Sistema de identificação e rastreabilidade na logística reversa de resíduos de equipamentos eletroeletrônicos de pessoa física

Resumo

A crescente demanda de aparelhos eletroeletrônicos no período da pandemia do COVID-19 tem agravado a problemática na geração e destinação de resíduos de equipamentos eletroeletrônicos (REEE) em comparação aos outros tipos de resíduos. Em 2019, o mundo gerou 53,5 milhões de toneladas de lixo eletrônico e 83% desse resíduo tem uma destinação incerta ou não documentada. No mesmo ano, o Brasil gerou mais de 2,1 milhões de toneladas segundo o relatório global de lixo eletrônico (Forti et al., 2020). Enquanto, as taxas de reciclagem desses materiais são ainda muito baixas, não chegando nem a 2 % do total produzido no país. Aumentando os impactos negativos ao meio ambiente e à saúde humana devido ao descarte inadequado. Nesse sentido, em 2010 o Brasil estabeleceu a obrigatoriedade de estruturar e implementar sistemas de Logística Reversa (LR) para coletar e retornar os REEE ao setor produtivo. No entanto, ações para a estruturação, implementação e operacionalização do sistema de LR (por meio do acordo setorial assinado em 2019), e a instituição do Programa Nacional de Logística Reversa -PNLR são esforços recentes no país. A implementação de sistemas de logística reversa é um passo importante a favor de uma economia circular, mas uma solução integral deve abarcar desafios maiores, como a escassez de componentes e o esgotamento das matérias-primas. Nesse cenário, é evidente que existe uma necessidade no mercado de eletrônicos de um sistema de rastreabilidade que permita monitorar o fluxo real dos REEE, desde a fabricação até a destinação final, otimizando a gestão das informações e a circularidade de componentes e materiais. Portanto, nesse projeto queremos avaliar a viabilidade técnica de propor o desenvolvimento de um sistema de identificação e rastreabilidade baseado em deep-learning por meio de visão computacional e blockchain que viabilize a automatização e agilidade do reconhecimento dos REEE linha verde e seu posterior monitoramento até a destinação final. A etapa de identificar de modo autônomo os dispositivos é composta por duas etapas. A primeira de extração de característica dos objetos da entrada da linha onde cada dispositivo terá um vetor característico, sendo uma espécie de assinatura dos dispositivos. Além disso esse primeiro modulo será capaz de rotular o tipo do dispositivo. A segunda é a utilização desse extrator de característica juntamente com um modelo de CNN (Convolutional Neural Network) treinado previamente para identificar esses dispositivos na etapa de destinação final. Com essa extração de característica dos dispositivos registradas, temos a possibilidade de realizar o seguimento de forma individual desse dispositivo durante todo o fluxo da LR e guardar seu lastro em uma cadeia de blocos. A principal vantagem de implementar um sistema de rastreabilidade no blockchain é a facilidade na comprovação da veracidade, autenticidade e unicidade dos registros do modelo de sistema de LR. O desenvolvimento desse sistema de identificação e rastreabilidade se complementaria com o trabalho que a GAIA GreenTech já vem realizando na gestão inteligente e nos incentivos ao descarte responsável da pessoa física. (AU)