Prévision de la demande de cargo aérien

RÉSUMÉ: Notre étude porte sur la prévision de la demande de transport de marchandises pour la compagnie aérienne Air Canada. En effet, les conventions du secteur du cargo aérien engendrent une forte incertitude dans la quantité des marchandises à transporter jusqu'à la dernière minute. Cela peut engendrer des problèmes de débordement où la capacité des avions est dépassée par le cargo à transporter. Une méthode de réaffectation a été proposée dans un projet précédent pour la compagnie par Zago et al. [1]. Pour fonctionner, cette méthode nécessite les distributions de probabilité du show-up rate des commandes de marchandises à transporter ; le show-up rate étant la proportion de marchandises à transporter par rapport à la quantité commandée.Une forme simplifiée de la distribution a été proposée dans le projet précédent en [1]. Cette forme simplifiée peut être définie à partir de seulement trois paramètres. Une estimation de ces paramètres est proposée à partir de données fournies par la compagnie aérienne. Pour effectuer cette estimation, les commandes présentes dans les données sont groupées selon trois agrégations envisagées, une agrégation totale, une agrégation par origine géographique des commandes et une agrégation par clients ayant passé les commandes. Les paramètres de la distribution sont ensuite calculés pour les commandes historiques des données pour chacun de ces groupes et servent pour l'estimation des paramètres pour les commandes futures pour chacun des groupes des agrégations. Les précisions relatives des estimations obtenues pour différentes agrégations sont ensuite comparées par les erreurs qu'elles entraînent entre les paramètres prédits et les paramètres obtenus par la compagnie aérienne dans les données. Ensuite, on étend les résultats des prévisions de ces distributions de probabilité prédites à la prévision de la demande en marchandises à transporter pour vérifier la cohérence des résultats obtenus. Finalement une étude est effectuée à partir des prévisions de la demande sur le débordement des avions. Les trois agrégations sont étudiées pour vérifier laquelle permet une meilleure prévision des débordements pour les vols. Il est trouvé que l'agrégation par clients permet non seulement la meilleure estimation des paramètres de la distribution mais également la meilleure prévision de la demande et des débordements des vols. ABSTRACT: In our study, we worked for the airline Air Canada to study a way to forecast air freight demand. Several customs in the field of air freight transport create a lot of uncertainty on the quantity of cargo that will have to be transported for a given order. Overfilled planes can be an issue brought from this uncertainty. A reoptimizing method for cargo shipping plans has been developped by Zago et al. in a previous project with the airline. The input this method requires is the parameters of the approximation of probability distribution of the show-up rate of the orders. We study a way to estimate these parameters then improving our forecast with specific groupings of the orders. We first group the orders according to their geographic origins or destinations then try an other aggregation according to the customers who made the orders. We decide to use the aggregation by customers for the customers with the most numerous orders ; for smaller customers, the geographic grouping will be prefered. An extension of the study is then made where we extrapolate the parameters we estimated to forecast the demand of freight to be transported as a way to confirm the consistency of our previous results. Finally, a study of the overflow of the flights is made showing that the forecast of this demand permits a prediction of the number and quantity of overflowing cargo in the fligths of the network. The aggregation by customers is still shown to bring the best results for forecasting the overflow.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.