Předpovídá prodeje jídla a nápojů, údržbu letadel i snižování emisí. Jak cloudový AWS pomáhá Ryanairu

„Vaše dovolená začíná v letadle,“ říká Aoife Greeneová, zástupkyně ředitele Ryanairu pro doplňkové služby a vedoucí maloobchodního oddělení. Greeneová přesně rozhoduje o tom, jaké jídlo, nápoje a další zboží i v jakém množství by mělo být každé ráno naloženo do každého letadla. „Lidé chtějí svůj gin s tonikem. Chtějí panini se šunkou a sýrem. Chtějí se posadit a odpočívat. Nechtějí slyšet: ‚Ne, to není k dispozici.‘ Naším úkolem je zajistit, aby nikdo nebyl zklamaný.“

Málokdo z cestujících Ryanairu si při kousání do sendvičů uvědomuje, že vozíky valící se uličkou neslouží jen k občerstvení. Jsou důležitým zdrojem informací o požadavcích a prodejích. Data se vkládají do nástroje strojového učení (přezdívaného „panini predictor“) vytvořeného s přispěním společnosti Amazon Web Services (AWS), jež letecké společnosti pomáhá přesně předpovídat, které produkty mají být umístěny do kterého letadla.

Jakkoli jsou panini se šunkou a sýrem oblíbené, vypočítat, kolik lidí se pro ně v daném letu rozhodne, je větší výzva, než se na první pohled zdá. Společnost disponuje více než 500 letadly a vykoná 2 900 letů denně, přičemž jedno letadlo překonává několik tras v různých zemích. Každý stroj má přitom omezený prostor – přesně pět vozíků – a může být zásoben pouze jednou za 24 hodin.

Dříve se tým Greeneové spoléhal na písemné záznamy a vlastní pozorování, aby předpověděl poptávku od velmi odlišných skupin cestujících, kteří létají od Athén po Budapešť, Lisabon, Londýn, Marrákeš, Řím až po Tel Aviv. Šlo o obrovský manuální úkol, který zahrnoval osmdesát nakládacích základen v celé síti Ryanairu a vyžadoval, aby zaměstnanci procházeli záznamy o tom, co bylo (a nebylo) spotřebováno při předchozích letech a museli určit, co naložit následující týden.

„Často žertuji, že moji kolegové, kteří řídí spotřebu paliva, mají snadný život. Vědí, kam konkrétní letadlo letí, a vědí, jak dlouho mu bude trvat, než se tam dostane. Já nemohu vědět, jestli budeme mít na palubě sto baletek nebo sto hráčů ragby,“ popisuje Greeneová. „Panini predictor“ tak analyzuje s na míru navrženým algoritmem rozličné údaje, jako je poptávka, spotřeba, délka letu, denní doba, roční období, místo odletu, cílová destinace, národnost cestujících a počet dětí na palubě. Tyto údaje pomáhají společnosti mnohem přesněji určit, co bude během letu pravděpodobně populární.

Podle technologického ředitele Ryanairu Johna Hurleyho je tento nástroj užitečný zejména při rozhodování o produktových řadách na nové lince nebo při přidávání nové nakládací základny. „Důležité je, že se díky využití nástroje strojového učení zvýšila spokojenost zákazníků, snížil se náš odpad na polovinu a zvýšily se naše prodeje,“ uvádí Hurley.

Ryanair v posledním roce zkoumá další způsoby využití cloudu ke svým inovacím. „Testujeme tyto projekty, analyzujeme všechna data, dostáváme zpět výsledky. Je to velká příležitost, jak se ještě více zaměřit na budoucnost a být efektivní,“ vysvětluje Hurley. Nízkonákladovka tak s AWS spolupracuje také na dalších iniciativách.

Uchování těchto dat je klíčové jednak pro ty, kdo investovali své životní úspory do nemovitostí, ale i pro budoucí rekonstrukci ukrajinských měst a vesnic. Dostupné materiály pomohou znovu postavit malá sousedství i velkoměsta, jelikož jsou k dispozici spolehlivé doklady o tom, kdo, kde a co vlastní.

Nástroj pro prediktivní údržbu

Jde o nový nástroj, který je navržen tak, aby dokázal předpovědět, kdy bude potřeba údržba různých částí letadla. Nástroj je modelem strojového učení, vytvořeným pomocí AWS k rozpoznávání vzorců v neustále proudících datech, která jsou předzvěstí problému. Bude generovat zprávy pro inženýry a doporučovat jim oblasti, na které se mají zaměřit.

Informace o proměnných v systému shromažďují tisíce senzorů v celé flotile Ryanairu, přičemž každý let generuje pět až šedesát milionů datových bodů za hodinu. V rámci celé flotily jsou to neuvěřitelné tři miliardy datových bodů každou hodinu. Zatím se podařilo prokázat potenciál předvídat problémy až čtyři dny předem. Dlouhodobým cílem je vyvinout řešení tak, aby je umělo předpovídat v řadě základních systémů letadla a předcházelo tak co největšímu počtu narušení letového řádu.

Letadlo s nejnižší spotřebou paliva vyčleněné pro každou trasu

Ve flotile Ryanairu jsou letadla Boeing 737, která mají stejný typ trupu, ale různé konfigurace motorů. Když pilot ráno startuje, musí mít dostatek paliva pro let na dané trase, přičemž toto množství se vypočítává na základě faktorů, jako je vzdálenost, nadmořská výška a protivítr. Pokud tytéž výpočty vložíte do programu, který dokáže data zpracovat, je možné doporučit, které z letadel by bylo pro danou cestu nejúspornější – optimalizovat spotřebu paliva, snížit emise oxidu uhličitého a ušetřit tak miliony eur.

Chatovací bot pro zákaznický servis

Nový chatovací bot vytvořený společností Cation Consulting, partnerem AWS, dokáže konverzovat v sedmi jazycích – angličtině, francouzštině, němčině, italštině, polštině, portugalštině a španělštině. Zvládne za měsíc více než půl milionu konverzací.

Digitalizace dokumentů

Tato iniciativa odstraňuje papír z několika systémů, které tradičně používaly tištěné dokumenty v leteckém průmyslu. Například vývoj elektronického letového plánu společnosti Ryanair ušetřil dvacet milionů listů, tedy 90 tun papíru ročně. Plán „bezpapírové pilotní kabiny“, který nahrazuje tištěné příručky digitálními verzemi, snížil množství papíru o patnáct kilogramů na pilotní kabinu. Ročně jde o celkem šestnáct tun, což vede k úspoře spáleného paliva o více než 600 tun.

Zpět