ഇന്ധന ഉപഭോഗവും ടേക്ക്-ഓഫുകളും ഒപ്റ്റിമൈസ് ചെയ്യാൻ IndiGo എങ്ങനെയാണ് AI ഉപയോഗിക്കുന്നത്

ഇന്ത്യൻ വിമാനക്കമ്പനികളുടെ പ്രവർത്തനച്ചെലവിൽ ഏറ്റവും വലിയൊരു ഭാഗം ഇന്ധനച്ചെലവ് ആയതിനാൽ, ലാഭം നിലനിർത്തുന്നതിനായി വ്യോമയാന മേഖല അത്യാധുനിക സാങ്കേതികവിദ്യകളിലേക്ക് മാറുകയാണ്. കൂടുതൽ ഇന്ധനക്ഷമതയുള്ള ടേക്ക്-ഓഫുകൾ ഉറപ്പാക്കുന്നതിനായി, ഫ്ലൈറ്റ് പ്രവർത്തനങ്ങളിൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) സംയോജിപ്പിക്കുന്നതിനുള്ള പരീക്ഷണങ്ങൾ ഇന്ത്യയിലെ ഏറ്റവും വലിയ വിമാനക്കമ്പനിയായ IndiGo ഇന്ന് ഔദ്യോഗികമായി ആരംഭിക്കുന്നു.

AI അധിഷ്ഠിത ഫ്ലൈറ്റ് കാര്യക്ഷമതയിലേക്കുള്ള മാറ്റം

വിമാനക്കമ്പനികളെ സംബന്ധിച്ചിടത്തോളം ഇന്ധനവിലയിൽ വലിയ മാറ്റങ്ങൾ സംഭവിക്കാറുണ്ട്, ഇത് ലാഭത്തെയും ടിക്കറ്റ് നിരക്കിനെയും നേരിട്ട് ബാധിക്കുന്നു. ഇതിനെ പ്രതിരോധിക്കാൻ, ഒരു വിമാനയാത്രയിലെ ഏറ്റവും കൂടുതൽ ഊർജ്ജം ആവശ്യമായ ഘട്ടമായ 'ടേക്ക്-ഓഫ്' ഘട്ടം ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനായി IndiGo AI അധിഷ്ഠിത പരിഹാരങ്ങൾ നടപ്പിലാക്കുകയാണ്. മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങൾ ഉപയോഗപ്പെടുത്തിക്കൊണ്ട്, തത്സമയ സാഹചര്യങ്ങൾക്കനുസരിച്ച് ആവശ്യമായ കൃത്യമായ ത്രസ്റ്റ് (thrust), എൻജിൻ ക്രമീകരണങ്ങൾ എന്നിവ കണക്കാക്കാൻ വിമാനക്കമ്പനി ലക്ഷ്യമിടുന്നു.

വിമാനത്തിന്റെ ഭാരം, അന്തരീക്ഷ താപനില, കാറ്റിന്റെ വേഗത, അന്തരീക്ഷ മർദ്ദം എന്നിവയുൾപ്പെടെയുള്ള വൻതോതിലുള്ള ഡാറ്റാ പോയിന്റുകൾ ഈ സാങ്കേതികവിദ്യ വിശകലനം ചെയ്യുന്നു. പരമ്പരാഗത രീതികൾ പലപ്പോഴും സുരക്ഷ ഉറപ്പാക്കുന്നതിനായി അധിക ഇന്ധനം ഉൾപ്പെടുത്തിയുള്ള മാനദണ്ഡങ്ങളാണ് പിന്തുടരുന്നത്; എന്നാൽ, സുരക്ഷാ മാനദണ്ഡങ്ങളിൽ വിട്ടുവീഴ്ച ചെയ്യാതെ തന്നെ അധിക ഇന്ധന ഉപഭോഗം കുറയ്ക്കുന്നതിന് ഡാറ്റാ അധിഷ്ഠിതമായ കൂടുതൽ കൃത്യമായ സമീപനം AI അനുവദിക്കുന്നു.

കുറഞ്ഞ ഇന്ധന ഉപയോഗമുള്ള ടേക്ക്-ഓഫുകൾക്കായി പ്രിസിഷൻ എൻജിനീയറിംഗ്

ഒരു വിമാനം പറന്നുയരാൻ ആവശ്യമായ കറസിൻ (kerosene) അളവ് കുറയ്ക്കുന്നതിനായുള്ള സാങ്കേതികമായ ഒപ്റ്റിമൈസേഷനായ "ത്രഫ്റ്റിയർ ടേക്ക്-ഓഫുകളിൽ" (thriftier take-offs) ആണ് ഇന്നത്തെ പരീക്ഷണങ്ങൾ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്. ഓരോ വിമാനയാത്രയിലും ഇന്ധന ഉപഭോഗത്തിൽ ഉണ്ടാകുന്ന ചെറിയ കുറവ് പോലും, ദിവസേന നിരവധി സർവീസുകൾ നടത്തുന്ന നൂറുകണക്കിന് വിമാനങ്ങളുടെ ഒരു വലിയ നിരയെ പരിഗണിക്കുമ്പോൾ വലിയ ലാഭമായി മാറും.

ടേക്ക്-ഓഫ് മാത്രമല്ല, ഫ്ലൈറ്റ് പാതകളും ഇറങ്ങുന്ന രീതിയും (descent profiles) ഒപ്റ്റിമൈസ് ചെയ്യാൻ AI ഉപയോഗിക്കുന്ന പ്രവണത വ്യോമയാന മേഖലയിൽ വർദ്ധിച്ചുവരുന്നുണ്ട്. ടർബുലൻസ് (turbulence) മുൻകൂട്ടി പ്രവചിക്കുന്നതിലൂടെയും ഉയരം കൃത്യമായി ക്രമീകരിക്കുന്നതിലൂടെയും വിമാനക്കമ്പനികൾക്ക് വായു പ്രതിരോധവും (drag) ഇന്ധന ഉപഭോഗവും കുറയ്ക്കാൻ കഴിയും. IndiGo-യെ സംബന്ധിച്ചിടത്തോളം, പൈലറ്റുമാർക്ക് നിർണ്ണായകമായ ഘട്ടങ്ങളിൽ ഡാറ്റാ അധിഷ്ഠിതവും കൃത്യവുമായ തീരുമാനങ്ങൾ എടുക്കാൻ സഹായിക്കുന്ന രീതിയിൽ പ്രെഡിക്റ്റീവ് അനലിറ്റിക്സ് കോക്പിറ്റ് പരിസരത്ത് സംയോജിപ്പിക്കുന്നതിനുള്ള ഒരു തന്ത്രപരമായ നീക്കമാണിത്.

പാരിസ്ഥിതികവും സാമ്പത്തികവുമായ പ്രത്യാഘാതങ്ങൾ

വ്യോമയാന മേഖലയിൽ AI സ്വീകരിക്കുന്നത് ലാഭവും പാരിസ്ഥിതിക സുസ്ഥിരതയും ഒരുപോലെ ലക്ഷ്യമിടുന്ന ഒരു തന്ത്രമാണ്. സാമ്പത്തികമായി നോക്കിയാൽ, ഇന്ധനത്തെ ആശ്രയിക്കുന്നത് കുറയ്ക്കുന്നത് ആഗോള എണ്ണ വിപണിയിലെ ചാഞ്ചാട്ടങ്ങളിൽ നിന്ന് വിമാനക്കമ്പനികളെ സംരക്ഷിക്കാൻ സഹായിക്കുന്നു. അഭൂതപൂർവമായ യാത്രക്കാരുടെ വളർച്ച നേരിടുന്ന ഇന്ത്യൻ വ്യോമയാന മേഖലയിൽ, പ്രവർത്തനങ്ങൾ വിപുലീകരിക്കുന്നതിന് കാര്യക്ഷമത എന്നത് ഒരു ഓപ്ഷൻ മാത്രമല്ല, മറിച്ച് ഒരു അനിവാര്യത കൂടിയാണ്.

പാരിസ്ഥിതിക കാഴ്ചപ്പാടിൽ, കുറഞ്ഞ ഇന്ധന ഉപഭോഗം കാർബൺ പുറന്തള്ളൽ കുറയ്ക്കാൻ നേരിട്ട് സഹായിക്കുന്നു. ആഗോള വ്യോമയാന വ്യവസായം 'നെറ്റ് സീറോ' (Net Zero) ലക്ഷ്യങ്ങൾ കൈവരിക്കാൻ സമ്മർദ്ദത്തിലായിരിക്കുന്ന സാഹചര്യത്തിൽ, കാർബൺ കുറയ്ക്കുന്നതിനുള്ള (decarbonization) പ്രധാന മാർഗമായി ഈ AI അധിഷ്ഠിത മാറ്റങ്ങൾ മാറുന്നു. ഉപയോഗിക്കുന്ന ഓരോ ഗ്രാം ഇന്ധനവും കൃത്യമായി ക്രമീകരിക്കുന്നതിലൂടെ, സാങ്കേതിക നവീകരണത്തിന്റെയും പാരിസ്ഥിതിക ഉത്തരവാദിത്തത്തിന്റെയും സംഗമസ്ഥാനത്ത് IndiGo സ്വയം പ്രതിഷ്ഠിക്കുകയാണ്.

പ്രധാന വിവരങ്ങൾ

• AI അധിഷ്ഠിത കൃത്യത: കാറ്റ്, ഭാരം, താപനില തുടങ്ങിയ തത്സമയ ഘടകങ്ങൾ വിശകലനം ചെയ്തുകൊണ്ട് ടേക്ക്-ഓഫ് ത്രസ്റ്റ് ഒപ്റ്റിമൈസ് ചെയ്യാൻ IndiGo AI അൽഗോരിതങ്ങൾ പരീക്ഷിക്കുന്നു.
• ചെലവും കാർബൺ കുറയ്ക്കലും: ഇന്ധനച്ചെലവ് വലിയ തോതിൽ കുറയ്ക്കുക എന്നതും വിമാനക്കമ്പനിയുടെ മൊത്തത്തിലുള്ള കാർബൺ ഫൂട്ട്പ്രിന്റ് കുറയ്ക്കുക എന്നതുമാണ് ഈ പരീക്ഷണങ്ങളുടെ പ്രാഥമിക ലക്ഷ്യം.
• പ്രവർത്തന വ്യാപ്തി: IndiGo-യുടെ ദൈനംദിന പ്രവർത്തനങ്ങളുടെ വ്യാപ്തി കണക്കിലെടുക്കുമ്പോൾ, ഓരോ വിമാനയാത്രയിലും ഉണ്ടാകുന്ന ചെറിയ ഇന്ധന ലാഭം പോലും വലിയ തോതിലുള്ള ആകെ ലാഭമായി മാറുമെന്ന് പ്രതീക്ഷിക്കുന്നു.