世界上最大的航空公司借助NVIDIA Quadro，實現高效貨物運輸，改善重量分配并節省燃料。

如果你認為用商業航班運輸貨物很有壓力，可以考慮一下航空貨運業。

客運航班通常需要提前幾個月預定并支付費用，而貨運航班一般在起飛前10天預定即可，且發貨前無需支付運費。

然而，盡管客戶為貨物運輸預定了位置，有些貨物也未能如期出現。這就讓最周密的計劃也會因此受到嚴重影響。

美國航空公司（American Airlines）不僅提供客運服務，還在全球范圍內為消費者和企業提供航空貨運服務。這在保證全球必需品供應方面發揮了重要作用，因此公司致力于以最高效的方式運輸貨物。

貨運工作需要分析多種變量，其中最困難的是確定貨物能否在發貨時如期出現。

預測未來并不容易，但數據科學可以提供幫助。美國航空公司借助機器學習以及Quadro賦力的惠普Z系列數據科學工作站運行模型，以評估貨物出現的可能性，從而更好地提前計劃發貨。

應對“貨物未出現”

美國航空公司每天接收數上千批貨物，每批貨物都需要其貨運團隊快速管理。但由于不確定未能出現貨物的數量，物流管理工作變得十分復雜。

美國航空公司機器學習和人工智能中心負責人 Tassio Carvalho表示:“美國航空公司利用預定中的詳細信息來規劃貨艙布局，決定貨物應該如何放置。”

如果貨物在發貨當天沒能上飛機，就沒有時間重新規劃布局或轉售空間。也就是說貨艙內的貨物配置不是最優方案，這會導致運輸燃料消耗增大。

美國航空公司貨運收益管理總經理Chris Isaac表示：“未能如期出現的貨物使我們損失了數百萬美元的收入，而且很多時候這可能會導致我們拒絕本可承接的其他重要貨物的運輸。提前確定航班的預訂貨運量可以讓我們重新規劃可用空間并合理利用。”

借助機器學習簽收、密封和送達

Carvalho及其團隊借助Quadro GPU賦力的惠普Z系列數據科學工作站，創建了一個機器學習模型。該模型可以從客戶的預訂單中獲取數據，并預測貨物能否如期出現的可能性。

該團隊使用開源GPU加速機器學習包H2O4GPU構建了預測模型，并放入了一整年的數據，其中包含50萬個預訂記錄。每條記錄大約有20個特征，這些特征又被分割成約100個衍生特征。

在預定貨運航班的前三天，美國航空公司通過該模型運行每個預訂的詳細信息。當結果顯示貨物有很大可能性不會出現時，團隊就會聯系客戶確認他們是否按預定運貨。

使用機器學習來標記有風險的貨物，可以讓貨運代理專注處理貨物如期出現可能性最低的訂單，而不必給每個客戶打電話確認。

Carvalho表示：“這個模型很有價值，因為它可以顯示哪些貨物可能不會出現，哪些訂單在到達機場時會有變化。有了數據科學工作站，我們能夠獲得精確度至少達到90%的高精度模型。這有助于我們更好地規劃貨物運輸。”

借助Quadro GPU, Carvalho及其團隊能夠以比CPU快10倍的速度運行計算，更快地獲得預測和結果，從而提高貨物空間利用率并減少燃料消耗。

美國航空公司還宣布，他們將實施一項公平的預訂政策，允許客戶至少提前48小時免費取消預訂。最新的政策與預測模型相結合，使美國航空公司能夠最大限度地利用飛機上的空間。

Isaac表示：“對美國航空公司來說，能夠運用先進的分析解決行業最大的問題之一，為整個行業帶來了變革。我們擁有業內最好的數據科學團隊，并且非常樂意將模型結合到我們的業務流程中。”

編輯：hfy