Tytuł pozycji:
Prognoza czasu wykonywania zadań przez pracowników floty pojazdów dla planowania pracy floty pojazdów elektrycznych pod kątem ich ładowania
Artykuł przedstawia analizę statystyczną zmiennych wejściowych służących potencjalnie do stworzenia modeli prognoz czasu wykonywania zadań przez pracowników korzystających z floty pojazdów. Po wyborze różnych kombinacji zmiennych wejściowych wykonano prognozy za pomocą metod uczenia maszynowego, w tym sztucznych sieci neuronowych, lasów losowych i drzew decyzyjnych gradientowo wzmacnianych. Zakończenie artykułu stanowią wnioski z wykonanych badań oraz ocena przewidywanej użyteczności prognoz czasu wykonywania zadań w potencjalnej optymalizacji pracy floty pojazdów elektrycznych, w tym ich ładowania.
The paper presents statistical analysis of input variables potentially useful for prediction of task execution time by vehicle fleet -using employees. After selection of inputs combinations machine learning was used for forecasts. Among others artificial neural networks, random forests and gradient boosted decision trees. Summary of the paper consists of conclusions, including the assessment of expected usefulness of predictions of task completion time for potential optimization of EV fleet work management including charging.
Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).
