എഐ (AI) എങ്ങനെയാണ് വിമാനക്കമ്പനികൾക്ക് ഇന്ധനച്ചെലവ് കുറയ്ക്കാൻ സഹായിക്കുന്നത്: IndiGo-യുടെ പുതിയ പൈലറ്റ് പ്രോജക്റ്റ്

ആഗോള ഇന്ധനവിലയിൽ അസ്ഥിരത നിലനിൽക്കുന്ന സാഹചര്യത്തിൽ, വിമാന സർവീസുകൾ കാര്യക്ഷമമാക്കാനും കാർബൺ പുറന്തള്ളൽ കുറയ്ക്കാനും വിമാനക്കമ്പനികൾ അത്യാധുനിക ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിനെ (AI) ആശ്രയിച്ചു തുടങ്ങുകയാണ്. ഇന്ത്യയിലെ വ്യോമയാന രംഗത്തെ മുൻനിര കമ്പനിയായ IndiGo, എഐ അധിഷ്ഠിത ടേക്ക്ഓഫ് (takeoff) നടപടിക്രമങ്ങൾക്കുള്ള പരീക്ഷണങ്ങൾ ഇന്ന് മുതൽ ആരംഭിക്കുന്നതിലൂടെ ഈ സാങ്കേതിക മാറ്റത്തിന് നേതൃത്വം നൽകാൻ ഒരുങ്ങുന്നു.

എഐയിലൂടെ ഇന്ധനക്ഷമതയ്ക്കായുള്ള അന്വേഷണം

ഒരു വിമാനക്കമ്പനിയുടെ പ്രവർത്തനച്ചെലവിൽ ഇന്ധനത്തിനാണ് സാധാരണയായി വലിയൊരു ഭാഗം ചെലവാകുന്നത്. വർദ്ധിച്ചുവരുന്ന ചെലവുകളെയും പരിസ്ഥിതി പ്രശ്നങ്ങളെയും നേരിടാൻ, പരമ്പരാഗതമായ ഫ്ലൈറ്റ് പ്ലാനിംഗിന് അപ്പുറം തത്സമയ ഡാറ്റാ അധിഷ്ഠിത തീരുമാനങ്ങളിലേക്ക് വിമാനക്കമ്പനികൾ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. കാറ്റിന്റെ വേഗത, വായുവിന്റെ സാന്ദ്രത, വിമാനത്തിന്റെ ഭാരം, റൺവേയുടെ അവസ്ഥ എന്നിങ്ങനെയുള്ള സങ്കീർണ്ണമായ ഘടകങ്ങൾ വിശകലനം ചെയ്യാനും വിമാനം പറന്നുയരാൻ ഏറ്റവും കാര്യക്ഷമമായ മാർഗ്ഗം കണ്ടെത്താനും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) വിമാനക്കമ്പനികളെ സഹായിക്കുന്നു.

മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങൾ ഉപയോഗിക്കുന്നതിലൂടെ, എല്ലാ വിമാനങ്ങൾക്കും ഒരേ രീതിയിലുള്ള ടേക്ക്ഓഫ് രീതികൾക്ക് പകരം ഓരോ സാഹചര്യത്തിനും അനുയോജ്യമായ രീതികൾ സ്വീകരിക്കാൻ വിമാനക്കമ്പനികൾക്ക് സാധിക്കും. ഇതിലൂടെ, വിമാനത്തിന്റെ ഏറ്റവും കൂടുതൽ ഊർജ്ജം ആവശ്യമായ ഘട്ടത്തിൽ കുറഞ്ഞ തള്ളൽ ശക്തിയും (thrust) അതുവഴി കുറഞ്ഞ ഇന്ധനവും മാത്രം ഉപയോഗിക്കുന്ന രീതിയിലുള്ള കസ്റ്റമൈസ്ഡ് ഫ്ലൈറ്റ് പാത്തുകൾ നടപ്പിലാക്കാൻ സാധിക്കുന്നു.

എഐ ടേക്ക്ഓഫുകളിലേക്ക് IndiGo നടത്തുന്ന തന്ത്രപരമായ നീക്കം

ഇന്ത്യൻ ആഭ്യന്തര വിപണിയിൽ ആധിപത്യം പുലർത്തുന്ന IndiGo, ഇന്ന് മുതൽ എഐ അധിഷ്ഠിത ടേക്ക്ഓഫ് പരീക്ഷണങ്ങൾ ആരംഭിക്കുന്നതിലൂടെ പ്രവർത്തന മികവിലേക്കുള്ള സുപ്രധാനമായ ഒരു ചുവടുവെപ്പ് നടത്തുകയാണ്. "മിതവ്യയമുള്ള ടേക്ക്ഓഫുകൾ" (thriftier takeoffs) കൈവരിക്കുക എന്നതാണ് ഈ സംരംഭത്തിന്റെ പ്രധാന ലക്ഷ്യം.

വിവിധ സാഹചര്യങ്ങളിൽ സുരക്ഷ ഉറപ്പാക്കുന്നതിനായി പരമ്പരാഗത ടേക്ക്ഓഫ് രീതികളിൽ ഒരു നിശ്ചിത അളവ് അധിക ഇന്ധനം (fuel buffer) കരുതിവെക്കാറുണ്ട്. എന്നാൽ, എഐ ഉപയോഗിച്ച് ഈ സുരക്ഷാ പരിധികൾ വളരെ കൃത്യതയോടെ കണക്കാക്കാൻ സാധിക്കും. എഐ സിമുലേഷനുകളിലൂടെയും തത്സമയ ഡാറ്റയിലൂടെയും തള്ളൽ ക്രമീകരണങ്ങളും (thrust settings) ക്ലൈം ഗ്രേഡിയന്റും (climb gradient) ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിലൂടെ, ഓരോ യാത്രയിലും ഉപയോഗിക്കുന്ന ഇന്ധനത്തിന്റെ അളവ് ഗണ്യമായി കുറയ്ക്കാൻ IndiGo ലക്ഷ്യമിടുന്നു. ഈ നീക്കം കമ്പനിയുടെ ലാഭം വർദ്ധിപ്പിക്കുക മാത്രമല്ല, സുസ്ഥിരവും "ഗ്രീൻ" ആയതുമായ ആഗോള വ്യോമയാന പ്രവണതകളുമായി പൊരുത്തപ്പെടുകയും ചെയ്യുന്നു.

വ്യോമയാന മേഖലയിൽ ഉണ്ടാകുന്ന വിപുലമായ സ്വാധീനം

വ്യോമയാന രംഗത്തെ ഏറ്റവും വലിയ വെല്ലുവിളിയായ കാര്യക്ഷമത വർദ്ധിപ്പിക്കുന്നതിനായി വൻകിട കമ്പനികൾ ബിഗ് ഡാറ്റ (Big Data) ഉപയോഗിക്കുന്ന ആഗോള പ്രവണതയുടെ ഭാഗമാണ് IndiGo-യുടെ ഈ നീക്കം. ഈ പരീക്ഷണം ടേക്ക്ഓഫ് ഘട്ടത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുമ്പോഴും ഇതിന്റെ പ്രത്യാഘാതങ്ങൾ വളരെ വലുതാണ്. എഐ താഴെ പറയുന്ന കാര്യങ്ങൾക്കായി ഉപയോഗിക്കാം:

• റൂട്ട് ഒപ്റ്റിമൈസേഷൻ (Route Optimization): മാറിക്കൊണ്ടിരിക്കുന്ന കാലാവസ്ഥാ സാഹചര്യങ്ങൾക്കിടയിൽ ഏറ്റവും കുറഞ്ഞ ഇന്ധനം ഉപയോഗിക്കുന്ന പാതകൾ കണക്കാക്കുന്നു.
• പ്രെഡിക്റ്റീവ് മെയിന്റനൻസ് (Predictive Maintenance): എഞ്ചിൻ തകരാറുകൾ കാരണം യാത്ര വൈകുന്നതോ ഇന്ധനം അമിതമായി ഉപയോഗിക്കുന്നതോ ഒഴിവാക്കാൻ പ്രശ്നങ്ങൾ മുൻകൂട്ടി തിരിച്ചറിയുന്നു.
• ഭാരം നിയന്ത്രിക്കൽ (Weight Management): പേലോഡും (payload) ഇന്ധനവും കൃത്യമായി ക്രമീകരിക്കുന്നതിന് ഡാറ്റ ഉപയോഗിക്കുന്നു.

യാത്രക്കാരുടെ എണ്ണത്തിൽ വൻ വർദ്ധനവ് രേഖപ്പെടുത്തുന്ന ഇന്ത്യൻ വ്യോമയാന മേഖലയെ സംബന്ധിച്ചിടത്തോളം, ഈ സാങ്കേതിക മുന്നേറ്റങ്ങൾ ഇനി വെറുമൊരു ആഡംബരമല്ല; മറിച്ച് ലാഭക്ഷമത നിലനിർത്തുന്നതിനും പരിസ്ഥിതി ലക്ഷ്യങ്ങൾ കൈവരിക്കുന്നതിനും അത്യന്താപേക്ഷിതമാണ്.

പ്രധാന വിവരങ്ങൾ

• യാത്ര തുടങ്ങുമ്പോൾ തള്ളൽ ശക്തി (thrust) ഒപ്റ്റിമൈസ് ചെയ്യാനും ഇന്ധന ഉപഭോഗം കുറയ്ക്കാനുമായി IndiGo ഇന്ന് എഐ അധിഷ്ഠിത ടേക്ക്ഓഫ് പരീക്ഷണങ്ങൾ ആരംഭിക്കുന്നു.
• കാലാവസ്ഥയും വിമാനത്തിന്റെ മറ്റ് ഘടകങ്ങളും അടിസ്ഥാനമാക്കി വളരെ കൃത്യതയോടെയും തത്സമയത്തിലും മാറ്റങ്ങൾ വരുത്താൻ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സഹായിക്കുന്നു, ഇത് പഴയ രീതിയിലുള്ള പൊതുവായ ഫ്ലൈറ്റ് പ്രൊഫൈലുകൾക്ക് പകരമാവുന്നു.
• എഐ അധിഷ്ഠിത ഇന്ധന ലാഭ മാർഗ്ഗങ്ങൾ നടപ്പിലാക്കുന്നത് വിമാനക്കമ്പനികൾക്ക് പ്രവർത്തന ലാഭം വർദ്ധിപ്പിക്കാനും ഒപ്പം അവരുടെ മൊത്തത്തിലുള്ള കാർബൺ പുറന്തള്ളൽ കുറയ്ക്കാനും സഹായിക്കുന്നു.