Hoe schatten we de resterende levensduur in voor bouwdelen, materialen en gebouwtypen? Hier volgt een korte uitleg over hoe ons levensduurmodel werkt, wat het uniek maakt en aan welke verbeteringen we werken.
Wat het model doet
Ons levensduurmodel is een boosted decision tree model (CatBoost) dat de resterende levensduur schat voor alle geregistreerde bouwdelen.
Het maakt gebruik van 40 verschillende inputfactoren, waaronder:
- het gebruik en de leeftijd van het gebouw
- vierkante meters
- energielabel en verwarmingstype
- bevolkingsdichtheid
- materiaal en hoeveelheid voor elk bouwdeel
- eventuele energieverbeteringen
Van levensduur naar conditiescore
Zodra het model de resterende levensduur heeft berekend, wordt het resultaat omgezet in een conditiescore van 1 tot 5. Dit gebeurt door de modelschatting te vergelijken met referentiewaarden uit de levensduurtabellen van BUILD.
Een voorbeeld: Een deur met een totale levensduur van 40 jaar krijgt:
- Score 1: meer dan 36 jaar resterend
- Score 2: 36–28 jaar
- Score 3: 28–12 jaar
- Score 4: 12–4 jaar
- Score 5: minder dan 4 jaar resterend
Dit kan leiden tot interessante grensgevallen. Een 15 jaar oude deur kan nog steeds conditie 1 krijgen als het model inschat dat deze nog meer dan 36 jaar meegaat. Maar dat is nu precies het punt.
Het model leert van reële observaties, waarbij veel bouwdelen langer meegaan dan de tabellen aangeven.
Zekerheid: hoe zeker zijn we van de schatting
Wanneer het model de resterende levensduur van een bouwdeel beoordeelt, berekent het tegelijkertijd een onzekerheid over de schatting. Je kunt het zien als een maatstaf voor de mate van variantie in de voorspellingen voor een bouwdeel. Een kleine onzekerheid betekent dat de voorspellingen over het algemeen correct zijn voor een bepaald bouwdeel en de resterende levensduur.
De berekende zekerheidsscore is de waarschijnlijkheid dat de staat van het bouwdeel correct is ingeschat.
Een voorbeeld: Als het model inschat dat een deur in staat vier verkeert, met een zekerheid van 77 procent, dan mag worden verwacht dat dit in 77 procent van de gevallen correct is. Er is dus een zekere waarschijnlijkheid dat de deur feitelijk in staat drie of staat vijf verkeert.
Door de zekerheidsscore te tonen, geven we niet alleen een schatting van de staat en resterende levensduur, maar beoordelen we ook wat de waarschijnlijkheid is dat de schatting correct is. Dit maakt de resultaten transparanter en bruikbaarder in de praktijk, wanneer beslissingen moeten worden genomen op basis van gegevens.
Waarom niet gewoon twee modellen
Voorheen gebruikten we één model voor de levensduur en een ander voor de staat. Dit leidde tot inconsistenties, bijvoorbeeld wanneer het levensduurmodel een lange resterende levensduur inschatte, terwijl het staatsmodel een slechte staat beoordeelde.
Nu laten we de levensduur de staat bepalen, zodat de schattingen altijd consistent zijn. Dit vereist echter wel dat de vertaling intelligenter wordt, en dat is precies waar we aan werken.
Verbeteringen die we in ontwikkeling hebben
Leeftijdscorrectie van score
Nieuwe bouwdelen mogen niet in staat 2 of 3 terechtkomen, en zeer oude mogen niet in staat 1 blijven, zelfs als de levensduurschatting hoog is.
Datagedreven berekening van zekerheid
In plaats van een normale verdeling te veronderstellen, laten we de feitelijke dataverdeling bepalen hoe de zekerheid wordt berekend.
Waarom dit waardevol is
Omdat het model gebaseerd is op werkelijke waarnemingen uit vele vastgoedportefeuilles, weerspiegelt het de werkelijkheid beter dan theoretische tabellen.
Het resultaat is:
- Meer gepland onderhoud
- Minder verkeerde investeringen
- Lagere technische schuld
- Een realistischer datagrondslag voor beslissingen
Wil je zien hoe jouw gebouwen ervoor staan?
Meld je aan voor onze nieuwsbrief
Ontvang nieuwe functies, klantverhalen en nieuws van proprty.ai direct in je inbox.
