Med hjälp av artificiell intelligens bidrar Bouvet till att effektivisera säkerhetskontrollerna på norska flygplatser. Detta har lett till kortare köer för passagerarna samt kostnadsbesparingar.
Projektets mål var att förutsäga hur många passagerare som skulle passera genom säkerhetskontrollen på en flygplats vid en viss tidpunkt i framtiden, på alla flygplatser i Norge förutom Gardermoen. Detta för att kunna kostnadseffektivisera genom att förhindra att personalen i säkerhetskontrollen står sysslolösa, samt för att minska köerna för passagerarna.
Bouvet har levererat en maskininlärningsmodell som förutsäger hur många passagerare som kommer att passera genom säkerhetskontrollen. Modellen är av typen "övervakad inlärning" (supervised learning) och har matats med historiska data om hur många flygplan som går under givna tidsperioder, hur många sittplatser dessa flyg har, kommande helgdagar och klämdagar. Modellen byggdes i Python med Keras och Tensorflow som de viktigaste hjälpmedlen.
Resultatet är en översikt över det totala antal passagerare som kommer att passera genom säkerhetskontrollen varje halvtimme. Detta presenteras i en PowerBI-dashboard tillsammans med rekommenderat antal öppna kontrollstationer, eller med andra ord hur många som bör arbeta i säkerhetskontrollen.
Bouvets konsulter har ansvarat för bland annat:
Modellen är nu i drift och används aktivt av Avinor vid regionala flygplatser i t.ex. Bergen, Stavanger, Tromsø, Trondheim och Ålesund. Vid dessa flygplatser har projektet, i kombination med en medveten användning av data i affärsprocesser, gett ekonomiska besparingar på flera miljoner.