Umeå universitets logga

Traditional real estate maintenance budgeting heavily relies on static, calendar-based schedules, which often results in operational inefficiencies and suboptimal financial allocations. In this thesis, the application of machine learning is investigated to transition from this reactive approach toward a data-driven predictive maintenance strategy. The primary objective is to forecast annual component-level maintenance events and their associated costs using historical transaction logs and property characteristics, ultimately generating reliable budget predictions that can outperform manual budgeting practices.

The thesis utilized a dataset comprising over 100,000 historical maintenance records from a Swedish residential property portfolio, integrated with structural property attributes and adjusted for inflation. Due to high zero-inflation in the data, where 73.2% of observations recorded zero maintenance costs, a Two-Stage Hurdle model was implemented. The first stage utilized classification models, including Logistic Regression, Random Forest, and CatBoost, to predict the probability of a maintenance event. The second stage applied regression algorithms, specifically Ordinary Least Squares, Random Forest, and CatBoost, to estimate the financial cost per square meter. Model performance was evaluated using an expanding-window time-series cross-validation approach.

Model selection in the classification stage was based primarily on the F1-score and ROC AUC, since both are robust under the strong class imbalance in the data, while the percentage deviation between the predicted and actual portfolio cost assessed the budgeting stage. Under these criteria, the three classifiers performed at a broadly comparable level, with F1-scores between 0.700 and 0.704 and differences that were not statistically significant. The clearest distinction emerged at the portfolio-budgeting stage: Random Forest produced the lowest property-level errors but underestimated the total portfolio cost by 18.63%, whereas CatBoost achieved a near-neutral portfolio deviation of -2.65%, an 8.9% improvement over the OLS baseline. These findings indicate that machine learning models trained on historical transaction data can serve as a viable alternative to manual maintenance budgeting, while the performance gaps between the individual algorithms remain modest. 

Inom fastighetsförvaltning har budgetering för underhåll traditionellt sett styrts av fasta kalenderbaserade scheman. Detta reaktiva tillvägagångssätt leder dock ofta till ineffektiv resursanvändning och bristfällig ekonomisk planering. I det här examensarbetet undersöks hur maskininlärning kan användas för att istället etablera en datadriven och prediktiv underhållsstrategi. Målet är att prognostisera årliga underhållsbehov på komponentnivå och beräkna de förväntade kostnaderna. Genom att kombinera historiska transaktionsdata med specifika fastighetsegenskaper utvecklas en metod för att generera tillförlitliga budgetprognoser som kan överträffa traditionella manuella metoder.

Examensarbetet använde ett omfattande dataset med över 100 000 historiska underhållsposter från ett svenskt fastighetsbestånd. Datamängden kompletterades även med byggnadstekniska attribut och kostnaderna har inflationsjusterats till 2025 års prisnivå. Eftersom underhållsdata karaktäriseras av en hög andel nollvärden (där 73,2% av observationerna inte registrerade några kostnader) valdes en tvåstegs Hurdle-modell som analytiskt ramverk. I modellens första steg utvärderas sannolikheten för att ett underhållsbehov uppstår med hjälp av klassificeringsalgoritmer, däribland logistisk regression, Random Forest och CatBoost. I det andra steget uppskattas den finansiella kostnaden per kvadratmeter genom regressionsanalys med metoder som Ordinary Least Squares, Random Forest och CatBoost. Modellerna tränades och utvärderades sekventiellt genom en tidsbaserad korsvalidering med ett expanderande fönster (walk-forward validation).

För att avgöra vilken modell som lämpade sig bäst utgick vi i klassificeringssteget främst från F1-värdet och ROC AUC, eftersom dessa mått fungerar väl även när klasserna är obalanserade. Budgeteringssteget bedömdes i stället utifrån hur mycket den predikterade portföljkostnaden avvek från den faktiska. Med dessa kriterier låg de tre klassificerarna nära varandra: F1-värdena varierade mellan 0,700 och 0,704, och skillnaderna var inte statistiskt signifikanta. Den verkliga skillnaden mellan modellerna visade sig först på portföljnivå. Random Forest gav de minsta felen för enskilda fastigheter men underskattade den totala portföljkostnaden med 18,63%, medan CatBoost landade betydligt närmare det faktiska utfallet med en avvikelse på endast -2,65% – en förbättring med 8,9% jämfört med OLS-basmodellen. Sammantaget visar studien att maskininlärningsmodeller som tränats på historisk transaktionsdata kan vara ett fullgott alternativ till manuell underhållsbudgetering, även om skillnaderna mellan de enskilda algoritmerna är förhållandevis små.