«Воздушная математика».
Большие данные в мире гражданской авиации

Технологии Big Data становятся важной основой развития авиакомпаний

Введение

Согласно прогнозу аналитиков, 67% компаний из аэрокосмической отрасли реализуют проекты на основе Big Data, ещё 10% планируют такие проекты. Что касается авиакомпаний, то здесь реализация проектов на февраль 2019 года заявлена у 44% компаний, а планы на такие проекты анонсировали 25%.

Это результаты исследования, которое провела в декабре 2017 года компания FlightGlobal относительно роли Big Data для аэрокосмических предприятий и авиакомпаний. Аналитики также выяснили мнение по поводу совместного использования данных по состоянию самолётов с производителями и компаниями, осуществляющими ремонт и техническое обслуживание (ТО)^[1]. В исследовании приняли участие 300 профессионалов из аэрокосмической и авиационной отрасли. Большинство из них уверены, что технологии Big Data способны повысить операционную надёжность и эффективность авиакомпаний.

Инфографика с результатами исследования

Приблизительно половина респондентов ответила, что их компании используют массивы данных о состоянии самолётов, что помогает им принимать более выверенные решения. В ближайшей перспективе доля таких компаний вырастет до 75%.

Совместное использование данных с OEM/MRO всё ещё остаётся проблематичным. Однако 38% авиакомпаний полагают, что такая модель может обеспечить им значительные бизнес-преимущества.

Согласно данным из опубликованного в мае 2018 года обзора компании Honeywell "Connected Aircraft"^[2], 47% опрошенных авиакомпаний планируют потратить в целях подключения воздушных судов к Сети до 1 млн. долларов в течение следующего года на каждый самолёт, эксплуатируемый ими. Большинство этих компаний планирует уложиться в суммы от 0.1 до 0.5 млн. долларов. Однако, в пятилетней перспективе 38% авиаперевозчиков анонсировали инвестиции уже в размере 1-10 млн. долларов на каждый самолёт.TAdviser Security 100: Крупнейшие ИБ-компании в России 58.2 т

До февраля 2019 года при инвестировании авиакомпаниями в смежные к авиации технологии (connected technologies) речь шла, прежде всего, об обеспечении спутниковой связи и Wi-Fi. Теперь же компании готовы извлекать выгоду из тех данных, которые они могут получать путем использования оборудования непосредственно на борту самолётов. Например, такие данные могут обеспечить им экономию в размере 1% от потребляемого топлива, что эквивалентно 50 000 долларов на самолёт в год, подсчитали аналитики Honeywell.

Использование Big Data зарубежными авиакомпаниями

Технологии Big Data применяются для выполнения ряда задач в сфере гражданской авиации. В этой главе остановимся подробнее на основных направлениях использования больших данных в авиации в ряде зарубежных стран. В первую очередь это ремонт и техническое обслуживание, обеспечение экономии топлива, создание цифровых двойников, оптимизация операционной деятельности (включая прогнозирование задержек рейсов), формирование персональных предложений для пассажиров и т.д.

Технологии Big Data применяют авиакомпании по всему миру

Big Data и поддержание летной годности воздушных судов

Одной из таких приоритетных областей в ближайшей перспективе будут техническое обслуживание (ТО) и ремонт судов. Так, 88% респондентов аналитических исследований ожидают, что именно в этой сфере они смогут получить максимальные преимущества от применения технологий. Техническое обслуживание и ремонт значительно опережают все прочие сферы по важности. Анализ больших данных и предиктивные ремонты в авиации демонстрируют свою эффективность и доказывают на практике, что connected technologies работают.

После ТО и ремонта респонденты ожидают преимуществ от внедрения связанных в сфере технологий пилотирования, включая оптимизацию потребления топлива и времени оборота самолётов, а также обслуживания пассажиров.

Так, в исследовании "Sky High Economics: Evaluating the Economic Benefits of Connected Airline Operations"^[3] аналитики отмечают, что подключенные самолёты могут передавать данные в облако или на наземные серверы, где эти данные могут быть проанализированы с помощью инструментов Big Data Analytics. Благодаря этому авиаперевозчики могут, например, выявлять неисправности, прежде чем они станут крупными проблемами. Полученная информация может быть использована для принятия более выверенных решений и сокращения дорогостоящего простоя самолётов (Aircraft on Ground).

Кроме того, с появлением прогнозного моделирования (predictive modelling) стала возможной замена деталей, которые на базе анализа определены как требующие замены, до того, как они вышли из строя, а именно во время плановых работ по ремонту и ТО. Всё это способствует сокращению расходов, повышает безопасность полётов.

Digit Twins. Что это такое?

С темой предиктивных (проактивных) ремонтов также тесно связано использование так называемых "цифровых двойников" ("digital twins"). Однако в отличие, например, от нефтегазовой отрасли, где ЦД уже используются рядом крупных компаний на практике, в авиационной отрасли эта тема пока больше обсуждается на уровне экспертов и аналитиков.

Эксперты авиационной отрасли в 2019 году стали активно продвигать тему использования "digital twins": руководство шведской компании IFS, разработчика ПО для корпоративных клиентов, в том числе из авиационной отрасли, заявило в апреле 2018 года, что одной из технологических инноваций, способной помочь авиакомпаниям обеспечивать эффективную эксплуатацию судов при одновременном снижении расходов на ТО и ремонты, являются "цифровые двойники"^[4]. Цифровые двойники ― это виртуальные реплики физических активов, способные демонстрировать инженерам на земле работу двигателя, в то время как самолёт находится в воздухе. Чтобы сделать это возможным, инженеры устанавливают на этапе проектирования и производства двигателя тысячи точек сбора данных. Затем они используются для создания цифровой модели, которая отслеживает и контролирует двигатель в режиме реального времени, обеспечивая необходимую информацию на протяжении всего его жизненного цикла, например, температуру, давление и расход воздуха.

GE помогла разработать цифровой двойник для посадочного устройства самолета. Сенсоры были размещены на частях шасси, наиболее подверженным поломкам. В режиме реального времени такие данные, как давление и температура, передавались специалистам, помогая прогнозировать сбои в работе или остающийся срок службы. Эти данные сравнивались с данными цифрового двойника, который подвергался аналогичным нагрузкам.

Согласно IDC, компании, инвестирующие в ЦД, способны на 30% сократить время, требуемое для реализации критических работ, включая ТО. Аналитики ожидают, что в 2019 году технология станет более зрелой и обеспечит дополнительные преимущества для пользователей.

Чат-боты

Аналитическая компания MarketsandMarkets опубликовала в мае 2017 года прогноз рынка чат-ботов^[5]. Согласно данным аналитиков, среднегодовые темпы роста рынка между 2016 и 2021 годом составят 35.2%. В денежном выражении рынок вырастет с 703.3 млн. долларов в 2016 году до 3.172 млрд. долларов в 2021 году. Основной целью внедрения чат-ботов в авиационной отрасли является желание компаний лучше понять поведение потребителей их услуг и товаров.

Кроме того, Big Data-решения начинают использовать в авиационной отрасли и для решения других задач, например, для обеспечения авиационной безопасности на базе анализа массивов исторических данных или, например, что перекликается с повышением уровня клиентского обслуживания, для оптимизации процессов, связанных с организацией питания на борту, и отслеживания багажа.

Примеры практической реализации

Рассмотрим примеры практической реализации решений Big Data зарубежными авиаперевозчиками. Основной акцент сделан на масштабные проекты за последние годы, а также на те бизнес-кейсы, в которых приведены данные по количественным или качественным эффектам от внедрения. Данные бизнес-кейсы относятся к перспективным сферам, которые были описаны выше.

Ремонт и техническое обслуживание с использованием больших данных

Британский лоукостер EasyJet, эксплуатант самолётов Airbus A319, планирует внедрить около 50 различных алгоритмов для предиктивного ТО и ремонта на борту своих судов. Техническое руководство компании заявило в середине июня 2018 года, что работы на всём авиапарке должны быть завершены к концу 2019 года^[6].

EasyJet планирует внедрить около 50 различных алгоритмов для предиктивного ТО и ремонта на борту своих судов

Для реализации модели прогнозного ремонта и ТО будут задействованы два решения ― бортовая система обмена данными по полётным операциям и ТО (FOMAX) и внебортовой инструментарий для анализа авиационных данных Skywise. FOMAX, сервер от Rockwell Collins, собирает данные по ТО и производительности самолёта, в автоматическом режиме отправляет их инженерам и техникам. SkyWise, работающий на облачной платформе, обеспечивает анализ различных данных, был разработан совместно компаниями Airbus и Palantir Technologies.

Система FOMAX получает все данные из расположенной на борту системы FDIMU (flight data interface management unit). FOMAX имеет функционал 4G-маршрутизатора: после приземления судна все данные с помощью 4G Gatelink-антенн передаются на аналитическую платформу Skywise и анализируются специалистами Airbus. Для анализа специалисты Airbus самостоятельно разработали специальные модели, способные прогнозировать возникновение системных неполадок. После проведённого анализа его результаты переправляются специалистам EasyJet, которые уже самостоятельно принимают решения о необходимости проведения предиктивного ТО или ремонта. Используя полученную информацию, специалисты авиаперевозчика могут создать алгоритмы, которые позволят в будущем прогнозировать возникновение той или иной неполадки на любом из самолётов.

Самолёты модели A320 с FOMAX способны собирать более 24.000 параметров, то есть обеспечивать 100%-й сбор информации с систем и компонентов самолётов. Самолёты без FOMAX собирают 400 параметров, то есть 2% от доступной информации.

Между тем, авиакомпания Delta Air Lines сообщила в апреле 2018 года, что она планирует адаптировать свою систему технического обслуживания с предиктивным функционалом под самолёты последнего поколения, которые генерируют значительно большие объёмы данных, чем предыдущие суда (авиакомпания готовится к приёму очередных моделей самолётов, таких как Airbus A350 и Bombardier CS100)^[7].

Согласно заявлениям руководства Delta, используемая программа прогнозного ТО помогает авиакомпании значительно снизить число сбоев в работе: За последние 12 месяцев использование проактивного ТО помогло избежать 1.200 задержек с вылетом или отмен рейсов.

Программа использует данные, поступающие из различных систем, таких как, например, Aircraft Health Management от Boeing, от систем Airbus и GE. При этом, основу парка самолётов авиакомпании составляют самолёты, которые были разработаны ещё до того момента, как извлечение и анализ данных стали "must-have"-функцией. После анализа полученных данных программа вырабатывает рекомендации по замене деталей и механизмов. По данным специалистов Delta Air Lines, используемая программа демонстрирует 95%-й уровень точности в части рекомендаций по необходимости замены деталей.

Компания Honeywell в мае 2017 года совместно с Cathay Pacific протестировала использование решений Big Data Analytics на самолётах гонконгского авиаперевозчика^[8]. Протестированное решение ― GoDirect Maintenance Service ― ориентировано на использование методов прогнозного анализа в части технического обслуживания воздушных судов.

Cathay Pacific предоставил для тестирования решения свои самолёты A330. Данные с оборудования самолётов передавались по существующим каналам в подразделения авиакомпании, а также провайдерам, оказывающим услуги ТО. Благодаря этому, обслуживающий персонал на земле мог заранее подготовиться к потенциальным работам по ТО и также заранее заказать запасные части, не дожидаясь наступления критической ситуации.

В ходе тестирования удалось снизить количество поломок оборудования самолёта на 35%, что позволило снизить затраты на ТО, сократить количество задержек вылета и время простоя самолётов. Точность предсказания поломок составила 99%, заявило руководство Honeywell.

В июне 2017 года компании заключили соглашение на внедрение решения GoDirect Connected Maintenance, использующего Big Data и сенсоры для прогнозирования неисправностей, на всех самолётах Airbus A330 авиаперевозчика. Согласно контракту, системы GoDirect Connected Maintenance будут установлены на более чем 60 самолётах Cathay Pacific. По данным Honeywell, компания Cathay Pacific рассматривает возможность использования системы также на самолётах Boeing B777.

Восточные соседи также не остаются в стороне. Осенью 2017 года компания Korean Air начала использовать технологии на базе искусственного интеллекта для поддержки специалистов, проводящих ТО^[9]: Korean Air использует технологию машинного обучения (Machine Learning) для обработки больших массивов данных, которые генерируются судами компании. Решение опирается на платформу Watson от IBM на основе искусственного интеллекта и способно читать прошлые записи, касающиеся ТО, составленные на естественном языке (natural language), а также обрабатывать данные, поступающие от самого самолёта и технических специалистов.

Для решения подобных задач Korean Air использует технологию контентного анализа на базе WatsonExplorer и Natural Language Understanding (NLU), что помогает обрабатывать структурированные и неструктурированные данные. Это позволяет сократить время, требуемое для определения причин возможной неисправности в будущем или существующей проблемы на 90% по сравнению с традиционно используемыми методами.

Примеры сокращения расходов топлива и выбросов при переходе к технологиям Big Data

В 2016 году американская авиакомпания Southwest Airlines решила протестировать аналитическую платформу, которая позволяла сократить вторую по величине статью затрат ― расходы на топливо, составляющие от 4 до 6 млрд. долларов ежегодно^[10]. Изначально прогнозирование затрат на топливо в Southwest Airlines осуществлялось на базе информации из нескольких систем, включая Ariba, среду управления расходом топлива Allegro, а также из собственного корпоративного хранилища исторических данных компании. Все эти данные сводились затем в одну громоздкую таблицу. Специалисты ежемесячно генерировали 1.200 прогнозов потребности в топливе. Финансовый аналитик тратил в месяц три дня работы на составление этих прогнозов, которые, кроме того, не отвечали требованиям компании в части точности.

Southwest Airlines снизила расходы на топливо за счет Big Data

В пилотном проекте была использована платформа Alteryx Designer. Она помогла построить 8 различных прогнозных моделей, которые включали функцию моделирования регрессии временного ряда и нейронные сети. Для каждого месяца и каждого аэропорта система могла генерировать 9.600 прогнозов. Время обработки данных для составления прогнозов удалось сократить на 60%. Кроме того, была повышена точность прогноза. Проект помог Southwest Airlines выяснить, что приобретение топлива у одного поставщика обеспечит большую выгоду, чем у нескольких, как это практиковалось ранее. Скорость составления прогнозов удалось снизить с 3 дней до 5 минут.

Датская авиакомпания Thomas Cook Airlines Scandinavia, оказывающая услуги чартерных перевозок, выбрала в мае 2017 года решение GoDirect Fuel Efficiency разработки Honeywell для повышения эффективности использования топлива и сокращения вредных выбросов^[11]. ПО обеспечивает удовлетворение требований ЕС по нормам выбросов вредных веществ.

Thomas Cook Airlines Scandinavia использует разработки Honeywell для повышения эффективности использования топлива и сокращения вредных выбросов

Комплексное решение GoDirect, включающее в себя ряд сервисов и приложений, обеспечивает операторов, экипажи судов и ремонтные команды программным обеспечением для управления большими объёмами данных и аналитическим инструментарием для повышения эффективности работы самолёта. Эффективность применения данного решения для экономии топлива отличается в зависимости от моделей самолётов и авиакомпаний, однако существующие клиенты говорят об ежегодной экономии до 5%. Для крупных авиакомпаний с большим парком судов это соответствует экономии десятков миллионов долларов ежегодно.

На февраль 2019 года ПО GoDirect Fuel Efficiency уже используется на всех судах группы Thomas Cook.

Прогнозирование задержек рейсов с помощью Big Data

В апреле 2018 года венчурное подразделение авиакомпании JetBlue Airlines, американского лоукостера, инвестировало средства в стартап Lumo (прошлое название FlightSayer)^[12]. По словам руководства, стартапа, компания способна прогнозировать задержки рейсов за несколько часов и даже несколько дней до вылета.

JetBlue Airlines прогнозирует задержки рейсов с помощью Big Data

Решение компании строится на технологиях в области искусственного интеллекта. Пользователи могут проверить точность работы решения Lumo бесплатно в онлайн-режиме. Для этого они должны ввести на сайте стартапа дату полёта, номер рейса и название авиакомпании. После этого пользователи получат прогноз с указанием длительности возможной задержки. Использование решения Lumo позволяет авиакомпаниям и туристическим агентствам перебронировать билеты пассажиров, сохраняя тем самым их лояльность, а также предотвращая кризисные ситуации в аэропортах, возникающие при задержках вылетов.

Среди возможных проблем при реализации решения эксперты выделяют, в первую очередь, наличие на рынке конкурирующих решений от крупных игроков, а также недостаточную интеграцию с системами туристических компаний. Что касается конкурирующих решений, то эксперты называют SITA FlightPredictor (в апреле 2017 года руководство SITA анонсировало появление стартовой версии решения к концу лета 2017 года); предлагаемую с 2016 так называемую Schedule Recovery System от Amadeus, первым пользователем которой стал Qantas; программу Google (с ноября 2017 года, рассчитана на пассажиров). Ряд стартапов также предлагает аналогичные программы, например, Freebird из Кембриджа.

При презентации решения стартап указывал, что весной 2018 года должен быть реализован пилот с крупным международным авиаперевозчиком. Однако, какой-либо дополнительной информации по этой теме опубликовано не было.

Применение Big Data для анализа и прогнозирования спроса на авиаперевозки

Юго-Восточная Азия может считаться достаточно сильным игроком в области предиктивной аналитики спроса на авиаперевозки.

Так, в декабре 2016 года авиакомпания Philippine Airlines выбрала решение компании PROS для оптимизации глобальной стратегии в области управления доходами (Global Revenue Strategies)^[13]. Облачное решение PROS Origin & Destination позволяет прогнозировать спрос и оптимизировать доходы с учётом рыночных тенденций, изменений спроса и проактивного анализа.

Philippine Airlines оптимизирует доходы с учётом рыночных тенденций, изменений спроса и проактивного анализа

Philippine Airlines является национальным авиаперевозчиком на Филиппинах. Самолёты компании на февраль 2019 года летают по 30 местным и 43 международным направлениям. Компания эксплуатирует 79 воздушных судов ― Boeing 777-300ER, Airbus A340, A330, A321, Bombardier Q400 и Q300.

Разработчик в области технологий для авиации Sabre Corporation, разработчик решений для мировой туристической отрасли, сообщил в ноябре 2017 года о подписании многолетнего соглашения, согласно которому авиакомпания Hong Kong Airlines получит Big Data-решение MIDT (Market Information Data Tapes)^[14]. Данное решение представляет собой базу данных, обеспечивающую доступ к историческим и прогнозным (глубина до 11 месяцев) данным по бронированиям. Обладание этим продуктом позволяет авиакомпаниям анализировать влияние от мер в области формирования тарифов, маркетинговых программ.

Hong Kong Airlines использует Big Data-решение MIDT для реализации маркетинговой стратегии

Hong Kong Airlines рассчитывает использовать продукт при реализации планов по началу работы на рынке Северной Америки. Продукт позволяет формировать отчёты и обладает аналитическим функционалом, что даёт пользователю возможность выявлять оптимальные каналы для реализации маркетинговой стратегии. Hong Kong Airlines получит доступ к данным агентов Sabre по всему миру по всем пунктам вылета и назначения, где присутствует авиакомпания.

Big Data для повышения уровня удовлетворённости клиентов и персонализации

Входящая в TOP 10 по пассажиропотоку компания British Airways использует с 2013 года Big Data Analytics для повышения уровня обслуживания своих клиентов: Перевозчик собирает различные данные по пассажирам в специальном хранилище, а затем загружает их в программу под названием "Know Me"^[15]. Цель программы ― узнать и лучше понять потребности клиентов, а также использовать данные, накопленные во время всевозможных контактов с этими клиентами для повышения уровня их обслуживания.

British Airwaysиспользует Big Data Analytics для повышения уровня обслуживания своих клиентов

"Know Me" содержит различные данные по пассажирам: поведение при онлайн-заказах, пожелания при совершении покупок, предпочтения при выборе места. Вся эта информация автоматически генерируется и автоматически используется при следующем бронировании, осуществляемом клиентом.

Программа работает с помощью аналитического программного обеспечения от Opera Solutions. Также используется поиск по фото Google Image Search, что позволяет сотрудникам авиакомпании распознавать особо важных и много летающих пассажиров уже в тот момент, когда они входят в аэропорт или бизнес-ложу, и, соответственно, предлагать им обслуживание высшего класса.

Другой крупный игрок рынка, Virgin Australia в конце 2017 года, сообщила, что она занимается оптимизацией работы своих приложений в области машинного обучения^[16]. Для этих целей компания привлекла стартап DataRobot. Американский стартап разработал платформу предиктивной аналитики для быстрого создания и внедрения прогнозных моделей. Эта платформа уже помогает Virgin Australia сократить время на создание прогнозных моделей на 90%, точность прогнозирования возрастает при этом на 15%.

Virgin Australia работает над оптимизацией своей программы лояльности Velocity Frequent Flyer, внедряя в неё предиктивную аналитику

На февраль 2019 года авиакомпания работает над оптимизацией своей программы лояльности Velocity Frequent Flyer, внедряя в неё предиктивную аналитику, которая должна поддержать клиентов компании при выборе ими лучшего времени для использования полученных балов. Перед DataRobot поставлена задача построения прогнозов/моделей того, кто с максимальной вероятностью готов отправиться в путешествие, какую цену и какой тип путешествия предпочитает путешественник. В общем и целом, речь идёт о повышении уровня сервиса для участников программы лояльности авиакомпании.

Использование умных чат-ботов

В сентябре 2017 года финский национальный авиаперевозчик Finnair запустил чат-бот на базе искусственного интеллекта для своей учётной записи в Facebook Messenger^[17]. Чат-бот Finn способен продавать билеты, предоставлять информацию по времени вылетов и тому, какое количество багажа может быть взято на борт. Кроме того, бот может направлять пассажиров на страницу авиакомпании "Manage My Booking", где они могут приобретать дополнительные услуги. Также бот способен отвечать на наиболее часто задаваемые вопросы. В случае невозможности дать ответ, он перенаправляет пассажира к сотрудникам клиентской службы.

Finnair запустил чат-бот на базе искусственного интеллекта

Finn понимает и общается на английском и финском языках. Компания рассматривает возможности использования бота на других платформах, например, на Wechat в Китае. Чат-бот был создан совместно с компанией Caravelo, которая занимается разработкой решений для авиационной отрасли.

Чат-бот на базе искусственного интеллекта был запущен и в авиакомпании Air New Zealand под именем Bravo Oscar Tango (Oscar) на веб-сайте авиакомпании в Новой Зеландии. В октябре 2017 года он вышел на зарубежный рынок – рынок Австралии^[18]. Задача чат-бота состоит в ответе на FAQ-вопросы посетителей сайта.

Интеллектуального чат-бота использует и Air New Zealand

Запущенная бета-версия бота стала начальной разработкой Air New Zealand в области искусственного интеллекта. С момента запуска он обучался на базе вопросов посетителей сайта. По словам технологического руководителя авиакомпании, в свой первый день работы чат-бот смог успешно ответить на 7% запросов. По состоянию на октябрь 2017 года этот показатель достиг 67%, а к февралю 2018 года ― 75%, при этом чат-бот продолжает процесс обучения. Как выяснила авиакомпании, пассажиры, преимущественно, обращаются к чат-боту, когда им требуются быстрые ответы на вопросы, возникающие в день вылета, или же по поводу бронирования билетов. При бронировании билетов наиболее популярными являются такие темы, как получение подтверждения бронирования, допустимый вес багажа и авиамили. В общем и целом, чат-бот способен вести беседы по более чем 380 различным темам. За август-октябрь 2018 года чат-бот провёл около 55.000 бесед. В среднем в день он получал по 300-350 запросов. В некоторые дни число запросов превышало 1.000.

Как заявили представители Air New Zealand, перед запуском в Австралии чат-бот выучил некоторые выражения из австралийского жаргона и ряд поговорок. Наряду с ответом на вопросы чат-бот может петь и рассказывать шутки. Недавно он был запущен в мобильном приложении Air New Zealand.

Другая австралийская авиакомпания, бюджетная Jetstar запустила в феврале 2018 года виртуального ассистента "Jess" на платформе Facebook Messenger^[19]. Изначально чат-бот начал работать на веб-странице авиакомпании в 2013 году. В ноябре 2017 года началось тестирование решения на Facebook. Jetstar стал первой авиакомпанией в АТР, которая расширила работу своего чат-бота с веб-страницы на Facebook Messenger.

Jetstar запустила виртуального ассистента "Jess"

"Jess" отвечает на вопросы клиентов относительно их бронирований, предоставляет информацию по багажу и местам. Он доступен для клиентов из Австралии, Новой Зеландии и Азии.

Решение использует технологию Natural Language Understanding от компании Nuance Enterprise, технологии расширенного разрешения, что позволяет ему вести диалоги в режиме реального времени. Однако чат-бот не способен инициировать беседы или делать предложения.

Авиакомпания сообщила о результатах работы чат-бота на платформе: Результативность его работы (доля вопросов, на которые чат-бот смог дать удовлетворившие клиентов ответы) составила 73%. Время ответа на ряд вопросов снизилось с 17 часов до 0 минут, сообщил руководитель клиентской службы Jetstar. Что касается общих показателей работы чат-бота на двух платформах, то ежемесячно он задействован в 250.000 диалогов, а всего с момента запуска он участвовал в 9 млн. диалогов с клиентами Jetstar.

В апреле 2018 года на Passenger Experience Conference английская компания Aviget продемонстрировала чат-бот с расширенным функционалом^[20]. Используя технологию машинного обучения, решение позволяет взаимодействовать с пассажирами на базе различных платформ, таких как Facebook Messenger, Viber и WeChat. Решение использует Natural Language Processing для распознавания достаточно сложных комплексных фраз, например, "find me a flight from Heathrow for under $150 that arrives in Jakarta on Boxing Day".

Обеспечение авиационной безопасности с помощью искусственного интеллекта и Big Data

В 2018 году британский авиаперевозчик Virgin Atlantic сообщил, что он планирует внедрить в свою работу программы британской компании Osprey^[21]. Речь идёт о системе Flight Risk Assessment System, которая использует технологии искусственного интеллекта (AI) и машинного обучения (Machine Learning) для обработки больших массивов данных с целью повышения эффективности и надёжности авиационных операций.

Virgin Atlantic применяет технологии искусственного интеллекта и машинного обучения для обработки больших массивов данных с целью повышения эффективности и надёжности авиационных операций

Система собирает данные из более чем 200.000 источников на 60 различных языках. Затем эти данные передаются в БД, которая содержит информацию по 380.000 событий в области авиационной безопасности и надёжности. Данные собираются из открытых источников, таких как сообщения в СМИ, из социальных сетей и с отраслевых веб-сайтов. Система Osprey обеспечивает быстрое реагирование на угрозы и долгосрочный анализ данных для идентификации и купирования причин этих угроз. Цель системы ― обеспечить участников авиационной отрасли необходимой для принятия верных решений информацией в части обеспечения безопасности полётов. Благодаря возможности анализировать исторические события, используя машинное обучение и искусственный интеллект, система способна прогнозировать вероятность того, где и когда они могут повториться.

Система Osprey делит земной шар на блоки, не ограниченные границами стран или границами Flight Information Region. Эти блоки динамически обновляются. К информации по рейсам в этих блоках могут быть добавлены и другие наборы данных, такие как высота местности и плотность населения. Благодаря этому можно определить существующие или формирующиеся тенденции.

Анализ и оценка маркетинговых инициатив при помощи решений Big Data

В мае 2018 года разработчик аналитических решений Neustar, Inc. сообщил, что авиакомпания Scandinavian Airlines выбрала его продукт для оценки и измерения влияния маркетинга на продажи^[22]. Решение под названием Neustar MarketShare обеспечит авиаперевозчика аналитикой, которая позволит ежедневно планировать маркетинговую активность и окажет поддержку при принятии маркетинговых решений.

SAS (Scandinavian Airlines) выбрала продукт Neustar для оценки и измерения влияния маркетинга на продажи

Подход «Модель Маркетинг Микс» (Marketing Mix Modeling, MMM), реализуемый компанией Neustar в её решениях, даёт возможность авиакомпаниям анализировать ключевые каналы продаж и основные регионы для выбора оптимальной модели реализации своих продуктов. Кроме того, чтобы дать Scandinavian Airlines целостное представление об их деятельности в средствах массовой информации и влияние различных драйверов на экономику компании, решение Neustar MarketShare анализирует различные ресурсы – СМИ, не относящиеся к СМИ ресурсы, данные по экономике, конкуренции, сезонности.

Big Data и другие сферы гражданской авиации

Технологии Big Data находят свое применение и в других сферах гражданской авиации.

Разработчики Spafax, провайдера развлекательных решений для авиакомпаний, создали в июне 2018 года базовые рабочие прототипы решений на базе искусственного интеллекта для их интеграции в бортовую развлекательную платформу с функциональной возможностью персонализации, которая используется рядом авиакомпаний, включая American Airlines, Lufthansa и SWISS^[23].

Первое решение ― модель чат-бота, который приближен к человеческому общению. При этом для улучшения диалоговых возможностей было использовано приложение на базе машинного обучения под названием LUIS (Language Understanding Intelligence Service). Кроме того, в чат-бот интегрированы когнитивные сервисы, в частности распознавание лиц. Благодаря этому клиенты авиакомпаний смогут запросить для просмотра на борту список фильмов, в которых играет определённый актёр. Для этого требуется только загрузить в приложение фотографию этого актёра.

Второе решение ― приложение на базе искусственного интеллекта для анализа видеоконтента с использованием машинного обучения. Платформа получила возможность выявлять определённые объекты, сценарии или контент с ограничениями по возрасту, что часто требуется в соответствии с требованиями авиакомпаний по контенту. Например, искусственный интеллект способен обнаруживать контент, связанный со сценами крушения самолётов или взрослого содержания, и отфильтровывать его.

В апреле 2018 года компания FoxTripper впервые продемонстрировала программу с "перемещающейся картой"^[24]. Программа предоставляет пассажирам информацию о тех местах, над которыми пролетает самолёт, и позволяет пассажирам осуществлять бронирования в пунктах назначения. Собранные в полёте данные в комбинации с данными авиакомпании о пассажире позволяют строить прогнозы относительно итого, какие продукты и сервисы являются для него релевантными.

Другой интересный пример ― Gogo Air. Эта компания-разработчик информационно-развлекательной системы для пассажиров в полёте использует искусственный интеллект и машинное обучение для того, чтобы помочь авиакомпаниям повысить уровень оказываемых услуг^[25]. Gogo Air использует набор инструментов серии Adobe Analytics, включая виртуального аналитика (Virtual Analyst) ― инструмент на базе машинного обучения, для сбора информации по клиентам для ряда крупных авиакомпаний.

Предоставляя развлекательный контент и Wi-Fi-доступ в полёте, Gogo Air собирает информацию о пассажирах, пользующихся этими сервисами. Затем эта информация подвергается обработке и анализу. В результате авиакомпании получают те данные, которые помогают им улучшить обслуживание клиентов и, зачастую, предложить своим пассажирам более таргетированные продукты. Авиакомпании узнают, какими продуктами могут интересоваться их клиенты во время полёта, какие устройства они используют в полёте, сколько времени они готовы проводить в Интернете или какие развлечения они предпочитают в самолёте.

Авиакомпании используют получаемые данные для персонализации сервисов на базе ситуационного контекста, например, адаптируя под клиента экраны информационно-развлекательных систем в самолёте в зависимости от длины полёта, используемых пассажиром устройств, пункта назначения.

Не остаются в стороне и технологии организации питания на борту. Так, в апреле 2018 года в Гамбурге компания Black Swan Data, разрабатывающая решения для анализа данных, заключила соглашение о сотрудничестве с gategroup^[26]. Цель сотрудничества ― анализ данных пассажиров и трендов в социальных сетях для прогнозирования того, какое меню в самолёте выберут пассажиры. Пассажиры смогут заказывать и рассчитывать на получение своих любимых блюд уже после посадки. Пилотный проект двух компаний продемонстрировал неплохие результаты: Удалось сократить отходы по продуктам питания на 50% и повысить производительность на 15%.

В мае 2018 года компания ― разработчик в области решений для авиации SITA предложила систему отслеживания и управления багажом. Разработанная ею технология BagJourney позволяет управлять операциями с багажом всё большему числу авиакомпаний^[27]. Только за первые шесть месяцев 2018 года более 20 перевозчиков выбрали это решение. SITA BagJourney ― одно из основных решений, которое помогает авиационной отрасли выполнять резолюцию 753 IATA, в которой прописано требование по отслеживанию багажа на каждом этапе путешествия.

Решение SITA BagJourney используется каждый год для обработки сотен миллионов мест багажа. По данным пользователей, решение снижает число ошибок на 30%. BagJourney совместимо с различными аппаратными средствами, включая мобильные устройства для сканирования или стационарные приборы.

По словам BahamasAir, одного из пользователей решения, после его внедрения в течение 7 дней удалось осуществить процесс полного перехода на мобильные устройства для отслеживание всего багажа по двум наиболее загруженным в плане багажа направлениям ― Нассау и Майями. По результатам шести месяцев количество жалоб на проблемы с багажом на наиболее загруженном направлении снизилось на 60%. Авиакомпания планирует внедрить решение на всех направлениях и рассчитывает, что до конца года она полностью будет соответствовать требованиям резолюции 753.

Интервью с экспертами

Кирилл Богданов, «Аэрофлот»: Мы планируем продолжать форсированное развитие информационных технологий

О возможностях технологий анализа больших данных для авиаотросли и проекте создания платформы для обработки обращений клиентов, построенной с применением Big Data, в интервью TAdviser рассказал Кирилл Богданов, CIO «Аэрофлота».

Дмитрий Буленков, «РАМАКС»: Гражданская авиация является лидером цифровизации во многих странах мира

Дмитрий Буленков, вице-президент по продажам ГК «РАМАКС», в интервью TAdviser рассказал о применении технологий Big Data в гражданской авиации и проектах, выполненных компанией в этой сфере.

Применение технологий Big Data в российской гражданской авиации

На февраль 2019 года Big Data уже активно используется в российских авиакомпаниях. С большими данными работают Аэрофлот, S7 и другие крупные игроки рынка. Первые разработки в области Big Data появились в отечественном сегменте в середине нулевых, они связаны с созданием сервисов обслуживания клиентов, бронирования билетов и ремонтом воздушных судов.

Технологии Big Data находят применение в российских авиакомпаниях

В этой главе подробнее остановимся на обзоре рынка отечественных разработчиков и системных интеграторов в области гражданской авиации, выделим проекты на основе Big Data и расскажем о наиболее примечательных из них. Классические вендоры, работающие в авиационном сегменте ― Sabre, Lufthansa Systems, SITA, INFORM, Amadeus. Данные компании разрабатывают специализированные решения для отрасли.

При этом в области разработок, связанных с большими данными, работают и такие вендоры, как, например, IBM и Oracle. Российские вендоры, работающие с Big Data в сегменте авиации, – VK (ранее Mail.ru Group) с платформой Tarantool Платформа in‑memory вычислений, компания «Иннодата» с технологиями «Крибрум»^[28] и Hadoop^[29].

Также в России представлено достаточно много системных интеграторов, занимающихся внедрениями в авиационную промышленность. В их числе:

• Группа компаний «РАМАКС» (25 лет на рынке, технологический консорциум системных интеграторов и компаний-разработчиков, охватывающий весь спектр потребностей заказчика — от разработки стратегии до сопровождения комплексных решений);
• «Интегро Технолоджиз» (динамично развивающийся системный интегратор, предоставляющий услуги в области разработки, комплексного внедрения и поддержки специализированных ИТ-решений, а также локализации программного обеспечения. Компания предлагает широкий выбор комплексных решений для реализации крупномасштабных проектов для транспортного сектора, в частности для авиакомпаний, аэропортов и наземных служб. Входит в ГК «РАМАКС»);
• ГК «Техносерв»;
• «Газпромнефть-Авиа»;
• SAP СНГ.

Российские авиакомпании «Аэрофлот», «Россия» и S7 активно внедряют технологии Big Data. Далее мы коснемся самых перспективных и инновационных проектов, основанных на указанной технологии.

Автоматизированная система поддержания летной годности с использованием технологий Big Data

В 2017 году в промышленную эксплуатацию в «Аэрофлоте» была введена автоматизированная система поддержания летной годности, технического обслуживания и ремонта воздушных судов на платформе AMOS от швейцарского вендора AMOS Swiss Aviation. Благодаря данному проекту стало возможным отслеживание реальной картины состояния авиатранспорта. Произведена консолидация и трансформация данных из огромного числа источников, включая неформализованные данные; реализована интеграция систем ведения складского запаса; обеспечено вовлечение множества структурных подразделений; удовлетворены повышенные требования к качеству переводов для проектных нужд.

В «Аэрофлоте» введена автоматизированная система поддержания летной годности, технического обслуживания и ремонта воздушных судов

Использование AMOS существенно сократило расходы на техническое обслуживание ВС за счет таких показателей как увеличение производительности труда сотрудников соответствующих подразделений на 4%, сокращение складских запасов и оптимизация процессов планирования и материального обеспечения ТОиР. Повышение эффективности планирования и учета ТМЦ на 4% благодаря интеграции системы AMOS с производственными SAP системами и высокому качеству данных в них.

Также необходимо отметить снижение трудозатрат при работе с системой и обеспечение автоматического формирования рабочих карт для обслуживания ТС за счет загрузки самолетной документации, совершенно другой ландшафт и организация надежной системы резервирования данных позволили существенно повысить отказоустойчивость решения, повысить качество и оперативность формирования бухгалтерской и управленческой отчетности для предоставления регулирующим органам в области авиации.

Этот проект позволил нам иметь под рукой реальную картину состояния летной годности и технического обслуживания и ремонта воздушных судов «Аэрофлота». С помощью системы AMOS мы получили глобальную картину всех процессов по ТОиР в единой интегрированной системе: планирование закупок, планирование и выполнение ремонтов, онлайн интеграция с системами Boeing и Airbus. Это позволило сократить трудоемкость, повысить качество процессов ТОиР и поддержания летной годности воздушных судов. Наша ближайшая цель — сократить время простоя воздушного судна на земле благодаря переходу к предиктивному техническому обслуживанию. Реализацию этой задачи мы запустим уже в 2018 году. Кирилл Богданов, CIO ПАО «Аэрофлот»[30]

Платформа для анализа и обработки больших данных из социальных сетей

В 2017 году Группа компаний «РАМАКС» в лице «Интегро Технолоджиз» внедрила в ПАО «Аэрофлот» платформу для анализа и обработки обращений пассажиров в социальных сетях с применением платформ IBM BigInsights и IBM PureData.

«Интегро Технолоджиз» внедрила в «Аэрофлоте» платформу для обработки обращений пассажиров в соцсетях

Работа с клиентской репутацией имеет большое значение для транспортных компаний, в том числе, и для авиации. Социальные сети позволяют собирать в режиме реального времени отзывы пассажиров и быстро реагировать на них.

Преимущества рассматриваемой системы ― возможность непрерывного отслеживания удовлетворенности компанией и взаимодействия с пользователями в соцсетях; обеспечение безопасности и выявление террористических организаций, экстремизма и прочих проблем; постоянное улучшение предложения для заказчика посредством анализа больших данных в соцсетях и возможность общаться с оператором напрямую; поддержание репутации авиакомпании путем оперативного контакта с аудиторией в соцсетях; анализ пользовательских предпочтений и составление индивидуальных предложений продуктов, а также успешной таргетированной рекламы. Подробнее о проекте - здесь.

Основой всех текущих и будущих грядущих изменений при подходе к работе с клиентами являются технологии работы с большими данными. Благодаря Big Data у ПАО «Аэрофлот» появляются дополнительные возможности ведения эффективного бизнеса. Кирилл Богданов, CIO ПАО «Аэрофлот»[31]

Отечественная СУБД Tarantool в проекте аналитики больших данных

«Аэрофлот» внедрил алгоритмы предиктивной аналитики больших данных в рамках проекта платформы для анализа и обработки обращений пассажиров в социальных сетях. В качестве СУБД была использована отечественная разработка ― решение Tarantool от компании Mail.Ru Group.

«Аэрофлот» использовал СУБД Tarantool в проекте аналитики больших данных

Комплекс состоит из большого количества модулей, которые покрывают как функциональные бизнес-требования, так и модули интеграции в существующую ИТ-инфраструктуру ПАО «Аэрофлот» и различные каналы поступления обращений (социальные сети, e-mail, официальный сайт, личный кабинет).

Первый модуль отвечает за идентификацию клиента на основе комплексного анализа данных, как самого текста, так и данных профиля автора. Количество обращений может доходить до нескольких тысяч в день.

Второй модуль предназначен для поиска дублей обращений. Копирование текста для размещения на разных ресурсах или отправки по почте. Происходит определение семантически похожих постов с целью выявления кластеров, являющихся инцидентами. Обработка сразу нескольких подобных постов приводит к существенному сокращению загрузки ответственных сотрудников.

Третий модуль «Инфоповоды» является одним из важнейших в системе. Главная его особенность ― предиктивно выявлять опасные посты еще до того, как начнется рост активности. Таким образом, заложенные алгоритмы указывают на потенциальную «инфо-бомбу» и дают возможность нивелировать репутационные потери.

Расчетное количество обращений к данным равнялось нескольким тысячам запросов в секунду с необходимым откликом в пару миллисекунд. Для удовлетворения высоких требований заказчика, как, например, прописанное ограничение времени в три секунды на обогащение обращения различными свойствами, требовалось использование высокотехнологичного программного обеспечения. По результатам проведенных тестов по производительности, качеству хранения данных и функционалу, было решено использовать отечественную разработку ― СУБД Tarantool.

Tarantool используется в Платформе как оперативная база данных, в которой обращения хранятся в виде специальных структур данных, необходимых для алгоритмов аналитики. Крайне высокая производительность и наличие в базе таких свойств, как вторичные индексы и поддержка большого количество соединений без потери производительности, позволило успешно реализовать вышеописанные функциональные модули, не выходя за поставленные временные рамки.

Использование отечественных разработок в такой крупной компании, как Аэрофлот, крайне важно. Российский софт часто ни в чем не уступает, а, как в нашем случае, и превосходит иностранные аналоги. Именно поэтому и был выбран Tarantool. И, естественно, выполняется важный фактор импортозамещения, что для нашей компании является одним из ключевых приоритетов на ближайшие годы. Кирилл Богданов, CIO ПАО «Аэрофлот»

По результатам внедрения заказчик с помощью Платформы значительно увеличил эффективность процесса обработки жалоб и обращений клиентов ответственными сотрудниками ПАО «Аэрофлот», кардинально сократил время доставки обращения и время на обработку/решение вопроса за счет механизмов обогащения обращения контекстом, тональностью, тематиками (тегирование), профилем автора и т.п. Всё это нацелено на достижение положительного экономического и репутационного эффекта практически на всех этапах предоставления услуг ПАО «Аэрофлот». На основе успешного опыта все участники проекта продолжат использовать ПО Tarantool в своих проектах и укреплять партнерские отношения^{[32] [33]}.

Анализ Big Data для сегментации клиентов

В 2018 году системный интегратор "Техносерв" реализовал проект по созданию системы интеллектуальной сегментации клиентов для авиакомпании "Аэрофлот" на платформе IBM. Система, используя анализ Big Data и модели машинного обучения, проводит сегментацию клиентов по множеству характеристик. ИТ-решение помогло авиакомпании реализовать маркетинговую стратегию, активно развивать онлайн-продажи, а также увеличить количество пассажиров.

"Техносерв" реализовал для "Аэрофлота" систему интеллектуальной сегментации клиентов

В "Техносерве" подтвердили, что технологии Big Data в целом востребованы в транспортной отрасли, и подтверждением этому служит увеличение количества проектов с использованием указанных технологий. При этом тематика проектов, по ее словам, совершенно различна. Это и задачи повышения персонализации коммуникаций с клиентами, проактивного ремонта оборудования, предсказания спроса и другие задачи, решаемые с помощью алгоритмов машинного обучения и анализа больших объемов структурированных, неструктурированных и слабоструктурированных данных^[34].

Проведение расчётов на блокчейне

В июле 2017 года «Альфа-Банк» запустил блокчейн-проект на базе платформы Ethereum для проведения расчётов между авиакомпанией S7 и её агентами по продаже билетов. При этом «Альфа-Банк» выступил расчётным банком. Путём такого взаимодействия удалось решить проблему недоверия в случае масштабирования системы и подключения к данной платформе других банков или авиакомпаний. Внедрение платформы открыло возможности существенной оптимизации бизнес-процессов как для авиакомпании, так и для ее партнеров. Скорость расчетов выросла с 14 дней до 23 секунд.

«Альфа-Банк» запустил блокчейн-проект на базе платформы Ethereum для проведения расчётов между авиакомпанией S7 и её агентами по продаже билетов

Мы провели сделку по покупке авиабилета через открытый блокчейн api к банку, но я уверен, что такая схема очень скоро будет использоваться многими компаниями во всем мире. Блокчейн-платформа позволяет существенно оптимизировать бизнес-процессы. Она автоматизирует любую схему взаиморасчета, даже очень сложную — например, складские поставки. При таком механизме практически не требуется участие человека: не надо выставлять счета, проводить сверки, писать акты. Потенциально к платформе могут быть подключены поставщики бортового питания, топлива, аэропортовых услуг — все те компании, с кем постоянно работает S7 Airlines и не только. Павел Воронин, заместитель генерального директора по информационным технологиям S7 Group (Группа компаний С7)[35]

Авиазаправка на блокчейн

В августе 2018 года «Газпромнефть-Аэро», оператор авиатопливного бизнеса «Газпром нефти», и S7 Airlines разработали и внедрили совместные смарт-контракты (Aviation fuel smart contracts, AFSC), основанные на блокчейне. Проект позволил автоматизировать планирование и учет поставок топлива и призван повысить скорость взаиморасчетов при заправке самолетов.

«Газпромнефть-Аэро» и S7 Airlines внедрили совместные смарт-контракты основанные на блокчейне.

Согласно заявлению представителей «Газпром нефти», это первый для российского авиарынка опыт использования технологий распределенных реестров. С их помощью авиакомпания получила возможность моментально оплачивать топливо непосредственно при заправке в самолеты без предоплаты, банковских гарантий и финансовых рисков для участников сделки. Такой подход повышает оперативность финансовых операций и сокращает трудозатраты, считают в нефтегазовой компании.

Прогнозирование поломок самолетов S7 Airlines с помощью машинного обучения и анализа больших данных

В начале марта 2018 года S7 Airlines разработала систему предиктивного технического обслуживания (predictive maintenance). По сообщению самой компании, она стала первым российским авиаперевозчиком, завершившим разработку подобной системы.

S7 Airlines разработала систему предиктивного технического обслуживания

На начальном этапе она используется для воздушных судов Airbus A319. В дальнейшем система будет адаптирована для всего парка самолетов.

Система предиктивного технического обслуживания предполагает анализ массива исторических данных по техническому обслуживанию самолетов и работе отдельных компонентов.

Программное обеспечение для анализа данных и построения математической модели было разработано специалистами S7 Airlines совместно с российской компанией Datadvance, специализирующейся на разработке решений для прогнозной аналитики.

В марте 2018 года для анализа уже был доступен массив данных за период с 2012 по 2017 год. Это данные, зафиксированные в системах телеметрии самолетов, базы данных холдинга технического обслуживания и ремонта авиатехники S7 Technics и метеорологические данные.

Основные задачи, которые компания рассчитывает решить с помощью предиктивного техобслуживания, - сокращение числа задержанных по техническим причинам вылетов, повышение безопасности полетов и эффективности технического обслуживания судов, прогнозирование вероятности возможных поломок для каждого самолета в парке компании.

Оснащение самолетов авиакомпании "Победа" RFID-метками

Авиакомпания «Победа» реализовал первый в мире проект оснащения самолетов RFID-метками, в рамках которого на всем аварийно-спасательном оборудовании каждого борта устанавливаются радиометки, считываемые при помощи планшетного компьютера.

Авиакомпания «Победа» оснастила RFID-метками инвентарь самолетов

Несколько сотен RFID-меток в каждом из самолетов крепятся буквально ко всему, что не приколочено — от спасательных жилетов до ремней безопасности. Также метки крепятся на жаропрочные перчатки, мегафоны, кислородные баллоны, маски, огнетушители и т.п.

Цель проекта - ускорить инвентаризацию аварийно-спасательного оборудования, которая происходит после каждого полета. Один из бортпроводников запускает на планшете специальное приложение и проходит по салону, сканируя RFID-метки. Каждая обнаруженная метка отзывается коротким звуковым сигналом, и в конце приложение генерирует отчет о наличии всего аварийно-спасательного оборудования. Отчет тут же загружается на сервер: в планшеты установлены SIM-карты, а облачная часть реализована на базе Microsoft Azure.

Если же какого-то оборудования нет, это сразу же видно в отчете, соответственно, в этом случае не дается команда на отправление перронных автобусов с пассажирами и происходит их проверка.

Без оборудования самолет нельзя допустить к следующему рейсу (то есть, если на борту не хватает спасательного жилета — значит, одному из пассажиров будет отказано в перевозке). Ручная же инвентаризация отнимает гораздо больше времени и сил: одних только жилетов под креслами — 189 штук, и их надо все проверить. Таким образом, благодаря RFID-технологии «Победе» удалось сократить минимальное время оборота воздушного судна с 30 до 25 минут. Это один из ключевых KPI в пассажирской авиации: смысл в том, что чем меньше времени проходит от прилета в аэропорт до вылета следующим рейсом, тем выше экономическая эффективность авиакомпании, так как самолет приносит доход только когда он летает, а не стоит на земле. При размерах флота «Победы» в полтора десятка самолетов сокращение времени инвентаризации каждого борта на 5 минут дает возможность выполнить как минимум один дополнительный рейс, не увеличивая парка воздушных судов.

Создание центра инноваций в области гражданской авиации для укрепления экспертизы в области Big Data

В 2017 г. Компания «Иннодата», российский разработчик программного обеспечения в области инновационных технологий, и российский ИТ-университет «Иннополис» создали Центр Инноваций в Гражданской Авиации (ЦИГА). Цель объединения ― развитие технологического и цифрового присутствия в современной гражданской авиации, способствование раскрытию сути и значения современных технологий, влияющих на спрос и предложение для игроков авиаотрасли, интеграция инноваций цифрового мира в текущие технологии гражданской авиации. В 2018 году партнером Центра стала ГК «РАМАКС» с целью укрепления существующей экспертизы в области технологий Big Data, так и развитию специализированных решений для авиационной отрасли.

«Иннодата» и ИТ-университет «Иннополис» создали центр инноваций в области гражданской авиации для укрепления экспертизы в области Big Data

Основные направления деятельности – это развитие существующих и создание новых решений для авиаотрасли, соответственно. Центр ведет как образовательную деятельность, так и проектную, будь то реализация проектов в научно-технической, инновационной или информационно-аналитической плоскости. ЦИГА также открыт и для экспериментальных проектов с целью продвижения передовых технологий и решений и готов оказать поддержку в развитии.

Основа экономики самого города Иннополиса ― высокотехнологичные индустрии, поэтому для нас важно активное участие в подобном объединении, одна из задач которого - донесение значения современных технологий и их активное внедрение в авиаотрасли. Искандер Бариев, проректор ― начальник управления по проектной и научно-исследовательской деятельности АНО ВО «Университет Иннополис»

Центр ведет работу в области решения таких задач, как разработка и внедрение технологий дополненной и виртуальной реальности для борьбы с аэрофобией, навигация в аэропорту на основе технологий виртуальной реальности, поведенческий анализ активностей сотрудников в информационном поле, предсказание покупательной способности пассажиров и формирование динамических рекомендаций по изменению стоимости билетов, планирование расписания полетов и анализ оптимизации сезонного расписания, предиктивное управление пассажиропотоком, управление персоналом в аэропортах, разработка системы подбора персональных пакетных предложений услуг авиакомпании и партнеров, а также методики сканирования поверхности воздушных судов во время послеполетного технического обслуживания, анализ взлетно-посадочной полосы, управление уровнем overbooking, анализ интересов пассажиров и формирование предложений для них.^{[36] [37] [38]}

Заключение

Примеры, рассмотренные выше, показывают, что авиакомпании ― уже не просто воздушные суда, перевозчики, к которым мы успели привыкнуть. Важная основа их развития ― технологии больших данных, которые делают возможной, например, персонализацию услуг. Индивидуальные предложения, которые делают поездку каждого пассажира максимально комфортной. Поиск информации о путешествии, заказ билетов, поисковые запросы – любые действия в сети оставляют цифровые следы, которые могут быть проанализированы для формирования максимально точечного пакета услуг. Кроме того, работа с большими данными позволяет повысить лояльность клиентов, например, за счет быстрого ответа на обращения пассажиров.

Еще больше данных генерируют производственные системы. Самолеты, железнодорожные локомотивы и поезда являются источником огромного потока технических данных, которые поступают с датчиков, установленных в двигателях и системах жизнеобеспечения. Детальный анализ этих данных позволяет выявлять и предсказывать необходимость ремонта той или иной запчасти. Таким образом, большие данные позволяют повысить уровень безопасности, а также сэкономить значительные средства для перевозчиков. Сокращается необходимое время на ремонт и самолет может использоваться по прямому назначению в течение более длительного срока.

Предлагаемый материал затронул некоторые из возможностей и практических результатов использования технологий Big Data в авиационной отрасли, в реальности же таких возможностей для развития с каждым днем становится все больше.

Примечания