Автоматизированная система прогнозирования грузопочтовых ёмкостей Сargo Air

Заказчик

ПАО "Аэрофлот"

ИТ-поставщик

ООО "Иннодата"

Сроки выполнения проекта

Июль, 2019 - Декабрь, 2019

Масштаб проекта

9500 человеко-часов
150 автоматизированных рабочих мест

Цели

Повышение полноты использования грузопочтовой квоты пассажирских рейсов ПАО «Аэрофлот» на направлениях с высоким спросом на грузовые перевозки.
Повышение точности прогнозирования грузопочтовых емкостей на пассажирских рейсах ПАО «Аэрофлот» за счет расширения числа факторов, учитываемых моделями прогноза.

Уникальность проекта

Ядро системы было построено и обучено таким образом, что в расчет берутся не только исторические данные о загрузке рейса, количестве пассажиров, загрузке топливом, но также учитываются изменения в расписании, замены типов воздушных судов. Система устойчиво реагирует на все учитываемые динамические факторы и в соответствии с этим корректирует показатели. Также система способна обрабатывать информацию по рейсам, по которым нет исторических данных для обучения. Устойчивость системы к изменению входящих параметров и гибкость в подходе к обработке информации по рейсам являются уникальными свойствами данной системы.

Проект решает задачи импортозамещения

Нет

Использованное ПО

Big Data (Hive, Spark ML)

Сложность реализации

Интеграция со множеством источников данных; включение в перечень анализируемых рейсов с минимальным набором исторических данных; анализ и обработка большого объема неструктурированных данных по загрузке воздушных судов. Также сложностью стала необходимость расшифровки и обработки данных CPM- и LDM-телеграмм, формируемых сотрудниками аэропортов при подготовке воздушного судна к вылету. Зачастую такие телеграммы содержат ошибки, неточности, могут иметь несколько версий, а также содержат не синхронизированные между собой данные.

Описание проекта

Компания «Иннодата» предложила авиакомпании «Аэрофлот» рассмотреть возможности технологии BigData, обеспечивающей консолидацию исторических данных, построение и регулярное обучение моделей для прогнозирования грузопочтовых квот. В рамках проекта были спроектированы и реализованы фундаментальные функции системы, позволяющие в дальнейшем гибко настраивать и оптимизировать алгоритмы ее работы. На основе анализа накопленных исторических данных были построены математические модели, позволяющие точно предсказывать грузопочтовую квоту. Более того, в процессе работы система способна предсказывать квоту и для новых направлений. Процесс реализации проекта в жизнь состоял из нескольких этапов:

изучены и проанализированы данные по рейсам, содержащимся в производственных информационных системах ПАО «Аэрофлот»;
в ходе разработки моделей определены метрики оценки точности прогнозирования, по которым проведена оценка эффективности прогнозов. При моделировании по зафиксированным метрикам оценивался ряд построенных моделей, из которых был выбран подход, дающий наилучший результат при прогнозировании;
при разработке моделей прогноза было подготовлено значительное количество входных переменных (features) для моделей. В ходе машинного обучения были выбраны значимые переменные, комбинация которых позволила добиться наилучшего качества прогнозирования;
на основе проведенного анализа были разработаны «Концептуальный проект» и «Частное техническое задание», детально описывающие систему, модели прогноза и интеграцию разрабатываемой системы с производственными системами-источниками. На завершающих стадиях проекта разработана методика и критерии оценки испытаний, в том числе оценки качества прогнозов;
проведено приемочное тестирование системы и соответствующего математического программного обеспечения.

В результате внедрения Автоматизированной системы прогнозирования грузопочтовых ёмкостей Сargo Air точность прогнозных значений загрузки грузовых емкостей воздушных судов ПАО «Аэрофлот» увеличилась на 20%.

Внедрение Системы также повысило точность прогнозирования доступной свободной грузовой квоты до 90%, что позволило существенно оптимизировать коммерческую загрузку рейсов.

География проекта

Система не имеет ограничений по географии доступа пользователей, предоставляя web-интерфейс.