എയർലൈനുകളുടെ ഇന്ധനച്ചെലവ് കുറയ്ക്കാൻ AI എങ്ങനെ സഹായിക്കുന്നു: IndiGo പരീക്ഷണങ്ങൾ ആരംഭിക്കുന്നു

എയർലൈനുകളുടെ പ്രവർത്തനച്ചെലവിൽ ഇന്ധനവില ഒരു അസ്ഥിര ഘടകമായി തുടരുന്ന സാഹചര്യത്തിൽ, കാര്യക്ഷമത വർദ്ധിപ്പിക്കുന്നതിനായി വ്യോമയാന മേഖല അത്യാധുനിക ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിലേക്ക് (AI) തിരിയുകയാണ്. വിമാനങ്ങളുടെ ടേക്ക്-ഓഫ് (take-off) രീതികൾ മെച്ചപ്പെടുത്തുന്നതിനും ഇന്ധന ഉപഭോഗം ഗണ്യമായി കുറയ്ക്കുന്നതിനുമായി പ്രമുഖ ഇന്ത്യൻ വിമാനക്കമ്പനിയായ IndiGo ഇന്ന് മുതൽ പ്രായോഗിക പരീക്ഷണങ്ങൾ ആരംഭിക്കുന്നു.

AI അധിഷ്ഠിത ഫ്ലൈറ്റ് ഒപ്റ്റിമൈസേഷനിലേക്കുള്ള മാറ്റം

ഏതൊരു എയർലൈനിനും ഏറ്റവും വലിയ പ്രവർത്തനച്ചെലവുകളിൽ ഒന്നാണ് ഇന്ധനം; ഇത് ലാഭത്തെയും പരിസ്ഥിതി ആഘാതത്തെയും നേരിട്ട് ബാധിക്കുന്നു. ഇത് പരിഹരിക്കുന്നതിനായി, എയർലൈനുകൾ തങ്ങളുടെ ഫ്ലൈറ്റ് പ്രവർത്തനങ്ങളിൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസും (AI) മെഷീൻ ലേണിംഗും കൂടുതൽ ഉൾപ്പെടുത്തിക്കൊണ്ടിരിക്കുന്നു. പരമ്പരാഗതമായ മാനുവൽ കണക്കുകൂട്ടലുകളിൽ നിന്ന് വ്യത്യസ്തമായി, കാലാവസ്ഥാ രീതികൾ, വായു സാന്ദ്രത, വിമാനത്തിന്റെ ഭാരം, എഞ്ചിൻ പ്രവർത്തനം എന്നിവയുൾപ്പെടെയുള്ള വൻതോതിലുള്ള തത്സമയ വിവരങ്ങൾ വിശകലനം ചെയ്യാനും വിമാനം പ്രവർത്തിപ്പിക്കാൻ ഏറ്റവും ഇന്ധനക്ഷമമായ മാർഗ്ഗം കണ്ടെത്താനും AI അൽഗോരിതങ്ങൾക്ക് സാധിക്കും.

IndiGo-യുടെ പുതിയ സംരംഭം വിമാനത്തിന്റെ ഏറ്റവും ഊർജ്ജസ്വലമായ ഒരു ഘട്ടത്തിലാണ് ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്: ടേക്ക്-ഓഫ്. വിമാനം ഉയർന്നുയരുന്ന ഘട്ടത്തിലെ (climb) പാരാമീറ്ററുകൾ ക്രമീകരിക്കാൻ AI ഉപയോഗിക്കുന്നതിലൂടെ, കുറഞ്ഞ തള്ളൽ ശക്തിയും (thrust) തൽഫലമായി കുറഞ്ഞ അളവിൽ ക laeroസീൻ മാത്രം ആവശ്യമുള്ള കൂടുതൽ കാര്യക്ഷമമായ ടേക്ക്-ഓഫുകൾ കൈവരിക്കാൻ എയർലൈൻ ലക്ഷ്യമിടുന്നു.

ഇന്ധനക്ഷമതയ്ക്കായുള്ള IndiGo-യുടെ തന്ത്രപരമായ പരീക്ഷണങ്ങൾ

AI ഉപയോഗിച്ച് ഒപ്റ്റിമൈസ് ചെയ്ത ഫ്ലൈറ്റ് പ്രൊഫൈലുകൾ യഥാർത്ഥ സാഹചര്യങ്ങളിൽ എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്ന് പരിശോധിക്കുന്നതിനായി IndiGo ഇന്ന് മുതൽ പരീക്ഷണങ്ങൾ ആരംഭിക്കുന്നു. സുരക്ഷയോ കർശനമായ വിമാന ഷെഡ്യൂളുകളോ ബാധിക്കാതെ തന്നെ, ഇന്ധന ഉപഭോഗം കുറയ്ക്കുന്ന എഞ്ചിൻ പ്രവർത്തനവും ക്ലൈംബ് ആംഗിളുകളും (climb angles) കണ്ടെത്തുക എന്നതാണ് ഇതിന്റെ പ്രധാന ലക്ഷ്യം.

ഈ പരീക്ഷണങ്ങൾ പണം ലാഭിക്കാൻ വേണ്ടി മാത്രമുള്ളതല്ല; പ്രവർത്തനങ്ങളിലെ കൃത്യതയ്ക്കും കൂടിയാണ്. ടേക്ക്-ഓഫ് ഘട്ടം ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിലൂടെ, ഓരോ വിമാനത്തിന്റെ പുറപ്പെടലുമായി ബന്ധപ്പെട്ട കാർബൺ പുറന്തള്ളൽ കുറയ്ക്കാൻ IndiGo-യ്ക്ക് സാധിക്കും. വലിയൊരു വിമാനക്കൂട്ടത്തെ നിയന്ത്രിക്കുന്ന ഒരു കമ്പനിയെ സംബന്ധിച്ചിടത്തോളം, ഓരോ വിമാനത്തിലും ഇന്ധന ഉപഭോഗത്തിൽ ഉണ്ടാകുന്ന ചെറിയൊരു ശതമാനത്തിന്റെ കുറവ് പോലും വർഷാവർഷം ദശലക്ഷക്കണക്കിന് ഡോളർ ലാഭിക്കാനും കമ്പനിയുടെ മൊത്തത്തിലുള്ള കാർബൺ ഫൂട്ട്പ്രിന്റ് ഗണ്യമായി കുറയ്ക്കാനും സഹായിക്കും.

വ്യവസായ മേഖലയിലെ സ്വാധീനവും സുസ്ഥിരതയും

IndiGo ഒറ്റയ്ക്കല്ല ഈ നീക്കത്തിൽ; സുസ്ഥിരത ലക്ഷ്യങ്ങൾ കൈവരിക്കുന്നതിനും വർദ്ധിച്ചുവരുന്ന പ്രവർത്തനച്ചെലവുകൾ നിയന്ത്രിക്കുന്നതിനും ആഗോള വ്യോമയാന മേഖല വലിയ സമ്മർദ്ദത്തിലാണ്. ഫ്ലൈറ്റ് മാനേജ്‌മെന്റ് സംവിധാനങ്ങളിൽ AI ഉൾപ്പെടുത്തുന്നത്, പരമ്പരാഗത രീതികൾക്ക് പകരം ഡാറ്റാ അധിഷ്ഠിത തീരുമാനങ്ങൾ എടുക്കുന്ന ഒരു വലിയ മാറ്റത്തിന്റെ ഭാഗമാണ്.

ടേക്ക്-ഓഫുകൾക്ക് പുറമെ, ടർബുലൻസ് (turbulence) ഒഴിവാക്കാനും വായുപ്രവാഹത്തിന്റെ സഹായത്തോടെ ഫ്ലൈറ്റ് പാതകൾ ഒപ്റ്റിമൈസ് ചെയ്യാനും, ഗ്രൗണ്ട് പ്രവർത്തനങ്ങൾ കാര്യക്ഷമമാക്കാനും, ചെലവേറിയ കാലതാമസം ഒഴിവാക്കാൻ മെയിന്റനൻസ് ആവശ്യങ്ങൾ മുൻകൂട്ടി പ്രവചിക്കാനും ആഗോളതലത്തിൽ AI ഉപയോഗിക്കുന്നുണ്ട്. ഈ സാങ്കേതികവിദ്യകൾ വളരുന്നതോടെ, ഡാറ്റാ സയൻസും ഏറോനോട്ടിക്സും തമ്മിലുള്ള സഹകരണം, വിലക്കുറവിനും പരിസ്ഥിതി സൗഹൃദപരമായ മാറ്റങ്ങൾക്കും പ്രാധാന്യം നൽകുന്ന വിപണിയിൽ മത്സരിക്കാൻ ആഗ്രഹിക്കുന്ന ഏതൊരു എയർലൈനിനും ഒരു മാനദണ്ഡമായി മാറും.

പ്രധാന വിവരങ്ങൾ

• ലക്ഷ്യമിട്ടുള്ള കാര്യക്ഷമത: വിമാനം ഉയർന്നുയരുന്ന ഘട്ടത്തിൽ സാധാരണയായി ഉണ്ടാകുന്ന ഉയർന്ന ഇന്ധന ഉപഭോഗം കുറയ്ക്കുന്നതിനായി, ടേക്ക്-ഓഫ് ഘട്ടം ഒപ്റ്റിമൈസ് ചെയ്യാൻ IndiGo പ്രത്യേകിച്ച് AI പരീക്ഷിക്കുകയാണ്.
• ചെലവും കാർബൺ കുറയ്ക്കലും: മെഷീൻ ലേണിംഗിലൂടെ എഞ്ചിൻ പ്രവർത്തനം മെച്ചപ്പെടുത്തുന്നതിലൂടെ, ഏറ്റവും വലിയ പ്രവർത്തനച്ചെലവ് കുറയ്ക്കാനും അതോടൊപ്പം തന്നെ CO2 പുറന്തള്ളൽ കുറയ്ക്കാനും എയർലൈൻ ലക്ഷ്യമിടുന്നു.
• ഡാറ്റാ അധിഷ്ഠിത വ്യോമയാനം: കാലാവസ്ഥ, വിമാനത്തിന്റെ ഭാരം തുടങ്ങിയ തത്സമയ വിവരങ്ങൾ ഉപയോഗിച്ച് ഫ്ലൈറ്റ് പ്രൊഫൈലുകളിൽ കൃത്യമായ മാറ്റങ്ങൾ വരുത്തുന്നതിലേക്ക് വ്യവസായം മാറുന്നതിന്റെ സൂചനയാണിത്.