REMIGIUS

Aufgabe des Revenue Managements einer Fluggesellschaft ist es, für die verschiedenen auf Marktsegmentierung basierenden Produkte durch Preisdifferenzierung und Kontingentierung den Erlös zu maximieren.

Da die Nachfrage nach den einzelnen Produkten starken Schwankungen unterworfen ist, handelt es sich hierbei um ein stochastisches Optimierungsproblem. Zur Lösung wurden im Laufe der Zeit zahlreiche unterschiedliche Modellierungen vorgeschlagen.

Remigius ist ein stochastischer Simulator. Ursprüngliches Ziel der Entwicklung war es, die Einflüsse exogener Faktoren auf die Optimierungsverfahren zu bewerten. Die Simulation umfasst sowohl die Nachfrageseite (Kunden), als auch die Angebotsseite der Fluggesellschaften. 

Revenue Management

Die Aufgabe des Revenue Managements entsteht durch die Ansprüche und Eigenschaften unterschiedlicher Kundengruppen. Die eher preissensitiven Privatkunden wollen ihre Reiseplanung zu einem sehr frühen Zeitpunkt fixieren. Die wenig preissensitiven Geschäftskunden wissen hingegen meist erst wenige Tage vor Abflug, ob sie eine beabsichtigte Reiseplanung so auch wahrnehmen können. Eine Linienfluggesellschaft ist auf beide Kunden angewiesen. Sie bietet den Kundengruppen entsprechende Produkte zu unterschiedlichen Preisen an. Zur Maximierung des Ertrags besteht also ein natürliches Interesse der Fluggesellschaft für die spät buchenden Geschäftskunden Plätze zu reservieren.

Das Revenue Management muss also darüber entscheiden, wie viele Plätze vorab zu günstigen Konditionen angeboten werden können, um kurz vor Abflug dennoch genügend Plätze für die viel zahlende Geschäftsklientel zu haben.

Simulation

Ein Revenue Management Simulator muss die wesentlichen Komponenten des realen Systems umfassen. Das Buchungssystem entscheidet über die Annahme oder Ablehnung von Buchungswünschen der Passagiere und verwaltet den Buchungsbestand der simulierten Abflüge. Der Optimierer ermittelt auf Basis der Prognosen über die Nachfrageentwicklung und den Kapazitätszuweisungen Vorgaben für die Sitzplatzkontingente für die einzelnen Kundenklassen. Prognose und Flottenzuweisung liefern die Vorgaben. Zur Darstellung der Ergebnisse des Simulationsexperimentes ist ein Output Modul erforderlich, mit welchem die bestehende Vielzahl an Kennzahlen auf verschiedenen Ebenen analysiert werden können muss. Besonderheit der Simulation sind die unterschiedlichen Möglichkeiten zur Generierung der Nachfrage und die Möglichkeit eines Fleet Assignment Prozesses.

Typische Fragestellungen für Simulationen im Bereich des Revenue Management sind:

  • Welches Optimierungsverfahren dominiert unter gleichen Voraussetzungen?
  • Wie wirken sich die unterschiedlichen Annahmen verschiedener Optimierungsverfahren auf das Ergebnis aus?

Eine weitere Verwendungsmöglichkeit ist der Einsatz für die Schulung von Revenue Managern.

Features von Regmigius

  • Nachfrage:
    • Generierung auf Basis empirischer Daten (Volumen und Buchungshistorie)
    • Generierung auf Basis stochastischer Prozesse (Poisson, Cox)
    • Upsell Wahrscheinlichkeiten in Abhängigkeit von Kundengruppen und Buchungsklassen
    • Abbildung von Trends/Saisonalitäten in Abhängigkeit von Verkehrsgebieten
  • Prognose
    • Basis Exponentiell Smoothing
    • Unconstraining mittels Pick-Up Modell
    • Aktualisierung mittels additivem Pick-Up Modell
  • Optimierung
    • Alternativen: FCFS, EMSRb, EMSRd, MDP, DLP
    • Berechnungsmöglichkeit einer oberen Schranke
  • Kapazitätszuweisung
    • Rotationelles Fleet Assignment mit verbindungsabhängigen Bodenzeiten
  • Netz
    • Zwei kalibrierte Netzwerke
      • Europäisches Netzwerk mit 730 Flügen und 1605 O&Ds
      • Europäisches Netzwerk mit 180 Flügen und 880 O&Ds
    • Kalibrierung weiterer Netzwerke möglich
  • Output Analyse:
    • Buchungen, Kontingente und Prognose gruppiert nach O&Ds
    • Buchungen, Kontingente und Prognose gruppiert nach Buchungsklassen
    • Buchungen, Kontingente und Prognose gruppiert nach einzelnen Strecken
    • Buchungen, Kontingente und Prognose gruppiert nach Verkehrsgebieten
    • Buchungen, Kontingente und Prognose im Zeitverlauf
    • Buchungen und Blockstunden gruppiert nach Teilflotten
 

Sitemap  Datenschutz  Kontakt  Impressum
© TU Clausthal 2017