Prediction of the maintenance performance cost in dwellings and building sites located in Spain using multilayer perceptrons

Abstract

The effective asset management of real estate is an area of great interest to the building engineering sector as a whole. The determination and programming of maintenance tasks is essential to allow finance entities to establish market order according to a given budget. The process works slowly, and some optimization is generally required. In this paper, two multilayer perceptrons (MLPs) are developed to determine the economic cost of maintenance works in the two types of real estate asset of more interest to building sector: building sites and dwellings. After training using 76 case studies for building sites and 317 for dwellings, the optimal MLP configurations are shown to have 6 and 12 nodes respectively, and the input variables that most influenced their behavior are also determined. Furthermore, the MLPs showed more optimal behavior than models using multiple linear regression. Finally, the MLPs were tested for 15 new case studies for each model, predicting the budgeted costs of the associated maintenance works with deviations of less than 11% compared with the actual value in most cases.

La eficiente gestión de los activos inmobiliarios es una de las actividades con mayor demanda en el sector de la ingeniería de la edificación. La determinación y programación de los trabajos de mantenimiento resulta fundamental para que las entidades financieras establezcan el orden de inversión en función del importe presupuestado. Dado que es un proceso de trabajo lento, resulta necesario su optimización. En este trabajo se desarrollan dos perceptrones multicapa (PM) para la determinación del importe económico en los trabajos de mantenimiento en las dos tipologías de activos inmobiliarios de mayor interés para el sector de la edificación: solares y viviendas. En base al entrenamiento con 76 casos de estudio para solares y 317 para viviendas, se obtuvieron que las configuraciones de PM óptimas fueron las de 6 y 12 nodos, respectivamente, y se determinaron las variables de entrada que más influyen en su comportamiento. Además, los PM presentaron un comportamiento más óptimo con respecto a los de regresión lineal múltiple. Finalmente, se testearon los PM ante 15 casos de estudio nuevos para cada modelo, prediciendo los importes presupuestados para los trabajos de mantenmiento con una desviación inferior al 11% con respecto al valor real en la mayoría de ellos.