民航业是战略性产业,是促进国家现代化进程的重要动力引擎,也是衡量一个国家国际竞争力和发展质量的重要指标。作为民航业的关键组成部分,航空公司如何更好地实现降本节能,直接关系到行业的高质量发展大局。
航空公司的成本费用包括航油成本、租金费用、起降成本、飞发运营维护成本、职工薪酬费用、航班服务相关费用、税金及行政性收费、折旧费用和摊销费用、机票销售代理手续费、系统服务费等。其中,航油成本是航空公司最主要的成本支出之一——以三大航司中国国航、中国东航、南方航空2022年年报数据显示,航油成本最高可达326亿/年,航油成本占比航空业务总成本在30%左右。
这意味着,降低航油成本无疑是航空公司实现降本的最佳抓手。而航油销售价格与世界原油价格紧紧绑定,原油价格上涨将对航油价格水平和航司燃油附加费收入产生较大影响,进而影响公司经营业绩。受国际局势的不确定性影响,近年来,国际原油价格时常有着“过山车”般的波动。
无法控制上游油价,想要降低航油成本,航空公司唯有反求诸己、深练内功,通过优化各个运行环节实现节油降本。
航空公司节油降本难在哪里?
然而,要想实现节油降本,并不是一件容易的事。
不考虑原油价格水平,航油成本的主要决定因素为:航油定价机制、航班量、油耗效率。节油是涵盖飞行、机务、签派、空管、油料和地面代理等各个运行环节的一项系统工程,任何一个环节存在问题,都可能带来航油成本的上涨。
比如,对运行控制部门来说,是否可以选择最优化航路、合适的备降场、最佳的巡航高度层、最佳的备份油量,是否能够向飞行人员提供精确、有效、可靠的飞行计划,以及是否可以确保飞行员树立节油意识等;对节油主体飞行员来说,则存在着飞行过程中,如何操作才能实现油耗最优的挑战。
常规企业以财务加油结算数据或航班运行油量消耗进行航油成本分析,节油数据只能到公司整体或航线航班粒度,没有办法细化到具体的每一次飞行。此外,在努力实现节油降本的同时,航司还要确保飞行安全、并保证服务质量。
因此,对航司来说,真正的挑战是,如何在兼顾成本、安全、服务质量的情况下,在飞行、机务、签派、空管、油料和地面代理等各个运行环节中,寻找节油降本的最优解?
用友BIP助力航空公司精准降低航油成本
针对这一难题,用友BIP打造了航司智能节油&降碳减排智能数据分析平台,提供了一套全面的数据驱动解决方案。
通过智能节油分析模型,采集全量航班飞行数据达到百万级数据量,从飞行时间、机型、航段等多各维度来挖掘耗油因素和变化规律,从而发现节油优化空间匹配改进措施落地。同时针对飞行数据解析处理,对碳排放量进行精准采集,自动化出具碳排放检测报告,促进低碳绿色飞行,全方位监控节油目标。
基于用友iuap数据中台打造数据底座,集成配载系统、NAPS系统、成本收益系统、QAR大数据平台、ACARS系统、FOC系统等,实现QAR文件、ACARS数据、航班运行控制系统数据、机场数据、气象数据、飞行计划数据、飞机性能数据等数据共享,让数据分析更为全面和准确。
针对航油成本优化,该方案从油耗分析、阶段分析、节油绩效、节油措施四个方面,全面分析和优化航油成本。
油耗分析:对Top5的机场、航段、机型、飞机号等因素的油耗进行深度分析,寻找节油的关键节点。
阶段分析:解析滑出-起飞-爬升-巡航-下降-进近落地-滑入等阶段的实时数据,基于时间、机型、航段等多各维度来挖掘耗油因素和变化规律,找出油耗最大的环节,发现节油的优化空间,为节油提供数据支持,确定合适的节油措施,提供给飞行机组、运行控制、维修、财务等部门,来推进节油工作的开展。
节油绩效:通过飞行员个人看板、节油奖惩明细等,鼓励飞行员积极参与节油减碳行动,充分激发飞行员的主观能动性,提升节油效果。
节油措施:以QAR与CFP统计报表、航路直飞明细、可直飞轨迹等,为飞行员提供节油措施的直观数据,帮助他们实施节油措施。
基于用友BIP智能节油&降碳数据分析平台,成都航空完成了节油35个可视化分析界面,处理数据量最高达到5亿+,年航油节省成本可达到三百万。
实现节油降本的同时,该平台还可以多维度采集飞机航行过程数据,获取全量飞机碳排数据,通过碳排放明细、碳排放年度机队清单汇总、飞行活动类别排放量汇总等数据,系统自动化出具碳排放报告,帮助航司优化碳排放,高效、透明完成民航局的监管要求。
好文章,需要你的鼓励
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
AMD首席执行官苏姿丰在纽约金融分析师日活动中表示,公司已准备好迎接AI浪潮并获得传统企业计算市场更多份额。AMD预计未来3-5年数据中心AI收入复合年增长率将超过80%,服务器CPU收入份额超过50%。公司2025年预期收入约340亿美元,其中数据中心业务160亿美元。MI400系列GPU采用2纳米工艺,Helios机架系统将提供强劲算力支持。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。