Na jakie dodatkowe koszty uważać przy wynajmie mini dźwigu?

Coraz więcej firm budowlanych i przemysłowych zastanawia się, jak lepiej zaplanować sprzęt. Flota mini żurawi potrafi stać bez pracy w spokojnych tygodniach, a w szczycie sezonu brakuje maszyn i operatorów. To realny koszt i ryzyko opóźnień.

Sztuczna inteligencja pomaga to uporządkować. W Łodzi, gdzie projekty ruszają falami, prognoza popytu na „mini dźwig wynajem” pozwala przygotować flotę, serwis i grafik operatorów z wyprzedzeniem. Poniżej pokazujemy, jak zrobić to w Amazon SageMaker.

Jak Amazon SageMaker prognozuje mini dźwig wynajem?

Wykorzystuje modele szeregów czasowych i uczenie tablicowe, łączy dane operacyjne i rynkowe, a potem zwraca prognozy zapotrzebowania dla floty i typów zleceń.

W praktyce dane z rezerwacji, zapytań i obłożenia trafiają do magazynu danych, a następnie do Amazon SageMaker Data Wrangler i Feature Store. Tam powstają cechy, na których uczy się model. Do prognoz czasu i obłożenia sprawdzają się algorytmy typu DeepAR, XGBoost oraz SageMaker Autopilot, który testuje różne podejścia i dobiera hiperparametry. Trenowanie i walidacja odbywają się na danych z Łodzi i okolic, z podziałem na modele maszyn i typy prac. Prognozy są udostępniane jako batch do planowania tygodniowego lub jako endpoint do szybkich decyzji. Całość spina SageMaker Pipelines i monitoruje Model Monitor.

Jakie sygnały z rynku i operacji trafiają do modelu?

Model łączy historię wynajmu z danymi o zapytaniach, obłożeniu, pogodzie i kalendarzu inwestycji w regionie.

Najczęściej użyteczne są:

W jaki sposób model uwzględnia sezonowość i promocje?

Wprowadza cechy kalendarzowe, pogodowe i znaczniki kampanii, a następnie uczy się wzorców wielosezonowych i efektów promocji.

Sezonowość tygodniowa i roczna bywa silna. Dlatego dodaje się dzień tygodnia, tydzień roku i święta ruchome. Pogoda w mieście wpływa na prace zewnętrzne, więc temperatura, opady i wiatr są ważnymi cechami. Promocje i rabaty oznacza się jako zmienne binarne i intensywność kampanii. Do rozdzielenia efektu sezonu od efektu promocji stosuje się walidację na okresach z i bez kampanii. Dla stabilności prognoz przy nierównych danych sprawdzają się modele mieszane, które uczą się jednocześnie na wielu maszynach i lokalizacjach.

Jakie cechy maszyn (promień, wysokość haka) są ważne?

Kluczowe są dopasowanie do zadania i ograniczeń terenu, czyli promień, wysokość haka, udźwig, wymiary i napęd.

Model bierze pod uwagę:

Czy model rozróżnia wynajem krótkoterminowy i długoterminowy?

Tak. Osobno prognozuje popyt i czas trwania zleceń, dzięki czemu rozumie różne wzorce rezerwacji.

Krótki wynajem ma krótkie wyprzedzenie i większą zmienność. Długi wynajem częściej pojawia się w planach inwestycji. Model uczy się rozkładu długości w oparciu o historię i cechy zleceń. To pozwala przewidywać okna dostępności floty i lepiej zarządzać kalendarzem. Można stosować dwa strumienie: klasyfikację typu zlecenia oraz regresję czasu trwania, albo jeden model wielowyjściowy.

Jak radzić sobie z brakami danych i nietypowymi zleceniami?

Stosuje się imputację, wzbogacenie danymi zewnętrznymi, wykrywanie anomalii oraz ścieżkę akceptacji przez dyspozytora.

Dziury w historii uzupełnia się metodami interpolacji i średnimi ruchomymi. Nierówne serie stabilizuje się przez agregacje tygodniowe. Dane wzbogaca się pogodą i kalendarzem. Nietypowe zlecenia, na przykład bardzo duże gabaryty lub praca w ekstremalnych warunkach, otrzymują znacznik outlier. Model uczy się mniej na tych rekordach, a decyzję wspiera reguła biznesowa. Pomaga też segmentacja według profilu zadania i typu maszyny. Gdy wchodzi nowa maszyna, można użyć transferu wiedzy z podobnych modeli oraz krótkiego uczenia dodoszkalającego, gdy tylko pojawią się pierwsze zlecenia.

W jaki sposób prognozy wspierają planowanie serwisu i szkoleń?

Pozwalają wskazać tygodnie o niższym popycie i zaplanować przeglądy, UDT i szkolenia operatorów bez ryzyka utraty zleceń.

Na podstawie prognoz obłożenia wyznacza się okna serwisowe, aby nie blokować maszyn w szczycie. Harmonogramy kontroli technicznych i przeglądów są zsynchronizowane z planem prac. Braki kompetencyjne w zespole widać z wyprzedzeniem. Można więc zaplanować szkolenia na konkretne osprzęty lub prace w halach. Dla dyspozytorów przygotowuje się kalendarz P50 i P90, który pokazuje zapotrzebowanie typowe i w scenariuszu wyższego popytu. To zmniejsza liczbę odrzuconych zapytań i ogranicza przestoje.

Jak mierzyć skuteczność prognoz i optymalizować harmonogramy?

Mierzy się błąd prognostyczny i wpływ biznesowy, a następnie dostraja modele i reguły przydziału maszyn.

Warto śledzić: