Métodos de Aprendizaje Estadístico y Automático para la Estimación del Load Factor y Asignación de Capacidad para una Aerolínea

Abstract

En cualquier industria, conocer con antelación la demanda permite una asignación de recursos óptima. En la industria aeronáutica, uno de los tantos recursos a asignar es la capacidad; es decir la cantidad de asientos que se van a destinar a la venta. Cualquier asiento que no se venda en una ruta, es un asiento que podría haberse vendido en otra. Es por este motivo que tener estimaciones de demanda precisas tiene mucho valor, permitiendo que las decisiones de último momento afecten lo menor posible a la compañía. En el presente trabajo se utilizan múltiples técnicas de aprendizaje estadístico y automático para estimar la demanda de pasajeros para 10 rutas de cabotaje en 3 meses de una aerolínea argentina. Posteriormente, con la información de demanda estimada, se reasignará la capacidad total de la que se dispone, en pos de maximizar los ingresos totales durante esos meses. El mejor resultado de predicciones se obtuvo con un modelo de redes neuronales encoder-decoder con mecanismo de atención. Se ajustaron múltiples modelos estadísticos lineales y basados en árboles, pero ninguno lo hizo mejor que los modelos de redes neuronales. Finalmente, la asignación de capacidad que maximizaba el ingreso se logró mediante el planteo de un problema de programación lineal entera.