Дивовижні способи ШІ та машинне навчання можуть вплинути на ваші майбутні плани подорожей

Перепланування перельотів та переназначення пасажирів під час погодних подій. Прогнозування та запобігання механічних відмов. Прогнозування коливань тарифів на місяці та дні, що передують рейсу. Що у світі повітряних подорожей мають спільні ці зусилля? Усі вимагають складного аналізу масивних «великих даних» наборів - роботи, з якою люди самостійно часто погано підходять для роботи.

Введіть штучний інтелект та машинне навчання. Хоча попередні технології забезпечували певні засоби вирішення складних завдань, AI та машинне навчання підвищують цю здатність до експоненціальної міри. Коли ми надаємо алгоритмам машинного навчання набір параметрів, що стосуються проблеми - наприклад, прогноз погоди або історія тарифів - алгоритми будуть проходити через всі можливі комбінації з небаченою швидкістю, щоб отримати оптимальні рішення.

Нещодавні досягнення в цій технології не могли прийти в кращий час. Дані, що створюються та копіюються щорічно у світі, збільшуються вдвічі в розмірі кожні 12 місяців, згідно з повідомленням Deloitte, і, як очікується, до 2020 року вони досягнуть 44 зеттабайт. з мільйонами мандрівників, яких вони обслуговують щороку, обіцяють бути основними бенефіціарами машинного навчання. Давайте докладніше розглянемо, як це станеться.

Планування та реагування на перебої в подорожах

Коли погана погода чи інші важливі події змушують затримати та скасовувати рейси, що прибувають або виїжджають у певний регіон, це створює тривалий ефект доміно, який досягає далеко за межами аеропортів цього регіону. Оскільки літаки та екіпаж, як правило, призначені для обслуговування декількох напрямків, індивідуальні затримки або скасування в одному аеропорту часто викликають більше затримок і скасування в інших. Окрім того, федеральні правила, що регулюють час дорожнього руху, а також власне зобов'язання авіакомпаній утримувати клієнтів від занадто довгого очікування на літаках до і після зльоту, можуть призвести до того, що перевізники можуть скасовувати попереднє скасування.

Машинне навчання може допомогти полегшити ці проблеми. Наприклад, це може допомогти проаналізувати як дані в режимі реального часу, так і заархівовані дані можуть дати передбачення на дні чи місяці заздалегідь, на яких маршрутах буде уникнути затримок погоди, а коли маршрут, обложений поганою погодою, знову стане зрозумілим. Така інформація може дозволити більш поінформоване планування авіакомпаніями та менша кількість скасування. Модель, розроблена дослідниками MIT, відкрила б на 13 відсотків більше маршрутів за заданим сценарієм. Хамса Балакришнан, керівник науково-дослідної команди MIT, також головний науковий співробітник Resilient Ops - стартап із Бостона, орієнтований на проактивне управління зривами. Компанія використовує алгоритми, що враховують такі змінні, як прогноз погоди, історичні погодні дані та історичні показники польотів. "Справжня магія виникає тоді, коли алгоритми, які вивчають історію, можуть передбачити майбутнє на основі того, що відбувається зараз", - говорить нам Балакришнан. "Ви можете почати думати про те, що, можливо, станеться, і вирішувати це активно."

Динамічне ціноутворення та персональне обслуговування

Протягом багатьох років авіакомпанії прагнули знайти найкращий середній рівень тарифів на квитки, встановивши ціни досить низькі для залучення споживачів і досить високі для захисту норм прибутку. Але це солодке місце може змінюватись залежно від дня, сезону, відповідного маршруту тощо. Тут ще раз машинне навчання може дати відповіді. Наприклад, в Сан-Франциско стартап FLYR розробив моделі для аналізу літньої вартості записів на авіарейси та інших даних, щоб допомогти авіакомпаніям розробити динамічні ціни, визначаючи оптимальні тарифи для кожного маршруту, дня та сезону. FLYR, портфоліо компанія JetBlue Ventures, також пропонує споживчі товари, використовуючи моделі прогнозування цін, щоб створити те, що можна було б охарактеризувати як страхування від мінливості тарифу - його продукт FareKeep дозволяє відшкодувати клієнтам, коли вартість проїзду падає після бронювання. "Ми розробляємо похідні продукти, які дозволяють мандрівникам отримати спокій", - каже генеральний директор FLYR Жан Трип'є.

Мандрівники також можуть отримати спокій, коли вони вважають, що отримують найкращу цінність та персоналізовану послугу. Машинне навчання може допомогти забезпечити і те, навіть якщо авіакомпанія мало знає про клієнта, розглядаючи, чи ініціювати транзакцію. Алгоритми можуть стискати історичні дані про мандрівників із подібними профілями, а потім надавати персоналізовані рекомендації щодо польотів на основі цього аналізу. Надалі авіакомпанії та інші туристичні провайдери можуть навіть пропонувати пакети, наприклад, квиток на літак з певними зручностями під час польоту, які ідеально підходять для конкретних клієнтів та випадків використання. Такі пакети можуть також виключати зручності, які показали, що аналіз не корисний для конкретних подорожуючих, тим самим зменшуючи відходи.

Замовлення клієнтів на квитки та інші покупки, такі як фільми під час польоту та безмитні товари, також можуть запропонувати авіакомпаніям більше зрозуміти, як найкраще їх обслуговувати. Алгоритми машинного навчання можуть використовувати ці дані для прогнозування витрат витрат для різних мандрівників. Саме це зробила компанія інформаційних технологій Unisys, використовуючи великі дані клієнтської авіакомпанії, щоб прогнозувати, хто найімовірніше придбає квитки та інші товари, пов’язані з авіаперельотом, у найближчі місяці. Такий аналіз може допомогти авіакомпаніям взаємодіяти з клієнтами та потенційними клієнтами, використовуючи пропозиції, які, швидше за все, представляють інтерес і цінність для них.

Оптимізація продуктивності обладнання: прогнозування обслуговування та управління постачаннями

У віці Internet of Things датчики постійно надають дані, що вказують на стан та працездатність різних машин та обладнання. За прогнозами управлінської консалтингової фірми Олівера Ваймана, за прогнозами, флоти авіакомпаній планують генерувати 98 мільярдів гігабайт даних на рік до 2026 року. Що можуть зробити виробники та авіакомпанії з цими даними? За допомогою машинного навчання - і допомоги фізиків, інженерів та інших експертів - вони можуть визначити закономірності в даних, які вказують на те, які умови або зниження продуктивності можуть свідчити про неминучу поломку. Озброївшись цією інформацією, вони можуть брати участь у прогностичному обслуговуванні, вживаючи запобіжних заходів, що уникають значних простоїв (та затримок рейсів), пов’язаних з капітальним ремонтом. Машинне навчання також може вирішити інше джерело неефективності: зайве часте обслуговування, що спричиняє більше простоїв. Хоча звичайна мудрість може підказувати, що найкраще часто обслуговувати деталі, щоб уникнути проблем, графіки, оптимізовані алгоритмами, означатимуть, що технічне обслуговування відбувається тоді, коли це фактично потрібно.

Машинне навчання також може впливати на управління постачанням. Завдяки машинному навчанню авіакомпанії можуть виконувати аналіз деталей, які вони використовують, і виявити, що тривалість життя відрізняється від тих, які оцінюють виробники. Сьогодні прогнози виробників базуються на даних різних замовників, що працюють в радикально різних умовах, що призводить до більш широких розбіжностей від фактичного використання. Перевізники можуть мати можливість використовувати деталі довше, ніж рекомендовано виробниками, зменшуючи витрати, уникаючи ризиків, пов’язаних із встановленням нових, менш перевірених деталей. "Якщо вам не доведеться щось бракувати за певний цикл або годину, ви можете продовжувати його використовувати", - каже аналітик авіабудівної галузі Боб Манн. "Тоді вам не потрібно купувати новий або потрібно стільки запчастин. Ви починаєте економити реальні гроші ».

Сьогодні ми маємо лише невеликий огляд того, що AI та машинне навчання можуть зробити в авіаперельотах. Оскільки великі та малі компанії розробляють кращі алгоритми та інші технології, перебої в погоді стануть більш керованими, літаки залишатимуться в небі довше і витрачатимуть менше часу на ремонт, ціни відповідатимуть і потребам перевізників, і споживачів, а клієнти матимуть кращий доступ до переживань, які вони дуже хочуть. Для всіх складних розрахунків та складних моделей, які складають машинне навчання, його вплив на авіаперельоти легко пояснити: це призведе до більш здорової та міцної галузі, яка допоможе кожному досягти нових висот.