OHAI: Omsorgsfull Hemtjänstplanering med AI

Syfte och mål

Målet med projektet var att använda maskininlärning för att förbättra planering genom att skapa en demonstrator av ett system som lär sig av verkliga data från samordnare och medarbetare inom hemtjänsten. Projektet har tagit fram en lösning för att göra planeringar baserat på reinforcement learning (RL) som är en variant av maskininlärning.

Resultat och förväntade effekter

Den implementerade lösningen använder verkliga, anonymiserade data från planeringar på daglig basis; # medarbetare som jobbar en viss dag, deras arbetstider och när de har lunch # klienter som har hembesök och vilka hembesök som ska göras # vilka egenskaper och kompetenser som ska matchas mellan medarbetare och klient. # Restider och olika färdsätt Resultatet av AI-körningen är en föreslagen planering enligt en belöningstabell där olika parametrar anger vad som definieras som en "bra planering". Planeringen utgörs av att ; välja transportsätt, placera lunchrast och hembesök.

Upplägg och genomförande

Då antal valbara kombinationer för att ta fram en hel planering för alla medarbetare var orimligt många, valde vi en strategi som bryter ned problemet. I AI-lösningen modellerades varje medarbetare som en agent med en egen QL-algoritm för att lära sig att planera för sin egen medarbetare. Agenterna tränas på verklig data ett antal iterationer där de med en viss sannolikhet slumpmässigt gör ett val och annars gör det val med störst förväntad nytta. En lärdom i projektet var att tidigt använda skarp data då testdata inte är representativt och lätt döljer viktiga problem i modellen.