fbpx
7. februar 2018

Maskinlæring og avfallshåndtering – det er mulig!

Brelo fullservice konsulentbyrå - ikke helt som alle de andre! Brelo rapport masteroppgave

Undertegnede avsluttet nylig studieprogrammet “Analytics for Strategic Management” som del av Executive Master of Management programmet på Handelshøyskolen BI. Sammen med to inspirerende medstudenter, Ingunn Lie og Roger O. Opheim Bjerke, gjennomførte vi et dyptgående og spennende masterprosjekt. Tusen takk for samarbeidet!

Oppgavens tittel:

Waste prediction: Data science within municipal solid waste collection at REN.”

Oppgavens formål og innhold:

Oppgavens formål var å produsere et “proof of concept” for bruk av moderne data science innen avfallshåndtering. Det ble utarbeidet avanserte maskinlæringsmodeller for å predikere vekt/volum av alle avfallscontainere i Oslo for på denne måten bevise at det er mulig å både øke effektivitet (=redusere kostnader) i avfallshåndteringen og samtidig øke befolkningens kundetilfredshet til denne nødvendige jobben som gjøres.

Oppgaven er gjennomført i nært samarbeid med Renovasjonsetaten (REN) med detaljert data over en tidsperiode på omtrent 1 år fra høst 2017 til høst 2018.

Innholdsfortegnelse:

  • REN – organisatorisk historie/bakgrunnsinformasjon
  • Business problem og fordeler ved gjennomføring av prosjektet
  • Tidligere studier/teori rundt temaet
  • Data forberedelse, strukturering og modellering
  • Evaluering av maskinlæringsmodell og forretningsverdi
  • Råd til REN for fremtidig forbedring og forberedelser til løpende maskinlæring i deres drift
  • Konklusjoner
  • Vedlegg – med diverse oppsummering og ytterligere effektiviserende råd/innspill

Enkelt forklart, viser vi i oppgaven at det er mulig å benytte historiske data sammen med ulike tilgjengelige informasjonsvariabler for å identifisere hvilke avfallscontainere som til enhver tid er fulle (og i behov for å bli tømt) og hvilke som er halvfulle eller tomme (og kan “vente til neste gang” før de blir tømt). På denne måten er det mulig å redusere tid benyttet for REN i avfallshåndteringen, optimalisere ruter samt legge til rette for mer optimalisert logistikk og gjenvinning. I sum anbefaler vi å benytte moderne data science for å oppnå betydelige fordeler – både økonomisk og kvalitetsmessig for kundene (Oslos befolkning) og for oppdragsgiver (Oslo kommune).

REN har gitt tillatelse til offentliggjøring av oppgaven og sensitiv informasjon er fjernet. Du kan derfor fint laste ned og ta en titt – husk at Brelo vil kunne bistå i tilsvarende eller liknende prosjekter på ulike områder – her er det kun fantasien som setter begrensninger. Har du spørsmål eller kommentarer – ta kontakt!

Du kan gjerne laste ned oppgaven fra konsulentbutikken i Brelo – trykk her!

Se gjerne også bloggartikkel om studiet – “en liten hyllest til Analytics for Strategic Management kurset på BI”. Anbefales!

 

Lo Brenna

>