Herausforderung
Der Betrieb einer Airline oder eines kompletten Flughafens ist eine komplexe und multidimensionale Problemstellung. Im Operations Center einer Airline wird täglich mit Hochdruck an optimalen Abläufen gearbeitet. Der pünktliche Abflug eines Flugzeugs kann nur gewährleistet werden, wenn viele verschiedene Faktoren wie zum Beispiel 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 prognostiziert, welche Risikofaktoren in den nächsten Tagen für die Planung relevant sind. Die Applikation dient der Netzwerkplanung als Informations-Hub für künftige Operationstage. Sie minimiert die den manuellen Aufwand der Informationsbeschaffung, indem sie relevante Informationen automatisch zusammenstellt und in individuell strukturierbarer Form zur Verfügung stellt. Weiterhin zeigt die Applikation prädiktive Risikoeinschätzungen für verschiedene Faktoren wie zum Beispiel Crew-Reserven, ATC-Delays oder Abtauschmöglichkeiten am Boden für die nächsten vier Tage.
Ergebnis
Basierend auf den täglichen Forecasts und den umfassenden Informationen aus der Applikation konnten wir unserem Kunden dabei helfen, Möglichkeiten zum proaktiven Handeln in Bezug auf zukünftige Flugpläne zu etablieren und zu verbessern. Durch die implementierten Machine Learning Modelle konnte die Präzision der Risikoeinschätzungen verbessert werden, um eine optimale Anpassung des Flugplans für die künftigen Tage zu ermöglichen.