Análisis de datos operativos para optimizar el peso sin combustible
Tutor / Supervisor
Student
Garcia Salvador, Àngela
Document type
Bachelor thesis
Date
2024
rights
Restricted access - confidentiality agreement
Publisher
Universitat Politècnica de Catalunya
UPCommons
Abstract
Este trabajo tiene como objetivo optimizar el cálculo del peso sin combustible utilizado en los planes de vuelo de Vueling, que actualmente se basa en pesos estándar. Se propone una metodología más precisa basada en las reservas reales de los pasajeros y también, el uso de modelos de machine learning para predecir con mayor exactitud el peso real de la aeronave. Esto permitiría reducir la diferencia entre el peso planificado y el real, con el consiguiente ahorro de combustible y reducción de emisiones de CO2. La metodología incluye la recopilación y preprocesamiento de datos reales, la selección de modelos predictivos como la regresión lineal y Random Forest, y la validación de su precisión mediante validación cruzada. Los resultados muestran una mejora significativa en las predicciones, reduciendo en promedio 170 kg la diferencia de peso y ahorrando unos 60 kg de combustible por vuelo. Este proyecto no solo aporta mejoras económicas y operativas para la compañía, sino que también contribuye a la sostenibilidad medioambiental, abriendo además la posibilidad de automatizar este proceso en el futuro para mejorar aún más la eficiencia operativa.
This project aims to optimize the calculation of the zero-fuel weight used in Vueling's flight plans, which is currently based on standard weights. A more precise methodology is proposed, based on real passenger reservations, along with the use of machine learning models to more accurately predict the actual weight of the aircraft. This would reduce the difference between the planned and actual weight, resulting in fuel savings and a reduction in CO2 emissions. The methodology involves the collection and preprocessing of real data, the selection of predictive models such as linear regression and Random Forest, and the validation of their accuracy through cross-validation. The results show a significant improvement in predictions, reducing the weight difference by an average of 170 kg and saving approximately 60 kg of fuel per flight. This project not only provides economic and operational improvements for the company but also contributes to environmental sustainability. Additionally, it opens up the possibility of automating this process in the future, further enhancing operational efficiency.
