Piense en los datos que generan los sistemas de gestión de equipajes. Todos los datos que son esenciales para la información operativa. Cuán útil y valioso podría ser si se analizara para revelar tendencias y comprender mejor el proceso de gestión de equipajes en un aeropuerto.
Descargo de responsabilidad: este texto se escribió originalmente en inglés y se tradujo mediante inteligencia artificial.
Por Per Engelbrechtsen
El análisis de datos se ha convertido en un componente esencial de todas las operaciones empresariales y los sistemas de gestión de equipajes no son diferentes. Un enfoque basado en datos para los sistemas de gestión de equipajes tiene un enorme potencial de ahorro en gastos operativos (OPEX) al proporcionar una mayor visibilidad de las operaciones.
La recopilación y el almacenamiento de grandes cantidades de información, a menudo denominados big data, para su análisis puede ocurrir en cualquier punto del sistema de gestión de equipajes. El análisis en tiempo real de esos datos puede entonces apoyar la toma de decisiones en todas las unidades organizativas:
A través del análisis de datos, los aeropuertos pueden obtener información significativa sobre sus operaciones de gestión de equipajes, lo que les permitirá optimizar su rendimiento y sus procesos.
Pero, ¿cómo permite el análisis de datos la optimización del proceso del sistema de gestión de equipajes? Pues bien, hay varias maneras en que los análisis de datos pueden ayudar a reducir los gastos operativos de la gestión de equipajes.
He aquí tres ejemplos de cómo utilizar el análisis de datos para reducir los gastos operativos:
El análisis de datos también puede proporcionar un mantenimiento predictivo para las reparaciones no planificadas que son necesarias cuando un fallo del sistema activa una alarma. Es posible minimizar estas reparaciones reactivas mediante el uso del análisis de datos, que puede mejorar la planificación del mantenimiento. Por ejemplo, los operadores de mantenimiento pueden practicar el mantenimiento predictivo basado en los datos y el rendimiento en tiempo real, en lugar del mantenimiento basado en rutinas o programas. Es posible que algunas partes de un sistema de gestión de equipajes experimenten un descenso del rendimiento del cinco por ciento que nadie podría identificar con solo observar el equipo o la salida. Con el análisis predictivo de datos, nadie tendrá que hacerlo: los datos les mantienen informados.
El mantenimiento basado en datos puede optimizar los esfuerzos de mantenimiento, ya que el sistema solo requerirá una inspección cuando los datos lo indiquen con precisión. Esto se debe a que el análisis de datos ha permitido al personal de mantenimiento del aeropuerto pasar de un enfoque basado en el calendario -o en el contador- para identificar los elementos y componentes que deben ser inspeccionados mediante el uso del mantenimiento predictivo. El análisis de datos, entonces, permite a los equipos de operación de equipajes del aeropuerto predecir, reaccionar y prevenir las necesidades de mantenimiento antes de que una unidad falle. Los datos proporcionan una visión general fácil de los problemas activos dentro de los diferentes elementos y tipos de unidades y señalan de forma predictiva las partes específicas del BHS que deben ser inspeccionadas.
El análisis de datos puede revelar tendencias que pueden ser útiles y valiosas para afinar las operaciones. Pueden proporcionar información, por ejemplo, sobre por qué las maletas se clasifican erróneamente. También pueden informar a los operadores para que predigan y prevengan los cuellos de botella. A través del análisis de datos, los malos hábitos operativos o de planificación pueden volverse transparentes. Por lo tanto, aunque los operadores no vean necesariamente los patrones en sus operaciones diarias, el análisis de datos puede identificar las tendencias a lo largo de un año. Incluso las ligeras mejoras de rendimiento marcarán una diferencia significativa en los costes.
El análisis de datos puede ayudar con la previsión operativa, como la preparación para los picos y la提供 una visión general del mantenimiento. Permite a la dirección estructurar toda la operación del BHS en torno a conocimientos basados en datos que de otro modo no se reconocerían. Al comparar los datos de los anteriores «días de producción» de la gestión de equipajes y prever las futuras producciones, la dirección puede aprender de la experiencia anterior para mejorar las operaciones futuras y decidir el mejor uso de los recursos. La dirección podrá prever todos los aspectos de sus operaciones, como los volúmenes de equipaje, los volúmenes de la temporada alta y las necesidades de mantenimiento. El análisis de datos ofrece a la dirección una oportunidad única para planificar el futuro y optimizar sus operaciones y recursos de mantenimiento sobre la base de estos conocimientos transparentes y en tiempo real.
En el futuro, la gestión del BHS de los aeropuertos tendrá que mejorar en el aprendizaje de la experiencia y en la planificación de la futura producción de gestión de equipajes. Pero para ello, se requiere una evaluación detallada y precisa de la producción pasada y futura.
Afortunadamente, esto es exactamente lo que proporciona el análisis de datos.
Las empresas utilizan cada vez más las tecnologías de aprendizaje automático para llevar el análisis de datos a otro nivel. También en los sistemas de gestión de equipajes, el aprendizaje automático tiene el potencial de desempeñar un gran papel en la reducción de los costes de los gastos operativos. A menudo, el análisis de datos tradicional puede ser estático y limitado a la hora de abordar datos no estructurados y que cambian rápidamente. Puede ser necesario, por ejemplo, identificar las correlaciones entre docenas de entradas de sensores y factores externos que producen rápidamente millones de datos.
Al aprender de los datos e identificar patrones, el aprendizaje automático permite al sistema tomar decisiones con una mínima intervención humana. Puede utilizarse para ayudar a los operadores a tomar decisiones más rápidas y mejores. El aprendizaje automático sigue requiriendo la aportación humana y las capacidades cognitivas que ésta proporciona. Pero el aprendizaje automático, que es una categoría basada en la IA, puede conducir a la ciencia de la decisión y a las sugerencias basadas en la máquina -en lugar de en el ser humano- para resolver los problemas (antes de que se produzcan). El sistema tiene la experiencia (aprendizaje automático) que lo hace lo suficientemente «sabio» como para ser el «control de crucero adaptativo» para el equipo de control y la dirección del BHS, para establecer un paralelismo con el mundo del automóvil.
Solo una fracción de las vastas cantidades de datos recogidos en los aeropuertos se está utilizando actualmente para contribuir al proceso general de toma de decisiones estratégicas y operativas. Sin embargo, los datos recogidos de un sistema de gestión de equipajes tienen mucho que revelar sobre el rendimiento, el estado y la eficiencia de un sistema. El análisis de datos puede proporcionar información útil que puede transferir los datos a un activo valioso que los aeropuertos pueden utilizar para optimizar sus sistemas de gestión de equipajes.
