Prediction of Pilot's Absenteeism in an Airline Company

Les compagnies aériennes sont soumises aux nombreuses sources de perturbations pendant les opérations. Il est essentiel pour ce type d'industrie de prédire les origines des perturbations dans les différents niveaux de gestion pour réduire les coûts de rattrapage du calendrier. Une des sources les plus importantes et coûteuses de perturbation dans les compagnies aériennes est l'absentéisme des pilotes au moment de l'opération des vols. ‎Dans ce mémoire, nous nous concentrons sur l'absentéisme des pilotes pour cause de maladie. Nous proposons une méthode d'apprentissage supervisé qui est capable de prédire la somme mensuelle des heures de maladie chez les pilotes après la publication du calendrier. La méthode proposée utilise les caractéristiques du calendrier mensuel comme les variables explicatives et elle fait la prédiction en utilisant d'un algorithme itératif. La méthode a été vérifiée avec des données réelles et une amélioration considérable a été observée dans les résultats. Pour rendre la méthode en situation réelle, nous avons créé une interface facile à utiliser comme un système d'aide à la décision. Cette interface automatise l'ensemble du processus de prédiction.