എയർലൈനുകൾക്ക് ഇന്ധനച്ചെലവ് കുറയ്ക്കാൻ AI എങ്ങനെ സഹായിക്കുന്നു: IndiGo-യുടെ പുതിയ പൈലറ്റ് പ്രോജക്റ്റ്

ഇന്ധനവില എയർലൈനുകളുടെ ലാഭക്ഷമതയെ കാര്യമായി ബാധിക്കുന്ന ഒന്നായതിനാൽ, പ്രവർത്തനങ്ങൾ കാര്യക്ഷമമാക്കാൻ വ്യോമയാന മേഖല കൃത്രിമബുദ്ധി (Artificial Intelligence) ഉപയോഗിക്കുന്നതിലേക്ക് കൂടുതൽ ചായുന്നു. വിമാനങ്ങളുടെ ടേക്ക്-ഓഫ് കൂടുതൽ ഇന്ധനക്ഷമമാക്കുന്നതിനായി യഥാർത്ഥ സാഹചര്യങ്ങളിൽ പരീക്ഷണങ്ങൾ ആരംഭിച്ചുകൊണ്ട് ഇന്ത്യയിലെ ഏറ്റവും വലിയ വിമാനക്കമ്പനിയായ IndiGo ഈ സാങ്കേതിക മാറ്റത്തിന് നേതൃത്വം നൽകാൻ ഒരുങ്ങുകയാണ്.

AI വഴിയുള്ള ഇന്ധനക്ഷമതയ്ക്കായുള്ള ശ്രമങ്ങൾ

ഏതൊരു എയർലൈനിനും ഏറ്റവും വലിയ പ്രവർത്തനച്ചെലവുകളിൽ ഒന്നാണ് ഇന്ധനം. വർദ്ധിച്ചുവരുന്ന ചെലവുകളെ നേരിടാനും കാർബൺ ഫൂട്ട്പ്രിന്റ് (carbon footprint) കുറയ്ക്കാനും, പരമ്പരാഗതമായ ഫ്ലൈറ്റ് പ്ലാനിംഗിന് അപ്പുറം AI അധിഷ്ഠിത ഡൈനാമിക് ഒപ്റ്റിമൈസേഷനിലേക്ക് കമ്പനികൾ മാറിക്കൊണ്ടിരിക്കുകയാണ്. ടേക്ക്-ഓഫ്, അസെന്റ് (ascent) തുടങ്ങിയ നിർണ്ണായക ഘട്ടങ്ങളിൽ, അതായത് എൻജിനുകൾ ഏറ്റവും കൂടുതൽ ഇന്ധനം ഉപയോഗിക്കുന്ന സമയങ്ങളിൽ, അനാവശ്യമായ ഊർജ്ജ ഉപഭോഗം കുറയ്ക്കുക എന്നതാണ് ഇതിന്റെ പ്രധാന ലക്ഷ്യം.

ഏറ്റവും കുറഞ്ഞ ഇന്ധനം ഉപയോഗിക്കുന്ന ടേക്ക്-ഓഫ് പാരാമീറ്ററുകൾ നിർണ്ണയിക്കുന്നതിനായി അത്യാധുനിക അൽഗോരിതങ്ങൾ ഉപയോഗിക്കുന്നതിലാണ് IndiGo-യുടെ വരാനിരിക്കുന്ന പരീക്ഷണങ്ങൾ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്. വിമാനത്തിന്റെ ഭാരം, അന്തരീക്ഷാവസ്ഥ, റൺവേയുടെ നീളം, എൻജിൻ പ്രകടനം എന്നിവയുൾപ്പെടെയുള്ള വലിയ ഡാറ്റാസെറ്റുകൾ വിശകലനം ചെയ്യുന്നതിലൂടെ, യാത്രക്കാരുടെ സുരക്ഷയെ ബാധിക്കാതെ തന്നെ കാര്യക്ഷമത വർദ്ധിപ്പിക്കുന്ന കൃത്യമായ ത്രസ്റ്റ് സെറ്റിംഗുകളും (thrust settings) ക്ലൈം ഗ്രേഡിയന്റുകളും (climb gradients) നിർദ്ദേശിക്കാൻ AI-ക്ക് സാധിക്കും.

ടേക്ക്-ഓഫ് ഘട്ടം ഒപ്റ്റിമൈസ് ചെയ്യൽ

ഒരു ഫ്ലൈറ്റ് സൈക്കിളിലെ ഏറ്റവും കൂടുതൽ ഊർജ്ജം ആവശ്യമായ ഘട്ടങ്ങളിലൊന്നാണ് ടേക്ക്-ഓഫ്. പരമ്പരാഗതമായി, വിവിധ സാഹചര്യങ്ങളിൽ സുരക്ഷ ഉറപ്പാക്കുന്നതിനായി രൂപകൽപ്പന ചെയ്ത മാനദണ്ഡങ്ങൾ (standardized procedures) ആണ് പൈലറ്റുമാർ പിന്തുടരുന്നത്. എന്നിരുന്നാലും, ഓരോ പ്രത്യേക മൈക്രോ-ക്ലൈമറ്റുകൾക്കും (micro-climate) വിമാനത്തിന്റെ ഭാരത്തിനും അനുസരിച്ച് ഈ മാനദണ്ഡങ്ങൾ എപ്പോഴും ഏറ്റവും മികച്ച ഇന്ധനക്ഷമത നൽകണമെന്നില്ല.

AI അധിഷ്ഠിത സമീപനം "ടെയ്‌ലർഡ് ടേക്ക്-ഓഫുകൾ" (tailored take-offs) സാധ്യമാക്കുന്നു. തത്സമയ കാലാവസ്ഥാ വിവരങ്ങളും വിമാനത്തിന്റെ പ്രത്യേക എയറോഡൈനാമിക് പ്രൊഫൈലും വിശകലനം ചെയ്യുന്നതിലൂടെ, സുരക്ഷിതമായ ക്രൂയിസിംഗ് ഉയരത്തിൽ എത്താൻ ആവശ്യമായ കുറഞ്ഞ ഇന്ധനം മാത്രം ഉപയോഗിച്ച് വിമാനം പറന്നുയരാൻ ഈ സാങ്കേതികവിദ്യ പൈലറ്റുമാരെ സഹായിക്കുന്നു. ടേക്ക്-ഓഫ്, ക്ലൈം ഘട്ടങ്ങളിൽ ഇന്ധന ഉപയോഗത്തിൽ ഉണ്ടാകുന്ന ചെറിയൊരു ശതമാനത്തിന്റെ കുറവ് പോലും, ദിവസേനയുള്ള ആയിരക്കണക്കിന് വിമാനങ്ങൾ കണക്കിലെടുക്കുമ്പോൾ വർഷാവർഷം ദശലക്ഷക്കണക്കിന് ഡോളർ ലാഭിക്കാൻ സഹായിക്കും.

പരിസ്ഥിതി ആഘാതവും വ്യവസായ പ്രവണതകളും

സാമ്പത്തിക ലാഭത്തിനപ്പുറം, വ്യോമയാന മേഖലയുടെ സുസ്ഥിരതയ്ക്കായുള്ള (sustainability) പ്രതിബദ്ധതയുടെ പ്രധാന ഭാഗമാണ് ഈ മാറ്റം. ഇന്ധന ഉപഭോഗം കുറയ്ക്കുന്നത് കാർബൺ ഡയോക്സൈഡ് (CO2) പുറന്തള്ളൽ കുറയ്ക്കുന്നതിലൂടെ നേരിട്ട് ബന്ധപ്പെട്ടിരിക്കുന്നു. ഇത് കടുത്ത ആഗോള പരിസ്ഥിതി നിയമങ്ങളും ESG (Environmental, Social, and Governance) ലക്ഷ്യങ്ങളും പാലിക്കാൻ എയർലൈനുകളെ സഹായിക്കുന്നു.

പ്രമുഖ വ്യോമയാന കമ്പനികൾ ഫ്ലൈറ്റ് ഓപ്പറേഷൻ മാനേജ്‌മെന്റിൽ മെഷീൻ ലേണിംഗ് (machine learning) സംയോജിപ്പിക്കുന്ന ആഗോള പ്രവണതയുടെ ഭാഗമാണ് IndiGo-യുടെ ഈ നീക്കം. നിരന്തരമായ ഡാറ്റാ വിശകലനത്തിലൂടെ ഈ AI മോഡലുകൾ കൂടുതൽ മെച്ചപ്പെട്ടതാകുമ്പോൾ, റൂട്ട് ഒപ്റ്റിമൈസേഷൻ, ഭാര മാനേജ്‌മെന്റ്, പ്രെഡിക്റ്റീവ് മെയിന്റനൻസ് (predictive maintenance) എന്നിവയ്ക്കായി കൂടുതൽ നൂതനമായ സംവിധാനങ്ങൾ വ്യവസായ മേഖലയിൽ പ്രതീക്ഷിക്കാം.

പ്രധാന കാര്യങ്ങൾ

• പ്രവർത്തന ചെലവ് കുറയ്ക്കാം: വിമാനങ്ങൾ പറന്നുയരുമ്പോൾ ഉണ്ടാകുന്ന വൻതോതിലുള്ള ഇന്ധനച്ചെലവ് ഗണ്യമായി കുറയ്ക്കുന്നതിനായി, ടേക്ക്-ഓഫ് പാരാമീറ്ററുകൾ ഒപ്റ്റിമൈസ് ചെയ്യാൻ IndiGo AI സാങ്കേതികവിദ്യ പരീക്ഷണാടിസ്ഥാനത്തിൽ ഉപയോഗിക്കുന്നു.
• കൃത്യമായ ഡാറ്റാ ഉപയോഗം: എൻജിൻ പ്രകടനം, കാലാവസ്ഥ, വിമാനത്തിന്റെ ഭാരം തുടങ്ങിയ തത്സമയ ഘടകങ്ങൾ ഉപയോഗപ്പെടുത്തിക്കൊണ്ട്, സാധാരണ രീതികളേക്കാൾ കാര്യക്ഷമമായ ഫ്ലൈറ്റ് പ്രൊഫൈലുകൾ നൽകാൻ AI മോഡലുകൾക്ക് സാധിക്കുന്നു.
• സുസ്ഥിരത ലക്ഷ്യങ്ങൾ: ഇന്ധന ഉപഭോഗം കുറയ്ക്കുന്നതിലൂടെ, ലാഭവിഹിതം വർദ്ധിപ്പിക്കാനും ഒപ്പം കാർബൺ ഫൂട്ട്പ്രിന്റ് കുറയ്ക്കാനും എയർലൈനുകൾ സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്നു.