Odwołany rejs nie jest pojedynczym zdarzeniem. Samolot nie wykona kolejnych odcinków, załoga może zostać poza bazą, pasażerowie stracą przesiadki, a zaplanowana obsługa techniczna przestanie pasować do rotacji. Decyzja, która porządkuje sytuację na jednym lotnisku, może pogorszyć ją w kilku następnych.

Właśnie dlatego centrum kontroli operacyjnej przewoźnika, czyli OCC, potrzebuje narzędzi pozwalających ocenić całą operację. Nie istnieje jednak jeden „system AI”, który równie dobrze planuje załogi, przewiduje usterki, przebukowuje pasażerów i prowadzi z nimi rozmowę. Są różne klasy systemów, a ich skuteczność zależy przede wszystkim od danych, integracji i reguł przyjętych przez przewoźnika.

Nie każda automatyzacja jest sztuczną inteligencją

W dyskusjach o AI w lotnictwie mieszają się cztery różne mechanizmy.

Automatyzacja regułowa wykonuje wcześniej określoną czynność po spełnieniu warunku. Może wysłać powiadomienie o zmianie godziny odlotu albo zgłosić przekroczenie limitu w planie załogi.

Optymalizacja matematyczna wyszukuje korzystny wariant przy określonych ograniczeniach. Może dobierać samoloty do rejsów, budować rotacje załóg lub szukać planu odbudowy rozkładu. Nie wymaga do tego modelu językowego.

Uczenie maszynowe służy m.in. do przewidywania zdarzeń na podstawie danych. Przykładowym zadaniem jest oszacowanie rzeczywistego czasu obsługi naziemnej lub ryzyka opóźnienia.

Generatywna AI tworzy tekst i może ułatwiać dostęp do informacji. Przydaje się do przygotowania komunikatu lub streszczenia sytuacji, ale płynność wypowiedzi nie potwierdza poprawności planu operacyjnego.

Rozwiązania te mogą współpracować. Badanie dotyczące planowania załóg pokazuje choćby wykorzystanie uczenia maszynowego do przygotowania danych wejściowych dla optymalizatora. To znacznie bardziej konkretny opis zastosowania AI niż obietnica, że „algorytm opanuje chaos”. [1]

NetLine Ops ++: bieżący obraz operacji i warianty naprawcze

NetLine Ops ++ firmy Lufthansa Systems należy do systemów kontroli operacyjnej. Dostawca opisuje funkcje monitorowania zdarzeń, koordynowania rotacji samolotów, uwzględniania obsługi technicznej oraz wspomagania decyzji podczas zakłóceń.

Istotne są powiązania między zasobami. Zamiana samolotu może rozwiązać problem dostępności maszyny, ale stworzyć problem z pojemnością, załogą albo kolejnym terminem obsługi. W portfolio znajdują się m.in. funkcje ostrzegania o ograniczeniach załogowych, analizy połączeń pasażerskich i wymiany scenariuszy. [2]

Praktycznym zastosowaniem takiej klasy systemu jest porównanie kilku odpowiedzi na awarię: opóźnienia rejsu, zamiany egzemplarzy, zmiany dalszych rotacji lub odwołania wybranego odcinka.

Samo wyświetlenie sytuacji na ekranie nie oznacza jednak, że każdy konflikt zostanie rozwiązany automatycznie. Zakres działania zależy od wdrożonych modułów, interfejsów i jakości informacji przekazywanych do systemu.

Jeppesen i NetLine Crew: planowanie załóg to kilka odrębnych zadań

W zarządzaniu załogami trzeba rozróżnić budowę rotacji, przydzielanie ich konkretnym osobom oraz reagowanie na zmiany w dniu operacji.

Jeppesen Crew Pairing służy do tworzenia rotacji bez przypisania ich na tym etapie do nazwisk. Dostawca wskazuje możliwość uwzględniania różnych baz, zasad zatrudnienia, kosztów i ograniczeń oraz analizowania wariantów „co, jeśli”. Opisuje również integrację modeli zmęczenia. [3]

Inne zadanie realizuje Jeppesen Crew Tracking: wspiera kontrolę i naprawę opublikowanych planów. Według dokumentacji pokazuje problemy, takie jak zagrożone przesiadki załóg czy brak zgłoszenia do służby, oraz umożliwia sprawdzanie zgodności zmian z regułami skonfigurowanymi w systemie. [4]

NetLine Crew obejmuje z kolei szerszy cykl zarządzania personelem: od optymalizacji rotacji i budowy grafików po bieżące śledzenie realizacji oraz logistykę. Lufthansa Systems opisuje jego integrację z NetLine Ops ++, umożliwiającą zespołom operacyjnym i załogowym ocenę tych samych scenariuszy. [5]

Dla przewoźnika oznacza to możliwość wcześniejszego wykrycia, że pozornie prosta zmiana samolotu albo godziny odlotu nie ma pokrycia w dostępnych załogach.

Kontrola zgodności pozostaje jednak tak dobra, jak zapisane reguły i dane. Zielony status na ekranie nie dowodzi sam przez się prawidłowej interpretacji przepisów ani braku zmęczenia konkretnego człowieka. To ograniczenie, które należy uwzględnić przy projektowaniu procesu decyzyjnego.

Amadeus Passenger Recovery: odbudowa podróży pasażera

Odtworzenie rozkładu i dowiezienie pasażera do celu to dwa powiązane, ale różne problemy.

Amadeus Passenger Recovery jest przeznaczony do obsługi pasażerów dotkniętych zakłóceniami. Dostawca opisuje analizowanie wielu zakłóconych rejsów jednocześnie i dostosowywanie propozycji do planu podróży oraz wartości klienta. [6]

Dobrze pokazuje to przykład Air Canada opisany przez Amadeus w 2024 r. Według tej publikacji system proponował rozwiązania dla około 90% pasażerów dotkniętych zakłóceniami w typowym miesiącu, a najbardziej złożone przypadki pozostawały do obsługi ręcznej. To wynik konkretnego wdrożenia podany przez dostawcę, nie uniwersalna skuteczność produktu. [7]

W praktyce tej klasy narzędzia mają pomóc odpowiedzieć, komu zaproponować które połączenie i jak wykorzystać ograniczoną liczbę miejsc. Nie należy jednak zakładać, że przynależność przewoźników do sojuszu zapewnia automatycznie swobodę przebukowania na każdy ich rejs. W projekcie wdrożenia trzeba osobno ustalić dostęp do miejsc, zasady współpracy i możliwości obsługi biletów.

Podobnie komunikat z propozycją podróży nie jest jeszcze dowodem jej skutecznego potwierdzenia we wszystkich wymaganych systemach.

OPSD Lufthansy i Google: wspólna ocena samolotów, załóg i pasażerów

Operations Decision Support Suite, czyli OPSD, jest przykładem rozwiązania rozwijanego dla konkretnej grupy lotniczej przy współpracy z partnerem technologicznym.

Publikacja autorów projektu opisuje zastosowanie metod badań operacyjnych do odbudowy rozkładu z jednoczesnym uwzględnieniem samolotów, pasażerów i załóg. Google Cloud przedstawia OPSD jako narzędzie wspierające ocenę decyzji operacyjnych Lufthansy. [8][9]

Znaczenie takiego podejścia wynika z zależności między zasobami. Najlepszy wariant dla floty może być niewykonalny załogowo. Najtańsze rozwiązanie dla pojedynczego rejsu może spowodować kosztowne utraty przesiadek.

Nie należy natomiast stawiać Google Cloud czy Vertex AI w jednym szeregu z gotowym produktem do przebukowania pasażerów. Platforma chmurowa i narzędzia do budowy modeli są zapleczem technologicznym. Dopiero aplikacja połączona z danymi przewoźnika, jego ograniczeniami i procesami staje się narzędziem operacyjnym.

Lido Flight 4D: planowanie konkretnego lotu

Lido Flight 4D firmy Lufthansa Systems realizuje inne zadanie niż system odbudowy siatki. Służy planowaniu lotów. Dostawca opisuje wyznaczanie tras z uwzględnieniem m.in. pogody, NOTAM, danych AIP, ograniczeń zarządzania ruchem, osiągów samolotu i kosztów. [10]

Rozdzielenie tych funkcji ma praktyczne znaczenie. OCC może wskazać, którym samolotem wykonać rejs i o której godzinie, ale wykonanie tego wariantu wymaga jeszcze odpowiedniego planowania lotu.

Najkrótsza trasa nie musi być najkorzystniejsza. Znaczenie mają wiatr, dostępność przestrzeni, ograniczenia ruchowe i charakterystyka konkretnego samolotu. Z kolei najlepszy plan pojedynczego lotu nie rozwiąże problemu braku załogi na kolejnym odcinku.

Skywise: ograniczanie ryzyka zakłóceń technicznych

Nie każde narzędzie wspierające regularność operacji działa bezpośrednio w OCC.

Rozwiązania Airbus Skywise obejmują analizę danych technicznych, monitorowanie stanu samolotów i obsługę predykcyjną. Airbus opisuje m.in. wykorzystanie danych diagnostycznych oraz powiązanie funkcji monitorowania, analizy niezawodności i przewidywania potrzeb obsługowych. [11]

Ich znaczenie dla operacji polega na możliwości wcześniejszego rozpoznania problemu i lepszego przygotowania obsługi, części lub narzędzi. Wcześniejsze ostrzeżenie może pozwolić zaplanować działanie przed awarią zakłócającą rotację.

Prognoza techniczna nie oznacza jednak pewności wystąpienia usterki. Nie jest również samodzielną podstawą do uznania samolotu za zdatny do lotu. Należy odróżniać wsparcie analityczne od właściwego procesu obsługi i dopuszczenia do eksploatacji.

FlightPulse i Fuel Insight: dane dla pilota i analityka

GE Aerospace oferuje Fuel Insight do analizy efektywności paliwowej oraz FlightPulse, udostępniający dane pilotom. Dostawca przedstawia je jako uzupełniające się narzędzia pozwalające korzystać z danych na poziomie organizacji i indywidualnych operacji. [12]

Takie systemy mogą pomóc zidentyfikować obszary wymagające sprawdzenia. W interpretacji wyników trzeba jednak uwzględniać kontekst: pogodę, ograniczenia ATC, masę, konfigurację i warunki konkretnego lotu.

Różnica w zużyciu paliwa jest początkiem analizy, a nie gotową oceną jakości pracy załogi. Wskaźnik oszczędności nie powinien tworzyć presji na decyzje sprzeczne z oceną sytuacji operacyjnej.

Chatbot, powiadomienie i voucher nie wymagają tego samego systemu

W komunikacji z pasażerem należy oddzielić treść od wykonania czynności.

Model językowy może przygotować zrozumiały komunikat w kilku językach. System transakcyjny musi natomiast potwierdzić miejsce, obsłużyć bilet albo zarezerwować świadczenie. Wysłanie standardowego SMS-a o opóźnieniu nie wymaga generatywnej AI.

Rozsądną zasadą projektową jest więc ograniczenie swobody modelu tam, gdzie przekazuje on informacje o potwierdzonych świadczeniach. Komunikat o hotelu powinien wynikać z rzeczywistej rezerwacji lub przyznanego uprawnienia. Chatbot nie powinien samodzielnie wymyślać dostępności miejsc, zasad pomocy ani obietnic wypłaty pieniędzy.

To szczególnie istotne podczas dużych zakłóceń, gdy sprawny językowo automat może bardzo szybko rozpowszechnić błędną informację.

Dlaczego starsze zestawienia dostawców bywają mylące?

W materiałach branżowych nadal można znaleźć Sabre AirCentre jako przykład systemów do zarządzania operacjami i załogami. Sabre poinformowało jednak o zakończeniu sprzedaży tego portfela firmie CAE 1 marca 2022 r. [13]

Przy opisie konkretnego rozwiązania trzeba zatem sprawdzić jego aktualną nazwę, dostawcę i zakres. Historyczna informacja o wdrożeniu nie potwierdza ani obecnej struktury własnościowej, ani funkcji dostępnych dziś u danego przewoźnika.

Podobnej ostrożności wymaga określenie „cyfrowy bliźniak”. Możliwość porównania kilku scenariuszy nie wystarcza, aby uznać system za stale aktualizowane odwzorowanie całej operacji.

Co naprawdę decyduje o jakości wdrożenia?

Przed zakupem warto postawić dostawcy konkretne pytania: jakie decyzje system wspiera, jakie ma ograniczenia, skąd pobiera dane i jak informuje o ich nieaktualności? Czy pokazuje przyczynę odrzucenia wariantu? Czy zapisuje dane i założenia wykorzystane do rekomendacji? Jak działa podczas awarii interfejsu?

Równie ważna jest funkcja celu. Minimalizacja kosztu, liczby odwołanych rejsów i łącznego opóźnienia pasażerów może prowadzić do różnych decyzji. Bezpieczeństwo i wymagane ograniczenia powinny wyznaczać zbiór dopuszczalnych rozwiązań, a dopiero w jego obrębie należy szukać oszczędności.

Dobry system powinien też pozostawiać człowiekowi realną możliwość oceny i odrzucenia propozycji. Sam przycisk „zatwierdź” nie zapewnia nadzoru, jeżeli użytkownik nie widzi przesłanek rekomendacji.

Największa korzyść z tych narzędzi polega na szybszym dostrzeganiu zależności i porównywaniu wykonalnych wariantów. Nie zastąpią one rezerw zasobów, poprawnych procedur ani kompetentnego zespołu. Mogą natomiast sprawić, że decyzja o jednym rejsie będzie podejmowana ze świadomością jej skutków dla całej operacji.

---

Źródła

Zakres funkcji produktów opisano na podstawie dokumentacji i publikacji dostawców. Ich deklaracje nie stanowią niezależnej oceny skuteczności ani potwierdzenia konfiguracji wdrożonej u konkretnej linii lotniczej.

1. Flight-connection Prediction for Airline Crew Scheduling to Construct Initial Clusters for OR Optimizer.
2. Lufthansa Systems: NetLine Ops ++.
3. Jeppesen Crew Pairing.
4. Jeppesen Crew Tracking.
5. Lufthansa Systems: NetLine Crew.
6. Amadeus Passenger Recovery.
7. Amadeus: wdrożenie Passenger Recovery w Air Canada, 17 października 2024 r..
8. Decision Support for Schedule Recovery at Lufthansa Group Airlines.
9. Google Cloud: Lufthansa uses data to reduce carbon emissions of airline travel.
10. Lufthansa Systems: Lido Flight 4D.
11. Airbus: Skywise Health Monitoring.
12. GE Aerospace: Fuel Insight.
13. Sabre: sprzedaż portfela AirCentre firmie CAE.