Sistema Inteligente Aplicado à Reciclagem de Resíduos Eletrônicos com Big Data e IoT: Estudo de Caso em Empresas de Reciclagem em Medellín
Palavras-chave:
Teoria da contingência, variáveis contingentes, custos, setor têxtilResumo
O principal objetivo deste artigo é observar as características e os desafios do uso de tecnologias emergentes, como Big Data (IoT), em relação aos sistemas de reciclagem de resíduos eletrônicos em três empresas de reciclagem na cidade de Medellín. Isso é alcançado por meio de uma metodologia qualitativa de estudo multicaso (Stake, 1995).
As fontes de dados utilizadas estão estruturadas em três modelos: três (3) entrevistas semiestruturadas com a equipe de gestão, trinta (30) pesquisas com a equipe operacional e observação direta das três (3) empresas selecionadas. Essa coleta foi realizada em conformidade com rigorosos princípios éticos, uma cláusula de confidencialidade e o respectivo consentimento informado.
Na fase de coleta de dados, 100 % da amostra estimada foi alcançada. Essas informações demonstram a cobertura total das ferramentas qualitativas, garantindo a profundidade analítica e a confiabilidade dos resultados.
Os resultados refletem uma implementação limitada de tecnologias emergentes, tudo isso dentro da estrutura rudimentar dos processos de reciclagem, altos custos, treinamento tecnológico limitado e lacunas regulatórias e legais na Colômbia. No entanto, foram identificados aspectos positivos que nos permitem lançar luz sobre uma perspectiva mais promissora em relação à inovação tecnológica que pode gerar melhorias na eficiência operacional e administrativa de organizações dedicadas à reciclagem de resíduos eletrônicos. As informações apresentadas foram estruturadas e analisadas utilizando procedimentos de categorização aberta e axial (Strauss & Corbin, 2002), atendendo aos critérios de saturação teórica e validade por triangulação (Hernández-Sampieri, Fernández-Collado & Baptista-Lucio, 2014). Com base nos resultados obtidos, sugerimos a implementação de um modelo de gestão alavancando o uso de tecnologias emergentes. Este modelo integra sensores de IoT, armazenamento em nuvem e ferramentas de algoritmos preditivos (Big Data, IA), permitindo eficiência nos processos relacionados à rastreabilidade de rotas, coleta e a correspondente classificação de resíduos eletrônicos. A utilização de um modelo sob essa perspectiva estabeleceria o ponto de partida para a economia circular local em termos de gestão operacional de resíduos eletrônicos, mas com potencial significativo para implementação em nível regional.
Medellín.
Referências
Andrago, S., & Arroyo, M. (2021). Economía circular y sostenibilidad empresarial bajo un enfoque 4.0. Revista de Estudios de Gestión Industrial.
Baldé, C. P., Forti, V., Gray, V., Kuehr, R., & Stegmann, P. (2017). The Global E-waste Monitor 2017: Quantities, Flows, and Resources. United Nations University, IAS SCYCLE.
Bousdekis, A., Apostolou, D., & Mentzas, G. (2020). A big data analytics architecture for asset management in process industries. Computers in Industry, 123, 103316.
Bustamante López, F. (2021). Reciclaje y gestión de residuos electrónicos en el marco de Huawei’s global recycling program. Revista de Innovación Tecnológica.
Damasceno, A., Braga, C., Carvalho, F., & Cohen, J. (2021). Implementación y regulación de sistemas de reciclaje de residuos electrónicos. Gestión Ambiental.
García, A., & Iglesias, E. (2018). Tecnologías emergentes y gestión eficiente de residuos. Revista de Gestión Ambiental y Sostenibilidad.
Grandi, A. (2010). Impacto ambiental de los residuos electrónicos y potencial económico de su recuperación. Revista de Economía y Medio Ambiente.
Hernández-Sampieri, R., Fernández-Collado, C., & Baptista-Lucio, P. (2014). Metodología de la investigación (6.ª ed.). McGraw-Hill.
Islam, S. R., Kwak, D., Kabir, M. H., Hossain, M., & Kwak, K. S. (2021). The internet of things for health care: A comprehensive survey. IEEE Access, 7, 67880–67900.
Kumar, S., Kumar, N., & Thakur, A. S. (2024). Toxicidad y riesgos para la salud de los residuos electrónicos. Journal of Environmental Health Studies.
Kumar, S., Kumar, R., & Thakur, D. (2024). Artificial Intelligence-Based E-Waste Management Framework: Challenges and Future Directions. Sustainable Computing: Informatics and Systems, 38, 100905.
Muñoz, P., & Morales, F. (2023). Capacidad y desafíos del manejo de residuos electrónicos. Revista Latinoamericana de Reciclaje Electrónico.
Premalatha, M., Abbasi, T., & Abbasi, S. A. (2014). Impactos de las prácticas tradicionales de reciclaje y estrategias de mejora. Environmental Science & Technology.
Rodríguez, J., Campo-Valera, M., & Calderón, E. (2023). Ciudades inteligentes y gestión de residuos: El papel del Big Data e IoT. Revista de Tecnología Urbana.
Saberian, M., Dargahi, M., & Hamzeh, A. (2023). IoT-enabled smart waste management: Architecture and implementation challenges. Waste Management, 164, 234–245.
Silva, Y., & Cyranek, G. (2010). Brecha digital y gestión de residuos electrónicos en América Latina. Revista de Política Digital.
Stake, R. E. (1995). The art of case study research. SAGE Publications.
Strauss, A., & Corbin, J. (2002). Bases de la investigación cualitativa: Técnicas y procedimientos para desarrollar la teoría fundamentada (2.ª ed.). Universidad de Antioquia.
Yan, J., & Chen, Z. (2018). Optimización de reciclaje electrónico mediante Big Data e IoT. Journal of Cleaner Production.
Zambrano-Yépez, F., Macías Rueda, A., & Medina Sánchez, J. (2021). Gestión integral de residuos electrónicos: un enfoque colaborativo. Revista de Gestión Pública y Privada.
Publicado
Edição
Seção
Licença
Copyright (c) 2025 Luis Carlos Quintero Botero

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
CC Reconocimiento-NoComercial-SinObrasDerivadas 4.0



.jpg)
_de_logo.jpg)












