Resumen de Aplicación de un modelo predictivo de consumo de combustible a partir de machine learning y random forest para una aerolínea comercial colombiana

Pedro Fernando Melo Daza, Juan Andrés Bermúdez Gómez, Sara Valentina González Medina, Cristian Lozano Tafur, Samuel Fuentes Rodríguez

• español

  En la industria aeronáutica, los costos de producción del hidrocarburo JET A-1 experimentan un incremento cercano al 5 % semanal a través de los años, lo cual ha repercutido en un alza de los gastos para los operadores aéreos. En esta investigación, se propone crear un modelo de predicción del consumo de combustible para vuelos regionales, con base en los datos recolectados de vuelos de una aerolínea colombiana durante el período 2018-2019. Para la creación del modelo predictivo, se utilizó la biblioteca Sci-Kit Learn del lenguaje de programación Python, y el enfoque del problema fue la perspectiva de ‘problema inverso’. Luego se procedió con la ingeniería de características para mejorar la calidad del conjunto de datos obtenido y permitir una mayor precisión en la predicción. Se implementó el modelo de predicción para las variables identificadas como dependientes e independientes y, finalmente, se evaluó su rendimiento utilizando las métricas de error absoluto promedio (MAE), error cuadrático medio (MSE) y raíz del error cuadrático medio (RMSE). Los resultados indican que el modelo es capaz de efectuar la predicción del consumo de combustible, con errores bajos en valores cuantitativos.

• English

  In the aeronautical industry, JET A-1 hydrocarbon production costs experience an increase of approximately 5% weekly over the years, which has resulted in a rise in expenses for air operators. This research proposes to create a fuel consumption prediction model for regional flights, based on data collected from flights of a Colombian airline during the period 2018-2019. To create the predictive model, the Sci-Kit Learn library of the Python programming language was used, and the problem was approached from an ‘inverse problem’ perspective. Feature engineering was then carried out to improve the quality of the obtained data set and allow for greater prediction accuracy. The prediction model was implemented for the variables identified as dependent and independent, and finally, its performance was evaluated using the metrics of Mean Absolute Error (MAE), Mean Squared Error (MSE), and Root Mean Squared Error (RMSE). The results indicate that the model is capable of predicting fuel consumption, with low errors in quantitative values.

• português

  Na indústria aeronáutica, os custos de produção do hidrocarboneto JET A-1 experimentam um aumento de aproximadamente 5% semanalmente ao longo dos anos, o que resultou em um aumento nos gastos para os operadores aéreos. Esta pesquisa propõe criar um modelo de previsão de consumo de combustível para voos regionais, com base em dados coletados de voos de uma companhia aérea colombiana durante o período de 2018-2019. Para criar o modelo preditivo, foi utilizada a biblioteca Sci-Kit Learn da linguagem de programação Python, e o problema foi abordado a partir de uma perspectiva de ‘problema inverso’. Em seguida, foi realizada a engenharia de características para melhorar a qualidade do conjunto de dados obtido e permitir uma maior precisão na previsão. O modelo de previsão foi implementado para as variáveis identificadas como dependentes e independentes e, finalmente, seu desempenho foi avaliado usando as métricas de Erro Absoluto Médio (MAE), Erro Quadrático Médio (MSE) e Raiz do Erro Quadrático Médio (RMSE). Os resultados indicam que o modelo é capaz de prever o consumo de combustível, com baixos erros em valores quantitativos.