A pesquisa envolveu o desenvolvimento do Índice de Destinação de Resíduos Sólidos Industriais, composto por 7 sub-índices que abrangem 20 indicadores desenvolvidos, envolvendo os princípios de não geração, minimização, reaproveitamento, reciclagem, tratamento, estocagem e disposição final de resíduos. O marco referencial que orientou as avaliações do Índice de Destinação de Resíduos Sólidos Industriais foi obtido a partir da realização de pesquisas em relatórios ambientais e documentos auditáveis, bem como em visitas técnicas em indústrias dos setores automotivo, cimenteiro, laticínios, siderúrgico e têxtil. O Índice de Destinação de Resíduos Sólidos Industriais desenvolvido vem sendo simulado a partir de dados reais. Em simulação feita para uma indústria siderúrgica o Índice de Destinação de Resíduos Sólidos Industriais somatório obtido foi 0,645 (REGULAR) e o produtório foi 0,785 (BOM). Os resultados obtidos se mostram satisfatórios para avaliação e apoio aos gestores industriais na tomada de decisões.

Reliable estimates of quantiles associated with mid-to-large return periods are required in the everyday practice of Hydrologic Engineering. However, the usually small samples pose numerous challenges for inferring such quantiles. Therefore, augmenting sample sizes via extension techniques could be beneficial for statistical inference. This paper attempts to provide a comprehensive assessment of the performance of a collection of such techniques in estimating rare and extreme quantiles. Regression models, such as the ordinary least squares (OLS) approach and the Generalised Linear Models (GLM), as well as techniques specifically designed for time series extension, such as the Maintenance of Variance (MOVE) family, were evaluated by means of Monte Carlo simulations. Results show that, for both two and three-parameter distributional models and any level of association, the MOVE3 and MOVE4 techniques appear to provide the best balance between bias and precision of extreme quantile estimates.