Kun je met een machine learning toepassing een betrouwbare schatting maken van de benodigde hoeveelheid in te kopen fust? Fust is de verzamelnaam voor de bakken waarin bloemen en planten worden vervoerd. De bloemenveiling levert fust als dienst aan de telers voor transport naar de veiling en naar klanten. De bloemenveiling heeft miljoenen eenheden fust in gebruik. Na verloop van tijd slijt fust en moet het vervangen worden. De complexiteit zit in het juist inschatten van de hoeveelheid aan te schaffen fust. Te veel is kostbaar, te weinig zorgt dat telers

Met de data van het fust-gebruik over de jaren hebben we verschillende time series forecast modellen gemaakt. Dit valt onder de machine learning toepassingen. De modellen moeten rekeninghouden met seizoensinvloeden, trends en bijzondere piekmomenten. In de weken voor Moederdag is er een hele grote vraag naar fust, maar in de zomerperiode neemt de vraag naar fust weer af.

Het voorbereiden van de data, de preprocessing van de input variabelen voor het model vraagt veel aandacht. Het SARIMA-model is onder andere gebruikt voor tijdsgebonden forecasten met seizoensinvloeden. Door te variëren met de parameters en de modellen hebben we onderzocht welke setting/model combinatie het beste resultaat oplevert. We waren positief verrast hoe goed de modellen in staat waren de werkelijkheid te benaderen. De waarde van het project is een veel beter inzicht in het proces en goed hulpmiddel om de inkoop te verbeteren.