ارتقاء عمليات حمل و نقل هوايي هوشمند با استفاده از رويكرد فرآيندكاوي

Enhancing Intelligent Aviation Operations Using Process Mining Techniques

امروزه صنعت حمل ونقل هوايي نقش بسيار مهمي در روابط كشورهاي مختلف جهان، نمايش قدرت هاي اقتصادي و نظامي و تسريع امور حياتي يك كشور بر عهده دارد. بهبود عملكرد صنعت حمل ونقل هوايي با استفاده از تحليل داده هاي عظيم موجود در اين صنعت توسط روش هاي هوشمند، باعث افزايش بهره وري اين سيستم مي شود. طبق بررسي هاي انجام گرفته باوجود اهميت اين صنعت و وجود داده هاي عظيم در آن، در مطالعات گذشته به استفاده از روش هاي مبتني بر داده براي كشف دانش در اين صنعت توجه كم تري شده است. فرآيندكاوي يكي از اين روش هاي هوشمند است كه اجازه استخراج خودكار اطلاعات از داده هاي تاريخچه رخدادها و تجزيه وتحليل فرآيندهاي سيستم را مي دهد. اين تحقيق براي بررسي چگونگي پيش بيني هوشمند زمان وقوع رويدادهاي كليدي پرواز، به اجراي روش كشف فرآيند از منظرهاي كنترل جريان (فرآيندي) و زماني به كمك نرم افزار پروم مي پردازد. در اين تحقيق بعد از استخراج داده هاي اوليه پروازها از شركت هواپيمايي زاگرس و تبديل داده ها به گزارش رويداد، گزارش رويداد پروازها وارد پروم مي شوند و به استخراج مدل سيستم گذار و پيش بيني زمان وقايع كليدي پرواز پرداخته مي شود. از جمله نوآوري هاي اين تحقيق استفاده از روش پيش بيني زمان رويكرد فرآيندكاوي روي داده هاي واقعي، پيش بيني زمان و تحليل رفتار زماني وقايع كليدي پروازهاي آتي به صورت پويا و مبتني بر رفتار گذشته هر پرواز است. بكارگيري نتايج اين تحقيق باعث كاهش زمان انتظار، جلوگيري از ازدحام مسافران و افزايش رضايت آن ها با اطلاع رساني به روز پروازها و درنتيجه افزايش تقاضاي حمل ونقل هوايي مي شود. همچنين به ايجاد برنامه ريزي هوشمند در سيستم حمل ونقل هوايي و بهبود زمان بندي تسهيلات فرودگاهي كمك شاياني مي كند.

Today, the aviation industry plays a significant role in relations between different countries of the world, demonstrating the economic and military power and extending essentials of a country. Improving the performance of the aviation industry by analyzing big data available using intelligent methods, increases the efficiency of this system. According to the previous studies, despite the importance of this industry and large amount of data, there has not been adequate attention using data-based methods in past studies in order to discover knowledge in this industry. The process mining is one of these intelligent methods that allows automatically obtaining information from event log data and analyzing system processes. This research focuses on the implementation of the process discovery method with control-flow and time pesrpective using Prom software to investigate intelligent prediction of occurrence time of key events in the field of aviation system. In this research, after extracting the initial flight data from Zagros Airlines and converting them to the event log, the flights event log is given to the Prom software and are extracted the transition system model and time prediction of key flight events. Some innovations of this research include using time prediction method of the process mining approach on the actual data, time prediction and analyse the time behavior of the key events of future flights dynamically based on the past behavior of each flight. By using the results of this study, waiting time which prevents from passengers’ congestion is reduced and because of high satisfaction of passengers with up-to-date flights information, demand for aviation system is increased. It also helps to create intelligent scheduling in the aviation system and improves the scheduling of airport facilities.