ഇന്ധന ഉപഭോഗവും ടേക്ക്-ഓഫുകളും ഒപ്റ്റിമൈസ് ചെയ്യാൻ IndiGo എങ്ങനെയാണ് AI ഉപയോഗിക്കുന്നത്

ഇന്ധനച്ചെലവ് വിമാനക്കമ്പനികളുടെ ലാഭക്ഷമതയെ നിരന്തരം ബാധിച്ചുകൊണ്ടിരിക്കുന്ന സാഹചര്യത്തിൽ, പ്രവർത്തനക്ഷമത വർദ്ധിപ്പിക്കുന്നതിനായി വ്യോമയാന മേഖല കൃത്രിമബുദ്ധി (Artificial Intelligence) എന്ന സാങ്കേതികവിദ്യയെ കൂടുതൽ ആശ്രയിച്ചു തുടങ്ങുകയാണ്. വിമാനങ്ങളുടെ ടേക്ക്-ഓഫ് നടപടിക്രമങ്ങൾ ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനായി പ്രത്യേക AI അധിഷ്ഠിത പരീക്ഷണങ്ങൾ ഇന്ന് ആരംഭിക്കുന്നതിലൂടെ ഇന്ത്യയിലെ ഏറ്റവും വലിയ വിമാനക്കമ്പനിയായ IndiGo ഈ സാങ്കേതിക മാറ്റത്തിന് നേതൃത്വം നൽകാൻ ഒരുങ്ങുന്നു.

AI അധിഷ്ഠിത ഇന്ധനക്ഷമതയിലേക്കുള്ള മാറ്റം

അതിശക്തമായ മത്സരമുള്ള ഇന്ത്യൻ വിപണിയിൽ പ്രവർത്തിക്കുന്ന ഏതൊരു വിമാനക്കമ്പനിയെയും സംബന്ധിച്ചിടത്തോളം ഇന്ധനച്ചെലവ് ഏറ്റവും പ്രധാനപ്പെട്ട ചലനാത്മക ചെലവുകളിൽ (variable costs) ഒന്നാണ്. വർദ്ധിച്ചുവരുന്ന ചെലവുകളെ നേരിടാനും കാർബൺ ഫൂട്ട്പ്രിന്റ് കുറയ്ക്കാനും, വിമാനക്കമ്പനികൾ പരമ്പരാഗതമായ മാനുവൽ ഫ്ലൈറ്റ് പാരാമീറ്ററുകളിൽ നിന്ന് മാറി ഡാറ്റാ അധിഷ്ഠിത തീരുമാനങ്ങളിലേക്ക് മാറുകയാണ്. ഫ്ലൈറ്റ് പ്രവർത്തനങ്ങളിൽ AI സംയോജിപ്പിക്കുന്നതിന്റെ പ്രധാന ലക്ഷ്യം എൻജിൻ പ്രവർത്തനത്തിലെ "സ്വിറ്റ് സ്പോട്ട്" (sweet spot) കണ്ടെത്തുക എന്നതാണ്—അതായത്, ആവശ്യമുള്ളയിടത്ത് തള്ളൽ (thrust) പരമാവധിയാക്കുകയും അനാവശ്യമായ ഇന്ധന ഉപയോഗം കുറയ്ക്കുകയും ചെയ്യുക.

മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങൾ ഉപയോഗിക്കുന്നതിലൂടെ, കാലാവസ്ഥാ രീതികൾ, വിമാനത്തിന്റെ ഭാരം, ചുറ്റുപാടുമുള്ള താപനില, എൻജിൻ പ്രവർത്തന സൂചകങ്ങൾ എന്നിവ ഉൾക്കൊള്ളുന്ന വിപുലമായ ഡാറ്റാസെറ്റുകൾ വിശകലനം ചെയ്യാൻ വിമാനക്കമ്പനികൾക്ക് സാധിക്കും. ഇത് മനുഷ്യരായ പൈലറ്റുമാർക്കോ സാധാരണ ഫ്ലൈറ്റ് മാനേജ്‌മെന്റ് സിസ്റ്റങ്ങൾക്കോ തത്സമയം പൂർണ്ണമായി ഒപ്റ്റിമൈസ് ചെയ്യാൻ കഴിയാത്ത കൃത്യമായ കണക്കുകൂട്ടലുകൾ നടത്താൻ സഹായിക്കുന്നു.

കുറഞ്ഞ ഇന്ധന ഉപയോഗത്തോടെയുള്ള ടേക്ക്-ഓഫുകൾക്കായി IndiGo നടത്തുന്ന തന്ത്രപരമായ പരീക്ഷണങ്ങൾ

വിമാനത്തിന്റെ ടേക്ക്-ഓഫ് ഘട്ടം ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനായി IndiGo ഇന്ന് മുതൽ പരീക്ഷണങ്ങൾ ആരംഭിക്കുകയാണ്. ഒരു യാത്രയിലെ ഏറ്റവും കൂടുതൽ ഇന്ധനം ആവശ്യമായ ഘട്ടങ്ങളിലൊന്നാണ് ടേക്ക്-ഓഫ്; വിമാനത്തെ വായുവിലേക്ക് ഉയർത്താൻ വലിയ അളവിൽ തള്ളൽ (thrust) ആവശ്യമാണ്. ഈ ഘട്ടത്തിന്റെ കാര്യക്ഷമതയിൽ ഉണ്ടാകുന്ന ചെറിയൊരു പുരോഗതി പോലും വലിയൊരു വിമാനക്കൂട്ടത്തിന് (fleet) മൊത്തത്തിൽ വലിയ ലാഭമുണ്ടാക്കാൻ സഹായിക്കും.

പരീക്ഷിച്ചു വരുന്ന AI മോഡലുകൾ ഏറ്റവും കാര്യക്ഷമമായ ക്ലൈംബ് പ്രൊഫൈലുകളും (climb profiles) ത്രസ്റ്റ് സെറ്റിംഗുകളും നിർണ്ണയിക്കാൻ സഹായിക്കും. ഒരു വിമാനം എങ്ങനെ വേഗത കൂട്ടുന്നുവെന്നും കറങ്ങുന്നുവെന്നും (rotate) സൂക്ഷ്മമായി ക്രമീകരിക്കുന്നതിലൂടെ, ഉപയോഗിക്കുന്ന ഓരോ തുള്ളി ഇന്ധനവും സുരക്ഷിതവും കാര്യക്ഷമവുമായ ഉയർച്ചയ്ക്ക് നേരിട്ട് സംഭാവന ചെയ്യുന്നുവെന്ന് ഉറപ്പാക്കാൻ ഈ സാങ്കേതികവിദ്യ ലക്ഷ്യമിടുന്നു. സാങ്കേതിക മികവിലൂടെയും ചെലവ് കുറഞ്ഞ സേവനങ്ങളിലൂടെയും വിപണിയിലെ നേതൃസ്ഥാനം നിലനിർത്താൻ ലക്ഷ്യമിട്ടുള്ള IndiGo-യുടെ വിപുലമായ ഡിജിറ്റൽ പരിവർത്തന തന്ത്രത്തിലെ നിർണ്ണായകമായ ഒരു ചുവടുവെപ്പാണ് ഈ പരീക്ഷണങ്ങൾ.

വ്യോമയാന സുസ്ഥിരതയിലുള്ള വിപുലമായ സ്വാധീനം

സുസ്ഥിരതാ ലക്ഷ്യങ്ങൾ കൈവരിക്കുന്നതിനായി വ്യോമയാന ഭീമന്മാർ പ്രെഡിക്റ്റീവ് അനലിറ്റിക്സ് ഉപയോഗിക്കുന്ന ആഗോള പ്രവണതയുടെ ഭാഗമാണ് IndiGo-യുടെ ഈ നീക്കം. ചെലവ് കുറയ്ക്കുന്നതിലുപരി, ഇന്ധന ഉപഭോഗം കുറയ്ക്കുന്നത് CO2 പുറന്തള്ളൽ കുറയ്ക്കാനുള്ള നേരിട്ടുള്ള മാർഗമാണ്, ഇത് അന്താരാഷ്ട്ര വ്യോമയാന പരിസ്ഥിതി മാനദണ്ഡങ്ങളുമായി പൊരുത്തപ്പെടാൻ വിമാനക്കമ്പനികളെ സഹായിക്കുന്നു.

ഈ AI പരീക്ഷണങ്ങൾ പുരോഗമിക്കുന്നതിനനുസരിച്ച്, ശേഖരിക്കുന്ന ഡാറ്റ ഫ്ലൈറ്റ് പാതകൾ പരിഷ്കരിക്കാനും, ഡിസെന്റ് പ്രൊഫൈലുകൾ (descent profiles) ഒപ്റ്റിമൈസ് ചെയ്യാനും, ചെലവേറിയ പ്രശ്നങ്ങളായി മാറുന്നതിന് മുമ്പ് തന്നെ അറ്റകുറ്റപ്പണികൾ ആവശ്യമാണെന്ന് പ്രവചിക്കാനും ഉപയോഗിച്ചേക്കാം. ഇന്ത്യൻ വ്യോമയാന മേഖലയെ സംബന്ധിച്ചിടത്തോളം, ഇത് പ്രതികരണാത്മകമായ (reactive) പ്രവർത്തനങ്ങളിൽ നിന്ന് മുൻകൂട്ടി കാണുന്ന (proactive), ബുദ്ധിപരമായ ഫ്ലൈറ്റ് മാനേജ്‌മെന്റിലേക്കുള്ള ഒരു മാറ്റത്തെ പ്രതിനിധീകരിക്കുന്നു.

പ്രധാന കാര്യങ്ങൾ

• പ്രവർത്തനക്ഷമത: വിമാനങ്ങളുടെ ടേക്ക്-ഓഫ് നടപടിക്രമങ്ങൾ ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനായി IndiGo AI അധിഷ്ഠിത പരീക്ഷണങ്ങൾ നടപ്പിലാക്കുന്നു, ഇതിലൂടെ ഈ ഘട്ടത്തിൽ സാധാരണയായി ഉണ്ടാകാറുള്ള കനത്ത ഇന്ധന ഉപഭോഗം കുറയ്ക്കാൻ ലക്ഷ്യമിടുന്നു.
• ഡാറ്റാ അധിഷ്ഠിത തീരുമാനങ്ങൾ: ഏറ്റവും ഇന്ധനക്ഷമമായ ത്രസ്റ്റ് സെറ്റിംഗുകൾ കണക്കാക്കുന്നതിനായി എൻജിൻ പ്രവർത്തനം, ഭാരം, കാലാവസ്ഥ തുടങ്ങിയ സങ്കീർണ്ണമായ ഘടകങ്ങൾ ഈ സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്നു.
• സുസ്ഥിരതയും ചെലവ് നിയന്ത്രണവും: വിമാനക്കമ്പനിക്ക് വലിയ തോതിലുള്ള ലാഭമുണ്ടാക്കുന്നതിനപ്പുറം, വ്യോമയാന വ്യവസായത്തിന്റെ കാർബൺ ഫൂട്ട്പ്രിന്റ് കുറയ്ക്കുന്നതിനുള്ള സുപ്രധാനമായ ഒരു മാർഗമായി ഈ AI ഇടപെടലുകൾ പ്രവർത്തിക്കുന്നു.