Schiphol

Afgelopen jaar was Schiphol de op twee na drukste luchthaven van Europa met zo’n 71 miljoen passagiers. Om in deze drukte alle processen zo soepel mogelijk te laten verlopen, kan data een grote rol van betekenis spelen: bijvoorbeeld in het optimaliseren van vertrekschema’s om vertragingen te voorkomen, en het herkennen of voorspellingen van storingen en de performance van assets. Data Science Lab heeft in samenwerking met het data science team van de afdeling Asset Management (ASM) verschillende analyses uitgevoerd om inzicht te verkrijgen in het gebruik, de beschikbaarheid en de belasting van assets, zoals het gebruik van liften of roltrappen en de werking van stroomvoorzieningen op de vliegtuigopstelplaats. De uitkomsten van deze analyses werden gepresenteerd in dashboards die ontwikkeld zijn in Power BI of de Python module Dash, zodat de verantwoordelijke van deze assets m.b.v. het dashboard onder andere datagedreven planningen kan maken voor onderhoud.

Daarnaast heeft Data Science Lab verschillende trainingen en workshops gegeven om de collega’s van het data science team meer te leren over bijvoorbeeld het gebruik van Git voor versiebeheer en geavanceerde Python modules voor visualisaties (Plotly). Ook is er een eigen Python module ontwikkeld voor het communiceren met het SQL datawarehouse en het in productie brengen van Python scripts in de Azure cloud. Tot slot is er een machine learning (neural network) model ontwikkeld voor het voorspellen van vertraging van vertrekkende vluchten. De informatie uit dit model wordt vervolgens gebruikt om dagelijks een top risicovluchten te definiëren die op verschillende momenten in het proces (bagage, security, boarden, taxiën, etc.) voorrang zouden kunnen krijgen.

SMART BAGAGE

PROBLEEM

Smart Bagage is een team van Schiphol dat zich binnen het gehele bagageproces richt op use-cases waarbij vanuit een samenwerking tussen de luchthaven en vliegmaatschappijen of afhandelaren, snel waarde geleverd kan worden. De eerste use-case richt zich op inkomende transfer-bagage. In dit deel van bagageafhandeling is te weinig inzicht over de verdeling van de workload, en wordt dus niet gestuurd op een gelijke verdeling van belasting op de systemen en installaties.

RESULTAAT

In het dashboard dat hiervoor is ontwikkeld zie je per rollend uur én per shift hoe de verdeling van aantallen koffers op de systemen en installaties is geweest. Daarnaast heeft de teamcoördinator inzicht in verstoringen van het afgelopen uur, en ziet hij hoelang een koffer gemiddeld onderweg is naar verschillende opmaakgebieden (Zuid-hal, Oost-hal, etc.). Op basis van deze informatie kan beter worden besloten welke loskade gebruikt wordt voor een inkomende vlucht, zodat hete bagage (bagage met een korte transfertijd) op de snelste loskade gelost wordt, en dat de medewerkers en assets een gelijke verdeling van de hoeveelheid werk krijgen.

AANPAK

In verschillende design sessies is gekeken naar alle processtappen en actoren binnen de afhandeling van transfer-bagage. De meeste waarde werd behaald door inzicht te geven aan de teamcoördinator van de vliegmaatschappij, omdat dit de persoon is die aanwijst op welke van de 4 beschikbare loskades bagage wordt gelost. Tegelijkertijd is onderzocht welke data mogelijk nodig was om de gewenste oplossing te realiseren, zodat niet achteraf ondervonden zou worden dat data niet beschikbaar is. Nadat het design van het scherm tot stand is gekomen zijn diverse interviews gehouden met de gebruikers van het dashboard (teamcoördinators), om zo te kunnen valideren dat daadwerkelijk waarde werd toegevoegd aan het proces.

Gerelateerd artikel

Gladheid op het spoor

| Transport | No Comments
Twee maanden geleden was Nederland veranderd in een winterwonderland. We hadden eindelijk weer de kans om heerlijk te schaatsen, sneeuwballen…