KLM, національна авіакомпанія Нідерландів, вживає інноваційні кроки для мінімізації втрат продуктів обслуговування на борту за допомогою впровадження технологій штучного інтелекту (AI). За допомогою програм AI, KLM має на меті точно прогнозувати кількість пасажирів, які справді сідатимуть на свої рейси, що є більш складним завданням, ніж здається. Ця прогнозування враховує різні фактори, такі як клас подорожування та історичні дані і оцінює, що приблизно 3-5% броньованих пасажирів не прибудуть вчасно на свій рейс.
Для досягнення цього, KLM ухилилася до застосування моделі Trays AI, розробленої у співпраці з компаніями, такими як Bol, Ahold Delhaize, NS та ING. Ця модель AI використовує історичні дані для прогнозування кількості пасажирів на кожен рейс. Система KLM Meals On Board (MOBS) отримує прогнози, згенеровані AI, надаючи окремі оцінки для бізнес-класу, комфортного класу та економ-класу. Прогнози починаються за 17 днів до відправлення і тривають до всього 20 хвилин до зльоту, забезпечуючи найточніше підрахунок пасажирів і мінімізацію втрати продуктів харчування на протязі всього процесу кейтерингу, від закупівлі до завантаження.
Очікується, що такі зусилля призведуть до значного зменшення втрати продуктів харчування, оцінюване KLM у поощрень до 63% за прогнозованою кількістю пасажирів на рейс. Це означає понад 100 000 кілограмів збережених щорічно страв. Підтвердження ефективності системи Trays надійшли після тримісячного аналізу, проведеного KLM, що показав, що модель AI могла б зменшити втрати продуктів харчування на 63% порівняно з кейтерингом для кожного броньованого пасажира. Особливо помітними були зміни в міжконтинентальних KLM рейсах з Амстердамського аеропорту Шипголь, де на кожен рейс зменшується на 2,5 страви (приблизно 1,3 кілограма), загальне зменшення до 111 000 кілограмів щорічно за всіма KLM рейсами з Шипголь.
Поза обслуговуванням на борту, KLM досліджує можливості інтеграції AI в різноманітні аспекти своєї діяльності. Це включає технічне обслуговування повітряних суден та створення індивідуальних пропозицій по подорожах для клієнтів. Крім того, програми AI використовуються для симуляції потенційних порушень погоди, що дозволяє KLM запобігати перебоїв в розкладі рейсів і мінімізувати перешкоди, які виникають внаслідок негативних погодних умов. Завдяки цим досягненням, KLM продовжує очолювати авіаційну промисловість, зобов’язуючись до ефективності, сталості та наданню виняткового досвіду подорожей для своїх пасажирів.
Часто задавані запитання на основі головних тем та інформації, наведеної в статті:
П: Які кроки підприємство KLM вживає для мінімізації втрати продуктів обслуговування на борту?
В: KLM впроваджує технології штучного інтелекту (AI), щоб точно прогнозувати кількість пасажирів, які сідатимуть на свої рейси.
П: Як KLM використовує програми штучного інтелекту в своєму прогнозуванні?
В: KLM використовує модель AI під назвою Trays, розроблену спільно з іншими компаніями, яка використовує історичні дані для прогнозування кількості пасажирів на кожен рейс.
П: Які переваги має система KLM Meals On Board (MOBS) від прогнозів, згенерованих AI?
В: MOBS отримує прогнози, згенеровані AI, і надає окремі оцінки для бізнес-класу, комфортного класу та економ-класу. Ці оцінки допомагають мінімізувати втрату продуктів харчування на протязі всього процесу кейтерингу.
П: Які зменшення втрати продуктів харчування KLM розраховує з впровадженням AI?
В: KLM оцінює можливі економії до 63% на основі прогнозованої кількості пасажирів на рейс, що призводить до збереження понад 100 000 кілограмів страв щорічно.
П: Наскільки ефективна система Trays є у зменшенні втрати продуктів харчування?
В: Тримісячний аналіз, проведений KLM, показав, що модель AI ви могла бу запобігти втраті продуктів харчування у 63% в порівнянні з кейтерингом для кожного броньованого пасажира.
П: Які ще галузі досліджує компанія KLM для інтеграції AI?
В: KLM досліджує можливості інтеграції AI у технічне обслуговування повітряних суден, індивідуальні рекомендації по подорожах для клієнтів і симуляцію потенційних порушень погоди для активного керування розкладом рейсів.
The source of the article is from the blog coletivometranca.com.br