header_home_wuerfel_1920px.jpg

Data Analytics: Wie Flugverspätungen analysiert werden können

Die Rheinische Post berichtet von knapp 1500 Flügen mit mehr als dreistündiger Verspätung bis Ende Mai 2018. Das sind in etwa doppelt so viele, wie im Vorjahreszeitraum. So ärgerlich die Zahlen nun auch sind, ein Lichtblick ist, dass diese Verzögerungen dank Data Analytics genauer unter die Lupe genommen werden können.

Wenn Flieger sich verspäten, werden Nerven strapaziert; egal, ob der Business-Termin oder die Südseeinsel wartet. Im Sommer 2018 müssen Fluggäste wohl besonders geduldig sein, denn die Zahl der Flüge mit starker Verspätung hat in diesem Jahr massiv zugenommen. Auch der europäischen Flugsicherung Eurocontrol zufolge hat sich die durchschnittliche Verspätung eines Fluges gegenüber letztem Jahr mehr als verdoppelt: von einer knappen halben Minute auf über eine ganze Minute. Ziel der Analysen ist es, Flugverspätungen so vorhersehbar wie möglich zu machen und im besten Fall auch präventiv dagegen vorzugehen. Hierfür müssen Daten aus unterschiedlichen Quellen (Maschinen, Prozesse, Wetterdaten etc.) aggregiert und analysiert werden.

aircraft-513641_1920

Photo by ThePixelman on Pixaby

Im kommenden triCast „Data Analytics on top of Azure Big Data Source“ am Dienstag, 31.Juli 2018, von 16:00 bis 16:45 Uhr zeigen die Consultants Marco Amhof und Noam Arnold wie es mit PowerBI möglich ist, Flugverspätungen zu analysieren und wie eine passende Big Data Architektur aussehen könnte. In verschiedenen Szenarien wird demonstriert, wie die Daten kombiniert, gesammelt und gespeichert werden können, sodass eine relevante Auswertung möglich wird. Folgende Technologien werden hierfür vorgestellt: Azure Data Factory, Azure Data Lake Storage / Analytics, Azure Cosmos DB, Azure Blob Storage, Azure Data Warehouse, Azure Analysis Services, Power BI, R Studio.

Gerade Verspätungen, die auf defekte Bauteile, also auf technische Störungen zurückzuführen sind, konnten durch Data Analytics bereits erheblich reduziert werden. Die britische Fluglinie easyJet nutzt hierfür das Predictive Maintenance Angebot Skywise von Airbus, das Daten zur Zuverlässigkeit von Flugzeugbauteilen sammelt. Auf diese Weise kann der Soll- mit dem Ist-Zustand eines Flugzeugs laufend verglichen werden. Bei Abweichungen ist es so möglich, die Reparatur von Bauteilen, deren Defekt vorhergesagt wird, rechtzeitig zu planen. Verspätungen durch plötzlich notwendige, unvorhersehbare Reparaturen, lassen sich damit schon mal vermeiden. Weitere Auswertungen und Analysemöglichkeiten erfahren Sie in unserem Tricast.

New Call-to-action

Weiterführende Informationen

Topics: Modern Data Analytics Digital Business Transformation Big Data Innovation