido aos efeitos ambientais
nocivos que acarreta (Leao et al., 2001).
O PERSU permitiu introduzir medidas ambiciosas, com o propósito de cumprir os objectivos
comunitários estabelecidos no âmbito da gestão de RSU. Actualmente, encontra-se em curso o
PERSU II (MAOTDR, 2007), que impõe objectivos de 2007 a 2016 (ver Fig. 3). Além do PERSU,
existem mais dois planos sectoriais em acção: o PESGRI – Plano Estratégico de Gestão de Resíduos
Industriais (MAOTDR, 2001) e o PERH – Plano Estratégico dos Resíduos Hospitalares (Ministério da
Saúde, MAOTDR e MADRP, 2011).
Figura 3 – Evolução dos objectivos intercalares do PERSU e PERSU II e dos dados reais até 2008
relativamente ao indicador “Redução da quantidade dos resíduos urbanos produzidos” (APA e ERSAR,
2010).
A figura 3 apresenta as percentagens de variação da geração de resíduos anual face ao ano
anterior, entre 2005 e 2008, no que se refere às metas do PERSU e PERSU II e aos valores reais
observados. Apesar de, em 2007 e 2008, os valores percentuais reais de variação da geração de
resíduos serem inferiores aos perspectivados, isto não significa que os valores de geração de
resíduos reais sejam inferiores à meta, nestes anos, mas sim que o seu aumento em relação aos
anos anteriores foi inferior aos aumentos impostos pelos planos de gestão de RSU. É também
4
interessante verificar que estes planos não prevêem uma diminuição imediata da quantidade de
resíduos gerados; a evolução esperada é de um aumento gradualmente amortecido, até 2011, e de
uma diminuição crescente, a partir de 2012.
O ponto de partida do PERSU II foi a criação de uma estratégia integrada de gestão de
resíduos, baseada nas orientações do Plano de Intervenção para Resíduos Sólidos Urbanos e
Equiparados (MAOTDR, 2006b) e nas Directivas Europeias produzidas neste contexto e,
subsequentemente, transpostas para Decretos-Lei.
Para compreender as medidas resultantes desta estratégia é essencial conhecer os vários
tipos de resíduos existentes e a sua classificação, que pode ser feita com base em vários parâmetros:
• Perigosidade;
• Fonte geradora (por exemplo: urbano, industrial, agrícola, hospitalar ou comercial);
• Composição química (orgânico ou inorgânico);
• Estado físico (sólido, líquido ou gasoso);
• Material (por exemplo: papel, cartão, vidro, plástico, metal ou compósito);
• Recuperabilidade (i.e., susceptibilidade de reutilização ou valorização).
Existe ainda uma classificação para os fluxos específicos de resíduos (resíduos de
equipamentos eléctricos e electrónicos, resíduos de pilhas, pneus usados, entre outros) que são alvo
de uma gestão exclusiva do seu ciclo de vida, gestão essa que é atribuída a uma determinada
entidade gestora, permitindo assim a responsabilização do produtor pela vida útil e destino final do
produto.
No sentido de uniformizar a classificação de resíduos na UE, foi criado o CER – Catálogo
Europeu de Resíduos (Comissão Europeia, 1993), mais tarde substituído pela LER – Lista Europeia
de Resíduos (Comissão Europeia, 2000). Este documento atribui a cada tipo de resíduo um código de
seis dígitos – Código LER – que o define totalmente.
Figura 4 – Taxa de reciclagem dos diversos fluxos específicos de resíduos em Portugal, entre
2005 e 2009 (APA, 2010b).
5
Figura 5 – Taxa de valorização dos diversos fluxos específicos de resíduos em Portugal, entre
2005 e 2009 (APA, 2010b).
A valorização dos resíduos é um dos pilares de actuação do PERSU II, como já havia sido no
PERSU, e inclui os processos de reciclagem, valorização orgânica e valorização energética. A figura
4 mostra a evolução, para o período de 2005 a 2009, da taxa de reciclagem de alguns fluxos
específicos, em Portugal, e a figura 5 mostra a evolução da sua taxa de valorização energética e
orgânica.
Os principais objectivos da valorização de resíduos são a preservação dos recursos naturais,
a economia energética e de custos e o direccionamento de resíduos para um destino final que não
seja a deposição em aterro. No entanto, o sucesso das acções de valorização e a própria eficiência
global do sistema de gestão de RSU estão muito dependentes do tipo de operações constituintes do
plano de gestão de RSU, no qual se inserem a recolha e o transporte de resíduos, classificados
resumidamente na tabela 1.
Os circuitos definidos para transporte dos resíduos, desde o local da sua recolha, até um local
de depósito intermédio ou final, representam uma parte substancial da recolha e transporte de
resíduos. Segundo Martinho e Gonçalves (2000), um circuito é “um itinerário de recolha que obedece
a um planeamento prévio em termos de sequência de pontos de recolha (ou ruas a percorrer), dias e
horário”. No caso português e, especificamente, no caso de estudo desta tese, o sistema de recolha
utilizado tem como recurso exclusivo o transporte rodoviário, o que determina a influência que a
escolha do circuito para recolha de resíduos tem sobre a eficiência do sistema de recolha e
transporte. Por outro lado, a escolha da frequência e dos horários de recolha pode ter consequências
gerais no sistema de gestão de RSU, nomeadamente no comportamento das populações e na sua
contribuição para o funcionamento do sistema.
Embora existam, na literatura, algumas referências a meios de transporte de RSU não
rodoviários, como o transporte ferroviário, marítimo ou fluvial (Tchobanoglous et al., 1993), estas
referem-se a casos muito específicos e que não representam a generalidade dos sistemas de recolha
de RSU.
6
Tabela 1 – Classificação da recolha e transporte de resíduos sólidos urbanos.
CLASSIFICAÇÃO DA RECOLHA E TRANSPORTE DE RESÍDUOS SÓLIDOS URBANOS
Deposição dos resíduos
• Indiferenciada;
• Selectiva com mistura de recicláveis;
• Selectiva com separação por tipo de resíduo.
Tipo e local de recolha
• Individualmente, porta a porta;
• Colectivamente, em zonas residenciais ou industriais;
• Colectivamente, em centros para depósito de resíduos.
Contentores de recolha
• Contentores isolados;
• Ecopontos;
• Ecocentros;
• Depósitos móveis.
Veículos
Caixa
• Aberta;
• Fechada com zona de carregamento aberta;
• Hermética.
Carregamento
• Traseiro;
• Lateral;
• Frontal;
• Superior.
Distribuição • Manual;
• Mecânica, com ou sem compactação.
Transporte*
• Em veículos separados;
• Comum, em compartimentos separados;
• Comum, com mistura de recicláveis.
*Aplicado apenas à recolha selectiva.
Perante a Legislação Portuguesa e o Conselho Europeu, as operações de gestão de resíduos
compreendem “toda e qualquer operação de recolha, transporte, armazenagem, triagem, tratamento,
valorização e eliminação de resíduos, bem como às operações de descontaminação dos solos e à
monitorização dos locais de deposição após o encerramento das respectivas instalações” (MAOTDR,
2006a). O planeamento dos sistemas de gestão de RSU é fundamental para o seu bom
funcionamento e comporta a definição do problema, o estabelecimento de metas, a recolha de dados
e a avaliação de alternativas. Uma vez encontrado um plano considerado óptimo, este deve ser posto
em prática, acompanhado e, se necessário, alterado de forma a adequar-se o melhor possível à
dinâmica que caracteriza qualquer sistema de gestão de RSU.
Não existem, na lei, indicações específicas relativamente à eficiência do transporte de
resíduos; no entanto, existe a motivação para que todas as acções tomadas no âmbito da gestão de
resíduos favoreçam o mais possível as componentes ambientais, energéticas, sociais e financeiras da
actividade. Assenta neste pressuposto a importância da realização de estudos direccionados para a
7
melhoria de sistemas de gestão de resíduos, visando a sua adequação aos tempos modernos,
tornando-os, pois, mais sustentáveis, isto é, mais eficientes financeiramente, com menores consumos
energéticos, gerando menor impacte ambiental e detentores de elevada adesão social ao seu
funcionamento com elevado envolvimento das populações, sendo justamente este o âmbito desta
tese.
É importante referir desde já que esta tese não pretende constituir-se num estudo de base
para um sistema global de gestão de resíduos sólidos. Ao invés, esta tese mostra um modelo
construído com base no esquema corrente do Barreiro, para auxílio de decisão, no que diz respeito à
recolha de resíduos para reciclagem pela Amarsul, em toda a sua área de actuação. Não obstante, o
modelo desenvolvido tem aplicabilidade a outros sistemas semelhantes, desde que exista um estudo
estatístico prévio do histórico das características dos contentores de recolha selectiva e que sejam
efectuadas as alterações necessárias no que diz respeito aos recursos disponíveis do novo sistema,
nomeadamente dentro do território português em que a recolha e transporte de RSU seguem uma
metodologia bastante uniforme.
1.2. Revisão da literatura
Os trabalhos de investigação desenvolvidos e publicados, até à data, no tema desta tese e
que lhe serviram de suporte, como ponto de partida do estado do conhecimento, dividem-se em várias
áreas sub-temáticas da recolha de RSU que irão ser descritas de seguida.
Existem estudos específicos sobre contentores para depósito de resíduos que abordam
questões essencialmente logísticas e de estratégia, e outros que focam a geração de RSU, a sua
divisão entre resíduos não diferenciados e diferenciados, recicláveis ou não recicláveis, e todos os
factores que afectam o comportamento populacional, nesta matéria. Os veículos de transporte de
resíduos (ou veículos em geral, cujo estudo seja relevante para o trabalho em questão) têm sido
também uma matéria de análise por parte dos investigadores, nomeadamente no que se refere à sua
utilização optimizada, em termos de custos, distâncias, consumo de combustível e emissões, e no
que diz respeito ao impacte ambiental provocado pela utilização destes veículos. Uma última
componente, desta revisão bibliográfica, refere-se aos estudos de sistemas que têm uma abordagem
inclusiva de vários aspectos dispersos relacionados com a recolha de resíduos.
1.2.1. Estudos sobre atitudes comportamentais na geração e separação de resíduos
A implantação de contentores de rua de utilização colectiva destinados ao depósito de
resíduos, de recolha diferenciada ou indiferenciada, requer um planeamento estratégico prévio, que
envolva diversos factores relacionados com a gestão logística e com os hábitos populacionais de
determinado local.
A geração de resíduos sólidos está, nos dias que correm, claramente associada aos
crescimentos demográfico e do poder de compra, não apenas em termos quantitativos mas também
qualitativos (Dennison et al., 1996a), em especial nos grandes centros urbanos, e esta é uma
tendência que deve ser contrariada (Purcell e Magette, 2009). Em Portugal, onde o caso prático
8
apresentado nesta tese tem lugar, a geração de RSU é extremamente heterogénea,
comparativamente com as reduzidas dimensões do território nacional, devido a vivências e hábitos
culturais não uniformes em toda a extensão do país (Magrinho et al., 2006).
Dennison et al. (1996b) verificaram que existe uma relação inversa entre o tamanho do
agregado familiar e a respectiva quantidade de resíduos gerados per capita. Este facto é
especialmente preocupante quando se tem em consideração que o tamanho médio dos agregados
familiares, na Europa, onde o estudo foi realizado, tem estado, de um modo geral, a decrescer.
A recolha indiferenciada de resíduos é afectada pelo comportamento populacional no que se
refere, precisamente, à geração total de resíduos e à sua separação. Idealmente, a parcela
correspondente aos resíduos indiferenciados deveria ser composta apenas pelos resíduos não
recicláveis; os resíduos compostos por materiais recicláveis deveriam ser sempre alvo de separação
e depósito apropriados, em contentores destinados para o efeito. No entanto, tal nem sempre
acontece, visto que os factores que influenciam a recolha diferenciada de resíduos estão
directamente relacionados com a atitude perante a reciclagem e esta depende de factores de
propensão e de conveniência em participar neste tipo de programas (Bach et al., 2004). As taxas de
depósito de resíduos indiferenciados podem funcionar como um incentivo à redução na geração de
resíduos e ao aumento da participação em esquemas de reciclagem (Dahlén e Lagerkvist, 2010).
A recolha diferenciada de RSU pode ser feita porta a porta, através da distribuição de
contentores de recolha selectiva em meios populacionais ou em centros de depósito criados para o
efeito. A recolha porta a porta tem como principal vantagem a acessibilidade. A par de alguns factores
demográficos, a distância de acesso aos contentores de recolha selectiva influencia
determinantemente a participação da população em esquemas de recolha diferenciada (Sidique et al.,
2010), assim como a variedade de materiais dispostos para reciclagem e a frequência com que são
dispensados (González-Torre e Adenso-Díaz, 2005). Woodard et al. (2006) concluíram que a
participação é mais elevada em esquemas mais eclécticos: a maior variedade de materiais recolhidos
actua como um factor motivacional porque coloca mais ênfase na recolha selectiva, retirando peso à
recolha indiferenciada. Também a alternância na recolha de resíduos recicláveis e de resíduos
domésticos indiferenciados, com uma diminuição na frequência de recolha destes últimos, parece
beneficiar a recolha selectiva (Wilson e Williams, 2007).
Os resultados observados no âmbito da influência da frequência de recolha, cuja importância
é demonstrada nos trabalhos de investigação realizados na área da gestão de resíduos, são
controversos quando confrontados com as opiniões públicas recolhidas. A população, em geral, é
relutante em compactuar com alterações nas frequências dos esquemas de recolha de resíduos –
quando estas alterações se dão no sentido de uma diminuição – visto que, como demonstram Han et
al. (2010), questões desagradáveis, como a falta de espaço e a presença de odores associadas à
presença de resíduos nos espaços familiares, afectam negativamente a gestão doméstica de
resíduos. No entanto, há estudos que demonstram que, perante uma pré-disposição favorável à
participação em esquemas de recolha diferenciada de resíduos, a capacidade de adaptação a
diferentes frequências de recolha é elevada (Tucker et al., 2000; Wilson e Williams, 2007).
9
A recolha selectiva feita através de contentores distribuídos pelas localidades ou através de
centros de depósitos não é influenciada pela frequência de recolha, a menos que se verifique um
enchimento excessivo dos contentores que impeça um depósito adequado dos resíduos.
1.2.2. Estudos sobre planeamento da disposição de contentores
Este contexto de tornar acessível a deposição de RSU aos cidadãos é aquele em que se
inserem as estratégias utilizadas para caracterização e planeamento da distribuição do conjunto de
contentores que compõem um sistema de recolha de resíduos, diferenciada ou indiferenciada. Estas
baseiam-se frequentemente no recurso a ferramentas matemáticas como PIM (programação inteira
mista) (Badran e El-Haggar, 2006) ou informáticas como os SIG (Sistemas de Informação Geográfica)
(Chang e Wei, 1999; Zamorano et al., 2009) e podem aplicar-se apenas à distribuição física dos
contentores ou também à sua caracterização em termos de capacidade e de forma.
Nem sempre o planeamento da distribuição de contentores de recolha selectiva de resíduos é
definitivo, devido a alterações nos hábitos populacionais, no ordenamento do território e na densidade
populacional, e devido aos efeitos da sazonalidade na participação da população, no que diz respeito
ao depósito de resíduos. As alterações ao nível da demografia, geografia e economia influenciam de
forma indelével a taxa de depósito de resíduos, diferenciada ou indiferenciada, numa determinada
região, e a avaliação da rede de distribuição de pontos de recolha de resíduos deve acompanhar
estes desenvolvimentos. Isto é válido também para o tipo de contentores utilizados e a sua
adequação pode constituir uma mais-valia para o sistema (Gamberini et al., 2009). Por outro lado,
poderão existir redes de implantação de contentores de recolha selectiva de resíduos cujo
planeamento inicial tenha acontecido apenas superficialmente e que, por isso, necessitem que as
suas características sejam reajustadas, em algum momento após a sua distribuição, com um eventual
destacamento de zonas mais carenciadas a este nível (Lin et al., 2010).
Em geral, os trabalhos de investigação que envolvem o estabelecimento optimizado de locais
para colocação de contentores para recolha de resíduos, quer estes sejam orgânicos ou recicláveis,
ou mesmo de recolha indiferenciada, baseiam-se em dados históricos pontuais sobre hábitos
populacionais que são assumidos como homogéneos numa determinada região, em alguns casos, ou
como directa e unicamente dependentes da distribuição populacional, noutros casos. Isto significa
que os estudos existentes assentam na hipótese de uma distribuição uniforme da taxa de geração de
resíduos, deixando uma lacuna no que diz respeito à possibilidade de cada contentor, dentro de uma
determinada rede de distribuição, ter uma taxa de utilização própria e diferenciada, dependente de
um conjunto de factores sociais, culturais, económicos e educacionais que geram diferentes atitudes
perante o depósito de resíduos e, particularmente, perante a reciclagem (Mgaya e Nondek, 2004).
1.2.3. Estudos sobre optimização de rotas de recolha de RSU
A distribuição de contentores tem repercussões importantes nas necessidades referentes à
utilização de uma frota de pesados para recolha de resíduos, no caso específico em que a recolha de
resíduos é feita com recurso a uma rede de contentores.
10
Os custos associados às deslocações dos veículos automóveis que fazem a recolha de
resíduos, diferenciada ou indiferenciada, são frequentemente estudados e quantificados na
bibliografia associada à gestão de resíduos. Existem trabalhos dedicados exclusivamente a este tema
(Santos e Rodrigues, 2003; Teixeira et al., 2004; Karadimas et al., 2007). Ressalta, como
denominador comum a todos esses trabalhos, a inevitabilidade de incluir os custos das deslocações,
já que o seu peso parcial parece ser dominante e determinante no custo global.
Outro parâmetro associado às deslocações dos veículos, que tem sido alvo de atenção por
parte dos investigadores, é a emissão intrínseca ao movimento dos veículos de recolha, dotados de
motor de combustão interna, de substâncias poluentes, incluindo os gases de efeito de estufa, e que
está relacionada directamente com o consumo de combustível (Armstrong e Khan, 2004; Ericsson et
al., 2006).
A minimização do consumo de combustível gasto na recolha e transporte de RSU, em
oposição à minimização da distância percorrida ou à minimização do tempo gasto no percurso que
não são factores directamente determinantes do consumo de combustível e, consequentemente,
para o custo, como o são a elevação do terreno (Tavares et al., 2008; Tavares et al., 2009) ou a
intensidade de tráfego de um determinado percurso (Ericsson et al., 2006), tem sido abordada por
vários autores, especialmente em trabalhos de investigação que têm como base a optimização de
rotas. Esta abordagem pode ser uma via para se atingir um dos dois objectivos já referidos
anteriormente ou mesmo ambos: reduzir os custos operacionais e reduzir as emissões de gases
nocivos ao ambiente.
Numa boa parte dos trabalhos publicados, os autores visam a obtenção de um sistema de
recolha de resíduos optimizado em termos de combustível, focando-se apenas nos custos, mas
muitas vezes ignorando os efeitos ambientais que, actualmente, também comportam custos
(Sonesson, 2000). Nos trabalhos que não se inserem no tema da gestão de resíduos, mas que, por
incluírem dados ou métodos relevantes para esta investigação, fazem parte da sua bibliografia, os
resultados neles contidos focam essencialmente a parte ambiental (Armstrong e Khan, 2004; Ericsson
et al., 2006).
Armstrong e Khan (2004) descreveram um sistema integrado para cálculo destas emissões,
assistido por SIG-T (Sistemas de Informação Geográfica para Transportes), tendo em conta a
actividade e a frota automóveis, assim como o clima e as características dos combustíveis na região
em estudo. Estes autores concluíram que a emissão de gases nocivos ao meio ambiente está
intimamente ligada à qualidade das infra-estruturas de circulação rodoviária.
É essencial referir que, independentemente do reconhecido impacte ambiental consequente
da utilização de veículos automóveis para transporte de resíduos sólidos, os benefícios energéticos e
ambientais dos programas de reciclagem, em comparação com a utilização de matérias-primas não
recicladas, não são, em geral, postos em causa, mesmo quando estes comportam transporte de
longo curso (Salhofer et al., 2007).
Existe ainda um terceiro factor que pode repercutir-se na gestão logística da recolha de
resíduos e, consequentemente, no custo: o tempo de recolha e o tempo de transporte. Este factor tem
sido, normalmente, considerado como secundário. No entanto, deve relevar-se que o tempo pode
11
tornar-se importante quando ameaça o cumprimento normal de turnos estabelecidos ou quando
evidencia a necessidade de uma reavaliação das necessidades laborais (Everett et al., 1998a,b).
Komilis (2008) propôs um objectivo interessante, no contexto do transporte de resíduos:
demonstrar até que ponto é mais relevante utilizar um modelo que optimize o tempo ou um modelo
que optimize o custo, para selecção de percursos para transporte de resíduos, até estações de
depósito próprias. O autor concluiu que, embora o tempo seja decididamente um factor a considerar,
a optimização por custos é mais apelativa e relevante como componente de decisão, quando estão
envolvidas estações intermédias para depósito de resíduos. Outra conclusão esclarecedora, quanto à
utilidade da aplicação do modelo de optimização de custos, refere-se à existência de uma distância
mínima entre as áreas urbanas (onde os resíduos são recolhidos) e os aterros ou outro destino final,
que tornam a existência de estações de depósito intermédias eficiente em termos de custos.
Os modelos de optimização utilizados para planeamento das rotas de recolha de RSU podem
ser resolvidos recorrendo a métodos exactos ou heurísticos. Os métodos exactos permitem alcançar
uma solução óptima, quando esta existe, mas exigem frequentemente recursos computacionais
excessivos ou mesmo incomportáveis. Os métodos heurísticos são procedimentos estabelecidos com
o objectivo de alcançar uma solução o mais próximo possível da solução óptima, em tempo útil, para
problemas cuja complexidade torne pouco razoável a tentativa de obter essa solução óptima, pelas
razões já referidas, ou para problemas cuja solução óptima não exista.
Existem vários trabalhos de investigação com aplicação de heurísticas a Problemas de
Optimização de Rotas de Veículos ou Vehicle Routing Problem (VRP) (Tarantilis et al., 2005; Pisinger
e Ropke, 2007), especialmente em problemas a partir de um certo grau de complexidade, assim
como com integração em ambiente SIG, beneficiando, assim, de uma perspectiva também visual do
problema em questão (Santos e Rodrigues, 2003; Tarantilis et al., 2004, Viana, 2006). Fu et al. (2006)
apresentaram uma revisão do estado do conhecimento dos algoritmos heurísticos para optimização
de distâncias em PRV, aplicados a sistemas de transporte. Este é um tema complexo, abordado
nesta revisão bibliográfica apenas de modo superficial, tendo em conta que o método heurístico de
utilização pré-definida no programa ESRI ArcGIS® 9.3 é adequado à complexidade do problema de
optimização apresentado nesta tese.
Em suma, a procura de modelos que representem adequadamente a realidade, no âmbito da
deslocação de veículos automóveis, tem sido sistemática. Como foi aqui descrito, os estudos que têm
vindo a ser feitos, até agora, dividem-se de acordo com a metodologia que adoptam: optimização de
custos, optimização de consumos de combustível e optimização de tempos. A optimização de custos
pode ser levada a cabo considerando, além de custos fixos, os custos de deslocação propriamente
ditos e, nesse caso, estes podem ser calculados tendo em conta distâncias percorridas, tempos
gastos ou consumos de combustível. A optimização de consumos de combustível pode ter como fim a
minimização dos custos ou a minimização dos poluentes emitidos, sendo que a metodologia mais
eficaz é aquela que tem em conta a elevação do terreno. A optimização de tempos pode ser feita a
partir das distâncias percorridas e velocidades médias, podendo considerar tempos fixos extra-
percurso ou, ainda, condições de trânsito.
12
É evidente que todas estas áreas se entrelaçam, e não existe, na literatura consultada, um
estudo que integre os vários parâmetros que lhes correspondem.
1.2.4. Planeamento geral de sistemas para recolha e transporte de RSU
O planeamento geral de sistemas para recolha de resíduos envolve os parâmetros descritos
anteriormente: distribuição de contentores para depósito de resíduos e deslocações dos veículos que
efectuam a recolha e o transporte de resíduos. No entanto, podem existir mais parâmetros a levar em
linha de conta consoante o tipo de sistema utilizado, como a inclusão de estações intermédias de
depósito de resíduos sólidos indiferenciados (Kulcar, 1996) ou de estações para diferenciação de
resíduos (Simonetto e Borenstein, 2007).
Os modelos para planeamento de recolha e transporte de RSU podem ser estáticos, semi-
dinâmicos e dinâmicos. O exemplo de um método dinâmico é descrito por Johansson (2006), em que
os avisos de contentor cheio ou quase cheio, emitidos por sensores de enchimento instalados nos
contentores de papelão e cartão, determinam o momento em que os circuitos de recolha são
efectuados.
Os métodos dinâmicos, comparativamente ao métodos estáticos, podem representar
poupanças significativas ao nível energético e de emissões ambientais através da redução da
frequência com que os circuitos são efectuados, mas apenas quando aplicados a sistemas muito
variantes; caso contrário, os benefícios deste tipo de sistema são irrelevantes (Johansson, 2006).
Ainda no que diz respeito aos métodos utilizados, existem várias ferramentas de suporte de
decisão para o planeamento da recolha e do transporte de resíduos, como os SIG, o sistema GADS
(Geo-Data Analysis and Display System) da IBM (Grace, 1976) ou o sistema FleetManager (Basnet et
al., 1996). Destaca-se o recurso às ferramentas informáticas SIG (Ghose et al., 2006; Chalkias e
Lasaridi, 2009), por ser preponderante nesta tese. Keenan (1998) sugeriu, precisamente, que o
aproveitamento construtivo entre as sinergias das ferramentas espaciais de suporte de decisão, como
os SIG, e da gestão de sistemas para recolha de resíduos resulta em decisões mais fundamentadas,
sustentadas e informadas, do que nos casos em que esta integração não existe. Esta metodologia é,
inferiu o autor, particularmente relevante quando aplicada a sistemas com restrições complexas ou
com subsistemas, no âmbito da recolha automóvel, compostos por múltiplos veículos.
A integração de ferramentas SIG com outros utilitários de apoio à decisão permite congregar
aplicações e cruzar dados, que de outra forma teriam de ser interpretados com base nas
características individuais de cada tecnologia, o que resulta numa avaliação mais esclarecida (Yates
e Bishop, 1998; Taylor et al., 2000). Esta integração pode ser feita a vários níveis, dependendo do
tipo de partilha implementado e da eventual necessidade de uma componente de intervenção
humana (Wang, 2005).
É importante reter que, quaisquer que sejam os subsistemas envolvidos, um planeamento
adequado tem em conta todos estes aspectos individualmente, a relação entre eles, os seus impactes
ao nível ambiental, económico e social (Wang et al., 1996), e o envolvimento da população e das
entidades competentes (Morrissey e Browne, 2004).
13
1.3. Síntese e contribuições da presente tese
As principais contribuições da presente tese são a melhoria de um sistema de recolha e
transporte de resíduos de vidro, na zona do Barreiro, através do ajuste de frequências de recolha e
da optimização dos percursos utilizados. Simultaneamente é efectuado um estudo das emissões de
poluentes e do consumo de combustível, introduzindo a influência da carga dinâmica e um estudo da
sensibilidade dos resultados a esta componente. O trabalho efectuado pretende resultar num método
cuja validade não se restrinja ao caso de estudo apresentado, mas que tenha aplicação a outros
sistemas semelhantes ao utilizado pela Amarsul para recolha e transporte de RSU.
Assim, esta tese apresenta uma metodologia para optimização de rotas de recolha e
transporte de resíduos domésticos diferenciáveis, em particular o caso do vidro, utilizando várias
ferramentas informáticas e partindo de um conjunto de parâmetros directamente observados e
estudados, como o depósito diferenciado de RSU característico de cada ecoponto e a sua
localização. Embora não exista um estudo dedicado dos factores sociais, demográficos e
económicos, dos quais resultou o padrão de disposição de resíduos para reciclagem, na zona em
estudo, estes e outros factores estão contidos implicitamente nos valores dos dados recolhidos e
tratados estatisticamente que servem de base a esta tese. Estes dados, resultantes do trabalho
efectuado no terreno, tal como o seu estudo estatístico, efectuado pelo Instituto Politécnico de
Setúbal no âmbito do projecto SIGRSAMARSUL, foram agrupados numa base de dados do
enchimento diário de cada ecoponto pertencente à rede de distribuição de contentores da Amarsul,
no Barreiro, o que faz dele um sistema semi-dinâmico, já que os dados de incremento de enchimento
dos contentores, não sendo alterados sistematicamente, podem sê-lo, caso se verifique uma
disparidade entre os dados existentes e os reais. Não foram encontrados na literatura estudos de
sistemas semi-dinâmicos, deste género, para gestão da recolha de RSU, de modo que esta tese vem
suprimir esta lacuna.
Nesta tese não é efectuada a optimização da distribuição de contentores, quer em termos da
sua localização, quer em termos das suas características materiais, já que se parte de uma situação
real existente. Cada ecoponto é considerado ter a sua especificação no que se refere ao material de
recolha selectiva a depositar (vidro, papel ou embalagens) e a sua localização bem definida
geograficamente e a priori. Contudo, cada contentor é tratado como uma unidade autónoma, tendo
uma taxa de utilização própria, o que resulta numa taxa de enchimento específica, constante ao longo
do tempo (apesar do seu valor poder ser redefinido, se necessário), mas diferente da taxa dos
restantes contentores. Esta abordagem permite, com um método mais preciso que os utilizados em
estudos anteriores, aproximar este estudo da realidade observada na zona do Barreiro, onde os
dados foram recolhidos, porque reconhece e tem em conta os diferentes segmentos populacionais ali
existentes, similarmente ao que acontece na Área Metropolitana de Lisboa (Vicente e Reis, 2007).
Esta abordagem é essencial já que os diversos segmentos populacionais se caracterizam por
diferentes comportamentos, face à participação em esquemas de recolha de resíduos sólidos
diferenciada, e transversais aos vários estratos educacionais, etários e outros (McDonald e Ball,
1998).
14
No que se refere à optimização da recolha e transporte de resíduos, nesta tese é utilizada
uma metodologia inovadora, composta pelas estratégias consideradas como as mais eficazes para a
obtenção de percursos que optimizam o tempo consumido na sua efectuação com percursos que
optimizam a distância percorrida, recorrendo a ferramentas informáticas SIG e apresentando um
cálculo detalhado do consumo de combustível e dos poluentes e gases de efeito de estufa emitidos.
Este estudo de optimização teve o intuito de demonstrar que o sistema actualmente em uso poderia
sofrer melhorias consideráveis através da aplicação do método aqui descrito, aliado a um ajuste das
frequências de recolha dos resíduos de vidro. Para o cálculo das emissões de poluentes e do
consumo de combustível considera-se simultaneamente a distância percorrida e a carga dinâmica,
variável ao longo do percurso, a que cada veículo está sujeito. Isto representa, por um lado, uma
simbiose entre áreas comummente abordadas de forma dispersa nos vários estudos efectuados até
ao momento, no âmbito deste tema, e, por outro lado, uma evolução importante comparativamente
aos estudos referidos no que diz respeito ao estudo inédito do transporte de cargas dinâmicas, ao
longo de um percurso, e à sua influência no consumo de combustível.
1.4. Estrutura da tese
Esta tese inicia-se com um capítulo de carácter introdutório e que contextualiza o tema da
tese, apresenta uma revisão dos trabalhos que se enquadram no seu âmbito ou que são relevantes
para o seu desenvolvimento para definir o estado do conhecimento e, sobretudo, identificar as suas
lacunas, e indica que contribuições se pretendem efectuar para que a área científica em que ela se
insere progrida e permita aplicações sucessivamente mais sofisticadas, visando um desenvolvimento
sustentável.
O segundo capítulo descreve a metodologia utilizada para o trabalho, cujos resultados
produzidos e que dizem respeito ao estudo da recolha e transporte de vidro, no Barreiro, são
apresentados e analisados no capítulo 3.
Finalmente, o último capítulo contém uma revisão de todo o trabalho efectuado para esta tese
e são retiradas algumas conclusões dos resultados obtidos.
Devido à extensão elevada de resultados, no Anexo 1 são apresentados os resultados
detalhados do presente trabalho.
15
2. METODOLOGIA
A gestão de RSU, em Portugal, é da responsabilidade dos municípios segundo o descrito no
Artigo 26.º da Lei n.º 159/99 (Assembleia da República, 1999).
Os sistemas de recolha e transporte são muito semelhantes entre si, em todo o território
nacional, e baseiam-se em redes de contentores de recolha selectiva – contentores de ecoponto – e
de recolha indiferenciada de resíduos, distribuídos pelas áreas urbanas, em agrupamentos municipais
ou intermunicipais. A recolha do conteúdo dos contentores é efectuada por veículos rodoviários de
mercadorias que, seguindo um itinerário (um conjunto de ecopontos a recolher) definido previamente,
são carregados sequencialmente e descarregados ao atingir a carga máxima de transporte ou no final
do circuito, num depósito final ou intermédio que poderá corresponder ou não às instalações de
origem. Os resíduos indiferenciados são recolhidos separadamente dos resíduos diferenciados, ao
passo que os resíduos para reciclagem podem ser recolhidos quer em simultâneo, misturados ou
colocados em divisórias diferentes, quer separadamente por material (vidro, embalagens ou
papel/cartão). A recolha em separado pressupõe a atribuição de veículos (com compactação, no caso
de papel/cartão e embalagens, e sem compactação, no caso de vidro) ou horários diferentes a cada
material e, portanto, a definição de rotas distintas.
Figura 6 – Mapa com a localização da Amarsul e dos ecopontos pertencentes à zona do Barreiro.
16
Esta tese estuda e analisa a parte da gestão de RSU que corresponde à recolha selectiva e
transporte de vidro, embora o método introduzido seja aplicável, com as devidas alterações, a todo o
sistema correspondente ao caso de estudo aqui apresentado e a outros sistemas semelhantes. A
Amarsul dispõe de 230 contentores de ecoponto para recolha de resíduos de vidro na zona do
Barreiro (ver figura 6 que mostra um mapa da região do Barreiro com os ecopontos de recolha
selectiva de vidro). Actualmente, o sistema utilizado pela Amarsul, para recolha e transporte dos
resíduos de vidro depositados naqueles contentores, é composto por cinco circuitos pré-definidos e
inalteráveis, com frequências de recolha de 3 e de 4 semanas, compondo um ciclo de 12 semanas.
Cada circuito é caracterizado por um conjunto de ecopontos a recolher, sendo que alguns dos
ecopontos não são atribuídos exclusivamente a um circuito, isto é, fazem parte de dois circuitos. O
sistema actual da Amarsul será explanado em maior detalhe no capítulo 3.
Para efectuar o estudo e análise do sistema da Amarsul para o Barreiro acima referido foi
desenvolvida nesta tese uma metodologia que congrega várias ferramentas. Efectuou-se uma
integração entre os programas ESRI ArcGIS® 9.3 e Matlab R2009b, através da partilha de
informação, promovida maioritariamente pelo utilizador e por outros programas de manipulação de
dados como o Microsoft Office Excel 2007 e o Microsoft Office Access 2007 (aplicação computacional
integrada representada na figura 7). Esta interacção entre programas resulta na selecção e na
introdução automática de ecopontos validados para recolha, no programa ESRI ArcGIS® ArcMap,
permitindo que a extensão Network Analyst efectue a optimização por tempo ou por distância dos
percursos de passagem pelos ecopontos considerados. Foi ainda tirado partido da integração
existente entre os programas ESRI ArcGIS® 9.3 e Visual Basic for Applications, para o cálculo de
emissões e de consumo de combustível, tendo em conta a carga recolhida e transportada pelos
veículos.
Figura 7 – Representação esquemática da sequência de processos e ferramentas utilizadas para
obtenção do sistema optimizado.
17
A figura 7 representa esquematicamente a sequência de processos e as ferramentas
utilizadas que constitui o método apresentado neste trabalho para obtenção de um sistema de
recolha e transporte de vidro melhorado, em relação ao sistema em utilização pela Amarsul.
2.1. Caracterização da tendência de enchimento dos contentores
O método de optimização de sistemas de recolha e transporte de RSU, introduzido nesta
tese, tem como ponto de partida o acesso a dados estatísticos de enchimento característicos de cada
contentor de ecoponto, obtidos pela Escola Superior de Tecnologia do Instituto Politécnico de
Setúbal, no âmbito do projecto SIGRSAMARSUL financiado pelo QREN e em parceria com o IDMEC
e a Amarsul.
A previsão de enchimento de cada contentor depende de um incremento diário estatístico, α,
dado pela equação 1, que deve ser calculado com base em dados reais, observados ao longo de um
período de tempo suficientemente extenso para permitir a inclusão de factores como a sazonalidade e
a minimização do efeito de acontecimentos ocasionais ou fortuitos.
� = ��∆ (%) (1)
Na equação anterior, α representa o incremento diário, ∆ o intervalo de dias entre recolhas e
NE o nível de enchimento, em percentagem, no instante da recolha.
O estudo da tendência de enchimento dos contentores implantados pela Amarsul, no
Barreiro, incidiu sobre dados históricos de enchimento observados no período entre 2006 e 2009.
Deste levantamento e do tratamento estatístico posterior, levados a cabo pela EST do IPS, resultaram
incrementos médios diários. Estes resultados foram comparados com dados históricos de 2009, no
sentido de averiguar a sua exactidão.
A expressão final da previsão de enchimento de cada contentor corresponde à equação 2,
�� = � × ∆ (%) (2)
em que ᾱ representa o incremento médio diário, em percentagem, ∆ o intervalo de dias entre recolhas
e PNE a previsão do nível de enchimento no instante da recolha.
2.2. Aplicação computacional integrada
A integração computacional entre os programas MATLAB R2009b, Microsoft Office Excel
2007 e Microsoft Office Access 2007 permitiu a criação de uma ferramenta para selecção de
ecopontos, com base nos incrementos médios diários de cada contentor para recolha de vidro e em
dados fornecidos pelo utilizador. Esta aplicação activa um conjunto de ecopontos cujo nível de
enchimento seja igual ou superior a um valor percentual decidido e fornecido pelo utilizador (a
Amarsul). Os incrementos médios diários são lidos de um ficheiro de dados em Excel, exemplificado
na figura 8, que apresenta, sob a forma de uma tabela, as seguintes entradas:
• Números sequenciais atribuídos automaticamente, um a cada ecoponto;
• Os códigos dos ecopontos (conjunto de letras e números);
18
• A capacidade dos contentores para recolha de vidro, em m3;
• O incremento médio diário de cada contentor para recolha de vidro, α, em %.
A referida tabela contém ainda a seguinte informação relativa à última utilização do programa,
caso esta tenha sido actualizada no ficheiro de input:
• A data da última recolha registada;
• A percentagem mínima de enchimento para recolha, correspondente à utilização anterior;
• Os ecopontos activados, na utilização anterior.
Figura 8 – Ficheiro de dados de entrada, da aplicação, em Excel.
Durante a execução do programa, o utilizador é questionado sobre a necessidade da data da
última recolha ser lida (ou não) do ficheiro de input ou inserida manualmente (Fig. 9).
Figura 9 – Interface em MATLAB “Data da última recolha: Ler do ficheiro/Inserir”.
Caso o utilizador opte por inserir a data da última recolha manualmente, aparecerá uma caixa
de texto com um espaço destinado à inserção desta informação, com a formatação “dd/mm/aaaa”, ou
seja, dois dígitos destinados ao dia, dois dígitos destinados ao mês e quatro dígitos destinados ao
ano (Fig. 10). Caso contrário, o programa prosseguirá directamente para o pedido de informação
seguinte, apresentado também na figura 10, em que o utilizador é convidado a inserir a data da
próxima recolha, utilizando a mesma formatação de data.
19
Figura 10 – Interfaces em MATLAB “Inserir data da última recolha (dd/mm/aaaa):” e “Inserir data
da próxima recolha (dd/mm/aaaa):”.
Em seguida, será necessário introduzir a percentagem mínima de enchimento que um
contentor deverá ter atingido para que seja considerado válido para recolha e activado (Fig. 11).
Figura 11 – Interface em MATLAB “Inserir percentagem mínima de enchimento para recolha:”.
Por último, o utilizador é questionado sobre se deseja ou não que o ficheiro de input seja
actualizado com a nova data da última recolha, isto é, a data inserida pelo utilizador como “data da
próxima recolha” e que na utilização seguinte será considerada a data da última recolha (Fig. 12).
Este procedimento actualizará também a coluna de percentagem mínima de enchimento para
recolha, com o valor inserido anteriormente pelo utilizador, e a coluna de ecopontos activados, que
será preenchida com o valor 1, caso o ecoponto tenha sido activado, e com o valor 0, caso o
ecoponto não tenha sido activado. Apenas a informação correspondente a ecopontos activados
durante a utilização é actualizada.
Figura 12 – Interface em MATLAB “Actualizar o ficheiro de input: Sim/Não”.
O programa gera então um ficheiro de resultados em Excel, sob a forma de uma tabela,
representada na figura 13, com as seguintes entradas:
• Números sequenciais atribuídos a cada ecoponto, equivalentes aos do ficheiro de input;
• Os códigos identificadores dos ecopontos correspondentes, equivalentes aos do ficheiro
de input;
• A capacidade dos contentores para recolha de vidro, em m3, equivalentes às do ficheiro de
input;
20
• O incremento médio diário de cada contentor para recolha de vidro, ᾱ, em %, equivalentes
aos do ficheiro de input;
• Uma coluna de valores binários: 1 para ecoponto activado e 0 para ecoponto não activado;
• O volume previsto a recolher em cada contentor, calculado com base no número de dias
de intervalo entre recolhas e no incremento médio diário do contentor;
• A data da última recolha, anteriormente lida do ficheiro de input ou introduzida pelo
utilizador, caso o ecoponto tenha sido activado, ou não alterada desde a utilização
anterior, caso o ecoponto não tenha sido activado;
• A data da próxima recolha, introduzida pelo utilizador, caso o ecoponto tenha sido
activado, ou a indicação de “indefinida” caso o ecoponto não tenha sido activado;
• A percentagem mínima de enchimento para recolha, introduzida pelo utilizador.
Figura 13 – Ficheiro de resultados da aplicação, em Excel.
Finalmente, sob acção de uma consulta ou query accionada pelo utilizador, é actualizada uma
base de dados em Access, denominada BarreiroGoogleGDB, uma geodatabase ou base de dados
relacional que armazena dados de informação geográfica e outros atributos, com a activação dos
ecopontos validados para recolha na execução do programa e com o preenchimento dos valores de
volume a recolher em cada ecoponto. Esta base de dados será utilizada pela aplicação em SIG que
efectua a optimização de rotas.
2.3. Aplicação em SIG para optimização de rotas
A ferramenta informática ESRI ArcGIS® 9.3 é um sistema de informação geográfica
constituído por um conjunto de programas que permite a congregação, visualização e análise de
dados espaciais. Um sistema de informação geográfica analisa dados caracterizados por diferentes
classes geográficas (Feature Classes) e atributos (Attributes), e permite um relacionamento
topológico entre elas. No caso do ArcGIS®, este relacionamento é feito através do programa ArcMap
que permite a sobreposição de diferentes camadas (Layers) constituintes de uma determinada
situação geográfica, relacionando-as entre si, como por exemplo: estradas, relevo do terreno, zonas
residenciais, rios e outras.
Features são características geográficas que podem ser representadas por pontos, linhas e
polígonos. Tratando-se de uma rede de estradas, por exemplo, as linhas unem pontos, isto é, os
troços de estrada unem localizações discretas num mapa. Os polígonos poderão representar áreas
de terreno limitadas, como cidades ou parcelas de terreno.
21
Uma rede é constituída por um conjunto de Features que participam dessa rede. A relação
entre estas Features permite a criação de um Network Dataset que faz a interligação entre as
Features que compõem a rede (arcos e nós) e um conjunto de informações que as caracterizam,
como impedâncias, restrições e hierarquias. Os nós definem o início e o fim de um arco, e um
conjunto de arcos define um troço da rede como, por exemplo, uma estrada. No caso deste trabalho
os comprimentos, as velocidades médias e os tempos de viagem em troços de estrada, são exemplos
de atributos dos arcos; os nós podem representar a localização dos ecopontos ou da Amarsul e têm
como atributos o tempo de serviço nestas localizações, o código de identificação de cada uma delas e
outras informações.
Após a criação de um Network Dataset, é possível optimizar percursos, por tempo ou por
distância, através de um algoritmo intrínseco à extensão Network Analyst do ESRI ArcMap ArcGIS®
9.3, aplicável a problemas do tipo Vehicle Routing Problem (VRP) ou Problema de Optimização de
Rotas de Veículos. Esta foi a metodologia utilizada para a optimização dos percursos de recolha e
transporte dos resíduos de vidro correspondentes a este trabalho.
A solução óptima de um VRP consiste em rotas efectuadas por veículos com valores de
capacidade conhecidos, que têm origem e fim num entreposto, cumprem a passagem nos locais
predestinados, respeitam os constrangimentos inerentes ao problema e minimizam uma determinada
variável, sendo a distância, o tempo e o custo as mais frequentes (Toth e Vigo, 2002). A necessidade
de utilizar algoritmos heurísticos para resolver este tipo de problemas advém do facto de que a sua
solução óptima, a existir, exige recursos computacionais excessivos. A extensão Network Analyst do
ESRI ArcMap ArcGIS® 9.3 recorre a uma meta-heurística de pesquisa tabu para a resolução de VRP.
A introdução dos ecopontos a recolher, no ArcMap, é feita através de uma selecção dos
ecopontos activos no ficheiro BarreiroGoogleGDB. Em seguida, é accionado o algoritmo de resolução
de VRP, da extensão Network Analyst, que analisa o problema e fornece os resultados, tendo em
conta velocidades, dimensões e constrangimentos (de sentido de trânsito, de intensidade de tráfego),
característicos de cada troço da rede de estradas da zona considerada (Fig. 14).
Figura 14 – Ambiente da aplicação informática ArcMap, com a resolução de um VRP.
22
A criação de um VRP obriga à introdução de alguns dados correspondentes a
constrangimentos do problema e a características das rotas e dos veículos que efectuam os
percursos. Neste caso, estes dados foram os seguintes:
• Nome da rota;
• Entreposto de origem;
• Entreposto final;
• Hora de início mais cedo;
• Hora de início mais tarde;
• Capacidade do veículo (em m3);
• Custo por unidade de tempo;
• Custo por unidade de distância;
• Custo por unidade de tempo extra;
• Número máximo de ecopontos a recolher;
• Tempo total de viagem máximo (em minutos);
• Tempo total máximo (em minutos).
Dos veículos que compõem a frota da Amarsul, dois dedicam-se à recolha de vidro e, nesta
tese, considera-se que são estes veículos que efectuam a totalidade das rotas de recolha de vidro a
optimizar. As suas características estão agrupadas na tabela 2.
Tabela 2 – Características dos veículos que efectuam a recolha de vidro.
Veículo Veículo A Veículo B
Combustível Diesel Diesel
Peso bruto [ton] 15 19
Tara [ton] 9,8 12,1
Carga máxima [ton] 5,2 6,9
Carga em vidro (capacidade saturada) [ton] 6,8 8,8
Capacidade máxima [m3] 15 20
Capacidade em vidro [m3] 11,5 15,2
Características da caixa de carga Caixa fixa;
sem compactação. Caixa fixa;
sem compactação.
O peso bruto de cada um dos veículos é uma característica que consta obrigatoriamente dos
livretes dos veículos, ao passo que as suas taras resultaram de um estudo, com várias medições,
realizado pela Amarsul a cada um dos veículos. A carga máxima que cada um dos veículos pode
transportar, de forma a circular legalmente, resulta da diferença entre o peso bruto e a tara.
23
A capacidade máxima de transporte de vidro (capacidade em vidro) não é equivalente à
capacidade máxima absoluta do veículo (capacidade máxima), devido à massa volúmica média
elevada dos resíduos de vidro. Ambos os veículos atingem o peso bruto antes de atingir a saturação
em termos de capacidade. A carga correspondente à saturação da capacidade do veículo
corresponde à carga em vidro, cujos valores foram medidos com o veículo estático. A partir destas
medições foi possível calcular a massa volúmica média dos resíduos de vidro, através da equação 3,
� = ����������
(3)
em que ρ representa a massa volúmica média dos resíduos de vidro, CV a carga em vidro (ton) e
Cmax (m3) a capacidade máxima do veículo.
A massa volúmica média dos resíduos de vidro deverá ser, à partida, equivalente para ambos
os veículos, visto que depende apenas da constituição do vidro e da forma como os seus resíduos
quebram e se depositam. De facto, deste cálculo resultaram valores muito próximos e que apontaram
para um valor intermédio de 450 kg/m3, que está perfeitamente enquadrado pelos valores de massa
volúmica média encontrados na literatura para garrafas de vidro inteiras e para vidro quebrado,
apresentados na tabela 3.
Tabela 3 – Valores típicos de massa volúmica média de resíduos de vidro (Tchoubanoglous et al.,
2002).
Garrafas de vidro inteiras
Transparentes 297 kg/m3
Verdes ou âmbar 326 kg/m3
Vidro quebrado
Parcialmente quebrado 593 kg/m3
Triturado mecanicamente 1068 kg/m3
Triturado e pronto para fusão 1602 kg/m3
Conhecido o valor de massa volúmica média do resíduos de vidro, é possível calcular a
capacidade máxima em vidro que o veículo pode transportar, através da equação 4,
������ = ��� !/���� (4)
em que Capmax representa a capacidade máxima em vidro, PB (ton) o peso bruto e T (ton) a tara, do
veículo, e ρ (kg/m3) representa a massa volúmica média dos resíduos de vidro, estimada
anteriormente. Os resultados da aplicação desta expressão a cada um dos veículos podem ser
consultados na tabela 2.
Os dados para a criação de um VRP devem ser introduzidos nas janelas de propriedades de
cada uma das potenciais rotas a optimizar (aqui denominadas potenciais visto que durante a
optimização podem ser utilizados todos os veículos disponíveis ou apenas uma parte deles),
representadas na figura 15. O número de rotas criadas deve corresponder ao número de veículos
24
disponíveis para efectuar a recolha, visto que a cada veículo é atribuído um determinado número de
ecopontos e um percurso optimizado de passagem pelos mesmos.
Figura 15 – Propriedades das rotas atribuídas ao Veículo A e ao Veículo B.
O tempo total consumido num percurso é a soma do tempo de viagem com os tempos de
serviço nos ecopontos e no entreposto e com o tempo de espera em sinais luminosos. O tempo
médio de espera em semáforos é de 3 minutos e é introduzido na base de dados, na tabela de vias
de circulação. O tempo de serviço em cada ecoponto consta da base de dados relacional
correspondente aos ecopontos e o seu valor é de 4,5 minutos. O tempo de serviço no entreposto, que
é de 10 minutos, deve ser introduzido na tabela de propriedades correspondente às renovações de
cada rota, isto é, às visitas que os veículos efectuam para depósito de resíduos, imediatamente antes
de atingirem a carga máxima; estas propriedades são equivalentes para ambos os veículos (Fig. 16).
Figura 16 – Propriedades do entreposto de renovação atribuído ao Veículo A.
Durante a optimização, as janelas de propriedades de cada rota são preenchidas
automaticamente, como representado na figura 17, com os seguintes resultados:
• Constrangimentos violados (caso existam);
• Número de ecopontos atribuídos;
25
• Custo total;
• Custo correspondente ao tempo regulamentar;
• Custo correspondente ao tempo extra (caso exista);
• Custo correspondente à distância;
• Tempo total (em minutos);
• Tempo total de serviço nos ecopontos (em minutos);
• Tempo total de pausa (em minutos, caso exista);
• Tempo total de viagem (em minutos);
• Distância total (em km);
• Hora de início;
• Hora de fim;
• Tempo total de espera (em minutos);
• Violação de tempo total (em minutos, caso exista);
• Número de renovações;
• Tempo total de serviço em renovações (em minutos).
Figura 17 – Propriedades das rotas atribuídas, após a optimização.
Foram utilizadas duas variáveis de optimização: a distância e o tempo que são as duas
variáveis que o programa de optimização do ArcGIS® minimiza intrinsecamente, através da inserção
de valores (de distância ou de tempo) na coluna da tabela de atributos das estradas de onde o
programa retira exclusivamente os dados a minimizar. Consoante a variável a optimizar e o número e
localização dos ecopontos a recolher, foi feita a distribuição dos ecopontos pelos veículos e foram
apresentadas as rotas resultantes da optimização (uma por cada veículo), que incluem tantas visitas
ao entreposto – Amarsul – quantas as necessárias para assegurar o transporte do conteúdo dos
contentores. A optimização por distância deverá resultar num circuito em que a distância total
26
percorrida, para efectuar a recolha e transporte do conteúdo dos contentores de vidro escolhidos, é
mínima. A optimização por tempo deverá resultar num circuito cujo tempo total, para efectuar as
mesmas operações, seja mínimo.
2.4. Cálculo de emissões com base no relatório MEET
O MEET (Methodology for Calculating Transport Emissions and Energy Consumption)
(Hickman et al., 1999) é um relatório elaborado no âmbito do FP4 Transport Research and
Technological Development, um programa europeu de investigação e desenvolvimento tecnológico
na área dos transportes. Este documento é uma compilação de funções e de factores para o cálculo
de emissões e de consumos energéticos de vários tipos de meios de transporte: rodoviário,
ferroviário, marítimo e fluvial e aéreo. Os cálculos de emissões e de consumo de combustível
efectuados para esta tese foram exclusivamente feitos com base na secção do MEET que diz
respeito ao transporte rodoviário, visto que a recolha de resíduos é feita com recurso a veículos
rodoviários pesados de mercadorias.
O princípio básico para cálculo de emissões do MEET é o de que as emissões totais
correspondem à soma das emissões a quente, das emissões a frio e das emissões evaporativas, tal
como está expresso na equação 5, em que E representa as emissões totais, Equente (g) as emissões a
quente, Efrio (g) as emissões a frio e Eevaporativas (g) as emissões evaporativas.
� = �#$%&'% + �)*+, + �%-�.,*�'+-�/ (5)
As emissões a quente ocorrem quando a temperatura do motor e do sistema de controlo de
emissões do veículo se encontra no seu valor normal de funcionamento; até este momento,
considera-se que as emissões ocorrem a frio. As emissões evaporativas correspondem à evaporação
de compostos orgânicos voláteis do sistema de combustível do veículo e ocorrem com maior
relevância em veículos a gasolina, devido à volatilidade deste combustível.
Cada tipo de emissão é calculado através da equação 6, em que Ex representa uma emissão
genérica (de entre as descritas anteriormente), εx o factor de emissão correspondente por unidade de
actividade e A a quantidade de actividade relevante para o tipo de emissão.
�� = 0� × 1 (6)
A quantidade de actividade A depende do número de veículos e pode depender da distância
por eles percorrida ou do número de arranques a frio.
No caso de veículos com motor diesel, considera-se que as emissões evaporativas são
desprezáveis devido à diminuta volatilidade deste combustível, comparativamente a outros
combustíveis, como a gasolina (Crolla, 2009). Como tal, nesta tese, não foram efectuados cálculos
para emissões evaporativas.
Existe um conjunto de equações e de factores específicos para cada tipo de veículo
rodoviário, o que significa que a sua identificação é essencial para o cálculo das emissões de
poluentes, incluindo o dióxido de carbono. O MEET baseia-se na classificação de veículos rodoviários
27
utilizada pela United Nations Economic Commission for Europe (UNECE), apresentada na tabela 4, e
propõe uma categorização própria, descrita na tabela 5.
Tabela 4 – Classificação de veículos de acordo com a UNECE (Hickman et al., 1999).
CATEGORIA DESCRIÇÃO
L Veículos motorizados com menos de quatro rodas.
L1 Veículos de duas rodas de cilindrada inferior ou igual a 50 cm3 e com uma velocidade máxima de projecto inferior ou igual a 40 km/h.
L2 Veículos de três rodas de cilindrada inferior ou igual a 50 cm3 e com uma velocidade máxima de projecto inferior ou igual a 40 km/h.
L3 Veículos de duas rodas de cilindrada superior a 50 cm3 ou com uma velocidade máxima de projecto superior a 40 km/h.
L4 Veículos de três rodas assimétricos em relação ao seu eixo médio longitudinal e de cilindrada superior a 50 cm3 ou com uma velocidade máxima de projecto superior a 40 km/h (motociclos com sidecar).
L5 Veículos de três rodas simétricos em relação ao seu eixo médio longitudinal, com um peso bruto máximo de 1000 kg e de cilindrada superior a 50 cm3 ou com uma velocidade máxima de projecto superior a 40 km/h (motociclos com sidecar).
M Veículos motorizados com pelo menos quatro rodas ou com três rodas, desde que o seu peso bruto seja superior a 1 tonelada, utilizados para o transporte de passageiros.
M1 Veículos utilizados para o transporte de passageiros com um máximo de oito lugares, além do lugar do condutor.
M2 Veículos utilizados para o transporte de passageiros com um número de lugares superior a oito, além do lugar do condutor, e com um peso bruto máximo de 5 toneladas.
M3 Veículos utilizados para o transporte de passageiros com um número de lugares superior a oito, além do lugar do condutor, e com um peso bruto superior a 5 toneladas.
N Veículos motorizados com pelo menos quatro rodas ou com três rodas, desde que o seu peso bruto seja superior a 1 tonelada, utilizados para o transporte de mercadorias.
N1 Veículos utilizados para o transporte de mercadorias com um peso bruto máximo de 3,5 toneladas.
N2 Veículos utilizados para o transporte de mercadorias com um peso bruto superior a 3,5 toneladas e inferior ou igual a 12 toneladas.
N3 Veículos utilizados para o transporte de mercadorias com um peso bruto superior a 12 toneladas.
28
Ambos os veículos utilizados para a recolha de vidro se encontram dentro da categoria N3, de
acordo com a UNECE, e consequentemente dentro da categoria HDV, de acordo com o MEET (vide
tabela 5). Dentro da categoria HDV existem quatro subcategorias de peso bruto:
• De 3,5 a 7,5 toneladas;
• De 7,5 a 16 toneladas;
• De 16 a 32 toneladas;
• E de 32 a 40 toneladas.
Dos dois veículos considerados neste trabalho, cada um pertence a uma subcategoria
distinta: o Veículo A, com 15 toneladas de peso bruto, e o Veículo B, com 19 toneladas de peso bruto.
Tabela 5 – Classificação de veículos segundo o MEET e correspondência com as categorias da
UNECE (Hickman et al., 1999).
CATEGORIAS DE VEÍCULOS (MEET) CORRESPONDÊNCIA (UNECE)
Veículos de Passageiros (PC) M1
Veículos Ligeiros de Mercadorias (LDV) N1
Veículos Pesados de Mercadorias (HDV) M2, M3, N2, N3
Veículos de Duas Rodas (2-W) L1, L2, L3, L4, L5
Na categoria HDV, o MEET contém informação para o cálculo de emissões a quente e a frio
de monóxido de carbono (CO), dióxido de carbono (CO2), compostos orgânicos voláteis (VOC),
óxidos de azoto (NOx) e partículas (PM), e para o consumo de combustível (FC). A contabilização da
libertação de VOC é feita tendo em conta os regimes de emissão a frio, sob a forma de
hidrocarbonetos não queimados (HC), e a quente.
2.4.1. Cálculo de emissões a quente
A equação geral para o cálculo dos factores de emissão a quente de cada poluente emitido
por um veículo HDV a diesel é função da velocidade média, segundo a equação 7, em que εx (g/km)
representa o factor de emissão do poluente genérico x, ν (km/h) é a velocidade média, K é uma
constante da função experimental, e a, b, c, d, e e f são coeficientes da mesma função. As
velocidades médias introduzidas nas equações para cálculo do factor de emissão a quente e do
factor de emissão a quente corrigido foram calculadas a partir dos valores de tempo de viagem e
distância percorrida das tabelas de atributos dos ecopontos e da Amarsul (ver Cap. 2.4.4).
0� = 2 + �3 + 435 + 637 + 89 + %
9: + )9; (7)
A constante K e os coeficientes a, b, c, d, e e f, que são dependentes dos pesos brutos dos
veículos (ver tabela 5), podem ser retirados da tabela 6, no caso do Veículo A, e da tabela 7, no caso
do Veículo B.
29
Tabela 6 – Coeficientes para cálculo dos factores de emissão de cada poluente, para veículos
HDV com valores de peso bruto entre 7,5 e 16 toneladas (Hickman et al., 1999).
K a b c d e f
CO 3,08 - 0,0135 0 0 - 37,7 1560 - 5736
CO2 871 -16,0 0,143 0 0 32031 0
VOC 1,37 0 - 8,10E-5 0 0 870 - 3282
NOx 2,59 0 - 0,000665 8,56E-6 140 0 0
PM 0,0541 0,00151 0 0 17,1 0 0
Tabela 7 – Coeficientes para cálculo dos factores de emissão de cada poluente, para veículos
HDV com valores de peso bruto entre 16 e 32 toneladas (Hickman et al., 1999).
K a b c d e f
CO 1,53 0 0 0 60,6 117 0
CO2 765 - 7,04 0 0,000632 8334 0 0
VOC 0,207 0 0 0 58,3 0 0
NOx 9,45 - 0,107 0 7,55E-6 132 0 0
PM 0,184 0 0 1,72E-7 15,2 0 0
As emissões a quente dependem, na realidade, de outras condicionantes, além da velocidade
média. Estas são o gradiente de inclinação da estrada, a carga do veículo, a altitude, o nível de
degradação dos mecanismos de controlo de emissões de poluentes, a temperatura ambiente e a
existência ou não de condicionamento de ar no interior do veículo. Para a categoria HDV existem
apenas funções de correcção para o gradiente de inclinação da estrada e para a carga que o veículo
transporta. A utilização da metodologia proposta pelo MEET não permite a inclusão de factores como
o tipo de sistema de controlo de poluentes, o ano de fabrico ou o estado de manutenção do veículo,
no caso dos veículos HDV, o que representa uma limitação da metodologia.
A descrição geográfica feita em SIG para a zona do Barreiro não incluiu, pela sua
complexidade, a caracterização do desnível do terreno, pelo que toda a análise de rotas é feita em
duas dimensões. Como tal, não foi possível considerar a influência dos gradientes de inclinação de
estrada no cálculo de emissões e do consumo de combustível.
No que diz respeito ao efeito da carga, foi efectuado um estudo da influência de carga
dinâmica (isto é, com a carga a variar à passagem por cada ecoponto, em resultado da descarga do
contentor para o interior veículo transportador) no cálculo de emissões e de consumos de combustível
e esta influência foi integrada nestes mesmos cálculos. A função de correcção de carga para uma
carga de 100% encontra-se expressa na equação 8,
Φ=(γ, υ) = k + nγ + pγ5 + qγ7 + rυ + sυ5 + tυ7 + HI (8)
em que Φx (adimensional) é a função de correcção de carga de um poluente x, γ (%) é o gradiente de
inclinação da estrada, ν (km/h) é a velocidade média, k é uma constante, e n, p, q, r, s, t e u são
30
coeficientes experimentais. Neste caso, devido à exclusão da influência do gradiente de estrada,
resulta que γ é nulo e a expressão final é a representada na equação 9.
Φ=(J) = K + LJ + MJ5 + NJ7 + $O (9)
A constante k e os coeficientes n, p, q, r, s, t e u, que são dependentes dos pesos brutos dos
veículos (ver tabela 5), podem ser consultados nas tabelas 8 e 9, respectivamente, para os casos do
Veículo A e do Veículo B.
Os factores de emissão de poluentes vêm expressos pela equação 10, em que εcx é o factor
de emissão corrigido de um poluente genérico x, εx (g/km) o factor de emissão não corrigido desse
mesmo poluente (Eq. 7) e Φx (adimensional) a correspondente função de correcção de carga (Eq. 9).
0P� = 0� × Φ= (10)
Tabela 8 – Coeficientes da função de correcção de carga, para veículos HDV com valores de
peso bruto entre 7,5 e 16 toneladas (Hickman et al., 1999).
k n p q r s t u
CO 1,03 0,0345 0 - 7,55E-4 9,77E-4 0 0 0
CO2 1,26 0,0790 0 - 0,00109 0 0 - 2,03E-7 - 1,14
VOC 0,985 0,00367 0 0 0,00135 0 0 0,201
NOx 1,19 0,0594 0 - 9,69E-4 0 0 0 - 0,977
PM 1,02 0,0437 0 - 9,16E-4 0,00234 0 0 0
Tabela 9 – Coeficientes da função de correcção de carga, para veículos HDV com valores de
peso bruto entre 16 e 32 toneladas (Hickman et al., 1999).
k n p q r s t u
CO 1,17 0,0563 0 - 8,19E-4 0 0 0 - 0,755
CO2 1,27 0,0882 0 - 0,00101 0 0 0 - 0,483
VOC 1,01 - 0,00660 0 2,09E-4 8,89E-4 0 - 2,54E-7 0
NOx 1,28 0,0795 - 0,00105 - 0,00117 0 0 0 - 0,874
PM 1,24 0,0727 0 - 0,00113 0 0 0 - 1,06
Tendo em conta que a função de correcção de carga corresponde a uma carga de transporte
de 100% do peso máximo que o veículo pode transportar, é necessário compreender de que forma os
factores de emissão dos vários poluentes variam com a carga. Segundo Joumard (1999) é aceitável
assumir que esta variação é linear, o que torna possível, através de uma simples interpolação linear,
o cálculo dos factores de emissão corrigidos, para qualquer percentagem da carga máxima.
Atribuindo os valores εx e εxΦx, no eixo das ordenadas, aos respectivos valores de carga, ou
seja, a z = 0 e a z = 1, respectivamente, obtém-se a função representada pela equação 11.
0P� = 0�(Φ= − 1)S + 0� (11)
31
Na equação anterior, εcx representa o factor de emissão corrigido, εx (g/km) o factor de
emissão não corrigido e Φx (adimensional) a função correctiva de carga, para um determinado
poluente; z varia entre 0 e 1 e representa a parcela da carga máxima que o veículo transporta (0 para
carga nula e 1 a 100% da carga máxima).
2.4.2. Cálculo de emissões a frio
O MEET não apresenta equações de cálculo para emissões a frio, mas antes um conjunto de
valores que, somados aos valores resultantes do cálculo de emissões a quente, corrigem a parcela
do circuito percorrida a frio. Neste caso, a actividade relevante para o cálculo deste tipo de emissões
é o número de arranques a frio. O facto do cálculo de emissões a frio ser feito com base em factores
constantes que apenas dependem do peso bruto do veículo, não tomando em consideração a
velocidade média do veículo ou outras características do veículo, resulta numa limitação importante
no cálculo deste tipo de emissões.
Os valores de correcção estão agrupados na tabela 10.
Tabela 10 – Valores de correcção para emissões a frio (Hickman et al., 1999).
Classe de peso bruto
[ton]
Excesso de emissões a frio [g/arranque]
CO CO2 HC NOx PM
7,5 – 16 6 300 2 - 2 0,6
16 – 32 6 500 2 - 5 0,6
Os NOx são os únicos poluentes, de entre os seleccionados, cujas emissões são menores no
arranque e aumentam com o aumento de temperatura do motor (Crolla, 2009). Por este motivo, os
valores correctivos para este poluente são negativos.
2.4.3. Cálculo do consumo de combustível
O cálculo do consumo de combustível, com base nas indicações dadas pelo MEET, é
efectuado recorrendo à equação 12.
[U�] = (12 + L�) × X[�Y]5Z + [�Y:]
[[ + [\�](�5]*:) + ^ [�_]
�5 ` (a) (12)
Na equação anterior, [FC] representa o consumo de combustível e [CO], [CO2], [HC] e [PM]
são os poluentes definidos anteriormente, em gramas. Os coeficientes r1 e r2, em g/mol,
correspondem aos quocientes C/H, respectivamente, do combustível e dos hidrocarbonetos emitidos;
pode considerar-se que são iguais entre si e de valor 2,0 para o gasóleo, de acordo com o MEET. O
coeficiente adimensional β corresponde à proporção de carbono presente nas partículas emitidas e
que se assume ser igual a 1,0 em veículos a diesel, de acordo com o MEET. Os restantes valores
apresentados dizem respeito às massas molares, em g/mol, das espécies químicas envolvidas.
32
2.4.4. Integração em SIG com recurso a Visual Basic for Applications
Os resultados da optimização de rotas, após a aplicação da extensão Network Analyst, são
registados em várias tabelas de atributos do VRP. Entre estas encontram-se as tabelas de atributos
que caracterizam as passagens nos vários ecopontos, Orders, e as visitas ao entreposto, Depot
Visits.
Os atributos úteis para este trabalho que compõem as tabelas de Orders e de Depot Visits,
são apresentados nas tabelas 11 e 12, respectivamente, junto com as suas unidades e uma breve
descrição. As figuras 18 e 19 mostram, por esta ordem, exemplos de tabelas de atributos de Orders e
de Depot Visits.
Tabela 11 – Atributos da tabela de Orders.
Atributos Unidades Descrição
Object ID n/a Número de identificação do ecoponto.
Name n/a Código do ecoponto.
Service Time Min Tempo de serviço em cada ecoponto.
Pickup Quantities m3 Volume de resíduos recolhido em cada ecoponto.
Route Name n/a Nome da rota (i.e., Veículo A ou Veículo B).
Sequence n/a Lugar que o ecoponto ocupa na sequência de viagem.
From Prev Travel Time Min Duração da viagem desde o ponto anterior.
From Prev Distance Km Distância desde o ponto anterior.
Cumul Travel Time Min Tempo de viagem acumulado até ao ponto actual.
Cumul Distance Km Distância acumulada até ao ponto actual.
Cumul Time Min Tempo total acumulado até ao ponto actual.
Arrive Time dd-mm-aa hh:mm:ss
Data e hora de chegada ao ecoponto.
Depart Time dd-mm-aa hh:mm:ss
Data e hora de partida do ecoponto.
Figura 18 – Exemplo de uma tabela de atributos de Orders.
As informações e valores retirados da tabela de atributos de Orders são:
• Name;
• Pickup Quantities;
• Route Name;
• Sequence;
• From Prev Travel Time;
• From Prev Distance.
33
Tabela 12 – Atributos da tabela de Depot Visits.
Atributos Unidades Descrição
Object ID n/a Número de identificação do entreposto.
Depot Name n/a Nome do entreposto.
Visit Type n/a Identificação do tipo de visita: início, renovação ou fim.
Route Name n/a Nome da rota (i.e., Veículo A ou Veículo B). Sequence n/a Lugar que o entreposto ocupa na sequência de viagem.
Service Time Min Tempo de serviço no entreposto.
From Prev Travel Time Min Duração da viagem desde o ponto anterior.
From Prev Distance Km Distância desde o ponto anterior.
Cumul Travel Time Min Tempo de viagem acumulado até ao ponto actual.
Cumul Distance Km Distância acumulada até ao ponto actual.
Cumul Time Min Tempo total acumulado até ao ponto actual.
Arrive Time dd-mm-aa hh:mm:ss
Data e hora de chegada ao entreposto.
Depart Time dd-mm-aa hh:mm:ss
Data e hora de partida do entreposto.
Total Unloaded Quantities m3 Volume de resíduos depositado no entreposto.
Figura 19 – Exemplo de uma tabela de atributos de Depot Visits.
Da tabela de atributos de Depot Visits, são retirados os seguintes dados:
• Depot Name (que passa a nomear-se Name, tal como em Orders);
• Route Name;
• Sequence;
• From Prev Travel Time;
• From Prev Distance.
Existe apenas uma sequência de passagem, por cada rota, o que significa que nela estão
incluídos os ecopontos, as renovações, e os pontos inicial e final, que correspondem sempre ao
entreposto.
Para cálculo das emissões, foi programada uma aplicação em Visual Basic for Applications,
recorrendo à integração existente com o programa ESRI ArcGIS® 9.3. Esta aplicação consulta e
importa valores das tabelas de atributos de Orders e de Depot Visits e efectua o cálculo de emissões
através das fórmulas do MEET apresentadas anteriormente (vide figura 7).
Todos os valores de ambas as tabelas de atributos são gravados numa matriz que é
posteriormente ordenada por ordem crescente de sequência; como consequência disto, a primeira e a
34
última entradas da matriz referem-se sempre ao entreposto Amarsul. O volume de resíduos recolhido
no entreposto é nulo e, como tal, sempre que Name é igual a “Amarsul”, a entrada Pickup Quantities
toma o valor zero.
Em seguida é calculada a velocidade média ν de cada troço, entre dois ecopontos seguidos
ou entre um ecoponto e o entreposto, através da equação 13.
J = b*,� �*%- c+/'b*,� �*%- *�-%d +�%/e� (13)
A parcela de carga, relativa à carga máxima de transporte, recolhida em cada ecoponto é
calculada através da equação 14, recorrendo ao valor Pickup Quantities e aos valores de massa
volúmica média dos resíduos de vidro e de carga máxima, ambos apresentados no subcapítulo 2.3,
S = �+Pf$. g$�&'+'+%/×!g���/���� (14)
em que z representa a parcela da carga máxima transportada e toma valores adimensionais entre 0 e
1, ρ (kg/m3) é a massa volúmica média dos resíduos de vidro e Qmax (ton) é a carga máxima de
transporte.
Neste momento, os resultados para cada rota são divididos em duas matrizes diferentes: uma
para a rota atribuída ao Veículo A e outra para a rota atribuída ao Veículo B, caso ambos os veículos
sejam utilizados. Depois, ao longo de cada sequência, isto é, de cada rota, o valor de z de um ponto é
somado aos anteriores, de modo a que toda a carga recolhida até determinado ponto afecte o troço
seguinte.
Sabendo os valores de ν e de z, é possível introduzi-los nas equações 7, 9 e 11, e assim
calcular os factores de emissão de poluentes, como está expresso de forma simplificada na equação
15.
0P� = X2 + �J + 4J5 + 6J7 + 8O + %
O: + )O;` × hXK + LJ + MJ5 + NJ7 + $
O − 1` × S + 1i (15)
Em seguida, os factores de emissão são multiplicados pela distância From Prev Distance,
segundo a equação 6 , e os valores que resultam deste cálculo são somados entre si e aos valores
das emissões a frio Efriox (g), como na equação 16, resultando em valores de emissões totais Etotalx de
um determinado poluente x, para cada rota efectuada por um veículo.
�','�d� = �)*+,� + ∑ 0P�++ k+ (16)
Na equação anterior, cada troço i possui determinados valores para o factor de emissão
corrigido εcxi (g/km) e para a distância percorrida di (km).
O cálculo do consumo de combustível de cada rota é feito recorrendo aos valores totais das
emissões (Eq. 12).
Todos estes cálculos são efectuados através da aplicação feita em Visual Basic for
Applications. Uma representação esquemática da matriz onde são gravados inicialmente os
35
resultados retirados das tabelas de atributos Orders e Depot Visits pode ser visualizado na tabela 13
e um exemplo do cálculo acima descrito pode ser consultado na tabela 14.
Tabela 13 – Representação esquemática de uma matriz de atributos.
Route Name Name Sequence Quantities
[m3] From Prev Travel Time
[min] From Prev Distance
[km]
Veículo B E040 11 2,4 3,1 2,2 Veículo A E056 3 2,1 2,8 1,5 Veículo B E072 5 2,1 2,8 1,2
Veículo B E087 8 2,1 1,8 0,9
Veículo B E088 6 1,8 3,5 2,5
Veículo B E100 7 1,9 2,5 1,2
Veículo A E124 2 2,2 12,3 9,1 Veículo B E136 12 2,4 2,8 1,3 Veículo B E183 3 2,4 4,3 3,2 Veículo B E197 2 2,4 14,2 12,2 Veículo A E200 4 2,4 2,6 1,3
Veículo B E202 4 2,3 1,2 1,0
Veículo B E215 10 2,3 13,2 10,2
Veículo A E233 5 2,2 2,4 1,7
Veículo A Amarsul 1 0 0 0 Veículo A Amarsul 6 0 10,5 8,8 Veículo B Amarsul 1 0 0 0
Veículo B Amarsul 9 0 14,8 11,7
Veículo B Amarsul 13 0 11,3 9,9
Tabela 14 – Exemplo da parte respeitante às emissões de CO de uma matriz de resultados do
Veículo B.
Route Name
Sequence Soma
acumulativa de carga [m3]
Z ν
[km/h] εCO
[g/km] Φx εcCO
[g/km] EhotCO
[g] EcoldCO
[g]
Veículo B 1 0 0 0 - - - -
6
Veículo B 2 2,4 0,16 44,3 3,0 1,15 3,0 36
Veículo B 3 4,8 0,32 44,4 3,0 1,15 3,0 10
Veículo B 4 7,1 0,47 48,5 3,0 1,15 3,0 3
Veículo B 5 9,2 0,61 25,3 4,1 1,14 4,4 7
Veículo B 6 11,0 0,73 42,3 3,0 1,15 3,3 8
Veículo B 7 12,9 0,85 28,8 3,8 1,14 4,2 5
Veículo B 8 15,0 0,99 30,3 3,7 1,15 4,1 4
Veículo B 9 0 0 47,3 2,9 1,15 3,3 39
Veículo B 10 2,3 0,15 46,4 2,9 1,15 2,9 30
Veículo B 11 4,7 0,31 41,9 3,0 1,15 3,1 7
Veículo B 12 7,1 0,47 29,1 3,8 1,14 3,9 5
Veículo B 13 0 0 52,3 2,7 1,16 2,9 29
Total 189
36
É importante referir que em ambas as tabelas, 13 e 14, o número de casas decimais
utilizadas não correspondem aos utilizados pelo Visual Basic, visto que estes exemplos pretendem
ser apenas uma representação para melhor compreensão do processo de cálculo.
Os resultados são apresentados em janelas de resultados no ambiente do programa ArcGIS®,
como exemplificado na figura 20.
Figura 20 – Exemplo de uma janela de resultados de emissões, em ArcMap.
2.5. Cálculo de custos
Os valores de custo, neste trabalho, são calculados em função da distância percorrida e do
tempo total, recorrendo a uma expressão que tem em conta valores de custo específicos que podem
ser consultados na tabela 15, providenciados pela Amarsul.
Tabela 15 – Custos específicos por unidade de tempo e por unidade de distância.
Custo específico
Veículo
Por tempo [€/h] Combustível
[€/l]
Por distância [€/km]
Mão-de-obra Manutenção Consumo de combustível
Veículo A 24,41 0,97 0,19 CCiA (Eq. 15)
Veículo B 24,41 0,97 0,22 CCiB (Eq. 15)
A equação 17 permite calcular o custo do consumo de combustível, por unidade de distância,
com base no custo por cada litro de combustível consumido e com base no consumo específico de
cada veículo.
��+l = ��,�m$/'í-%d × oU�+l (17)
Na equação anterior, CCij representa o custo específico correspondente ao consumo de
combustível, por unidade de distância; SFCij , calculado na equação 18, é o consumo específico em
l/km, do veículo j na rota i; e Ccombustível o custo do combustível em €/l. O consumo específico de cada
veículo depende do veículo utilizado e dos troços de estrada percorridos, visto que depende da
velocidade média e da carga transportada, que variam de troço para troço.
37
oU�+l = b�pq×!rpstsu8p
(18)
Na equação anterior, FCij (kg) é o consumo de combustível do veículo j num determinado
troço i, ρdiesel é a massa volúmica do combustível, neste caso a correspondente ao diesel que tem o
valor de 0,85 kg/dm3, e di (km)é a distância percorrida na rota i.
A função de custo é representada pela equação 19,
�vMNw NwN�x = ∑ ∑ (�yzl ×+ Nl + (�yl + ��+l) × k+)l (19)
em que CMO (€/h) representa o custo específico associado à mão-de-obra, CM (€/km) o custo
específico de manutenção, CC (€/km) o custo específico devido ao consumo de combustível, d (km) a
distância percorrida e t (h) o tempo total. O índice j indica o veículo utilizado e o índice i indica a rota
percorrida; o custo total de cada circuito equivale à soma das rotas efectuadas por cada um dos
veículos.
O tempo total t corresponde ao valor Cumul Time respectivo ao ponto final de chegada ao
entreposto e a distância percorrida em cada troço equivale ao valor From Prev Distance.
2.6. Metodologia utilizada para comparação de resultados
A aplicação da metodologia de optimização descrita nesta tese obriga a algumas alterações
no sistema de recolha de RSU utilizado pela Amarsul. Em particular, a inclusão dos valores
resultantes da previsão de enchimento dos ecopontos, como informação primária de apoio à decisão,
leva necessariamente a ajustes nas frequências de recolha até aqui aplicadas e, consequentemente,
a alterações na distribuição de ecopontos por circuito. Assim, é necessário definir uma metodologia
para estimar e comparar os custos semanais do sistema optimizado e do sistema utilizado pela
Amarsul.
Com este objectivo, criou-se, para este trabalho, uma tabela de escalas de recolha (em que
cada escala é composta por um circuito de uma ou duas rotas), construída a partir das características
de enchimento de cada contentor pertencente a um ecoponto e optimizada pelos seguintes critérios:
• Os 230 ecopontos que incluem contentores para depósito de vidro são recolhidos quando
atingem um nível de enchimento entre 70% e 100%, o que significa que, com a
optimização, a tendência será de a recolha se efectuar quando os contentores estão
próximos de 100%;
• Correndo o processo de optimização por tempo, a duração máxima de cada rota é limitada
a 300 minutos (5 horas) com uma tolerância de 10 minutos. Este critério teve por base a
necessidade de evitar a realização de horas extraordinárias, já que o custo de mão-de-
obra é preponderante no custo total. Caso a duração de uma rota ultrapasse em menos de
10 minutos a duração máxima de 300 minutos, é efectuada nova optimização para uma
duração máxima total de 310 minutos;
38
• Os circuitos foram distribuídos de forma a preencherem, preferencialmente, um período
por semana (uma manhã ou uma tarde, correspondente a 5 horas), havendo, no ciclo
total, semanas em que não se efectua qualquer recolha de vidro.
Após a criação do novo ciclo de escalas e ao proceder-se à optimização por distância, não é
seguro que o tempo total de cada rota resultante não ultrapasse os 310 minutos, visto que este tempo
é estimado com base numa optimização por tempo. No entanto, ao realizar a optimização por
distância é possível, e foi efectuado, limitar-se o tempo de viagem a 300 minutos de duração.
Em relação ao terceiro critério, existem algumas excepções distribuídas pelo ciclo, em que se
ocupam dois períodos de recolha, na mesma semana. Estes períodos poderão coincidir no dia ou
não, conforme seja mais favorável à empresa que efectua a recolha e transporte de RSU com
aplicação da escala optimizada. Esta questão leva a uma possível utilidade adicional para a nova
tabela de escalas que é a sua aplicação à gestão semanal de circuitos de recolha de RSU; o seu
resultado serve como base para a comparação entre o sistema actual da Amarsul e os possíveis
benefícios da utilização da aplicação criada no decorrer deste trabalho, mas pode servir também
como sistema efectivamente utilizado no planeamento da recolha de RSU.
Foram calculados os custos, as emissões de poluentes, incluindo o CO2, e o consumo de
combustível, numa base semanal, para este ciclo optimizado por tempo e por distância. Devido a
indisponibilidade de dados, relativos às rotas utilizadas pela Amarsul, que permitissem o cálculo
destes valores, o ciclo utilizado actualmente pela Amarsul foi introduzido para optimização por
distância no programa ArcGIS®. Optou-se por esta via, visto que parece aceitável considerar que,
sendo a escolha do percurso feita no local pelos trabalhadores da Amarsul, o circuito escolhido seria,
intuitivamente, aquele do qual resultaria uma menor distância percorrida. Consequentemente, o
circuito com o qual será feita a comparação do sistema optimizado é um circuito que já está
optimizado em termos da distância percorrida. Pode prognosticar-se que a consequência maior a
advir desta opção será as vantagens, a existirem, da utilização do sistema optimizado, serem aqui
quantificadas e apresentadas por defeito.
39
3. APRESENTAÇÃO E DISCUSSÃO DE RESULTADOS
3.1. Valores do sistema actualmente utilizado pela Amarsul
O sistema utilizado actualmente pela Amarsul para recolha de vidro, o resíduo reciclável aqui
estudado, é composto por cinco circuitos que serão denominados, nesta tese, por A, B, C, D e E, e
que estão caracterizados na tabela 16 em termos do número de ecopontos que incluem e da
frequência de recolha.
Tabela 16 – Circuitos de recolha de RSU utilizados pela Amarsul.
Circuito Número de ecopontos Frequência de recolha
A 50 De 3 em 3 semanas
B 63 De 3 em 3 semanas
C 65 De 3 em 3 semanas
D 68 De 4 em 4 semanas
E 46 De 4 em 4 semanas
O número total de ecopontos para depósito de vidro é de 230. Os circuitos A e B e os
circuitos D e E partilham, respectivamente, 39 e 24 ecopontos, o que significa que o nível de
enchimento destes ecopontos depende do desfasamento temporal entre recolhas dos circuitos a que
pertencem. Observou-se, na tabela de escalas de recolha de RSU disponibilizada pela Amarsul e cuja
informação pode ser consultada na sua representação expressa na tabela 17, que o desfasamento
das rotas A e B é de uma semana, entre A e B, e de duas semanas, entre B e A; quanto às rotas D e
E, o desfasamento é de três semanas, entre D e E, e de uma semana, entre E e D.
O conjunto dos 5 circuitos resulta num ciclo de 12 semanas, como pode observar-se na
tabela 17, que serve como base de comparação entre os circuitos utilizados pela Amarsul e aqueles
resultantes da nova tabela de escalas, construída segundo o método descrito no subcapítulo 2.6.
Tabela 17 – Escala de recolhas de RSU utilizada pela Amarsul.
Circuito Semana
1 2 3 4 5 6 7 8 9 10 11 12 13
A x x x x x
B x x x x
C x x x x x
D x x x
E x x x x
40
Tal como explicado anteriormente, os percursos exactos destes circuitos não são conhecidos
pela Amarsul uma vez que são executados por decisão da equipa de recolha que efectua o serviço e
de acordo com a experiência, assegurando essa equipa a visita a todos os ecopontos programados.
Assim, para colmatar esta lacuna de informação, estes circuitos foram optimizados por distância,
recorrendo ao programa informático ESRI ArcGIS® 9.3, para que fosse possível compará-los com
outros após estimar o custo, as emissões de poluentes, o consumo de combustível, os tempos de
viagem e total, e a distância percorrida, que lhes correspondem. Desta forma, os resultados de
melhoria obtidos nesta tese são conservadores, já que não há garantia nenhuma dos circuitos
realmente efectuados serem os óptimos, pois são baseados em decisões de carácter arbitrário das
equipas de trabalho. Na tabela 18 é feita a caracterização das rotas resultantes, para cada um dos
veículos que efectuam a recolha de resíduos de vidro na zona do Barreiro; os resultados da
estimativa semanal dos valores acima descritos encontram-se nas tabelas 19, 20, 21 e 22.
Tabela 18 – Caracterização das rotas de recolha de vidro optimizados por distância,
correspondentes ao sistema actual da Amarsul.
Circuito Rota N.º de
ecopontos
Tempo de viagem
[h]
Tempo total [h]
Distância percorrida
[km]
A Veículo A 23 2,5 4,4 56,9
Veículo B 27 1,0 3,1 31,3
B Veículo A 28 3,4 5,7 62,9
Veículo B 35 2,0 4,7 37,1
C Veículo A 27 2,3 4,5 54,3
Veículo B 38 2,0 5,0 55,1
D Veículo A 32 1,4 3,9 42,6
Veículo B 36 2,2 5,1 53,0
E Veículo A 22 1,8 3,6 52,3
Veículo B 24 1,2 3,0 35,1
41
Tabela 19 – Resultados da estimativa semanal dos valores de tempo de viagem, tempo total e
distância percorrida, correspondentes ao sistema actual da Amarsul com percursos optimizados por
distância.
Circuito Rota Tempo de viagem
[min/semana] Tempo total
[min/semana] Distância percorrida
[km/semana]
A Veículo A 50,6 88,5 19,0
Veículo B 20,8 61,3 10,4
B Veículo A 68,8 114,2 21,0
Veículo B 40,6 93,1 12,4
C Veículo A 45,9 89,7 18,1
Veículo B 39,0 99,3 18,4
D Veículo A 20,6 59,1 10,7
Veículo B 33,6 76,6 13,3
E Veículo A 26,6 53,8 13,1
Veículo B 17,7 44,7 8,8
Total
Veículo A 212,5 405,3 81,8
Veículo B 151,7 375,0 63,2
Total 364,2 780,2 145,0
Tabela 20 – Resultados da estimativa semanal das emissões de CO, CO2, VOC, NOx e PM,
correspondentes ao sistema actual da Amarsul com percursos optimizados por distância.
Circuito Rota CO
[g/semana] CO2
[g/semana] VOC
[g/semana] NOx
[g/semana] PM
[g/semana]
A Veículo A 70 14369 50 167 17
Veículo B 44 10234 23 127 8
B Veículo A 86 17980 62 217 22
Veículo B 77 14504 43 184 13
C Veículo A 54 13777 38 151 16
Veículo B 78 17279 43 217 14
D Veículo A 34 6449 24 76 7
Veículo B 65 13633 36 174 12
E Veículo A 42 7888 30 95 9
Veículo B 38 8447 20 103 7
Total
Veículo A 285 60463 204 707 72
Veículo B 302 64098 165 805 55
Total 587 124561 369 1512 127
42
Tabela 21 – Resultados da estimativa semanal do consumo de combustível correspondente ao
sistema actual da Amarsul com percursos optimizados por distância.
Circuito Rota Consumo específico de
combustível [l/100 km]
Consumo de combustível [l/semana]
A Veículo A 29,0 5,5
Veículo B 37,3 3,9
B Veículo A 32,8 6,9
Veículo B 44,8 5,5
C Veículo A 29,0 5,3
Veículo B 35,9 6,6
D Veículo A 23,2 2,5
Veículo B 39,2 5,2
E Veículo A 23,1 3,0
Veículo B 36,7 3,2
Total
Veículo A 23,2
Veículo B 24,4
Total 47,6
Tabela 22 – Resultados da estimativa semanal dos custos correspondentes ao sistema actual da
Amarsul com percursos optimizados por distância.
Circuito Rota
Custo
Consumo de combustível [€/semana]
Manutenção [€/semana]
Mão-de-obra [€/semana]
Total [€/semana]
A Veículo A 5,4 3,6 36,0 45,0
76,0 Veículo B 3,8 2,3 24,9 31,0
B Veículo A 6,7 4,0 46,4 57,1
103,1 Veículo B 5,4 2,7 37,9 46,0
C Veículo A 5,1 3,4 36,5 45,1
95,8 Veículo B 6,4 4,0 40,4 50,8
D Veículo A 2,4 2,0 24,0 28,5
67,6 Veículo B 5,1 2,9 31,2 39,2
E Veículo A 3,0 2,5 21,9 27,3
50,5 Veículo B 3,1 1,9 18,2 23,2
Total
Veículo A 22,6 15,5 164,9 202,9
393,2 Veículo B 23,8 13,9 152,6 190,3
Total 46,4 29,4 317,4
A figura 21 apresenta o percurso efectuado pelo Veículo A para recolha dos ecopontos que
compõe o circuito C. A figura 22 apresenta, para o mesmo circuito, o percurso atribuído ao Veículo B.
43
Figura 21 – Percurso do Veículo A no cumprimento do circuito C da Amarsul.
44
Figura 22 – Percurso do Veículo B no cumprimento do circuito C da Amarsul.
45
3.2. Resultados para o sistema optimizado
3.2.1. Resultados da melhoria de escalas de recolha de vidro
O estudo analítico de melhoria das escalas de recolha de vidro, descrito no subcapítulo 2.6, e
que conduz a uma de muitas possibilidades de melhoria das mesmas, resultou em 58 circuitos
diferentes, distribuídos ao longo de um ciclo de 288 semanas, relatados na tabela 23 e cujo
mapeamento de frequências pode ser visualizado na figura 23. Nesta figura estão mapeadas as
frequências dos circuitos para apenas 144 semanas, que corresponde a metade do ciclo, de modo a
facilitar a sua representação. A diferença entre a primeira e a segunda metades do ciclo é que o
circuito C8 é efectuado apenas na primeira metade, especificamente na semana 10. Para os
restantes circuitos, o ciclo repete-se após as 144 semanas. Assim a figura 23 apresenta uma
representação esquemática e a tabela 23 contém informação completa deste novo conjunto de
circuitos.
Estes circuitos correspondem a combinações diferentes, com repetição, dos 230 ecopontos
que contêm um depósito de vidro, no Barreiro.
As semanas que não estão destacadas na coluna “Semana de recolha”, na tabela 23,
correspondem a semanas vazias, isto é, em que não se efectua a recolha de vidro, segundo a nova
tabela de escalas. As restantes semanas atribuídas aos diferentes circuitos podem ser semanas
simples (e.g., 145), nas quais existe apenas um circuito e, portanto, um período de recolha, ou
semanas compostas por dois circuitos, ou seja, dois períodos de recolha de cinco horas (e.g., 101.1 e
101.2), que podem ocorrer, ou não, no mesmo dia.
O número de ecopontos de cada circuito do novo sistema é geralmente inferior ao número de
ecopontos dos circuitos utilizados pela Amarsul, indicando, à partida, que o sistema em utilização
poderá conter uma distribuição dos ecopontos, pelos circuitos, pouco adequada. A principal
consequência desde facto, a confirmar-se, é a existência de frequências de recolha excessivas, tendo
em conta os níveis de enchimento observados, que resultam num aumento de custos, de emissões
de gases nocivos ao meio ambiente e de consumo de combustível.
46
Figura 23 – Mapeamento de frequências de recolha de RSU optimizadas com base nos valores de
previsão de enchimento.
47
Tabela 23 – Circuitos de recolha de RSU optimizados com base nos valores de previsão de
enchimento.
Circuito Número de ecopontos Semana de recolha
C1 50 1 e 145
C2 25 2 e 146
C3 50 4, 22, 40, 58, 94, 112, 148, 166, 184, 202, 238 e 256
C4 38 5, 53, 77, 101.1, 117, 125.1, 141, 149, 197, 221, 245.1, 261, 269.1 e 285
C5 32 6 e 150
C6 38 7, 79, 115, 151, 223 e 259
C7 32 9, 57, 153 e 201
C8 44 10
C9 26 11 e 155
C10 22 13.1, 85.1, 121.1, 157.1, 229.1 e 265.1
C11 37 13.2, 85.2, 157.2 e 229.2
C12 49 16, 46, 76.1, 106, 130.1, 160, 190, 220.1, 250 e 274.1
C13 19 17, 113, 161 e 257
C14 35 19 e 163
C15 24 20, 128, 164 e 272
C16 36 21.1 e 165.1
C17 19 21.2 e 165.2
C18 50 25 e 169
C19 17 26, 51, 61.2, 66, 71, 86, 101.2, 111, 116,
125.2, 135, 170, 195, 205.2, 210, 215, 230, 245.2, 255, 260, 269.2 e 279
C20 43 28, 64, 136, 154, 172, 208 e 280
C21 47 29 e 173
C22 49 31 e 175
C23 24 32, 68, 104, 176, 212 e 248
48
Circuito Número de ecopontos Semana de recolha
C24 29 33 e 177
C25 47 34 e 178
C26 38 36 e 180
C27 41 37, 61.1, 109, 133, 181, 205.1, 253 e 277
C28 49 41 e 185
C29 47 43 e 187
C30 49 45, 117, 189 e 261
C31 40 49 e 193
C32 32 52, 88, 196 e 232
C33 35 55, 127, 199 e 271
C34 41 56 e 200
C35 43 65 e 209
C36 32 67, 103, 139, 211, 247 e 283
C37 45 69 e 213
C38 38 70, 142, 214 e 286
C39 33 73 e 217
C40 38 74 e 218
C41 18 76.2, 130.2, 220.2 e 274.2
C42 39 81 e 225
C43 52 82 e 226
C44 32 89 e 233
C45 42 91 e 235
C46 34 92 e 236
C47 32 96 e 240
C48 37 97 e 241
C49 52 100 e 244
C50 39 105 e 249
49
Circuito Número de ecopontos Semana de recolha
C51 21 108 e 252
C52 41 118 e 262
C53 32 120 e 264
C54 31 121.2 e 265.2
C55 47 124 e 268
C56 22 129 e 273
C57 41 137 e 281
C58 48 140 e 284
3.2.2. Resultados da optimização de rotas por distância
As rotas correspondentes aos circuitos apresentados na tabela 23, optimizadas por distância,
são caracterizadas na tabela 24, quanto ao número de ecopontos, aos tempos de viagem e total, e à
distância percorrida.
Tabela 24 – Caracterização dos circuitos de recolha de vidro optimizados por distância.
Circuito Rota N.º de ecopontos
Tempo de viagem
[h]
Tempo total [h]
Distância percorrida
[km]
C1 Veículo A 24 3,2 5,5 99,7
Veículo B 26 4,0 6,5 102,9
C2 Veículo A 13 2,1 3,4 64,7
Veículo B 12 1,6 2,6 53,0
C3 Veículo A 22 4,2 6,4 99,0
Veículo B 28 3,5 6,1 98,5
C4 Veículo A 17 3,0 4,6 73,2
Veículo B 21 2,6 4,5 81,8
C5 Veículo A 11 2,6 3,6 52,6
Veículo B 21 2,9 4,8 76,4
C6 Veículo A 16 3,4 4,9 76,5
Veículo B 22 3,0 5,0 71,8
50
Circuito Rota N.º de
ecopontos
Tempo de viagem
[h]
Tempo total [h]
Distância percorrida
[km]
C7 Veículo A 11 2,5 3,5 53,6
Veículo B 21 2,3 4,3 74,7
C8 Veículo A 22 3,7 5,9 101,1
Veículo B 22 3,0 5,0 83,8
C9 Veículo A 12 2,0 3,1 53,6
Veículo B 14 2,2 3,4 52,7
C10 Veículo A 6 1,5 2,0 25,7
Veículo B 16 2,0 3,3 53,4
C11 Veículo A 16 3,3 5,0 95,5
Veículo B 21 3,4 5,3 74,0
C12 Veículo A 22 4,5 6,7 103,2
Veículo B 27 3,2 5,9 110,8
C13 Veículo A 6 0,8 1,2 24,4
Veículo B 13 2,0 3,2 51,0
C14 Veículo A 16 2,7 4,2 71,4
Veículo B 19 4,0 5,8 79,5
C15 Veículo A 10 2,0 2,9 52,9
Veículo B 14 2,0 3,2 49,5
C16 Veículo A 16 3,0 4,5 74,5
Veículo B 20 2,5 4,3 76,8
C17 Veículo A 10 1,7 2,6 51,4
Veículo B 9 1,3 2,2 43,6
C18 Veículo A 22 3,8 5,9 95,4
Veículo B 28 3,6 6,2 98,9
C19 Veículo A 10 2,0 2,9 54,2
Veículo B 7 0,8 1,3 24,6
C20 Veículo A 20 3,8 5,8 103,9
Veículo B 23 3,5 5,5 81,9
C21 Veículo A 22 3,2 5,3 99,1
Veículo B 25 3,7 6,1 100,8
C22 Veículo A 21 4,1 6,3 116,3
Veículo B 28 4,6 7,2 99,7
C23 Veículo A 10 2,1 3,0 54,4
Veículo B 14 1,9 3,2 45,7
C24 Veículo A 13 2,7 4,0 68,8
Veículo B 16 1,9 3,3 52,7
51
Circuito Rota N.º de
ecopontos
Tempo de viagem
[h]
Tempo total [h]
Distância percorrida
[km]
C25 Veículo A 23 3,1 5,3 102,8
Veículo B 24 3,4 5,7 87,5
C26 Veículo A 16 2,5 4,0 79,6
Veículo B 22 3,0 5,0 78,0
C27 Veículo A 19 3,9 5,8 96,6
Veículo B 22 2,8 4,8 81,2
C28 Veículo A 22 3,9 6,0 100,0
Veículo B 27 3,4 5,9 100,5
C29 Veículo A 22 3,4 5,5 100,7
Veículo B 25 3,6 5,8 72,6
C30 Veículo A 22 3,1 5,3 98,8
Veículo B 27 4,6 7,1 104,2
C31 Veículo A 18 3,4 5,2 85,4
Veículo B 22 3,6 5,6 80,6
C32 Veículo A 15 2,8 4,3 76,3
Veículo B 17 2,2 3,8 64,1
C33 Veículo A 15 2,9 4,4 70,0
Veículo B 20 3,5 5,3 79,7
C34 Veículo A 15 2,4 3,8 76,8
Veículo B 26 3,9 6,3 96,0
C35 Veículo A 22 3,6 5,8 98,9
Veículo B 21 3,0 4,9 74,3
C36 Veículo A 15 2,9 4,4 71,2
Veículo B 17 3,6 5,2 76,3
C37 Veículo A 17 3,1 4,7 74,9
Veículo B 28 3,2 5,8 99,9
C38 Veículo A 18 3,1 4,8 76,0
Veículo B 20 3,3 5,3 88,7
C39 Veículo A 17 3,5 5,1 78,1
Veículo B 16 1,5 2,9 53,2
C40 Veículo A 15 2,4 3,8 74,2
Veículo B 23 3,2 5,4 91,2
C41 Veículo A 10 2,1 3,0 50,7
Veículo B 8 1,7 2,5 41,7
C42 Veículo A 18 3,0 4,7 75,3
Veículo B 21 2,8 4,7 76,0
52
Circuito Rota N,º de
ecopontos
Tempo de viagem
[h]
Tempo total [h]
Distância percorrida
[km]
C43 Veículo A 23 3,6 5,8 103,6
Veículo B 29 4,2 6,8 102,3
C44 Veículo A 17 2,8 4,4 76,8
Veículo B 15 2,1 3,4 51,2
C45 Veículo A 20 4,8 6,8 102,3
Veículo B 22 2,4 4,4 76,7
C46 Veículo A 14 2,7 4,1 72,7
Veículo B 20 2,7 4,6 73,3
C47 Veículo A 14 2,6 4,0 72,7
Veículo B 18 2,6 4,3 76,1
C48 Veículo A 17 2,7 4,3 73,3
Veículo B 20 3,0 4,8 76,6
C49 Veículo A 23 3,9 6,2 101,3
Veículo B 29 4,3 7,0 104,0
C50 Veículo A 16 3,1 4,6 77,4
Veículo B 23 2,4 4,5 75,3
C51 Veículo A 12 2,2 3,2 53,6
Veículo B 9 1,5 2,3 40,6
C52 Veículo A 20 3,2 5,2 100,0
Veículo B 21 3,4 5,3 74,4
C53 Veículo A 15 2,3 3,8 74,5
Veículo B 17 2,2 3,7 53,2
C54 Veículo A 10 1,9 2,8 49,8
Veículo B 21 3,3 5,2 76,2
C55 Veículo A 22 3,5 5,7 100,0
Veículo B 25 3,3 5,7 87,3
C56 Veículo A 6 0,8 1,2 24,5
Veículo B 16 2,4 3,8 53,3
C57 Veículo A 19 3,0 5,0 98,1
Veículo B 22 3,6 5,5 77,4
C58 Veículo A 20 3,6 5,6 92,6
Veículo B 28 4,0 6,6 102,6
É interessante observar que apesar do número de ecopontos de algumas rotas optimizadas
ser semelhante ao número de ecopontos das rotas utilizadas pela Amarsul, os valores do tempo de
viagem, tempo total e distância percorrida das primeiras, são, em geral, significativamente mais
elevados. Por exemplo, no caso do circuito A, do sistema da Amarsul, e do circuito C1, optimizado por
53
distância, os valores de tempo total do Veículo B são respectivamente 1 hora e 4 horas, apesar do
número de ecopontos a visitar ser, no primeiro caso, 27 e, no segundo caso, 26. Para o mesmo caso,
a distância percorrida pelo Veículo B no circuito A, correspondente à Amarsul, é de 31,3 km e, para o
mesmo veículo, no circuito C1 optimizado por distância, este valor é de 102,9.
Isto deve-se ao facto de, no novo circuito optimizado, os contentores serem recolhidos com
níveis de enchimento mais elevados, já que foi assegurada uma melhor adequação das frequências
de recolha, levando a um maior número de visitas ao entreposto para descarga dos veículos. O
benefício não se observa, portanto, nos valores médios de cada rota, mas nos valores médios do
ciclo: claramente os valores médios para cada rota do sistema utilizado pela Amarsul não são
comparáveis aos valores médios do novo sistema optimizado porque cada novo circuito recolhe, de
uma só vez, ecopontos com níveis de enchimento muito superiores aos recolhidos pela Amarsul. A
consequência deste facto é que as frequências de recolha são muito menores no caso do sistema
optimizado e, portanto, levam a benefícios muito superiores. É possível compreender melhor agora a
razão porque foi necessário construir um novo ciclo de recolhas: para que se pudesse calcular os
valores médios semanais e, assim, comparar de forma adequada os valores do sistema optimizado
com os do sistema utilizado pela Amarsul.
Tabela 25 – Resultados médios semanais do novo sistema optimizado por distância e valores,
para comparação, do sistema utilizado pela Amarsul.
Optimização por distância Amarsul
Veículo
A Veículo
B Total
Veículo A
Veículo B
Total
Tempo de viagem [min/semana] 129,6 119,6 249,2 212,5 151,7 364,2
Tempo total [min/semana] 197,2 198,1 395,4 405,3 375,0 780,2
Distância percorrida [km/semana] 55,8 53,2 109,1 81,8 63,2 145,0
Consumo de combustível [l/semana] 14,5 20,0 34,5 23,2 24,4 47,6
Emissões [g/semana]
CO 182 235 417 285 302 587
CO2 37926 52422 90348 60463 64098 124561
VOC 129 130 260 204 165 369
NOx 445 662 1107 707 805 1511
PM 45 44 89 72 55 126
Custo [€/semana]
Consumo de combustível 14,1 19,5 33,6 22,6 23,8 46,4
Manutenção 10,6 11,7 22,3 15,5 13,9 29,4
Mão-de-obra 80,2 80,6 160,8 164,9 152,6 317,5
Total 104,9 111,8 216,7 203,0 190,3 393,3
54
A tabela 25 apresenta os valores médios semanais do novo ciclo, optimizado por distância,
relativos ao cálculo do tempo de viagem, tempo total, distância percorrida, consumo de combustível,
emissões de poluentes, incluindo o CO2, e custos. Os resultados detalhados, para cada rota, podem
ser consultados no Anexo A1.1.
Comparando os resultados médios do Veículo A e do Veículo B, observa-se que as
diferenças entre os tempos de viagem e totais e entre as distâncias percorridas, que correspondem a
cada um, são pouco significativas. No entanto, em termos de consumo de combustível e de emissões
de gases poluentes e de efeito de estufa, existe uma diferença, principalmente assinalável pelo facto
de que a uma maior distância percorrida pelo Veículo A correspondem valores mais baixos de
emissões e de consumo de combustível.
Na realidade, o Veículo A, devido ao seu peso bruto, apresenta um consumo específico
médio de combustível, de 25,7 litros por cada 100 km, consideravelmente inferior ao consumo
específico médio de combustível do Veículo B, que é de 37,9 litros por cada 100 km. Pelo mesmo
motivo, os factores de emissão do Veículo A são inferiores aos factores de emissão do Veículo B.
Os custos médios para cada veículo diferenciam-se devido ao menor consumo de
combustível e, simultaneamente, ao menor custo de manutenção do Veículo A, relativamente ao
Veículo B.
Não obstante, o número de ecopontos recolhidos pelo Veículo B, em cada circuito, é
geralmente superior ao número de ecopontos recolhidos pelo Veículo A, no mesmo circuito. Isto é
justificável pelo facto do Veículo B possuir uma capacidade de transporte de carga superior à do
Veículo A e, como tal, necessitar de um número menor de visitas ao entreposto (local bastante
afastado do Barreiro onde os resíduos são temporariamente depositados) para recolher um
determinado número de contentores, sem esquecer a especificidade de enchimento de cada
contentor. Este facto torna-se especialmente relevante no caso em questão, em que a distância do
entreposto à zona de recolha de ecopontos representa, em muitos dos casos, mais de 50% da
distância total percorrida numa determinada rota.
Os resultados da optimização por distância indicam melhorias substanciais a todos os níveis.
Observa-se uma diminuição de ca. de 30% nas emissões de cada poluente. A diminuição do
consumo de combustível também é de aproximadamente 30%. No que diz respeito aos custos, a
diminuição na média total semanal é de ca. de 45% e a parcela que mais contribui para esta
diminuição é a dos custos de mão-de-obra, que aponta para um valor 50% menor que o respeitante
ao sistema actual da Amarsul.
As figuras 24 e 25 exemplificam rotas optimizadas por distância com a aplicação da extensão
Network Analyst do ArcGIS®, neste caso respeitantes ao circuito C2, efectuadas pelo Veículo A e pelo
Veículo B, respectivamente.
55
Figura 24 – Rota que o Veículo A efectua no cumprimento do circuito C2, optimizado por
distância.
56
Figura 25 – Rota que o Veículo B efectua no cumprimento do circuito C2, optimizado por
distância.
57
3.2.3. Resultados da optimização de rotas por tempo
A optimização de rotas por tempo deu origem aos circuitos caracterizados na tabela 26.
Tabela 26 – Caracterização dos circuitos de recolha de vidro optimizados por tempo.
Circuito Rota N.º de
ecopontos
Tempo de viagem
[h]
Tempo total [h]
Distância percorrida
[km]
C1 Veículo A 24 2,2 4,5 99,9
Veículo B 26 2,4 4,8 105,6
C2 Veículo A 7 0,8 1,5 37,8
Veículo B 18 1,8 3,5 76,6
C3 Veículo A 22 2,6 4,9 113,6
Veículo B 28 2,4 5,0 104,5
C4 Veículo A 23 2,3 4,5 101,4
Veículo B 15 1,4 2,6 57,8
C5 Veículo A 9 1,1 1,9 47,3
Veículo B 23 1,8 3,9 79,0
C6 Veículo A 16 1,6 3,1 70,5
Veículo B 22 1,8 3,8 76,0
C7 Veículo A 10 1,2 2,1 51,3
Veículo B 22 1,8 3,8 76,7
C8 Veículo A 20 2,2 4,2 99,3
Veículo B 24 2,1 4,4 91,9
C9 Veículo A 4 0,5 0,8 24,3
Veículo B 22 1,9 3,9 80,6
C10 Veículo A 15 1,7 3,2 75,6
Veículo B 7 0,6 1,1 24,7
C11 Veículo A 10 1,0 1,9 44,2
Veículo B 27 2,3 4,8 100,4
C12 Veículo A 21 2,5 4,5 106,4
Veículo B 28 2,3 4,9 102,0
C13 Veículo A 12 1,2 2,2 50,9
Veículo B 7 0,6 1,1 24,7
58
Circuito Rota N.º de
ecopontos
Tempo de viagem
[h]
Tempo total [h]
Distância percorrida
[km]
C14 Veículo A 7 1,0 1,7 41,6
Veículo B 28 2,3 4,9 101,1
C15 Veículo A 4 0,5 0,8 21,6
Veículo B 20 1,9 3,7 78,1
C16 Veículo A 23 2,2 4,4 99,7
Veículo B 13 1,2 2,3 52,1
C17 Veículo A 12 1,5 2,8 67,9
Veículo B 7 0,6 1,2 27,7
C18 Veículo A 22 2,3 4,5 103,2
Veículo B 28 2,3 4,9 100,6
C19 Veículo A 10 1,1 2,0 49,4
Veículo B 7 0,7 1,2 29,3
C20 Veículo A 20 2,3 4,3 101,8
Veículo B 23 1,9 3,9 79,9
C21 Veículo A 22 2,3 4,5 102,8
Veículo B 25 2,2 4,5 95,8
C22 Veículo A 21 2,4 4,7 109,9
Veículo B 28 2,5 5,1 106,8
C23 Veículo A 4 0,4 0,7 21,2
Veículo B 20 1,8 3,6 76,3
C24 Veículo A 5 0,5 0,9 23,9
Veículo B 24 1,8 4,0 78,5
C25 Veículo A 22 2,3 4,5 102,5
Veículo B 25 2,3 4,6 99,6
C26 Veículo A 11 1,2 2,2 51,0
Veículo B 27 2,4 4,9 105,5
C27 Veículo A 22 2,3 4,4 100,7
Veículo B 19 1,8 3,6 78,1
C28 Veículo A 22 2,2 4,4 99,1
Veículo B 27 2,4 4,9 104,4
59
Circuito Rota N.º de
ecopontos
Tempo de viagem
[h]
Tempo total [h]
Distância percorrida
[km]
C29 Veículo A 19 1,8 3,7 82,5
Veículo B 28 2,4 5,0 100,5
C30 Veículo A 21 2,3 4,4 101,4
Veículo B 28 2,3 4,9 100,0
C31 Veículo A 12 1,5 2,7 66,1
Veículo B 28 2,3 4,9 101,4
C32 Veículo A 11 1,3 2,2 54,0
Veículo B 21 1,8 3,7 77,2
C33 Veículo A 10 1,2 2,1 52,8
Veículo B 25 2,5 4,9 106,6
C34 Veículo A 20 2,2 4,2 98,3
Veículo B 21 1,7 3,6 71,6
C35 Veículo A 15 1,6 3,1 69,3
Veículo B 28 2,2 4,8 99,8
C36 Veículo A 10 1,1 2,0 49,4
Veículo B 22 2,2 4,3 94,1
C37 Veículo A 21 2,2 4,3 99,8
Veículo B 24 2,1 4,4 94,6
C38 Veículo A 11 1,1 2,1 50,0
Veículo B 27 2,2 4,7 92,6
C39 Veículo A 17 1,8 3,4 78,9
Veículo B 16 1,2 2,6 52,8
C40 Veículo A 15 1,6 3,1 73,7
Veículo B 23 2,1 4,3 90,6
C41 Veículo B 18 1,8 3,5 77,6
C42 Veículo A 23 2,2 4,5 100,6
Veículo B 16 1,3 2,7 54,7
C43 Veículo A 23 2,4 4,7 105,9
Veículo B 29 2,4 5,1 103,8
C44 Veículo A 17 1,7 3,3 77,0
Veículo B 15 1,2 2,5 50,2
60
Circuito Rota N.º de
ecopontos
Tempo de viagem
[h]
Tempo total [h]
Distância percorrida
[km]
C45 Veículo A 16 1,7 3,3 76,3
Veículo B 26 2,3 4,8 100,0
C46 Veículo A 8 1,0 1,7 42,0
Veículo B 26 2,3 4,7 99,3
C47 Veículo A 18 2,1 3,9 94,5
Veículo B 14 1,3 2,5 54,6
C48 Veículo A 9 1,2 2,0 50,2
Veículo B 28 2,2 4,8 99,6
C49 Veículo A 23 2,5 4,9 111,7
Veículo B 29 2,5 5,1 106,3
C50 Veículo A 17 1,8 3,4 78,5
Veículo B 22 1,7 3,7 76,3
C51 Veículo B 21 1,9 3,8 80,2
C52 Veículo A 19 2,0 3,9 85,3
Veículo B 22 1,8 3,8 79,3
C53 Veículo A 7 0,9 1,5 38,5
Veículo B 25 2,0 4,2 83,1
C54 Veículo A 5 0,6 1,0 25,8
Veículo B 26 2,4 4,8 101,6
C55 Veículo A 20 2,0 4,0 88,3
Veículo B 27 2,2 4,8 98,4
C56 Veículo A 14 1,6 3,0 70,2
Veículo B 8 0,6 1,2 25,5
C57 Veículo A 17 1,8 3,4 77,4
Veículo B 24 2,2 4,5 96,8
C58 Veículo A 21 2,2 4,3 99,4
Veículo B 27 2,3 4,9 100,9
O novo sistema optimizado por tempo reflecte as mesmas tendências que o sistema
optimizado por distância, no que se refere ao número de contentores atribuído a cada veículo e à
relação entre o número de ecopontos recolhido e os tempos de viagem e total, diferente da relação
existente nos circuitos actuais da Amarsul.
61
Ainda assim, a optimização por tempo introduz uma ocorrência não observada no processo
de optimização por distância: a escolha de apenas um veículo para efectuar a totalidade da recolha,
nos circuitos C41 e C51. A diferença de escolha entre estas opções, com o tipo de optimização
aplicado, poderia ser válida, caso se verificasse uma minimização do tempo, no caso da optimização
por tempo, e uma minimização da distância, no caso da optimização por distância; no entanto,
quando aplicados ao circuitos C41 e C51, observa-se que o processo de optimização por tempo
resulta numa minimização do tempo e numa distância percorrida menor que a observada no caso da
optimização por distância. Estes casos não são únicos, nos resultados observados.
Na realidade, o que parece acontecer no caso da optimização por distância é uma falha na
robustez do algoritmo. Podem existir, pelo menos, duas explicações para esta ocorrência: a meta-
heurística tabu, trabalhando para optimizar a distância, encontra um mínimo local e escolhe-o sem
testar a hipótese de existência de outro mínimo que seja absoluto, ou existem outros parâmetros
desconhecidos (visto que o algoritmo utilizado pelo Network Analyst não foi publicamente divulgado,
provavelmente para proteger os direitos de autor) que contribuem para os resultados da optimização,
que não apenas o parâmetro a minimizar.
Pondo a hipótese de o programa optimizar uma função de custo que dependa pelo menos do
tempo e da distância, derivando-a em ordem a cada uma destas variáveis, ambas as explicações
acima descritas poderão ser verdadeiras. Isto é, o problema de encontrar mínimos globais em
funções não lineares é considerado de difícil resolução (Dennis e Schnabel, 1996) e o facto de
poderem existir factores com pesos diferentes, na função de custo, pode fazer com que a optimização
não corresponda somente a uma minimização da distância ou do tempo.
Qualquer que seja a hipótese verdadeira, independentemente de existirem falhas no processo
de optimização, os resultados da optimização por distância demonstram que a distância média
semanal percorrida é menor do que na optimização por tempo, considerando o panorama do ciclo
total. Mais, na estimativa de valores efectuada para o caso da Amarsul, estas falhas podem mesmo
introduzir um erro semelhante ao erro humano, embora esta afirmação se encontre no campo da
suposição porque não existe maneira de quantificar este erro. No caso do novo sistema optimizado,
continua a ser interessante comparar os resultados da optimização por distância com os resultados
do sistema utilizado pela Amarsul, visto que, existindo uma inexactidão no algoritmo, esta existirá
expectavelmente em ambos os processos. De qualquer forma, o sistema optimizado por tempo é
aquele que apresenta os melhores resultados e não se lhes observaram quaisquer incongruências.
Verifica-se nos resultados da optimização por tempo que a distância média semanal é menor,
mas que a diferença é mínima quando comparada com a diferença entre os tempos de viagem e os
tempos totais, não chegando a 1%. Ora, a diferença entre os tempos de viagem é de 40% e entre os
tempos totais é de 25% (sendo que a menor diferença entre estes últimos está relacionada com a
parcela constante de tempos de serviço nos ecopontos e no entreposto), beneficiando, em ambas as
situações, a optimização por tempo. Estes resultados apoiam, mais uma vez, a hipótese de que o
algoritmo de optimização por tempo conduz a resultados, no mínimo, mais próximos da solução
óptima.
62
Os valores médios semanais resultantes da optimização por tempo encontram-se na tabela
27.
Tabela 27 – Resultados médios semanais do novo sistema optimizado por tempo e valores, para
comparação, do sistema utilizado pela Amarsul.
Optimização por tempo Amarsul
Veículo
A Veículo
B Total
Veículo A
Veículo B
Total
Tempo de viagem [min/semana] 71,9 77,5 149,3 212,5 151,7 364,2
Tempo total [min/semana] 136,5 159,1 295,6 405,3 375,0 780,2
Distância percorrida [km/semana] 53,3 56,1 109,4 81,8 63,2 145,0
Consumo de combustível [l/semana] 10,4 16,9 27,3 23,2 24,4 47,6
Emissões [g/semana]
CO 134 184 318 285 302 587
CO2 27103 44327 71430 60463 64098 124561
VOC 89 89 179 204 165 369
NOx 295 524 819 707 805 1511
PM 29 34 63 72 55 126
Custo [€/semana]
Consumo de combustível 10,1 16,4 26,5 22,6 23,8 46,4
Manutenção 10,1 12,3 22,5 15,5 13,9 29,4
Mão-de-obra 55,6 64,7 120,3 164,9 152,6 317,5
Total 75,8 93,5 169,2 203,0 190,3 393,3
Como se podia prever pela observação dos resultados da optimização por distância, a
tendência de uma menor emissão de poluentes e de consumo de combustível do Veículo A, em
relação ao Veículo B, para distâncias percorridas muito semelhantes, mantém-se. As emissões de
CO2 do Veículo A são cerca de 40% menores que as emissões do mesmo composto feitas pelo
Veículo B.
Curiosamente, e de forma semelhante ao que se havia observado na optimização por
distância, a diferença entre as emissões de VOC dos dois veículos é muito pequena. Poderão existir
variáveis que determinam que seja assim ou então, como pode observar-se na figura 26 a existência
de valores negativos da função que dá origem aos factores de correcção de VOC, do Veículo A,
introduz uma incerteza de tal ordem que influencia a exactidão dos cálculos, dando origem a estes
resultados. É provável que, tratando-se de correlações experimentais, as funções que regem a
evolução dos factores de emissão não tenham a precisão desejável para velocidades muito baixas,
visto que se devem basear em velocidade médias comummente utilizadas no dia-a-dia.
63
Este facto observado nas funções de cálculo das emissões de VOC (Fig. 26) e de CO (Fig.
27) leva a crer que, apesar de não se observar o mesmo nas restantes funções, nomeadamente nas
funções referentes aos factores de emissão do Veículo B, a velocidades muito baixas, as funções
poderão ser pouco representativas da realidade.
Figura 26 – Evolução do factor de emissão de VOC do Veículo A, com a velocidade média.
Figura 27 – Evolução do factor de emissão de CO do Veículo A, com a velocidade média.
εVOC
εVOC
64
A rota do Veículo A, resultante da optimização por tempo do circuito C2, pode ser visualizada
na figura 28. A rota do Veículo B, para o mesmo circuito, é representada na figura 29.
Figura 28 – Rota que o Veículo A efectua, no decurso do circuito C2, optimizado por tempo.
65
Figura 29 – Rota que o Veículo B efectua, no decurso do circuito C2, optimizado por tempo.
3.2.4. Análise geral e comparação de resultados
No panorama do ciclo total, comparando estes resultados com os resultados da Amarsul, a
optimização por tempo apresenta um sistema com benefícios ainda mais elevados do que a
optimização por distância, pelas razões já explanadas.
A figura 30 apresenta os resultados do cálculo dos tempos de viagem, tempos totais e das
distâncias percorridas, para cada um dos três conjuntos de rotas que fazem parte deste trabalho: as
66
rotas da Amarsul, optimizadas por distância, e as rotas correspondentes ao novo sistema,
optimizadas por distância ou por tempo. Pode observar-se naquela figura que o tempo de viagem
semanal obtido através do sistema optimizado por distância é reduzido em 32%; no entanto, mais do
dobro deste valor é poupado através da utilização do sistema optimizado por tempo, isto é, cerca de
60%. Isto resulta numa poupança em termos de tempo total de cerca de 62%, no caso da optimização
por tempo, o que tem uma influência muito considerável no custo total, visto que o valor que domina a
equação de custo é o custo de mão-de-obra, que depende precisamente do tempo total (vide Fig. 32).
O facto da distância percorrida revelar diferenças muito pouco significativas entre os valores
resultantes da optimização por distância e aqueles que resultam da optimização por tempo (Fig. 30),
acentua os benefícios da utilização do sistema optimizado por tempo.
Figura 30 – Comparação entre os resultados para tempo de viagem, tempo total e distância,
correspondentes aos três sistemas: Amarsul, novo sistema optimizado por distância e novo sistema
optimizado por tempo.
A figura 31 apresenta os resultados do cálculo das emissões enquanto a figura 32 mostra os
resultados dos cálculos dos custos para cada um dos três conjuntos de rotas que fazem parte deste
trabalho: as rotas da Amarsul, optimizadas por distância, e as rotas correspondentes ao novo
sistema, optimizadas por distância ou por tempo. A diminuição das emissões de poluentes é sempre
superior a 40%, para todos os tipos de poluentes, incluindo o CO2, sendo superior a 50% no caso da
emissão de VOC. O consumo de combustível é mais de 40% inferior ao consumo de combustível
médio semanal do sistema da Amarsul, o que se reflecte directamente nos custos (vide Fig. 32), em
conjunto com uma diminuição de 62% nos custos de mão-de-obra, resultando numa diminuição de
custos total semanal de, em média, 57%. A parcela que menos contribui para a diminuição de custos
67
é, como seria expectável, a referente à manutenção dos veículos, visto que está directamente
relacionada com a distância percorrida. Ainda assim, esta parcela apresenta uma diminuição de cerca
de 23% no sistema optimizado por tempo, relativamente aos valores resultantes da estimativa feita
para os circuitos da Amarsul.
Figura 31 – Comparação entre os resultados de consumo de combustível e de emissões de CO,
CO2, VOC, NOx e PM, correspondentes aos três sistemas: Amarsul, novo sistema optimizado por
distância e novo sistema optimizado por tempo.
Figura 32 – Comparação entre os resultados de custo de consumo de combustível, custo de
manutenção, custo de mão-de-obra e custo total, correspondentes aos três sistemas: Amarsul, novo
sistema optimizado por distância e novo sistema optimizado por tempo.
68
O custo associado ao combustível é calculado com base na distância percorrida, tal como o
custo associado à manutenção dos veículos. Ao contrário do referido para a pouca diferença dos
custos de manutenção entre a optimização por tempo e a optimização por distância, o custo
associado ao combustível apresenta uma diferença assinalável que resulta do facto do custo de
consumo de combustível depender indirectamente do tempo de viagem, dado que o consumo de
combustível depende da velocidade média que é calculada a partir deste valor e da distância
percorrida.
A aplicação do método descrito nesta tese pode ser feita de duas formas: adoptando o ciclo
construído e cujas rotas foram optimizadas por tempo, visto que foi aquele que apresentou os
melhores resultados, ou recorrendo à aplicação criada em Matlab para escolha de ecopontos. No
primeiro caso, os resultados são aqueles já apresentados; no segundo caso, é possível fazer variar
as combinações de ecopontos para recolha e planear um sem-número de circuitos, conforme a
realidade assim o exija. O segundo caso é mais adequado para situações que beneficiem de uma
gestão personalizada e dinâmica dos circuitos de recolha e transporte de RSU.
3.3. Análise da influência da carga
A função de correcção de carga influencia, no máximo, até cerca de 26% do valor da emissão
de cada poluente. Este máximo ocorre, evidentemente, quando a carga transportada corresponde a
100% da carga máxima de transporte e a maior influência verifica-se no cálculo das emissões de
CO2.
A tabela 28 apresenta valores resultantes do cálculo detalhado de emissões a quente de CO2
em vários troços de duas rotas iguais, percorridas pelo Veículo A, mas cujas quantidades de resíduos
de vidro são recolhidas por ordens diferentes.
Tabela 28 – Resultados do cálculo detalhado das emissões a quente de CO2, em duas rotas
semelhantes, percorridas pelo mesmo veículo, fazendo variar a ordem de recolha da carga.
Name
Pickup
Quantities1
[m3]
Pickup
Quantities2
[m3]
From Prev
Distance
[km]
ν [km/h]
CO21
[g] CO22
[g]
Amarsul – E152 0 0 9,3 49,4 4104 4104
E152 – E156 2,3 2,0 1,7 39,4 857 853
E156 – E148 2,2 2,1 0,6 30,0 355 353
E148 – E150 2,1 2,2 0,4 30,0 225 224
E150 – E210 2,0 2,3 2,8 37,2 1625 1625
E210 - Amarsul 2,0 2,0 9,8 46,2 5309 5309
Total 10,6 10,6 12475 12468
Os resultados da tabela 28 demonstram que aproximadamente 75% das emissões a quente
de CO2, em ambas as rotas, correspondem à soma destas emissões nos troços entre a Amarsul e o
primeiro ecoponto e entre o último ecoponto e a Amarsul. Considerando apenas os troços entre
69
ecopontos, a soma total de emissões a quente de CO2 para a Rota 1 é de 3062 g e para a Rota 2 é
de 3055 g, o que representa uma diferença quase irrelevante.
De facto, a aplicação da função de correcção de carga aos factores de emissão e,
posteriormente, ao cálculo das emissões de poluentes, incluindo o CO2, permitiu concluir que, apesar
da influência da carga não ser desprezável, os troços que mais influenciam os resultados finais são
aqueles percorridos entre o entreposto e a zona de recolha de ecopontos. Em primeiro lugar, porque
representam uma parte substancial do percurso (em alguns casos, mais de 50%) e em segundo
lugar, porque têm valores extremos de carga: carga nula ou próxima da carga máxima de transporte.
Um terceiro factor que pode ser deduzido dos resultados da tabela 28 é o facto de não haver
uma diferença importante entre os volumes recolhidos em cada ecoponto, visto existir um valor
mínimo de 70% de enchimento para que a recolha seja validada. Por exemplo, o troço E156 – E148 é
percorrido com um volume de 4,5 m3, no caso da Rota 1, e de 4,1 m3, no caso da Rota 2; no entanto,
a diferença entre as emissões é inferior a 3 g.
Isto não significa que a distância percorrida na zona de recolha de ecopontos não contribua
significativamente para as emissões totais corrigidas; significa que esta contribuição é praticamente
independente da ordem em que os valores de carga, ou seja, os ecopontos são recolhidos. Uma
comparação ponderada pelas distâncias percorridas, entre as emissões de CO2 dos troços E152 –
E156 e E150 – E210, correspondentes à Rota 1, torna este argumento claro. Para o primeiro troço, as
emissões de CO2 são de 504 g/km e, para o segundo troço, este valor é de 580 g/km. Estes valores
demonstram que a inclusão da influência da carga neste estudo permite uma maior proximidade dos
resultados à realidade.
70
71
4. CONCLUSÕES E TRABALHO FUTURO
4.1 Conclusões
A análise do sistema de recolha de RSU da Amarsul, na zona do Barreiro, permitiu verificar,
com base num estudo estatístico de previsão de enchimento de contentores, que as frequências
aplicadas à recolha não se adequavam às taxas de enchimento dos contentores de ecoponto,
nomeadamente, no que diz respeito à recolha de vidro, que foi o objecto de estudo desta tese.
Efectuou-se então um estudo de optimização das escalas de recolha, de que resultou a definição de
novos circuitos de recolha, com frequências ajustadas a cada ecoponto, com o objectivo de limitar a
recolha a contentores que apresentassem um enchimento superior a 70% da sua capacidade total.
A comparação entre o novo sistema e o sistema da Amarsul foi feita com base em rotas
optimizadas por distância, para o sistema da Amarsul, e rotas optimizadas por distância e por tempo,
para o novo sistema.
A criação do novo ciclo de escalas de recolha, com uma composição de 58 circuitos,
demonstrou que, no caso da recolha de vidro, a utilização de circuitos que consideram a
especificidade de cada ecoponto resulta numa poupança a todos os níveis, em comparação com o
sistema genérico, de 5 circuitos, utilizado actualmente pela Amarsul.
O cálculo dos valores médios semanais de tempo de viagem, tempo total, distância
percorrida, consumo de combustível, emissões de poluentes, incluindo o CO2, e custos, permitiu
concluir que, independentemente do tipo de optimização efectuado sobre os percursos, o novo
sistema apresenta benefícios em todas as suas características, em comparação com o sistema
utilizado pela Amarsul.
No entanto, a optimização de rotas por tempo resultou numa solução mais favorável do que a
optimização por distância. Em termos de custos faz sentido que seja assim, visto que o custo
específico por tempo é muito superior aos restantes, dominando assim a função de custo. Ainda
assim, é importante sublinhar que as fragilidades detectadas no algoritmo de optimização por
distância, relacionadas com a identificação por vezes de valores mínimos locais assumindo-os como
mínimos globais, demonstraram uma robustez inferior à desejável, podendo comprometer a precisão
de alguns resultados deste tipo de optimização.
Em comparação com o sistema utilizado pela Amarsul, a aplicação do novo sistema,
optimizado por tempo, poderá resultar numa diminuição de 57%, em média, dos custos do sistema de
recolha e transporte de RSU, o que conduz a uma poupança anual de mais 11000€. Em termos de
emissões de poluentes, as potenciais reduções variaram entre 40% e 50%, conforme o composto
considerado. Os tempos de viagem e total poderão ser diminuídos em cerca de 60%.
Não tendo sido encontrados na literatura estudos que tivessem em conta a influência da
carga de transporte do veículo, fez-se a análise tendo em consideração este factor. Para tal,
introduziu-se a componente de carga de uma forma dinâmica, tendo em conta a ordem de recolha
dos contentores de ecoponto e contabilizando a influência da carga instantânea sobre o troço
subsequente a cada recolha. Concluiu-se que, neste trabalho, a importância dos troços inicial e final,
que correspondiam ao percurso efectuado do entreposto até à zona de recolha de ecopontos, em
72
ambos os sentidos, suplantava a influência da ordem com que a carga dos contentores era recolhida.
No entanto, é premente salientar que, apesar de neste trabalho a optimização por carga dinâmica não
representar uma mais-valia significativa, a implementação de uma aplicação para o ESRI ArcGIS®
ArcMap em Visual Basic, que permite a contabilização da influência da carga dinâmica, num qualquer
percurso, sobre as emissões e sobre o consumo de combustível, é uma mais-valia na medida em que
aproxima da realidade os resultados da estimativa de emissões e de consumo de combustível.
4.2 Trabalho futuro
O estudo da influência da carga dinâmica deve ser retomado e desenvolvido no futuro, em
problemas que possam beneficiar deste tipo de optimização, em especial aqueles em que as
distâncias a carga nula ou de 100% não representem uma parte significativa do percurso e em que as
cargas recolhidas em cada ponto difiram entre si o suficiente para permitir aferir a sensibilidade da
emissão de poluentes e do consumo de combustível à carga transportada. Este factor e o gradiente
de inclinação de estrada são os menos abordados na literatura consultada e configuram importantes
influências neste tipo de cálculo.
A optimização por custos com acesso ao cálculo do consumo de combustível e das emissões
de poluentes, cujo estudo já foi iniciado (Tavares et al., 2010), ou mesmo a optimização das emissões
ou do consumo de combustível, são procedimentos que interessa desenvolver de futuro, visto que
podem levar a resultados verdadeiramente focados nestas variáveis e com elevados benefícios.
73
REFERÊNCIAS BIBLIOGRÁFICAS
APA – Agência Portuguesa do Ambiente, 2010a. “Caracterização da situação dos resíduos urbanos
em Portugal Continental em 2009”. APA, Lisboa.
APA – Agência Portuguesa do Ambiente, 2010b. “Relatório do Estado do Ambiente 2009”. APA,
Lisboa.
APA – Agência Portuguesa do Ambiente, ERSAR – Entidade Reguladora de Serviços de Águas e
Resíduos, 2010. “PERSU II: Planos Estratégico para os Resíduos Sólidos Urbanos 2007-2016.
Relatório de acompanhamento 2008”. APA e ERSAR, Lisboa.
Armstrong, J.M., Khan, A.M., 2004. “Modelling urban transportation emissions: role of GIS”.
Computers, Environment and Urban Systems 28, 421-433.
Assembleia da República, 1999. Lei n.º 159/99. Diário da República – 1ª Série A, n.º 215, de 14 de
Setembro de 1999, pp. 6301-6307.
Badran, M.F., El-Haggar, S.M., 2006. “Optimization of municipal solid waste management in Port Said
– Egypt”. Waste Management 26, 534-545.
Bach, H., Mild, A., Natter, M., Weber, A., 2004. “Combining socio-demographic and logistic factors to
explain the generation and collection of waste paper”. Resources, Conservation and Recycling 41, 65-
73.
Basnet, C., Foulds, L., Igbaria, M., 1996. “FleetManager: a microcomputer-based decision support
system for vehicle routing”. Decision Support Systems 16, 195-207.
Chalkias, C., Lasaridi, K., 2009. “A GIS based model for the optimisation of municipal solid waste
collection: the case study of Nikea, Athens, Greece”. WSEAS Transactions on Environment and
Development 10, 640-650.
Chang, N.B., Wei, Y.L., 1999. “Strategic planning of recycling drop-off stations and collection network
by multiobjective programming”. Environmental Management 24, 247-263.
Comissão Europeia, 1993. Decisão 94/3/CE da Comissão, de 20 de Dezembro de 1993. Jornal Oficial
L 5 pp. 15-33.
Comissão Europeia, 2000. Decisão 2000/532/CE da Comissão, de 3 de Maio de 2000. Jornal Oficial L
226 pp. 3-24.
Conselho da União Europeia, 1975. Directiva 75/442/CEE do Conselho, de 15 de Julho de 1975.
Jornal Oficial L 194 pp. 39-41.
74
Conselho da União Europeia, 1999. Directiva 99/31/CE do Conselho, de 26 de Abril de 1999. Jornal
Oficial L 182 pp 1-19.
Crolla, D.A. (ed), 2009. Automotive Engineering: Powertrain, Chassis System and Vehicle Body.
Butterworth-Heinemann, Oxford, United Kingdom.
Dahlén, L., Lagerkvist, A., 2010. “Pay as you throw – Strengths and weaknesses of weight-based
billing in household waste collection systems in Sweden”. Waste Management 30, 23-31.
Dennis, J.E., Schnabel, R.B., 1996. Numerical Methods for Unconstrained Optimization and Nonlinear
Equations. Society for Industrial and Applied Mathematics, Philadelphia.
Dennison, G.J., Dodd, V.A., Whelan, B., 1996a. “A socio-economic based survey of household
waste characteristics in the city of Dublin, Ireland – I Waste composition”. Resources,
Conservation and Recycling 17, 227-244.
Dennison, G.J., Dodd, V.A., Whelan, B., 1996b. “A socio-economic based survey of household
waste characteristics in the city of Dublin, Ireland – II Waste quantities”. Resources, Conservation
and Recycling 17, 245-257.
Ericsson, E., Larsson, H., Brundell-Freij, K., 2006. “Optimizing route choice for lowest fuel
consumption – Potential effects of a new driver support tool”. Transportation Research Part C 14, 369-
383.
Everett, J.W., Maratha, S., Dorairaj, R., Riley, P., 1998a. “Curbside collection of recyclables I: route
time estimation model”. Resources, Conservation and Recycling 22, 177-192.
Everett, J.W., Dorairaj, R., Maratha, S., Riley, P., 1998b. “Curbside collection of recyclables II:
simulation and economic analysis”. Resources, Conservation and Recycling 22, 217-240.
Fu, L., Sun, D., Rilett, L.R., 2006. “Heuristic shortest path algorithms for transportation applications:
State of the art”. Computers & Operations Research 33, 3324-3343.
Gamberini, R., Gebennini, E., Rimini, B., 2009. “An innovative container for WEEE collection and
transport: Details and effects following the adoption”. Waste Management 29, 2846-2858.
Ghose, M.K., Dikshit, A.K., Sharma, S.K., 2006. “A GIS based transportation model for solid waste
disposal – A case study on Asansol municipality”. Waste Management 26, 1287-1293.
González-Torre, P.L., Adenso-Díaz, B., 2005. “Influence of distance on the motivation and frequency
of household recycling”. Waste Management 25, 15-23.
Grace, B.F., 1976. “Training users of a decision support system”. IBM Research Report RJ1790. IBM
Thomas J. Watson Research Laboratory, New York.
75
Han, G.S.A., Bektaş, N., Öncel, M.S., 2010. “Separate collection practice of packaging waste as an
example of Küçükçekmece, Istanbul, Turkey”. Resources, Conservation and Recycling 54, 1317-1321.
Hickman, J., Hassel, D., Joumard, R., Samaras, Z., Sorenson, S., 1999. “Methodology for calculating
transport emissions and energy consumption”. Report No. SE/491/98. Transport Research Laboratory,
Crowthorne, United Kingdom.
Johansson, O.M., 2006. “The effect of dynamic scheduling and routing in a solid waste management
system”. Waste Management 26, 875-885.
Joumard, R. (ed), 1999. “COST 319 – Methods of estimations of atmospheric emissions from
transport: European scientist network and scientific state-of-the-art”. Report No. LTE 9901. Institut
National de Recherche sur les Transports et leur Sécurité, Bron, France.
Karadimas, N.V., Papatzelou, K., Loumos, V.G., 2007. “Optimal solid waste collection routes identified
by the ant colony system algorithm”. Waste Management & Research 25, 139-147.
Keenan, P.B., 1998. “Spatial decision support systems for vehicle routing”. Decision Support Systems
22, 65-71.
Komilis, D.P., 2008. “Conceptual modeling to optimize the haul and transfer of municipal solid waste”.
Waste Management 28, 2355-2365.
Kulcar, T., 1996. “Optimizing solid waste collection in Brussels”. European Journal of Operational
Research 90, 71-77.
Leao, S., Bishop, I., Evans, D., 2001. “Assessing the demand of solid waste disposal in urban region
by urban dynamics modelling in a GIS environment”. Resources, Conservation and Recycling 33, 289-
313.
Lin, H.Y., Chen, G.H., Lee, P.H., Lin, C.H., 2010. “An interactive optimization system for the location of
supplementary recycling depots”. Resources, Conservation and Recycling 54, 615-622.
Magrinho, A., Didelet, F., Semião, V., 2006. “Municipal solid waste disposal in Portugal”. Waste
Management 26, 1477-1489.
MAOTDR – Ministério do Ambiente, do Ordenamento do Território e do Desenvolvimento Regional,
2001. Plano Estratégico de Gestão de Resíduos Industriais. Instituto Nacional de Resíduos, Lisboa.
MAOTDR – Ministério do Ambiente, do Ordenamento do Território e do Desenvolvimento Regional,
2006a. Decreto-Lei n.º 178/2006. Diário da República – 1.ª Série, n.º 171, de 5 de Setembro de 2006,
pp. 6526-6545.
MAOTDR – Ministério do Ambiente, do Ordenamento do Território e do Desenvolvimento Regional,
2006b. Despacho n.º 454/2006 (2.ª série). Diário da República – 2.ª Série, n.º 6, de 9 de Janeiro de
2006, pp. 276-283.
76
MAOTDR – Ministério do Ambiente, do Ordenamento do Território e do Desenvolvimento Regional,
2007. Plano Estratégico para os Resíduos Sólidos Urbanos II. Instituto Nacional de Resíduos, Lisboa.
Martinho, M.G., Gonçalves, M.G., 2000. Gestão de Resíduos. Universidade Aberta, Lisboa.
McDonald, S., Ball, R., 1998. “Public participation in plastics recycling schemes”. Resources,
Conservation and Recycling 22, 123-141.
Mgaya, P., Nondek, L., 2004. “Disposal frequencies of selected recyclable wastes in Dar es Salaam”.
Waste Management 24, 927-933.
Ministério da Saúde, MAOTDR – Ministério do Ambiente, do Ordenamento do Território e do
Desenvolvimento Regional, MADRP – Ministério da Agricultura, do Desenvolvimento Rural e das
Pescas, 2011. Plano Estratégico dos Resíduos Hospitalares. Direcção-Geral da Saúde, Agência
Portuguesa do Ambiente e Direcção-Geral de Veterinária, Lisboa.
Ministério do Ambiente, 1997. Plano Estratégico Sectorial de Gestão dos Resíduos Sólidos Urbanos.
Instituto Nacional de Resíduos, Lisboa.
Morrissey, A.J., Browne, J., 2004. “Waste management models and their application to sustainable
waste management”. Waste Management 24, 297-308.
Pássaro, D.A., 2003. “Report: waste management in Portugal between 1996 and 2002”. Waste
Management 23, 97-99.
Pisinger, D., Ropke, S., 2007. “A general heuristic for vehicle routing problems”. Computers &
Operations Research 34, 2403-2435.
Presidência do Conselho de Ministros, 1985. Decreto-Lei n.º 488/85. Diário da República – 1.ª Série,
n.º 271, de 25 de Novembro de 1985, pp. 3905-3907.
Purcell, M., Magette, W.L., 2009. “Prediction of household and commercial BMW generation according
to socio-economic and other factors for the Dublin region”. Waste Management 29, 1237-1250.
Salhofer, S., Schneider, F., Obersteiner, G., 2007. “The ecological relevance of transport in waste
disposal systems in Western Europe”. Waste Management 27, S47-S57.
Santos, L.A., Rodrigues, J.C., 2003. “Implementação em SIG de uma heurística para o estudo da
recolha de resíduos sólidos urbanos”. Research Report No. 6/2003. Instituto de Engenharia de
Sistemas e Computadores (INESC) Coimbra, Portugal.
Sidique, S.F., Lupi, F., Joshi, S.V., 2010. “The effects of behavior and attitudes on drop-off recycling
activities”. Resources, Conservation and Recycling 54, 163-170.
Simonetto, E.O., Borenstein, D., 2007. “A decision support system for the operational planning of solid
waste collection”. Waste Management 27, 1286-1297.
77
Sonesson, U., 2000. “Modelling of waste collection – a general approach to calculate fuel consumption
and time”. Waste management and Research 18, 115-123.
Tarantilis, C.D., Diakoulaki, D., Kiranoudis, C.T., 2004. “Combination of geographical information
system and efficient routing algorithms for real life distribution operations”. European Journal of
Operational Research 152, 437-453.
Tarantilis, C.D., Ioannou, G., Prastacos, G., 2005. “Advanced vehicle routing algorithms for complex
operations management problems”. Journal of Food Engineering 70, 455-471.
Tavares, G., Zsigraiová, Z., Semião, V., Carvalho, M.G., 2008. “A case study of fuel savings through
optimisation of MSW transportation routes”. Management of Environmental Quality: an International
Journal 19, 444-454.
Tavares, G., Zsigraiová, Z., Semião, V., Carvalho M.G., 2009. “Optimisation of MSW collection routes
for minimum fuel consumption with 3D GIS modelling”. Waste Management 29, 1176-1185.
Tavares, G., Beijoco, A.F., Zsigraiova, Z., Semiao, V., 2010. “Minimisation of operation costs by
vehicle fleet routes optimisation in waste collection activities”. Proceedings Venice 2010, Third
International Symposium on Energy from Biomass and Waste, Venice, Italy. Environmental Sanitary
Engineering Centre, Italy.
Taylor, M.A.P., Woolley, J.E., Zito, R., 2000. “Integration of the global positioning system and
geographical information systems for traffic congestion studies”. Transportation Research Part C 8,
257-285.
Tchobanoglous, G., Theisen, H., Vigil, S., 1993. Integrated Solid Waste Management: Engineering
Principles and Management Issues. McGraw-Hill, New York.
Teixeira, J., Antunes, A.P., Sousa, J.P., 2004. “Recyclable waste collection planning – a case study”.
European Journal of Operational Research 158, 543-554.
Toth, P., Vigo, D., 2002. The Vehicle Routing Problem. Society for Industrial and Applied Mathematics,
Philadelphia.
Tucker, P., Grayson, J., Speirs, D., 2000. “Integrated effects of a reduction in collection frequency for a
kerbside newspaper recycling scheme”. Resources, Conservation and Recycling 31, 149-170.
UNEP/GRID-Arendal, 2006. “Waste management choices in Europe”. UNEP/GRID-Arendal Maps and
Graphics Library. Disponível em:
http://maps.grida.no/go/graphic/waste_management_choices_in_europe (último acesso a 3 de Maio
de 2011).
78
Viana, M.N., 2006. A aplicação de heurísticas para geração de rotas em ambiente SIG. Dissertação
para obtenção do grau de Mestre em Investigação Operacional e Engenharia de Sistemas.
Departamento de Engenharia Civil, Instituto Superior Técnico, Lisboa, Portugal.
Vicente, P., Reis, E., 2007. “Segmenting households according to recycling attitudes in a Portuguese
urban area”. Resources, Conservation and Recycling 52, 1-12.
Wang, F.S., Richardson, A.J., Roddick, F.A., 1996. “SWIM – A computer model for solid waste
integrated management”. Computers, Environment and Urban Systems 20, 233-246.
Wang, X., 2005. “Integrating GIS, simulation models, and visualization in traffic impact analysis”.
Computers, Environment and Urban Systems 29, 471-496.
Wilson, C.D.H., Williams, I.D., 2007. “Kerbside collection: A case study from the north-west of
England”. Resources, Conservation and Recycling 52, 381-394.
Woodard, R., Harder, M.K., Bench, M., 2006. “Participation in curbside recycling schemes and its
variation with material types”. Waste Management 26, 914-919.
Yates, P.M., Bishop, I.D., 1998. “The integration of existing GIS and modelling systems: with urban
applications”. Computers, Environment and Urban Systems 22, 71-80.
Zamorano, M., Molero, E., Grindlay, A., Rodríguez, M.L., Hurtado, A., Calvo, F.J., 2009. “A planning
scenario for the application of geographical information systems in municipal waste collection: A case
of Churriana de la Vega (Granada, Spain)”. Resources, Conservation and Recycling 54, 123-133.
79
ANEXO 1. RESULTADOS SEMANAIS DETALHADOS
Neste anexo são apresentados em detalhe os resultados médios semanais, por rota, dos
valores de tempo de viagem, tempo total e distância percorrida; das emissões de CO, CO2, VOC,
NOx e PM; de consumo específico de combustível e consumo de combustível; e de custos. A1.1
contém os valores resultantes da optimização por distância e A1.2 os resultados da optimização por
tempo.
Os resultados referentes à média semanal para todo o ciclo são apresentados e analisados
no capítulo 3.
A1.1 Resultados detalhados da optimização por distância
As tabelas 29, 30, 31 e 32 apresentam os resultados da optimização por distância, detalhados
para cada rota, numa base média semanal.
Tabela 29 – Resultados do cálculo semanal dos valores de tempo de viagem, tempo total e
distância percorrida, correspondentes à optimização por distância.
Circuito Rota Tempo de viagem
[min/semana] Tempo total
[min/semana] Distância percorrida
[km/semana]
C1 Veículo A 1,4 2,3 0,7 Veículo B 1,7 2,7 0,7
C2 Veículo A 0,9 1,4 0,5 Veículo B 0,7 1,1 0,4
C3 Veículo A 10,5 15,9 4,1 Veículo B 8,8 15,3 4,1
C4 Veículo A 10,1 15,5 4,1 Veículo B 8,8 15,1 4,5
C5 Veículo A 1,1 1,5 0,4 Veículo B 1,2 2,0 0,5
C6 Veículo A 4,2 6,1 1,6 Veículo B 3,8 6,2 1,5
C7 Veículo A 2,1 2,9 0,7 Veículo B 2,0 3,5 1,0
C8 Veículo A 0,8 1,2 0,4 Veículo B 0,6 1,0 0,3
C9 Veículo A 0,8 1,3 0,4 Veículo B 0,9 1,4 0,4
C10 Veículo A 1,9 2,4 0,5 Veículo B 2,4 4,2 1,1
C11 Veículo A 2,8 4,2 1,3 Veículo B 2,8 4,4 1,0
C12 Veículo A 9,4 13,9 3,6 Veículo B 6,7 12,3 3,8
C13 Veículo A 0,6 1,0 0,3 Veículo B 1,7 2,6 0,7
C14 Veículo A 1,1 1,7 0,5 Veículo B 1,7 2,4 0,6
C15 Veículo A 1,7 2,5 0,7 Veículo B 1,7 2,7 0,7
80
Circuito Rota Tempo de viagem
[min/semana] Tempo total
[min/semana] Distância percorrida
[km/semana]
C16 Veículo A 1,3 1,9 0,5 Veículo B 1,0 1,8 0,5
C17 Veículo A 0,7 1,1 0,4 Veículo B 0,5 0,9 0,3
C18 Veículo A 1,6 2,5 0,7 Veículo B 1,5 2,6 0,7
C19 Veículo A 9,1 13,3 4,1 Veículo B 3,5 5,9 1,9
C20 Veículo A 5,5 8,4 2,5 Veículo B 5,0 8,1 2,0
C21 Veículo A 1,3 2,2 0,7 Veículo B 1,6 2,5 0,7
C22 Veículo A 1,7 2,6 0,8 Veículo B 1,9 3,0 0,7
C23 Veículo A 2,7 3,8 1,1 Veículo B 2,4 3,9 1,0
C24 Veículo A 1,1 1,7 0,5 Veículo B 0,8 1,4 0,4
C25 Veículo A 1,3 2,2 0,7 Veículo B 1,4 2,4 0,6
C26 Veículo A 1,0 1,7 0,6 Veículo B 1,3 2,1 0,5
C27 Veículo A 6,5 9,7 2,7 Veículo B 4,7 8,0 2,3
C28 Veículo A 1,6 2,5 0,7 Veículo B 1,4 2,5 0,7
C29 Veículo A 1,4 2,3 0,7 Veículo B 1,5 2,4 0,5
C30 Veículo A 2,6 4,4 1,4 Veículo B 3,8 5,9 1,4
C31 Veículo A 1,4 2,2 0,6 Veículo B 1,5 2,3 0,6
C32 Veículo A 2,3 3,6 1,1 Veículo B 1,8 3,2 0,9
C33 Veículo A 2,5 3,7 1,0 Veículo B 2,9 4,4 1,1
C34 Veículo A 1,0 1,6 0,5 Veículo B 1,6 2,6 0,7
C35 Veículo A 1,5 2,4 0,7 Veículo B 1,2 2,0 0,5
C36 Veículo A 3,7 5,5 1,5 Veículo B 4,5 6,5 1,6
C37 Veículo A 1,3 2,0 0,5 Veículo B 1,3 2,4 0,7
C38 Veículo A 2,6 4,0 1,1 Veículo B 2,7 4,4 1,2
C39 Veículo A 1,5 2,1 0,5 Veículo B 0,6 1,2 0,4
C40 Veículo A 1,0 1,6 0,5 Veículo B 1,3 2,3 0,6
C41 Veículo A 1,7 2,5 0,7 Veículo B 1,4 2,1 0,6
C42 Veículo A 1,2 1,9 0,5 Veículo B 1,1 1,9 0,5
81
Circuito Rota Tempo de viagem
[min/semana] Tempo total
[min/semana] Distância percorrida
[km/semana]
C43 Veículo A 1,5 2,4 0,7 Veículo B 1,7 2,9 0,7
C44 Veículo A 1,2 1,8 0,5 Veículo B 0,9 1,4 0,4
C45 Veículo A 2,0 2,8 0,7 Veículo B 1,0 1,8 0,5
C46 Veículo A 1,1 1,7 0,5 Veículo B 1,1 1,9 0,5
C47 Veículo A 1,1 1,7 0,5 Veículo B 1,1 1,8 0,5
C48 Veículo A 1,1 1,8 0,5 Veículo B 1,3 2,0 0,5
C49 Veículo A 1,6 2,6 0,7 Veículo B 1,8 2,9 0,7
C50 Veículo A 1,3 1,9 0,5 Veículo B 1,0 1,9 0,5
C51 Veículo A 0,9 1,4 0,4 Veículo B 0,6 1,0 0,3
C52 Veículo A 1,3 2,2 0,7 Veículo B 1,4 2,2 0,5
C53 Veículo A 1,0 1,6 0,5 Veículo B 0,9 1,5 0,4
C54 Veículo A 0,8 1,2 0,3 Veículo B 1,4 2,2 0,5
C55 Veículo A 1,5 2,4 0,7 Veículo B 1,4 2,4 0,6
C56 Veículo A 0,3 0,5 0,2 Veículo B 1,0 1,6 0,4
C57 Veículo A 1,3 2,1 0,7 Veículo B 1,5 2,3 0,5
C58 Veículo A 1,5 2,4 0,6 Veículo B 1,7 2,7 0,7
Total Veículo A 129,6 197,2 55,8 Veículo B 119,6 198,1 53,2
Total 249,2 395,4 109,1
Tabela 30 – Resultados do cálculo semanal das emissões de CO, CO2, VOC, NOx e PM,
correspondentes à optimização por distância.
Circuito Rota CO
[g/semana] CO2
[g/semana] VOC
[g/semana] NOx
[g/semana] PM
[g/semana]
C1 Veículo A 2 420 2 5 1 Veículo B 3 709 2 9 1
C2 Veículo A 1 271 1 3 0 Veículo B 1 333 1 4 0
C3 Veículo A 14 2989 10 34 4 Veículo B 17 3997 10 51 3
C4 Veículo A 12 3049 9 33 3 Veículo B 18 4223 10 53 3
C5 Veículo A 1 275 1 4 0 Veículo B 2 526 1 7 0
C6 Veículo A 5 1180 4 14 1 Veículo B 7 1564 4 20 1
82
Circuito Rota CO
[g/semana] CO2
[g/semana] VOC
[g/semana] NOx
[g/semana] PM
[g/semana]
C7 Veículo A 2 596 2 6 1 Veículo B 4 960 2 12 1
C8 Veículo A 1 227 1 3 0 Veículo B 1 281 1 4 0
C9 Veículo A 1 242 1 3 0 Veículo B 2 369 1 5 0
C10 Veículo A 2 516 1 5 1 Veículo B 5 1101 3 14 1
C11 Veículo A 4 812 3 10 1 Veículo B 5 1125 3 14 1
C12 Veículo A 14 2521 10 32 3 Veículo B 14 3369 8 42 3
C13 Veículo A 1 204 1 2 0 Veículo B 3 702 2 9 1
C14 Veículo A 2 320 1 4 0 Veículo B 3 624 2 8 1
C15 Veículo A 3 493 2 6 1 Veículo B 3 717 2 9 1
C16 Veículo A 2 383 1 4 0 Veículo B 2 497 1 6 0
C17 Veículo A 1 219 1 3 0 Veículo B 1 270 1 3 0
C18 Veículo A 2 489 1 5 1 Veículo B 3 675 2 9 1
C19 Veículo A 15 2609 11 32 3 Veículo B 8 1761 4 21 1
C20 Veículo A 8 1608 6 20 2 Veículo B 10 2070 5 27 2
C21 Veículo A 2 416 2 5 1 Veículo B 3 670 2 8 1
C22 Veículo A 3 497 2 6 1 Veículo B 4 757 2 10 1
C23 Veículo A 4 771 3 9 1 Veículo B 5 1001 3 13 1
C24 Veículo A 2 323 1 4 0 Veículo B 2 355 1 4 0
C25 Veículo A 2 416 1 5 1 Veículo B 3 603 2 8 1
C26 Veículo A 2 329 1 4 0 Veículo B 2 539 1 7 1
C27 Veículo A 8 1897 6 22 2 Veículo B 9 2160 5 27 2
C28 Veículo A 2 495 1 6 1 Veículo B 3 651 2 8 1
C29 Veículo A 2 431 2 5 1 Veículo B 3 561 2 7 1
C30 Veículo A 4 820 3 10 1 Veículo B 7 1502 4 19 1
C31 Veículo A 2 418 1 5 1 Veículo B 3 585 2 8 1
C32 Veículo A 4 670 3 8 1 Veículo B 4 847 2 11 1
C33 Veículo A 3 717 2 8 1 Veículo B 5 1174 3 15 1
83
Circuito Rota CO
[g/semana] CO2
[g/semana] VOC
[g/semana] NOx
[g/semana] PM
[g/semana]
C34 Veículo A 2 314 1 4 0 Veículo B 3 676 2 9 1
C35 Veículo A 2 464 1 5 1 Veículo B 2 524 1 7 0
C36 Veículo A 5 1036 4 13 1 Veículo B 8 1699 5 22 2
C37 Veículo A 2 385 1 4 0 Veículo B 3 648 2 8 1
C38 Veículo A 4 707 3 9 1 Veículo B 5 1182 3 15 1
C39 Veículo A 2 410 1 5 1 Veículo B 1 331 1 4 0
C40 Veículo A 2 310 1 4 0 Veículo B 3 597 1 8 1
C41 Veículo A 2 496 2 6 1 Veículo B 3 598 2 8 1
C42 Veículo A 2 364 1 4 0 Veículo B 2 505 1 6 0
C43 Veículo A 2 464 2 5 1 Veículo B 3 732 2 9 1
C44 Veículo A 2 360 1 4 0 Veículo B 2 366 1 5 0
C45 Veículo A 3 531 2 7 1 Veículo B 2 499 1 6 0
C46 Veículo A 2 329 1 4 0 Veículo B 2 504 1 6 0
C47 Veículo A 1 332 1 4 0 Veículo B 2 501 1 6 0
C48 Veículo A 2 352 1 4 0 Veículo B 3 524 1 7 1
C49 Veículo A 2 473 2 6 1 Veículo B 3 746 2 10 1
C50 Veículo A 2 378 1 4 0 Veículo B 2 488 1 6 0
C51 Veículo A 1 252 1 3 0 Veículo B 1 264 1 3 0
C52 Veículo A 2 411 2 5 1 Veículo B 3 554 2 7 1
C53 Veículo A 2 303 1 4 0 Veículo B 2 386 1 5 0
C54 Veículo A 1 241 1 3 0 Veículo B 3 552 2 7 1
C55 Veículo A 2 461 1 5 1 Veículo B 3 591 2 8 1
C56 Veículo A 1 102 0 1 0 Veículo B 2 396 1 5 0
C57 Veículo A 2 399 1 5 1 Veículo B 3 576 2 7 1
C58 Veículo A 2 431 2 5 1 Veículo B 3 710 2 9 1
Total Veículo A 182 37926 129 445 45 Veículo B 235 52422 130 662 44
Total 417 90348 260 1107 89
84
Tabela 31 – Resultados do cálculo do consumo específico de combustível e do consumo
semanal de combustível, correspondentes à optimização por distância.
Circuito Rota Consumo específico de combustível
[l/100 km] Consumo de combustível
[l/semana]
C1 Veículo A 23,2 0,2 Veículo B 37,8 0,3
C2 Veículo A 23,1 0,1 Veículo B 34,4 0,1
C3 Veículo A 27,7 1,1 Veículo B 37,1 1,5
C4 Veículo A 28,6 1,2 Veículo B 35,4 1,6
C5 Veículo A 28,9 0,1 Veículo B 37,8 0,2
C6 Veículo A 28,3 0,5 Veículo B 39,9 0,6
C7 Veículo A 30,6 0,2 Veículo B 35,2 0,4
C8 Veículo A 24,8 0,1 Veículo B 36,8 0,1
C9 Veículo A 24,9 0,1 Veículo B 38,4 0,1
C10 Veículo A 36,7 0,2 Veículo B 37,7 0,4
C11 Veículo A 23,5 0,3 Veículo B 41,8 0,4
C12 Veículo A 27,0 1,0 Veículo B 33,3 1,3
C13 Veículo A 23,0 0,1 Veículo B 37,8 0,3
C14 Veículo A 24,8 0,1 Veículo B 43,2 0,2
C15 Veículo A 25,7 0,2 Veículo B 39,7 0,3
C16 Veículo A 28,2 0,1 Veículo B 35,4 0,2
C17 Veículo A 23,4 0,1 Veículo B 33,9 0,1
C18 Veículo A 28,2 0,2 Veículo B 37,4 0,3
C19 Veículo A 24,2 1,0 Veículo B 35,7 0,7
C20 Veículo A 24,4 0,6 Veículo B 39,7 0,8
C21 Veículo A 23,1 0,2 Veículo B 36,4 0,3
C22 Veículo A 23,6 0,2 Veículo B 41,7 0,3
C23 Veículo A 26,1 0,3 Veículo B 40,1 0,4
C24 Veículo A 25,9 0,1 Veículo B 37,0 0,1
C25 Veículo A 22,3 0,2 Veículo B 37,9 0,2
85
Circuito Rota Consumo específico de combustível
[l/100 km] Consumo de combustível
[l/semana]
C26 Veículo A 22,8 0,1 Veículo B 37,9 0,2
C27 Veículo A 27,0 0,7 Veículo B 36,5 0,8
C28 Veículo A 27,2 0,2 Veículo B 35,5 0,2
C29 Veículo A 23,6 0,2 Veículo B 42,5 0,2
C30 Veículo A 22,9 0,3 Veículo B 39,6 0,6
C31 Veículo A 26,9 0,2 Veículo B 39,9 0,2
C32 Veículo A 24,3 0,3 Veículo B 36,2 0,3
C33 Veículo A 28,2 0,3 Veículo B 40,5 0,4
C34 Veículo A 22,6 0,1 Veículo B 38,7 0,3
C35 Veículo A 25,8 0,2 Veículo B 38,7 0,2
C36 Veículo A 26,8 0,4 Veículo B 40,8 0,6
C37 Veículo A 28,2 0,1 Veículo B 35,6 0,2
C38 Veículo A 25,7 0,3 Veículo B 36,6 0,5
C39 Veículo A 28,9 0,2 Veículo B 34,1 0,1
C40 Veículo A 23,1 0,1 Veículo B 35,9 0,2
C41 Veículo A 26,9 0,2 Veículo B 39,3 0,2
C42 Veículo A 26,6 0,1 Veículo B 36,5 0,2
C43 Veículo A 24,7 0,2 Veículo B 39,3 0,3
C44 Veículo A 25,8 0,1 Veículo B 39,3 0,1
C45 Veículo A 28,6 0,2 Veículo B 35,6 0,2
C46 Veículo A 25,0 0,1 Veículo B 37,7 0,2
C47 Veículo A 25,1 0,1 Veículo B 36,1 0,2
C48 Veículo A 26,4 0,1 Veículo B 37,6 0,2
C49 Veículo A 25,8 0,2 Veículo B 39,4 0,3
C50 Veículo A 26,9 0,1 Veículo B 35,5 0,2
C51 Veículo A 26,0 0,1 Veículo B 35,6 0,1
C52 Veículo A 22,7 0,2 Veículo B 40,9 0,2
86
Circuito Rota Consumo específico de combustível
[l/100 km] Consumo de combustível
[l/semana]
C53 Veículo A 22,4 0,1 Veículo B 39,9 0,1
C54 Veículo A 26,6 0,1 Veículo B 39,8 0,2
C55 Veículo A 25,3 0,2 Veículo B 37,1 0,2
C56 Veículo A 22,9 0,0 Veículo B 40,8 0,2
C57 Veículo A 22,4 0,2 Veículo B 40,9 0,2
C58 Veículo A 25,7 0,2 Veículo B 38,0 0,3
Total Veículo A 14,5 Veículo B 20,0
Total 34,5
Tabela 32 – Resultados do cálculo dos custos semanais correspondentes à optimização por
distância.
Circuito Rota
Custo
Consumo de combustível [€/semana]
Manutenção [€/semana]
Mão-de-obra [€/semana]
Total [€/semana]
C1 Veículo A 0,16 0,13 0,94 1,23 Veículo B 0,26 0,16 1,10 1,52
C2 Veículo A 0,10 0,09 0,58 0,76 Veículo B 0,12 0,08 0,45 0,65
C3 Veículo A 1,11 0,78 6,47 8,37 Veículo B 1,48 0,90 6,21 8,59
C4 Veículo A 1,13 0,77 6,29 8,19 Veículo B 1,57 1,00 6,15 8,72
C5 Veículo A 0,10 0,07 0,61 0,78 Veículo B 0,20 0,12 0,81 1,12
C6 Veículo A 0,44 0,30 2,49 3,23 Veículo B 0,58 0,33 2,54 3,45
C7 Veículo A 0,22 0,14 1,19 1,55 Veículo B 0,36 0,23 1,44 2,02
C8 Veículo A 0,08 0,07 0,50 0,65 Veículo B 0,10 0,06 0,42 0,59
C9 Veículo A 0,09 0,07 0,52 0,68 Veículo B 0,14 0,08 0,57 0,79
C10 Veículo A 0,19 0,10 0,99 1,29 Veículo B 0,41 0,24 1,69 2,34
C11 Veículo A 0,30 0,25 1,70 2,26 Veículo B 0,42 0,23 1,79 2,43
C12 Veículo A 0,94 0,68 5,64 7,26 Veículo B 1,25 0,85 5,02 7,12
C13 Veículo A 0,08 0,06 0,41 0,55 Veículo B 0,26 0,16 1,07 1,49
87
Circuito Rota
Custo
Consumo de combustível [€/semana]
Manutenção [€/semana]
Mão-de-obra [€/semana]
Total [€/semana]
C14 Veículo A 0,12 0,09 0,71 0,92 Veículo B 0,23 0,12 0,98 1,34
C15 Veículo A 0,18 0,14 1,00 1,32 Veículo B 0,27 0,15 1,09 1,51
C16 Veículo A 0,14 0,10 0,77 1,01 Veículo B 0,18 0,12 0,73 1,03
C17 Veículo A 0,08 0,07 0,44 0,59 Veículo B 0,10 0,07 0,36 0,53
C18 Veículo A 0,18 0,13 1,00 1,31 Veículo B 0,25 0,15 1,05 1,45
C19 Veículo A 0,98 0,79 5,43 7,19 Veículo B 0,65 0,41 2,39 3,46
C20 Veículo A 0,60 0,48 3,42 4,50 Veículo B 0,77 0,44 3,27 4,48
C21 Veículo A 0,16 0,13 0,90 1,19 Veículo B 0,25 0,15 1,03 1,43
C22 Veículo A 0,19 0,15 1,07 1,41 Veículo B 0,28 0,15 1,23 1,66
C23 Veículo A 0,29 0,22 1,55 2,05 Veículo B 0,37 0,21 1,60 2,18
C24 Veículo A 0,12 0,09 0,68 0,89 Veículo B 0,13 0,08 0,56 0,77
C25 Veículo A 0,16 0,14 0,90 1,19 Veículo B 0,22 0,13 0,97 1,33
C26 Veículo A 0,12 0,11 0,68 0,91 Veículo B 0,20 0,12 0,85 1,17
C27 Veículo A 0,71 0,51 3,93 5,15 Veículo B 0,80 0,50 3,26 4,56
C28 Veículo A 0,18 0,13 1,02 1,34 Veículo B 0,24 0,15 1,00 1,40
C29 Veículo A 0,16 0,13 0,94 1,23 Veículo B 0,21 0,11 0,98 1,30
C30 Veículo A 0,31 0,26 1,78 2,35 Veículo B 0,56 0,32 2,41 3,29
C31 Veículo A 0,16 0,11 0,88 1,15 Veículo B 0,22 0,12 0,94 1,28
C32 Veículo A 0,25 0,20 1,45 1,90 Veículo B 0,31 0,20 1,29 1,80
C33 Veículo A 0,27 0,18 1,49 1,94 Veículo B 0,44 0,24 1,80 2,48
C34 Veículo A 0,12 0,10 0,65 0,86 Veículo B 0,25 0,15 1,08 1,47
C35 Veículo A 0,17 0,13 0,98 1,29 Veículo B 0,19 0,11 0,82 1,13
C36 Veículo A 0,39 0,28 2,23 2,90 Veículo B 0,63 0,35 2,63 3,62
C37 Veículo A 0,14 0,10 0,79 1,04 Veículo B 0,24 0,15 0,99 1,38
C38 Veículo A 0,26 0,20 1,62 2,08 Veículo B 0,44 0,27 1,79 2,50
C39 Veículo A 0,15 0,10 0,87 1,12 Veículo B 0,12 0,08 0,49 0,70
88
Circuito Rota
Custo
Consumo de combustível [€/semana]
Manutenção [€/semana]
Mão-de-obra [€/semana]
Total [€/semana]
C40 Veículo A 0,12 0,10 0,65 0,86 Veículo B 0,22 0,14 0,92 1,28
C41 Veículo A 0,18 0,13 1,01 1,33 Veículo B 0,22 0,13 0,84 1,19
C42 Veículo A 0,14 0,10 0,79 1,02 Veículo B 0,19 0,12 0,79 1,09
C43 Veículo A 0,17 0,14 0,98 1,29 Veículo B 0,27 0,16 1,16 1,59
C44 Veículo A 0,13 0,10 0,75 0,98 Veículo B 0,14 0,08 0,58 0,79
C45 Veículo A 0,20 0,14 1,14 1,48 Veículo B 0,18 0,12 0,75 1,05
C46 Veículo A 0,12 0,10 0,69 0,91 Veículo B 0,19 0,11 0,77 1,07
C47 Veículo A 0,12 0,10 0,67 0,89 Veículo B 0,19 0,12 0,72 1,03
C48 Veículo A 0,13 0,10 0,74 0,96 Veículo B 0,19 0,12 0,82 1,13
C49 Veículo A 0,18 0,13 1,04 1,35 Veículo B 0,28 0,16 1,18 1,62
C50 Veículo A 0,14 0,10 0,78 1,02 Veículo B 0,18 0,12 0,76 1,05
C51 Veículo A 0,09 0,07 0,55 0,71 Veículo B 0,10 0,06 0,39 0,55
C52 Veículo A 0,15 0,13 0,87 1,16 Veículo B 0,21 0,11 0,90 1,22
C53 Veículo A 0,11 0,10 0,63 0,85 Veículo B 0,14 0,08 0,62 0,85
C54 Veículo A 0,09 0,07 0,48 0,64 Veículo B 0,21 0,12 0,88 1,20
C55 Veículo A 0,17 0,13 0,96 1,26 Veículo B 0,22 0,13 0,96 1,31
C56 Veículo A 0,04 0,03 0,20 0,28 Veículo B 0,15 0,08 0,64 0,87
C57 Veículo A 0,15 0,13 0,84 1,12 Veículo B 0,21 0,12 0,94 1,27
C58 Veículo A 0,16 0,12 0,96 1,24 Veículo B 0,26 0,16 1,11 1,53
Total Veículo A 14,14 10,61 80,24 104,99 Veículo B 19,46 11,71 80,61 111,78
Total 33,60 22,32 160,85 216,77
89
A1.2 Resultados detalhados da optimização por tempo
As tabelas 33, 34, 35 e 36 apresentam os resultados médios semanais da optimização por
tempo, detalhados para cada rota que compõe o ciclo.
Tabela 33 – Resultados do cálculo semanal dos valores de tempo de viagem, tempo total e
distância percorrida, correspondentes à optimização por tempo.
Circuito Rota Tempo de viagem [min/semana]
Tempo total [min/semana]
Distância percorrida [km/semana]
C1 Veículo A 0,9 1,9 0,7 Veículo B 1,0 2,0 0,7
C2 Veículo A 0,3 0,6 0,3 Veículo B 0,7 1,4 0,5
C3 Veículo A 6,4 12,2 4,7 Veículo B 5,9 12,4 4,4
C4 Veículo A 7,6 15,0 5,6 Veículo B 4,5 8,8 3,2
C5 Veículo A 0,4 0,8 0,3 Veículo B 0,8 1,6 0,5
C6 Veículo A 1,9 3,9 1,5 Veículo B 2,2 4,7 1,6
C7 Veículo A 1,0 1,7 0,7 Veículo B 1,5 3,1 1,1
C8 Veículo A 0,5 0,9 0,3 Veículo B 0,4 0,9 0,3
C9 Veículo A 0,2 0,4 0,2 Veículo B 0,8 1,6 0,6
C10 Veículo A 2,2 4,0 1,6 Veículo B 0,7 1,3 0,5
C11 Veículo A 0,8 1,6 0,6 Veículo B 1,9 4,0 1,4
C12 Veículo A 5,1 9,4 3,7 Veículo B 4,8 10,2 3,5
C13 Veículo A 1,0 1,9 0,7 Veículo B 0,5 0,9 0,3
C14 Veículo A 0,4 0,7 0,3 Veículo B 1,0 2,1 0,7
C15 Veículo A 0,4 0,6 0,3 Veículo B 1,6 3,1 1,1
C16 Veículo A 0,9 1,9 0,7 Veículo B 0,5 1,0 0,4
C17 Veículo A 0,6 1,2 0,5 Veículo B 0,3 0,5 0,2
C18 Veículo A 1,0 1,9 0,7 Veículo B 0,9 2,0 0,7
C19 Veículo A 5,0 9,2 3,8 Veículo B 3,2 5,6 2,2
C20 Veículo A 3,4 6,3 2,5 Veículo B 2,7 5,7 1,9
C21 Veículo A 1,0 1,9 0,7 Veículo B 0,9 1,9 0,7
C22 Veículo A 1,0 2,0 0,8 Veículo B 1,0 2,1 0,7
90
Circuito Rota Tempo de viagem
[min/semana] Tempo total
[min/semana] Distância percorrida
[km/semana]
C23 Veículo A 0,6 0,9 0,4 Veículo B 2,2 4,5 1,6
C24 Veículo A 0,2 0,4 0,2 Veículo B 0,8 1,7 0,5
C25 Veículo A 1,0 1,9 0,7 Veículo B 0,9 1,9 0,7
C26 Veículo A 0,5 0,9 0,4 Veículo B 1,0 2,1 0,7
C27 Veículo A 3,8 7,4 2,8 Veículo B 3,0 5,9 2,2
C28 Veículo A 0,9 1,8 0,7 Veículo B 1,0 2,1 0,7
C29 Veículo A 0,8 1,6 0,6 Veículo B 1,0 2,1 0,7
C30 Veículo A 1,9 3,6 1,4 Veículo B 1,9 4,1 1,4
C31 Veículo A 0,6 1,1 0,5 Veículo B 1,0 2,0 0,7
C32 Veículo A 1,0 1,9 0,8 Veículo B 1,5 3,1 1,1
C33 Veículo A 1,0 1,8 0,7 Veículo B 2,1 4,1 1,5
C34 Veículo A 0,9 1,7 0,7 Veículo B 0,7 1,5 0,5
C35 Veículo A 0,7 1,3 0,5 Veículo B 0,9 2,0 0,7
C36 Veículo A 1,4 2,5 1,0 Veículo B 2,7 5,4 2,0
C37 Veículo A 0,9 1,8 0,7 Veículo B 0,9 1,9 0,7
C38 Veículo A 0,9 1,8 0,7 Veículo B 1,8 3,9 1,3
C39 Veículo A 0,8 1,4 0,5 Veículo B 0,5 1,1 0,4
C40 Veículo A 0,7 1,3 0,5 Veículo B 0,9 1,8 0,6
C41 Veículo B 1,5 2,9 1,1
C42 Veículo A 0,9 1,9 0,7 Veículo B 0,5 1,1 0,4
C43 Veículo A 1,0 1,9 0,7 Veículo B 1,0 2,1 0,7
C44 Veículo A 0,7 1,4 0,5 Veículo B 0,5 1,0 0,3
C45 Veículo A 0,7 1,4 0,5 Veículo B 0,6 0,9 0,4
C46 Veículo A 2,2 4,5 1,6 Veículo B 0,2 0,4 0,2
C47 Veículo A 0,8 1,7 0,5 Veículo B 1,0 1,9 0,7
C48 Veículo A 0,9 1,9 0,7 Veículo B 0,5 0,9 0,4
C49 Veículo A 1,0 2,1 0,7 Veículo B 3,8 7,4 2,8
91
Circuito Rota Tempo de viagem
[min/semana] Tempo total
[min/semana] Distância percorrida
[km/semana]
C50 Veículo A 0,8 1,4 0,5 Veículo B 0,7 1,5 0,5
C51 Veículo B 0,8 1,6 0,6
C52 Veículo A 0,8 1,6 0,6 Veículo B 0,8 1,6 0,6
C53 Veículo A 0,4 0,6 0,3 Veículo B 0,8 1,7 0,6
C54 Veículo A 0,2 0,4 0,2 Veículo B 1,0 2,0 0,7
C55 Veículo A 0,8 1,7 0,6 Veículo B 0,9 2,0 0,7
C56 Veículo A 0,7 1,2 0,5 Veículo B 0,2 0,5 0,2
C57 Veículo A 0,7 1,4 0,5 Veículo B 0,9 1,9 0,7
C58 Veículo A 0,9 1,8 0,7 Veículo B 1,0 2,0 0,7
Total Veículo A 71,9 136,5 53,3 Veículo B 77,5 159,1 56,1
Total 149,3 295,6 109,4
Tabela 34 – Resultados do cálculo semanal das emissões de CO, CO2, VOC, NOx e PM,
correspondentes à optimização por tempo.
Circuito Rota CO
[g/semana] CO2
[g/semana] VOC
[g/semana] NOx
[g/semana] PM
[g/semana]
C1 Veículo A 2 353 1 4 0 Veículo B 2 572 1 7 0
C2 Veículo A 1 131 0 1 0 Veículo B 2 422 1 5 0
C3 Veículo A 12 2394 8 26 3 Veículo B 14 3415 7 40 3
C4 Veículo A 14 2882 9 31 3 Veículo B 11 2566 5 30 2
C5 Veículo A 1 165 1 2 0 Veículo B 2 435 1 5 0
C6 Veículo A 4 746 2 8 1 Veículo B 5 1261 3 15 1
C7 Veículo A 2 361 1 4 0 Veículo B 4 849 2 10 1
C8 Veículo A 1 175 1 2 0 Veículo B 1 251 1 3 0
C9 Veículo A 0 85 0 1 0 Veículo B 2 453 1 5 0
C10 Veículo A 4 795 3 9 1 Veículo B 2 404 1 5 0
C11 Veículo A 2 311 1 3 0 Veículo B 5 1104 2 13 1
C12 Veículo A 9 1893 6 21 2 Veículo B 11 2775 6 33 2
C13 Veículo A 2 362 1 4 0 Veículo B 1 269 1 3 0
92
Circuito Rota CO
[g/semana] CO2
[g/semana] VOC
[g/semana] NOx
[g/semana] PM
[g/semana]
C14 Veículo A 1 147 1 2 0 Veículo B 2 555 1 7 0
C15 Veículo A 1 150 1 2 0 Veículo B 4 874 2 10 1
C16 Veículo A 2 351 1 4 0 Veículo B 1 281 1 3 0
C17 Veículo A 1 237 1 3 0 Veículo B 1 157 0 2 0
C18 Veículo A 2 367 1 4 0 Veículo B 2 550 1 7 0
C19 Veículo A 10 1916 6 21 2 Veículo B 8 1803 4 21 1
C20 Veículo A 6 1245 4 14 1 Veículo B 6 1552 3 18 1
C21 Veículo A 2 364 1 4 0 Veículo B 2 513 1 6 0
C22 Veículo A 2 384 1 4 0 Veículo B 2 594 1 7 1
C23 Veículo A 1 219 1 2 0 Veículo B 5 1271 3 15 1
C24 Veículo A 0 85 0 1 0 Veículo B 2 437 1 5 0
C25 Veículo A 2 365 1 4 0 Veículo B 2 534 1 6 0
C26 Veículo A 1 181 1 2 0 Veículo B 2 574 1 7 0
C27 Veículo A 1 147 1 2 0 Veículo B 2 555 1 7 0
C28 Veículo A 1 150 1 2 0 Veículo B 4 874 2 10 1
C29 Veículo A 2 351 1 4 0 Veículo B 1 281 1 3 0
C30 Veículo A 1 237 1 3 0 Veículo B 1 157 0 2 0
C31 Veículo A 2 367 1 4 0 Veículo B 2 550 1 7 0
C32 Veículo A 10 1916 6 21 2 Veículo B 8 1803 4 21 1
C33 Veículo A 6 1245 4 14 1 Veículo B 6 1552 3 18 1
C34 Veículo A 2 364 1 4 0 Veículo B 2 513 1 6 0
C35 Veículo A 2 384 1 4 0 Veículo B 2 594 1 7 1
C36 Veículo A 1 219 1 2 0 Veículo B 5 1271 3 15 1
C37 Veículo A 0 85 0 1 0 Veículo B 2 437 1 5 0
C38 Veículo A 2 365 1 4 0 Veículo B 2 534 1 6 0
C39 Veículo A 1 181 1 2 0 Veículo B 2 574 1 7 0
C40 Veículo A 1 147 1 2 0 Veículo B 2 555 1 7 0
93
Circuito Rota CO
[g/semana] CO2
[g/semana] VOC
[g/semana] NOx
[g/semana] PM
[g/semana]
C41 Veículo B 4 850 2 10 1
C42 Veículo A 2 355 1 4 0 Veículo B 1 309 1 4 0
C43 Veículo A 2 379 1 4 0 Veículo B 2 571 1 7 0
C44 Veículo A 1 272 1 3 0 Veículo B 1 279 1 3 0
C45 Veículo A 1 270 1 3 0 Veículo B 2 548 1 7 0
C46 Veículo A 1 148 1 2 0 Veículo B 2 548 1 7 0
C47 Veículo A 2 327 1 4 0 Veículo B 1 308 1 4 0
C48 Veículo A 1 177 1 2 0 Veículo B 2 537 1 6 0
C49 Veículo A 2 395 1 4 0 Veículo B 2 587 1 7 1
C50 Veículo A 1 282 1 3 0 Veículo B 2 418 1 5 0
C51 Veículo B 2 441 1 5 0
C52 Veículo A 2 305 1 3 0 Veículo B 2 438 1 5 0
C53 Veículo A 1 133 0 1 0 Veículo B 2 463 1 6 0
C54 Veículo A 1 93 0 1 0 Veículo B 2 563 1 7 0
C55 Veículo A 2 311 1 3 0 Veículo B 2 533 1 6 0
C56 Veículo A 1 246 1 3 0 Veículo B 1 140 0 2 0
C57 Veículo A 1 275 1 3 0 Veículo B 2 523 1 6 0
C58 Veículo A 2 348 1 4 0 Veículo B 2 554 1 7 0
Total Veículo A 134 27103 89 295 29 Veículo B 184 44327 89 524 34
Total 318 71430 179 819 63
Tabela 35 – Resultados do cálculo do consumo específico de combustível e do consumo
semanal de combustível, correspondentes à optimização por tempo.
Circuito Rota Consumo específico de combustível
[l/100 km] Consumo de combustível
[l/semana]
C1 Veículo A 19,4 0,1 Veículo B 29,7 0,2
C2 Veículo A 19,1 0,1 Veículo B 30,1 0,2
C3 Veículo A 19,4 0,9 Veículo B 29,8 1,3
C4 Veículo A 19,6 1,1 Veículo B 30,4 1,0
C5 Veículo A 19,2 0,1 Veículo B 30,1 0,2
94
Circuito Rota Consumo específico de combustível
[l/100 km] Consumo de combustível
[l/semana]
C6 Veículo A 19,4 0,3 Veículo B 30,3 0,5
C7 Veículo A 19,4 0,1 Veículo B 30,3 0,3
C8 Veículo A 19,4 0,1 Veículo B 29,9 0,1
C9 Veículo A 19,3 0,1 Veículo B 30,7 0,2
C10 Veículo A 19,3 0,3 Veículo B 29,8 0,2
C11 Veículo A 19,4 0,1 Veículo B 30,1 0,4
C12 Veículo A 19,6 0,7 Veículo B 29,8 1,1
C13 Veículo A 19,6 0,1 Veículo B 29,8 0,1
C14 Veículo A 19,5 0,1 Veículo B 30,0 0,2
C15 Veículo A 19,1 0,1 Veículo B 30,7 0,3
C16 Veículo A 19,4 0,1 Veículo B 29,6 0,1
C17 Veículo A 19,3 0,1 Veículo B 30,9 0,1
C18 Veículo A 19,6 0,1 Veículo B 29,9 0,2
C19 Veículo A 19,4 0,7 Veículo B 30,7 0,7
C20 Veículo A 19,3 0,5 Veículo B 30,4 0,6
C21 Veículo A 19,5 0,1 Veículo B 29,3 0,2
C22 Veículo A 19,2 0,1 Veículo B 30,5 0,2
C23 Veículo A 19,0 0,1 Veículo B 30,4 0,5
C24 Veículo A 19,7 0,1 Veículo B 30,4 0,2
C25 Veículo A 19,6 0,1 Veículo B 29,3 0,2
C26 Veículo A 19,6 0,1 Veículo B 29,8 0,2
C27 Veículo A 19,4 0,5 Veículo B 29,8 0,6
C28 Veículo A 19,4 0,1 Veículo B 30,0 0,2
C29 Veículo A 19,0 0,1 Veículo B 30,1 0,2
C30 Veículo A 19,4 0,3 Veículo B 29,7 0,4
C31 Veículo A 19,1 0,1 Veículo B 29,8 0,2
C32 Veículo A 19,9 0,1 Veículo B 29,7 0,3
95
Circuito Rota Consumo específico de combustível
[l/100 km] Consumo de combustível
[l/semana]
C33 Veículo A 19,8 0,1 Veículo B 30,2 0,4
C34 Veículo A 19,4 0,1 Veículo B 30,5 0,2
C35 Veículo A 19,6 0,1 Veículo B 29,6 0,2
C36 Veículo A 19,4 0,2 Veículo B 29,5 0,6
C37 Veículo A 19,2 0,1 Veículo B 29,5 0,2
C38 Veículo A 19,6 0,1 Veículo B 30,2 0,4
C39 Veículo A 19,7 0,1 Veículo B 30,3 0,1
C40 Veículo A 19,5 0,1 Veículo B 29,7 0,2
C41 Veículo B 30,0 0,3
C42 Veículo A 19,4 0,1 Veículo B 30,9 0,1
C43 Veículo A 19,7 0,1 Veículo B 30,1 0,2
C44 Veículo A 19,4 0,1 Veículo B 30,4 0,1
C45 Veículo A 19,5 0,1 Veículo B 30,0 0,2
C46 Veículo A 19,4 0,1 Veículo B 30,2 0,2
C47 Veículo A 19,1 0,1 Veículo B 30,9 0,1
C48 Veículo A 19,4 0,1 Veículo B 29,5 0,2
C49 Veículo A 19,5 0,2 Veículo B 30,2 0,2
C50 Veículo A 19,8 0,1 Veículo B 30,0 0,2
C51 Veículo B 30,1 0,2
C52 Veículo A 19,7 0,1 Veículo B 30,2 0,2
C53 Veículo A 19,0 0,1 Veículo B 30,5 0,2
C54 Veículo A 19,9 0,1 Veículo B 30,3 0,2
C55 Veículo A 19,4 0,1 Veículo B 29,6 0,2
C56 Veículo A 19,3 0,1 Veículo B 30,1 0,1
C57 Veículo A 19,6 0,1 Veículo B 29,6 0,2
C58 Veículo A 19,3 0,1 Veículo B 30,1 0,2
Total Veículo A 10,4 Veículo B 16,9
Total 27,3
96
Tabela 36 – Resultados do cálculo dos custos semanais correspondentes à optimização por
tempo.
Circuito Rota
Custo
Consumo de combustível [€/semana]
Manutenção [€/semana]
Mão-de-obra [€/semana]
Total [€/semana]
C1 Veículo A 0,13 0,13 0,77 1,03 Veículo B 0,21 0,16 0,82 1,19
C2 Veículo A 0,05 0,05 0,26 0,36 Veículo B 0,16 0,12 0,59 0,87
C3 Veículo A 0,89 0,90 4,97 6,76 Veículo B 1,26 0,96 5,05 7,27
C4 Veículo A 1,07 1,07 6,09 8,23 Veículo B 0,95 0,71 3,58 5,24
C5 Veículo A 0,06 0,06 0,32 0,44 Veículo B 0,16 0,12 0,65 0,93
C6 Veículo A 0,28 0,28 1,57 2,13 Veículo B 0,47 0,35 1,91 2,73
C7 Veículo A 0,13 0,14 0,70 0,97 Veículo B 0,31 0,23 1,27 1,81
C8 Veículo A 0,07 0,07 0,36 0,50 Veículo B 0,09 0,07 0,37 0,53
C9 Veículo A 0,03 0,03 0,14 0,20 Veículo B 0,17 0,12 0,66 0,95
C10 Veículo A 0,30 0,30 1,61 2,21 Veículo B 0,15 0,11 0,55 0,81
C11 Veículo A 0,12 0,12 0,63 0,87 Veículo B 0,41 0,31 1,64 2,36
C12 Veículo A 0,71 0,70 3,83 5,24 Veículo B 1,03 0,78 4,16 5,97
C13 Veículo A 0,14 0,13 0,75 1,02 Veículo B 0,10 0,08 0,36 0,54
C14 Veículo A 0,05 0,05 0,28 0,38 Veículo B 0,21 0,15 0,83 1,19
C15 Veículo A 0,06 0,06 0,25 0,37 Veículo B 0,32 0,24 1,25 1,81
C16 Veículo A 0,13 0,13 0,75 1,01 Veículo B 0,10 0,08 0,39 0,57
C17 Veículo A 0,09 0,09 0,47 0,65 Veículo B 0,06 0,04 0,20 0,30
C18 Veículo A 0,14 0,14 0,76 1,04 Veículo B 0,20 0,15 0,82 1,17
C19 Veículo A 0,71 0,72 3,75 5,18 Veículo B 0,67 0,49 2,27 3,43
C20 Veículo A 0,46 0,47 2,55 3,48 Veículo B 0,57 0,43 2,33 3,33
C21 Veículo A 0,14 0,14 0,76 1,04 Veículo B 0,19 0,15 0,77 1,11
C22 Veículo A 0,14 0,15 0,79 1,08 Veículo B 0,22 0,16 0,86 1,24
C23 Veículo A 0,08 0,08 0,38 0,54 Veículo B 0,47 0,35 1,84 2,66
C24 Veículo A 0,03 0,03 0,16 0,22 Veículo B 0,16 0,12 0,67 0,95
97
Circuito Rota
Custo
Consumo de combustível [€/semana]
Manutenção [€/semana]
Mão-de-obra [€/semana]
Total [€/semana]
C25 Veículo A 0,14 0,14 0,76 1,04 Veículo B 0,20 0,15 0,78 1,13
C26 Veículo A 0,07 0,07 0,37 0,51 Veículo B 0,21 0,16 0,84 1,21
C27 Veículo A 0,53 0,53 2,99 4,05 Veículo B 0,63 0,48 2,40 3,51
C28 Veículo A 0,13 0,13 0,74 1,00 Veículo B 0,21 0,16 0,84 1,21
C29 Veículo A 0,11 0,11 0,63 0,85 Veículo B 0,20 0,15 0,84 1,19
C30 Veículo A 0,27 0,27 1,48 2,02 Veículo B 0,40 0,31 1,65 2,36
C31 Veículo A 0,09 0,09 0,46 0,64 Veículo B 0,20 0,15 0,83 1,18
C32 Veículo A 0,14 0,14 0,76 1,04 Veículo B 0,31 0,24 1,24 1,79
C33 Veículo A 0,14 0,14 0,73 1,01 Veículo B 0,44 0,33 1,65 2,42
C34 Veículo A 0,13 0,13 0,71 0,97 Veículo B 0,15 0,11 0,60 0,86
C35 Veículo A 0,09 0,09 0,52 0,70 Veículo B 0,20 0,15 0,82 1,17
C36 Veículo A 0,19 0,20 1,02 1,41 Veículo B 0,56 0,43 2,19 3,18
C37 Veículo A 0,13 0,13 0,72 0,98 Veículo B 0,19 0,14 0,75 1,08
C38 Veículo A 0,13 0,13 0,72 0,98 Veículo B 0,38 0,28 1,59 2,25
C39 Veículo A 0,10 0,10 0,58 0,78 Veículo B 0,11 0,08 0,44 0,63
C40 Veículo A 0,10 0,10 0,53 0,73 Veículo B 0,18 0,14 0,73 1,05
C41 Veículo B 0,31 0,24 1,18 1,73
C42 Veículo A 0,13 0,13 0,76 1,02 Veículo B 0,11 0,08 0,45 0,64
C43 Veículo A 0,14 0,14 0,79 1,07 Veículo B 0,21 0,16 0,86 1,23
C44 Veículo A 0,10 0,10 0,56 0,76 Veículo B 0,10 0,08 0,42 0,60
C45 Veículo A 0,10 0,10 0,55 0,75 Veículo B 0,20 0,15 0,81 1,16
C46 Veículo A 0,05 0,06 0,29 0,40 Veículo B 0,20 0,15 0,80 1,15
C47 Veículo A 0,12 0,12 0,66 0,90 Veículo B 0,11 0,08 0,43 0,62
C48 Veículo A 0,07 0,07 0,34 0,48 Veículo B 0,20 0,15 0,81 1,16
C49 Veículo A 0,15 0,15 0,84 1,14 Veículo B 0,22 0,16 0,87 1,25
C50 Veículo A 0,11 0,10 0,58 0,79 Veículo B 0,15 0,12 0,63 0,90
98
Circuito Rota
Custo
Consumo de combustível [€/semana]
Manutenção [€/semana]
Mão-de-obra [€/semana]
Total [€/semana]
C51 Veículo B 0,16 0,12 0,64 0,92
C52 Veículo A 0,11 0,11 0,66 0,88 Veículo B 0,16 0,12 0,65 0,93
C53 Veículo A 0,05 0,05 0,26 0,36 Veículo B 0,17 0,13 0,71 1,01
C54 Veículo A 0,03 0,03 0,16 0,22 Veículo B 0,21 0,16 0,82 1,19
C55 Veículo A 0,12 0,12 0,67 0,91 Veículo B 0,20 0,15 0,81 1,16
C56 Veículo A 0,09 0,09 0,51 0,69 Veículo B 0,05 0,04 0,20 0,29
C57 Veículo A 0,10 0,10 0,57 0,77 Veículo B 0,19 0,15 0,77 1,11
C58 Veículo A 0,13 0,13 0,73 0,99 Veículo B 0,21 0,15 0,82 1,18
Total Veículo A 10,10 10,14 55,55 75,79 Veículo B 16,41 12,33 64,71 93,45
Total 26,51 22,47 120,26 169,24
top related