വിമാനക്കമ്പനികൾ ഇന്ധനച്ചെലവ് കുറയ്ക്കാൻ എങ്ങനെ AI ഉപയോഗിക്കുന്നു: IndiGo പുതിയ പരീക്ഷണങ്ങൾ ആരംഭിക്കുന്നു

വിമാനക്കമ്പനികളുടെ ലാഭക്ഷമതയെ ബാധിക്കുന്ന അസ്ഥിരമായ ഒരു ഘടകമായി ഇന്ധനവില തുടരുന്ന സാഹചര്യത്തിൽ, പ്രവർത്തനങ്ങൾ കാര്യക്ഷമമാക്കാൻ വ്യോമയാന മേഖല അത്യാധുനിക ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിലേക്ക് (AI) തിരിയുകയാണ്. വിമാനങ്ങളുടെ ടേക്ക്-ഓഫ് (take-off) കൂടുതൽ ഇന്ധനക്ഷമമാക്കുന്നതിനായി ഇന്ന് പരീക്ഷണങ്ങൾ ആരംഭിച്ചുകൊണ്ട് ഇന്ത്യയിലെ ഏറ്റവും വലിയ വിമാനക്കമ്പനിയായ IndiGo ഈ സാങ്കേതിക മുന്നേറ്റത്തിന് നേതൃത്വം നൽകുന്നു.

AI അധിഷ്ഠിത ഇന്ധനക്ഷമതയിലേക്കുള്ള മാറ്റം

ഏതൊരു വിമാനക്കമ്പനിയെയും സംബന്ധിച്ചിടത്തോളം പ്രവർത്തനച്ചെലവിൽ ഏറ്റവും വലിയൊരു ഭാഗം ഇന്ധനത്തിനാണ്. വർദ്ധിച്ചുവരുന്ന ചെലവുകളെ നേരിടാനും കാർബൺ ഫൂട്ട്പ്രിന്റ് (carbon footprint) കുറയ്ക്കാനും, പരമ്പരാഗതമായ മാനുവൽ കണക്കുകൂട്ടലുകളിൽ നിന്ന് മാറി AI അധിഷ്ഠിത പ്രെഡിക്റ്റീവ് മോഡലിംഗിലേക്ക് (predictive modeling) കമ്പനികൾ മാറിക്കൊണ്ടിരിക്കുകയാണ്. പറക്കലിന്റെ ഓരോ ഘട്ടവും കാര്യക്ഷമമാക്കുക എന്നതാണ് ഇതിന്റെ പ്രധാന ലക്ഷ്യം, പ്രത്യേകിച്ച് കൂടുതൽ ഇന്ധനം ഉപയോഗിക്കുന്ന ടേക്ക്-ഓഫ് ഘട്ടത്തിൽ പ്രത്യേക ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു.

മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങൾ ഉപയോഗിക്കുന്നതിലൂടെ, തത്സമയ കാലാവസ്ഥാ രീതികൾ, അന്തരീക്ഷ സാന്ദ്രത, വിമാനത്തിന്റെ ഭാരം, എഞ്ചിൻ പ്രകടനം എന്നിവയുൾപ്പെടെയുള്ള വലിയ ഡാറ്റാസെറ്റുകൾ വിശകലനം ചെയ്യാൻ വിമാനക്കമ്പനികൾക്ക് ഇപ്പോൾ സാധിക്കും. ഇത് "പ്രിസിഷൻ ടേക്ക്-ഓഫുകൾക്ക്" (precision take-offs) വഴി സാധ്യമാകും; അതായത്, പൊതുവായ പ്രവർത്തന മാനദണ്ഡങ്ങളെ മാത്രം ആശ്രയിക്കുന്നതിന് പകരം, വിമാനം പുറപ്പെടുന്ന സമയത്തെ കൃത്യമായ പാരിസ്ഥിതിക സാഹചര്യങ്ങൾക്കനുസരിച്ച് ത്രസ്റ്റും (thrust) ക്ലൈംബ് പ്രൊഫൈലുകളും ക്രമീകരിക്കാൻ ഇതിലൂടെ സാധിക്കുന്നു.

IndiGo-യുടെ തന്ത്രപരമായ പൈലറ്റ് പ്രോഗ്രാം

വിമാനം ഉയർന്നുയരുന്ന നിർണ്ണായക ഘട്ടത്തിൽ (ascent phase), AI അധിഷ്ഠിത ഫ്ലൈറ്റ് പ്രൊഫൈലുകൾ എങ്ങനെ ഇന്ധന ഉപഭോഗം കുറയ്ക്കാം എന്ന് പരിശോധിക്കുന്നതിനായി IndiGo ഇന്ന് മുതൽ പരീക്ഷണങ്ങൾ നടപ്പിലാക്കുന്നു. ഫ്ലൈറ്റ് ട്രാജക്റ്ററി ഒപ്റ്റിമൈസേഷനായി (flight trajectory optimization) ഡാറ്റാ സയൻസ് ഉപയോഗിക്കുന്ന വിപുലമായ വ്യോമയാന പ്രവണതയുടെ ഭാഗമാണ് ഈ പരീക്ഷണങ്ങൾ.

മനുഷ്യരായ പൈലറ്റുമാർക്കോ അല്ലെങ്കിൽ പഴയ ഫ്ലൈറ്റ് മാനേജ്‌മെന്റ് സംവിധാനങ്ങൾക്കോ തത്സമയം കണക്കിലെടുക്കാൻ കഴിയാത്ത സങ്കീർണ്ണമായ ഘടകങ്ങളെ വിശകലനം ചെയ്തുകൊണ്ടാണ് ഈ സാങ്കേതികവിദ്യ പ്രവർത്തിക്കുന്നത്. ഉദാഹരണത്തിന്, കാറ്റിന്റെ വേഗതയിലോ അന്തരീക്ഷ താപനിലയിലോ ഉണ്ടാകുന്ന ചെറിയ മാറ്റങ്ങൾ പോലും ക്രൂയിസിംഗ് ഉയരത്തിൽ (cruising altitude) എത്താൻ എഞ്ചിൻ ഉപയോഗിക്കുന്ന ഇന്ധനത്തിന്റെ അളവിനെ കാര്യമായി ബാധിച്ചേക്കാം. AI നിർദ്ദേശങ്ങൾ ഉപയോഗിച്ച് ത്രോട്ടിൽ സെറ്റിംഗുകളും ക്ലൈംബ് ആംഗിളുകളും കൃത്യമായി ക്രമീകരിക്കുന്നതിലൂടെ, ഓരോ വിമാനയാത്രയിലും വലിയ അളവിൽ ഇന്ധനം ലാഭിക്കുന്ന രീതിയിലുള്ള "മിതവ്യയപരമായ" (thriftier) ടേക്ക്-ഓഫുകൾ കൈവരിക്കാനാണ് IndiGo ലക്ഷ്യമിടുന്നത്.

സാമ്പത്തികവും പാരിസ്ഥിതികവുമായ പ്രത്യാഘാതങ്ങൾ

വിമാന പ്രവർത്തനങ്ങളിൽ AI നടപ്പിലാക്കുന്നത് ഇരട്ട ലക്ഷ്യങ്ങൾ നിറവേറ്റുന്നു: ലാഭം വർദ്ധിപ്പിക്കുക എന്നതും സുസ്ഥിരതാ ലക്ഷ്യങ്ങൾ (sustainability goals) കൈവരിക്കുക എന്നതും. IndiGo-യെപ്പോലെ വലിയ വിമാനനിരഹ を (fleet) നിയന്ത്രിക്കുന്ന ഒരു കമ്പനിയെ സംബന്ധിച്ചിടത്തോളം, ഓരോ യാത്രയിലും ഇന്ധന ഉപഭോഗത്തിൽ ഉണ്ടാകുന്ന ചെറിയൊരു ശതമാനത്തിന്റെ കുറവ് പോലും വർഷത്തിൽ ദശലക്ഷക്കണക്കിന് ഡോളറിന്റെ ലാഭത്തിലേക്ക് നയിക്കും.

സാമ്പത്തിക നേട്ടങ്ങൾക്കപ്പുറം, വ്യോമയാന മേഖലയുടെ കാർബൺ പുറന്തള്ളൽ കുറയ്ക്കാനുള്ള (decarbonization) പ്രതിബദ്ധതയിൽ ഈ സാങ്കേതിക മാറ്റം നിർണ്ണായകമാണ്. ഇന്ധന ഉപഭോഗം കുറയ്ക്കുന്നത് കാർബൺ ഡയോക്സൈഡ് (CO2) പുറന്തള്ളൽ നേരിട്ട് കുറയ്ക്കുന്നു, ഇത് ആഗോള പാരിസ്ഥിതിക മാനദണ്ഡങ്ങൾ പാലിക്കാൻ വിമാനക്കമ്പനികളെ സഹായിക്കുന്നു. ഈ AI മോഡലുകൾ കൂടുതൽ പരിഷ്കരിക്കപ്പെടുമ്പോൾ, ഓട്ടോമേറ്റഡ് ഫ്ലൈറ്റ് സംവിധാനങ്ങളുമായി ഇവ കൂടുതൽ ആഴത്തിൽ സംയോജിക്കുമെന്നും, അതുവഴി മനുഷ്യസഹജമായ പിഴവുകൾ കുറയ്ക്കാനും വിഭവങ്ങളുടെ കാര്യക്ഷമത വർദ്ധിപ്പിക്കാനും സാധിക്കുമെന്നും വ്യോമയാന മേഖല പ്രതീക്ഷിക്കുന്നു.

പ്രധാന വിവരങ്ങൾ

• കൃത്യമായ ഒപ്റ്റിമൈസേഷൻ: ടേക്ക്-ഓഫ് പോലുള്ള കൂടുതൽ ഇന്ധനം ആവശ്യമായ ഘട്ടങ്ങൾ കാര്യക്ഷമമാക്കുന്നതിനായി കാലാവസ്ഥ, വിമാനത്തിന്റെ ഭാരം തുടങ്ങിയ തത്സമയ വിവരങ്ങൾ വിശകലനം ചെയ്യാൻ വിമാനക്കമ്പനികൾ AI ഉപയോഗിക്കുന്നു.
• IndiGo-യുടെ നേതൃത്വം: വിമാനം ഉയർന്നുയരുന്ന ഘട്ടത്തിൽ പരമാവധി ഇന്ധന ലാഭമുണ്ടാക്കുന്നതിനായി AI അധിഷ്ഠിത ഫ്ലൈറ്റ് പ്രൊഫൈലുകൾ നടപ്പിലാക്കാൻ IndiGo പരീക്ഷണങ്ങൾ ആരംഭിച്ചു.
• ഇരട്ട നേട്ടങ്ങൾ: AI അധിഷ്ഠിത വിമാന പ്രവർത്തനങ്ങളിലേക്കുള്ള മാറ്റം കമ്പനികൾക്ക് വലിയ സാമ്പത്തിക ലാഭമുണ്ടാക്കുന്നതോടൊപ്പം തന്നെ വ്യോമയാന മേഖലയുടെ കാർബൺ ഫൂട്ട്പ്രിന്റ് കുറയ്ക്കാനും സഹായിക്കുന്നു.