دفع زباله یک چالش بزرگ برای کلان شهرها است. امروزه ادارات دولتی در شهرهای هوشمند مانند سنگاپور، دبی، هنگ کنگ، آمستردام، استکهلم، توکیو، ملبورن، سیاتل، شیکاگو و سئول فشار زیادی را برای تطبیق فناوری در هر جنبه‌ای از شهرهای خود ایجاد کرده‌اند. روند دفع زباله در بسیاری از این شهرها به یک فعالیت مدیریت عملی بسیار هوشمند تبدیل شده است.
مدیریت زباله‌های شهری
امروزه مدیریت دفع زباله در شهرهای هوشمند، تلفیقی از دستگاه‌ها یا سنسورهاست که میلیون‌ها داده را تولید کنند. داده‌های به دست آمده به یک پلتفرم ابری وارد می‌شوند و از طریق چارچوب تحلیلی پیچیده برای تجزیه و تحلیل و سپس نتیجه‌گیری‌های معقولانه و قابل اجرا برای ارائه خدمات به شهروندان آماده می‌شوند. کل این فرآیند بدون کوچکترین دخالتی از سمت انسان انجام می‌شود.
طبقه‌بندی زباله‌ها
همه ما می‌دانیم زباله‌ها را می‌توان به چند دسته گسترده طبقه‌بندی کرد؛ ضایعات کاغذی، ضایعات پلاستیکی، زباله‌های مواد غذایی، ضایعات محلول در آب، ضایعات غیر قابل حل در آب، ضایعات حیوانی، ضایعات بهداشتی، ضایعات خانگی، ضایعات صنعتی و غیره. برخی از آنها زیست تخریب پذیر هستند و بعضی از آنها نیستند. برخی حتی می‌توانند زباله‌های رادیواکتیو باشند که بسیار سمی و بالقوه خطرناک هستند.
تجزیه و تحلیل داده‌ها و آموزش ماشین با استفاده از IoT
سنسورهایی که به سطل زباله‌های کنار جاده متصل هستند، میزان زباله‌های داخل سطل زباله را پیگیری می‌کنند و IoT به کامیون‌های جمع‌آوری زباله به طور خودکار هشدار می‌دهند، اما بخشی از مشکلات مربوط به زباله‌هایی است که به طور مستقیم در جاده پرتاب می‌شوند. در این صورت به مداخله شهروند یا مدافع انسانی برای پوشش دادن به جمع‌آوری زباله‌ها نیاز است.
داده‌های سنسورها و تصاویر ارسال شده توسط شهروندان از طریق یک سیستم پیچیده تجزیه و تحلیل و چند لایه‌ای انجام می‌گیرد و از داده‌های گذشته برای آموزش پلتفرم یادگیری ماشین (ML) ، شناسایی و طبقه‌بندی زباله‌ها استفاده می‌کنیم. پلتفرم ML از تصاویر گرفته شده از زباله‌های بیش از 60 مکان در شهر در ساعت‌های مختلف روز استفاده می‌کند. پلتفرم ML نیز بر روی اقلام معمولی که معمولاً در سطل زباله‌ها یافت می‌شوند، آموزش داده می‌شود تا بتواند به راحتی آنها را شناسایی کند.
مدیریت دفع زباله
هر بار که زباله به یک سطل زباله پرتاب می‌شود باید به گونه‌ای رفتار شود تا به محیط زیست یا شهروندان آسیب نرساند. بنابراین، اطمینان از اینکه زباله به طور مناسب منتقل شود، اهمیت زیادی دارد. برای تحقق این امر باید مشخص شود که چه نوع زباله‌هایی وجود دارد. استراتژی‌های معمول برای دفع زباله شامل بازیافت، کاهش حجم یا تبدیل انرژی و دفع زباله‌ها یا قرار دادن آن از طریق سطوح زباله، قبل از تخلیه زباله‌های غیر قابل احتراق به مراکز زباله است.
با استفاده از برنامه کاربردی و تجزیه و تحلیل ML ، مراکز سوزاندن و دفن زباله‌ها می‌توانند هر ساعت یک بار با داشبوردهایی برای پیگیری هر فعالیت و نقشه‌برداری روزانه و دفن زباله‌ها، مدیریت ظرفیت را انجام دهند. این امر آنها را قادر می‌سازد اندازه دقیق را با استفاده هوشمند از فرآیندهای احتراق، مقدار گاز دودکش که باید مورد استفاده قرار گیرد و همچنین دانستن انرژی مورد نیاز، انجام دهند.
مقدار ضایعات جمع‌آوری شده از گاز دودکش، خاکستر تولید شده و قطعات جامد از اجزای غیر معدنی که سوزانده نشده‌اند، نیز نقشه‌برداری می‌شوند. اقدامات مناسب می‌تواند در همکاری با مقامات دولتی دیگر شهر، قبل از اینکه زباله به مراکز بازیافت منتقل شود، فعال گردد.
از لحاظ تاریخی، معیار مدیریت ظرفیت به معنای "مدیریت موجودی‌های مختلف در یک کارخانه تولید" یا "اندازه مناسب برای ارائه خدمات داخلی به منظور دستیابی به اهداف کسب و کار فعلی و آینده" است. این یک نوع مدیریت فرآیند است. در استفاده عملی، یک سیستم شامل عوامل خارجی مانند دسترسی به محصولات، پویایی بازار، پیش‌بینی تقاضا و تخصیص منابع داخلی است.
با این حال، یک پلتفرم ML مبتنی بر IoT برای مدیریت دفع زباله ابعاد نقشه‌برداری و پیگیری سریع و به هنگام را از طریق استفاده هوشمند از فناوری، شبکه، مدیریت دستگاه یا سنسور و اتوماسیون دستگاه اضافه می‌کند. ادغام تمام این نیازها، تداخل بسیار کمی با انسانها دارد و اکثر فعالیت‌ها به صورت اتوماتیک و با استفاده از یک دستگاه هوشمند که قادر به تجزیه و تحلیل داده‌های تصویری هستند و در صورت لزوم انسانها تعداد کمی از آنها را انجام می‌دهند.
