Havayolu operasyonlarında uçuş planlaması, yakıt gereksinimlerinin doğru tahmini ve operasyonel verimliliğin sağlanması kritik öneme sahiptir. Ancak uçak ağırlığı gibi bazı parametrelerin belirsizliği, yanlış yakıt hesaplamalarına ve maliyet artışına neden olabilir. SunExpress Havayolları bu sorunu ele almak için bir makine öğrenmesi modeli geliştirmiş ve uçakların yolcu ve bagaj ağırlığını daha doğru tahmin ederek operasyonel süreçlerini optimize etmiştir.
Proje, uçuş ağırlığını tahmin etmek amacıyla SunExpress Havayolları’nın verilerini kullanarak bir makine öğrenmesi modeli geliştirilmesiyle başlamıştır. Veri bilimciler ve mühendislerden oluşan ekip, veri toplama, model geliştirme ve sistem entegrasyonu süreçlerinde aktif bir rol almıştır. Model, rota, yolcu sayısı, bagaj ağırlığı, havalimanı karakteristiği, uçuş programı gibi parametreleri değerlendirerek uçuş başına ağırlık tahmini yapar. Proje kapsamında verimliliği artırmak için bir dizi ileri düzey teknik ve yöntem kullanılmıştır. İlk olarak, SunExpress Havayolları’nın tarihsel verileri toplanmış ve farklı kaynaklardan elde edilen bu veriler birleştirilmiştir. Veri önişleme (data preprocessing) ve öznitelik mühendisliği (feature engineering) süreçleri ile veriler düzenlenerek, daha temiz ve makine öğrenmesi için hazır bir veri seti oluşturulmuştur. Bu hazırlık aşamasının ardından, makine öğrenmesi modelleri geliştirilmiş ve mevcut uygulanan yöntemler ile performansları karşılaştırılmıştır. Çeşitli makine öğrenmesi algoritmaları arasında yapılan değerlendirmeler sonucunda, hata istatistikleri ve performans değerleri göz önünde bulundurularak Catboost algoritmasının en uygun model olduğu belirlenmiştir. Sistem, operasyon kontrol merkezi uçuş planlama sistemine entegre edilerek otomatik bir süreç haline getirilmiştir.
Proje, öncelikli olarak aşağıdaki gruplara hitap etmektedir:
Geliştirilen makine öğrenmesi modeli, uçuş ağırlığını yüksek doğrulukla tahmin ederek:
Model, yalnızca yakıt tüketimini azaltmakla kalmamış, aynı zamanda karbon emisyonlarını da düşürerek çevresel sürdürülebilirlik hedeflerine önemli katkılarda bulunmuştur.
Kullandığımız tasarruf ölçüm programı çıktılarına göre SunExpress aynı tipte uçakla operasyon yapan 13 havayolu arasından en iyi yolcu ağırlığı planlaması yapan 2. havayolu konumun yükselmiştir. Ayrıca yeni uygulamayla birlikte uçuş başı ortalama CO2 salınımında da diğer havayollarına kıyasla düşürmüş ve genele göre ortalama CO2 salınımı uçuş başı 2kg daha düşüktür. Öte yandan yakıt tasarruna bağlı bir ölçüm planlanan ve gerçek ağırlık arasındaki hata ağırlık değeri üzerinde yaklaşık uçuş başı 200 kg’lik bir iyileştirme sağlanmıştır.
Fark Yaratan Özellikler
Proje çıktıları, SunExpress’in uçuş operasyonlarında aktif olarak kullanılmaktadır. Uçuş planlama süreci şu şekilde işlemektedir:
91. TRAI Meet-Up: 2017 yılından bu yana gerçekleştirilen TRAI Meet-Up etkinlikleri, Türkiye'nin yapay zeka ekosisteminin… Devamı
Google, yapay zeka alanındaki en son yeniliği olan Gemma 3 modelini resmi olarak duyurdu. Tek… Devamı
Günümüz yapay zeka teknolojilerinin en büyük sınırlamalarından biri, enerji tüketimi ve öğrenme hızı gibi faktörlerdir.… Devamı
Çin’in Kuantum Hesaplamadaki Yeni Atılımı: Zuchongzhi-3, Google’ı Geride Bıraktı Çin, kuantum hesaplama alanında önemli bir… Devamı
Çinli teknoloji girişimi Butterfly Effect tarafından geliştirilen Manus AI, tamamen otonom bir yapay zeka ajanı… Devamı
OpenAI, uzun süredir merakla beklenen yeni yapay zeka modeli GPT-4.5’i resmen duyurdu. GPT-4.5, OpenAI’nin bugüne… Devamı