KLM, националната авиокомпания на Нидерландия, предприема иновативни стъпки, за да намали отпадъците в хранителните услуги по време на полетите си, чрез внедряването на технологии за изкуствен интелект (ИИ). Чрез използване на ИИ програми, KLM цели да прогнозира точния брой пътници, които наистина ще се качат на борда на полетите им, задача, която е по-сложна, отколкото може да изглежда. Тази прогноза взема под внимание различни фактори, като класа на пътуване и историческите данни и определя, че приблизително 3-5% от записаните пътници няма да се явят навреме за техния полет.
За постигане на това, KLM прилага модела Trays ИИ, разработен в сътрудничество с фирми като Bol, Ahold Delhaize, NS и ING. Този модел на ИИ използва исторически данни, за да прогнозира броя на пътниците за всеки полет. Системата за хранене на борда на KLM (MOBS) получава получените от ИИ прогнози, като предоставя отделни оценки за Бизнес, Премиум Комфорт и Икономичен клас. Прогнозите започват 17 дни преди тръгването на полета и продължават до само 20 минути преди излитане, осигурявайки най-точния брой пътници и намалявайки хранителните отпадъци през целия процес на обезпечаване на храна, от закупуване до товарене.
Очаква се тези усилия да доведат до значително намаление на хранителните отпадъци, като KLM прогнозира потенциални спестявания от до 63% въз основа на прогнозирания брой пътници на полет. Това съответства на повече от 100 000 килограма храна, спасена годишно. Потвърждение за ефективността на системата Trays идва от анализ, проведен от KLM в продължение на три месеца, който демонстрира, че моделът ИИ би могъл да предотврати 63% от хранителните отпадъци, в сравнение с обслужване на всеки записан пътник. Особено забележителни са подобренията при дълги полети на KLM от Шипхолския летище „Амстердам“, където би могло да се избегнат 2,5 по-малко хранителни продукти (приблизително 1,3 килограма) на полет, общо 111 000 килограма спестена храна годишно за всички полети на KLM, обслужвани от Шипхол.
Освен в хранителните услуги по време на полета, KLM изследва възможността за интеграция на ИИ в различни аспекти на своите операции. Това включва поддръжката на самолетите и създаването на персонализирани предложения за пътуване за клиентите. Освен това, ИИ програми се използват за симулиране на потенциални прекъсвания в метеорологичните условия, позволявайки на KLM да управлява активно полетния график и да намали прекъсванията, причинени от неблагоприятни метеорологични условия. С тези напредъци KLM продължава да води в авиационната индустрия в своето стремеж към ефективност, устойчивост и предоставяне на изключително пътешествие на пътниците си.
FAQ раздел базиран на основните теми и информация, представени в статията:
В: Какви стъпки предприема KLM, за да намали отпадъците в хранителните услуги по време на полетите?
О: KLM въвежда изкуствен интелект (ИИ), за да прогнозира точния брой пътници, които ще се качат на борда на полетите им.
В: Как използва KLM ИИ програми в своите прогнози?
О: KLM използва модел на ИИ, наречен Trays, разработен в сътрудничество с други компании, който използва исторически данни, за да прогнозира броя на пътниците за всеки полет.
В: Как се възползва системата за хранене на борда на KLM (MOBS) от прогнозите, генерирани от ИИ?
О: MOBS получава прогнозите, генерирани от ИИ, и предоставя отделни оценки за Бизнес, Премиум Комфорт и Икономичен клас. Тези оценки помагат да се намалят хранителните отпадъци през целия процес на обезпечаване на храната.
В: Какво намаление на хранителните отпадъци предвижда KLM с внедряването на ИИ?
О: KLM предвижда потенциални спестявания от до 63% въз основа на прогнозирания брой пътници на полет, което води до спасяване на повече от 100 000 килограма храна годишно.
В: Колко ефективна е системата Trays в намаляването на хранителните отпадъци?
О: Тримесечният анализ на KLM показва, че моделът на ИИ може да предотврати 63% от хранителните отпадъци в сравнение с обслужването на всеки записан пътник.
В: В кои други области разглежда KLM интеграцията на ИИ?
О: KLM разглежда интеграцията на ИИ в поддръжката на самолетите, персонализираните предложения за пътуване на клиентите и симулирането на потенциални прекъсвания в метеорологичните условия, за да управлява полетните графици активно.
The source of the article is from the blog tvbzorg.com