航空/物流是一个大行业，所涉及的问题很多，如发展战略问题、运营效率问题、管理系统问题、IT规划与实施等问题.
本次就航空中的一个点上问题，但对航空成本造成很大影响——航空配餐问题着重做介绍。
航空配餐问题
随着航油价格的不断上涨和竞争的日趋激烈，航空业的利润在下降。为了保持一定的利润空间，各大航空公司都将降低成本，提高运营效率作为重要的竞争手段。特别是在降低成本方面，可谓使出了浑身解数，比如为机上物品瘦身，如减少餐食、读物的重量，以降低飞机载重，减少航油消耗，以此降低运营成本。
其实在降低成本方面，机上配餐是一个值得考虑而被忽视的领域，据统计，航空公司去年光是浪费掉的航空餐食的费用就高达四亿元人民币左右。也许有人说，航空配餐难道不是一个很简单的问题吗？只要数一下机上乘客的数量来可以决定航空餐的份数，这有何难！但问题是飞机上准确的乘客数量（只有在飞机关上舱门的那一刻才能够知晓）往往与订餐时（通常在飞机起飞前几小时）已订票旅客的数量不完全一致，这就为机上餐食数量的确定带来了困难：订多了加大成本，造成浪费；订少了旅客吃不到，抱怨，投诉接踵而来。
因此准确地预测航空餐的数量，做到在保持一定客户服务水平的前提下，尽量降低餐食成本，的确不是一件容易的事情。
配餐问题解决思路
基于航空公司历史配餐数据，如旅客不同时间段的订票数据、实际机上旅客数据、航空订餐的数据、航空餐经济损失等数据，以及对旅客订票、签票模式的研究，建立一个订餐预测模型，并进行校准、验证，得出配餐方案的优化策略，在此基础上，结合票务系统的当前已订票数量，建立配餐优化系统，从而在不同决策点提供配餐自动决策支持。如下图所示：
配餐问题解决思路示意图
主要步骤与结论
(1)重点分析在不同决策时间点旅客数量的变化
.gif)
（2）配餐决策模型建立
根据不同时刻乘客数量，来分析下一个决策时刻的乘客达到决策模型，示例如下：
.gif)
并在模型中将影响旅客登机的可能外在因素考虑在内，如在前一个时间段，旅客的数量；一周每天旅客的数量；去同一目的地的前一个航班旅客的变动；不同季节数据；一天中第一个和最后一个航班的旅客；在前一个时间段，商务舱的旅客人数等信息；以前对旅客登机的预测数据等。
（3）配餐自动决策支持系统输出结果:
综合考虑决策点之间的旅客数量变动概率，以及航空餐的总成本等因素，利用数学模型优化配餐策略，建立决策支持系统，系统将对不同航班根据乘客信息和起飞时间等,自动提出不同时间段的配餐推荐方案。如下表：
航班类型:00 |
航班号 |
目的地 |
起飞时间 |
起飞前剩余时间 |
满员人数 |
建议订餐数量 |
当前已订餐数量 |
建议行动 |
已订票乘客 |
签票乘客 |
远程 |
566 |
伦敦 |
8:20 |
0:05 |
236 |
165 |
170 |
不变 |
179 |
159 |
508 |
香港 |
10:00 |
1:45 |
180 |
126 |
110 |
增加16 |
130 |
80 |
537 |
纽约 |
16:30 |
8:15 |
180 |
126 |
120 |
不变 |
125 |
--- |
592 |
伦敦 |
16:00 |
7:45 |
180 |
126 |
130 |
不变 |
133 |
-- |
中程 |
527 |
可尔加里 |
8:45 |
0:30 |
108 |
68 |
72 |
不变 |
72 |
65 |
571 |
温哥华 |
9:00 |
0:45 |
108 |
95 |
100 |
不变 |
100 |
85 |
502 |
爱蒙顿 |
10:45 |
2:30 |
108 |
60 |
70 |
减少10 |
64 |
10 |
561 |
班夫 |
12:00 |
3:45 |
108 |
75 |
72 |
不变 |
80 |
--- |
|
