XiaoMi-AI文件搜索系统
World File Search SystemAIRLINE
丰富航空网络规划数据，真实了解旅客需求
案例研究、比较、统计数据、研究和建议均按“原样”提供，仅供参考，不应作为运营、营销、法律、技术、税务、财务或其他建议的依据。Visa Inc. 不对本文件中信息的完整性或准确性作出任何保证或陈述，也不承担因依赖此类信息而产生的任何责任或义务。本文中包含的信息不作为投资或法律建议，鼓励读者在需要此类建议时寻求有能力的专业人士的建议。在实施任何新战略或做法时，您应咨询您的法律顾问，以确定哪些法律和法规可能适用于您的具体情况。任何建议、计划或“最佳实践”的实际成本、节省和收益可能会因您的特定业务需求和计划要求而异。就其性质而言，建议并非未来业绩或结果的保证，并且受难以预测或量化的风险、不确定性和假设的影响。所有品牌名称、标识和/或商标均为其各自所有者的财产，仅用于识别目的，并不一定表示产品认可或与 Visa 有关联。
美国航空业的发展：技术、进入和市场结构 - 三次革命
ING THE DYNAMICS OF INNOVATION xviii (1976); Steven Klepper, Entry, Exit, Growth, and Innovation over the Product Life Cycle, 86 Am. ECON. REv. 562, 562-64 (1996). 有关航空背景下的一般讨论，请参阅 Earll M. Murman、Myles Walton 和 Eric Rebentisch, Challenges in the Better, Faster, Cheaper Era of Aeronautical Design, Engineering and Manufacturing, 104 AERONAUTICAL J. 481 (2000). 激进式（革命性、非连续性）创新和渐进式（渐进性、保守性）创新之间的区别直观上很有吸引力，但并不总是明确的。熵统计技术曾用于衡量飞机技术的演变；例如，请参阅 Koen Frenken & Loet Leydesdorff 的《Scaling Trajectories in Civil Aircraft》（1913-1997），29 RES. POL'Y 331, 331（2000），网址为 http://users.
COVID-19 疫情期间基于 SCOR 的航空配餐供应链绩效指标的调整
COVID-19 疫情已对全球供应链（包括航空配餐业务的供应链）构成威胁并引发严重担忧。这一前所未有的挑战已深刻影响了全球的商业环境和医疗保健系统。由于供应链是许多生产和服务运营的支柱，学术研究人员和从业人员面临着探索缓解上游和下游供应链即将发生的中断的策略的挑战。像 COVID-19 疫情这样的独特供应链中断是低频率、高影响的事件，会导致一个或多个供应链节点发生故障，并可能导致服务或商品不可用（Kumar、Basu 和 Avittathur，2018 年）。中断事件提供了一个从其影响中学习的机会，从 COVID-19 疫情中吸取的教训可以改善供应链中断期间的未来绩效管理和决策（Remko，2020 年）。
使用幼稚的贝叶斯算法预测航空公司飞行延迟的机器学习方法
航空业在全球运输中起着至关重要的作用，促进经济增长和革命性旅行。但是，航班延误已经成为一个日益严重的关注点，影响了航空公司和乘客。本研究旨在研究用于飞行延迟预测的幼稚贝叶斯算法。目的是使用幼稚的贝叶斯算法开发可靠的飞行延迟预测模型并评估其性能。使用美国运输部（DOT）的飞行延迟和取消数据的数据集用于预测。本研究修改了高斯幼稚贝叶斯的参数调整，以识别专门为该飞行延迟数据集构建模型的最佳值。参数调整高斯幼稚的贝叶斯模型的性能与另外两种众所周知的算法是K-Neartiment Neighbors（KNN）和支持向量机（SVM）。还对KNN和SVM算法进行了培训和测试，以完成航班延迟的二元分类，以实现基准测试。通过比较准确性，特异性和ROC AUC分数的值来实现算法的评估。比较分析表明，高斯幼稚的贝叶斯的表现最佳，精度为93％，而KNN的性能最差，而ROC AUC得分为63％。
六足机器人模拟器中的倾斜错觉导致航空公司飞行员对人工地平线做出错误反应
目标：我们测试六足模拟器中的某个程序是否会导致航空公司飞行员对倾斜角（即“倾斜”）做出错误的假设以及对姿态指示器 (AI) 做出错误的解释。背景：倾斜对解释错误的影响此前已在非飞行员中得到证实。飞行中，由于误导性的滚转提示（空间定向障碍）可能会出现错误的假设。方法：飞行员（n = 18）进行了 36 次试验，要求他们仅使用 AI 滚转至机翼水平。在显示 AI 之前，他们会收到滚转提示，在大多数试验中，提示与 AI 倾斜角方向相匹配，但在倾斜相反条件下（四次试验），提示方向相反。在基线条件下（四次试验），他们没有收到滚转提示。为了测试飞行员是否对 AI 做出反应，AI 有时会在倾斜水平条件下（四次试验）按照滚转提示显示机翼水平。结果：总体而言，飞行员在倾斜-相反条件下（19.4%）犯的错误明显多于基线条件（6.9%）或倾斜-水平条件（0.0%）。倾斜-相反条件下的学习效果明显，因为 38.9% 的飞行员在第一次接触这种条件时犯了错误。经验（即飞行小时数）没有显著影响。结论：倾斜程序可有效诱导飞行员的 AI 误解和控制输入错误。应用：该程序可用于空间定向障碍演示。结果强调了明确的显示的重要性，它应该能够快速纠正由于空间定向障碍而导致的错误假设。
基于 AI 和 NLP 的索赔处理自动化解决方案将欧洲航空公司的解决时间缩短了 80%
我们专注于 5D（领域、设计、数据、数字和差异化交付），这让我们在外包和离岸外包计划方面能够为客户提供最佳价值。我们已帮助财富 100 强企业从软件生命周期流程中获得商业价值。我们数十年的经验帮助我们建立了独特的能力和资产，例如领域主导的解决方案、离岸外包评估框架、加速器和工具包（如应用程序开发构建块 (BRICKS ©)、可重复使用的组件和整个软件开发生命周期 (SDLC) 的自动化工具）。我们是一家具有分布式交付模型能力的全球全方位服务提供商。多年来，我们成功地为财富 500 强客户建立和管理如此大型的交付中心，这些经验有助于我们确保各方持续可持续的商业价值。
Provalis Research Corp. 统计内容分析文本的应用采矿到航空安全报告
致谢 该项目由美国联邦航空管理局系统安全办公室（在 FAA 内称为“ASY”）资助，旨在促进先进方法和工具在航空安全数据分析中的应用，从而提高整个行业的航空安全。该项目还得到了全球航空信息网络 (GAIN) 的支持和指导，GAIN 是一个由行业主导的国际联盟，由航空公司、制造商、员工团体、政府（包括 FAA）和其他航空组织组成，旨在促进和推动国际航空界用户自愿收集和共享安全信息，以提高航空安全。具体而言，该项目以 GAIN 工作组 B“分析方法和工具”（WG B）制定的原则为指导，该工作组的任务是促进现有分析方法和工具的使用以及开发从航空数据中获取安全信息的新工具。报告作者承认，如果没有以下人员的大力支持，本项目不可能完成：JetBlue 飞行安全机组人员，包括 Vince Zaccardi、Randy King 和 Craig Hoskins；Provalis Research Corporation 的同事，包括 Jean-Philippe Raymond、Jean-François Allie 和 Daniel Charland；Yago Technologies 的 Dominic Forest；以及 FAA 系统安全办公室 (ASY) 和 GAIN WG B 成员 Andy Muir；以及 WG B 的所有个人成员。如果没有这些人的积极支持、建议、指导和领导，本项目不可能完成。
通过训练熟练的目光注视策略，提高航空公司飞行员的视觉扫描和手动飞行性能
摘要：驾驶舱监控不力已被确定为导致航空事故的重要因素。因此，改进飞行员的监控策略有助于提高飞行安全性。在两个不同的环节中，我们在全飞行模拟器中分析了专业航空公司飞行员的飞行性能和眼球运动。在预训练环节中，20 名飞行员以飞行员飞行 (PF) 的身份执行了手动进近场景，并根据其飞行性能分为三组：不稳定、标准和最准确。不稳定的飞行员对各种仪器的关注不足或过度。他们的视觉扫描模式数量低于设法稳定进近的飞行员。最准确的飞行员表现出更高的感知效率，注视时间更短，对重要主要飞行仪表的注视更多。大约 10 个月后，14 名飞行员返回进行后续训练。他们接受了一项短期培训计划，并执行了与预训练课程类似的手动方法。其中七人（实验组）收到了关于他们自己的表现和视觉行为（即在预训练课程期间）的个人反馈，以及从最准确的飞行员那里获得的各种数据，包括一段眼动追踪视频，其中显示了最准确的飞行员之一的有效视觉扫描策略。另外七人（对照组）收到了有关驾驶舱监控的一般指导。在训练后阶段，实验组的飞行表现更好（与对照组相比），其视觉扫描策略与最准确的飞行员的视觉扫描策略更加相似。总之，我们的结果表明，驾驶舱监控是手动飞行性能的基础，并且可以使用主要基于高度准确的飞行员的眼动示例的训练计划来改进它。
使用和不使用评估模型来评判航空公司飞行员的表现：两家不同航空公司的评估员评分的比较研究
学术共享引文 学术共享引文 Weber, D. (2016)。使用和不使用评估模型评判航空公司飞行员的表现：对两家不同航空公司的评分员评分的比较研究。航空/航天教育与研究杂志，25(2)。https://doi.org/10.15394/jaaer.2016.1645