航空クルースケジューリングが難しい理由と最適化AIによる解決

なぜ航空クルー スケジューリングが経営課題なのか

クルー人件費は航空会社の運航コストのなかで燃料費に並ぶ大きな比率を占めます。割当の組み方ひとつで、稼働率も人件費も大きく動く構造です。一方で乗務員不足とディスラプション対応の負荷は年々高まっており、スケジューリングは現場担当者の経験頼みでは持ちこたえられない経営テーマになってきました。

クルーコストが運航コスト構造を決める主要費目になる

答えはシンプルで、クルー人件費は航空会社の運航コストの2割から3割前後を占める主要費目です。1便あたりの乗務員コストは、機長と副操縦士、客室乗務員数名、待機・宿泊・移動を含めた総コストで構成されており、ペアリングの組み方しだいで大きく変動します。

同じ路線でも、クルーがベースに帰りやすい組合せと、宿泊が長引く組合せでは1往復あたりのコストが数十万円単位で違ってきます。さらにデッドヘッド（クルーを乗客として自社便で輸送する形態）の発生回数が、見えにくい形で総コストを押し上げる構造もあるのです。スケジューリングの最適化は、新規投資なしに運航コスト構造を変えられる数少ない打ち手と言えるでしょう。

パイロット・客室乗務員不足が世界的に拡大している

航空需要の回復と熟練パイロットの大量退職期が重なり、パイロット供給は世界的に逼迫しています。航空各社は採用と育成に多額の投資を続けていますが、機長への昇格には数千時間の飛行経験が必要で、短期間で増員できる職種ではありません。

客室乗務員側でも、語学資格や安全訓練のレベル維持が前提となり、即戦力の確保は容易ではない実情があります。少ない人数で同じ便数を回すには、勤務の隙間と重複を減らした緻密な割当が前提になるでしょう。スケジューリング精度がそのまま運航可能な便数の上限を決める時代に入ってきたとも言えます。

欠航・遅延がブランドと収益の両方を毀損する

ある現場で欠航が1件発生すると、当該便の払戻だけでなく、後続便の機材繰り・クルー繰りに連鎖的な影響が広がります。乗継客の対応、宿泊手配、振替便の手配といった付随コストが膨らみ、1件の欠航が数千万円規模の損失につながるケースも珍しくありません。

口コミやSNSで「あの航空会社は遅延が多い」という評判が広がれば、ビジネス顧客のロイヤルティも下がり、長期的な収益にも響きます。逆に、ディスラプション時に素早く正常運航へ復帰できる体制は、ブランド価値そのものになっていくはずです。

航空クルー スケジューリングが難しい4つの根本原因

クルー繰りが破綻する原因は、現場担当者の調整力不足ではなく、構造の問題に分けて整理できます。ほぼすべての航空会社で共通する4つの構造要因を順に見ていきます。

(1) ペアリング段階で組合せが爆発する

スケジューリング破綻の起点は、ペアリング（クルーが基地から出発し基地に戻るまでの一連の勤務サイクル）の組合せ数にあります。月間数千便を運航する航空会社では、便とクルーペアリングの組合せが天文学的な数になり、すべての候補を網羅的に探索することは現実的ではありません。

便と便をどう繋いで1つのペアリングにするかの選択肢は、ハブ空港の規模と路線数の積で増えていく性質です。1日数百便が出発するハブの場合、有効なペアリング候補は数百万通り単位で発生する局面もあります。

(2) FTL・労働法・資格制約が多重に絡む

なぜ航空クルーは何重もの制約を抱えるのか。航空クルーには、運航規程に基づく飛行時間制限と乗務時間制限（業界用語でFlight Time Limitations、FTL）、休養時間、連続勤務日数の上限、労働基準法上の労働時間規制が同時に効いてきます。さらにパイロットには機種ごとの型式限定資格、客室乗務員にはチーフ・サブの役割や国際線の言語資格といった個別の資格制約が加わるのです。

これらは独立した制約ではなく、相互に絡み合いながら成立する仕組みです。たとえば長距離国際線では、機種型式適合・休養時間確保・チーフ資格保有・現地着後の最低休息時間といった条件をすべて同時に満たす必要があります。1つでも欠ければ法令違反として運航不可となるため、人手の調整では条件確認の往復だけで時間が溶けていく現実があります。

(3) ディスラプション時の再計画が間に合わない

ある朝、機材整備不備や悪天候で1便が遅延すると、その便のクルーが続く別便にも乗れなくなる連鎖が始まります。連鎖した先のクルーがさらに別便に組まれていれば、影響は何便にもわたって波及していきます。再計画は出発の数十分前までに完了させる必要があり、ここでの判断遅延がそのまま大規模欠航のリスクになっていく構造です。

人手の調整では、玉突きで影響する周辺便のクルー要件を一つずつ確認しながら代替を探す形になりがちです。1人を差し替えるたびに、その人の元の便の代替を探す再帰的な作業が発生し、現場の運航管理者は数時間かけても全体整合の取れた解にたどり着けないケースも報告されています。

(4) 個人希望と公平性の調整が属人化している

最後の構造要因は、個人希望と公平性の調整負荷です。クルーには休暇希望、特定路線の希望、家庭事情による配慮要望といった個別の事情があり、ローテーション（個人別の月間勤務予定）作成時にこれらを反映する作業が発生します。

希望充足率を上げると公平性が崩れやすく、機械的に均等配分すると個人事情への配慮が失われていく性質を持ちます。多くの航空会社では、ベテラン担当者の経験と人間関係への理解で調整しているのが実情で、担当者が異動した瞬間に品質が落ちる属人化リスクを抱えているのです。

計画に組み込むべき変数と相互の絡まり方

航空クルー スケジューリングでは、6つの要素を同時に成立させる必要があります。1つや2つなら頭で扱えますが、6つが同時に絡むと、人間が一度に保持できる思考の範囲を超えていきます。

(1) 便ごとの運航スケジュールと機材割当

出発点となるのは、運航ダイヤと機材割当の確定情報です。便ごとの出発・到着時刻、出発空港・到着空港、使用機材（ボーイング787、エアバス320等）が決まって初めて、必要なクルーの型式と人数が定義されます。

機材ローテーションが組まれた段階で、その機材を運航できるパイロットの資格条件が連動して決まる仕組みです。前提として、運航ダイヤと機材割当のデータが構造化されて整備されていることは欠かせません。

(2) パイロットの型式限定資格

パイロット側の制約で最も効いてくるのが、型式限定（Type Rating）です。機長と副操縦士はそれぞれ操縦する機種ごとに国家資格を持っており、ボーイング777の機長資格を持つパイロットがエアバス320を操縦することはできません。

複数機種の運航資格を持つマルチクオリファイドのパイロットも存在しますが、機種を切り替えるための再訓練や年次審査の負荷があり、すべてのパイロットがマルチではない現実があります。スケジューリングでは「この便にはこの型式適合のパイロットが必要で、彼/彼女はこの月の他便にも組まれている」という制約を全便で同時に解いていく必要があるのです。

(3) 客室乗務員のチーフ・サブ役割と言語資格

客室乗務員側では、チーフパーサー・サブパーサー・一般乗務員の役割区分と、国際線で必要となる言語資格が組み込み変数になります。1便ごとに「チーフ1名・サブ1名・一般○名」という構成要件があり、国際線ならさらに「英語+渡航地言語」の組合せ条件が加わってきます。

新人クルーと熟練クルーのバランスを取る運用ルールがある会社も多く、誰と誰を一緒に乗せるかという経験値配分の観点も計画に組み込む対象です。これらをすべて満たしながら、休暇希望や勤務希望も反映していくため、客室乗務員側だけで数百次元の制約が発生する構造になっています。

(4) FTL（飛行時間・乗務時間制限）と休養時間

航空法の運航規程では、運航乗務員の飛行時間と乗務時間に上限が定められています。月間・年間・連続勤務での上限を超える割当は法令違反となるため、ハード制約として扱う必要があるでしょう。客室乗務員側にも、労働基準法の労働時間規制と業界の運用基準が効いてきます。

これに加えて、各勤務の前後には最低休養時間の確保が必須です。長距離フライト後はホテル滞在の最低時間が決まっており、時差が大きい路線ではさらに長くなる規定もあります。これらは単独の数字ではなく、過去の累積飛行時間や次の勤務までの間隔と連動する形で計算されるため、人手で同時に満たすのは容易ではありません。

(5) ベース帰着とペアリングの連続性

ペアリングは「ベースを出発して、いくつかの便を乗務して、ベースに戻る」という一連の勤務サイクルです。ベースに帰る便を見つけることがペアリング設計の基本骨格で、片道便だけを並べてもクルーは戻れません。

ベース帰着までに何泊するか、各宿泊地のホテル手配コスト、復路便のクルー要件との整合性が連動します。ベースが複数ある航空会社では、どのベース所属のクルーをどのペアリングに組み込むかの選択も計画変数になっていきます。ペアリングの選び方によってホテルコストとデッドヘッドコストが大きく変わるため、コスト面でも重要な変数です。

(6) 個人希望と公平性の評価

最後の変数は、個人希望と公平性の評価関数です。各クルーには休暇希望、特定路線への希望、家庭事情による配慮要望が登録されており、これらの希望充足率を計画品質の指標として扱います。

同時に、深夜便・早朝便・長距離便といった負荷の高い便を特定の人に集中させない公平性の評価も必要になるでしょう。希望充足率を上げると公平性が崩れ、公平性を優先すると希望充足率が下がるトレードオフがあり、双方をバランスさせる評価関数の設計は最適化の本質的な部分です。

なぜ「人手の計画」では限界があるのか

6つの変数を同時に解こうとすると、人手の調整は3つの面で限界に直面します。変数の多さ、トレードオフの複雑さ、見直しスピードの3点を順に見ていきましょう。

第一に、変数の多さがあります。型式限定資格・FTL・休養時間・ベース帰着・希望・公平性をすべて満たす組合せを探索するには、便ごとに数十のクルー候補を評価し、その候補が他の便にどう影響するかを再帰的に確認する必要があります。便数が数百を超えた段階で、人間の作業記憶では正確に追えない複雑さに到達するでしょう。

第二に、トレードオフの複雑さです。クルーコストを下げると稼働率が下がり、稼働率を上げると休養時間が削られ、休養時間を確保すると人員不足になり、人員を増やすとコストが上がる、という連鎖関係があります。1つの指標だけ最大化しても他の指標で破綻するため、複数指標を同時にバランスする計算が要求されます。

第三に、見直しスピードの限界。ディスラプションが発生した瞬間、人手の調整では数時間かけて代替案を組み立てることになりがちですが、出発時刻までに計画が完成しなければ欠航が確定します。欠航1件を防ぐ価値が数千万円に達する局面でも、人手のスピードでは間に合わないケースが現実に発生しているのです。

最適化AIが解決への道

最適化AIは航空クルー スケジューリングをどう解くのか。航空クルー スケジューリングは典型的な組合せ最適化問題として知られており、ペアリング最適化とローテーション最適化、ディスラプションリカバリの3層構造で解くアプローチが研究と実務の両面で蓄積されてきました。最適化AIは、これらの計算を実用的な時間で同時に成立させる技術として位置づけられます。

最適化AIは、決められたゴール（クルーコスト最小化、稼働率最大化、希望充足、公平性）に対して、守らなければならないルール（FTL、資格、休養時間、ベース帰着）をすべて満たす計画を自動で探索する仕組みです。生成AIが「それらしい文章を出す」のとは異なり、ルール違反のない計画だけを候補に含めながら、評価関数で最も良い候補を選び出していく動きをします。

ペアリング最適化で乗務コストを下げる

たとえば、ある航空会社のハブ空港で月間2,000便に対するペアリングを設計する局面を考えてみます。最適化AIは、便と便を繋いだペアリング候補を生成し、各候補に対してクルーコスト・宿泊コスト・デッドヘッドコストを評価して、全便を被覆する最も安価なペアリング集合を選び出していきます。

この問題は集合被覆問題（Set Covering Problem）として定式化される典型的な組合せ最適化で、メタヒューリスティクスと列生成法の組合せが実務で広く使われている領域です。配送・回収計画のように制約が多い組合せ被覆型の問題でも、最適化AIは勤務条件を満たしながら残業を抑える計画を現実的な時間で生成でき、本質的に同じロジックを航空クルーペアリングにも応用できます。

ローテーション最適化で公平性と希望充足を両立する

ペアリングが確定した次の段階は、各ペアリングを個人クルーに割り当てるローテーション（ブロッキングとも呼ばれます）です。ここでは個人ごとの月間勤務予定が完成形となり、希望充足率と公平性のトレードオフが本格的に効いてきます。

最適化AIは、個人別の累積飛行時間、希望路線の充足回数、深夜便の負担分布、休暇希望といった複数の指標を評価関数に組み込み、複数のバランスパターンを同時に探索する動きをします。「希望優先寄り」「公平性優先寄り」「コスト優先寄り」といった複数のバランスパターンを並列で出せるため、現場の方針に合った解を選んでいくプロセスが組めるでしょう。

ディスラプションリカバリで欠航・遅延を吸収する

最適化AIの真価は、ディスラプション発生時に発揮されます。機材整備不備で1便が遅延した瞬間、影響を受ける後続便のクルー要件をすべて確認し、代替候補を生成し、玉突きで影響する周辺便も同時に組み直す再計画を数分で出せる動きが可能です。

人手では数時間かかる連鎖判断を、最適化AIは数分から十数分のオーダーで完結させていきます。さらに、現場独自のローカルルール（特定機長の休暇配慮、新人ペアリングの安全制約等）も評価関数として組み込めるため、汎用ソルバーやスプレッドシートでは扱いきれない個別性に対応できる柔軟性も持っています。

業務整理から始める導入の進め方

ここまで読むと、最適化AIをすぐに導入したくなるかもしれません。ただし実務では、ツール選定から入るのは適切ではない局面が多いのが実情です。FTLや資格データが構造化されていない、希望登録の仕組みが整っていない、ディスラプション時の判断基準が口頭の暗黙知のままといった状況だと、AIに渡す入力データそのものが揃いません。

制約条件と運用ルールを棚卸しする

最初の段階は、制約条件と運用ルールの棚卸しです。運航管理部門・乗員部門・客室乗務員部門の現場担当者へのヒアリングを通して、明文化されていない暗黙のルールを構造化していきます。

「この機長は午前便のみ」「この客室乗務員は語学要員として国際線優先」「このベースのクルーは月1回は必ず帰宅日を確保」といった条件を1件ずつ洗い出し、ハード制約（絶対に守る）とソフト制約（できる限り良くする）に分類していきます。この整理だけでも、現場の暗黙知が見える化され、引き継ぎや教育に効果が出てくるでしょう。

一部路線・一部クルー区分でスモールスタート

全路線・全クルー区分への一気導入は推奨できません。国内線の一部路線、または客室乗務員部門だけに絞ったスモールスタートから始めるのが王道です。

小規模で試すことで、データの不足、ルールの抜け、現場の受け入れ態勢といった課題を早期に発見できます。最適化AIの導入は本質的に不確実性を伴う取り組みで、試行錯誤を通して現場運用に近づけていくプロセスは避けられません。

効果を測定してから横展開する

スモールスタート後は、クルーコスト・稼働率・希望充足率・公平性指標・ディスラプション時の再計画時間といった指標で効果を測定します。導入前後の数字を比較し、改善幅と副作用（特定クルーへの負担集中、ベース間の不公平等）を確認した上で、対象範囲を段階的に広げていく流れです。

OptHubでは、現場ヒアリングから始めて業務プロセスを可視化し、暗黙知を制約条件として整理したうえで最適化AIを設計するという順番で支援を進めます。アルゴリズム単体ではなく、データ連携・可視化・複数案の比較・現場フィードバックを含む実運用システムとして構築する点を重視しているのです。業務整理の段階から相談できる体制があるかどうかが、最適化AI導入の成否を分ける重要なポイントになっていきます。

まとめ

航空クルー スケジューリングが難しいのは、現場担当者の能力の問題ではなく、組合せ爆発・多重制約・ディスラプション・公平性という4つの構造的要因に由来しています。これらは人手の表計算と経験では同時に解けない複雑さで、月間数百便を超えた段階で最適解から大きく離れていく性質を持っています。

最適化AIは、ペアリング最適化・ローテーション最適化・ディスラプションリカバリの3層で計算を担う技術で、典型的な組合せ最適化問題として研究と実務の両面で確立されてきました。クルーコスト・稼働率・希望充足・公平性という相互にトレードオフを持つ指標も、多目的最適化の枠組みで同時にバランスできるようになっていきます。

導入はツール選定ではなく業務整理から始めるのが王道です。制約条件の棚卸し、スモールスタート、効果測定と段階的拡張という順番で進めることで、航空クルー繰りは「ベテラン担当者の頭の中」から「組織の仕組み」へと移行していくでしょう。乗務員不足とディスラプション対応の負荷が増大する航空業界において、クルー スケジューリング最適化は経営課題そのものになっています。