重塑航空网络规划：美国航空用 Foundry 挖出排班中的隐藏低效

摘要

美国航空（American Airlines）运营规划与绩效副总裁 Ann Moroni 与运营排程与班表规划总监 Amit Chandai 在 AIPCon 8 上介绍了与 Palantir 合作的排班规划转型项目。美国航空是全球最大的航空公司：每天运送约 63 万名乘客、年运送 2.2 亿人次，每天执飞 6500 个航班——约为整个伦敦希思罗机场运营规模的五倍，背后是 1.4 万名飞行员、2.4 万名空乘、3.5 万名机场员工与 6000 名机械师 24/7 的保障。

过去，美国航空的排班规划高度手动、串行且孤岛化：过时的 UI、Excel 表格、团队间电子邮件传附件。专家规划员要在盈利性与可靠性之间权衡数千个变量，等到某个团队发现排班中的机会时，往往已来不及纳入其原计划；而且「对本团队有效」的解决方案未必对企业整体有效——修好一个机组问题可能引发维修问题。与 Palantir 合作仅一年，公司已解锁数百万乃至数千万美元的价值。

团队构建的 Vector 解决方案（基于 Foundry）让模型持续扫描整个网络、主动浮现低效模式，而不是让规划员到处「猎取」。演示中，系统建议将某个旧金山航班重新计时 15 分钟，随即通过后台运行的实时检查模型发现由此触发的上下游冲突，再由优化模型给出「调整航线排班」的替代解法；网络模拟模型则持续用雷暴等「灰色天空日」压力测试网络，找出瓶颈与断点。最终交付的是安全、可靠且盈利的排班。

正文

一、全球最大航空公司的规划挑战

Ann Moroni 开门见山：她们团队的使命很简单——为这家航空公司构建尽可能最好的计划，支撑极具竞争力的航线网络，每天可靠、高效、安全地为客户交付服务。美国航空有近百年创新历史，如今是全球最大的航空公司：每天约 63 万名乘客乘坐其航班，年运送乘客 2.2 亿人次，每天执飞 6500 个航班——大约是伦敦希思罗机场整个运营规模的五倍。

支撑这一规模的是庞大的团队：超过 1.4 万名飞行员、2.4 万名空乘、3.5 万名机场员工，以及 6000 名全年 7×24 小时保障安全运营的机械师。Moroni 请听众想象一个场景：你站在登机口准备登机。为了让那一刻发生，规划早已开始并持续很久——确保那架飞机停在正确的登机口、配好机组、加好油、完成餐饮与服务、装好行李与货物、飞行计划就绪、安检完成、地面团队与设备准备就绪。这种规划从几个月前就开始，一直持续到运营当天由一体化运营中心放行航班。

这是一个极其复杂的物流问题，而令人遗憾的是——在座很多人能感同身受——美国航空目前的规划流程高度手动、高度串行，结果也高度孤岛化。团队在构建最佳排班上花费了过多的时间：过时的用户界面、Excel 电子表格、团队间通过电子邮件发送附件。专家规划员需要权衡数千个不同变量、查看大量数据点，在盈利性与可靠性之间寻找平衡——这几乎没有给优化留下任何空间。

二、手动、串行、孤岛化：旧规划流程的困境

排班构建的核心始于需求：确保航线网络最具竞争力、最能满足客户需求。但大量运营约束必须纳入考量：机队构成、飞行员工时、登机口与基础设施、空域限制、维护与机场周转所需的地面时间。网络规划团队把这些因素综合成排班的第一个版本，发给所有运营团队——他们会反馈意见，同时各自构建自己的计划：人力计划、工作量计划、物料计划、地面设备计划，不一而足。

问题在于：当一个团队发现排班中的机会时，往往已经来不及将其纳入原计划；或者他们想到的解决方案对本团队很好，却对企业整体无效——比如修好一个机组问题，如果思路不对，可能引发维修问题。美国航空必须更早地、以网络整体视角解决问题，并且要持续地解决，因为世界在排班构建过程中不断变化：市场需求变动、各种情况改变，公司必须保持动态与竞争力。

正是基于这些痛点，美国航空决定与 Palantir 合作，彻底重新设计这一工作流、重新思考业务方式。Moroni 形容这是一段不可思议的旅程：仅约一年时间，就已解锁数百万乃至数千万美元的价值。核心理念是收集所有这些数据，整合网络规划与运营规划之间的工作流，释放那些员工们原本根本看不到的效率——而且这一切要持续、动态地进行，因为世界一直在演进。

三、Vector：让低效模式自己浮出水面

Amit Chandai 用一个思想实验开场：想象你是世界上最好的航空排班员，面前是一道简单的作业题——审视那张极其复杂的排班图，找出其中所有低效模式，并针对这些模式给出解决方案，帮助公司运营安全、可靠、最重要的是盈利的排班。

什么是低效模式？设想一个航班今晚抵达旧金山，另一个航班清晨从旧金山出发——两者时间间隔紧到同一机组无法获得足够休息，因此他们既不能执飞到达的航班，也不能执飞出发的航班。结果机组不得不在旧金山多待一天，而航空公司必须再运进另一组机组来执飞次日的航班。这是一个高度低效的模式，而排班中嵌入、隐藏着成千上万个这样的模式需要被找出。

过去一年，美国航空与 Palantir 一起重新构想工作流：如何有效识别这些问题、如何定位问题发生的位置、如何真正修复它们。屏幕上展示的解决方案名为 Vector，构建在 Foundry 之上：顶部是关键绩效指标，左侧是 Crew Advisor（机组顾问）模块——最大的变化是，规划员不再需要四处「猎取」低效之处，模型扫描整个网络后会把发现主动推送到面前：「我发现了你可能想看看的东西。」

深入一层：系统建议旧金山航班重新计时 15 分钟。听起来简单，但这是出了名的难题——一个航班的重新计时会触发一连串上下游约束冲突。规划员需要一个机制在推进排班时思考所有这些可能性。Vector 在后台集成了提供实时检查的模型：我是否制造了登机口（gating）问题？是否制造了周转（turn）问题？是否违反任何标准？是否违反场地限制？这些模型持续运行，最终会主动识别出冲突——即使实施这 15 分钟的改动，模型也会提示：「你有问题，需要通过其他机制解决。」Vector 足够智能：它不会把问题丢给规划员就算了，而是主动寻找其他可能的解决路径——在本例中，优化模型指出：只要把航线排班（line）的流转方式稍作调整，就能得到一个非常好的解决方案。

四、从「蓝天」到「灰天」：压力测试与未来扩展

演示还没有结束。从客户体验出发，任何排班解决方案都必须不仅能运行在加州的蓝天之下，也要能运行在灰天——雷暴来袭时。为此，团队在后台集成了网络模拟模型，持续给网络施压、给排班施压，评估网络的瓶颈点与断点在哪里。屏幕上，模型识别出一个潜在问题，同时沿着同样的模式给出需要做的其他编辑建议，帮助规划员修复或绕开问题。Chandai 打趣说：「如果画面没有变绿，这就是一场糟糕的演示」——而这确是一个真实案例：最初的提议是「重新计时某个航班可以节省成本」，规划员需要穿过一层又一层必须解决的约束，而 Foundry 全程引导分析员与排班员，最终让他对交出的方案充满信心——它同时是安全、可靠且盈利的。

Moroni 总结：迄今为止 Foundry 的聚焦点是驱除网络中的低效，机组案例只是其中一例，潜力远大于此。美国航空计划把 Foundry 扩展为一体化规划平台——从网络规划一直延伸到所有运营规划团队，真正压缩工作流，寻找更多像现在已经发现的那样的效率空间。一年的旅程已经节省了数千万美元，她们对接下来会发生什么充满期待。