ارتقاء عملیات حمل و نقل هوایی هوشمند با استفاده از رویکرد فرآیندکاوی

امروزه ﺻﻨﻌﺖ حمل‌ونقل ﻫﻮﺍﻳﻲ ﻧﻘﺶ ﺑﺴﻴﺎﺭ ﻣﻬﻤﻲ ﺩﺭ ﺭﻭﺍﺑﻂ ﮐﺸﻮﺭﻫﺎﻱ ﻣﺨﺘﻠﻒ ﺟﻬﺎﻥ، ﻧﻤﺎﻳﺶ قدرت‌های ﺍﻗﺘﺼﺎﺩﻱ ﻭ ﻧﻈﺎﻣﻲ ﻭ ﺗﺴﺮﻳﻊ ﺍﻣﻮﺭ ﺣﻴﺎﺗﻲ ﻳﮏ ﮐﺸﻮﺭ بر ﻋﻬﺪﻩ ﺩﺍﺭﺩ. بهبود عملکرد صنعت حمل‌ونقل هوایی با استفاده از تحلیل داده های عظیم موجود در این صنعت توسط روش های هوشمند، باعث افزایش بهره وری این سیستم می شود. طبق بررسی های انجام گرفته باوجود اهمیت این صنعت و وجود داده های عظیم در آن، در مطالعات گذشته به استفاده از روش های مبتنی بر داده برای کشف دانش در این صنعت توجه کم تری شده است. فرآیندکاوی یکی از این روش های هوشمند است که اجازه استخراج خودکار اطلاعات از داده های تاریخچه رخدادها و تجزیه‌وتحلیل فرآیندهای سیستم را می دهد. این تحقیق برای بررسی چگونگی پیش بینی هوشمند زمان وقوع رویدادهای کلیدی پرواز، به اجرای روش کشف فرآیند از منظرهای کنترل جریان (فرآیندی) و زمانی به کمک نرم افزار پروم می پردازد. در این تحقیق بعد از استخراج داده های اولیه پروازها از شرکت هواپیمایی زاگرس و تبدیل داده ها به گزارش رویداد، گزارش رویداد پروازها وارد پروم می شوند و به استخراج مدل سیستم گذار و پیش بینی زمان وقایع کلیدی پرواز پرداخته می شود. از جمله نوآوری های این تحقیق استفاده از روش پیش‌بینی زمان رویکرد فرآیندکاوی روی داده های واقعی، پیش‌بینی زمان و تحلیل رفتار زمانی وقایع کلیدی پروازهای آتی به‌صورت پویا و مبتنی بر رفتار گذشته هر پرواز است. بکارگیری نتایج این تحقیق باعث کاهش زمان انتظار، جلوگیری از ازدحام مسافران و افزایش رضایت آن ها با اطلاع‌رسانی به روز پروازها و درنتیجه افزایش تقاضای حمل‌ونقل هوایی می شود. همچنین به ایجاد برنامه ریزی هوشمند در سیستم حمل‌ونقل هوایی و بهبود زمان بندی تسهیلات فرودگاهی کمک شایانی می کند.

Enhancing Intelligent Aviation Operations Using Process Mining Techniques

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 databased 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 controlflow 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 uptodate 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.