Predicting the catering load on inflight retail platforms

Ticari havacılıkta rekabetçi bir ortamda, etkin kaynak yönetimi hem çevresel sürdürülebilirlik hem de ekonomik performans için kritik öneme sahiptir. Bu çalışmada, gerçekleşen her bir uçuş seferi kapsamında satın alma hizmetleri için yiyecek ve içecek tüketiminin tahmin edilmesinde yapay zekâ modellerini kullanılması ele alınmıştır. Tarihsel satış verilerini analiz ederek, yapay zekâ modeli toplam tüketimi tahmin etmekte, böylece havayollarının tedarikini optimize etmesine ve atığı azaltmasına olanak tanımaktadır. Uçağa fazla yüklenen yiyecek ve içecekler sadece çabuk bozulabilen malların israfını arttırmakla kalmayıp aynı zamanda ekstra ağırlık nedeniyle yakıt tüketimini artırmasına da sebep olmaktadır. Bu çalışma, havacılıkta yapay zekâ uygulamalarının kullanımına bir örnek oluşturmakta ve uçuş içi hizmet lojistiği ve sürdürülebilirlik konularına da katkıda bulunmaktadır. Bu çalışma, uçak içi satış sisteminde taze yiyecek tahmini üzerine odaklanmaktadır. Geçmişe dönük taze yiyecek satış verileri, eğitim ve geliştirme amaçları için kullanılmıştır. Bu veriler üzerinden veri analizleri yapılarak aday veri özellikleri seçilmiştir. Her bir veri uçuşun gerçekleştiği rota ve zaman bazında tüketim, promosyon ve yolcu sayısı bazında düzenlenerek kullanıma alınmıştır. Bu yaklaşım için iki model seçilmiştir; biri XGBoost ve diğeri ise yapay sinir ağlarıdır. Bu modeller, karmaşık, doğrusal olmayan veri ilişkilerini yönetme yeteneklerindeki farklı güçleri nedeniyle seçilmiştir. Karşılaştırmalı analiz, seçilen modellerin tahmin doğruluğunu, sağlamlığını ve operasyonel ortamlardaki verimliliklerini değerlendirmeye odaklanmıştır. Her iki model için de gerekli parametre optimizasyonları yapılmıştır. Sonuçlar, her iki modelin de geleneksel yöntemlere kıyasla tahmin hassasiyetini artırdığını, her birinin özgün avantajlar sunduğunu ve bu avantajların belirli operasyonel ihtiyaçlara bağlı olarak değerlendirilebileceğini göstermektedir.