Бизнес-кейс: DBI создал аналитическую модель прогнозирования расчета веса багажа для компании «Уральские авиалинии»

Поиск по сайту

bit.samag.ru

Web

Рассылка Subscribe.ru

подписаться письмом

Вход в систему


Запомнить меня
Регистрация Забыли пароль?

О журнале

Ваше мнение

Статьи

Общие тенденции и тренды

Архив

Мероприятия

Календарь мероприятий

январь

2026

показать все

Новости партнеров

20.01.2026

Servicepipe расширила возможности платформы Visibla для борьбы с рекламным фродом

20.01.2026

РОСА представила бета-версию РОСА Мобайл 2.3 с групповыми звонками, улучшенной навигацией и переработанной системой звука

20.01.2026

Доля китайского ИИ на мировом рынке стремительно растет

18.12.2025

Группа «Борлас» – в числе крупнейших игроков российского рынка HR Tech

показать все

Статьи

30.12.2025

Как найти идею и перезапустить продукт в «красном океане»

30.12.2025

Интеграция как бизнес-задача

28.12.2025

Soft skills на руководящих должностях

18.12.2025

Как изменились сделки слияний и поглощений после 2022 года и что ждет инвесторов в будущем?

18.12.2025

Налоговая оптимизация. Новые УСН-правила при смене региона: конец налоговой оптимизации?

29.07.2025

Точность до метра и сантиметра: как применяют технологии позиционирования

18.04.2024

Как искусственный интеллект изменит экономику

22.09.2023

Эпоха российской ориентации на Запад в сфере программного обеспечения завершилась

22.09.2023

12 бизнес-концепций, которыми должны овладеть ИТ-руководители

показать все

Бизнес-кейс: DBI создал аналитическую модель прогнозирования расчета веса багажа для компании «Уральские авиалинии»

Главная / Статьи / Проекты / Бизнес-кейс: DBI создал аналитическую модель прогнозирования расчета веса багажа для компании «Уральские авиалинии»

У каждого вида транспорта существует свой ограниченный ресурс грузоподъемности, который необходимо учитывать и рационально использовать в экономике предприятия. В случае с пассажирскими авиаперевозками для расчета грузоподъемности лайнера особое значение имеет вес багажа. О том, как системный интегратор DBI с помощью глубокой аналитики данных помог одной из ведущих российских авиакомпаний - «Уральские авиалинии», перейти к более точному прогнозированию веса багажа, мы расскажем далее.

О проекте

Приоритетная цель проекта – повышение экономической эффективности авиаперевозчика. Стоимость летного часа зависит от множества параметров, начиная с технического обслуживания и оплаты труда персонала и заканчивая стоимостью аэронавигационных сервисов и услуг аэропортов.

Однако одной из наиболее капиталоемких статей затрат при организации воздушного сообщения было и остается топливо, расход которого во многом зависит от загрузки самолета. Здесь нужна точность прогнозирования и отклонения в любую сторону нежелательны.

Перевес багажа требует задержки вылета, внеплановой дозаправки лайнера или снятия части груза и отправки его другим рейсом. Так теряется время, дополнительно тратятся материальные ресурсы.

Недостаточная загрузка также ведет к экономическим потерям, учитывая, что часть авиационного ресурса может быть использована впустую.

Задача

В настоящее время, без цифровой прогностической модели с использованием искусственного интеллекта авиаперевозчик выполняет расчеты на основе среднего арифметического значения веса багажа, исходя из загрузки самолёта.

Подобный метод слишком несовершенен, а результаты – недостаточно объективны, чтобы оптимизировать процесс расчета топлива на каждый авиарейс. Шагом вперед в решении вопроса прогнозирования расчета веса багажа станет оригинальная разработка постоянных партнеров авиакомпании «Уральские авиалинии» – инженеров IT-компании DBI.
Предложенная аналитическая модель позволит авиаперевозчику по-новому взглянуть на тему заправки самолетов топливом в зависимости от веса багажа.

Решение

Первое, что выполнили специалисты DBI – сбор исчерпывающей информации из различных источников именно таких данных, которые могут влиять на вес багажа. Например, даты вылета, направления рейсов, количество и сезонность пользования клиентами услугами компании, возрастная классификация, гендерная принадлежность пассажиров, статистика движения багажа на различных маршрутах – все это было учтено при создании аналитической цифровой модели DBI.

Следующим шагом стало внедрение в аналитическую модель методов машинного обучения (ML). Используя алгоритм градиентного бустинга ML программисты смогли добиться оптимального баланса скорости и качества обработки информации.

Поскольку речь идет и об использовании статических данных, полученных после завершения событий, можно оценивать объективность полученного прогноза, сравнивая его с реальной ситуацией, когда достоверно известно количество пассажиров на завершенном рейсе, суммарный вес их багажа и т. д.

По мере продолжения машинного обучения модели уточнялось количество параметров анализа, отдавалось предпочтение наиболее информативным. Например таким, как фактор сезонности и маршрут следования.

Как признают сами специалисты, этап обучения цифровой модели стал наиболее сложным моментом в проекте. Имеющиеся данные о весе багажа не были должным образом систематизированы и не охватывали больших временных периодов.

Однако благодаря взаимодействию инженеров DBI с сотрудниками профильных подразделений «Уральских авиалиний» команде проекта удалось выявить ключевые паттерны данных, которые и были заложены в модель.

Результат работы

К настоящему времени команда DBI прошла путь от изучения проблемной ситуации до создания, тестирования и отладки аналитической модели более точного прогнозирования веса багажа пассажиров «Уральских авиалиний».

Как отметил руководитель проектного офиса DBI Сергей Харитонов, дальнейшее развитие цифровой модели сделает возможным выделение объективных закономерностей между сезонной загрузкой авиарейсов, категориями пассажиров, особенностями и характеристиками багажа, определяющими его среднестатистический вес.

Уже эти полученные данные позволят объективнее решать вопросы использования результатов прогнозирования в планировании бюджетных расходов на авиатопливо и в повышении экономической эффективности авиапредприятия в целом.

В начало⇑

Комментарии отсутствуют

Комментарии могут отставлять только зарегистрированные пользователи