Afvallogistiek 4.0

In dit onderzoek wordt een sensor en cloudgebaseerd datacollectie framework ontwikkeld om accuratere afvalgeneratieprofielen op te stellen op het niveau van straatsegmenten. In een volgende stap kan dit dataverzamelingsframework gebruikt worden om de afvalophalingsroutes dynamisch te herplannen. Een tweede uitkomst van dit onderzoek is de ontwikkeling van een set benchmark instanties gebaseerd op reële cases. In tegenstelling tot meer academische instanties die meestal een eenvoudig VRP of IRP beschouwen met 1 of 2 complicerende beperkingen wordt de praktijk gekarakteriseerd door problemen met zeer vele complicerende beperkingen die gelijktijdig actief zijn. Bijvoorbeeld: tijdsvensters, multi-trip, multi-dag, multi-periode, heterogene vloten, tijdsafhnakelijke rijtijden, maximale rijtijden, stochastische vloot, ... Momenteel zijn zulke instanties niet eenvoudig voorhanden voor onderzoekers en zien we dit als een belangrijke uitkomst van dit onderzoek om reproduceerbaar onderzoek in dit veld te faciliteren.

Trefwoorden:waste logistics, logistics 4.0, data mining

Disciplines:Logistiek en supply chain management, Operations-onderzoek en mathematisch programmeren, Datamining