MKB Datalab helpt Welvaarts Weegsystemen transportkosten te besparen

MKB Datalab helpt Welvaarts Weegsystemen transportkosten te besparen

Welvaarts Weegsystemen levert weegsystemen waarmee het gewicht per container geregistreerd wordt. Afvalverwerking is in vele steden nog steeds een uitdaging. Denk aan vuilniszakken die naast een container liggen omdat deze vol is, of containers die juist geleegd worden terwijl deze nog niet vol is. MKB Datalab hielp dit proces te optimaliseren door een model te maken die voorspelt hoe vol een ondergrondse container is. Door dit inzicht kunnen afvaldiensten hun route dynamisch wijzigen en gerichter containers legen.

Background Pattern

De uitdaging

In de afgelopen jaren heeft Welvaarts Weegsystemen veel data verzameld. Hieronder de weegresultaten van ondergrondse afvalcontainers, met als doel het creëren van managementinformatie waarop uiteindelijk gestuurd kan worden. Het bepalen van het ideale leegmoment van containers brengt naast tijdsbesparing ook nog andere voordelen met zich mee, zoals beperkte uitstoot van fijnstoffen van de wagens en het ontlasten van infrastructuur. Daarom kan Welvaarts veel winnen met een goede inschatting van wanneer een container ‘mooi vol’ is en het beste geleegd kan worden.

Het resultaat

Met containergegevens uit Amsterdam als uitgangspunt zijn we aan de slag gegaan. De weeggegevens van Welvaarts hebben we 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 op een bepaald moment. 

Daarna is de data opgeschoond en klaargestoomd voor verdere analyse. De weeggegevens van Welvaarts bleken niet altijd even accuraat en consistent, veroorzaakt door de afhankelijkheid van chauffeurs en vrachtwagens. Doordat de kwaliteit van data niet optimaal was, hebben we wel een voorspellend model kunnen maken, maar is de prestatie hiervan minder dan gehoopt. 

Echter heeft dit wel geleid tot heroverweging bij Welvaarts van hoe ze dit weegproces verder kunnen automatiseren zodat ze minder afhankelijk zijn van de chauffeur. Zo kunnen ze in de toekomst schonere data aanleveren en mogelijk alsnog tot het gewenste model komen.

Testimonial

“Ook al is de uitkomst van de praktijktest niet waar we op hoopten, we hebben nu wél meer inzicht in dat wat we moeten doen om onze data op orde te krijgen zodat we in de toekomst wel kunnen werken met een dynamische... Read more
Background Pattern

Waarom samenwerken met JADS

JADS biedt innovatieve data science programma’s op undergraduate, graduate en postdoctorale niveau, voert baanbrekend datawetenschappelijk onderzoek uit en biedt geweldige zakelijke kansen met een voortdurend groeiend ecosysteem. Van startups tot KMO’s en grote ondernemingen, onze zakenpartners krijgen toegang tot talent, kennis op hoog niveau en zakelijke kansen.

Werk samen met JADS net zoals 300+ andere organisaties en bedrijven en geef vorm aan jouw datagedreven toekomst

Meer informatie over zakelijke kansen
Group 5
Group 6
Group 7