Con el crecimiento del tráfico de la aviación comercial y la necesidad de mejorar el rendimiento ambiental, son necesarias estrategias para reducir las emisiones que se puedan implementar a corto plazo. Dado que la tecnología novedosa tarda en entrar en el mercado, las mejoras operativas que emplean aeronaves existentes y no requieren nueva infraestructura son adecuadas para este objetivo. Si bien los datos cuantificados recopilados a lo largo de la aviación, como las estadísticas de llegadas/salidas y los datos de vuelos, han sido bien utilizados, los datos textuales recopilados a través de informes de seguridad no se han aprovechado en su totalidad. En este documento, se presenta una metodología que puede utilizar datos textuales de aviación para identificar causas de alto nivel de retrasos y cancelaciones de vuelos, utilizando los retrasos como un indicador de ineficiencia operativa. El conjunto de datos se extrae del Sistema de Informes de Seguridad de la Aviación (ASRS), que incluye informes de incidentes de seguridad voluntarios en formatos narrativos de texto y metadatos. La metodología utiliza herramientas de procesamiento de lenguaje natural, agrupamiento K Means y reducción de dimensionalidad mediante t-Distributed Stochastic Neighbor Embedding (t-SNE) para categorizar y visualizar narrativas. El método identificó 7 clústeres principales y un total de 23 subclústeres. Una comparación entre los temas de los subclústeres y las causas de los retrasos de vuelos reveladas por los datos cuantificados muestra que la base de datos ASRS proporciona una perspectiva de seguridad única para la identificación de causas de retraso, como lo ilustra la identificación del mantenimiento como la principal causa de retrasos, en lugar del clima.