如何通过数据分析优化疫情后的行李处理系统 (BHS)

作者：Per Engelbrechtsen

本文探讨了数据分析如何优化行李处理系统 (BHS)，不仅是为了当前的复苏，也是为了未来的运营。 鉴于机场现已拥有海量数据，确实没有理由不实施数据分析。

疫情后如何重建机场

航空业因 COVID-19 而遭受了巨大损失，并将面临许多后 COVID 时代的挑战。

为了应对这些挑战并重建业务，机场管理人员需要从三个核心概念入手进行思考：

• 恢复：机场如何在无需进行大量资本投资的情况下恢复运营。 这意味着利用现有资源（数据）并制定数字化战略。
• 重塑：机场如何应对健康危机过后的人力资源挑战——重新招聘、重新培训或利用这个机会以更少的人员工作来减少运营支出。
• 响应：机场如何使用数据驱动的工具，使其能够随时随地做出响应，并确保运营不会在未来的疫情或其他危机中陷入停顿。

因此，机场需要进行重塑以应对当前的危机，同时也需要做好准备以应对未来运营中的干扰。 因此，对数据使用的需求从未如此受到重视。 后 COVID 时代的机场将是关于数据驱动的资产管理，并利用现有数据以更少的人员进行远程工作。

对于机场的 BHS 而言，尤其如此。 数据是行李流量和容量最重要的因素之一，并将负责 BHS 运营的未来发展。

让我们看看数据和数据分析可以在 BHS 中发挥的作用。

数据分析如何改变机场运营和维护其 BHS 的方式

在非线性的航空世界中，BHS 的理想生产可能会在三个层面上受到挑战：

1. 维护：设备性能不佳、发生故障或缓慢恶化。
2. 运营：日常和临时变更（例如航班提前或延误）导致interference。
3. 管理：航空公司的诞生和消亡，以及机场内的人员调整和其他问题可能会结合起来，形成一场完美的风暴——COVID-19 是一个典型的例子。

数据是应对这些不确定性的一种方式。 即使在没有这些挑战的情况下，使用数据的能力也使机场组织能够用明智的决策取代今天的猜测。

数据分析背后的基础设施

但是如何在 BHS 中收集数据？

分析所需的原始数据可以从整个 BHS 中的任何点获取。 它可以从其警报日志、传感器、事件日志和 BSH 捕获的各种数据中收集。 它在机场现场收集并实时传输到数据仓库。

然后，通过 BHS 提供商的技能和专业知识来丰富数据，并通过云解决方案进行可视化。 就像农作物被转化为可食用的东西一样，数据的呈现方式对用户来说是有意义的。 相同的数据以不同的可视化方式显示，以满足机场内不同类型的工作。

在 BHS 中从后见之明到洞察力再到远见

通过捕获和分析数据，机场能够通过不同层级的数据分析来使用数据提供的见解。

• 描述性分析：机场可以回顾过去，找出发生了什么。
• 诊断性分析：然后，机场可以找出发生的原因。
• 预测性分析：随着时间的推移和数据的收集，机场可以开始预测可能发生的事情。
• 规范性分析：通过实施正确的反馈循环，机场可以开始推荐采取什么行动来消除任何潜在的未来问题。

数据分析在优化 BHS 中的作用

借助数据分析，机场可以开始优化其 BHS 维护、运营和管理。

数据分析可以通过突出显示 BHS 中使用最多且需要最多维护的部件来支持预测性维护。 数据可以显示实时运营 KPI，例如不同安检区域的性能。 它可以协助季节性基准测试、流量预测和resources planning。 数据分析可以深入了解系统的总体性能和特定性能区域，例如值机和装载。

通过查看一家已应用数据分析来优化其 BHS 的国际机场，我们可以了解数据分析可以提供的可能性。

机场如何利用其数据来优化其 BHS

加拿大 YYC 卡尔加里国际机场 (YYC) 是一家枢纽机场，2019 年的客运量超过 1800 万人次。

通过数据分析改进维护

YYC 已应用机器学习算法来监控其 BHS 警报日志文件，通过该算法，它现在能够预测系统中可能出现的未来问题。 在问题发生之前检测到问题，包括人眼无法发现的微停。 现在可以识别需要注意的系统的特定元素，从而指导维护人员的注意力并节省时间。 这种积极主动的方法可以防止许多不必要的停止，并确保系统 100% 运行。

通过数据分析改进运营

数据用于分析整个系统的行李流量，并识别需要改进的区域。 诸如再循环行李、手动编码行李和处理不当行李等特定数据都在 3D 建模中，这有助于更深入地了解如何更改、改进和优化流程。

导致系统时间增加、不必要的系统磨损和额外操作员工作量的瓶颈被识别和更改。 直接结果是什么？ 大大减少了需要手动编码且未及时到达航班的行李数量。

通过数据分析改进管理

数据驱动的、基于状态的监控工具的实施实现了更好的维护计划和团队的精简。 预防性维护以精益的方式执行，并更灵活地使用员工，而不会影响 O&M 运营的质量。

对于 YYC 而言，数据分析的使用导致了其解决 O&M 的方式发生了变化，从而大大降低了其运营支出。

数据分析的其他方面可以帮助优化 BHS

除了数据分析如何帮助机场维护、运营和管理其 BHS 之外，数据分析还有其他方面可以帮助优化 BHS。 简而言之，这些是：

• 将 BHS 迁移到云端与本地部署：基于云的分析工具意味着可以从远程站点分析和优化整个 BHS。 机场不仅可以利用高度专业化的基础设施和云服务提供商的 IT 服务，而且该技术还可以保持最新状态，因此它们可以保持竞争力而无需进行自己的资本投资。 这可以节省机场运行其系统所需的空间和 IT 资源。 它还支持远程工作。
• 基于订阅的模式/成本：通过基于订阅的数据分析模型，机场仅为其使用的服务付费，从而可以轻松地针对波动的流量进行扩展。 这可以帮助机场在人员减少的情况下重新开放。
• 建立：基于云的分析系统只需两周即可启动，可以与第三方设备集成（尽管它不是即插即用），并且可以与机场控制室集成。

结论

随着机场从全球疫情中恢复并重建业务，人们对其行李处理中的战略 KPI 和整体设备效率 KPI 的兴趣将会增加。 人们还将有兴趣确保系统能够经受住任何未来的运营中断。 数据分析是机场寻求优化和面向未来的系统的答案。 它可以提供 BHS 运营和流程的所有部分的见解，而这些见解是无法以其他方式收集的。 通过分析，BHS 专业人员可以更改、改进和优化行李流量以及维护和resources planning计划。 随着数据分析的未来越来越多地转向决策科学，机场可以期待他们的系统能够推荐并为他们做出决策。