Abstract:
CONDITION FOR PUBLICATION OF PROJECT. The present project aims to optimize the technical management of the Pasaje landfill through the use of a virtual assistant in a Volatile, Uncertain, Complex, and Ambiguous (VUCA) environment, with the objective of improving operational planning and strategic decision-making. To achieve this, historical data from the 2019-2024 period were collected and analyzed, implementing artificial intelligence to normalize and structure the information. A predictive model in Python in Google Colab was developed, achieving a coefficient of determination (R²) of 0.77, which allowed for the projection of waste generation until 2034, providing a quantitative basis for planning final disposal capacity. Additionally, a dynamic dashboard in Power BI was designed as a data management prototype, facilitating the generation of agile technical reports and real-time visualization of the landfill’s operational indicators. The results show that the integration of a virtual assistant with predictive models and interactive tools significantly improves efficiency in solid waste management. It is concluded that the use of artificial intelligence and automated data analysis optimizes strategic planning, allows for the anticipation of critical scenarios, and enhances the sustainability of the final disposal system. It is recommended to continue exploring advanced predictive modeling techniques and strengthen technological infrastructure to ensure the operational efficiency of the Pasaje landfill.
Keywords: Waste management, virtual assistants, VUCA, predictive models, Power BI.
Description:
CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. El presente proyecto busca optimizar la gestión técnica del relleno sanitario del cantón Pasaje mediante el uso de un asistente virtual, en un entorno Volátil, Incierto, Complejo y Ambiguo (VICA), con el objetivo de mejorar la planificación operativa y la toma de decisiones estratégicas. Para ello, se recopilaron y analizaron datos históricos del período 2019-2024, implementando inteligencia artificial para normalizar y estructurar la información. Se desarrolló un modelo predictivo en Python en Google Colab, con un coeficiente de determinación (R²) de 0.77, lo que permitió proyectar la generación de residuos hasta 2034 y proporcionar una base cuantitativa para la planificación de la capacidad de disposición final. Además, se diseñó un tablero dinámico en Power BI como prototipo de gestión de datos, el cual facilita la generación de reportes técnicos ágiles y la visualización en tiempo real de los indicadores operativos del relleno sanitario. Los resultados evidencian que la integración de un asistente virtual con modelos predictivos y herramientas interactivas mejora significativamente la eficiencia en la gestión de residuos sólidos. Se concluye que el uso de inteligencia artificial y análisis de datos automatizados permite optimizar la planificación estratégica, anticipar escenarios críticos y mejorar la sostenibilidad del sistema de disposición final. Se recomienda continuar explorando técnicas avanzadas de modelado predictivo y fortalecer la infraestructura tecnológica para garantizar la eficiencia operativa del relleno sanitario del cantón Pasaje.
