21045

۲۱۰۴۵

ارائه مدلي براي تحليل رفتار زماني پروازهاي حمل و نقل هوايي با استفاده از تكنيك هاي فرآيندكاوي

كارشناسي ارشد

سيستم هاي اقتصادي و اجتماعي

۱۳۹۵- ۱۳۹۸

۱۳۹۸/۶/۱۶

دكتر مهدي غضنفري

دكتر محمدرضا رسولي

صنايع

چكيده امروزه ﺻﻨﻌﺖ حمل‌ونقل ﻫﻮﺍﻳﻲ ﻧﻘﺶ ﺑﺴﻴﺎﺭ ﻣﻬﻤﻲ ﺩﺭ ﺭﻭﺍﺑﻂ ﮐﺸﻮﺭﻫﺎﻱ ﻣﺨﺘﻠﻒ ﺟﻬﺎﻥ، ﻧﻤﺎﻳﺶ قدرت‌هاي ﺍﻗﺘﺼﺎﺩﻱ ﻭ ﻧﻈﺎﻣﻲ ﻭ ﺗﺴﺮﻳﻊ ﺍﻣﻮﺭ ﺣﻴﺎﺗﻲ ﻳﮏ ﮐﺸﻮﺭ بر ﻋﻬﺪﻩ ﺩﺍﺭﺩ. بهبود عملكرد صنعت حمل‌ونقل هوايي با استفاده از تحليل داده هاي عظيم موجود در اين صنعت توسط روش هاي هوشمند، باعث افزايش بهره وري اين سيستم مي شود. طبق بررسي هاي انجام گرفته باوجود اهميت اين صنعت و وجود داده هاي عظيم در آن، در مطالعات گذشته توجه اندكي به استفاده از روش هاي مبتني بر داده براي كشف دانش در اين صنعت نشان داده شده است. فرآيندكاوي يكي از اين روش هاي هوشمند است كه اجازه استخراج خودكار اطلاعات از داده هاي تاريخچه رخدادها و تجزيه‌وتحليل فرآيندهاي سيستم را مي دهد. اين تحقيق براي بررسي چگونگي پيش بيني هوشمند زمان وقوع رويدادهاي كليدي در حوزه حمل‌ونقل هوايي، به اجراي روش كشف فرايند از منظرهاي كنترل جريان (فرآيندي) و زماني به كمك نرم افزار پروم مي پردازد. در اين تحقيق بعد از تعريف مسئله، استخراج داده هاي اوليه پروازها و تبديل داده ها به گزارش رويداد، گزارش رويداد پروازها وارد پروم مي شوند و به استخراج مدل سيستم گذار و پيش بيني زمان وقايع كليدي پرواز پرداخته مي شود. از جمله نوآوري هاي اين تحقيق استفاده از روش پيش‌بيني زمان رويكرد فرآيندكاوي روي داده هاي واقعي، پيش‌بيني زمان و تحليل رفتار زماني وقايع كليدي پروازهاي آتي به‌صورت پويا و مبتني بر رفتار گذشته هر پرواز است. بكارگيري نتايج اين تحقيق باعث كاهش زمان انتظار، جلوگيري از ازدحام مسافران و افزايش رضايت آن ها با اطلاع‌رساني به روز پروازها، درنتيجه افزايش تقاضاي حمل‌ونقل هوايي مي شود. همچنين به ايجاد برنامه ريزي هوشمند در سيستم حمل‌ونقل هوايي و بهبود زمان بندي تسهيلات فرودگاهي كمك شاياني مي كند. واژه‌هاي كليدي: سيستم حمل و نقل هوايي، فرآيندكاوي، مدل سيستم گذار، پيش بيني زمان

1398/06/30

Developing a Model for Analyzing the Time Behavior of Air Transport Flights Using Process Mining Techniques

9/21/2019 12:00:00 AM

Abstract Today, the aviation industry plays a significant role in relations between different countries of the world, demonstrating the economic and military power and extending essentials of a country. Improving the performance of the aviation industry by analyzing big data available using intelligent methods, increases the efficiency of this system. According to the previous studies, despite the importance of this industry and large amount of data, there has not been adequate attention using data-based methods in past studies in order to discover knowledge in this industry. The process mining is one of these intelligent methods that allows automatically obtaining information from event log data and analyzing system processes. This research focuses on the implementation of the process discovery method with control-flow and time perspective using Prom software to investigate intelligent prediction of occurrence time of key events in the field of aviation system. In this research, after defining the subject, obtaining the initial data and converting them to the event log, the flights event log is given to the Prom software used to develop the transition system model and time prediction of the key flight events. Some innovations of this research include using time prediction method of the process mining approach on the actual data, time prediction and analyse the time behavior of the key events of future flights dynamically based on the past behavior of each flight. By using the results of this study, waiting time which prevents from passengers’ congestion is reduced and because of high satisfaction of passengers with up-to-date flights information, demand for aviation system is increased. It also helps to create intelligent scheduling in the aviation system and improves the scheduling of airport facilities. Keywords: Aviation system, Process mining, Transition system Model, Time prediction