എയർലൈനുകൾ ഇന്ധന ഉപഭോഗം കുറയ്ക്കാൻ AI എങ്ങനെ സഹായിക്കുന്നു: IndiGo-യുടെ പുതിയ പരീക്ഷണങ്ങൾ
എയർലൈനുകളുടെ പ്രവർത്തന ചെലവിൽ ഇന്ധന വിലയിലെ ചാഞ്ചാട്ടം ഒരു പ്രധാന ഘടകമായതിനാൽ, കാര്യക്ഷമത വർദ്ധിപ്പിക്കുന്നതിനായി വ്യോമയാന മേഖല കൃത്രിമബുദ്ധി (Artificial Intelligence) ഉപയോഗിക്കുന്നതിലേക്ക് കൂടുതൽ ചായുന്നു. ഇന്ധന ഉപഭോഗം കുറയ്ക്കുന്നതിനായി രൂപകൽപ്പന ചെയ്ത AI അധിഷ്ഠിത ടേക്ക്ഓഫ് നടപടിക്രമങ്ങൾ നടപ്പിലാക്കുന്നതിനായി പൈലറ്റ് പരീക്ഷണങ്ങൾ ഇന്ന് ആരംഭിച്ചുകൊണ്ട് ഇന്ത്യയിലെ ഏറ്റവും വലിയ വിമാനക്കമ്പനിയായ IndiGo ഈ സാങ്കേതിക മാറ്റത്തിന് നേതൃത്വം നൽകുന്നു.
വിമാനയാത്രയിലെ ഏറ്റവും കൂടുതൽ ഇന്ധനം ഉപയോഗിക്കുന്ന ഘട്ടം മെച്ചപ്പെടുത്തുന്നു
ഏതൊരു വിമാനയാത്രയിലും ഏറ്റവും കൂടുതൽ ഊർജ്ജം ആവശ്യമായ ഘട്ടങ്ങളിലൊന്നാണ് ടേക്ക്ഓഫ്. ഇതിന് വലിയ തോതിലുള്ള തള്ളൽ ശക്തിയും (thrust) ഗണ്യമായ ഇന്ധന ഉപഭോഗവും ആവശ്യമാണ്. പരമ്പരാഗതമായി, ടേക്ക്ഓഫ് നടപടിക്രമങ്ങൾ സ്റ്റാൻഡേർഡ് പൈലറ്റ് പ്രോട്ടോക്കോളുകളെയും മാനുവൽ കണക്കുകൂട്ടലുകളെയും ആശ്രയിച്ചാണ് നടന്നിരുന്നത്. എന്നാൽ, ഒരു വിമാനം ആകാശത്തേക്ക് ഉയർത്തുന്നതിനുള്ള ഏറ്റവും ഇന്ധനക്ഷമമായ മാർഗ്ഗം നിർണ്ണയിക്കുന്നതിനായി തത്സമയ വേരിയബിളുകൾ വിശകലനം ചെയ്യുന്ന AI അൽഗോരിതങ്ങളാണ് IndiGo ഇപ്പോൾ അവതരിപ്പിക്കുന്നത്.
മെഷീൻ ലേണിംഗ് ഉപയോഗപ്പെടുത്തിക്കൊണ്ട്, പ്രത്യേക അന്തരീക്ഷ സാഹചര്യങ്ങൾക്കനുസരിച്ച് ആവശ്യമായ കൃത്യമായ എൻജിൻ തള്ളൽ ശക്തിയും (engine thrust) ക്ലൈം ഗ്രേഡിയന്റുകളും (climb gradients) കണക്കാക്കാൻ വിമാനക്കമ്പനി ലക്ഷ്യമിടുന്നു. പൊതുവായ നടപടിക്രമങ്ങളിൽ നിന്ന് ഡാറ്റാ അധിഷ്ഠിതവും വ്യക്തിഗതവുമായ ടേക്ക്ഓഫുകളിലേക്കുള്ള ഈ മാറ്റം പ്രവർത്തന കൃത്യതയിൽ വലിയൊരു കുതിച്ചുചാട്ടമാണ്.
ഡാറ്റാ അധിഷ്ഠിത കൃത്യത: വേരിയബിളുകൾ തത്സമയം നിയന്ത്രിക്കുന്നു
വ്യോമയാന മേഖലയിൽ AI-യുടെ ഫലപ്രാപ്തി നിലകൊള്ളുന്നത് സങ്കീർണ്ണമായ വലിയ അളവിലുള്ള ഡാറ്റ ഒരേസമയം വിശകലനം ചെയ്യാനുള്ള അതിന്റെ കഴിവിനാലാണ്. കുറഞ്ഞ ഇന്ധനം ഉപയോഗിച്ചുള്ള ടേക്ക്ഓഫ് സാധ്യമാക്കുന്നതിനായി, AI സിസ്റ്റം താഴെ പറയുന്ന പ്രധാന ഘടകങ്ങൾ വിലയിരുത്തുന്നു:
- തത്സമയ കാലാവസ്ഥാ രീതികൾ: വിവിധ ഉയരങ്ങളിലെ കാറ്റിന്റെ വേഗത, ദിശ, താപനില എന്നിവയിലുണ്ടാകുന്ന മാറ്റങ്ങൾ.
- വിമാനത്തിന്റെ ഭാരവും സന്തുലിതാവസ്ഥയും: പേലോഡ് (payload), ഇന്ധന ഭാരം, trọng tâm (center of gravity) എന്നിവ ഉൾപ്പെടുത്തിയുള്ള കൃത്യമായ കണക്കുകൂട്ടലുകൾ.
- വായു സാന്ദ്രത: എൻജിൻ പ്രവർത്തനത്തെയും ലിഫ്റ്റിനെയും ബാധിക്കുന്ന മർദ്ദ വ്യതിയാനങ്ങൾക്ക് അനുസൃതമായ ക്രമീകരണം.
ഈ വേരിയബിളുകളെ സംയോജിപ്പിക്കുന്നതിലൂടെ, സുരക്ഷയിൽ ഒട്ടും വിട്ടുവീഴ്ച ചെയ്യാതെ തന്നെ ഇന്ധന ലാഭം പരമാവധി ഉറപ്പാക്കുന്ന രീതിയിലുള്ള പാരാമീറ്ററുകൾ AI പൈലറ്റുമാർക്ക് നൽകുന്നു. ഈ കൃത്യത ഓരോ വിമാനയാത്രയുടെയും കാർബൺ ഫൂട്ട്പ്രിന്റ് കുറയ്ക്കാൻ സഹായിക്കുന്നു, ഇത് ആഗോള വ്യോമയാന സുസ്ഥിരതാ ലക്ഷ്യങ്ങളുമായി ചേർന്നുനിൽക്കുന്നു.
ഇന്ത്യൻ വ്യോമയാന മേഖലയിലെ സാമ്പത്തികവും പാരിസ്ഥിതികവുമായ സ്വാധീനം
എവിയേഷൻ ടർബൈൻ ഫ്യുവൽ (ATF) ആണ് ഇന്ത്യൻ എയർലൈനുകളുടെ ആകെ പ്രവർത്തന ചെലവിന്റെ വലിയൊരു ഭാഗമായിരിക്കുന്നത്. അതിനാൽ, ഇന്ധന ഉപഭോഗത്തിൽ ഉണ്ടാകുന്ന ചെറിയ കുറവ് പോലും വലിയ ലാഭത്തിലേക്ക് നയിച്ചേക്കാം. ഇന്ത്യയിലെ ആഭ്യന്തര വ്യോമയാന വിപണി അതിവേഗം വളരുന്ന സാഹചര്യത്തിൽ, ആയിരക്കണക്കിന് വിമാനങ്ങളിൽ AI ഉപയോഗിച്ച് നടത്തുന്ന ടേക്ക്ഓഫുകൾ വഴി ലഭിക്കുന്ന ആകെ ലാഭം എയർലൈനുകളുടെ വരുമാനത്തിൽ വലിയ മാറ്റമുണ്ടാക്കും.
സാമ്പത്തിക ലാഭത്തിനപ്പുറം, കാർബൺ ഡൈ ഓക്സൈഡ് (CO2) പുറന്തള്ളൽ കുറയ്ക്കുന്നതിനായി വ്യോമയാന മേഖലയ്ക്ക് മേൽ വർദ്ധിച്ചുവരുന്ന സമ്മർദ്ദത്തെയും ഈ നീക്കം അഭിസംബോധന ചെയ്യുന്നു. വ്യോമയാന മേഖല കൂടുതൽ കർശനമായ പരിസ്ഥിതി നിയമങ്ങൾ നേരിടുന്ന സാഹചര്യത്തിൽ, AI സാങ്കേതികവിദ്യ പ്രധാന വിമാന പ്രവർത്തനങ്ങളിൽ ഉൾപ്പെടുത്തുന്നത് ഒരു മത്സര നേട്ടം മാത്രമല്ല, മറിച്ച് സുസ്ഥിരമായ വളർച്ചയ്ക്ക് അത്യാവശ്യവുമാണ്. വർദ്ധിച്ചുവരുന്ന ചെലവുകളും പാരിസ്ഥിതിക ഉത്തരവാദിത്തങ്ങളും നേരിടുന്ന സാഹചര്യത്തിൽ ഇന്ത്യൻ വിമാനക്കമ്പനികൾ ഡീപ്പ് ടെക് (deep tech) എങ്ങനെ ഉപയോഗിക്കുന്നു എന്നതിലെ ഒരു നിർണ്ണായക ഘട്ടമാണ് ഈ പരീക്ഷണം.
പ്രധാന കാര്യങ്ങൾ
- AI അധിഷ്ഠിത കാര്യക്ഷമത: വിമാനയാത്രയിലെ ഏറ്റവും കൂടുതൽ ഇന്ധനം ഉപയോഗിക്കുന്ന ഘട്ടത്തിൽ ഇന്ധന ഉപഭോഗം കുറയ്ക്കുന്നതിനായി, ടേക്ക്ഓഫ് തള്ളൽ ശക്തിയും (thrust) ക്ലൈം പ്രൊഫൈലുകളും മെച്ചപ്പെടുത്താൻ IndiGo AI അൽഗോരിതങ്ങൾ പരീക്ഷിക്കുന്നു.
- സങ്കീർണ്ണമായ ഡാറ്റാ സംയോജനം: വായു സാന്ദ്രത, ഭാരം, കാലാവസ്ഥ തുടങ്ങിയ തത്സമയ വേരിയബിളുകൾ വിശകലനം ചെയ്ത് കൃത്യതയാർന്ന ടേക്ക്ഓഫ് പാരാമീറ്ററുകൾ നൽകാൻ ഈ സാങ്കേതികവിദ്യ സഹായിക്കുന്നു.
- സുസ്ഥിരതയും ലാഭവും: ഈ സ്മാർട്ട് സാങ്കേതികവിദ്യകൾ നടപ്പിലാക്കുന്നത് അതിവേഗം വളരുന്ന വിപണിയിൽ ഉയർന്ന ATF ചെലവ് കുറയ്ക്കാനും കാർബൺ പുറന്തള്ളൽ കുറയ്ക്കാനും എയർലൈനുകളെ സഹായിക്കുന്നു.
