Ga naar de inhoud

Bezettingsvoorspelling met data en AI

Eerst meten we wat de bezetting werkelijk was, dan voorspellen we hem. Voor Port of Amsterdam maten we het historische gebruik van ligplaatsen.

Voor Port of Amsterdam ontwikkelden we een tool die het historische gebruik van ligplaatsen meet en inzichtelijk maakt

In een havengebied waar ruimte schaars is, nemen beleidsmakers beslissingen over het groeien of krimpen van het aantal ligplaatsen voor bepaalde typen schepen. Dankzij de tool kan dat op basis van cijfers in plaats van alleen een onderbuikgevoel.

Lees de case

Hoe weten we eerder dan vandaag hoe vol het morgen wordt?

Bedden, ligplaatsen, zalen of voertuigen: wie de bezetting pas op de dag zelf ziet, regelt personeel en ruimte met kunst- en vliegwerk. Een model dat de bezetting per dag en dagdeel vooruit schat, geeft planners tijd om bij te sturen.

Plan een gesprek

Een voorspelling van de bezetting begint bij een meting die klopt

Bespreek je bezetting

Meten wat er was

Voor Port of Amsterdam maten we het historische gebruik van ligplaatsen, zodat beslissingen op cijfers rusten.

Tellen zonder handwerk

Voor GVB telt onze software met computer vision het aantal passagiers, over een langere periode in plaats van een momentopname.

Afdelingen eerder seinen

Bij het St. Antonius ondersteunt ons algoritme artsen, zodat afdelingen eerder horen dat er mogelijk een opname komt.

Per dag en dagdeel

Een verwachte bezetting met een bandbreedte, die de planner naast zijn eigen inschatting legt en kan bijsturen.

De meting moet de werkelijkheid evenaren voordat we gaan voorspellen

  1. Bezetting meten

    Uit registraties, sensoren of tellingen een betrouwbare reeks van de werkelijke bezetting per dagdeel.

  2. Model en toets

    Een voorspelling op historie, kalender en bekende afspraken, getoetst op periodes die het model niet kende.

  3. In de planning

    De voorspelling komt in het planningsoverleg, met een eigenaar en een vaste controle op afwijkingen.

Valt onze bezetting genoeg te voorspellen voor een model?

Toets het in een gesprek

Past als

De bezetting wisselt per dag of seizoen maar volgt een patroon, er is historie van de werkelijke bezetting, en een planner moet vooraf personeel of ruimte regelen.

Past niet als

De bezetting hangt vrijwel helemaal af van vaste afspraken die al in de agenda staan. Dan is een goed overzicht van de planning genoeg, en zeggen we dat.

Waar de omvang van afhangt

Of de werkelijke bezetting al wordt vastgelegd of eerst gemeten moet worden, hoeveel locaties en eenheden er zijn, hoe ver vooruit je wilt kijken en wie het model beheert.

Wat als er iets onverwachts gebeurt?

Een model kent alleen wat eerder gebeurde. Daarom toont het een bandbreedte, houdt de planner het laatste woord en melden we het als de werkelijkheid structureel afwijkt.

Vuistregel, planningsoverzicht of voorspelmodel voor de capaciteitsplanning?

Een vaste vuistregel

Kies dit als de bezetting elke week ongeveer gelijk is. Een vaste bezetting per dag van de week is dan eenvoudiger en net zo goed.

Een overzicht van de planning

Kies dit als de bezetting vooral uit geplande afspraken komt. Een rapport van wat er geboekt staat, laat dan zien wat er aankomt.

Een voorspelmodel

Kies dit als de bezetting wisselt door seizoen, weer of ongeplande instroom. Ons advies: zorg eerst dat je de werkelijke bezetting meet.

Meten en voorspellen hoe vol het wordt, deden we in de haven, in het OV en op de SEH

Data Science Lab bouwt sinds 2016 modellen die in de praktijk draaien, als Microsoft Partner en Databricks Partner. We werkten voor Port of Amsterdam, GVB en het St. Antonius.

Plan een kennismaking

Welke bezetting je planners nu te laat zien, bespreken we in het eerste gesprek

Stef Stoelwinder

Stef Stoelwinder

Business Development

Stef is je aanspreekpunt. In het eerste gesprek bespreken we welke capaciteit je wilt voorspellen en hoe de bezetting nu wordt vastgelegd.

Welke bezetting zou je een week eerder willen kennen?

Vertel om welke capaciteit het gaat en hoe je de bezetting nu bijhoudt. Je krijgt antwoord per mail, of we plannen een eerste gesprek.

Vul een geldig e-mailadres in.

Laat ons weten waar we je mee kunnen helpen.

Veelgestelde vragen

Een model dat vooruit schat hoeveel van een capaciteit in gebruik zal zijn: bedden, ligplaatsen, zalen, werkplekken of voertuigen, per dag of dagdeel. Planners gebruiken die schatting om personeel en ruimte op tijd te regelen.

Andere toepassingen van data en AI vind je bij AI-toepassingen.

Forecasting voorspelt een vraag in het algemeen, zoals verkoop of het aantal patiënten. Bezetting voorspellen gaat over de capaciteit die daardoor in gebruik is, en over hoe lang die bezet blijft.

Daarom telt naast de instroom ook de verblijfsduur of gebruiksduur mee.

Een reeks van de werkelijke bezetting per dagdeel, met wat er instroomde en vertrok. Daarnaast de kalender, geplande afspraken en soms het weer of evenementen. Ontbreekt een meting, dan bouwen we die eerst, zoals de tool voor ligplaatsen bij Port of Amsterdam.

Hoe ver je terug kunt kijken, bepaalt hoe goed seizoenspatronen te leren zijn.

Uit registraties die er al zijn, zoals in- en uitchecks of opnames en ontslagen, of met sensoren en camerabeelden. Voor GVB telt onze software met computer vision het aantal passagiers; de beelden worden niet bekeken of gedeeld, alleen door het model geanalyseerd.

Wat privacy vraagt bij zulke metingen, lees je bij DPIA voor AI.

Dat kan op basis van opnames, ontslagen en verblijfsduur per afdeling. Bij het St. Antonius ondersteunt ons algoritme artsen bij de beslissing of een patiënt moet worden opgenomen, zodat afdelingen eerder voorbereidingen treffen. Die case staat bij onze cases.

Meer over data in de zorg lees je bij zorg.

Door hem te toetsen op periodes die het model niet kende, en te vergelijken met de huidige manier van inschatten. We kijken naar de afwijking per dagdeel en vooral naar de drukke momenten, omdat daar de keuzes vallen.

Na de start blijft die vergelijking doorlopen, zodat je ziet als het model gaat afwijken.

Waar hij al werkt: in het planningspakket, een rapport of een dagelijkse mail. Met een bandbreedte erbij, zodat de planner ziet hoe zeker de schatting is.

Hoe we modellen in productie houden, lees je bij MLOps.

Als de bezetting bijna helemaal uit vaste afspraken komt, of elke week gelijk is. Dan volstaat een overzicht van de planning of een vaste vuistregel.

Gaat het vooral om de vraag naar producten of diensten, kijk dan bij forecasting.