ML baserad regression för personal- och vikarieplanering i förskola

Viktiga resultat som projektet gav

Målet för projektet var att med AI-baserade regressions algoritmer förbättra prediktionen för hur många förskolebarn för en given förskoleavdelning som kommer att vistas på avdelningen vid en viss tidpunkt tex 7, 14, eller 28 dagar i framtiden. Den typen av prediktion kan underlätta för planering av personalscheman, vikarieanskaffning och behov av måltider.

Långsiktiga effekter som förväntas

Projektet var lyckat. Projektet resulterade i en algoritm som var signifikant mycket bättre på att förutsäga närvaron jämfört med den nuvarande metoden att utgå ifrån schemalagda tider. Prediktionerna var bättre både för att prediktera kortare tid, dvs några dagar fram i tiden, såväl som längre tid, dvs flera veckor fram i tiden.

Upplägg och genomförande

Projektet inleddes med att göra en analys av en stor mängd data, inklusive att se hur väl det schema som lades speglade verkligheten. Sedan inledde vi med att använda ett djupt neuralt nätverk för att göra prediktioner på datat. Efter en hel del tester och användande av olika modeller kom vi dock fram till att en regressionsbaserad ML-modell kunde göra i stort sett lika bra prediktioner fast men den gick avsevärt mycket snabbare att göra inferenser och träna så vi ändrade vår modell till en sådan istället och det är denna modell som är tänkt för produktion.