એરલાઇન્સ ઇંધણના ખર્ચમાં ઘટાડો કરવા માટે AI નો ઉપયોગ કેવી રીતે કરી રહી છે: IndiGo નો નવો પ્રયોગ

વૈશ્વિક સ્તરે ઇંધણના ભાવ અસ્થિર રહેતા, એવિએશન ઉદ્યોગ કામગીરીને શ્રેષ્ઠ બનાવવા અને નફાના માર્જિનને સુરક્ષિત કરવા માટે અત્યાધુનિક આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) તરફ વળી રહ્યો છે. ભારતની અગ્રણી એરલાઇન, IndiGo, વિમાનના ટેક-ઓફને વધુ ઇંધણ-કાર્યક્ષમ બનાવવાના હેતુથી વિશિષ્ટ AI પરીક્ષણો શરૂ કરીને આ તકનીકી પરિવર્તનનું નેતૃત્વ કરી રહી છે.

IndiGo નું AI-સંચાલિત ફ્લાઇટ ઓપ્ટિમાઇઝેશન

IndiGo ઉડાનના સૌથી વધુ ઇંધણ ધરાવતા તબક્કા: ટેક-ઓફને શ્રેષ્ઠ બનાવવા માટે રચાયેલ AI-સંચાલિત ઉકેલો લાગુ કરવા માટે આજે પરીક્ષણોની શ્રેણી શરૂ કરી રહી છે. મશીન લર્નિંગ અલ્ગોરિધમ્સનો ઉપયોગ કરીને, એરલાઇનનો હેતુ રીઅલ-ટાઇમ વેરિએબલ્સના આધારે સૌથી કાર્યક્ષમ થ્રસ્ટ સેટિંગ્સ અને ક્લાઇમ્બ પ્રોફાઇલ્સની ગણતરી કરવાનો છે.

આ પરીક્ષણોનો મુખ્ય ઉદ્દેશ્ય પ્રારંભિક ઉડાન (ascent) દરમિયાન વપરાતા ઇંધણના પ્રમાણને ઘટાડવાનો છે. દરરોજ સેંકડો ફ્લાઇટ્સ ધરાવતા વિશાળ કાફલા સાથે કામ કરતી એરલાઇન માટે, પ્રતિ ફ્લાઇટ ઇંધણના વપરાશમાં થતો થોડો ટકાવારીનો ઘટાડો પણ મોટા પાયે ખર્ચમાં બચત લાવી શકે છે.

ઇંધણ કાર્યક્ષમતામાં રીઅલ-ટાઇમ ડેટાની ભૂમિકા

પરંપરાગત ફ્લાઇટ પાથ અને ટેક-ઓફ પ્રક્રિયાઓ ઘણીવાર પ્રમાણિત મોડેલો પર આધારિત હોય છે. જોકે, AI ડાયનેમિક ડેટા પોઈન્ટ્સના વિશાળ સમૂહને પ્રોસેસ કરીને વધુ વિગતવાર અભિગમની મંજૂરી આપે છે, જેમાં નીચેનાનો સમાવેશ થાય છે:

• રીઅલ-ટાઇમ હવામાનની સ્થિતિ: પવનની ઝડપ, દિશા અને વાતાવરણની ઘનતાનું મૂલ્યાંકન કરવું.
• વિમાનનું વજન અને સંતુલન: ચોક્કસ પેસેન્જર લોડ અને કાર્ગો વિતરણને ધ્યાનમાં લેવું.
• રનવેની સ્થિતિ: તાપમાન અને સપાટીના ઘર્ષણ મુજબ ફેરફાર કરવો.

આ વેરિએબલ્સનું એકસાથે વિશ્લેષણ કરીને, AI મોડેલ્સ વધુ "કરકસરયુક્ત" ટેક-ઓફ ટ્રેજેક્ટરી સૂચવી શકે છે જે એન્જિન પરના બિનજરૂરી ભારને ઘટાડે છે અને એરોડાયનેમિક કાર્યક્ષમતાને મહત્તમ કરે છે. સ્ટેટિક (સ્થિર) થી ડાયનેમિક (ગતિશીલ) ઓપરેશનલ પ્લાનિંગ તરફનું આ પરિવર્તન ભારતીય એવિએશન ક્ષેત્ર માટે એક મોટી પ્રગતિ છે.

ઇંધણ કાર્યક્ષમતા શા માટે વ્યૂહાત્મક જરૂરિયાત છે

ભારતીય એરલાઇન્સ માટે, ઇંધણનો ખર્ચ સામાન્ય રીતે કુલ ઓપરેટિંગ ખર્ચનો મોટો હિસ્સો હોય છે (જે અવારનવાર 30% થી 40% ની વચ્ચે હોય છે). ક્ષેત્રમાં તીવ્ર સ્પર્ધા અને ક્રૂડ ઓઈલના વધતા-ઘટતા ભાવને જોતા, કોઈપણ તકનીકી હસ્તક્ષેપ જે "ફ્યુઅલ બર્ન પર સીટ કિલોમીટર" ઘટાડે છે તે નિર્ણાયક સ્પર્ધાત્મક લાભ આપે છે.

સીધા નાણાકીય લાભો ઉપરાંત, આ AI પરીક્ષણો ટકાઉપણું (sustainability) તરફના ઉદ્યોગના વ્યાપક વલણ સાથે સુસંગત છે. ઇંધણના વપરાશમાં ઘટાડો સીધી રીતે કાર્બન ઉત્સર્જનમાં ઘટાડો કરે છે, જે એરલાઇન્સને વધુ કડક પર્યાવરણીય નિયમો અને ESG (Environmental, Social, and Governance) લક્ષ્યોને પૂર્ણ કરવામાં મદદ કરે છે.

એવિએશન ઇકોસિસ્ટમ પર વ્યાપક પ્રભાવ

IndiGoનું આ પગલું વૈશ્વિક વલણનો એક ભાગ છે જ્યાં મુખ્ય એરલાઇન્સ તેમના Flight Management Systems (FMS) માં AI ને સંકલિત કરી રહી છે. જેમ જેમ આ પરીક્ષણો આગળ વધશે, તેમ તેમ સફળ અમલીકરણ સમગ્ર ઉદ્યોગમાં પ્રમાણિત AI-સહાયિત ફ્લાઇટ કામગીરી તરફ દોરી શકે છે. આ પરિવર્તન માત્ર એરલાઇન્સ માટે વધુ સારું નફો જ નહીં, પરંતુ એર ટ્રાફિક કંટ્રોલર્સ માટે વધુ અનુમાનિત અને કાર્યક્ષમ એરસ્પેસ મેનેજમેન્ટનું પણ વચન આપે છે.

મુખ્ય મુદ્દાઓ

• IndiGo નું ઇનોવેશન: એરલાઇન ટેક-ઓફ પ્રક્રિયાઓને શ્રેષ્ઠ બનાવવા માટે AI નો ઉપયોગ કરવાના પરીક્ષણો શરૂ કરી રહી છે, જેનો લક્ષ્ય નોંધપાત્ર ઇંધણ બચત કરવાનો છે.
• ડેટા-કેન્દ્રિત અભિગમ: આ ટેકનોલોજી ચોક્કસ ફ્લાઇટ પ્રોફાઇલ્સ બનાવવા માટે હવામાન, વિમાનનું વજન અને રનવેની સ્થિતિ જેવા રીઅલ-ટાઇમ વેરિએબલ્સનો ઉપયોગ કરે છે.
• આર્થિક અને પર્યાવરણીય પ્રભાવ: ઇંધણના વપરાશમાં ઘટાડો એ તેલના ભાવમાં થતા ફેરફારો સામે એરલાઇન માર્જિનનું રક્ષણ કરવા અને કાર્બન ફૂટપ્રિન્ટ ઘટાડવાના બેવડા હેતુ પૂરા કરે છે.