航空營運 AI
傳統機組排班系統是在網路的靜態快照上執行列生成（column generation）。當連鎖式中斷來襲、機組位置資訊過時，求解器優化的卻是一家幻影航空公司。Southwest 為了學到這一課損失了 12 億美元。Spirit 在 2024 年 7 月損失 5,000 萬至 1 億美元，當時其排班演算法為 43% 的可用機組產生了相互衝突的派遣。隨著美國運輸部（DOT）的自動退款規定現在讓每一次延誤 3 小時都成為強制現金退款，IROPS 復原緩慢的代價從未如此高昂。
Veriprajna 打造 ML 驅動的 IROPS 復原引擎，以強化您現有的 Jeppesen 或 IBS 系統。我們不會取代您的求解器。我們處理它無法處理的事：機組位置不確定的連鎖式中斷、全網路的影響範圍分析，以及在幾分鐘內（而非數小時）生成的復原計畫。
600 億美元/年
全產業 IROPS 成本
IATA 估算
4-12 小時
人工機組復原時間
產業基準
3 小時觸發門檻
DOT 強制自動退款
DOT 最終規則，2024 年 10 月
從營運控制中心現場視角，剖析航空公司營運崩潰的全貌。
一場冬季風暴讓某關鍵航站的航班停飛。您的機組排班求解器以批次週期執行，通常每 30-60 分鐘一次。它擷取網路的靜態快照、凍結時間，並計算最佳復原方案。但網路狀態每 5 分鐘就在變化。等到求解器返回解答時，輸入資料早已錯誤。機組已經移動。轉接已經斷裂。在任何人看到之前，這個解答就已失效。
這就是 優化-執行落差（Optimization-Execution Gap）。您的求解器設計目標是效率（在已知世界中最便宜的排班），而非韌性（在未知世界中可存活的排班）。在孤立的延誤期間，這個落差尚可控制。但在連鎖式中斷期間，它會變得致命。
您的自動化機組通知系統不堪負荷。滯留在外站的機組打電話到排班中心回報自己的位置。等候時間達到 4 小時，接著是 8 小時。求解器需要確切的輸入：「Smith 機長在丹佛的 B7 登機門。」但 Smith 機長可能在飯店、可能在員工接駁車上、也可能租了車正開往科羅拉多泉。您的求解器無法處理「大概在丹佛」這種資訊。它需要確定性。而在連鎖中斷期間，確定性並不存在。
這正是 2022 年 12 月擊垮 Southwest 的原因。他們失去了對自家飛行員與空服員的掌握。SkySolver 為一群並不在系統所以為位置上的機組生成排班。這家航空公司正在優化一個幻影網路。
斷裂的機組配對數量呈指數成長，而非線性成長。每一個取消的航班都會錯置一組機組，進而打斷下一個配對，使一架飛機滯留，再取消下游的航班。對於點對點航空公司而言，影響範圍無法被控制，因為沒有讓機組與飛機自然重新匯聚的樞紐「再生點」。
您的求解器撞上了它的計算懸崖。分支定價（branch-and-price）演算法在營運決策時窗內，連一個可行解都找不到（更別說最佳解了）。您的調度員放棄系統，開始用試算表和白板作業。他們現在是在凌晨 3 點、承受壓力下，用手動方式求解一個 NP-hard 的組合問題。這就是 12 億美元損失發生的地方。
自 2024 年 10 月起，每一次超過 3 小時的國內延誤都會觸發強制自動退款。不是憑證。不是改票。而是在 7 個工作天內、無需旅客主動要求的現金退款。對於每日營運 300 個航班的航空公司而言，以平均票價 280 美元、每航班 150 名旅客計算，50 個延誤超過 3 小時門檻的航班，代表單一個糟糕日子就有 210 萬美元的強制退款風險。IROPS 復原緩慢的財務代價，剛剛變得嚴重了一個數量級。
對各家供應商在 2026 年實際交付能力的誠實評估。在評估選項時可調出此表參考。
| 供應商 | 他們做什麼 | 優勢 | 缺口 |
|---|---|---|---|
| Jeppesen （現屬 Thoma Bravo） |
CrewPlan、CrewAlert、Stratosphere（全新 AI 層）。業界標準的列生成求解器。逾 100 家航空公司客戶。 | 最深厚的航空業關係。數十年的領域知識編碼。全新的 Stratosphere AI 中斷工具（2025 年 10 月）。現已脫離 Boeing 獨立，並獲專屬投資。 | 核心求解器仍是批次列生成。Stratosphere 是預測性分析，而非 ML 驅動的復原。所有權轉移為長期路線圖帶來不確定性。中型航空公司往往不如旗艦客戶受到重視。 |
| IBS Software （iFlight / iFlight Core） |
雲端原生營運平台。與 AWS 共同工程合作夥伴關係。近期斬獲：大韓航空、Aeroitalia、Groupe Dubreuil。 | 現代化雲端架構。類代理（agent-like）的中斷復原模型。具擴展性的 AWS 基礎設施。在中端市場快速成長。 | 類代理模型仍是基於規則，而非習得的策略。完整 iFlight 導入是一個 12-18 個月的專案。生產部署案例少於 Jeppesen。未發表任何 IROPS 復原基準。 |
| Optym （CrewSolver、SkyMAX） |
機組配對優化 + 整合式航班排程。Southwest Airlines 客戶（SkyMAX）。 | 已驗證可降低 3-7% 的機組成本。整體性的排程 + 機組優化。超啟發式（hyper-heuristics）與 ML 強化。 | 聚焦於規劃階段的優化（起飛前），而非即時 IROPS 復原。未發表數位孿生或模擬能力。客戶基礎小於 Jeppesen 或 IBS。 |
| Sabre / Amadeus | 提供營運模組的 GDS 供應商。與訂位及離站管制深度整合。 | 生態系整合：訂位、報到、離站管制與機組排班集中於單一平台。龐大的安裝基礎。 | 機組排班是次要能力，而非其核心產品。營運模組在求解器精密度上落後於 Jeppesen/IBS。創新聚焦於收益管理與分銷。 |
| 四大會計師事務所 / 大型系統整合商 （Accenture、Deloitte 等） |
數位轉型顧問。將 Jeppesen、IBS 或 Sabre 作為更廣泛營運現代化的一環來導入。 | 大規模的專案管理。變革管理專業。董事會層級的關係。 | 他們是導入者，而非建造者。他們安裝的是您可直接簽約取得的同樣供應商平台。每案 200 萬至 1,000 萬美元，需 12-24 個月才見營運成效。配置的是跨產業輪調的通才顧問。 |
| 新興 AI 業者 （Softlabs、Kaiban、Tech Mahindra） |
AI 驅動的中斷管理與重新安排自動化。多半是面向旅客的代理式 AI。 | 現代化技術堆疊。面向旅客重新安排的快速部署。較低的價位。 | 聚焦於面向旅客的自動化（改票、通知），而非營運面的機組復原。對 CBA 複雜度與 Part 117 約束編碼的理解有限。未發表 FAA 法規遵循的實績記錄。 |
| Veriprajna | ML 驅動的 IROPS 復原層，用以強化現有排班基礎設施。基於圖（graph-based）的網路分析。機率式機組追蹤。 | 專為最糟的 15 個 IROPS 日打造。與您現有的 Jeppesen/IBS 求解器協作（而非對抗）。在賦予任何營運信任之前先進行影子模式（shadow mode）驗證。為點對點航空公司提供網路脆弱性分析。 | 尚無航空公司生產部署的實績記錄。團隊規模小於既有供應商。無法取代完整的機組規劃生命週期（僅限當日復原）。需要高品質的資料饋送才能運作。 |
五項能力，各自針對現有工具未能處理的特定失效模式。
當您的列生成求解器在連鎖式中斷期間撞上計算懸崖時，我們的 ML 層會接手。我們使用圖神經網路（graph neural networks）將您的航線網路拓撲、機組位置、飛機狀態與作用中的約束，編碼為統一的表示。GNN 能捕捉表格資料無法捕捉的東西：某一航站的中斷如何透過相依鏈傳播，影響到下游三個轉接之外的機組與飛機。
復原引擎在幾分鐘內生成分級的復原計畫（機組調換、空乘調機〔deadhead〕重新定位、主動取消）。每個計畫在送達調度員之前，都會經過您的約束引擎驗證。我們特別採用圖注意力網路（Graph Attention Networks），因為注意力機制讓模型能權衡在當前中斷狀態下哪些轉接最為關鍵。飛往樞紐的延誤進場航班，會比飛往有緩衝時間的支線、且準時的航班，獲得更高的注意力權重。
這解決了造成 Southwest 2022 年崩潰的「資料黑洞」。我們不要求確切的機組位置（「Smith 機長在 B7 登機門」），而是將機組位置建模為機率分布。如果某飛行員最後一次 ACARS 簽到是在 3 小時前的丹佛，且有一筆機場附近飯店的確認訂房，我們會將其建模為：70% 在飯店、20% 在機場、10% 在途中。如果他同時持有下午 6 點飛往鳳凰城的登機證，我們會將此納入其可用時窗的考量。
復原引擎使用這些機率分布來運作，而不是去等待危機期間永遠不會到來的確定性。復原計畫會依最可能的機組位置情境進行評分，並為較不可能的位置預先計算好備援選項。您的調度員會看到：「方案 A（85% 信心，需要 Smith 機長在丹佛）與方案 B（95% 信心，改用另一組機組，但需要一次調機）。」
我們繪製您航線網路中的每一條相依鏈，並找出 5-10 條「斷層線」——單一中斷在此會造成最大的下游損害。對於每日 300 個離站航班的點對點航空公司，我們會按一天中的時段與季節，計算每個航站的影響範圍。一月份下午 2 點的丹佛，與七月份上午 10 點的丹佛，是截然不同的風險樣貌。
產出是一張網路風險圖，您的規劃團隊可用它做出明智的取捨。我們可能會指出，在丹佛增加一架緩衝飛機、並在鳳凰城預先配置一組備援機組，可在冬季將您的連鎖暴露降低 40%，代價是每日利用率的 0.3%。那是一筆 20 萬美元的年度投資，用以防範 500 萬至 1,000 萬美元的潛在 IROPS 損害。此分析是針對您的航線圖、機隊組合與歷史中斷模式量身打造的。
一個輕量化的模擬環境，讓您的營運團隊在中斷發生之前演練復原。載入去年冬季的實際天氣資料，注入您真實的機組班表與機隊位置，然後執行：「如果丹佛在一月的某個星期四關閉 6 小時會怎樣？」模擬器會建模整個網路的連鎖效應，顯示哪些機組會被滯留、哪些配對會斷裂、哪些下游航班面臨風險。
這不是一個完整的數位孿生（那需要 12 個月以上與數百萬美元才能建成）。它是一個專門打造的模擬，使用您現有的資料饋送，並專注於機組相關的中斷連鎖。您的調度員可以在平靜時期練習復原策略、測試預先定位計畫，並建立危機應變的肌肉記憶。會演練 IROPS 情境的航空公司，在真實中斷來襲時復原得更快，因為決策模式早已熟悉。
將您特定的工會合約規則與 FAA Part 117 要求，編碼為機器可讀的形式。Part 117 設定了底線：最少 10 小時休息、依時段而定的 8-9 小時飛行時間上限、依起飛時間與航段數量而封頂為 9-14 小時的飛行勤務期。但您工會的 CBA 才是真正複雜之處。
在 JFK 駕駛您 A320 機隊的機長，其休息條款可能與在 LAX 駕駛同一機隊的副機長不同，取決於 CBA 中針對特定基地規則的章節豁免條款。備援召回時窗、加給薪資觸發條件，以及訓練資格要求，全都會產生因機隊、基地與年資級距而異的約束。我們將這些編碼為機器可執行的規則，在計算層驗證每一項復原建議。當您的工會重新協商休息規則、或 FAA 發布新的 Part 117 解釋時，約束引擎會在當天更新，而非當季。
並排比較您的營運中心使用現有工具、與使用 Veriprajna 在諮詢模式（advisory mode）下運行的復原引擎時，分別如何應對。
| 時間軸 | 傳統流程 | 搭配 Veriprajna 復原引擎 |
|---|---|---|
| 下午 2:00 | 丹佛地面停飛令發布。求解器開始批次重新優化週期（執行時間 30-60 分鐘）。 | GNN 偵測到關閉並立即計算影響範圍：14 個下游航班面臨風險，6 組機組將在 3 小時內錯過轉接。調度員在 90 秒內看到風險圖。 |
| 下午 2:15 | 調度員開始人工評估哪些機組受影響。撥打電話至丹佛航站。 | 復原引擎生成 3 個分級的復原計畫。方案 A：主動取消 4 個低載航班，以釋出機組支援 10 個高價值轉接。方案 B：從鳳凰城調機 2 組備援機組（已在競爭對手航班上確認座位）。方案 C：將 6 個航班延誤 90 分鐘，接受其中 2 個航班的 DOT 退款風險。 |
| 下午 3:00 | 求解器返回第一個解答。其中三組已派遣的機組自快照擷取後已經移動。解答部分失效。開始人工修正。 | 調度員核准方案 A，並作一處修改。約束引擎依 Part 117 與 CBA 驗證所有機組派遣。復原計畫執行中。10 個高價值轉接受到保護。 |
| 下午 5:00 | 以修正後的機組位置啟動第二次求解器執行。又有額外航班發生連鎖。問題空間已倍增。調度員為東部網路埋頭白板作業。 | 主動取消已將中斷遏制在丹佛及兩個相鄰航站。東部網路正常運作。系統監測殘餘風險，並隨丹佛重新開放而調整。 |
| 晚上 9:00 | 網路仍處於劣化狀態。28 個航班取消、40 多個延誤超過 3 小時。機組飯店成本持續攀升。DOT 退款風險：約 170 萬美元。 | 4 個主動取消、8 個航班延誤（無一超過 3 小時）。機組已為明日班表重新定位。DOT 退款風險：0 美元。 |
此情境是以 2022 年 12 月 Southwest 事件中觀察到的中斷模式為基礎，並縮放至一家 300 航班的中型航空公司。具體的復原決策將取決於您的航線網路、機隊組合與機組基地位置。重點不在於系統完美無缺。重點在於：在 15 分鐘內生成 3 個經驗證的復原選項，為您的調度員提供了一個比空白白板更好的起點。
從初步評估到影子模式驗證的復原引擎。總時程：4-8 個月，視資料就緒度與機隊複雜度而定。
第 1-4 週
我們分析您的航線網路拓撲、歷史 IROPS 資料（12 個月以上）、機組基地位置與機隊利用模式。產出是一份網路脆弱性報告：依影響範圍排名的前 10 大連鎖風險航站、季節性風險樣貌，以及您年度 IROPS 暴露的財務估算。
此階段也會辨識復原引擎所需的資料饋送，並評估其品質與延遲。如果您的機組位置資料有 2 小時的延遲，那就是首先要解決的問題。
第 4-8 週
我們連接到您的營運資料饋送（航班狀態、機組位置、維修狀態），並建立您航空公司專屬的約束引擎。這需要與您的機組規劃團隊及工會代表協作，將適用於您營運的每一條 CBA 規則與 Part 117 要求數位化。
約束引擎會以 6 個月的歷史機組派遣資料進行測試，以驗證它能正確標記每一項已知違規、並核准每一項已知有效的派遣。如果它與某項歷史人工決策不一致，我們會調查究竟是當時人員判斷正確，還是規則編碼需要調整。
第 8-20 週
復原引擎在每一次 IROPS 事件期間與您的調度員並行運行。它即時生成復原建議，但不執行其中任何一項。您的調度員透過現有工具做決策。每次事件後，我們會比較：系統建議的方案 vs. 您團隊實際所做的 vs. 實際發生的結果。
目標是在至少一個完整的中斷季節（通常是一個冬季或一個夏季雷雨季節）內展現可衡量的改善。如果在至少 70% 的重大 IROPS 事件中，系統的建議無法改善結果，我們便不會建議進入第 4 階段。
持續進行
依據影子模式的證據，系統會被啟用為調度員的即時諮詢工具。信任是分級賦予的：低風險、高頻率的決策（在確認座位上的調機定位、備援機組召回）可先行自動化。複雜的多航站復原情境仍由人工核准。
我們不建議讓機組排班決策完全自主運作。調度員擁有系統所沒有的情境脈絡：一位剛打電話請病假的機組成員、一個尚未進入饋送的登機門變更、一個正在處理中的維修問題。系統的角色是為調度員提供一個強有力的起點，而非取代他們的判斷。
估算您年度的中斷暴露與 DOT 退款風險。調整輸入以符合您的營運。結果歸您所有，可用於預算討論、供應商評估或內部商業論證。
年度取消航班營收損失
1,580 萬美元
取消航班數 x 旅客數 x 票價
年度 DOT 自動退款暴露
1,890 萬美元
延誤 3 小時以上航班數 x 旅客數 x 票價
年度 IROPS 總暴露
3,470 萬美元
取消 + 退款 + 估算的機組/飯店成本
載入中……
不必。我們建立在您現有的機組排班基礎設施之上，而非取而代之。您的 Jeppesen CrewPlan 或 IBS iFlight 系統能有效處理一般日的排班。列生成求解器非常適合一年中 350 個例行日。問題出在最糟的 15 天——當連鎖式中斷把求解器推過計算懸崖，您的營運團隊只能退回試算表與電話。
我們的 IROPS 復原引擎與您現有的求解器並列運作。在一般營運期間，它以影子模式運行，學習您的網路模式，並以人工決策驗證其建議。當中斷連鎖到超出求解器能處理的範圍時，它會生成復原計畫，由您現有的系統驗證其是否符合約束。
整合透過您目前的資料饋送進行：ACARS 位置回報、航班狀態 API，以及機組管理系統匯出資料。我們不會碰您求解器的程式碼。唯讀資料存取的典型整合需 3-4 週，並在專案啟動後 6 週內讓復原引擎以影子模式運行。
我們會建立一個針對您營運的機器可讀約束引擎。Part 117 是底線，但工會 CBA 才是真正複雜之處。在 JFK 駕駛您 A320 機隊的機長，其休息條款可能與在 LAX 駕駛同一機隊的副機長不同，取決於 CBA 第 12 節與第 12(b) 節的豁免條款。
多數供應商把這些規則當作設定檔中的組態參數來處理。我們則將其視為一等的工程問題。在評估階段，我們與您的機組規劃團隊及工會代表協作，將每一條適用規則數位化，包括 FAA Part 117.25(b) 與 (c) 的區別、依機隊與基地而定的 CBA 專屬休息條款、各機型的訓練與資格要求，以及基於年資的派遣偏好。
約束引擎會在每一項復原引擎所生成的建議送達人工調度員之前先加以驗證。如果某項擬議的機組調換違反任何規則，它會在計算層被遮蔽，而非事後由人工審查者攔截。當您的 CBA 重新協商、或 FAA 解釋變更時，約束引擎會在當天更新。
我們需要四項資料饋送：即時航班狀態（OAG、FlightAware，或您內部的 OCC 饋送）、機組位置回報（ACARS 簽到、機組 App 資料，或來自您追蹤系統的人工位置更新）、機組班表與資格資料（從您的機組管理系統匯出，通常是 Jeppesen CrewAlert 或 IBS iFlight），以及涵蓋至少 12 個月 IROPS 事件、含機組復原決策與結果的歷史中斷資料。
前三項饋送建立起即時的營運畫面。第四項則以您特定的網路模式、季節性中斷樣貌，以及您調度員實際的復原方式來訓練復原引擎。
影子模式通常在資料存取建立後 6-8 週開始。前 2-3 週用於資料管線整合與約束引擎設置。第 4-6 週聚焦於以您的歷史中斷資料訓練網路模型。到第 6-8 週時，系統會與您的調度員並行生成即時復原建議，您便可開始將其建議與實際人工決策進行比較。
Accenture 與 Deloitte 是平台導入者。他們會進行為期 6 個月的探索階段、產出一份 200 頁的轉型路線圖，然後導入 Jeppesen 或 IBS——也就是您可以直接簽約取得的同樣供應商。他們的價值在於大規模的專案管理與變革管理。他們的案子通常為 200 萬至 1,000 萬美元，且需 12-24 個月才見任何營運成效。
我們建造的是那些平台所沒有的那一層。Jeppesen 與 IBS 是出色的日常排班引擎。但兩者都沒有生產等級的 ML 來處理連鎖式 IROPS 復原、機率式機組追蹤或網路脆弱性分析。一家四大事務所不會建造這些能力，因為他們不是軟體工程公司。他們以跨產業輪調的通才顧問來配置專案，而非懂圖注意力網路（Graph Attention Networks）與近端策略優化（Proximal Policy Optimization）的工程師。
我們的合作在 8 週內（而非 8 個月）就開始產出影子模式資料。您會看到取自您實際近期中斷的比較性復原計畫。如果我們的建議無法改善結果，您在第一個冬季就會知道。從評估到影子模式驗證的合作總費用為 40 萬至 80 萬美元，視機隊規模與資料複雜度而定。
在整個合作期間，您現有的系統始終是營運的記錄系統。我們的復原引擎是諮詢性的，而非自主的。它生成分級的復原選項，由您的調度員評估與核准。如果我們的系統離線，您的營運不會有任何改變，因為您的調度員本來就是透過現有工具做決策。
系統絕不會自行執行機組調換、取消或調機派遣。每一項建議都會通過約束引擎（保證符合法規與 CBA），再交由人工調度員決定是否據以行動。
這是刻意為之。航空公司不應把營運權交給一個未經驗證的系統。信任是透過數月的影子模式驗證贏得的——系統在其中證明它能持續生成比現行流程更好的復原計畫。即使在驗證之後，我們仍建議分級的信任：僅對低風險、高頻率的決策（如在確認座位上的調機定位）自動執行，而複雜的多航站復原情境仍由人工核准。
點對點航空公司正是這套系統能帶來最大價值的地方，恰恰因為它們最容易受到連鎖式中斷的衝擊。在樞紐輻射式網路中，中斷可以透過隔離受影響的樞紐來加以遏制。機組與飛機頻繁地返回樞紐，形成自然的復原點。像 Delta 這樣的航空公司能隔離一次亞特蘭大地面停飛，讓網路其餘部分持續運作，因為樞紐結構提供了內建的冗餘性。
像 Southwest、Spirit 或 Frontier 這樣的點對點航空公司則沒有這種結構性優勢。一架飛機從巴爾的摩飛往丹佛、再到聖地牙哥、鳳凰城、沙加緬度。任何一個航站的中斷都會沿著整條鏈傳播下去。原本該執飛聖地牙哥到鳳凰城的機組卡在丹佛。他們原本該在聖地牙哥會合的飛機被滯留。相依圖的直徑大得多，任何單一中斷的影響範圍都無法被遏制。
我們的網路脆弱性分析正是為這種拓撲而設計。我們繪製您航線網路中的每一條相依鏈，找出中斷會造成最大下游損害的航站，並為最可能的失效情境預先計算復原策略。當丹佛關閉時，系統已經知道該重新定位哪些機組、主動取消哪些航班，以便將中斷遏制在當地，而非任其擴散至全網路。
DOT 自動退款規定於 2024 年 10 月 28 日生效，根本性地改變了連鎖式中斷的經濟學。在該規定之前，航空公司可以提供旅行憑證或改票，作為延誤與取消的預設補救方式。多數旅客接受憑證，航空公司則保住了營收。
如今，任何超過 3 小時的國內延誤或超過 6 小時的國際延誤，都會觸發強制性的自動退款，以原付款方式在 7 個工作天內退還。航空公司不得要求旅客主動提出。
對於每日營運 200-400 個航班的中型航空公司而言，一次延誤 50 個航班達 3 小時以上的連鎖式中斷，如今代表的是即時的現金流出，而非遞延的負債。如果這些航班的平均票價為 280 美元、每航班 150 名旅客，單一個糟糕的 IROPS 日就可能觸發 210 萬美元的強制退款，再加上機組加班費、飯店成本與調機重新定位。在該規定之前，這些旅客中或許只有 15-20% 會去申請退款。如今 100% 都是自動的。這使得 IROPS 復原每加快一小時，都能直接以避免的退款風險來衡量。一套能把 6 小時的網路崩潰遏制為 2 小時區域性中斷的系統，其商業論證已不再只是理論。
本解決方案頁面背後的技術基礎，以互動式白皮書形式提供。
計算的迫切性：以圖強化學習打造反脆弱物流
對 Southwest SkySolver 失效的鑑識分析、列生成在連鎖式中斷下的侷限，以及以 GRL 為基礎、結合 neuro-symbolic 約束強制執行的機組復原技術架構。
冬季風暴季節在 10 個月後開始。影子模式需要 8 週才能部署。
對於一家中型航空公司，如今單一個嚴重 IROPS 日的成本，在取消、機組重新定位與 DOT 強制退款上達 200 萬至 500 萬美元。評估階段會辨識您特定的暴露，並以您實際的歷史中斷來證明復原引擎的價值。