Anvendelse af SAS/ETS -software til forecast af fejl i telenettet 25. maj 2011 Lars Prip, lprip@tdc.dk TDC Operations, Produktionssupport - DWH 1. juni 2011 1
Indhold Forretningsmæssig kontekst, ressourceallokeringsprocessen Formålet med projektet Forecastmodel og datagrundlag Vi danner en forecastmodel for liniefejl (demo) Hvor godt passer forecasts? Projektorganisation Gennemførte aktiviteter Planer for projektet Konklusion Spørgsmål - hvis der bliver tid 1. juni 2011 2
Forretningsmæssig kontekst ressourceallokeringsprocessen I TDC Operation & Wholesale, Drift udfører cirka 900 kørende teknikere installation og fejlretning af teletjenester samt kabelfejlretning. Antal indgåede kundeaftaler styres dag for dag via løfter i installationsog fejlretningsordresystemerne. Der skal dagligt, cirka 4 uger frem i tiden, skabes overensstemmelse mellem løfteantal og allokering af teknikerressourcer til: Installationsopgaver: Opsætning, ændring og nedtagning af teletjenester Fejlretning af teletjenester, liniefejl (over jord) Kabelfejlretning (typisk under jord) Ressourceallokeringen foretages af 4 planlæggere. 1. juni 2011 3
Forretningsmæssig kontekst ressourceallokeringsprocessen De fleste teknikere kan både udføre installations- og fejlretningsopgaver poolafhængighed For få ressourcer allokeret til fejlretning for lange fejlretningstider, overarbejde og risiko for kundesvigt For mange ressourcer allokeret til fejlretning unødigt lange leveringstider for installationsopgaver og tabte produktionsmuligheder Re-allokering af ressourcer med kort varsel mellem fejlretnings- og installationsopgaver er vanskeligt/umuligt Derfor er der behov for bedst mulige forecasts af fremtidig tilgang af fejlordrer 1. juni 2011 4
Formålet med projektet At forbedre ressourceallokeringsprocessen ved At etablere løsning til automatisk forecasting og beregning af behov for fejlretningsressourcer for at opnå Reduceret personafhængighed i ressourceallokeringsprocessen Større gennemsigtighed i ressourceallokeringsprocessen Bedre ressourceallokering Bedre styring af fejlretningstiderne 1. juni 2011 5
Ressourceallokeringsprocessen Nedenstående trin gennemføres dagligt for hver dag, for hvert af 12 geografisk opdelte kalenderområder, cirka 4 uger ud i fremtiden: Estimer dagens tilgængelige ressourcer Fremmøde i ProPlan minus Forventet fravær der endnu ikke er kendt: Erfaring og mavefornemmelse Tidligere proces Estimer behov for fejlretningsressourcer Fejlbeholdning Erfaring for acceptable fejlretningstider Bedste gæt på fremtidig fejlordretilgang: Erfaring og mavefornemmelse Alloker resterende ressourcer til installationsopgaver 1. juni 2011 6
Ressourceallokeringsprocessen Nedenstående trin gennemføres dagligt for hver dag, for hvert af 12 geografisk opdelte kalenderområder, cirka 4 uger ud i fremtiden: Estimer dagens tilgængelige ressourcer Fremmøde i ProPlan minus Forventet fravær der endnu ikke er kendt: Erfaring og mavefornemmelse Ny proces integreret i ProPlan Estimer behov for fejlretningsressourcer Beregn automatisk på baggrund af: Fejlbeholdning Estimat af fremtidig fejlordretilgang ved hjælp af SAS/ETS Target-fejlretningstid (ledelsesbeslutning) Alloker resterende ressourcer til installationsopgaver 1. juni 2011 7
Forecastmodel og datagrundlag Anvendt datagrundlag: Antagelse: Vejret har stor betydning for tilgangen af linie- og kabelfejl Historisk tilgang af linie- og kabelfejl dag for dag (fra medio august 2009) Helligdagskalender Vejrudsigter fra DMI 9 dage frem for 12 byer (nedbør, temperatur, vindhastighed m.m.) - opsamlet siden medio august 2009 Afledte variable baseret på vejrdata (f.eks. vand_til_jord) Forecastmodeller for linie- og kabelfejl i 12 geografiske kalenderområder: Forecast 9 dage frem med anvendelse af vejrdata (anvendt dag 1-9) Forecast 36 dage frem uden anvendelse af vejrdata (anvendt dag 10-36) Systematikken i de historiske fejlmængder er langt det vigtigste element i de udviklede forecastmodeller 1. juni 2011 8
Vi danner en forecastmodel for liniefejl i Østjylland DEMO Model liniefejl Østjylland 1. juni 2011 9
250 200 150 100 50 0 Hvor godt passer forecasts? Vejrdata indgår i model Liniefejl Østjylland forecasthorisont = 7 dage Forecastede fejlmængder gemmes dagligt 11-04-2011 28-03-2011 14-03-2011 28-02-2011 14-02-2011 31-01-2011 17-01-2011 03-01-2011 20-12-2010 06-12-2010 Liniefejl forecast_lnf 1. juni 2011 10
Hvor godt passer forecasts? Vejrdata indgår IKKE i model Liniefejl Østjylland forecasthorisont = 21 dage 250 Forecastede fejlmængder gemmes dagligt 200 150 100 11-04-2011 28-03-2011 14-03-2011 28-02-2011 14-02-2011 31-01-2011 17-01-2011 03-01-2011 20-12-2010 06-12-2010 50 0 Liniefejl forecast_lnf 1. juni 2011 11
Hvor godt passer forecasts? 900 Liniefejl ugevis Østjylland 800 700 600 500 400 300 200 100 0 Forecast med 1 uges forecasthorisont og med vejrdata har bedre forecastnøjagtighed end forecast med 3 ugers forcasthorisont uden vejrdata Påske Det er ikke afdækket, om forskellen skyldes forecasthorisonten eller anvendelsen af vejrdata i modellen 201049 201051 201101 201103 201105 201107 201109 201111 201113 201115 liniefejl_uge forecast_1_uge_vejr forecast_3_uger_ej_vejr 1. juni 2011 12
Hvor godt passer forecasts? 800 Liniefejl ugevis Indre København 700 600 500 400 300 Ingen forbedring af forecastnøjagtigheden ved anvendelse af vejrdata for Indre København Påske 200 100 0 Generelt er der (endnu) ikke konstateret større forbedringer af forecastnøjagtigheden ved anvendelse af vejrdata Forcastnøjagtigheden for liniefejl er tilfredsstillende i langt de fleste geografiske områder 201049 201051 201101 201103 201105 201107 201109 201111 201113 201115 liniefejl_uge forecast_lnf_1_uge_vejr forecast_lnf_3_uger_ej_vejr 1. juni 2011 13
100 90 80 70 60 50 Hvor godt passer forecasts? Vejrdata indgår i model j j g Kabelfejl Nordsjælland forecasthorisont = 7 dage Forecastnøjagtigheden generelt bedre for linie- end for kabelfejl Tøvejr efter lang periode med frost? Vejrfænomen ikke fanget af model? 40 30 20 10 0 17-01-2011 03-01-2011 20-12-2010 06-12-2010 11-04-2011 28-03-2011 14-03-2011 Kabelfejl 28-02-2011 14-02-2011 31-01-2011 forecast_kbf 1. juni 2011 14
Projektorganisation Fire planlæggere/brugere Projektejer, chef for Taktisk planlægning: Sikret organisatorisk parathed Ekspertbistand og sparring SAS Institute (cirka 25 konsulenttimer) Én udvikler: Løsningsdesign, forecastmodeller og saskodning To udviklere: Overførsel af vejrdata (xml filer) fra DMI server og integration af løsningen i ressourcestyringssystemet ProPlan 1. juni 2011 15
Gennemførte aktiviteter Solgt projektet til ledelse og brugere/planlæggere - vigtigt Anskaffet og klargjort eksterne data fra DMI (SAS xml-mapper) Anskaffet og klargjort interne data - forretningsmæssig viden er vigtig Udviklet forecastmodeller med tilfredsstillende nøjagtighed (SAS ETS ) Testet forecastnøjagtigheden ved hjælp af SAS -makro Udviklet model til beregning af ressourcebehov til fejlretning Gennemført pilotforsøg, forecast og ressourcebehov dagligt leveret til - og anvendt af - planlæggerne Automatiseret løsning integreret i den eksisterende systemarkitektur og i de daglige arbejdsgange (SAS/ACCESS Interface to OLE DB) Primært udviklet ved almindelig gammeldags Base SAS + makro Udført i tæt dialog mellem udviklere og brugere/planlæggere uden ressourcekrævende projektstyring og -rapportering 1. juni 2011 16
Planer for projektet Forsøg på forbedring af forecastnøjagtigheden for kabelfejl Anvendelse af kabelfejlsforecast i den daglige produktionsstyring Yderligere forsøg på forbedring af forecastnøjagtigheden ved hjælp af vejrdata Forecast af teknikerfremmøde/-fravær 1. juni 2011 17
Konklusion Automatisk forecast af linie- og kabelfejl er idriftsat og integreret i planlægningsværktøjet ProPlan Forcastnøjagtigheden er bedre for liniefejl end for kabelfejl Forecast af liniefejl anvendes i den daglige produktionsstyring Forecastmodellerne er primært baseret på systematikken i de historiske fejlmængder Der er (endnu) ikke konstateret større forbedringer af forecastnøjagtigheden ved inddragelse af vejrdata Der er tilsyneladende vejrfænomener af betydning, der ikke fanges af forecastmodellerne Effektiv hjælp fra SAS Institute - cirka 25 timer var tilstrækkeligt Organisatorisk parathed og forretningsmæssig viden om data er vigtig Anvendelse af SAS ETS behøver ikke at kræve et stort og dyrt projekt 1. juni 2011 18
Spørgsmål? 1. juni 2011 19