Avfallsselskapet Sirkula jobber med KI for å se hvordan kjøreruter kan optimaliseres. Slik kan de spare utslipp, manuelt arbeid og gi innbyggerne et bedre tilbud. 

Vi er nok fortsatt et godt stykke unna at kunstig intelligens helt på egen hånd kan hente og håndtere avfallet ditt. 

Men teknologien kan tas i bruk på lure måter for å gjøre avfallssortering og tømming bedre og mer effektivt. 

Et godt eksempel på dette finner man hos Sirkula, som jobber med å hente husholdningsavfall i deler av Innlandet. 

– Vi har samarbeidet med Sintef for å se om kunstig intelligens kan optimalisere kjørerutene våre, sier Espen Pettersen, saksbehandler for innsamling og kundekontakt i Sirkula. 

Stor logistikkjobb  

I løpet av et år gjennomfører Sirkula over én million tømminger, fordelt på 45 000 husstander. 

Avstanden mellom boligene hvor Sirkula henter avfall, kan være store. Det betyr at oppgaven med å finne den ideelle ruten for kjøring og henting av avfall er omfattende.

Det er mange faktorer som spiller inn. Mest åpenbart er kanskje ønsket om å kjøre renovasjonsbilene færrest antall kilometer totalt. 

I dag legges rutene opp manuelt, noe som er en stor logistikkjobb. Rutene er faste. Det er viktig med tanke på forutsigbarhet for innbyggerne. Samtidig gir dette lite rom for fleksibilitet eller endringer underveis.

– Her kan kunstig intelligens bidra til å lage bedre ruter som tar hensyn til faktorer som kjøretid, drivstofforbruk, trafikkforhold og kjøretøyets kapasitet, og samtidig redusere behovet for manuelt arbeid, forklarer han. 

– Et puslespill som må gå opp

Hvis man skal utvikle kunstig intelligens trenger man data. 

Sirkulas kjøretøy registreres i sanntid i et kart, slik at man til enhver tid kan se hvor sjåførene befinner seg. Sammen med historiske data om ruter og kartinformasjon ga dette Sirkula og Sintef et solid utgangspunkt. 

Disse dataene mates inn i KI-modeller, som presenterer nye kjøreruter. 

– Vi har fokusert på startpunkt og endepunkt. Hvor på kjøreruten er det best å starte og avslutte for at ruten kan kjøres så effektivt som mulig?

De ser også på data om kjøretøyenes kapasitet og mengden avfall som skal hentes. Kan dette planlegges på en slik måte at de kan fylle bilen uten tomkjøring eller doble turer? 

– Det er litt som Tetris. Eller et puslespill som må gå opp, sier Pettersen. 

Foreløpig er Sirkula fortsatt i startfasen av prosjektet. Men på sikt er det naturlig å også se på faktorer som hindringer i veien som underganger, blindveier, sanntidsanbefalinger for hastighet (for mest mulig effektivt bruk av drivstoff) samt værdata og trafikkdata. 

– Kunstig intelligens kan hjelpe oss med ting vi kanskje ikke har sett for oss, sier Pettersen. 

Del av et større KI-program

KI-prosjektet har vært en del av The AgriFoodTech AI Initiative, et program som har handlet om å styrke KI-kompetansen til norske virksomheter innen landbruks- og matteknologi. 

Det er utviklet av NCE Heidner Biocluster og levert i samarbeid med Nemonoor, Norges nasjonale senter for kunstig intelligens.

– Det har vært veldig lærerikt. Vi har fått innsikt i hvordan vi kan bruke enkle KI-verktøy, lært om egen modenhet og identifisert prosesser som vi kan effektivisere ved hjelp av kunstig intelligens. Der ser vi at det er et enormt potensial. 

– Vi sitter på store mengder data. Det har vært veldig nyttig å bli bedre kjent med disse og hvordan vi kan gå frem for å ta dem i bruk. 

Gjennom programmet har alle virksomhetene fått tilbud om 50 timer veiledning fra Sintefs forskere, for å identifisere hvordan de best kan ta i bruk kunstig intelligens i sine bedrifter.

Sintefs vurdering av resultatet er at implementering av ruteoptimalisering vil gi Sirkula forbedret produktivitet og en mer bærekraftig drift.

– Det har også vært flere selskaper i løpet av programmet som har sett på ruteoptimalisering, så vi har vært i kontakt med Sintef om det er mulig å kjøre noen fellesprosjekter der. 

Nå er planen å bygge videre på samarbeidet med Sintef.

– Vi har regelmessige møter for å utforske mulige løsninger. Det handler også om å finne finansieringsmuligheter og se hva som kan utvikles videre. 

– Må ikke være KI 

Pettersen trekker frem at en av de største gevinstene fra programmet har vært å legge grunnlaget for videre utvikling. 

– Å få på plass et godt begrepsapparat og en grunnleggende forståelse av hvordan teknologien fungerer, har vært helt avgjørende. Det har gitt oss de første byggesteinene vi trenger for å utforske mulighetene fremover, sier han.

Samtidig understreker han at ikke alt må være kunstig intelligens bare fordi det er en «trendy» teknologi. Hvis KI skal benyttes, må det være fordi det skal løse et problem. 

– I noen tilfeller kan mer tradisjonelle algoritmiske løsninger være bedre egnet. Likevel kan KI spille en rolle som en del av en hybrid løsning. Dette er noe vi ser på som en del av samarbeidet med Sintef. 

Relatert