| Títol variant: |
Optimització de l'estoc de menjar i beguda a bord de l'avió i de la satisfacció del client basat en dades |
| Títol variant: |
Optimization of Food and Beverage Stock on Board Aircraft and Customer Satisfaction Based on Data |
| Data: |
2026 |
| Resum: |
Aquest treball desenvolupa una anàlisi que inclou dos objectius claus per a qualsevol aerolínia: predir la satisfacció del client i optimitzar l'inventari de menjar i beguda a bord, amb l'objectiu de reduir costos i augmentar l'experiència del passatger. Per fer-ho, s'utilitzen dades publicades per l'aerolínia United Airlines, en què s'inclou informació relativa a enquestes de satisfacció, ressenyes dels passatgers, informació de l'inventari i dades de preordre dels productes. El treball parteix d'una exploració de la literatura científica existents sobre la satisfacció del client al sector aeronàutic, ressaltant la influència dels factors emocionals, cognitius i de la qualitat del servei. S'exploren investigacions recents basades en tècniques d'aprenentatge automàtics i processament de llenguatge natural per predir la satisfacció del passatger, identificant variables rellevants com l'amabilitat del personal, la comoditat, el preu i el sentiment expressat en ressenyes. Seguidament, es fa una anàlisi exploratòria de les taules proporcionades; es detallen les diferents fases com la neteja de les dades, preprocessament, anàlisi descriptiva, correlacions i relacions entre variables. S'estudien patrons de comportament dels passatgers, tendències i factors que puguin influir en la satisfacció. D'altra banda, s'entrenaran models predictius per estimar la satisfacció del client, a més d'optimitzar l'inventari de menjar i beguda. Es faran servir tècniques d'aprenentatge automàtic on s'avaluarà el poder predictiu dels models mitjançant mètriques de rendiment, seleccionant aquells amb millor capacitat predictiva. En conclusió, aquest treball proposa un marc integrat que permeti a les aerolínies: 1. Predir el grau de satisfacció del passatger a partir de les variables més rellevants i de l'anàlisi de sentiment de les ressenyes dels passatgers. 2. Planificar l'inventari de menjar i beguda de manera òptima, reduint deixalles i ajustant l'oferta a la demanda real. 3. Millorar simultàniament la qualitat del servei i l'eficiència operativa L'estudi demostra que tots dos objectius, millorar la satisfacció del client i optimitzar l'estoc a bord, poden abordar-se de manera conjunta mitjançant un enfocament basat en dades, oferint una eina valuosa per donar suport a la presa de decisions estratègiques a les aerolínies. |
| Resum: |
The present study develops an analysis that includes two main goals for any airline: predicting customer satisfaction and optimizing onboard food and beverage inventory, with the aim of reducing costs and improving passengers' experience. For instance, data published by United Airlines are used, including information related to satisfaction surveys, passenger reviews, inventory data, and product pre-order data. The study begins with a review of the existing scientific literature on customer satisfaction in the aviation industry, emphasizing the influence of emotional and cognitive factors, as well as service quality. In order to predict passenger satisfaction, more research based on machine learning techniques and natural language processing is reviewed, identifying relevant variables such as staff friendliness, comfort, price, and the sentiment expressed in passenger reviews. For instance, an exploratory analysis of the provided datasets is carried out, detailing the different phases like data cleaning, preprocessing, descriptive analysis, correlations, and relationships between variables. Passenger behavior patterns, trends, and factors that may influence satisfaction are examined. Apart from that, predictive models are trained to estimate customer satisfaction while also optimizing food and beverage inventory. Machine learning techniques are applied, and the predictive performance of the models is tested using performance metrics and only keeping those with the highest predictive capability. In conclusion, this study proposes an integrated framework that enables airlines to: 1. Predict passenger satisfaction levels based on the most relevant variables and sentiment analysis of passenger reviews. 2. Optimize food and beverage inventory planning by reducing waste and forecasting an optimal inventory. 3. Improve service quality and operational efficiency. The study demonstrates that both goals, improving customer satisfaction and optimizing onboard inventory can be achieved through a data-driven approach, thus offering a valuable tool to support strategic decision-making in airlines. |
| Resum: |
El presente trabajo desarrolla un análisis que incluye dos objetivos claves para cualquier aerolínea: predecir la satisfacción del cliente y optimizar el inventario de comida y bebida a bordo, con el objetivo de reducir costes y aumentar la experiencia del pasajero. Para ello, se utilizan datos publicados por la aerolínea United Airlines, en los que se incluye información relativa a encuestas de satisfacción, reseñas de los pasajeros, información del inventario y datos de pre-orden de los los productos. El trabajo parte de una exploración de la literatura científica existents sobre la satisfacción del cliente en el sector aeronáutico, resaltando la influencia de los factores emocionales, cognitivos y de la calidad del servicio. Se exploran investigaciones recientes basadas en técnicas de aprendizaje automáticos y procesamiento de lenguaje natural para predecir la satisfacción del pasajero, identificando variables relevantes como la amabilidad del personal, comodidad, precio, y el sentimiento expresado en reseñas. Seguidamente, se realiza un análisis exploratorio de las tablas proporcionadas; se detallan las distintas fases como la limpieza de los datos, preprocesado, análisis descriptivo, correlaciónnes y relaciones entre variables. Se estudian patrones de comportamiento del pasajeros, tendencias y factores que puedan influir en la satisfacción. Por otra parte, se entrenarán modelos predictivos para estimar la satisfacción del cliente, además de optimizar el inventario de comida y bebida. Se emplearán técnicas de aprendizaje automático donde se evaluará el poder predictivo de los modelos mediante métricas de rendimiento, seleccionando aquellos con mejor capacidad predictiva. En conclusión, el presente trabajo propone un marco integrado que permita a las aerolíneas: 1. Predecir el grado de satisfacción del pasajero a partir de las variables mas relevantes y del análisis de sentimiento de las reseñas de los pasajeros. 2. Planificar el inventario de comida y bebida de forma optima, reduciendo desperdicios y ajustando la oferta a la demanda real. 3. Mejorar simultáneamente la calidad del servicio y la eficiencia operativa. El estudio demuestra que ambos objetivos, mejorar la satisfacción del cliente y optimizar el stock a bordo, pueden abordarse de forma conjunta mediante un enfoque basado en datos, ofreciendo una herramienta valiosa para apoyar la toma de decisiones estratégicas en las aerolíneas. |
| Drets: |
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.  |
| Llengua: |
Castellà |
| Titulació: |
Gestió aeronàutica [2501233] |
| Pla d'estudis: |
Grau en Gestió Aeronàutica [829] |
| Document: |
Treball final de grau |
| Matèria: |
Satisfacció del client ;
Aprenentatge automàtic ;
Anàlisi de sentiment ;
Processament de llenguatge natural ;
Optimització de l'inventari ;
Experiència del passatger i Presa de decisions basada en dades ;
Customer satisfaction ;
Machine learning ;
Sentiment analysis ;
Natural language processing ;
Inventory optimization ;
Passenger experience ;
and Data-driven decision making ;
Satisfacción del cliente ;
Aprendizaje automático ;
Análisis de sentimiento ;
Procesamiento de lenguaje natural ;
Optimización del inventario ;
Experiencia del pasajero y Toma de decisiones basada en datos |
visitant ::
identificació
