Gelir yönetiminde ağ optimizasyonu ve bacak ayrıştırma

Talep tahmini bölümleri sayıyı üretti, overbooking bölümleri o sayının üzerine kaç koltuk fazla satılacağını hesapladı. Bu bölüm tahminle envanter kontrolü arasındaki motora bakıyor: ağ genelinde geliri en büyüklemeye çalışan optimizasyon modeline. Kaynak metin dört şeyi yan yana koyuyor: servis sınıfı talebinin Gamma dağılımıyla modellenmesi, teklif fiyatlarının Lagrangian gevşetmeyle çözülmesi, servis sınıflarının kapasiteyi yuvalanmış biçimde paylaşması ve bacak ayrıştırma (leg decomposition) modeli. Bir ağ modelini iyi yapan şey matematiğinin inceliği değil, kapasitenin sınıflar arasında gerçekte nasıl paylaşıldığını ve gelirin bacaklara nasıl dağıtıldığını doğru varsaymasıdır. Yanlış varsayımla kurulmuş zarif bir model, geliri sistematik olarak eksik tahmin ediyor.

Terimleri baştan netleştirmek gerekiyor. Servis sınıfı (service class, sc) bir rezervasyon sınıfı ile onun kullandığı güzergâhın birleşimi. Bacak (leg) tek bir kalkış-varış uçuşu; bir O&D (origin and destination) yolculuğu bir ya da birden fazla bacaktan geçiyor. Teklif fiyatı (bid price) bir bacaktaki bir sonraki koltuğun fırsat maliyeti: bir talep, geçtiği bacakların teklif fiyatlarını karşılıyorsa kabul ediliyor.

Hız, doğruluğu bozmadan tablodan geliyor

Sistem, bir servis sınıfına gelen talebin Gamma dağılımına uyduğunu varsayıyor. Sorun dağılımın kendisinde değil, onunla yapılan hesaptaki tekrar sayısında. Optimizasyonun her iterasyonu, her servis sınıfı için kümülatif dağılımı ve onun tersini defalarca değerlendiriyor. Kaynak metin bunu açıkça söylüyor: ağ optimizasyon modelinin gerektirdiği milyonlarca değerlendirme düşünülünce doğrudan hesap yavaş kalıyor.

Çözüm üç yönlü interpolasyon içeren hızlı tablo aramaları (table lookup). Dağılımın değerleri önceden bir ızgara üzerinde hesaplanıyor, çalışma anında istenen nokta en yakın ızgara noktalarından interpole ediliyor. Kaynağa göre bu yaklaşım hem matematiksel doğruluğu koruyor hem de operasyonel hızı sağlıyor.

Yazılım tarafında bunun karşılığı tanıdık bir desen: pahalı ve saf bir fonksiyonu, girdi uzayı sınırlı olduğu için önceden hesaplanmış bir tabloya çevirmek. Ama iki şey kontrol altında tutulmalı. İlki ızgaranın çözünürlüğü: interpolasyon hatası, optimizasyonun durma eşiğinden büyükse algoritma tablonun gürültüsünü kovalıyor demek. İkincisi tablonun sürümü: dağılım parametrelerinin kapsadığı aralık değiştiğinde tablo yeniden üretilmeli, yoksa uç değerlerde sessizce yanlış sonuç döner. Bu tablo bir önbellek değil, modelin parçası; testleri de ona göre yazılmalı.

Optimal değerin nasıl kurulduğu da tablo aramasının neden bu kadar sık çağrıldığını açıklıyor. Kaynak metne göre bir servis sınıfı için optimal değer (Xsc) üç bileşenden geliyor: servis sınıfının geçtiği bacaklar, o bacakların gölge fiyatlarının (shadow prices) toplamı ve ilgili dağılımın ters fonksiyonu. Yani her servis sınıfı için önce güzergâhındaki bacakların gölge fiyatları toplanıyor, sonra bu toplam dağılımın tersinden geçiriliyor. Gölge fiyatlar her iterasyonda değiştiği için ters fonksiyon da her iterasyonda, her servis sınıfı için yeniden çağrılıyor. Milyonlarca değerlendirme buradan çıkıyor.

Bir iterasyonun iyileşme sayılması tek bir sayıya bağlı değil

Teklif fiyatları doğrusal olmayan programlama formülleriyle çözülüyor. Bu süreçte Lagrangian gevşetme (Lagrangian relaxation) ve alt gradyan (sub-gradient) yöntemi devreye giriyor. Lagrangian gevşetmede zor kısıtlar, yani bacak kapasiteleri, doğrudan zorlanmıyor; her kısıta bir çarpan atanıyor ve ihlal amaç fonksiyonuna bir maliyet olarak ekleniyor. Bacak kapasite kısıtının çarpanı ekonomik olarak o bacağın gölge fiyatı. Alt gradyan yöntemi bu çarpanları, kısıtların ne kadar ihlal edildiğine bakarak her iterasyonda güncelliyor: kapasitesi aşılan bacağın fiyatı yükseliyor, boş kalan bacağınki düşüyor.

Kaynak metin bir iterasyonun iyileşme sayılması için üç kriter veriyor ve bunlardan birinin gerçekleşmesi yetiyor. Birincisi, mevcut iterasyondaki Lagrangian maliyetinin o ana kadarki en iyi değerden (incumbent) düşük olması. İkincisi, toplam kısıt ihlal hatasının azalması. Üçüncüsü, tüm kısıtlar içindeki en büyük ihlal miktarının düşmesi.

Üç kriterin varlığı bir şey söylüyor: tek başına amaç değeri, ilerlemenin güvenilir ölçüsü değil. Alt gradyan yöntemi monoton ilerlemiyor; amaç değeri bir iterasyonda kötüleşirken kısıtlar daha iyi sağlanıyor olabilir. Yalnızca Lagrangian maliyetine bakan bir uygulama, uygulanabilirliğe yaklaşan bir adımı reddedip en iyi bilinen çözümü güncellemiyor. Toplam ihlal ile en büyük ihlal arasındaki ayrım da ayrı bir sinyal: toplam hata azalırken tek bir bacak kötüleşebilir, ya da tersi. İkisini birlikte izlemek, hatanın ağa yayıldığı durumla tek bir darboğazda toplandığı durumu ayırıyor.

Durma kriteri de aynı mantığa dayanıyor. Algoritma, ana maliyet (primal cost) ile Lagrangian maliyeti (dual cost) arasındaki fark önceden tanımlanmış bir eşiğin altına düştüğünde duruyor. Bu fark, bulunan çözümün teorik en iyiden en fazla ne kadar uzak olabileceğinin ölçüsü. Sabit iterasyon sayısıyla durmak, çözümün ne kadar iyi olduğunu söylemiyor; dualite farkıyla durmak söylüyor.

Yazılım tarafında bunun karşılığı gözlemlenebilirlik. Optimizasyon koşusu bir kara kutu olarak loglanırsa, sonuç kötü çıktığında neyin yanlış gittiği bilinmiyor. Her iterasyonda Lagrangian maliyeti, en iyi değer, toplam ihlal, en büyük ihlal ve dualite farkı kayda geçmeli. Koşu eşiğe ulaşmadan zaman sınırına takılıyorsa bu, üretimde sessizce kabul edilen bir çözüm değil, alarm üretmesi gereken bir olay. Dualite farkı her gece koşunun kalitesini tek sayıyla söyleyen metrik.

Ayrıştırılmış modeller geliri sistematik olarak eksik tahmin ediyor

EMSR (expected marginal seat revenue), sınıf bazında beklenen marjinal koltuk gelirine göre koruma seviyesi hesaplayan klasik yöntem ailesi. EMSRa gibi geleneksel modeller servis sınıflarını birbirinden ayrılmış (partitioned) bölmeler olarak ele alıyor: her sınıfa bir miktar kapasite ayrılıyor ve o sınıf yalnızca kendi bölmesinden satıyor.

Gerçek envanter böyle çalışmıyor. Yuvalama (nesting) yapısında üst sınıflar alt sınıfların kapasitesine erişebiliyor; yüksek ücretli yolcu, düşük ücretli sınıfa ayrılmış koltuğu alabiliyor. Kaynak metin bu formülasyonun, yuvalama dikkate alındığında servis sınıflarının tahsisleri ortaklaşa paylaştığı gerçeğini göz ardı ettiğini söylüyor. Sonuç yönü belli bir hata: model, üst sınıfın alt sınıf kapasitesinden alacağı satışları görmediği için hem trafiği hem geliri eksik tahmin ediyor.

Hatanın rastgele değil sistematik olması önemli. Rastgele bir hata ortalamada kapanır; sistematik eksik tahmin ise her kararı aynı yöne iter. Eksik tahmin edilen gelir, bir rotanın, bir kapasite kararının ya da bir fiyat hamlesinin olduğundan kötü görünmesi demek. Karar destek aracı olarak kullanılan bir modelde bu, yanlış yöne verilmiş tutarlı tavsiye anlamına geliyor.

Sürekli yuvalama (continuous nesting) bu varsayımı tersine çeviriyor. Satışa açık olan tüm servis sınıfları uçağın kalan kapasitesini ortak bir havuz olarak görüyor ve paylaşıyor. Sınıflar arasında sabit duvar yok; bir sınıfın açık ya da kapalı olması, kalan kapasitenin ve o sınıfın değerinin fonksiyonu.

Yazılım tarafında bunun karşılığı, envanter sistemi ile optimizasyon modelinin aynı dünyayı modellemesi. Envanter sistemi yuvalanmış satıyor ama optimizasyon modeli ayrıştırılmış varsayıyorsa, modelin önerdiği tahsisler envanterde uygulandığı anda başka bir şeye dönüşüyor. Bu uyumsuzluğu bir entegrasyon testinde yakalamak mümkün: modelin öngördüğü sınıf bazlı satışlarla, aynı talep senaryosunun envanter simülasyonundan geçirilmiş halini karşılaştırmak. Fark sürekli aynı yöndeyse, sorun tahminde değil modelin yapısında.

Bacak ayrıştırma başarısını paylaştırma kuralına borçlu

Ağ optimizasyonunun tam hali, bütün O&D’leri ve bütün bacakları tek bir problemde çözmek. Bacak ayrıştırma modeli ağı bacaklara bölüyor ama bacakları birbirinden koparmıyor: EMSRb tabanlı denklemleri bacak bazlı teklif fiyatlarıyla birleştiriyor. Her bacak kendi içinde tek bacaklı bir problem gibi çözülüyor, ama o bacağa düşen gelir ağın geri kalanının teklif fiyatlarıyla belirleniyor. Kaynak metne göre modelin öne çıkan yanı, servis sınıfları arasında envanter paylaşımına izin vererek sistem performansını artırması.

Buradaki kritik karar paylaştırma (proration): çok bacaklı bir O&D biletinin gelirinin hangi kısmının hangi bacağa yazılacağı. Geleneksel yollar mil tabanlı ya da ücret tabanlı paylaştırma; gelir, bacakların uzunluğuna ya da o bacaklardaki yerel ücretlere göre bölünüyor. Bacak ayrıştırma modeli ise teklif fiyatı tabanlı paylaştırma kullanıyor: gelir, ilgili bacağın teklif fiyatının, güzergâhtaki tüm bacakların toplam teklif fiyatına oranına göre dağıtılıyor.

Farkın anlamı şu. Mil ve ücret, bir bacağın o anki kıtlığını söylemiyor. Uzun ama boş bir bacak mil tabanlı paylaştırmada gelirin büyük kısmını alıyor; oysa o bacakta koltuk bol, fırsat maliyeti düşük. Kısa ama dolu bir bacak küçük pay alıyor; oysa koltuğu değerli olan o. Teklif fiyatı tabanlı paylaştırma geliri, koltuğu gerçekten kıt olan bacağa yazıyor ve o bacaktaki envanter kararını doğru sinyalle besliyor. Kaynak metin simülasyon sonuçlarını yorumlarken temkinli ama açık: sonuçların olumlu çıkması belki de mil ya da ücret tabanlı paylaştırma yerine teklif fiyatı tabanlı paylaştırma kullanılmasındandı.

Denge noktası da ekonomik olarak tanımlı. Bacak bazlı teklif fiyatı güncellenirken sistem optimumdayken, kaynağın ifadesiyle her bacağın teklif fiyatı o bacakta satılan son koltuğun değerine eşit oluyor. Bu tanım bir tutarlılık testi olarak da kullanılabilir: teklif fiyatı ile son koltuğun net değeri arasındaki fark büyükse sistem dengede değil, ya optimizasyon yakınsamamış ya da girdiler tutarsız.

Burada bir karışıklığı önlemek gerekiyor. Sitede MPA ve SPA prorate anlaşmalarını anlatan bölüm, havayolları arasındaki gelir paylaşımıyla ilgili: iki taşıyıcı ortak bir biletin gelirini sözleşmeyle bölüyor. Buradaki paylaştırma ise tek bir havayolunun içinde, envanter kontrolü için yapılan dahili bir muhasebe. Muhasebe tarafında hangi kural kullanılırsa kullanılsın, optimizasyon tarafının kendi paylaştırma kuralını fırsat maliyetine göre seçmesi mümkün. Yazılım tarafında bunun karşılığı, iki paylaştırmayı aynı alanda saklamamak: gelir raporlamasına giden paylaştırma ile kontrol sistemine giden paylaştırma farklı soruların cevabı.

Model seçimi bir tahmin doğruluğu sorusu değil, bir yapı sorusu

Dört temayı yan yana koyunca ortak bir çizgi çıkıyor. Tablo araması, modeli çalıştırılabilir kılıyor. Lagrangian kriterleri, çözümün ne kadar iyi olduğunu ölçülebilir kılıyor. Yuvalama ve teklif fiyatı tabanlı paylaştırma ise modelin doğru şeyi optimize etmesini sağlıyor. Kaynak metnin yönetici özetindeki temel bulgu da bu: sürekli yuvalama sistemleri ve teklif fiyatı tabanlı gelir paylaştırma, ağ gelirini tahmin etmede ve en büyüklemede daha başarılı.

Bunun pratik sonucu, bir gelir yönetimi sistemini değerlendirirken sorulacak ilk sorunun “tahmin ne kadar doğru” olmaması. Tahmin kusursuz olsa bile, sınıfları ayrı bölmeler gibi gören ve geliri mile göre bölen bir model yanlış kararı tutarlı biçimde verir. Önce yapıya bakmak gerekiyor: kapasite paylaşımı nasıl modellenmiş, gelir bacaklara nasıl dağıtılıyor, optimizasyon ne zaman ve neye göre duruyor.

Yarın işe yarayacak dört çıkarım

1. Pahalı dağılım fonksiyonlarını tabloya çevir, tabloyu modelin parçası say. Büyük ölçekli ağlarda kümülatif dağılım ve tersini her seferinde hesaplamak yerine interpolasyon destekli önceden hesaplanmış tablolar kullan. Interpolasyon hatasını durma eşiğiyle karşılaştır, tabloyu sürümle ve parametre aralığı değişince yeniden üret.
2. Ayrıştırılmış modeli yuvalanmış envanterin önüne koyma. Servis sınıflarını birbirinden izole eden modeller trafiği ve geliri eksik tahmin ediyor. Envanter paylaşımına izin veren yuvalanmış ya da teklif fiyatı tabanlı kontrol mekanizmalarını tercih et; modelle envanterin aynı varsayımla çalıştığını bir simülasyon testiyle doğrula.
3. O&D gelirini bacaklara teklif fiyatıyla dağıt. Mil ya da ücret tabanlı paylaştırma bacağın o anki kıtlığını görmüyor. Kontrol için kullanılan paylaştırmayı, bacağın teklif fiyatının güzergâhtaki toplam teklif fiyatına oranıyla yap; muhasebe paylaştırmasıyla aynı alana yazma.
4. Optimizasyonu yalnızca amaç değeriyle izleme. İyileşmeyi Lagrangian maliyeti, toplam ihlal ve en büyük ihlalle birlikte değerlendir; durmayı ana ve Lagrangian maliyet arasındaki farka bağla. Her koşunun dualite farkını kaydet ve eşiğe ulaşmadan biten koşuyu alarm olarak ele al.

Bu bölümde ne yok: dağılımın parametrelerini besleyen talep tahmini (talep tahmini ve O&D tahminleme bölümleri), teklif fiyatının üzerine eklenen fazla satış kararı (overbooking bölümleri) ve havayolları arasındaki sözleşmeye dayalı gelir paylaşımı (“Havacılıkta gelir paylaşımı: çok taraflı ve ikili prorate anlaşmaları (MPA ve SPA)”). Bu bölüm, tahmin ile envanter kontrolü arasındaki optimizasyon motorunun hangi varsayımlarla doğru sonuç verdiğini anlatmak için var.