國泰運用AI 航班準點率增6百分點

[2025.04.28] 發表

【明報專訊】本港最大的航空公司國泰航空(0293)早在2017年完成資料倉儲(Data Warehouse)並開始發展AI應用，該公司數碼部總經理鄒銘諾接受本報訪問時說，去年夏天將AI引入負責航班調配的綜合運作中心(IOC)，他形容IOC就像整家航空公司的「心臟」，每天處理三四百班飛機升降。以往調配工作全靠人手，現時AI可就每班航機推薦使用的機型，提升機隊資源運用效率，並優先選用燃油效益較高的機種減低油耗。他說，這個模型已用了近一年，航班準點率較之前提升6個百分點。明報記者黃志偉

國泰自2017年完成資料倉儲(Data Warehouse)建設後，便開始發展以機器學習(Machine Learning)為核心的AI應用，讓電腦系統從資料自動學習規律、預測結果，至今已部署約85個模型。隨着生成式AI(Gen AI)技術成熟，國泰開始在既有機器學習模型基礎上，加入生成式AI能力，增強模型表現。

三跑系統預測可能擠塞區段

AI模型在應對颱風等突發狀况也發揮作用，例如會建議颱風來到前應優先保護哪些航班、哪些航班在跑道關閉前應先離港，並在颱風過後迅速清理大量積壓的航班。鄒銘諾指出，過去這是一個緊張且需大量依賴人手的工序，加上香港以外的海外航站未必同時受颱風影響，溝通和協調非常困難。現在透過AI模型，團隊可獲得有用建議，對旅客影響降到最低。「當航班更順暢、運作更穩定，就可減少航班延誤，這是我們日常選擇不同應用時的一個準則。」國泰航空的客運航班2024年準時表現率為72.9%，按年跌3.3個百分點，估計引入AI的效益須在今年中期業績公布時始反映。

預測停飛維修故障減航班延誤

去年底本港機場三條跑道全面投入服務之後，飛機起飛前與降落後的滑行時間(Taxi Time)，成為善用三跑道運力的關鍵。鄒表示，三跑未全面啟用前，飛機可從北跑道降落後直往南邊航站樓，但如今新增中間跑道後，部分航機需繞行更遠路線，導致滑行時間延長，影響後續起飛安排。為應對此變化，公司運用三跑模擬系統預測滑行時間及可能擠塞區段，並在與機管局會議中分享模擬結果，例如部分登機閘口在特定時段可能更適合分配給某些航班。另外，模型亦預測乘客轉機所需時間。早上與深夜通常有兩個高峰，特別是凌晨有大量來自歐洲的長途航班。若預測到乘客轉機時間較長，就可調配額外資源，如安排更多人手協助辦理登機，確保旅客趕及轉機。

飛機維修方面，鄒表示團隊將飛機上的感測器數據接入AI模型，預測未來兩周該飛機可能需停飛「大修」的潛在故障，讓工程人員提前維修、縮短停泊時間。去年初至今，該模型技術已協助工程部門減少5.1%嚴重航班延誤。目前，該AI模型可預測逾20種可能導致停飛維修(AOG)的故障情况，每個月可避免約5至6宗AOG個案。鄒指出，過往雖可靠員工經驗及簡易工具如Excel協助判斷，但AI提供更高準確度，有助優化維修排程與資源配置。

他指出，目前最佳預測時長為兩周，準確率可達98%。雖然理論上可以嘗試預測更長時間，如3個月後是否有潛在故障，但拉長時間將降低模型準確度。不過，隨着數據量累積和技術進步，預測時間可望進一步延長。

此外，國泰每日管理超過30萬零件，包括座椅、引擎部件等。AI系統除了分析感測數據，亦能應用於庫存管理、預測與儲備規劃，提升供應鏈效率。鄒透露，該系統每年可節省約3000萬元營運成本，來自減少因缺零件導致的延誤，以及避免過度儲備產生額外的倉儲費。這一系統的基礎，是團隊歷時近兩年建立的數據儲存平台，涵蓋航線維修(Line Maintenance)與基礎維修中所需管理的飛機零件。

效益提升未必直接在票價反映

談到AI模型的準確度，鄒銘諾說，不同模型各有衡量標準，例如三跑模擬系統在預測飛機抵達後滑行時間方面，準確率約94%。但若遇突發情况，例如原預期未啟用的跑道臨時投入使用，仍可能出現偏差。鄒又提到，公司內部還有其他方式來評估AI模型的表現。例如在IOC，工作人員在收到模型的建議後，會根據實際情况判斷是否要「覆蓋」(override)模型的建議，最終的目標是提升模型建議的「接受程度」。

至於票價會否因為大規模應用AI而可能調低，鄒表示，票價主要仍由燃油價格與市場供需決定，AI應用的效益未必直接反映在票價上。然而，AI有助提升國泰營運效率與競爭力，亦為研發與創新服務提供更多空間。