如何在 BHS 人员有限的情况下运营您的机场
乘客再次出行，您看到行李处理系统 (BHS) 中的行李量增加。问题是，您现在的行李处理人员大大减少，并且您担心如果遇到问题甚至再次封锁，您将如何应对。
说明：本文最初以英文撰写，并借助人工智能进行了翻译。
文章摘要
- 疫情过后的机场正面临行李处理系统 (BHS) 人员减少以及关键运营知识流失的问题，这使得应对日益增长的行李量变得更加困难。
- 现代化的数据驱动型 BHS 技术有助于弥补人员缺口，在减少对大型现场运维 (O&M) 团队依赖的同时，仍能保持原有的性能水平。
- 数据分析可实现预测性、基于状态的和规范性维护，使机场能够主动解决问题，而不是在故障发生后才做出反应。
- 利用来自 BHS 各处的传感器、警报和事件日志中宝贵的运营数据，可以提高效率、增强韧性并最大限度地减少不必要的维护。
作者：Per Engelbrechtsen
许多机场在 COVID-19 疫情之后面临的一个严峻挑战是，他们的一些团队成员流失，以及关键的运营知识的丧失。因此，机场不仅用更少的人做同样的工作，而且还受到这项工作背后宝贵人才流失的阻碍。
先进的 BHS 和数据驱动技术可以应对这种“新世界”的现实。数据工具可以弥合人员缺口，使 BHS 团队更具抵抗力，并且不易受到需要人员变动的情况的影响。通过拥有现代化的系统并使用他们的数据，机场不需要像以前那样多的运营和维护人员，但可以确信他们可以达到以前的水平。
数据如何弥补维护资源
为了保证 BHS 的最佳性能，机场始终需要确保他们有能力随时应对问题。实际上，这意味着在任何给定时间，在绵延数公里的系统的任何给定点都有可用的运营和维护人员。
但是，这种做法导致行李处理操作效率低下。即使没有问题，也会安排检查，从而导致系统过度维护。并且对问题的响应始终是被动的，仅在问题发生后才发生。
幸运的是，通过数据分析，机场可以通过以下方式优化其运营：
- 计划/安排的维护：数据分析提供见解，以帮助机场执行预测性或基于状态的维护，或者仅在必要时更换零件，而不是在预先计划的周期中进行更换。
- 基于状态的维护：数据分析提供见解，告诉机场要采取的措施，同时考虑到运行时间、启动和停止。
- 预测性维护：数据分析可以揭示有关一般系统性能以及特定情况下性能的模式，并且可以告诉机场可能发生的情况。
- 规范性维护：数据分析将进一步改进到可以告诉机场要采取的措施以防止系统可以预见的未来问题、需要更换的设备零件以及何时更换。 将来，机场将不会有无法预见的问题。
使一切成为可能的基础设施
数据来源：一切都在您的系统中
提高运营效率所需的数据可以在整个 BHS 中获取——从其警报日志、传感器、事件日志和 BSH 捕获的各种数据中获取。
特别是，可以从以下来源以以下方式收集数据：
- 现有数据：那些在收集、分析和分类数据方面具有专业知识的系统供应商可以使用现有数据，机场可以从中做出明智的决策。
- 智能手提袋：移动观察员或智能托盘也可以用作数据来源。 这些由加速度计、Raspberry Pi、标签读取器和光电池组成，可以检测异常情况，例如未对准、微停止和系统速度变化。
- 传感器和其他技术：来自智能传感器和摄像头技术的数据可以使用 BHS 供应商的软件基础设施收集并转发到云端。
事实上，机场一直都可以获得数据，但直到最近才被利用。
数据如何消除低效率
系统提供商已开始处理这些数字，并成功地将它们转化为有价值的见解，以创造各种效率。通过智能 BHS 系统，他们正在探索日志文件，例如，并超越简单的统计数据来查找解释在特定航班到达时发生大量“未读取”等情况的原因、方式和原因的模式。
以前，这种类型的分析将是一项耗时的手动任务——或者肉眼甚至可能看不到问题。但是，借助数据以及正确的过滤器和算法，系统可以自动执行此探索，使机场能够做出反应和纠正，而无需等待报告。随着数据质量不断提高，优化运营的能力将永远保持提高。
通过这种高水平的数字化，无论机场是处于高峰期还是低谷期，都可以继续以精简的运营和维护人员顺利运行。
通过使运营和维护工作数据驱动，资源只需要在满足数字预定条件时做出反应，而无需始终可用。因此，数据分析的预测能力可以消除过度维护和不必要的资源时间，即使在没有问题的情况下也可以花费在检查系统上。相反，系统开始告诉运营和维护人员要采取的确切措施以及所需的备件。
机场管理部门可以依靠定制的仪表板和报告来进行预测和计划，从而能够制定更好的维护计划并简化其团队。此外，管理部门将能够以更精简的方式安排其运营和维护合同。
机器学习工具的作用
随着数据的使用变得越来越高级，机场可以期待通过降低运营和维护水平来获得更大的最佳系统性能机会。
例如，对于那些签订了 BHS 热线合同的机场，过去是 BHS 运营商在高层控制失败时联系他们的热线。现在，热线会在发生任何事情之前通知 BHS 运营商。通过性能监控工具，热线可以看到即将发生的事情并警告机场的 BHS 运营商。
这种预测性和规范性运营和维护的能力是通过机器学习算法实现的，这些算法知道日志应该是什么样子，并且可以在出现异常情况时自动提醒机场。机器学习工具甚至可以指示 BHS 中看起来令人担忧的部分，因此即使在问题发生之前也可以对其进行补救。
通过分析系统的关键性，数据可以帮助以最具成本效益的方式优先考虑维护工作。例如，这可能会导致根据成本效益分析做出有意的决定，允许系统部件磨损，以便充分利用备件。
机器学习工具使机场能够做出智能决策，从而降低其 BHS 运营支出，同时了解如何始终保持运营状态。
系统提供商在创造效率方面的作用
在某些职能领域，机场将更好地了解他们的数据，例如他们的登机流程。但是，具有多年经验和专业知识的 BHS 解决方案提供商也将了解 BHS 如何才能发挥最佳性能。他们可以帮助机场构建和使用数据，了解可以使用哪些数据以及用于什么目的，以及哪些数据不值得关注。
机场和 BHS 解决方案提供商共同能够找到使用数据的最佳方法——例如识别和建立例程以及定义具有商定误差范围的警报过滤器。机场将能够更好地做出明智的决策并分配人员以适应其运营。
结论
现代 BHS 和数据的使用导致机场 BHS 运营方式的范式转变。机场不再需要像以前那样多的资源容量，因为数据的潜力和能力变得越来越明显。通过使用数据和支持它的现代 BHS，机场能够将其行李处理操作从手动和纠正程序转变为预测和规范操作。他们能够将运营和维护限制在必要的范围内，将运营和维护工作分散到更长的时间内，更灵活地使用他们的员工，并通过更精简的 BHS 团队实现更高的整体效率。所有这些都不会影响其运营和维护操作的质量。
