Real-Time Bewertung von Schiffen

Real-Time Bewertung von Schiffen
– Digitalisierung einer komplexen Dienstleistung –
Mathias Bauer
Bernd Holst
KIANA Systems
Ingenieurbüro Weselmann
Ausgangssituation / Aufgabenstellung
 Führender Schiffsbewerter Deutschlands
• mehrere tausend Bewertungen pro Jahr
• aufwändige intellektuelle Dienstleistung durch Experten
 Datengrundlage
• Datenbank mit
• Bewertungen und Verkäufen aus > 20 Jahren
• technischen Features aller Schiffe
 Aufgabenstellung
• Automatisierung der Bewertung
• Unterstützung der Experten
• Grundlage für Web-basiertes Angebot
2
Volatilität der Bewertungen
3
Ähnlichkeitsbasierter Ansatz
V1
dist1
V0
dist2
V3
dist3
V2
Peergroup
lokale Regression
valuation(V0) = f(dist1, val1, dist2, val2, dist3, val3)
4
Definition von Ähnlichkeit
 statische Ähnlichkeit
Vergleich der technischen Features der Schiffe
• Alter, Typ, TEU, Eisklasse, …
 dynamische Ähnlichkeit
Betrachtung des zeitlichen Verlaufs der Zielfunktion
• unvollständige technische Daten
• statisch ähnliche Objekte mit unterschiedlichen Wertentwicklungen
• "Hidden Features"
• nicht in der Datenbank erfasste Eigenschaften
• z. B. Gesetzesänderungen
5
Punktuell fehlende Daten
 Problem: relativ wenige Daten für einzelne Schiffssegmente
 dünn besetzte Zeitreihen mit Wertangaben
 Lösung: Entwicklung eines Verfahrens zur Bündelung strukturell
ähnlicher Zeitreihen
6
Band als Index für Teilsegmente
7
Selbstkontrolle des Systems
 Training eines Klassifikationsmodells während der Kreuzvalidierung
• Features
• Schiffsklasse, Eigenschaften der Peergroup
• Zielfunktion
• Abweichung von Sollwert (kategorisiert)
 System erkennt Zuverlässigkeit der eigenen Schätzung
• Wahrscheinlichkeit für kleine / mittelgroße / große Abweichung
• Anzeige über Ampel
8
Transparenz und weitere Funktionen
Erklärungskomponente
 Visualisierung der Peergroup
•
•
•
•
Schiffe mit technischen Eigenschaften
Abstände
Gewichtung
Kennzeichnung von Schwesterschiffen
 Visualisierung der verwendeten Bänder
 Nachvollziehbarkeit der Berechnungen
weitere Funktionen
 Bewertung zu jedem beliebigen Zeitpunkt
 LTAV
 Schätzung von Charterraten und OPEX
 Preisindizes für Schiffsklassen
9
Zusammenfassung
technische Aspekte
 konsistente Schiffsbewertung mit minimaler Abweichung von
manuellen Schätzungen
 hohe Akzeptanz
• Ampelfunktion
• Erklärungskomponente
Business-Aspekte
 Veränderung der Arbeit der Experten
• Plausibilisierung und Unterstützung bei manueller Schätzung
• Unterstützung des Systems durch Sicherstellen der Datenqualität
 Erschließung neuer Geschäftsfelder
• web-basiertes System unter www.weselmannvalue.de
10
Das Unternehmen
 Gründung im Jahr 2001
• Spin-Off des Deutschen Forschungszentrums für Künstliche Intelligenz als
mineway GmbH
• Standorte Saarbrücken und Berlin
 Branchenübergreifende Projekte und Lösungen in den Bereichen
• Data Mining / Data Science / selbstlernende Systeme
• mathematische Modellierung
• Business Intelligence
 Beispiele
• Prozessüberwachung, Industrie 4.0, Handel, Logistik, …
 Forschungsintensives KMU
• Vernetzung mit führenden Instituten
• aktives Mitglied im Software Cluster
11
Kontakt
Dr.-Ing. Mathias Bauer
Im Helmerswald 18
66121 Saarbrücken
[email protected]
+49 681 830 4374
12

Download Report