See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/242413689

EVALUACIÓN DE ALTERNATIVAS PARA LA LOCALIZACIÓN DE PLANTAS DE

RECICLAJE DE RAEE EN ESPAÑA

Article

CITATIONS READS

0 722

2 authors:

Dolores Queiruga Javier González Benito

Universidad de La Rioja (Spain) Universidad de Salamanca
19 PUBLICATIONS 487 CITATIONS 111 PUBLICATIONS 5,646 CITATIONS

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Analysis of the adoption of the new automobile modular platforms View project

Production geography in the automobile industry (manufacturers and components sector) View project

All content following this page was uploaded by Dolores Queiruga on 07 August 2014.

The user has requested enhancement of the downloaded file.

 .

Primer Congreso de Logística y Gestión de la Cadena de Suministro

Zaragoza, 12 y 13 de Septiembre de 2007

EVALUACIÓN DE ALTERNATIVAS PARA LA LOCALIZACIÓN DE

PLANTAS DE RECICLAJE DE RAEE EN ESPAÑA

D. Queiruga
J. González-Benito
Universidad de Salamanca

Abstract
As a consequence of new European legal regulations for treatment of waste electrical and
electronic equipment (WEEE), recycling plants have to be installed in Spain. In this context,
this contribution provides the decision maker with a ranking of Spanish municipalities
according to their appropriateness for the installation of these plants. In order to rank the
alternatives, the discrete multi-criteria decision method PROMETHEE (Preference Ranking
Organisation METHod for Enrichment Evaluations) combined with social methods (e.g.
surveys of experts), is applied. As existing plants are located in the North and East of Spain,
a significant concentration of top ranking municipalities can be observed in South and Central
Spain. The method does not present an optimal structure of the future recycling system, but
provides a selection of good alternatives for potential locations of recycling plants.
Keywords: European Directive on WEEE, location, multi-criteria decision method
PROMETHEE

Resumen
La entrada en vigor de la Directiva Europea sobre Residuos de Aparatos Eléctricos y
Electrónicos (RAEE) requiere cambios infraestructurales y organizacionales de los sistemas
de retorno y reciclaje en los Estados Miembros de la Unión Europea. En España es
necesaria la instalación de nuevas plantas de reciclaje o la mejora técnica de algunas
existentes. En este contexto este trabajo describe un método para realizar un ranking de los
municipios españoles de acuerdo con su apropiabilidad para la instalación de estas plantas.
Para obtener un ranking de las alternativas se aplica el método de decisión multicriterio
PROMETHEE combinado con una encuesta a expertos del sector. Dado que las plantas
existentes están localizadas en el Norte y Este de España, los resultados del ranking
muestran una concentración significativa de los primeros municipios en el Sur y Centro de
España. El método no presenta una estructura óptima del sistema futuro de reciclaje, pero
ofrece una selección de buenas alternativas para la localización de posibles plantas de
reciclaje.

Palabras clave: Directiva Europea sobre RAEE, localización, método de decisión multicriterio
PROMETHEE

1. INTRODUCCIÓN

Según la Comisión Europea la cantidad de residuos de aparatos eléctricos y electrónicos

(RAEE) está creciendo rápidamente. Estos aparatos contienen tanto sustancias tóxicas como
valiosas que deben ser tratadas correctamente. Por esta razón la directiva del Parlamento
Europeo y el Consejo sobre residuos de aparatos eléctricos y electrónicos (Directiva RAEE)
 .

que data del 13 de Febrero de 2003 persigue la prevención, reutilización, el reciclaje y otras
formas de valorización de tales residuos a fin de reducir el vertido de los mismos. Deben
alcanzarse cuotas de recogida selectiva de al menos 4 kg de RAEE por habitante y año así
como cuotas de reciclaje y valorización de 10 categorías de aparatos eléctricos y
electrónicos. La Directiva RAEE también requiere la implementación de sistemas de retorno
y tratamiento de los productos electrónicos en desuso (Directiva, 2003).

España tiene una baja densidad de población (75 habitantes/km2) comparando con otros
países europeos y esta varía enormemente entre las provincias y las ciudades. Como
resultado de estas diferencias en la densidad de población y otros factores, existen fuertes
diferencias económicas, infraestructurales, sociales y legales entre las ciudades españolas.
Actualmente en España los RAEE se recogen con el resto de residuos municipales en
aproximadamente 600 puntos limpios, extendidos no uniformemente en el país. Existen
algunas plantas específicas de RAEE pero un elevado porcentaje de estos productos termina
en vertederos o sólo se aprovecha de ellos el metal. Si se recoge una cuota de 4 kg de
RAEE por habitante y año, un total de 151.000 toneladas al año podría ser tratado en
España. Actualmente la capacidad de las plantas de reciclaje es de unas 97.500 toneladas al
año, lo que es insuficiente. Por ello deben ser instaladas nuevas plantas de reciclaje o la
capacidad y la tecnología de las existentes debe ser ampliada y mejorada.

De acuerdo con la directiva RAEE los costes de la recogida, tratamiento, valorización y

correcta eliminación de los RAEE debe ser financiado por los fabricantes. Para instalar un
sistema de reciclaje de coste mínimo los fabricantes han creado la fundación ECOLEC.
ECOLEC tiene dos posibilidades: instalar las plantas de reciclaje ellos mismos o realizar
contratos con las plantas existentes o futuras para el tratamiento de los residuos. Para
planificar un sistema de gestión de residuos de RAEE la primera cuestión que debe ser
contestada por ECOLEC es: cuáles son los mejores lugares en España para una planta de
reciclaje teniendo en cuenta objetivos económicos, infraestructurales y ecológicos - para la
instalación de una planta nueva o la realización de contratos con existentes. En este
contexto, el objetivo de esta contribución es describir un método práctico para situar plantas
de reciclaje.

2. METODOLOGÍA

Una de las decisiones estratégicas más importantes para cualquier empresa es la decisión
de localización, ya que afecta a los beneficios y costes a largo plazo. La elección de una
localización es un proceso muy difícil y costoso. Los modelos que empezaron a solucionar el
problema de localización tenían en cuenta sólo criterios cuantitativos al minimizar los costes
fijos y los costes de transporte entre la empresa de producción y sus clientes. Estos modelos
se han vuelto complejos y se han extendido p.e. a empresas con multitud de productos o a
redes de empresas. Sin embargo estos modelos no consideran criterios no monetarios.

La aplicación de los métodos multicriterio, que tienen en cuenta varios objetivos, así como
variables tanto cuantitativas como cualitativas, ha aumentado en los últimos años. Utilizando
estos métodos pueden ser considerados criterios relevantes como calidad de transporte y
redes de telecomunicaciones, preferencias del empresario, influencia medioambiental,
 .

disponibilidad y calidad del capital humano o calidad de vida.

En este trabajo se consideran numerosos objetivos (económicos, infraestructurales y legales)

y criterios tanto cuantitativos (ej. costes de terreno, costes de personal) como cualitativos (ej.
legislación o accesibilidad). Además los criterios específicos para este problema y sus pesos
son determinados con la utilización de bases de datos estadísticos y encuestas de expertos.

Para elegir el método apropiado multicriterio se analizaron las características específicas del
problema. Además fue considerada la calidad de la información disponible para evaluar las
alternativas y la información sobre las preferencias. También es importante el tipo de
personas que participan en el proceso de planificación. Se tuvo en cuenta que el método
seleccionado y los resultados deben ser comprensibles para los agentes decisores (Kangas
y Kangas, 2005).

Los métodos multicriterio pueden agruparse en modelos clásicos (Multiple Attribute Utility
Theory (MAUT), Utility Analysis, Analytic Hierarchy Process (AHP), etc.) por un lado y
modelos outranking (ej. ELECTRE, PROMETHEE) por otro lado. Los modelos clásicos
asumen que el decisor tiene información exacta y completa sobre las alternativas. El
resultado es una solución óptima, ya que al comparar las alternativas sólo existen dos
posibilidades: o bien una alternativa es estrictamente preferida sobre las demás o bien las
alternativas son indiferentes para el decisor. En contraste con esto, los métodos outranking
asisten al decisor incluso en casos de información incompleta, como es nuestro caso de
estudio. El objetivo fundamental de los modelos outranking es la descripción detallada y la
estructuración del proceso de decisión, más que la determinación de una solución óptima.
Además de preferencia estricta e indiferencia, también permite preferencia débil e
incomparabilidad de alternativas (Brans y Mareschal, 1994).

En este trabajo las alternativas y los criterios fueron seleccionados con la opinión de
expertos y decisores y el objetivo principal era ordenar esas alternativas. Este es el principal
cometido de los métodos outranking (Morrissey y Browne, 2004). Las unidades de los
criterios son heterogéneas (ej. €/a, km) y convertirlos en una escala común puede resultar
difícil o artificial. Además las compensaciones entre beneficios y pérdidas de algunos
criterios no están claras y se deben tener en cuenta las preferencias. Estas son
características de los métodos outranking (Vincke, 1999). De aquí que los métodos
outranking muestren ventajas en relación a los clásicos para nuestro caso de estudio.
Además los decisores aceptan más fácilmente un método y sus resultados si el modelo de
decisión es comprensible y lo encuentran de algún modo ‘natural’ (Hokkanen y Salminen,
1997). En comparación con ELECTRE, PROMETHEE tiene ventajas tales como la
simplicidad, claridad, eficiencia y bajos requerimientos de información. En ELECTRE no
existe un significado real de los umbrales o una influencia directa en el resultado.

Por esta razón, elegimos el método de decisión multicriterio PROMETHEE (Preference

Ranking Organisation METHod for Enrichment Evaluations) desarrollado por Brans en 1982
(Brans et al., 1986). Su aplicación en este problema es apropiado porque puede ayudar a los
fabricantes españoles a entender el proceso de decisión y ofrece un ranking de las mejores
alternativas para instalar una planta de reciclaje o realizar un contrato con alguna de las
 .

existentes. Además PROMETHEE es un método utilizado popularmente en solucionar

problemas de localización.

Para aplicar PROMETHEE es necesario conocer (1) los criterios de localización de las
plantas de reciclaje y sus pesos, (2) las alternativas y su evaluación y (3) la preferencia de
los decisores en la forma de las funciones de preferencia. Estos aspectos serán analizados
para el problema de las plantas de reciclaje de RAEE.

2.1 Criterios de localización de las plantas de reciclaje de RAEE

Los criterios de localización no pueden ser generalizados porque dependen fuertemente de
la zona geográfica así como de las actividades específicas de una empresa. Por ese motivo
existen multitud de estudios sobre la causa de las empresas a establecerse en un país,
ciudad o provincia determinados. En este trabajo es necesario determinar y analizar los
criterios específicos para las decisiones de localización en España y posteriormente los
criterios para la decisión de localización de plantas de reciclaje de RAEE.

Un análisis de los estudios de planificación de localización en España muestra que uno de

los criterios de localización más importante para las empresas españolas son los efectos de
aglomeración. Los factores cualitativos relacionados con consideraciones medioambientales
o legales desempeñan un papel importante en la decisión de localización y en algunos casos
son incluso más importantes que los costes (Queiruga, 2006).

Para determinar los criterios de localización de las plantas de reciclaje de RAEE, debe
considerarse el marco de una planta de reciclaje: los inputs, el proceso (tratamiento) y los
outputs. Así, los autores de esta contribución realizaron un estudio de los objetivos y las
características de las plantas de reciclaje de RAEE en comparación con los centros de
producción tradicionales. Mientras los centros de producción tradicionales analizan la
demanda, el mercado y los beneficios potenciales, promocionan productos y establecen
plantas cerca de los clientes potenciales, las plantas de reciclaje de RAEE dependen
fuertemente de la cantidad de los productos desechados. Las plantas de reciclaje también
tienen una influencia muy limitada en el flujo de materiales. Para reducir costes de transporte
debe tenerse en cuenta la proximidad y el acceso a áreas de población con grandes
cantidades de RAEE. Mientras los fabricantes ordenan los inputs a los proveedores en la
cantidad y el momento que lo necesitan, las plantas de reciclaje experimentan dificultades
por las grandes fluctuaciones en cantidad, estado y categoría de los productos retornados.
Mientras los fabricantes pueden afectar el diseño, la provisión, diseño y tamaño de los
productos, las plantas de reciclaje no tienen influencia sobre las características de los
productos retornados ej. en la reciclabilidad o el contenido de sustancias nocivas (Queiruga,
2006).

Según estas características de las plantas de reciclaje, el número y la infraestructura de los

puntos de recogida de RAEE desempeña un papel importante en el input de estas plantas.
Dado que, según la directiva RAEE, debe ser garantizada la recogida de 4 kg de RAEE por
habitante y año, los puntos de recogida deben ser accesibles por los habitantes.
Considerando la cantidad de RAEE que se transporta de las plantas de reciclaje, es
necesario minimizar los costes de transporte desde los puntos de recogida hasta las plantas
 .

de reciclaje. Así pues, la densidad de población y el resultado de las cantidades de RAEE

influyen en la decisión de localización.

En lo que el proceso de reciclaje se refiere, la planta de reciclaje debe buscar una

localización donde el personal así como otros costes variables sean reducidos.

Los outputs de una planta de reciclaje son los materiales, que pueden agruparse en
metales, no metales y sustancias peligrosas. Dependiendo de los tipos de aparatos tratados
en la planta, se pueden obtener distintos tipos de materiales. La proximidad del mercado de
materiales reciclados influye en la decisión de localización, ya que el tiempo y el coste de
transporte pueden reducirse en la elección de una localización apropiada.

Después de este estudio de las decisiones de localización en España y las características de

las plantas de reciclaje, se determinaron 17 criterios de localización. Para evaluarlos se
realizó un cuestionario que fue enviado a treinta expertos seleccionados del sector de la
gestión de RAEE. Se les preguntó sobre la evaluación de todos los criterios de acuerdo con
su importancia en una escala del uno al diez. De los treinta expertos doce respondieron el
cuestionario: tres expertos de plantas de reciclaje de RAEE, cuatro fabricantes de aparatos
eléctricos, tres de plantas de tratamiento del metal, uno de la universidad y un político
medioambiental.

Aunque fueron consultados expertos de diferentes grupos, las respuestas no diferían mucho.
De los 17 criterios considerados, 7 obtuvieron resultados claramente más bajos que los
demás. Por ello sólo los 10 criterios con mayor puntuación fueron tenidos en cuenta. La
importancia de cada criterio fue calculada dividiendo la suma de la puntuación de todos los
expertos entre la suma de la puntuación de todos los criterios. La figura 1 muestra los
resultados en términos de criterios esenciales requeridos para la decisión de localización de
una planta de RAEE agrupados de acuerdo con los objetivos y con los pesos otorgados por
los expertos. Estos criterios se llamaron Cj, con j desde 1 hasta 10.

FACTORES DE LOCALIZACIÓN DE UNA PLANTA DE RECICLAJE DE RAEE

0,29 0,50 0,21

Objetivos Objetivos Objetivos

Económicos Infraestructurales legales

(C4) Accesibilidad 0,11

(C1) Costes de terreno 0,09 (C5) Efectos de aglomeración (C9) Plan de residuos de 0,11
la CA
(C2) Costes laborales 0,12 (cercanía a gestores de metal,
no metal y vertederos) (C10) Subvenciones
(C3) Precio de la energía 0,08 0,10
medioambientales 0,10
(C6) Proximidad de áreas habitadas 0,10
(C7) Ausencia de otras plantas de
reciclaje de RAEE 0,10
(C8) Disponibilidad de mano de obra 0,09

Fig. 1 - Criterios propuestos y su importancia relativa de acuerdo con los expertos

 .

2.2 Alternativas y sus características

Como alternativas del problema de decisión se eligieron todos los municipios españoles con
una población mayor de 23.000 habitantes, ya que es en ellos donde se encuentran las
mayores cantidades de RAEE. Esto son 242 municipios como alternativas potenciales. Para
algunos de los criterios considerados fue difícil obtener información detallada para todos los
municipios. En esos casos se agregaron los datos de provincias o de Comunidades
Autónomas y se asignó a todos los municipios de esa área. Como resultado del proceso de
obtención de datos se desarrolló una tabla con todas las alternativas y criterios. Un ejemplo
de ella para las primeras alternativas se muestra en la tabla 1.

C1 C2 C3 C4 C5 C6 C7 C8 C9 C10
Ausencia Disponibi-
Proximidad Plan de Subvenciones
Coste de Coste de Precio de la Accesibi- Efectos de planta lidad de
áreas residuos de medio-
terreno personal energía lidad aglomeración reciclaje mano de
habitadas la CA ambientales
RAEE obra
Min/Max Min Min Min Min Min Max Min Max Max Max
Peso 0.09 0.12 0.08 0.11 0.10 0.10 0.10 0.09 0.11 0.10
Unidad € / m² €/a € / Watios h Km Km N° Escala N° Escala Escala
habitantes Sí / No Personas Sí / No Sí / No
Función de Preferencia Gauss Gauss Gauss Gauss Gauss Gauss Usual Gauss Usual Usual
p
q
σ 141 5 210 6 2 88 971 911 37 093
ALTERNATIVES
Águilas 425 16 631 57 0.9. 155 27 771 0 944 0 0
Alaquàs 455 18 072 62 0.2. 6 27 733 1 1 303 1 1
Albacete 400 18 072 58 0.4. 150 148 934 0 8 042 1 0
Alcalá de Guadaira 555 16 631 61 1.08. 0 57 426 0 5 398 1 1
Alcalá de Henares 675 18 072 60 3.07. 23 176 434 0 10 409 1 1
Alcantarilla 425 16 631 57 0.7. 75 34 303 0 1 509 0 0
Alcázar de San Juan 365 18 072 58 23.06. 118 26 403 0 1 240 1 0
Alcobendas 675 26 375 60 1.03. 30 92 090 0 3 407 1 1
Alcorcón 675 19 879 60 2. 11 153 100 0 7 808 1 1
Alcoy/Alcoi 425 16 631 62 0.1. 29 58 358 1 2 742 1 1
Aldaia 455 19 879 62 0.6. 6 24 800 1 1 165 1 1
Algeciras 460 15 165 61 0.1. 56 101 468 0 9 030 1 1
Tabla 1 - Matriz de decisión multicriterio. Ejemplo de las primeras alternativas

2.3 Determinación de las Funciones de Preferencia

Para cada criterio j el decisor debe determinar una función particular F j , que mide la
intensidad de la preferencia para cada criterio. Esta función de preferencia es una función de
la diferencia ‘ d j ’ entre la evaluación de ambas alternativas de acuerdo con el criterio j (ej. d j
= valor de la alternativa a de acuerdo con el criterio j – valor de la alternativa b de acuerdo
con el criterio j). Para aplicar PROMETHEE, se calcula el índice de preferencia π(a,b) para
n
cada par (a,b) de alternativas: π (a, b) = (1 / W ) ∑ w F ( a, b)
j =1
j j donde n es el número total de

criterios, w j es la importancia relativa del criterio j, F j (a, b) es el grado de preferencia de a

n
sobre b para el criterio j y W = ∑w j =1
j .

Brans el al. (1986) propusieron seis tipos diferentes de función de preferencia: usual, cuasi,
linear, escala, linear con área de indiferencia y función de Gauss, y valores desde 0
(indiferencia) hasta 1 (estricta preferencia).
 .

Los criterios: ‘Plan de Residuos de la CA’ (C9), ‘ausencia de plantas de reciclaje de RAEE’
(C7) y ‘Subvenciones medioambientales’ (C10), fueron medidos con "sí" (1) o "no" (0). Por
esta razón se aplicó una función de preferencia usual, que sólo expresa indiferencia o
estricta preferencia.

Para determinar la función de preferencia de todos los demás criterios y dado que la opinión
de los decisores no es perfectamente conocida, se propusieron valores arbitrarios centrales
con el fin de obtener una primera solución (Pomerol y Barba-Romero, 2000; Vincke, 1999).
La función de Gauss es la más estable y extendida en la práctica. Por ese motivo se aplicó a
los otros siete criterios para encontrar una primera solución (Brans, 1986). Se asumió que
cuando el decisor compara dos alternativas ante un criterio con sólo pequeñas diferencias
entre las alternativas, la pendiente de la función de preferencia es pequeña. Cuando las
diferencias tienen valores intermedios, la pendiente de la función de preferencia es
intermedia. Finalmente, cuando las diferencias son grandes, la pendiente es pequeña. La
función de preferencia de Gauss requiere sólo la determinación del punto de inflexión s y se
define como sigue (Brans et al., 1986):

0, si dj =0
F j ( a, b ) = (1)
1- exp (-dj² /2s), si dj >0

Para encontrar un valor de s se calcula la mayor (djmax) y menor diferencia (djmin) para cada
par de alternativas (a,b). Posteriormente, la mayor diferencia se divide en tres partes iguales.
El valor de s es la primera. Con ello, s se calcula como sigue (Queiruga, 2006):

d max − d min
s= j j
+ d min
j (2)
3

En este trabajo se perseguía la robustez de los resultados, ya que de esta manera el decisor
tiene la garantía de que la solución no variará con valores diferentes de los parámetros.
Dado que el aspecto más importante es utilizar parámetros que puedan considerar las
opiniones de los diferentes decisores (Goumas y Lygerou, 2000), en este trabajo se
realizaron dos análisis de sensibilidad: uno consistente en aplicar tres funciones de
preferencia: de Gauss, linear y linear con área de indiferencia. Los parámetros de las
funciones linear y linear con área de indiferencia se calcularon trazando una línea tangente
por encima y por debajo de la función de Gauss (Queiruga, 2006). El segundo análisis de
sensibilidad consistió en la modificación de los pesos de los criterios. De este modo los
pesos fueron aumentados y disminuidos un 10% para cada grupo de objetivos (económico,
infraestructural y legal), considerando que su suma continuaba siendo 1 (ej. Briggs et al.,
1990).

2.4 Aplicación de PROMETHEE

El índice de preferencia π(a,b), fue calculado para cada par de alternativas (a,b) de tal
manera que se obtuvo una matriz de n filas y n columnas, siendo n el número de alternativas
de localización.
 .

El flujo positivo (φ + ) se obtuvo sumando las filas de esa matriz, esto es: φ+ (a ) = ∑ π( a , b ) ,
b∈ A

siendo A el conjunto de alternativas de localización. El flujo positivo provee una medida de la

dominación de una alternativa sobre todas las demás. Cuanto mayor es el resultado, mejor
es la alternativa. El flujo negativo (φ− ) se obtuvo con la suma de las columnas de la matriz,
esto es: φ− (a ) = ∑ π(b, a) .
b∈ A
Esto provee una medida de la dominación de todas las

alternativas sobre una alternativa. Cuanto menor es el resultado, mejor es la alternativa.

Cuando el flujo positivo de una alternativa es mayor que el de otra alternativa

( φ+ (a ) > φ+ (b) ), y el flujo negativo es menor o igual ( φ− (a ) ≤ φ− (b) ), una alternativa domina
la otra. Cuando el flujo positivo de una alternativa es mayor que el de otra alternativa
( φ+ (a ) > φ+ (b) ), pero su flujo negativo no es menor, ( φ− (a) no menor φ− (b) ), se habla de
incomparabilidad.

3. RESULTADOS Y DISCUSIÓN

Después de aplicar el método PROMETHEE para todas las alternativas con la función de
Gauss, el ranking de las 20 mejores alternativas se presenta en la figura 2.
Pais
Asturias
Vasco
Cantabria

Galicia Navarra
1. Huelva
La Rioja
2. Sevilla 19
3. Algeciras Castilla y
4. Fuenlabrada Leon
Aragon Cataluña
5. Málaga
6. Leganés
20
7. Jeréz de la Frontera
Madrid 6 17
8. Jaén
9. Córdoba 16 4 1113
10. Granada
11. Getafe
12. Badajoz Extremadura Valencia
13. Móstoles Castilla la Mancha
14. Alcalá de Guadaira
12
15. San. Fernando 18
16. Alcorcón
17. Madrid 9
8 Murcia
18. Alicante 1 15 Andalucia
19. Pamplona 2 14
20. Alcalá de Henares
7 10
5
Plantas de reciclaje de
Existing WEEE companies
RAEE existentes 3

Fig. 2 - Plantas de reciclaje de RAEE existentes y ranking de las 20 mejores

alternativas como resultado de PROMETHEE con la función Gauss

Los resultados de la evaluación muestran que las mejores alternativas están concentradas
en pocas regiones: Madrid en el centro y Andalucía en el Sur de España. Regiones que no
son apropiadas para el establecimiento de una planta son por ejemplo Castilla y León,
Extremadura o Castilla la Mancha, situadas cerca de la capital y caracterizadas por una
menor densidad de población y menor infraestructura.
 .

Los resultados reflejan las características de España (elevada concentración de la industria y

la población), dado que las mejores alternativas están concentradas en pocas CCAA. Esto
muestra que las ciudades grandes tienen ventajas p.e. con respecto a los efectos de
aglomeración o número de habitantes. Sin embargo, considerando otros criterios como los
costes o la disponibilidad de la mano de obra, otras ciudades pueden ser susceptibles de
localizar una planta de reciclaje. De hecho, los resultados muestran que las grandes
ciudades no están las primeras en el ranking. Como se puede ver en la tabla 1, Madrid, por
ejemplo, es la ciudad con mayor número de habitantes, sin embargo sus costes son muy
elevados. Esto significa que otras alternativas con un número menor de habitantes, pero
ventajas en costes como Huelva o Sevilla pueden tener un ranking superior a Madrid.

El ranking obtenido con la función de preferencia linear y la función linear con área de
indiferencia varía ligeramente. Sin embargo cuando se comparan los resultados de los tres
rankings, se observa que las 20 mejores localidades con función de preferencia linear y
linear con área de indiferencia están entre los 25 primeros obtenidos con la función de
Gauss.

Con respecto a los resultados obtenidos cuando se varían los pesos de los objetivos, el
grupo de las mejores alternativas obtenidas con los nuevos pesos fue comparada con los
obtenidos con los anteriores pesos: para los objetivos económicos, cuando se aumentaron
los pesos un 10%, las 20 primeras alternativas estaban situadas entre las 26 primeras con
los pesos anteriores. Cuando los pesos se disminuyeron un 10%, las 20 primeras
alternativas estaban entre las 22 primeras obtenidas con los valores antiguos. Para factores
infraestructurales, cuando los pesos se aumentaron o disminuyeron un 10%, las 20 primeras
alternativas se situaron respectivamente entre las 25 o 24 mejores alternativas con los
valores antiguos. Para factores legales, cuando los pesos se aumentaron o disminuyeron un
10%, las 20 primeras alternativas se situaron en ambos casos entre las 22 mejores
alternativas con los valores antiguos. En resumen, observando los resultados se puede decir
que los rankings no eran idénticos, pero el grupo de mejores alternativas coincide en todos
los casos con bastante exactitud. Esto significa que los resultados son robustos y que no
varían fuertemente con cambios en las opiniones de los decisores de acuerdo con las
funciones de preferencia y los pesos. Las dos primeras alternativas en el ranking eran
Huelva y después Sevilla, aunque la diferencia en el resultado entre ellas es muy pequeña.

Con cambios en los pesos Huelva es la primera alternativa en el ranking en la mayoría de los
casos. Con respecto a los objetivos infraestructurales, Sevilla tiene mejores características
que Huelva y por esta razón, cuando estos valores aumentan (o los factores económicos
disminuyen) entonces el ranking de las dos primeras alternativas se invierte.

La veracidad de la información usada por los criterios es muy elevada, dado que se utilizaron
bases de datos de estadísticas oficiales. Sin embargo, para algunos criterios considerados,
la información detallada para todos los municipios no existe. En estos casos, se asignó datos
agregados a todos los municipios de la Comunidad Autónoma. Esto puede influenciar en los
resultados, y algunos municipios pueden verse favorecidos o perjudicados dependiendo de
las características de las Comunidades Autónomas a las que pertenecen. La información de
los expertos puede ser considerada bastante exacta y robusta, ya que los decisores estaban
 .

incluidos entre los expertos consultados. Además fueron encuestados expertos de diferentes
grupos (plantas de reciclaje, fabricantes, investigadores) y los resultados no diferían mucho.
Los resultados consideran una situación inicial con tres plantas de reciclaje en España. Si
esta situación inicial cambia, esto es, si se instala una nueva planta, entonces el criterio
‘ausencia de plantas de reciclaje’ debe ser modificado y el método PROMETHEE debe ser
aplicado de nuevo para obtener un nuevo ranking de las mejores alternativas y elegir una
localización apropiada para una segunda planta. Esto es, el procedimiento debe ser aplicado
iterativamente para obtener una configuración óptima de las plantas de reciclaje. Al aplicarlo
en nuestro caso de estudio, cuando la mejor alternativa del ranking inicial es elegido y el
criterio ‘ausencia de plantas de reciclaje’ es modificado para la localización donde la planta
es instalada y para las ciudades vecinas, la mejor alternativa después de una segunda
aplicación del procedimiento se mueve a Algeciras (era la tercera opción en el ranking inicial
mostrado en la figura 2). El criterio 7 en la tabla 1 toma ahora el valor 0 para las alternativas
cerca de Huelva, ya que se instala una planta de reciclaje nueva. Por ello Huelva y Sevilla ya
no son las primeras en el ranking.

El objetivo de este trabajo no era determinar un número adecuado de plantas de reciclaje

para tratar todos los residuos eléctricos y electrónicos, sino determinar cuáles eran las
mejores localizaciones considerando múltiples criterios. Si se utiliza un modelo cuantitativo
(basado en criterios cuantitativos como costes), por ejemplo el modelo Warehouse Location,
los resultados son más dispersos, pero no consideran múltiples criterios. De acuerdo con los
expertos consultados en este trabajo, algunas otras cuestiones aparte de la minimización de
costes deberían ser tenidas en cuenta para la localización efectiva de las plantas de
reciclaje. Esto es, la aplicación de modelos cuantitativos basados exclusivamente en la
optimización de costes como el Warehouse Location Problem (WLP) no tendría en cuenta
información relevante. Además, este tipo de modelos buscan un número específico de
localizaciones y proveen una solución que es óptima únicamente si las plantas se establecen
en todos los puntos. Cada localización no debería ser apropiada en sí misma, sino apropiada
si todas las demás localizaciones también son seleccionadas.

REFERENCIAS
Brans, J.P., Mareschal, B., 1994. The PROMCALC&GAIA decision support system for
multicriteria decision aid. Decision Support System 12, 294-310.
Brans, J.P., Vincke, Ph., Mareschal, B., 1986. How to select and how to rank projects: The
PROMETHEE method. European Journal of Operational Research 24, 228-238.
Briggs, Th., Kunsch, P.L., Mareschal, B., 1990. Nuclear waste management: an application of
the multicriteria PROMETHEE methods. European Journal of Operational Research 44, 1-
10.
Directive 2002/96/EC of the European Parliament and of the Council of 27 January 2003 on
Waste Electrical and Electronic Equipment (WEEE).
Kangas, J., Kangas,A., 2005. Multiple criteria decision support in forest management- the
approach, methods applied, and experiences gained. Forest Ecology and Management
207, 133-143.
Goumas, H., Lygerou, U., 2000. An extension of the PROMETHEE method for decision
making in fuzzy environmental: Ranking of alternative energy exploitation projects,
European Journal of Operational Research 123, S. 606-613
 .

Hokkanen, J., Salminen, P., 1997. Locating a Waste Treatment Facility by Multicriteria
Analysis. Journal of Multi-Criteria Decision Analysis 6, 175-184
Morrissey, A.J., Browne, J., 2004. Waste Management models and their application to
sustainable waste management. Waste Management 24, 297-308
Queiruga, D., 2006. Zur Wirtschaftlichkeit regionaler Rücknahme- und Reclingsysteme für
Haushaltsgroßgeräte in Spanien (On the economy of regional return and recycling
systems for large household appliances in Spain) Collection 16, VDI-Verlag
Vincke, Ph., 1999. Outranking approach, in: Gal, T.; Stewart, T.J.; Hanne, T. (Hrsg.),
Multicriteria Decision Making. Advances in MCDM – Models, Algorithms, Theory, and
Applications, International Series in Operations Research & Management Science, Kluwer
Academic Publishers, Boston.

CORRESPONDENCIA
Dolores Queiruga
Campus Miguel de Unamuno, Edificio FES
Universidad de Salamanca
E-37007 Salamanca (España)
Tfno: +34 92 329 44 00, Ext. 3329
Fax: +34 92 329 47 15
E-mail: queiruga@usal.es

Javier González-Benito
Campus Miguel de Unamuno, Edificio FES
Universidad de Salamanca
E-37007 Salamanca (España)
Tfno: +34 92 329 44 00, Ext. 3329
Fax: +34 92 329 47 15
E-mail: javiergb@usal.es

View publication stats