KLM, Alankomaiden kansallinen lentoyhtiö, ottaa innovatiivisia askelia minimoidakseen hävikkiä konepalvelun ruokapalveluissaan hyödyntämällä tekoälyteknologioita. KLM pyrkii tarkasti ennustamaan matkustajien lukumäärän, joka todella nousee heidän lennoilleen, mikä on monimutkaisempi tehtävä kuin saattaa vaikuttaa. Tähän ennustukseen otetaan huomioon erilaisia tekijöitä, kuten matkustusluokka ja historialliset tiedot, ja arvioidaan, että noin 3-5% varatuista matkustajista ei saapu ajoissa lennolle.
Tätä varten KLM on ottanut käyttöön Trays-nimisen tekoälymallin, joka on kehitetty yhteistyössä muun muassa yritysten Bol, Ahold Delhaize, NS ja ING kanssa. Tämä tekoälymalli hyödyntää historiallisia tietoja ennustaakseen matkustajien määrän jokaiselle lennolle. KLM:n Meals On Board System (MOBS) vastaanottaa tekoälyn generoimat ennusteet ja antaa erilliset arviot Business-, Premium Comfort- ja Economy-luokille. Ennusteet alkavat 17 päivää ennen lähtöä ja jatkuvat aina 20 minuuttia ennen lentoonlähtöä, mikä varmistaa tarkin matkustajamäärän ja minimoi ruokahävikin koko ruokapalveluprosessin ajan, hankinnasta lastaukseen.
Näiden ponnistelujen odotetaan johtavan merkittäviin ruokahävikin vähentymiin, ja KLM arvioi mahdollisia säästöjä jopa 63% perustuen ennustettuun matkustajamäärään lentoa kohden. Tämä vastaa yli 100 000 kilogramman ruokasäästöä vuosittain. Trays-järjestelmän tehokkuuden vahvistus saatiin KLM:n kolmen kuukauden analyysistä, jossa todettiin, että tekoälymalli olisi voinut estää 63% ruokahävikistä verrattuna ruokahuoltoon jokaiselle varatulle matkustajalle. Erityisen merkittäviä parannuksia havaittiin kansainvälisillä KLM-lennoilla Amsterdam Airport Schipholin kautta, jossa 2,5 ruokalajia vähemmän (noin 1,3 kilogrammaa) hylättäisiin per lento, mikä tarkoittaisi 111 000 kilogramman ruokasäästöä vuosittain kaikkien Schipholin kautta palveltavien KLM-lentojen osalta.
Konepalvelun ruokapalveluiden lisäksi KLM tutkii tekoälyn integroimista eri osa-alueisiin toiminnassaan. Tämä sisältää lentokoneiden ylläpidon ja henkilökohtaisten matkavinkkien luomisen asiakkaille. Lisäksi tekoälyohjelmia hyödynnetään potentiaalisten säähäiriöiden simuloinnissa, mikä mahdollistaa KLM:lle proaktiivisen lentoaikataulujen hallinnan ja häiriöiden minimoimisen haitallisten sääolojen vuoksi. Näiden edistysaskeleiden myötä KLM jatkaa lentoliikennealan johtamista sitoutumisessaan tehokkuuteen, kestävyyteen ja tarjotessaan matkustajilleen poikkeuksellisen matkakokemuksen.
UKK-osio pääaiheista ja artikkelissa esitetystä tiedosta:
K: Mitä toimenpiteitä KLM toteuttaa vähentääkseen hävikkiä konepalvelun ruokapalveluissaan?
V: KLM toteuttaa tekoälyteknologioita tarkkaillakseen matkustajien lukumäärää, jotka nousevat lennoilleen.
K: Miten KLM hyödyntää tekoälyohjelmia ennusteissaan?
V: KLM käyttää tekoälymallia nimeltä Trays, joka on kehitetty yhteistyössä muiden yritysten kanssa ja hyödyntää historiallisia tietoja ennustaakseen matkustajamääriä kullekin lennolle.
K: Kuinka KLM:n Meals On Board System (MOBS) hyötyy tekoälyn generoimista ennusteista?
V: MOBS vastaanottaa tekoälyn generoimat ennusteet ja antaa erilliset arviot Business-, Premium Comfort- ja Economy-luokille. Nämä arviot auttavat vähentämään ruokahävikkiä koko ruokapalveluprosessin ajan.
K: Mitä ruokahävikin vähentämisiä KLM arvioi tekoälyn avulla?
V: KLM arvioi mahdollisia säästöjä jopa 63% perustuen ennustettuun matkustajamäärään lentoa kohden, mikä tarkoittaa yli 100 000 kilogramman ruokasäästöä vuosittain.
K: Kuinka tehokas Trays-järjestelmä on ruokahävikin vähentämisessä?
V: KLM:n kolmen kuukauden analyysi osoitti, että tekoälymalli olisi voinut estää 63% ruokahävikistä verrattuna ruokahuoltoon jokaiselle varatulle matkustajalle.
K: Mihin muihin osa-alueisiin KLM tutkii tekoälyn integroimista?
V: KLM tutkii tekoälyn integroimista lentokoneiden ylläpitoon, henkilökohtaisten matkavinkkien luomiseen asiakkaille ja potentiaalisten säähäiriöiden simulointiin lentoaikataulujen proaktiivisen hallinnan mahdollistamiseksi.
Avainsanojen määritelmät:
– Konepalvelun ruokapalvelut: Ruuan ja juomien tarjoaminen matkustajille lennon aikana.
– Tekoäly: Ihmisälyn simuloiminen koneissa, jotka on ohjelmoitu ajattelemaan ja oppimaan kuten ihmiset.
– Trays-tekoälymalli: KLM:n kehittämä tekoälymalli, joka ennustaa matkustajien määrää lennoille.
– Historialliset tiedot: Ajan kuluessa kerätty aiempi tieto, jota käytetään analysointiin ja ennusteisiin.
– Ruokahävikki: Ruuan heittäminen tai pois heittäminen, vaikka se olisi vielä käyttökelpoista.
– Lentokoneiden ylläpito: Lentokoneiden tarkastaminen, korjaaminen ja huoltaminen niiden ilma-arvoisuuden ja turvallisuuden varmistamiseksi.
– Henkilökohtaiset matkavinkit: Asiakkaille tarjotut räätälöidyt suositukset tai vinkit heidän mieltymystensä ja matkahistoriansa perusteella.
– Haitalliset sääolosuhteet: Epäsuotuisat sääolosuhteet tai riskien aiheuttamat sääolosuhteet, kuten myrskyt, rankkasateet tai voimakkaat tuulet.
Ehdotetut liittyvät linkit:
– KLM:n virallinen verkkosivusto
– Bol
– Ahold Delhaize
– NS
– ING
The source of the article is from the blog toumai.es