Aplicación de un modelo predictivo de consumo de combustible a partir de machine learning y random forest para una aerolínea comercial colombiana

Abstract

En la industria aeronáutica, los costos de producción del hidrocarburo JET A-1 experimentan un incremento cercano al 5% semanal a través de los años, lo cual ha repercutido en un alza de los gastos para los operadores aéreos. En esta investigación, se propone crear un modelo de predicción del consumo de combustible para vuelos regionales, con base en los datos recolectados de vuelos de una aerolínea colombiana durante el período 2018-2019. Para la creación del modelo predictivo, se utilizó la biblioteca Sci-Kit Learn del lenguaje de programación Python, y el enfoque del problema fue la perspectiva de ‘problema inverso’. Luego se procedió con la ingeniería de características para mejorar la calidad del conjunto de datos obtenido y permitir una mayor precisión en la predicción. Se implementó el modelo de predicción para las variables identificadas como dependientes e independientes y, finalmente, se evaluó su rendimiento utilizando las métricas de error absoluto promedio (MAE), error cuadrático medio (MSE) y raíz del error cuadrático medio (RMSE). Los resultados indican que el modelo es capaz de efectuar la predicción del consumo de combustible, con errores bajos en valores cuantitativos.