Een kritische blik op de data van Welvaarts Weegsystemen om uiteindelijk transportkosten te besparen

Welvaarts Weegsystemen levert de technologieën voor verschillende afvaldiensten waarmee het gewicht van per container geregistreerd wordt. De afvalverwerking is in vele steden nog steeds een uitdaging. Zo ligt er soms een lading met vuilniszakken naast een container omdat deze vol is, of wordt er juist onnodig een container geleegd omdat deze nog niet vol is. Hier zijn wij mee aan de slag gegaan. We hebben een model gemaakt welke voorspelt hoe vol een ondergrondse container is. Door hier meer inzicht in te krijgen kunnen de afvaldiensten hun route dynamisch wijzigen en gerichter containers legen. 

Use Case

Gedurende de jaren heeft Welvaarts Weegsystemen veel informatie verzameld, zo ook weegresultaten van ondergrondse afvalcontainers. Het doel hiervan is managementinformatie creëren waarop uiteindelijk gestuurd kan worden. Een voorbeeld hiervan is het bepalen van het ideale moment om een afvalcontainer te legen. Het laatste wat de klanten van Welvaarts namelijk willen is dat een ondergrondse container te laat wordt geleegd en afval naast containers belandt. Dit kan stankoverlast veroorzaken en ongedierte aantrekken. Een container die te vroeg wordt geleegd is echter ook niet gewenst, dat betekent namelijk dat ritjes bespaard hadden kunnen worden.

Het bepalen van het ideale leegmoment brengt naast tijdsbesparing ook nog andere voordelen met zich mee, zoals beperkte uitstoot van fijnstoffen van de wagens en het ontlasten van infrastructuur. Door te voorspellen wanneer een container ‘mooi vol’ is en ideaal gezien geleegd moet worden, kan Welvaarts daar veel mee winnen.

DATA VOLWASSENHEID

Verzamelaar

WAT VINDT DE ONDERNEMER?

4/5
SECTOR

Logistiek

Onze Oplossing

Tijdens dit project zijn we aan de slag gegaan met containergegevens uit Amsterdam. Hier hebben we onderscheid gemaakt tussen de verschillende afvalsoorten (papier en rest). De weeggegevens van Welvaarts zijn vervolgens gekoppeld aan externe gegevens zoals het weer, feestdagen en mogelijke activiteiten in de stad. Er bestaat namelijk een kans dat deze invloed hebben op de hoeveelheid afval. 

Vervolgens hebben we de aanwezige data schoongemaakt en voorbereid voor verdere analyse. Hieruit bleek dat de weeggegevens verzameld door Welvaarts niet altijd even accuraat en consistent waren. Hierin speelt de afhankelijkheid van de chauffeur van de vrachtwagens een te grote rol. Doordat de kwaliteit van data niet goed genoeg was, hebben we wel een voorspellend model kunnen maken, maar is de prestatie hiervan minder dan gehoopt. 

Wel heeft dit Welvaarts aan het denken gezet hoe ze dit weegproces verder kunnen automatiseren zodat ze minder afhankelijk zijn van de chauffeur. Op die manier kunnen ze in de toekomst schonere data aanleveren en mogelijk alsnog tot het gewenste model komen.

Schone data, wat is dat?

Ga voor jezelf na of je de data consistent en accuraat verzameld. Een voorbeeld in het geval van Welvaarts is locatie. Met Den Bosch en 's-Hertogenbosch wordt hetzelfde bedoeld, maar doordat het een andere notatie is, ziet een computer dit als twee verschillende locaties.
Wanneer wordt de container gewogen? Iedere keer netjes voor en na de lediging? Of vergeet de chauffeur het soms waardoor alleen naderhand wordt gewogen? Dan geeft dit een vertekend beeld van het gewicht.

Benieuwd wat we met jouw
data kunnen doen?

Scroll naar top