SlideShare uma empresa Scribd logo
1 de 17
Baixar para ler offline
E L I 	
   	
   	
   R E N A N 	
   	
   	
   G A B R I E L 	
   	
   B I O 	
  
DESAFIO
Do	
  que	
  não é reciclado,	
  
é encaminhado aos aterros.	
  
+50%	
  
Somente dos	
  resíduos da	
  
cidade de	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  são reciclados.	
  
3%	
  
sp
No	
  Brasil,	
  perdemos neste ciclo.R$ 8 bi
Fonte:	
  Cataki
SOLUÇÃO
A	
  nossa plataforma CONECTA	
  e MAPEIA
=	
  
MAXIMIZAÇÃO	
  DO	
  REAPROVEITAMENTO	
  DE	
  RESÍDUOS
>	
  tipos de	
  resíduos geolocalizados
PRODUTORES	
  > CONSUMIDORES	
  > COLETORES	
  > TRANSFORMADORES
oportunidades dentro do	
  ciclo de	
  reciclagem
$$$
>	
  interessadas em favorecer a	
  LOGÍSTICA	
  REVERSA	
  
(pneus,	
  eletrônicos,	
  embalagens etc…)
com	
  o	
  apoio de	
  indústrias
>	
  que	
  querem diminuir a	
  sua PEGADA	
  DE	
  CARBONO
C A P TA Ç Ã O 	
   D E 	
   $ $ $
>	
  fortalecer o	
  relacionamento com	
  seu público
com	
  PROGRAMAS	
  DE	
  FIDELIDADE	
  diferenciados
infos das	
  empresas
sobre seus produtos,	
  
seus componentes e	
  
possibilidades de	
  
reciclagem
+
transações
entre	
  coletores,	
  
descartadores e	
  
tipos de	
  resíduos
+ fóruns com	
  
postagens de	
  
oportunidades
+
B A S E 	
   D E 	
   D A D O S 	
  
M A C H I N E / D E E P 	
   L E A R N I N G
MAPEAMENTO	
  de
HÁBITOS	
  DE	
  CONSUMO	
  
e	
  DESCARTE	
  $ $ $
=
>
> Ajudar no	
  cumprimento das	
  metas
estabelecidas em fóruns como o	
  de	
  Davos
> fortalecer o	
  vínculo com	
  as	
  marcas apoiadoras
> financiar startups
>	
  prever investimentos em infraestrutura
(pontos de	
  coletas,	
  usinas de	
  reciclagem e	
  aterros)
>	
  …
O 	
   M A P E A M E N TO 	
   p o s s i b i l i t a :
PLAY
>	
  Machine Learning
(Para	
  conectar	
  as	
  oportunidades	
  do	
  nosso	
  Big	
  Data,	
  
identificando	
  pontos	
  com	
  maior	
  número	
  de	
  descartes	
  e	
  tipos	
  de	
  materiais)
>	
  BlockChain
(Para	
  rastrear	
  o	
  destino	
  final	
  do	
  material)
Para	
  esta	
  implementação,	
  estamos	
  usando	
  o	
  IONIC	
  e	
  Java.	
  
Para	
  a	
  geolocalização,	
  o	
  API	
  do	
  Google	
  Maps e	
  HyperLedger para	
  coleta	
  e	
  
estruturação	
  dos	
  dados.	
  Watson	
  Analytics,	
  Data	
  Science	
  Experience	
  da	
  IBM	
  
Cloud para	
  o	
  Tratamento	
  dos	
  Dados	
  .
T E C N O LO G I A S
em	
  avaliação
OBRIGADO
E L I 	
   	
   	
   	
   	
   	
   	
   R E N A N 	
   	
   	
   	
   	
   	
   	
   	
   G A B R I E L 	
   	
   	
   	
   	
   	
   	
   B I O 	
   	
   	
  
E L I 	
   	
   	
   	
   	
   	
   	
   1 1 	
   9 9 4 1 5 -­‐ 2 0 4 0 	
   	
   	
  
B I O 	
   	
   	
   	
   	
   	
   1 1 	
   9 9 0 1 5 -­‐ 6 0 0 0

Mais conteúdo relacionado

Semelhante a RECYCLER

Sustentabilidade e Software Livre. Resíduos eletrônicos, o que fazer com eles?
Sustentabilidade e Software Livre. Resíduos eletrônicos, o que fazer com eles?Sustentabilidade e Software Livre. Resíduos eletrônicos, o que fazer com eles?
Sustentabilidade e Software Livre. Resíduos eletrônicos, o que fazer com eles?Andre Marinho
 
Introdução a data science
Introdução a data scienceIntrodução a data science
Introdução a data scienceCaio Gomes
 
Apresentando o OpenStreetMap
Apresentando o OpenStreetMapApresentando o OpenStreetMap
Apresentando o OpenStreetMapArlindo Pereira
 
Big data: tendências e oportunidades - Palestrante: Marcos Sobral
Big data: tendências e oportunidades - Palestrante: Marcos SobralBig data: tendências e oportunidades - Palestrante: Marcos Sobral
Big data: tendências e oportunidades - Palestrante: Marcos SobralRio Info
 
Apresentando o OpenStreetMap
Apresentando o OpenStreetMapApresentando o OpenStreetMap
Apresentando o OpenStreetMapArlindo Pereira
 
Relatório do Projeto Integrador
Relatório do Projeto Integrador Relatório do Projeto Integrador
Relatório do Projeto Integrador Amanda Carvalho
 
TCC - LIXO ELETRONICO UMA PERSPECTIVA A ROBOTICA
TCC - LIXO ELETRONICO UMA PERSPECTIVA A ROBOTICATCC - LIXO ELETRONICO UMA PERSPECTIVA A ROBOTICA
TCC - LIXO ELETRONICO UMA PERSPECTIVA A ROBOTICARoberio Silva
 
Desafio RIo 2016
Desafio RIo 2016Desafio RIo 2016
Desafio RIo 2016Binho Alves
 
Pythonificando a Universidade
Pythonificando a UniversidadePythonificando a Universidade
Pythonificando a UniversidadeMatheus Pereira
 
Tudo menos desperdicio
Tudo menos desperdicioTudo menos desperdicio
Tudo menos desperdicioREDERESÍDUO
 
Apresentação REDERESÍDUOS 2017
Apresentação REDERESÍDUOS 2017Apresentação REDERESÍDUOS 2017
Apresentação REDERESÍDUOS 2017REDERESÍDUO
 

Semelhante a RECYCLER (20)

Sustentabilidade e Software Livre. Resíduos eletrônicos, o que fazer com eles?
Sustentabilidade e Software Livre. Resíduos eletrônicos, o que fazer com eles?Sustentabilidade e Software Livre. Resíduos eletrônicos, o que fazer com eles?
Sustentabilidade e Software Livre. Resíduos eletrônicos, o que fazer com eles?
 
Introdução a data science
Introdução a data scienceIntrodução a data science
Introdução a data science
 
P-09-MOACIR-A.-MARAFON.pdf
P-09-MOACIR-A.-MARAFON.pdfP-09-MOACIR-A.-MARAFON.pdf
P-09-MOACIR-A.-MARAFON.pdf
 
Apresentando o OpenStreetMap
Apresentando o OpenStreetMapApresentando o OpenStreetMap
Apresentando o OpenStreetMap
 
Big data: tendências e oportunidades - Palestrante: Marcos Sobral
Big data: tendências e oportunidades - Palestrante: Marcos SobralBig data: tendências e oportunidades - Palestrante: Marcos Sobral
Big data: tendências e oportunidades - Palestrante: Marcos Sobral
 
Pitch deck Trashin
Pitch deck TrashinPitch deck Trashin
Pitch deck Trashin
 
Apresentando o OpenStreetMap
Apresentando o OpenStreetMapApresentando o OpenStreetMap
Apresentando o OpenStreetMap
 
Relatório do Projeto Integrador
Relatório do Projeto Integrador Relatório do Projeto Integrador
Relatório do Projeto Integrador
 
TCC - LIXO ELETRONICO UMA PERSPECTIVA A ROBOTICA
TCC - LIXO ELETRONICO UMA PERSPECTIVA A ROBOTICATCC - LIXO ELETRONICO UMA PERSPECTIVA A ROBOTICA
TCC - LIXO ELETRONICO UMA PERSPECTIVA A ROBOTICA
 
Desafio RIo 2016
Desafio RIo 2016Desafio RIo 2016
Desafio RIo 2016
 
Campusparty
CampuspartyCampusparty
Campusparty
 
Hackathon UOL
Hackathon  UOL Hackathon  UOL
Hackathon UOL
 
Ações Mercadológicas
Ações MercadológicasAções Mercadológicas
Ações Mercadológicas
 
Apresentação sulamerica
Apresentação sulamericaApresentação sulamerica
Apresentação sulamerica
 
BIG DATA - Superinteressante.pdf
BIG DATA - Superinteressante.pdfBIG DATA - Superinteressante.pdf
BIG DATA - Superinteressante.pdf
 
Assuntos de Interesse - Dezembro
Assuntos de Interesse - DezembroAssuntos de Interesse - Dezembro
Assuntos de Interesse - Dezembro
 
Pythonificando a Universidade
Pythonificando a UniversidadePythonificando a Universidade
Pythonificando a Universidade
 
Tudo menos desperdicio
Tudo menos desperdicioTudo menos desperdicio
Tudo menos desperdicio
 
Tdc
TdcTdc
Tdc
 
Apresentação REDERESÍDUOS 2017
Apresentação REDERESÍDUOS 2017Apresentação REDERESÍDUOS 2017
Apresentação REDERESÍDUOS 2017
 

RECYCLER

  • 1. E L I       R E N A N       G A B R I E L     B I O  
  • 3. Do  que  não é reciclado,   é encaminhado aos aterros.   +50%   Somente dos  resíduos da   cidade de                    são reciclados.   3%   sp No  Brasil,  perdemos neste ciclo.R$ 8 bi Fonte:  Cataki
  • 5. A  nossa plataforma CONECTA  e MAPEIA =   MAXIMIZAÇÃO  DO  REAPROVEITAMENTO  DE  RESÍDUOS >  tipos de  resíduos geolocalizados PRODUTORES  > CONSUMIDORES  > COLETORES  > TRANSFORMADORES oportunidades dentro do  ciclo de  reciclagem
  • 6. $$$
  • 7. >  interessadas em favorecer a  LOGÍSTICA  REVERSA   (pneus,  eletrônicos,  embalagens etc…) com  o  apoio de  indústrias >  que  querem diminuir a  sua PEGADA  DE  CARBONO C A P TA Ç Ã O   D E   $ $ $ >  fortalecer o  relacionamento com  seu público com  PROGRAMAS  DE  FIDELIDADE  diferenciados
  • 8. infos das  empresas sobre seus produtos,   seus componentes e   possibilidades de   reciclagem + transações entre  coletores,   descartadores e   tipos de  resíduos + fóruns com   postagens de   oportunidades + B A S E   D E   D A D O S   M A C H I N E / D E E P   L E A R N I N G
  • 9. MAPEAMENTO  de HÁBITOS  DE  CONSUMO   e  DESCARTE  $ $ $ = >
  • 10. > Ajudar no  cumprimento das  metas estabelecidas em fóruns como o  de  Davos > fortalecer o  vínculo com  as  marcas apoiadoras > financiar startups >  prever investimentos em infraestrutura (pontos de  coletas,  usinas de  reciclagem e  aterros) >  … O   M A P E A M E N TO   p o s s i b i l i t a :
  • 11. PLAY
  • 12.
  • 13.
  • 14.
  • 15.
  • 16. >  Machine Learning (Para  conectar  as  oportunidades  do  nosso  Big  Data,   identificando  pontos  com  maior  número  de  descartes  e  tipos  de  materiais) >  BlockChain (Para  rastrear  o  destino  final  do  material) Para  esta  implementação,  estamos  usando  o  IONIC  e  Java.   Para  a  geolocalização,  o  API  do  Google  Maps e  HyperLedger para  coleta  e   estruturação  dos  dados.  Watson  Analytics,  Data  Science  Experience  da  IBM   Cloud para  o  Tratamento  dos  Dados  . T E C N O LO G I A S em  avaliação
  • 17. OBRIGADO E L I               R E N A N                 G A B R I E L               B I O       E L I               1 1   9 9 4 1 5 -­‐ 2 0 4 0       B I O             1 1   9 9 0 1 5 -­‐ 6 0 0 0