Akcja Partnerska

Jak kanapka z szynką i serem uzyskała swój własny algorytm

Kamil Świtalski
0

Największa w Europie tania linia lotnicza Ryanair wykorzystuje Amazon Web Services (AWS) do prognozowania sprzedaży jedzenia i napojów na pokładzie, przewidywania konserwacji samolotów i ograniczania emisji dwutlenku węgla.

Ryanair prowadzi jedną z najczęściej odwiedzanych na świecie stron internetowych poświęconych podróżom, jest największym tanim przewoźnikiem lotniczym w Europie i – jak donosi brytyjski tygodnik The Economist – dyrektor finansowy Ryanair uważa, że jest „największym sprzedawcą panini z szynką i serem w Europie”.

Obliczenie, ile osób zdecyduje się na kanapkę podczas danego lotu, jest większym wyzwaniem, niż się na początku wydaje. Firma posiada ponad 500 samolotów i wykonuje 2900 lotów dziennie, przy czym jeden samolot pokonuje wiele tras w różnych krajach. Każdy samolot ma ograniczoną ilość miejsca na pożywienie – dokładnie pięć wózków – i może być zaopatrywany tylko raz na 24 godziny. Kiedyś, aby przewidzieć popyt ze strony bardzo różnych grup podróżnych, opierano się na zapisach dzienników i obserwacjach. Było to bardzo czasochłonne zadanie, które obejmowało 80 baz załadunkowych w całej sieci Ryanair i wymagało od pracowników przejrzenia zapisów tego, co zostało skonsumowane podczas poprzednich lotów, aby ustalić, co należy załadować w następnym tygodniu.

Większa sprzedaż i mniej odpadów dzięki „panini predictor”

Niewielu pasażerów linii Ryanair zdaje sobie sprawę z tego, że wózki toczące się wzdłuż korytarza służą nie tylko jako transport przekąsek. Są one istotnym źródłem informacji o tym, co jest zamawiane i sprzedawane. Te informacje z kolei są przekazywane do narzędzia uczenia maszynowego (o nazwie „panini predictor”) zbudowanego w AWS, które pomaga linii lotniczej dokładnie przewidzieć, jakie produkty należy umieścić w danym samolocie.

Narzędzie to, wraz ze swoim indywidualnie zaprojektowanym algorytmem, analizuje takie dane, jak popyt, czas trwania lotu, pora dnia, sezon, miejsce odlotu, miejsce docelowe, narodowości pasażerów i liczba dzieci na pokładzie. Dane te pomagają znacznie dokładniej określić, co może być popularne podczas lotu. Jest to szczególnie przydatne przy podejmowaniu decyzji dotyczących linii produktów na nowej trasie lub przy dodawaniu nowej bazy załadunkowej. Co ważne, dzięki „panini predictor” Ryanair zwiększył sprzedaż, a przede wszystkim zmniejszył ilość odpadów o połowę.

Uczenie maszynowe wybiera najbardziej energooszczędne samoloty na każdą trasę

Technologia i zdolność firmy do jej zastosowania przyspieszyły w ciągu ostatniego roku. Poza panini, przy użyciu AWS Ryanair bada także zużycie części samolotów. Narzędzie predykcyjnej obsługi technicznej, zostało zaprojektowane w celu przewidywania, kiedy różne części samolotu mogą wymagać konserwacji. W oparciu o uczenie maszynowe, narzędzie rozpoznaje określone wzorce, które mogą być zwiastunami problemu. Dzięki temu inżynierowie na bieżąco otrzymują raporty z zaleceniami dotyczącymi obszarów do zbadania i weryfikacji.

Tysiące czujników w całej flocie Ryanair zbiera informacje o zmiennych w systemie, a każdy lot generuje od 5 do 60 milionów punktów danych na godzinę. W skali całej floty daje to ogromną liczbę 3 miliardów punktów danych na godzinę. Do tej pory udało się wykazać, że system może przewidywać problemy z wyprzedzeniem nawet czterech dni. Celem długoterminowym jest opracowanie rozwiązania, które będzie w stanie przewidzieć problemy w wielu istotnych systemach samolotu, zapobiegając w ten sposób jak największej liczbie zakłóceń w harmonogramie lotów.

Innym przykładem wykorzystania technologii AWS przez Ryanair jest projekt, który przydziela najbardziej paliwooszczędne samoloty na każdą trasę. Flota Ryanair składa się w całości z samolotów Boeing 737, które mają ten sam kadłub, ale różne konfiguracje silników. Kiedy pilot startuje rano, musi mieć wystarczającą ilość paliwa, aby przelecieć trasę. Jest ona obliczana na podstawie takich czynników, jak odległość, wysokość nad poziomem morza i wiatr. Po wprowadzeniu tych samych obliczeń do programu, który potrafi przetwarzać dane, możliwe jest przedstawienie zaleceń dotyczących tego, który z samolotów firmy będzie najbardziej efektywny pod względem zużycia paliwa na danej trasie – optymalizując zużycie paliwa, zmniejszając emisję dwutlenku węgla i oszczędzając przy tym miliony euro.

Plan „kokpit bez papieru” to oszczędność 16 ton papieru rocznie

Uczenie maszynowe sprawdza się przy wprowadzenia oszczędności paliwa, ale również ograniczeniu zużycia… papieru. Ryanair podjął inicjatywę, która polega na usunięciu papieru z kilku systemów, które tradycyjnie wykorzystywały dokumenty drukowane w branży lotniczej. Na przykład opracowanie elektronicznego planu lotu w Ryanair pozwoliło zaoszczędzić 20 milionów arkuszy, czyli 90 ton papieru rocznie. Plan „kokpitu bez papieru”, w ramach którego papierowe instrukcje obsługi zastąpiono wersjami cyfrowymi, pozwolił zmniejszyć ilość papieru o 15 kg na kokpit, czyli łącznie o 16 ton rocznie, co przekłada się na oszczędności w spalaniu paliwa wynoszące ponad 600 ton rocznie.

Ponadto przy pomocy AWS, Ryanair stworzył portfel COVID-19, który pomaga klientom zabrać ze sobą niezbędne dokumenty wymagane podczas podróży. W szczytowym momencie pandemii Ryanair opracował to rozwiązanie przy użyciu AWS i wdrożył je w ciągu niespełna trzech dni jako część swojej istniejącej aplikacji. No i wreszcie nowy bot czatu zbudowany przez Cation Consulting, partnera AWS, który potrafi rozmawiać w siedmiu językach – w tym polskim - obsługuje ponad pół miliona rozmów w każdym miesiącu.

Znakiem rozpoznawczym Ryanair jest praca w 25-minutowych odstępach czasu – tyle samolot powinien stać na płycie lotniska, aby został zatankowany a pasażerowie mogli wyjść z jednego lotu i wejść do kolejnego. To założenie, niezmienne od początku funkcjonowania linii lotniczej, może być obecnie realizowane z dużą pomocą technologii chmurowych, wraz z jednoczesnym obniżeniem kosztów oraz zmniejszeniu ilości odpadów i emisji dwutlenku węgla.

Hej, jesteśmy na Google News - Obserwuj to, co ważne w techu