A crescente procura na aviação comercial em determinados picos operacionais, as avarias inusitadas e as operações charter Ad-hoc, fazem com que as empresas tenham necessidade de procura de aluguer de aeronaves a operadores de aviação. Por vezes deparam-se com dificuldades em encontrar aeronaves disponíveis para realizar o serviço ou simplesmente para que não haja custos acrescidos de aquisição, manutenção e de certo prejuízo em época baixa de operacionalidade, preferem não fazer aquisição de aeronaves de reserva capazes de fazer cobertura para todas as exigências operacionais, ou simplesmente, porque o seu tipo de negócio não abrange a inclusão de compra de aeronaves e preferem recorrência ao aluguer. As empresas de aviação não regular que conseguem colmatar esta carência necessitam ter uma preparação logística atempada. Assim, com este trabalho pretende-se fazer a predição da próxima tipologia operacional, do modelo de aeronave que será procurado e a consequente tripulação necessária para préstimo de serviço a bordo. A capacidade de preparação com antecedência na resposta operacional ao cliente, adequar o leque de oferta de aviões à procura e a existência de tripulação adequada às necessidades operacionais adjacentes, permite prestar um serviço de qualidade, melhoria da capacidade de resposta e melhoria de organização interna empresarial. Com esta dissertação pretende-se encontrar modelos de predição com auxílio a aprendizagem automática, aprendizagem automática com recurso a séries temporais e RNN – LSTM (Recurrent Neural Network - Long Short Memory Term), encontrando assim entre estes o modelo mais adequado a permitir fazer predição. Para a aplicação destas técnicas, foram utilizados os dados de gestão de tripulação e dados de planeamento de aeronaves, onde foi possível encontrar modelação adequada à predição da tipologia operacional, com ANN de classificação, para a modelação para determinação dos modelos de aeronaves, os melhores resultados obtidos foram com Árvores de Decisão de classificação e de tripulação, foi determinado com algumas dificuldades com ANN de regressão, a escolha recaiu na melhor performance.

Growing demand in commercial aviation at certain time of operational peaks, facing maintenance problems as AOG (aircraft on ground) and the procurement for Ad-hoc charter operations, means that companies need to seek aircraft leasing from other aviation operators. Sometimes comercial airlines face some difficulties to find available aircrafts to perform their flights or simply to avoid additional costs of acquisition, maintenance and some losses in low peak operating times, instead they prefer not to purchase but rent aircraft capable of covering all operational requirements, or even simply because their type of business does not include the purchase of aircraft and prefer recurrence to rental. The non-scheduled aviation companies that can fill this gap need to have in advance a logistic preparation, thus, with this work, is intend to predict the next type of operation, the aircraft model to be searched and the convenient crew required for service on board. Pre-operational customer adequate response, matching the range of aircraft model supply to demand, and adequate number of crew to the consequent operational requirements, enables quality service, responsiveness improvement and higher internal business organization. This dissertation aims to find prediction models with the aid of machine learning, machine learning with time series and deep learning RNN - LSTM (Long Term Memory Term), finding amongest them the most suitable model to make predictions. To apply those techniques, crew management data and aircraft planning data were used, where it was possible to find appropriate modeling to predict the operational typology, with ANN classification, to predict the aircraft models, the best results were obtained with Decision Trees classification, and the necessary crew, it was determined with regression ANN, the choice was done having in mind the best performance of each model.