中翼航食配餐

案例概述

现在航空配餐是衡量航空公司服务标准的重要因素,在保证配餐服务更好,为乘客提供足够的餐饮的同时,而且还要达到餐饮没有剩余,节省成本的精细化管理,是现在航空公司更为关心的事情。航空公司的目的:通过历史航班和所提供的餐饮量来进行数据建模,预测下次航班的人数,并准备适当的餐饮数量,降低成本以及食物浪费。

 

客户介绍

中翼航空是集会员俱乐部、投资、飞机销售、飞行员驾驶、航空行业应用、航拍等功能为一体的综合型公司,涉及私人飞机等多种机型,对能源、交通、金融、物流、高新技术、现代化制造等众多领域涉足,目前拥有国内两家飞行基地,并未多家航空公司提供餐食配餐服务,,并计划在3-5年内在全国建设100家城市飞行馆和30-50家飞行基地为满足俱乐部成员的飞行需求。

 

面临挑战

目前航班配餐是一个航空公司提升服务质量、加强核心竞争力不可或缺的重要部分。既要让乘客吃到喜欢的食品,又要准确控制配餐量,避免浪费造成经济损失。如果能实现航班配餐量动态预测,则可以为航班补给配餐时提供决策依据,从而提高订餐计划正确性、餐食成品利用率,同时减少餐食浪费和原料消耗,实现降本增效。

 

解决方案

基于以往的配餐、天气等信息,通过RealRec数据科学平台进行数据清洗,特征提取,完成建模找寻关系以及配餐预测等功能。

数据分析判定
1.数据的分布分析,下图为经济舱和子订单概率分布统计图:

概率分布统计可以看出,经济舱订单的概率分布统计效果并不好,并且可以从航班和经济舱的订单的柱状图中可以看出,有的经济舱订单为负数,会对我们的分析造成影响,因此我们要对数据进行预处理,去掉一些有噪声的数据,进而得到分布更为均匀以及适合分析的数据,结果图如下:

但是由于在实际业务场景中,影响配餐量的因素仍然有:配餐量的同比以及环比、月份和星期的信息等日期属性、天气情况等等。所以在综合因素的影响下,通过数据清洗以及处理分析,充分整合影响因素形成建模数据。

配餐预测
1. 通过数据分析判定,就可以得到特征向量,下面我们通过提取的特征向量,进行模型训练,并且进行预测评估。提取的特征向量包括航班、配餐、月份星期等日期属性、天气情况等等。

2. 通过线性回归模型来进行配餐量预测。


可以看到拟合优度可以达到67%,图中绿色点代表预测值,紫色点代表实际值,通过散点图可视化结果不难发现,预测结果曲线基本符合实际的趋势。

 

实施效果

通过实现对航班配餐量的实时性预测,不仅可以为航班补给配餐提供决策性的数据依据,提高配餐计划的合理性、餐食的利用率,同时降低餐食浪费和原料消耗,实现降本增效的目的。通过使用中翼航空的数据结合RealRec数据科学平台,能够实现配餐量预测67%的拟合优度。

 

相关产品

2019-08-09T17:05:20+00:00