Predictive Operations.
Operations Optimierung am Flughafen.
In diesem Projekt haben wir gemeinsam mit den Operations-Verantwortlichen einer internationalen Airline ein Frühwarnsystem für die Netzwerkplanung aufgebaut.
Herausforderung.
Die Operations einer Airline oder eines kompletten Flughafens ist eine komplexe und multidimensionale Problemstellung. Im Operations Center einer Airline wird täglich mit Hochdruck daran gearbeitet, einen optimalen Betrieb zu gewährleisten. Der pünktliche Abflug eines Flugzeugs kann nur gewährleistet werden, wenn viele verschiedene Faktoren wie z.B. ideales Wetter, eine entsprechende Verkehrslage im Luftraum oder genügend Reservekapazitäten vorhanden sind. Folglich bleibt oft wenig Zeit, um in den kommenden Tagen zu erwartende Probleme im Flugplan proaktiv zu beheben. Unser Kunde stand vor der Herausforderung, das Operations-Center durch den Einsatz eines prädiktiven Planungstools unterstützen zu wollen.
Ansatz.
Zur Unterstützung des Operations Center haben wir eine Applikation entwickelt, die auf Basis von Machine Learning Modellen prädiktiv einschätzt, welche Risikofaktoren in den nächsten Tagen für die Planung relevant sind. Die Applikation dient zur Netzwerkplanung als Informations-Hub für künftige Operationstage. Hierbei minimiert die Applikation den manuellen Aufwand der Informationsbeschaffung, da relevante Informationen automatisiert und in individuell strukturierter Form dargestellt werden. Zum anderen zeigt die Applikation prädiktive Risikoeinschätzungen für verschiedene Faktoren wie z.B. Crew-Reserven, ATC-Delays oder Abtauschmöglichkeiten am Boden für die nächsten vier Tage.
Ergebnis.
Basierend auf den täglichen Forecasts und dem umfassenden Informationsgehalt der Applikation konnten wir unserem Kunden dabei helfen, proaktives Handeln für zukünftige Flugpläne zu fördern und zu etablieren. Durch das prognostizierte Risiko der implementierten Machine Learning Modelle konnte die Präzision der Risikoeinschätzungen verbessert und somit das proaktive Anpassen des Flugplans in den künftigen Tagen optimiert werden.
Projekt Info.
Branche: Luftfahrt
Thema: Forecasting
Tools: R, R Shiny, SQL
Aufwand: 12+ Monate
Projektlaufzeit: 12+ Monate
STATWORX Kontakt.
Ihr Ansprechpartner:
Fabian Müller
Leiter Data Science
Download Case.
Downloaden Sie diese Case Study als PDF zur weiteren Verwendung.