ഇന്ധനച്ചെലവ് കുറയ്ക്കാൻ വിമാനക്കമ്പനികൾ AI ഉപയോഗിക്കുന്നത് എങ്ങനെ: IndiGo-യുടെ പുതിയ പരീക്ഷണം

ആഗോള ഇന്ധനവിലയിൽ അസ്ഥിരത നിലനിൽക്കുന്ന സാഹചര്യത്തിൽ, പ്രവർത്തനങ്ങൾ കാര്യക്ഷമമാക്കാനും ലാഭം സംരക്ഷിക്കാനുമായി വ്യോമയാന മേഖല അത്യാധുനിക ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിലേക്ക് (AI) തിരിയുകയാണ്. വിമാനങ്ങളുടെ ടേക്ക്-ഓഫ് (take-off) കൂടുതൽ ഇന്ധനക്ഷമമാക്കുന്നതിനായി പ്രത്യേക AI പരീക്ഷണങ്ങൾ ആരംഭിച്ചുകൊണ്ട് ഇന്ത്യയിലെ പ്രമുഖ വിമാനക്കമ്പനിയായ IndiGo ഈ സാങ്കേതിക മാറ്റത്തിന് നേതൃത്വം നൽകുന്നു.

IndiGo-യുടെ AI അധിഷ്ഠിത ഫ്ലൈറ്റ് ഒപ്റ്റിമൈസേഷൻ

വിമാനയാത്രയിലെ ഏറ്റവും കൂടുതൽ ഇന്ധനം ഉപയോഗിക്കുന്ന ഘട്ടമായ ടേക്ക്-ഓഫ് ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനായി രൂപകൽപ്പന ചെയ്ത AI അധിഷ്ഠിത പരിഹാരങ്ങൾ നടപ്പിലാക്കാൻ IndiGo ഇന്ന് മുതൽ പരീക്ഷണങ്ങൾ ആരംഭിക്കുകയാണ്. മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങൾ ഉപയോഗപ്പെടുത്തിക്കൊണ്ട്, തത്സമയ വേരിയബിളുകളുടെ (real-time variables) അടിസ്ഥാനത്തിൽ ഏറ്റവും കാര്യക്ഷമമായ ത്രസ്റ്റ് സെറ്റിംഗുകളും (thrust settings) ക്ലൈംബ് പ്രൊഫൈലുകളും (climb profiles) കണക്കാക്കാൻ വിമാനക്കമ്പനി ലക്ഷ്യമിടുന്നു.

വിമാനം ഉയർന്നുയരുന്ന ആദ്യ ഘട്ടത്തിൽ ഉപയോഗിക്കുന്ന ഇന്ധനത്തിന്റെ അളവ് കുറയ്ക്കുക എന്നതാണ് ഈ പരീക്ഷണങ്ങളുടെ പ്രാഥമിക ലക്ഷ്യം. ഓരോ വിമാനയാത്രയിലും ഇന്ധന ഉപഭോഗത്തിൽ ഉണ്ടാകുന്ന ചെറിയൊരു ശതമാനത്തിന്റെ കുറവ് പോലും, നൂറുകണക്കിന് ദൈനംദിന സർവീസുകളുമായി വലിയൊരു ഫ്ലീറ്റ് നിയന്ത്രിക്കുന്ന ഒരു വിമാനക്കമ്പനിയെ സംബന്ധിച്ചിടത്തോളം വൻതോതിലുള്ള ലാഭത്തിലേക്ക് നയിക്കും.

ഇന്ധനക്ഷമതയിൽ തത്സമയ ഡാറ്റയുടെ പങ്ക്

പരമ്പരാഗതമായ ഫ്ലൈറ്റ് പാതകളും ടേക്ക്-ഓഫ് നടപടിക്രമങ്ങളും പലപ്പോഴും ഏകീകൃതമായ മാതൃകകളെയാണ് (standardized models) ആശ്രയിക്കുന്നത്. എന്നാൽ, താഴെ പറയുന്നവയുൾപ്പെടെയുള്ള വൈവിധ്യമാർന്ന ഡൈനാമിക് ഡാറ്റാ പോയിന്റുകൾ വിശകലനം ചെയ്യുന്നതിലൂടെ കൂടുതൽ സൂക്ഷ്മമായ സമീപനം സ്വീകരിക്കാൻ AI സഹായിക്കുന്നു:

• തത്സമയ കാലാവസ്ഥാ രീതികൾ: കാറ്റിന്റെ വേഗത, ദിശ, അന്തരീക്ഷ സാന്ദ്രത എന്നിവ വിലയിരുത്തുന്നു.
• വിമാനത്തിന്റെ ഭാരവും ബാലൻസും: യാത്രക്കാരുടെ എണ്ണവും ചരക്ക് വിതരണവും കൃത്യമായി കണക്കിലെടുക്കുന്നു.
• റൺവേ സാഹചര്യങ്ങൾ: താപനിലയും ഉപരിതല ഘർഷണവും (surface friction) അനുസരിച്ച് ക്രമീകരിക്കുന്നു.

ഈ വേരിയബിളുകളെ ഒരേസമയം വിശകലനം ചെയ്യുന്നതിലൂടെ, എൻജിനിലെ അനാവശ്യ സമ്മർദ്ദം കുറയ്ക്കാനും എയറോഡൈനാമിക് കാര്യക്ഷമത വർദ്ധിപ്പിക്കാനും സഹായിക്കുന്ന "മിതവ്യയപരമായ" (thriftier) ടേക്ക്-ഓഫ് പാതകൾ നിർദ്ദേശിക്കാൻ AI മോഡലുകൾക്ക് കഴിയും. സ്റ്റാറ്റിക് പ്ലാനിംഗിൽ നിന്ന് ഡൈനാമിക് ഓപ്പറേഷണൽ പ്ലാനിംഗിലേക്കുള്ള ഈ മാറ്റം ഇന്ത്യൻ വ്യോമയാന മേഖലയ്ക്ക് വലിയൊരു കുതിച്ചുചാട്ടമാണ്.

എന്തുകൊണ്ട് ഇന്ധനക്ഷമത ഒരു തന്ത്രപരമായ ആവശ്യകതയാണ്?

ഇന്ത്യൻ വിമാനക്കമ്പനികളെ സംബന്ധിച്ചിടത്തോളം, ആകെ പ്രവർത്തനച്ചെലവിന്റെ വലിയൊരു ഭാഗം (പലപ്പോഴും 30% മുതൽ 40% വരെ) ഇന്ധനച്ചെലവാണ്. കടുത്ത മത്സരവും ക്രൂഡ് ഓയിൽ വിലയിലെ ചാഞ്ചാട്ടവും നേരിടുന്ന ഈ മേഖലയിൽ, "സീറ്റ് കിലോമീറ്ററിന് ഉപയോഗിക്കുന്ന ഇന്ധനം" കുറയ്ക്കുന്ന ഏതൊരു സാങ്കേതിക ഇടപെടലും നിർണ്ണായകമായ മത്സര നേട്ടം നൽകുന്നു.

നേരിട്ടുള്ള സാമ്പത്തിക നേട്ടങ്ങൾക്കപ്പുറം, ഈ AI പരീക്ഷണങ്ങൾ സുസ്ഥിരത (sustainability) എന്ന വ്യോമയാന മേഖലയുടെ പൊതുവായ പ്രവണതയുമായി ചേർന്നുനിൽക്കുന്നു. ഇന്ധന ഉപഭോഗം കുറയ്ക്കുന്നത് കാർബൺ പുറന്തള്ളൽ കുറയ്ക്കാൻ നേരിട്ട് സഹായിക്കുന്നു, ഇത് കടുത്ത പരിസ്ഥിതി നിയമങ്ങളും ESG (Environmental, Social, and Governance) ലക്ഷ്യങ്ങളും പാലിക്കാൻ വിമാനക്കമ്പനികളെ സഹായിക്കുന്നു.

വ്യോമയാന ആവാസവ്യവസ്ഥയിലുള്ള വിപുലമായ സ്വാധീനം

പ്രമുഖ വിമാനക്കമ്പനികൾ തങ്ങളുടെ Flight Management Systems (FMS)-ൽ AI സംയോജിപ്പിക്കുന്ന ആഗോള പ്രവണതയുടെ ഭാഗമാണ് IndiGo-യുടെ ഈ നീക്കം. ഈ പരീക്ഷണങ്ങൾ പുരോഗമിക്കുന്നതിനനുസരിച്ച്, വിജയകരമായ നടപ്പിലാക്കൽ വ്യവസായത്തിലുടനീളം AI അധിഷ്ഠിത ഫ്ലൈറ്റ് പ്രവർത്തനങ്ങൾ ഒരു മാനദണ്ഡമാക്കാൻ കാരണമായേക്കാം. ഈ മാറ്റം വിമാനക്കമ്പനികൾക്ക് മികച്ച ലാഭം വാഗ്ദാനം ചെയ്യുക മാത്രമല്ല, എയർ ട്രാഫിക് കൺട്രോളർമാർക്ക് കൂടുതൽ പ്രവചിക്കാവുന്നതും കാര്യക്ഷമവുമായ വ്യോമപാത നിയന്ത്രണം ഉറപ്പാക്കുകയും ചെയ്യുന്നു.

പ്രധാന കാര്യങ്ങൾ

• IndiGo-യുടെ നവീകരണം: ടേക്ക്-ഓഫ് നടപടിക്രമങ്ങൾ ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനായി AI ഉപയോഗിച്ചുള്ള പരീക്ഷണങ്ങൾ വിമാനക്കമ്പനി ആരംഭിക്കുന്നു, ഇത് വലിയ ഇന്ധന ലാഭം ലക്ഷ്യമിടുന്നു.
• ഡാറ്റാ കേന്ദ്രീകൃത സമീപനം: കാലാവസ്ഥ, വിമാനത്തിന്റെ ഭാരം, റൺവേ സാഹചര്യങ്ങൾ തുടങ്ങിയ തത്സമയ വേരിയബിളുകൾ ഉപയോഗിച്ച് കൃത്യതയുള്ള ഫ്ലൈറ്റ് പ്രൊഫൈലുകൾ നിർമ്മിക്കാൻ ഈ സാങ്കേതികവിദ്യ സഹായിക്കുന്നു.
• സാമ്പത്തികവും പരിസ്ഥിതിപരവുമായ സ്വാധീനം: ഇന്ധന ഉപഭോഗം കുറയ്ക്കുന്നത് ഇന്ധനവിലയിലെ ചാഞ്ചാട്ടത്തിൽ നിന്ന് വിമാനക്കമ്പനികളുടെ ലാഭം സംരക്ഷിക്കുക എന്നതിനും കാർബൺ ഫൂട്ട്പ്രിന്റ് കുറയ്ക്കുക എന്നതിനും ഇരട്ട ലക്ഷ്യമായി വർത്തിക്കുന്നു.