Kuzzle Hypervision
La gestion des déchets
La gestion des déchets, principalement via la mesure du niveau de remplissage des points d’Apports Volontaires (PAV), est un cas d’usage particulièrement adapté aux réseaux bas débit d’initiative publique de type LoRaWAN : compétence généralement mutualisée à l’échelle de l’EPCI ou d’un syndicat, points de mesure disséminés sur l’ensemble du territoire, mesures ponctuelles quelques fois par jour, impacts économiques et environnementaux positifs grâce aux données générées.
Pour tenir ces promesses, une solution capable de mettre en qualité les données et de s’adapter aux différents modes de fonctionnement des gestionnaires de déchets est la clé de réussite des projets, tant pour les collectivités et/ou leurs délégataires, que pour les administrés.
Une compétence aux modes de gestion très éclatés
Que ce soit sous la forme de régie ou de DSP, la gestion des déchets s’exerce à des échelles de territoire très différentes allant d’une fraction de commune au département entier. Chaque échelle comporte ses propres défis.
Ils nous font confiance
La plateforme IoT, Data et Hypervision de Kuzzle, adresse les cas d’usage Smart City, Smart Building, Smart Industrie, Smart Logistique & Transport et Santé Connectée ainsi que le traitement massif de données de l’Internet des Objets.
Une collecte des déchets plus efficace et plus économegrâce aux données de remplissage
La mesure du niveau de remplissage des PAV permet d’adapter le rythme des collectes de déchets à l’usage réel plutôt qu’à un impératif calendaire fixe. Avec une réduction moyenne des trajets de collecte de 20%, l’impact est significatif sur toutes les échelles de collectivités et particulièrement marquant dans les territoires à fort relief et/ou faible densité.
Réduction des saturations et des dépôts sauvages
La relève du niveau de remplissage des points d’apports volontaires identifie en amont les points susceptibles de saturer prochainement, anticipe leur collecte et, par extension, limite le dépôt d’ordures à leur pied faute de place à l’intérieur. Preuve de l’efficacité des services, c’est aussi une mesure visible de l’amélioration du cadre de vie pour les administrés.
Diminution du nombre de tournées et de la consommation de carburant
À l’inverse, la collecte à créneaux fixes a aussi pour inconvénient de vider des points d’apports volontaires faiblement remplis, augmentant inutilement les temps de collecte, la consommation de carburant et le kilométrage des véhicules. Les données générées ajustent les itinéraires et/ou les fréquences de collecte en fonction du remplissage réel.
Meilleur pilotage des engagements contractuels des délégataires
Le suivi du taux de remplissage des déchets est une donnée essentielle pour la gestion de l’exécution des contrats de DSP lorsque la collectivité fait le choix de déléguer la collecte à un opérateur privé. Piloter cette donnée assure à la fois la tenue des engagements, évite des prestations hors contrat et optimise les collectes en cours de contrat.
Transformer une donnée de remplissage en décision de collecte
De la mesure de niveau à l’optimisation des collectes de déchets, il y a plusieurs étapes essentielles pour disposer d’une donnée fiable en amont et d’en tirer les bonnes décisions en aval. S’adapter au patrimoine existant, aux différents types de flux et aux modes d’organisation internes sont autant de prérequis indispensables.
Cartographier et connaître votre parc de PAV
Déduire un taux de remplissage suppose en amont de connaître avec précision la hauteur de chaque PAV, sa position GPS, le type de flux collecté, son calendrier de collecte.
Lorsque ces données sont déjà disponibles via le portail Open Data ou le SIG de la collectivité, c’est un gain de temps considérable et un gage de réussite supplémentaire pour votre projet.
Mesurer les taux de remplissage
La mesure de niveau peut s’effectuer par différentes technologies plus ou moins coûteuses et adaptées selon le type de flux (ordures ménagères, emballages, verre, biodéchets…) : infrarouge, ultrasons, radar.
Ce choix technique a un impact à la fois sur la fiabilité des données et sur les modalités de maintenance des capteurs, il a donc une incidence considérable sur l’économie globale du projet.
Mettre en qualité et exploiter les données
L’inconvénient des réseaux bas débit est qu’une mesure ponctuelle erronée peut entraîner une mauvaise décision de collecte.
Le lissage des données de remplissage permet de fiabiliser les analyses et les alertes qui sont exploitables dans la plateforme d’hypervision Kuzzle et exportables vers le logiciel métier réalisant le calcul d’itinéraire de collecte.
Discutons ensemble de vos enjeux métier !
Chez Kuzzle, chaque projet démarre par une conversation.
Nous prenons le temps de comprendre vos objectifs, vos contraintes terrain, vos priorités métier.
Ce qui fait la différence ? Une équipe impliquée, à vos côtés de la première question au passage à l’échelle.
Nos experts vous aident à clarifier vos priorités, identifier vos cas d’usage prioritaires et à structurer vos projets en toute sérénité.
Vos enjeux sont uniques. Discutons-en-ensemble.
Suivi du taux de remplissage quel que soit le type de déchets
La force d’une plateforme d’hypervision comme Kuzzle est d’être agnostique quant au mode de collecte des données : elle mesure tout type de flux en s’appuyant sur le capteur le plus adapté, et consolide ces données avec le référentiel du patrimoine de PAV et les outils métiers utilisés pour gérer la collecte.
Déchets ménagers
Les déchets ménagers, catégorie générant le plus de collectes et présentant le plus grand risque de dépôts sauvages après les encombrants, nécessitent un suivi de remplissage essentiel pour garantir une collecte efficace et la propreté aux alentours des PAV.
Emballages ménagers et papiers recyclables
La difficulté technique inhérente au suivi de remplissage des PAV dédiés aux emballages et aux papiers est qu’il suffit qu’un emballage se déplie et se place devant le capteur pour envoyer une donnée de remplissage surévaluée. La mise en qualité lisse les données reçues pour éviter ce genre de faux positifs.
Collecte du verre
Élément le mieux recyclé, le verre implique toutefois quelques subtilités pour le suivi de son remplissage : pas de mesure par optique infrarouge, gestion des cônes de remplissage, débris en cas de saturation.
Biodéchets
Au-delà du niveau de remplissage, le suivi des biodéchets s’opère aussi par la mesure de température dans les bacs, afin de limiter les fortes odeurs pouvant générer des plaintes auprès des résidents.
Corbeilles de rue
L’efficacité du ramassage des corbeilles de rue est d’autant plus importante qu’elle renvoie une image particulièrement visible des services publics locaux. Dans les zones fortement exposées aux vents, elle évite également la dissémination des déchets dans l’environnement.
Dépôts sauvages
Pour les collectivités dotées d’une solution de détection de dépôts sauvages par caméras ou d’une application citoyenne permettant leur signalement, le croisement des données entre dépôts, remplissage des PAV et fréquence des collectes permet une réponse globale au-delà des simples sanctions.
Les erreurs récurrentes dans les projets de gestion desdéchets
Simple sur le papier, le suivi de remplissage des PAV est le cas d’usage parfait pour illustrer la nécessité de maîtriser l’ensemble de la chaîne de valeur de l’IoT pour atteindre les ROI escomptés : de la mesure de distance entre capteur et déchets à l’intérieur du PAV à l’interface proposée aux gestionnaires de collecte et aux chauffeurs des camions de collecte.
Ne pas tester la connectivité sur chaque PAV
Selon que la structure du PAV est en plastique ou en métal, qu’il soit aérien ou enterré, que le capteur dispose ou non d’une antenne déportée et en fonction de la qualité du réseau disponible à sa position, la connectivité sera impactée et la fréquence d’actualisation des données avec elle.
Tester la qualité du signal en amont permet de faire le bon choix de connectivité et d’anticiper les mesures de mise en qualité des données en aval.
Ne pas adapter la technologie de mesure selon le flux d’ordures
Il est tentant de massifier ses achats en choisissant une référence unique de capteurs pour la totalité de son parc de PAV. Mais l’option la plus économique, l’infrarouge, n’est pas utilisable sur le verre qui diffracte la lumière et rend la donnée inexploitable, de même que les ordures ménagères et les biodéchets seront plus susceptibles d’être exposés à des conditions de salissure, de chaleur et d’humidité plus importantes.
Faire le choix du bon type de capteurs en amont évite d’importants surcoûts et dysfonctionnements lors du passage à l’échelle.
Ne pas anticiper les modalités de maintenance des capteurs
Peu de capteurs IoT sont exposés à des conditions aussi défavorables que les capteurs de déchets : hausse des températures liées à la macération des déchets, frottements, salissures, humidité voire submersion du capteur lors de forts épisodes pluvieux.
La question de la responsabilité des maintenances préventives et correctives doit impérativement se poser en amont de l’exploitation des données.
Sous-estimer la connaissance du parc / patrimoine de PAV
Le taux de remplissage s’obtient par la soustraction de la mesure entre le capteur et les déchets à la mesure entre le capteur et le fond du PAV. Mais cette deuxième mesure est variable en fonction de la référence de PAV déployée.
Appliquer une hauteur homogène à l’ensemble de son parc sans prise en compte des modèles de PAV risque de générer des niveaux de remplissage sous-évalués – donc des risques de saturation – ou sur-évalués – donc des collectes à vide coûteuses pour la collectivité et ses contribuables.
Ne proposer qu’un seul mode de traitement des données de remplissage
Sur un même territoire, particulièrement à l’échelle départementale ou intercommunale, plusieurs modes de gestion peuvent cohabiter entre régies et DSP. Chaque entité gestionnaire dispose de ses propres outils, certaines disposant d’un logiciel de calcul d’itinéraires, d’autres non.
Certaines se contenteront des coordonnées GPS des PAV au-dessus d’un certain seuil de remplissage en début de tournée, d’autres voudront être alertées en temps réel et accéder à une carte dynamique. S’adapter aux différents scénarios évite des adaptations coûteuses.
Exploiter les données uniquement “à chaud”
Les données de remplissage des PAV ajustent les tournées de collecte au jour le jour. Leur historisation à plus long terme livre aussi des informations précieuses pour identifier les pics de saturation, les besoins de chaque quartier selon les flux.
La corrélation de ces données avec d’autres outils comme les signalements usagers améliore le service de collecte en continu au bénéfice de la qualité de vie des riverains.
Découvrez nos cas clients
Smart City
Pilotage intelligent des bâtiments Côte d’Or Numérique
Le département de la Côte d’Or (21) a déployé en un temps record un démonstrateur sur le contrôle et l’automatisation des bâtiments publics
Smart City
Hypervision territoriale
Développement d’une plateforme d’hypervision pour le suivi de la qualité de l’air et de l’électricité pour le SIEA
Smart City
Plateforme d’hypervision territoriale de Alès Agglomération
Hyperviseur temps réel pour la gestion de la qualité de l’air et de la consommation d’énergétique pour l’agglomération d’Alès.
Un accompagnement expert, des indicateurs clairs, un ROI mesurable.
Chez Kuzzle, nous ne proposons pas qu’une plateforme : nous vous accompagnons à chaque étape de votre projet, de la définition des cas d’usage à la mise en œuvre opérationnelle, jusqu’au passage à l’échelle.
Cette approche vous garantit une solution réellement adaptée à vos enjeux métier, capable de valoriser vos données, de fluidifier vos processus et de produire des résultats concrets.
Un accompagnement sur-mesure, au plus proche de vos réalités métier.