Neues Modell zur Prognose der Wartungskosten von Gebäudeteilen

Nach einigen Monaten der Arbeit an der Verarbeitung bereits vorhandener Daten und der Gewinnung weiterer Daten aus bekannten und neuen Quellen haben wir nun die zweite Version unseres Modells zur Prognose der Wartungskosten in der Produktion veröffentlicht. Das Modell wird bei der Erstellung eines Wartungsplans in der App verwendet, um die Wartungskosten für Bauteile abzuschätzen.

Warum ein neues Modell?

Der Hauptunterschied zwischen der neuen und der vorherigen Version des Modells besteht darin, dass wir jetzt viel mehr Daten haben, was es ermöglicht hat, ein robusteres Modell zu erstellen, das besser auf neue Eigenschaften verallgemeinert werden kann und das Vorhersagen auf einer detaillierteren Ebene liefern kann. In der vorherigen Version des Modells konnten die Wartungskosten für ein gesamtes Grundstück/eine gesamte Abteilung, d. h. eine Sammlung von Gebäuden, vorhergesagt werden. Anschließend wurde eine feste durchschnittliche Verteilung der Kosten auf die Gebäudeteile verwendet, um die Wartungskosten für die einzelnen Gebäudeteile unter dem Grundstück vorherzusagen. In der neuen Version des Modells werden die Wartungskosten auf der Ebene der einzelnen Gebäudeteile und für das einzelne Gebäude unter einer Immobilie und nicht für das gesamte Grundstück insgesamt prognostiziert.

Die Tatsache, dass dies jetzt möglich ist, ist auf Folgendes zurückzuführen:

• Die neue Version des Modells wurde mit 336.487 mehr einzigartigen Gebäudeteilen unter 801 mehr Eigenschaften trainiert als in der Vorgängerversion.
• Der National Building Fund erhebt die Wartungskosten auf der Ebene der Gebäudeunterteilung, die von externen Beratern der allgemeinen Wohnungsunternehmen prognostiziert werden. In der Vorgängerversion des Modells wurden ausschließlich diese Wartungskosten berücksichtigt. In der neuen Version gehen wir von den Wartungskosten aus den internen Wartungsplänen unserer Kunden aus und ergänzen sie um die Kosten, die sich aus den externen Audits für Bauteile ergeben, ohne dass unsere Kunden Kosten tragen. In Zukunft werden wir auch die Wartungskosten verwenden, die in die App eingegeben werden, sodass wir Trainingsdaten von einer breiteren Stichprobe unserer Kunden erhalten.

Die Menge an Informationen, die als Eingabe für das Modell verwendet werden, um Vorhersagen zu treffen, hat ebenfalls erheblich zugenommen. In der vorherigen Version des Modells wurden ausschließlich die folgenden Informationen über eine Immobilie von BBR verwendet: Anzahl der Quadratmeter des Gebäudes, bebaute Gesamtfläche, am häufigsten verwendete Fassadenmaterialien und frühestes Renovierungsjahr eines Gebäudes unter dem Grundstück. Die neue Version des Modells verwendet die folgenden Informationen aus den folgenden Quellen:

• Wartungspläne unserer Kunden: Anzahl der Bauteile, Materialien, Installationsjahre und Restlebensdauer.
• Berechnungsblatt des Nationalen Baufonds: Anzahl der Bauteile, Materialien, Installationsjahr und verbleibende Nutzungsdauer.
• levetidstabeller.dk (BUILD - Universität Aalborg): Durchschnittliche Lebensdauer von Bauteilen je nach Material.
• Statistik Dänemark: Flächen- und Bevölkerungsdichte in Gemeinden, Postbezirken und Postleitzahlen.
• Die dänische Energiebehörde: Das Energielabel von Gebäuden.
• BBR: Anzahl der Gebäude qm (insgesamt und geteilt durch Wohn-, Gewerbe- und bebaute Fläche), Nutzung, Bau- und Renovierungsjahr, Dach- und Fassadenmaterialien sowie Art der Wasserversorgungs-, Entwässerungs- und Heizungsanlage.

Präzision auf Eigenschaftsebene

Aus den Daten aus den eigenen Budgets unserer Kunden und den Bewertungen externer Lieferanten geht hervor, dass die geschätzten Wartungskosten für die einzelnen Gebäudeteile stark variieren können, da es sich um eine subjektive Bewertung handelt, die davon abhängt, wer das Gebäude herstellt. Dies spiegelt sich auch in der folgenden Grafik wider, in der die prognostizierten und tatsächlichen Wartungskosten auf der Ebene der Gebäudeteile aus der neuen Version des Modells verglichen werden. Bei einem Modell, das immer zu 100% richtig schätzt, liegen alle Punkte auf der diagonalen Linie. In der Grafik können Sie sehen, dass es, insbesondere bei Gebäudeteilen mit Wartungskosten im unteren Preissegment, zu großen Schwankungen kommen kann, wenn es darum geht, wie nah die Prognosen des Modells an den tatsächlichen Kosten liegen.

Wenn Sie andererseits die Kosten aller Gebäudeteile unter allen Gebäuden unter einem Grundstück/einer Abteilung zusammenfassen, um die Gesamtkosten des gesamten Grundstücks/der gesamten Abteilung zu erhalten, besteht ein größerer Konsens zwischen den Quellen, was sich auch in der folgenden Grafik widerspiegelt, die dasselbe Verhältnis wie in der obigen Grafik zeigt, nur auf der Ebene der Eigenschaften/Abteilung. Hier können Sie sehen, dass die prognostizierten Wartungskosten auf Objekt- oder Abteilungsebene den tatsächlichen Kosten sehr nahe kommen.

R2 ist ein statistisches Maß, das verwendet wird, um zu beurteilen, wie gut ein Modell Vorhersagen treffen kann. Die Zahl liegt zwischen 0 und 1, und ein Modell, das immer richtig rät, hat ein R2 von 1. Die neue Version des Modells hat ein R2 von 0,8, wenn es an neuen Objekten auf der Ebene der Gebäudeunterteilung sowohl für korrektive als auch für präventive Wartungsarbeiten getestet wird. Das heißt, 80% der Schwankungen der Wartungskosten lassen sich durch die Variation der Eingabeparameter (BBR-Informationen, Menge, Material usw.) erklären. Auf Abteilungsebene liegt R2 für korrektive Wartung bei 0,88 und für präventive Wartungsarbeiten bei 0,96.

Wir freuen uns, Ihnen verbesserte Wartungsschätzungen anbieten zu können, und freuen uns über das Feedback unserer Kunden. Und dann haben wir viele Ideen, wie die Schätzungen noch besser verbessert werden können, einschließlich Informationen über geschützte Gebiete und die Entfernung zur nächsten Küste.