POTENTIALET I AFFALDSDATA. Oplæg hos Gate 21

Transkript

1 POTENTIALET I AFFALDSDATA Oplæg hos Gate 21

2 Agenda Kort om vores arbejde med data som beslutningsstøtte. Nøgletalsmodel Generelt om dataopsamling. Eksempler/cases på data som beslutningsstøtte (formål). Fremtiden.

3 Typer af interviews / dataopsamling Telefoninterviews Direkte interviews Uddeling af spørgeskemaer Brevudsendte spørgeskemaer Webbaserede pr. mail/web Fokusgruppeinterviews Optællinger/observationer Mystery shopping Intern audit Spørg egne medarbejdere Egne statistikker, interne målinger og indikatorer

4 Ordningsbeskrivelser/oversigter (for alle 98 kommuner/affaldsselskaber) Henteordninger. Bringeordninger. Genbrugspladser. Virksomhedsordninger. Gebyrer for husholdninger. Nøgletalsmodel 2017 indeholder Nøgletal for 57 kommuner/affaldsselskaber (dækkende mere end 80% af DKs befolkning) Den enkelte genbrugsplads. Genbrugspladser i gennemsnit for en kommune/forsyning. Hente- og øvrige bringeordninger. Overordnede nøgletal, herunder genanvendelsesprocenter.

5 Nøgletalsmodel 2017 indeholder Kontaktpersoner. Demografi og Danmarks Statistik. Kommunespecifikt faneblad: Inddata, beregning af egne nøgletal.

6 Nøgletalsmodel 2017 indeholder Kontaktpersoner. Demografi og Danmarks Statistik. Kommunespecifikt faneblad: Inddata, beregning af egne nøgletal.

7 Formål og idé At stille et simpelt værktøj til rådighed, som indeholder relevante data og nøgletal på affaldsområdet. At få overblik over og indsigt i egne nøgletal på affaldsområdet. At få mulighed for at sammenligne sig med andre på affaldsområdet. At få inspiration fra andre og mulighed for at gå i dialog og lære af hinanden.

8 Formål og idé

9 Besøgstal på genbrugspladsniveau i Aulum Fasterholt Herning - Kibæk Sdr. Felding Sunds Sørvad Vildbjerg Ørnhøj Brædstrup Horsens Vedslet Bording Brande Ikast Nørre Snede Asferg Langå Randers Øster Tørslev Anholt Drammelstrup Feldballe Glesborg Grenaa Ebeltoft Hornslet Knebel Ryomgård Odder Galten Hørning Ry Skanderborg Bork Hvide Sande Kloster Lem Ringkøbing Skjern Spjald Tarm Tim Troldhede Videbæk Gjern Tandskov Them Silkeborg Karup Møldrup Rødkjærsbro Stoholm Viborg Ørum Birkegårdsvej Eskelund Holmskovvej Lystrupvej Sintrupvej Ølstedvej Brovst Fjerritslev Pandrup Aabybro Farsø Løgstør Aalestrup Aars Holbæk Jernløse Orø Tornved Herning Horsens Ikast-Brande Randers Reno Djurs Renosyd Ringkøbing-Skjern Silkeborg Viborg Aarhus Jammerbugt Renovest Holbæk

10 Bemandingstimer på genbrugspladserne pr. åbningstime 5,0 4,5 4,5 4,0 3,5 3,0 2,5 2,0 1,5 3,1 3,1 3,0 2,7 2,7 2,7 2,2 2,3 2,3 2,4 2,2 2,2 1,9 1,9 2,0 1,8 1,8 1,9 1,7 1,6 1,7 1,4 1,4 1,4 1,3 1,2 1,1 2,3 3,4 1,9 1,5 2,1 2,6 4,0 3,3 2,0 2,6 3,1 1,9 2,5 2,6 2,9 2,7 3,5 1,2 4,0 2,3 2,2 2,6 3,6 2,5 2,3 1,0 0,5 0,0

11 Besøg på genbrugspladserne pr. bemandingstime

12 Affaldsmængde på genbrugspladserne pr. indbygger Kg / Indbygger

13 Andel af småt brændbart i % på genbrugspladserne 25% 2 20% 15% 10% 5% 10% 8% 5% 3% 7% 9% 9% 7% 5% 4% 8% 10% 7% 7% 7% 9% 8% 11% 14% 13% 10% 11% 10% 10% 9% 8% 8% 8% 8% 8% 8% 8% 8% 7% 7% 7% 7% 9% 8% 7% 7% 0%

14 Mængde dagrenovation/restaffald pr indbygger Kg / Indbygger

15 Mængde genanvendeligt affald pr. indbygger henteordniner Kg

16 Bilag 5 brøk 70% ON1 - Den store brøk (bilag 5-procent) inkl. mængder fra Dansk Retursystem 60% 50% 40% 30% 45% 50% 4 39% % 39% 33% 38% 29% 40% 38% 5 47% 49% 4 41% 38% 39% 35% 35%35% 34% 331% 31% 28% 54% 25% 4 34% 31% 27% 37% 33% 5 30% 55% 35% 3 38% 4 48% 34% 3 45% 31% 45% 4 38% 30% 25% 20% 19% 10% 0% * Ikke alle kommuner har oplyst mængderne fra Dansk Retursystem.

17 Bilag-5 brøken opdelt efter genanvendelsesfraktioner 60% Procentpoint 50% 40% 30% 20% 10% 0% 2,8% 0, 6,4% 5,4% 6,8% 6,8% 3, 4, 6,1% 6,1% 6,4% 6,3% 7,3% 15% 6,5% 5,1% 5,1% 14% 13% 15% 7,4% 5,8% 6,0% 9% 6,9% 6, 7,5% 5,9% 6, 1 6,1% 5,1% 5,5% 11%14% 6,0% 13% 3,8% 5,1% 6,0% 10% 13% 1% 6, 4,5% 4, 5,4% 0,5% 5,5% 0,3% 4, 4,4% 15% 15% 5,3% 1 4,1% 6, 4,0% 4,1% 11% 3, 4,4% 0,4% 4, 7% 1,1% 7% 3,9% 3% 10% 3% 4% 1% 14% 1 3,9% 1 5,8% 1 13% 13% 13% 17% 7% 2, 4,1% 3% 10% 3% 14%1 13% 8% 3% 7% 7% 7% 1% 13% 8% 15% 14% 5% 1 13% 1 20% 4,9% 4,0% 1,9% 7% 0, % 11% 1 5,5% 10% 1% 5% 10% 6,8% 10% 8% 9% 1% 3% 0, % 1% 5% 9% 8% 11% 11% 3% 1% 8% 10% 1,4% 5% 5% 1% 3% 5% 1% 5% 5% 5% 1% 1% 0% 0% 5% 1% 1% 1% 3% 1% 1% 1% 5% 5% 0% 1% 3% 5% 1% 1% 8% 7% 4% 8% 9% 3% 1% 5% 3% 3% 3% 1% 4% 4% 5% 7% 7% 8% 5% 3% 4% 7% 5% 4% 7% 10% 3% 10%11% 17% 15% 14% 3% 1% % 1 11% 11%1 9% 10% 7% 10% 11% 7% 10% 7% 10% 10% 9% 10% 8% 9% 8% 8% 4% 5% 8% 8% 9% 11% 14% 3% 1% 3% 1% 8% 9% 8% 3% 4% 7% 7% 7% 8% 8% 7% 7% 8% 5% 0% 1% 0% 1% 0% Andel af organisk affald i bilag 5-genanvendelsesmængden i procentpoint Andel af pap i bilag 5-genanvendelsesmængden i procentpoint Andel af plast i bilag 5-genanvendelsesmængden i procentpoint Andel af jern og metal i bilag 5-genanvendelsesmængden i procentpoint Andel af papir i bilag 5-genanvendelsesmængden i procentpoint Andel af glas i bilag 5-genanvendelsesmængden i procentpoint Andel af træ i bilag 5-genanvendelsesmængden i procentpoint Andel af øvrigt affald i bilag 5-genanvendelsesmængden i procentpoint

18 Overblik over ordninger, For eksempel har.. 30 kommuner en henteordning bioaffald. 24 kommuner en henteordning hvor papir og pap puttes i samme rum. 21 kommuner en henteordning, hvor hård og blød plast puttes i samme rum. 34 kommuner en henteordning, hvor hård og blød puttes i hvert sit rum. 16 kommuner en eller flere ubemandede genbrugspladser. 42 kommuner en kube/iglo/miljøø, hvor det er muligt at aflevere metal.

19 Ønsker ikke at kunne blive sammenlignet. Nøgletalsmodel Deltagere Ordningsoversigterne, undersøge en bestemt ordning nærmere. Kende sine egne nøgletal, kunne sammenligne sig med andre og tage kontakt. Affaldsplanlægning, betjening af politikere, driftsoptimering, overblik. Egen faglige/ledelsesmæssige interesse. Støtte projektet, synes at der generelt mangler affaldsdata. Ikke deltagere Ikke styr på eller overblik over egne data eller nøgletal. Data er svært tilgængelige eller ikke systematiseret Data og nøgletal er ikke en del af arbejdssfæren. Ser personligt? intet formål med nøgletal. Har ikke ressourcer/tid til data/nøgletal.

20 Projektorganisering Jacob Høg Nyborg er projektleder, og medarbejder som projektmedarbejder. Følgegruppe: - RenoDjurs (Hardy Mikkelsen) - Renosyd (Søren Svendsen) - DAF fungerer som affaldsfaglig sparringspartner. - DAKOFA, der bakker op om nøgletalsmodellen. - Løbende dialog med MST.

21 Om nøgletal og data Bagudrettet information. Forskellige forhold, påvirker - sommerhuse, virksomheder, serviceniveau, demografi, andre ordninger. Nøgletal er en del af billedet. Datakvaliteten kan være forskellig. Kvalitetssikring er vigtig. Nøgletal kan blive brugt forkert, selektivt/blive taget ud af en sammenhæng. Sammenligne pærer og bananer.

22 Ikke styr på eller overblik over egne data eller nøgletal. Data er svært tilgængelige eller ikke systematiseret. Grunde til.. at deltage Ordningsoversigterne, undersøge en bestemt ordning nærmere. Kende sine egne nøgletal, kunne sammenligne sig med andre og tage kontakt. Affaldsplanlægning, betjening af politikere, driftsoptimering, overblik. Egen faglige/ledelsesmæssige interesse. Støtte projektet. ikke at deltage Ønsker ikke at kunne blive sammenlignet. Har ikke ressourcer/tid til data/nøgletal. Ser (personligt?) intet formål med nøgletal. Data og nøgletal er ikke en del af arbejdsfæren.

23 Kortlægning af sorteringskvalitet/genanvendelsespotentiale

24 Eksempler på data og beslutningsstøtte (formål) Problemstilling: 3 eller 4 ugers tømningsfrekvens for to-kammer genbrugsbeholdere? Måling fyldningsgrader Måling af sorteringskvalitet Kortlægning af spandens tilstand

25 Fordeling affaldsmængder i to-kammer beholder ugers tømning 4-ugers tømning Problemstilling: 3 eller 4 ugers tømning af to-kammer genbrugsbeholder?

26 Tekniske problemer på beholdere Ingen problemer 6 34% 20% 11% Palen Splitterne Hjulene 1% Skillerummene er lidt skæve Skillerummene er skæve / meget skæve

27 Kundernes affaldsadfærd på genbrugspladserne Genanvendeligt affald i småt brændbart Genanvendeligt affald i deponi Kundernes opholdstid i forskellige områder Kortlægning af medbragte mængder Besøgsfrekvens Kortlægning af virksomhedstyper og kundetyper Virksomheds brug af genbrugspladserne i relation til pris

28 Kundernes affaldsadfærd på genbrugspladserne Hvorslev Genbrugsplads hvorfra kommer kunderne? Ulstrup 1% 1% 1% 1% Thorsø Hvorslev Vellev Aidt 4 27% 13% 5% Hammel Anden by Laurbjerg Houlbjerg Svenstrup 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

29 Køretider til genbrugspladserne

30 Besøgsfordelinger hverdage hhv. weekend Kl. 7-8 Kl. 8-9 Kl Kl Kl Kl Kl Kl Kl Kl Kl Vejen Brørup-Rødding

31 Private kunders husstandstyper Ølgod 90% 1% 5% Vrenderup 3% 89% 3% 4% Varde 5% 8 5% 5% Oksbøl 44% 51% 3% 1% Nr. Nebel 38% 55% 3% 1% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Sommerhus (fritids/helårs) Villa/parcelhus/stuehus Rækkehus Lejlighed/etagebolig Andet

32 Fordeling af læsstørrelser 45% 4 Private 40% 35% 30% 3 28% 31% 3 Håndværkere Øvrige virksomheder Erhverv i alt 25% 20% 15% 10% 5% 0% 24% 2 21% 20% 17% 13% 11% 9% 7% 4% 4% 5% 10% 8% 5% 3% 9% 7% 5% 3% 1% 1% 0% 0,9% 1% 1% 1% 1% 0,4% 0,4% 1% 0% [0-50[ [50-100[ [ [ [ [ [ [ [ [ [ [ [ [ [ [ [ [ [ [ [800+[

33 Fordeling af kundetyper 4% 4% 4% 1% Fordeling af virksomheder i forhold til virksomheder Privat SMS 10,5% 28,0% SMS / Enkelt billet SMS / Farligt affald Årskort 29,4% Årskort Ikke tilmeldt 0,4% Ikke tilmeldt Muligt erhverv 87% Muligt erhverv 31,7%

34 Tavlemøder nøgletal som styring

35 Data kan bruges til Indsigt i og overblik Vurdere hvor godt kommunen klarer sig (perfomanceparametre). Identificere forbedringsmuligheder, se hvor man klarer sig godt. Sammenligne sig med andre. Planlægning og forecastning Forudsige fremtidige forhold, trends i affaldsudviklingen etc. Og forudsige omkostninger, mængder og efterspørgsel. Ruteoptimering Beregne optimal ruter. Reducere eget ressourceforbrug. Kombiner med real-time data til ruteoptimering. Feed-back til kunder/borgere Målrettet feed-back til kunder i forhold til deres affaldsadfærd. Uddanne og opmuntre til bedre affaldsadfærd. Anerkendelse af god sortering. Belønninger: Reduceret pris ved affaldsminimering. Kilde: Dare2, 2013

36 Digitalisering på kort sigt elektroniske data Ved at koble affaldsdatabaser op på GIS med tidstro data, giver det nogle nye muligheder for analyse og overblik over eksisterende data, samt nye muligheder for fremtidig planlægning meget hurtigt. Der er en række nye analysefunktioner, der åbner op for en masse nye måder, at koble data hurtigt og nemt sammen.

37 Fremtiden sammenhæng mellem data Sammenhæng mellem affaldsmængder og sortering i forhold til baggrundsdata. Baggrundsdata Husstandstype. Antal beboere i husstanden. Husstandens transportmidler. Borgerens alder. Borgernes uddannelsesniveau, indtægt, sociale forhold. Borgernes indkøbsvaner osv.

38 Ikast-Brande: Digitalisering på kort sigt Mål: Reducere 80 % af borgerhenvendelserne på affaldsområdet ved, at Forebygge: Kommuniker fx hvis en spand er i stykker eller ikke tømmes (sms, hænger). Fuldautomatisere via selvbetjening på hjemmesiden. Tale med dem der skal have hjælp fx ældre. Fjerne administration ved automatisering De kommunale systemer har en række/alle data i forvejen systemet fortæller om afvigelser i forhold til hvad der er normalt nemt at forebygge at fejl sker igen. Analyse og visualisering af data Se tendenser og se præcis hvor problemerne er, og hvad de består i. (WEB GIS). Sætte aktion og kommunikation ind, hvor det giver mest værdi og mening for borgerne. Udvikle smartere løsninger Fuldt overblik over alle vores affaldsordninger, -typer og vægt mv., rapporter/statistikker laves fuldautomatisk, og sendes automatisk til dem der ønsker det.

39

40

41 Ikast-Brande: Fremtiden på kort sigt en liste Se hvilke husstande der skulle tømmes i går, og hvilke der ikke er blevet tømt i går. Beholdere, der bliver tømt på en forkert tømmedag Husstande med 0-5 kg, 5-10 kg., kg. via farver og historik Husstande og vægt valgt ud fra beholdertyper Husstande der ikke er evt. ikke er med i ordningen Visuelt overblik over molokker, miljø-øer og, tømningsfrekvens, fyldningsgrad, vægten herfra Udvælgelse af skole, institutioner mv. og følge vægten i en given periode via egen hjemmeside med login Planlægning/opland for miljø-øer, og betydning ved flytning i en given radius og betydning for fyldningsmængden heraf. Genbrugsfraktioner og mængder i intervaller (evt. tømningsintervaller) Beholdere med 0 i vægt for det sidste halve år. (huse der står tomme, eller fejl i system) Beholdere der ikke er tømt de sidste halve år. (hvorfor, er der områder særligt udsat) Adresser med mere end 5 stk. 800 liters containere (mulighed for nedgravet i stedet for) Boligenheder kontra materiel opstillet (er der sammenhæng imellem materiel og boligform) Antal beboere på adressen kontra materiel opstillet (for lidt/for meget/ mere præcis viden) Negative vejninger (Er det ruter, beholdere, specielle fysiske forhold på adresser mv ) Tabte beholdere (Giver billede af, hvor der evt. er problemer med betjening/fejl på bil/beholdere) Overfyldte beholdere (giver billede af om bil er i stykker) område med gentagelser, tilbyde mere kapacitet. Fejlsorteret beholdere / er det bestemte områder information indsats her.

42 Kend dine kunder Kilde: Dare2, 2013

43 Kommunikation med kunderne om affald? El, vand og varme betaling efter forbrug På affaldsområdet Efter mængde Efter sorteringskvalitet? En score på spanden? Bortskaffelsesinfo på bonnen fra indkøb

44 Kend dine kunder Kilde: Dare2, 2013

45 Fyldemelder Fyldemelder bedre mulighed for planlægning. 5 gange så meget affald som en almindelig skraldespand i parker. Talemodul sjov fokus på affaldssortering Kilde: Dare2, 2013

46 Google og andre ved en masse om os Der er en række etiske problemstillinger ved at kunne koble en husstand med dets affaldsmængde og type.

47 AFFALDSDATA Nøgletalsmodellen 2107 Tak for ordet Jacob Høg Nyborg JHN Processor

48 Pause