Previsão da ocupação com dados e IA
Primeiro, medimos a ocupação real; depois, prevemo-la. Para a Port of Amsterdam, medimos a utilização histórica dos lugares de atracação.
Para Port of Amsterdam, desenvolvemos uma ferramenta que mede a utilização histórica dos postos de acostagem e facilita a sua análise
Numa zona portuária onde o espaço é escasso, os decisores determinam se aumentam ou reduzem o número de postos de acostagem para determinados tipos de navios. Graças à ferramenta, podem tomar essas decisões com base em dados, em vez de se guiarem apenas pela intuição.
Como podemos saber, antes de hoje, qual será a ocupação de amanhã?
Camas, lugares de atracação, salas ou veículos: se só conhece a ocupação no próprio dia, tem de gerir pessoal e espaço à última hora. Um modelo que prevê a ocupação por dia e período do dia dá aos responsáveis pelo planeamento tempo para fazer ajustes.
Uma previsão da ocupação começa com uma medição fiável
Medir o que aconteceu
Para Port of Amsterdam, medimos a utilização histórica dos lugares de atracação, para que as decisões se baseiem em números.
Contar sem trabalho manual
Para o GVB, o nosso software usa computer vision para contar passageiros ao longo de um período prolongado, em vez de se basear num momento isolado.
Alertar os serviços mais cedo
No St. Antonius, o nosso algoritmo apoia os médicos, para que os serviços sejam informados mais cedo de um possível internamento.
Por dia e período do dia
Uma previsão da ocupação com uma margem de variação, que os responsáveis pelo planeamento podem comparar com as suas próprias estimativas e ajustar.
A medição tem de corresponder à realidade antes de começarmos a fazer previsões
-
Medir a ocupação
Usar registos, sensores ou contagens para obter uma série fiável da ocupação real em cada período do dia.
-
Modelar e testar
Uma previsão baseada em dados históricos, no calendário e nas marcações conhecidas, testada em períodos que o modelo não conhecia.
-
No planeamento
A previsão passa a fazer parte das reuniões de planeamento, com um responsável e uma verificação regular dos desvios.
É possível prever a nossa ocupação com precisão suficiente para criar um modelo?
Adequado se
A ocupação varia consoante o dia ou a estação do ano, mas segue um padrão, há um histórico da ocupação real e um planner precisa de organizar pessoal ou espaço com antecedência.
Não é adequado se
A ocupação depende quase inteiramente de compromissos fixos que já constam da agenda. Nesse caso, basta ter uma visão clara do planeamento, e dizemo-lo.
O que determina o âmbito
Se a ocupação real já é registada ou se tem primeiro de ser medida, quantas localizações e unidades existem, com que antecedência pretende fazer previsões e quem gere o modelo.
E se acontecer algo inesperado?
Um modelo só conhece o que aconteceu antes. Por isso, apresenta um intervalo de valores, o planner tem a última palavra e assinalamos quando a realidade se desvia de forma persistente.
Regra prática, visão geral do planeamento ou modelo preditivo para planear a capacidade?
Uma regra prática fixa
Escolha esta opção se a ocupação for aproximadamente igual todas as semanas. Definir um nível de ocupação fixo para cada dia da semana é mais simples e funciona igualmente bem.
Uma visão geral do planeamento
Escolha esta opção se a ocupação resultar sobretudo de marcações agendadas. Nesse caso, um relatório das marcações existentes mostra o que está previsto.
Um modelo preditivo
Escolha esta opção se a ocupação variar devido à estação do ano, ao tempo ou a chegadas não programadas. O nosso conselho: comece por medir a ocupação real.
Medimos e previmos os níveis de ocupação no porto, nos transportes públicos e no serviço de urgência
Desde 2016, a Data Science Lab desenvolve modelos que funcionam na prática, enquanto Microsoft Partner e Databricks Partner. Trabalhámos para Port of Amsterdam, GVB e St. Antonius.

Na primeira conversa, falamos sobre os níveis de ocupação que os seus planeadores só conhecem demasiado tarde
Stef Stoelwinder
Business DevelopmentStef é o seu ponto de contacto. Na primeira conversa, falamos sobre a capacidade que pretende prever e sobre como a ocupação é atualmente registada.
E-mail info@datasciencelab.nl
Telefone +31 (0)20 3636 724
Que níveis de ocupação gostaria de conhecer com uma semana de antecedência?
Indique-nos de que capacidade se trata e como acompanha atualmente a ocupação. Respondemos por email ou marcamos uma primeira conversa.
Mensagem enviada
Obrigado pela sua mensagem. Entraremos em contacto consigo o mais rapidamente possível.
Perguntas frequentes
É um modelo que estima antecipadamente a capacidade que estará ocupada: camas, postos de amarração, salas, postos de trabalho ou veículos, por dia ou período do dia. Os responsáveis pelo planeamento usam essa estimativa para organizar atempadamente o pessoal e o espaço.
Encontra outras aplicações de dados e IA em aplicações de IA.
O forecasting prevê a procura em geral, como as vendas ou o número de pacientes. A previsão da ocupação centra-se na capacidade utilizada em resultado dessa procura e no tempo durante o qual permanece ocupada.
Por isso, além das entradas, também conta a duração da estadia ou da utilização.
Uma série de dados sobre a ocupação real em cada período do dia, incluindo entradas e saídas. São também necessários dados do calendário, marcações previstas e, por vezes, dados meteorológicos ou sobre eventos. Se ainda não houver uma forma de medir a ocupação, criamo-la primeiro, como fizemos com a ferramenta para postos de amarração da Port of Amsterdam.
A extensão do histórico disponível determina até que ponto o modelo consegue aprender os padrões sazonais.
A partir de registos que já existem, como entradas e saídas ou admissões e altas hospitalares, ou com sensores e imagens de câmaras. Para a GVB, o nosso software de computer vision conta o número de passageiros; as imagens não são visualizadas nem partilhadas, apenas analisadas pelo modelo.
Saiba quais são os requisitos de privacidade para este tipo de medição em DPIA para IA.
Sim, com base nas admissões, nas altas e na duração da estadia por serviço. No St. Antonius, o nosso algoritmo ajuda os médicos a decidir se um paciente deve ser internado, para que os serviços se possam preparar mais cedo. Encontra esse projeto nos nossos casos de estudo.
Saiba mais sobre a utilização de dados na área da saúde em saúde.
Testando-a em períodos que o modelo não conhecia e comparando-a com a forma atual de estimar a ocupação. Analisamos o desvio em cada período do dia, sobretudo nos momentos de maior afluência, porque é aí que se tomam as decisões.
Continuamos a fazer essa comparação após o lançamento, para que possa detetar quando o modelo começa a desviar-se.
Através das ferramentas que já utiliza: o software de planeamento, um relatório ou um email diário. Incluímos um intervalo de valores para que quem planeia possa avaliar o grau de certeza da estimativa.
Saiba como mantemos os modelos em produção em MLOps.
Quando a ocupação resulta quase totalmente de marcações fixas ou é igual todas as semanas. Nesses casos, basta uma visão geral do planeamento ou uma regra prática fixa.
Se o objetivo principal for prever a procura de produtos ou serviços, consulte forecasting.
A que outras perguntas sobre procura e capacidade podem os dados responder?
- Aplicações de IATudo o que desenvolvemos, desde modelos de linguagem e agentes até modelos que antecipam o futuro.
- PrevisãoModelos preditivos para a procura e o planeamento, cujos cálculos podem ser verificados por quem planeia.
- Machine learningModelos que classificam, fazem correspondências ou preveem, e como os mantemos em produção.