Havacılıkta kapasite yönetimi ve spill (taşan talep) analizi

Bir uçuş satışa kapandığında sistemde iki sayı kalıyor: kaç koltuk vardı ve kaç yolcu bindi. Üçüncü sayı, o uçağa binmek isteyip yer bulamayanların sayısı, hiçbir yerde yazmıyor. Bu kayıp talebe spill (taşan talep) deniyor; tersine, boş kalıp satılamadan uçan koltuğa spoilage. Kapasite kararları, yani bir rotaya daha büyük uçak koymak ya da bir uçuşa ne kadar fazla rezervasyon kabul etmek, ikisi arasındaki dengeye bakıyor. Spill ölçülmüyor, tahmin ediliyor; ve o tahminin her parametresi, analistin bilerek seçmesi gereken bir varsayım. Dağılımın şekli, uçuşun ne zaman dolu sayıldığı, belirsizliğin ne kadar geniş tutulduğu ve hesabın nereden başlatıldığı sonucu değiştiriyor.

Kapalı uçuş talebin tavanını değil, kapının kapandığı yeri gösteriyor

Spill tahmininin ham maddesi kapalı uçuş. Sunumun operasyon notu kapalı uçuşu bütün sınıfların satışa kapatılması, yani erişilebilirliğin sıfıra inmesi olarak tanımlıyor. Kapanmış bir uçuşta gözlenen doluluk, talebin ne kadar olduğunu söylemiyor; yalnızca satışın nerede durdurulduğunu söylüyor. Kapının arkasında kaç kişinin kaldığını bulmak için bir ters hesap gerekiyor. Sunum bunu gelir yönetimi sistemlerinin demand unconstraining yöntemi olarak adlandırıyor: satışı durdurulmuş bir uçuşta gerçek talebi bulmak.

Bu ters hesabın ilk parametresi LFCF, kapalı uçuşlardaki doluluk oranı. Brifing sistem geneli için aylık bir düzeltme faktörünün nasıl kurulacağını iki adımda tarif ediyor. Önce her okuma gününde ve her rezervasyon sınıfında, geçmiş dönemin kapalı uçuşlarının ortalama doluluk oranı hesaplanıyor. Sonra bu değerler, aynı dönemde spill olan yolcu yüzdeleriyle ağırlıklandırılıp tek bir birleşik faktöre indiriliyor. Okuma günü (reading day) kalkışa kalan gün sayısı, rezervasyon sınıfı (booking class) ise uçaktaki sanal envanter sepetleri.

Ağırlıklandırmanın mantığı açık: spill’in çok olduğu okuma günü ve sınıf kombinasyonu, faktörün içinde daha çok söz sahibi oluyor. Hiç taşmayan bir sınıfın kapalı doluluğu, taşmanın nerede gerçekleştiğini anlatmıyor.

Yazılım tarafında bunun karşılığı bir birleştirme (join) disiplini. Faktör okuma günü ve rezervasyon sınıfından oluşan bileşik bir anahtar üzerinde hesaplanıyor ve iki girdisi aynı tarihsel pencereden gelmeli. Doluluk ortalamasını bir aydan, spill yüzdesini başka bir aydan çeken bir boru hattı hata vermez; sessizce yanlış bir ağırlıklı ortalama üretir. Pencere tanımını iki sorgunun ortak parametresi yapmak, bu hatayı yapısal olarak imkânsız kılmanın en ucuz yolu.

Dağılımın şekli, kuyruğun ne kadar ciddiye alındığını belirliyor

Spill’i tahmin etmek için bir talep dağılımı varsaymak gerekiyor: bu uçuşun talebi ortalamanın etrafında nasıl dağılıyor? Sunum iki adayı yan yana koyuyor. Normal (çan eğrisi) dağılım simetrik ve ortalama etrafındaki standart sapmalara odaklanıyor. Gamma dağılımı asimetrik, sağa çarpık ve sıfırın altına inemiyor; odağı ortalamanın çok üstüne çıkan aşırı talep anları.

Bu farkın iki pratik sonucu var. Birincisi, havacılık talebi negatif olamaz ama Normal dağılım kuyruklarında matematiksel olarak negatif değer üretebiliyor. Sunumun mühendislik notu bu yüzden gelir yönetimi yazılımlarında Gamma ya da log-normal dağılımların tercih edildiğini söylüyor. İkincisi, spill tam olarak kapasitenin üstündeki kuyrukta yaşıyor. Sağa uzun kuyruk bırakan bir dağılım, o kuyruğa daha fazla olasılık kütlesi koyuyor; talebin kapasiteyi aştığı günlerin sıklığını farklı hesaplıyor.

Tablonun son satırı seçimi rotaya bağlıyor: Gamma değişkenliği yüksek uçuşlarda, Normal talep dalgalanmasının düşük olduğu rotalarda. Sunumun notuna göre 0.40’lık bir CV, tatil rotalarında sık görülen çok yüksek bir oynaklık.

Bir mühendis için buradaki ders, dağılım seçiminin bir kod sabiti değil, rotaya bağlı bir konfigürasyon olması gerektiği. Normal dağılımla çalışan bir modül kullanılacaksa, negatif talep üretebildiği bilinerek kullanılmalı; o değerleri sessizce sıfıra kırpmak, dağılımın ortalamasını fark ettirmeden kaydırır.

Yüzde yüz doluluk varsayımı spill’i şişiriyor

İkinci varsayım, bir uçuşun ne zaman dolu sayılacağı. LFCF’yi yüzde 100 almak, kapanan uçuşun kusursuz biçimde, son koltuğuna kadar dolduğunu kabul etmek demek. Sunum bunu teorik maksimum olarak adlandırıyor ve sistemdeki en yüksek spill olasılığını hesapladığını söylüyor. Yüzde 96 ise pratik operasyonel tavan: son dakika iptallerini ve no-show gerçekliğini içeren, daha düşük ama operasyonel olarak daha isabetli bir taşma eğrisi veriyor.

Brifing bu seçimin sonucu doğrudan etkilediğini söylüyor: LFCF’nin yüzde 100 ya da yüzde 96 alınması, gözlenen doluluk ile spill oranı arasındaki ilişkiyi değiştiriyor. İş kuralı, oranın uçuşun kapanma noktasındaki gerçek performansını yansıtacak şekilde ayarlanması. Sunumun operasyon notu gerekçeyi somutlaştırıyor: bagaj limitleri ya da vize sorunları gibi operasyonel sebeplerle uçuşlar nadiren tam yüzde 100 dolulukla kalkıyor ve gelir yönetimi sistemi hedefi yüzde 96-98 bandına koyarak optimizasyon yapıyor.

Grafikteki asıl bilgi eğrilerin biçimi. Sunumun kritik gözlemine göre gözlenen doluluk yüzde 80’i aştığında, iki varsayımda da spill oranı hızla üstel bir artışa geçiyor. Yani LFCF seçimi düşük doluluklu uçuşlarda neredeyse hiçbir şeyi değiştirmiyor; farkı, büyük uçak ya da ek sefer kararına aday olan dolu uçuşlarda yaratıyor. Yüzde 100 varsayımıyla çalışan bir analiz, tam da en önemli uçuşlarda kaybedilen talebi olduğundan büyük gösteriyor ve kapasite artışını olduğundan cazip kılıyor.

Belirsizlik bakılan pencereyle birlikte büyüyor

Üçüncü parametre varyasyon katsayısı (CV): standart sapmanın ortalamaya oranı, talebin ortalamaya göre ne kadar oynak olduğunun ölçüsü. Brifingin kuralı açık: veri kümesi genişledikçe ve zaman aralığı uzadıkça CV artırılmalı. Tek bir uçuş bacağının bir aylık analizi için 0.30-0.35 bandı, yıllık sistem geneli analiz için 0.46.

Sunum bu kuralı bir matrise döküyor. Tekil uçuşun aylık periyodu 0.30 ile en düşük değer. Uçuş bacağı aylıkta 0.35, yıllıkta 0.38. Tüm sistem aylıkta 0.42, yıllıkta 0.46 ile en yüksek değer. Artışın gerekçesi mevsimsellik ve ağ büyüklüğü: tek bir uçuşun aylık varyansı düşük, ama veri bütün ağ ya da bütün yıl üzerinden toplandığında mevsimsel dalgalanmalar da içeri giriyor.

Brifingin kaygısı hata payı: aylık planlamadan yıllık stratejik planlamaya geçerken CV güncellenmezse, model yıllık verideki mevsimsel oynaklığı görmezden gelir; spill hesabının hata payı da büyür. Önceki başlıktaki grafikle birleştirince tablo netleşiyor: spill, dağılımın kapasitenin üstünde kalan kuyruğunda ölçülüyor ve o kuyruğun kalınlığını büyük ölçüde CV belirliyor.

Yazılım tarafında bunun karşılığı, CV’nin tek bir global sabit değil, analizin kapsamı ve zaman ufkuyla anahtarlanan bir arama tablosu olması. Aynı spill fonksiyonu hem bir hattın aylık raporunu hem yıllık filo çalışmasını besliyorsa, çağıran taraf hangi hücreden okuduğunu açıkça söylemeli. Varsayılan bir değere düşen çağrı, iki farklı soruya aynı belirsizlikle cevap verir.

Spill tek adımda hesaplanmıyor, yakınsatılıyor

Dört parametre seçildikten sonra hesabın kendisi geliyor ve o da tek geçişte bitmiyor. Brifingin kurduğu ilişki şu: tahmin edilen doluluk oranı, 1.0 eksi spill oranı. Sistemin aslında uçağa alabileceği potansiyel talepten, kaçırılan kısım düşüldükten sonra kalan pay.

İteratif süreç, gözlenen doluluktan daha yüksek bir nominal doluluk varsayımıyla başlatılıyor. Bu başlangıç noktası, seçilen CV ve LFCF değerleriyle formülden geçiriliyor; çıkan tahmini doluluk gözlenen dolulukla karşılaştırılıyor ve nominal değer, tahmin gözleneni yakalayana kadar rafine ediliyor. Başlangıcın yukarıdan seçilmesinin mantığı basit: spill yalnızca taşınan yolcuyu azaltabilir, dolayısıyla gerçek talep gözlenen dolulukla aynı ya da ondan yüksek olmak zorunda. Brifing bu başlangıcın algoritmanın doğru sonuca daha hızlı yakınsamasını sağladığını söylüyor.

Döngünün mühendislik tarafı tanıdık bir kök bulma problemi. Sunumun notuna göre bu işlem modern PSS’lerde her gece toplu optimizasyon içinde milyonlarca kez tekrarlanıyor. O ölçekte iki şey önem kazanıyor: her uçuşun bir yakınsama ölçütü ve bir iterasyon üst sınırı olması, ve yakınsamayan uçuşların sessizce son değerle kaydedilmek yerine ayrıca işaretlenmesi. Başlangıç noktasını gözlenen doluluğun üstünde tutmak da kural değil, bir ön koşul olarak kodlanmaya uygun: altından başlayan bir çağrı, zaten fiziksel anlamı olmayan bir bölgede arama yapıyor.

Overbooking aynı kapasitenin öbür yüzü

Spill, kapasitenin yetmediği yerde kaybedilen yolcu. Overbooking (fazla rezervasyon) ise ters yöndeki kaybı, rezervasyonu olduğu halde gelmeyen yolcunun boş bıraktığı koltuğu hedefliyor. Sunumun kapak notu ikisini aynı cümlede kuruyor: spill ile spoilage risklerinin optimizasyonu.

Brifing optimum overbooking seviyesini belirleyen girdileri dört başlıkta sayıyor: biniş oranları, iptal oranları, rezervasyon kaydı olup eşleşmeyen yolcular (no-records) ve bağlantılı uçuşunu kaçıran yolcular (mis-connects). Sunum bunların her birinin hangi sistemden geldiğini de işaretliyor ve iki kavramı açıyor. No-record, uçuş kontrol sisteminin (DCS) listesine yansımayan, e-bileti kesilmemiş PNR’lar; kaynağı PSS ile GDS arasındaki senkronizasyon hataları. Mis-connect, aktarmalı hub uçuşlarında ilk bacağı geciken yolcu ve anlık takip gerektiriyor.

Bu dört girdinin ortak özelliği, hiçbirinin gelir yönetimi sisteminin kendi içinde doğmaması. Biniş oranı PSS’ten, no-record DCS ile GDS arasındaki uyuşmazlıktan, mis-connect hub operasyonundan geliyor. Yazılım tarafında overbooking modelinin kalitesi, formülünden çok bu beslemelerin tazeliğine ve birbirleriyle aynı uçuş anahtarında eşleşmesine bağlı. Spill tarafındaki LFCF tartışmasıyla da doğrudan ilişkili: yüzde 96’lık pratik tavanın arkasındaki son dakika iptalleri ve no-show’lar, overbooking modelinin girdileriyle aynı olaylar.

Yarın işe yarayacak dört çıkarım

1. LFCF’yi sabit yüzde 100 bırakma. Spill modelinde kapalı uçuş doluluğunu, uçuşun gerçek kapanma dinamiğini yansıtan bir değere (örneğin yüzde 96) çek. Fark en çok yüzde 80’in üstündeki dolu uçuşlarda, yani kapasite kararlarının verildiği yerde ortaya çıkıyor.
2. İterasyonu gözlenen doluluğun üstünden başlat. Nominal doluluk varsayımını gözlenen oranın üstünde tut; tahmini doluluğu 1.0 eksi spill oranı olarak hesapla ve gözlenene yakınsayana kadar rafine et. Yakınsamayan uçuşları ayrıca işaretle.
3. CV’yi analizin ölçeğine göre seç. Tek uçuşun aylık analizinde 0.30, uçuş bacağında 0.35-0.38, sistem genelinde 0.42-0.46 bandını kullan. Aylık planlamadan yıllık stratejik planlamaya geçerken CV’yi güncellemeyi unutma; hata payı buradan büyür.
4. Dağılımı rotanın oynaklığına göre seç, düzeltme faktörünü aynı pencereden kur. Değişkenliği yüksek uçuşlarda Gamma, dalgalanması düşük rotalarda Normal. Sistem geneli LFCF faktörünü okuma günü ve rezervasyon sınıfı bazında, doluluk ile spill yüzdesini aynı dönemden alarak ağırlıklandır.

Bu bölümde ne yok: spill modelinin temel formülleri ve kökeni (spill bölümleri), talebin rezervasyon eğrilerinden nasıl tahmin edildiği ve overbooking seviyesinin kendisinin nasıl optimize edildiği (talep tahmini ve envanter bölümleri). Bu bölüm o modellerin hangi varsayımlarla beslendiğini ve o varsayımların sonucu nereden değiştirdiğini anlatmak için var.