УСОВЕРШЕНСТВОВАНИЕ ПРОЦЕССА ПРИНЯТИЯ РЕШЕНИЯ НА ВЫЛЕТ В УСЛОВИЯХ СЛОЖНЫХ МЕТЕОУСЛОВИЙ В АО «АВИАКОМПАНИЯ РОССИЯ» ПОСРЕДСТВОМ ВНЕДРЕНИЯ ВИРТУАЛЬНОГО АВИАСИНОПТИКА В ФОРМЕ ЧАТ-БОТА В МЕССЕНДЖЕРЕ TELEGRAM С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТИ

IMPROVING THE DECISION-MAKING PROCESS FOR FLIGHT DEPARTURE IN DIFFICULT WEATHER CONDITIONS AT RUSSIA AIRLINES JSC. BY IMPLEMENTING A VIRTUAL AVIATION FORECASTER IN THE FORM OF A CHATBOT IN TELEGRAM MESSENGER USING NEURAL NETWORKS

Maksim Kichigin

master's student of the 2nd course, Higher School of Air Navigation, St. Petersburg State University of Civil Aviation named after Chief Marshal of Aviation A.A. Novikov,

Russia, St. Petersburg

АННОТАЦИЯ

В статье исследуется процесс принятия решения о вылете в сложных метеоусловиях на примере воздушных судов АО «Авиакомпания Россия», с акцентом на повышение безопасности и эффективности полетов через внедрение виртуального авиасиноптика в виде чат-бота в Telegram. Чат-бот на основе нейросети автоматизирует сбор и анализ данных, улучшает координацию участников и снижает влияние человеческого фактора. Рассматриваются этапы создания и тестирования чат-бота, оценивается экономическая эффективность внедрения. Предлагаемое решение направлено на повышение точности и оперативности принятия решений, снижение рисков и улучшение общей практики взаимодействия в авиационной сфере.

ABSTRACT

The article explores the process of decision-making on departure in difficult weather conditions on the example of aircraft of JSC ‘Rossiya Airlines’, with a focus on improving the safety and efficiency of flights through the introduction of a virtual aviation forecaster in the form of a chatbot in Telegram. The chatbot based on neural network automates data collection and analysis, improves coordination of participants and reduces the influence of human factor. The stages of creation and testing of the chat-bot are considered, and the cost-effectiveness of implementation is estimated. The proposed solution is aimed at improving the accuracy and efficiency of decision-making, reducing risks and improving the general practice of interaction in the aviation sector.

Ключевые слова: нейросеть, авиационная метеорология, гражданская авиация.

Keywords: neural network, aviation meteorology, civil aviation.

Введение.

Влияние погоды на полеты самолетов является важным аспектом авиационной безопасности и эффективности. Процесс принятия решения на вылет в условиях сложны метеоусловий является одним из важнейших аспектов безопасной эксплуатации воздушных судов. В авиационной отрасли, где скорость и точность принятия решений играют решающую роль, где традиционная схема взаимодействия между ключевыми участниками этого процесса включает себя командира воздушного судна (КВС), синоптика, сменного заместителя директора ЦУП (СЗД ЦУП) и полетного диспетчера.

Процесс принятия решения на вылет чаще всего сталкивается с рядом проблем, которые включают возможные задержки в получении и анализе важной информации, сложности с координацией между всеми участниками процесса, а также риск человеческих ошибок в интерпретации данных. Все эти факторы делают актуальной задачу усовершенствования процесса принятия решения на вылет, особенно в условиях непредсказуемости погодных условий.

Основная цель настоящего исследования заключается в изучении возможности и практической реализации внедрения виртуального авиасиноптика в форме чат-бота в мессенджере Telegram с использованием нейросети для оптимизации процесса принятия решения на вылет в условиях неопределённости метеоусловий в авиакомпании. В качестве примера в работе рассмотрена АО «Авиакомпания Россия».

Для достижения этой цели предполагается выполнение ряда задач:

- Изучение текущего процесса принятия решения на вылет, выявление его сильных и слабых сторон.

- Определение функций и требований к чат-боту, включая интеграцию с существующими системами.

- Разработка концепции и алгоритма работы чат-бота, включая выбор подходящих технических решений.

- Оценка экономической эффективности внедрения чат-бота и его влияния на улучшение процесса принятия решений.

Объектом исследования является процесс принятия решения на вылет в АО «Авиакомпания Россия», а предметом исследования служит внедрение чат-бота в мессенджере Telegram для усовершенствования этого процесса.

Для достижения поставленных целей используются следующие методы:

- Анализ литературных источников для ознакомления с современными тенденциями и практиками в области автоматизации процессов принятия решений в авиационной отрасли.

- Интервьюирование специалистов, участвующих в процессе принятия решения на вылет, для выявления текущих трудностей и возможностей для совершенствования.

- Моделирование бизнес-процессов для создания и проверки гипотез о возможных сценариях использования чат-бота.

Глава 1. Процесс принятия решения на вылет

Изучим более детально из чего состоит процесс принятия решения на вылет:

Участники процесса

Основными участниками процесса принятия решения на вылет являются:

- Командир воздушного судна (КВС) — это человек на борту воздушного судна, который в конечном итоге несет ответственность за его эксплуатацию и безопасность во время полета. [1]

- Синоптик — специалист, занимающийся предоставлением метеоинформации и оценки текущей и прогнозируемой погоды.

- Сменный заместитель директора центра управления полетов (СЗДЦ ЦУП) — должностное лицо, которое владеет всей ситуацией в суточном плане полетов, принимает оперативные решения по всем штатным и внештатным ситуациям

- Полётный диспетчер — отвечает за разработку рабочего плана полета (OFP)

Этапы принятия решения

Процесс принятия решения на вылет состоит из нескольких ключевых этапов:

1. Получение и анализ метеоинформации:

- Метеорологическая информация собирается из различных источников, таких как метеорологические центры, спутники и радиолокационные станции.

- Анализируется текущая погода на аэродроме вылета, по маршруту полета и на аэродроме назначения.

- Рассматриваются прогнозы погоды на ближайшие часы и дни.

2. Оценка минимума экипажа и эксплуатационного минимума аэродрома назначения [2]

- Эксплуатационные минимумы включают минимально допустимые параметры видимости, облачности и высоты нижней границы облаков, скорости ветра, коэффициента сцепления и др.

- Эти параметры сравниваются с текущими и прогнозируемыми метеоусловиями.

3. Совместное обсуждение и принятие окончательного решения:

- КВС, синоптик и СЗД ЦУП обсуждают собранную информацию и оценивают риски.

- Принимается окончательное решение о возможности вылета или необходимости его отмены.

Проблемы и ограничения

Текущий процесс принятия решения на вылет сталкивается с рядом проблем и ограничений:

Длительность процесса сбора и анализа информации:

- Необходимо собирать и анализировать большое количество данных из разных источников.

- Это требует значительного времени и усилий, особенно в условиях быстро меняющейся погоды.

- Ряд ресурсов, которые предоставляют метеоинформацию могут слишком долго загружаться или вовсе не работать по техническим причинам

Необходимость гармонизированного участия всех сторон:

- Все участники процесса должны находиться на связи и оперативно реагировать на изменения.

- Любые задержки или проблемы с коммуникацией могут привести к ошибкам или задержкам в принятии решения.

- Возможные задержки и ошибки в коммуникации:

- Человеческий фактор может привести к неправильной интерпретации информации.

- Ошибки в передаче данных могут повлиять на принятие решения и увеличить риск возникновения опасных ситуаций.

На основании вышесказанных проблем и ограничений стоит необходимость усовершенствования процесса принятия решения на вылет путем внедрения

Глава 2. Концепция и функциональность чат-бота.

Функциональные требования к чат-боту

Для эффективного функционирования виртуального авиасиноптика в форме чат-бота в мессенджере Telegram необходимо реализовать следующие функциональные требования:

- Доступ к актуальной метеоинформации:

Чат-бот должен иметь возможность получать доступ к данным от разных источников: метеорологических центров, спутников и радарных станций в реальном времени [3]

-Возможность быстрого обмена сообщениями между участниками: Обеспечение мгновенной передачи сообщений между КВС, синоптиком, СЗД ЦУП и полётным диспетчером.

- Интерактивные формы для ввода и отображения данных:

Создание удобных интерфейсов для ввода и отображения метеоданных, позволяющих участникам легко ориентироваться в информации.

- Безопасность и конфиденциальность информации:

 Гарантирование высокого уровня защиты данных, предотвращающего утечку или несанкционированный доступ к информации.

Алгоритм работы чат-бота

Алгоритм работы чат-бота можно описать следующим образом:

1. Сбор и обработка метеоданных:

- Чат-бот собирает данные из различных источников, используя API метеорологических сервисов.

- Обработка данных происходит с помощью нейросети, которая анализирует текущие и прогнозируемые метеоусловия.

2. Передача информации участникам процесса:

- Собранная информация передается либо одному участнику, либо всем участникам процесса через чат-бота в Telegram.

- В случае поступления новой информации приходит мгновенное уведомление

3. Фиксация решений и предложений:

- Все предложения и решения участников фиксируются в устном формате

- Чат-бот сохраняет историю метеоинформацию для дальнейшего анализа и улучшения процесса принятия решений.

3. Пример сценария использования

Рассмотрим пример сценария использования чат-бота при принятии решения на вылет:

1. Запуск чат-бота:

- При возникновении сомнений в метеоусловиях на аэродроме назначения, КВС запускает чат-бот в Telegram.

- КВС вводит свой табельный номер, дату и номер рейса, поскольку чат-бот будет иметь ограниченный доступ только для сотрудников АК «Россия»

- При необходимости можно дать схожие права для других участников процесса принятия решения на вылет, либо дать право просмотра информации доступной КВС.

2. Последовательность шагов для принятия решения:

- Чат-бот начинает сбор метеоданных и передает их КВС.

- Чат-бот на основе нейросети фиксирует всю полученную и обработанную метеоинформацию, а далее формирует результаты в виде своего экспертного заключения.

Далее все вышесказанные участники процесса принятия решения на вылет обсуждают текущую ситуацию, обмениваясь мнениями и предложениями.

Чат-бот на основе нейросети выступает в роли помощника-консультанта, предоставляя актуальную информацию и помогая участникам принимать обоснованные решения. Мнение чат-бота носит рекомендательный характер, оставляя окончательное решение за КВС.

Глава 3. Разработка и тестирование чат-бота.

Выбор платформы и инструментов

Для разработки чат-бота была выбрана платформа Telegram, благодаря ее широкому распространению и удобству использования. Основные инструменты и технологии, которые можно использовать в проекте:

- Платформа для создания чат-бота: Telegram Bot API.

- Язык программирования: Python.

- Фреймворки: Flask для создания веб-сервиса и обработки запросов.

- Библиотеки: Requests для работы с HTTP-запросами, Pandas для обработки данных, Matplotlib для визуализации.

- Интеграция с внутренними и внешними источниками данных: ПО «OpenSky» и API метеорологических сервисов, таких как OpenWeatherMap и NOAA и др.

При необходимости можно изменять вышеуказанные компоненты.

Тестирование и отладка.

На этапе разработки потребуется создание тестового окружения, имитирующее реальные условия работы чат-бота. Основные этапы тестирования должны включать:

- Создание тестового окружения: Воссоздание типичных сценариев принятия решений на вылет.

- Проверка корректности работы алгоритмов: Тестирование на предмет ошибок и сбоев в работе нейросети.

- Испытания в реальных условиях: Проведение испытаний с участием реальных пользователей для оценки эффективности и удобства использования.

Глава 4 Оценка эффективности внедрения чат-бота.

Внедрение виртуального авиасиноптика в форме чат-бота в мессенджере Telegram с использованием нейросети существенно улучшит процесс принятия решения на вылет в условиях сложных метеоусловий. Основной эффект будет заключаться в повышении точности и оперативности принятия решений, а также в снижении влияния человеческого фактора.

Разберем подробнее каждое ниже:

1. Повышение точности и оперативности

Чат-бот на основе нейросети выступает в роли помощника-консультанта, предоставляя актуальную информацию и помогая участникам принимать обоснованные решения. Мнение чат-бота носит рекомендательный характер, оставляя окончательное решение за человеком. Благодаря этому, процесс принятия решения становится более структурированным и объективным.

2. Снижение рисков, связанных с человеческим фактором

Автоматизация процесса сбора и анализа метеоданных, а также предоставление рекомендаций на основе искусственного интеллекта, значительно снижает вероятность ошибок, которые могут возникнуть из-за человеческого фактора. Это позволяет минимизировать риски, связанные с неправильной интерпретацией данных.

3. Улучшение коммуникации и координации

Чат-бот служит единым информационным центром, объединяющим всех участников процесса принятия решения. Это облегчает координацию действий между всеми участниками, задействованными напрямую в обеспечении и производстве полетов. Быстрый обмен данными и возможность мгновенного обсуждения проблемных вопросов способствуют более слаженной и эффективной работе всей команды.

4. Унифицированные стандарты и практика.

Внедрение чат-бота помогает унифицировать процесс принятия решений, обеспечивая лучшую стандартизацию процедур и методов взаимодействия между всеми участниками процесса. Это способствует снижению вероятности возникновения конфликтов и разногласий, возникающих вследствие различий в восприятии информации разными специалистами.

5. Повышение уровня безопасности

Использование чат-бота помогает предотвратить потенциальные инциденты, связанные с неблагоприятными метеоусловиями. Своевременное предоставление точных прогнозов и рекомендаций позволяет КВС принимать более обоснованные решения, что в конечном итоге повышает уровень безопасности полётов.

Для оценки необходимости внедрения виртуального авиасиноптика можно использовать следующие метрики:

Оценка рисков

Вероятность ошибок (Pₑᵣᵣₒᵣ)- это вероятность того, что модель предскажет неправильное решение о вылете (например, разрешит вылет при неблагоприятных условиях или отменит вылет, когда это не требуется).

Pₑᵣᵣₒᵣ = P(Yₜᵣᵤₑ ≠ Y_(pred))

где Yₜᵣᵤₑ — истинное значение (реальное решение о вылете).

Y_(pred) — предсказанное моделью значение.

Чем выше вероятность ошибок, тем выше риск для безопасности полетов и тем больше потенциальные затраты на устранение последствий этих ошибок.

Стоимость задержек и отмен

Стоимость задержки всех рейсов по метеоусловиям (МУ) за N период(C_(delay))- это общая стоимость, связанная с задержкой рейсов по МУ, включая дополнительные расходы на топливо, оплату труда экипажа, компенсации пассажирам и другие затраты.

C_(delay) = N_(delay) ⋅ C_(per\ flight)

где N_(delay) — количество задержанных рейсов по МУ за определенный период.

C_(per\ flight) — средняя стоимость задержки одного рейса по МУ (включает все упомянутые выше затраты).

Эта метрика помогает понять финансовые последствия задержек. Если количество задержек высоко, это может существенно повлиять на прибыль авиакомпании.

Стоимость отмены (C_(cancel)

Это общая стоимость, связанная с отменой рейсов по МУ, включая потерю доходов от билетов, компенсации пассажирам и затраты на повторное бронирование.

C_(cancel) = N_(cancel) ⋅ C_(per\ flight)

где N_(cancel) — количество отмененных рейсов по МУ за определенный период.

C_(per\ flight) — средняя стоимость отмены одного рейса по МУ (включает потерю доходов и компенсации).

Высокие затраты на отмены могут указывать на необходимость улучшения процесса принятия решений о вылете.

Общая стоимость

Теперь мы можем рассчитать общую стоимость операций без и с внедрением виртуального авиасиноптика.

Общая стоимость без внедрения виртуального авиасиноптика (Cₜₒₜₐₗⁿᵒ ᵇᵒᵗ)- это величина, которая показывает общие затраты, связанные с задержками и отменами рейсов по МУ без использования виртуального авиасиноптика.

Cₜₒₜₐₗⁿᵒ ᵇᵒᵗ = C_(delay) + C_(cancel)

Общая стоимость с внедрением виртуального авиасиноптика (Cₜₒₜₐₗᵇᵒᵗ):

Cₜₒₜₐₗᵇᵒᵗ = C_(delay)ᵇᵒᵗ + C_(cancel)ᵇᵒᵗ

где C(delay)ᵇᵒᵗ и C(cancel)ᵇᵒᵗ — стоимости задержек и отмен по МУ в случае использования виртуального авиасиноптика. Эти значения должны быть меньше, чем без бота, если система эффективна.

Оценка эффективности внедрения

Для оценки необходимости внедрения виртуального авиасиноптика мы можем использовать отношение общих затрат без бота к общим затратам с ботом.

Формула оценки эффективности (E):

E = Cₜₒₜₐₗⁿᵒ ᵇᵒᵗ / Cₜₒₜₐᵇᵒᵗ}

Если E > 1: Это означает, что затраты без внедрения виртуального авиасиноптика превышают затраты с его внедрением, что свидетельствует о целесообразности использования системы.

Если E < 1: Это может указывать на то, что внедрение не приводит к значительным экономическим выгодам или даже увеличивает затраты.

Заключение.

Таким образом, доказана и обоснована значимость внедрения виртуального авиасиноптика в форме чат-бота в мессенджере Telegram с использованием нейросети для усовершенствования процесса принятия решения на вылет в условиях сложной метеорологической обстановки.

Внедрение виртуального авиасиноптика в формате чат-бота открывает новые горизонты в управлении безопасностью полётов и позволяет компаниям эффективно справляться с вызовами, возникающими в условиях сложных метеорологических условий.

Cписок литературы:

1. Федеральная служба по труду и занятости. Электронный классификатор специальностей и профессий. URL: https://profstandart.rosmintrud.ru/obshchiy-informatsionnyy-blok/spravochniki-i-klassifikatory-i-bazy -dannykh/eksd/index.php?ELEMENT_ID=101795 (дата обращения: 24.12.2024).
2. Приказ Минтранса России от 31.07.2009 N 128 (ред. от 29.05.2023) "Об утверждении Федеральных авиационных правил "Подготовка и выполнение полетов в гражданской авиации Российской Федерации" (Зарегистрировано в Минюсте России 31.08.2009 N 14645). URL: https://www.consultant.ru/document/cons_doc_LAW_91259/ (дата обращения: 24.12.2024).
3. Кузнецов, И. Карманный синоптик: за час пишем Telegram-бота для мониторинга погоды на Python. VC.ru. URL: https://vc.ru/dev/720275-karmannyi-sinoptik-za-chas-pishem-telegram-bota-dlya-monitoringa-pogody-na-python (дата обращения: 24.12.2024).