AI எவ்வாறு விமான நிறுவனங்கள் எரிபொருள் நுகர்வைக் குறைக்க உதவுகிறது: IndiGo-வின் புதிய சோதனை

விமான நிறுவனங்களின் செயல்பாட்டுச் செலவுகளில் எரிபொருள் செலவு ஒரு நிலையற்ற அங்கமாக இருப்பதால், செயல்திறனை மேம்படுத்த விமானத் துறை பெருகிவரும் அளவில் செயற்கை நுண்ணறிவை (Artificial Intelligence) நோக்கித் திரும்புகிறது. இந்தியாவின் மிகப்பெரிய விமான நிறுவனமான IndiGo, எரிபொருள் பயன்பாட்டைக் குறைக்க வடிவமைக்கப்பட்ட AI சார்ந்த விமானம் புறப்படும் (takeoff) நடைமுறைகளைச் செயல்படுத்தும் நோக்கில், இன்று முன்னோடிச் சோதனைகளைத் தொடங்கியதன் மூலம் இந்தத் தொழில்நுட்ப மாற்றத்திற்குத் தலைமை தாங்குகிறது.

விமானப் பயணத்தின் அதிக எரிபொருள் தேவைப்படும் கட்டத்தை மேம்படுத்துதல்

விமானப் பயணச் சுழற்சியில், விமானம் புறப்படும் கட்டம் (takeoff phase) என்பது அதிக ஆற்றல் தேவைப்படும் தருணங்களில் ஒன்றாகும்; இதற்குப் பெரும் உந்துவிசை (thrust) மற்றும் குறிப்பிடத்தக்க எரிபொருள் நுகர்வு தேவைப்படுகிறது. பாரம்பரியமாக, விமானம் புறப்படும் நடைமுறைகள் தரப்படுத்தப்பட்ட விமானி நெறிமுறைகள் மற்றும் கைமுறை கணக்கீடுகளைச் சார்ந்தே இருந்தன. இருப்பினும், ஒரு விமானத்தை வானில் உயர்த்த மிகவும் எரிபொருள் சிக்கனமான வழியைக் கண்டறிய, நிகழ்நேர மாறிகளை (real-time variables) பகுப்பாய்வு செய்யும் AI அல்காரிதம்களை IndiGo இப்போது அறிமுகப்படுத்துகிறது.

மெஷின் லேர்னிங் (machine learning) தொழில்நுட்பத்தைப் பயன்படுத்துவதன் மூலம், குறிப்பிட்ட வளிமண்டல நிலைகளின் அடிப்படையில் தேவைப்படும் துல்லியமான இயந்திர உந்துவிசை மற்றும் ஏறுவரிசை சரிவுகளை (climb gradients) கணக்கிடுவதை இந்த விமான நிறுவனம் நோக்கமாகக் கொண்டுள்ளது. பொதுவான நடைமுறைகளிலிருந்து தரவு சார்ந்த, தனிப்பயனாக்கப்பட்ட விமானம் புறப்படும் முறைகளுக்கு மாறுவது, செயல்பாட்டுத் துல்லியத்தில் ஒரு குறிப்பிடத்தக்க முன்னேற்றத்தைக் குறிக்கிறது.

தரவு சார்ந்த துல்லியம்: நிகழ்நேரத்தில் மாறிகளை நிர்வகித்தல்

விமானத் துறையில் AI-ன் செயல்திறன் என்பது, பெருமளவிலான சிக்கலான தரவுப் புள்ளிகளை ஒரே நேரத்தில் செயலாக்கும் அதன் திறனில் உள்ளது. மிகவும் "சிக்கனமான" விமானம் புறக்கலைச் செயல்பாட்டைச் சாத்தியமாக்க, AI அமைப்பு பின்வரும் பல முக்கியமான காரணிகளை மதிப்பீடு செய்கிறது:

• நிகழ்நேர வானிலை முறைகள்: வெவ்வேறு உயரங்களில் காற்றின் வேகம், திசை மற்றும் வெப்பநிலையில் ஏற்படும் மாற்றங்கள்.
• விமானத்தின் எடை மற்றும் சமநிலை: சுமந்து செல்லும் சுமை (payload), எரிபொருள் அளவு மற்றும் ஈர்ப்பு மையத்தை (center of gravity) உள்ளடக்கிய துல்லியமான கணக்கீடுகள்.
• காற்று அடர்த்தி: இயந்திரத்தின் செயல்திறன் மற்றும் விமானத்தை உயர்த்தும் திறனைப் பாதிக்கும் அழுத்த மாறுபாடுகளுக்கு ஏற்பச் சரிசெய்தல்.

இந்த மாறிகளை ஒருங்கிணைப்பதன் மூலம், எரிபொருள் சிக்கனத்தை அதிகப்படுத்தும் அதே வேளையில், பாதுகாப்பில் எந்த சமரசமும் இல்லை என்பதை உறுதிப்படுத்தும் வகையில் மேம்படுத்தப்பட்ட அளவுருக்களை (parameters) AI விமானிகளுக்கு வழங்குகிறது. இந்தத் துல்லியம் ஒவ்வொரு விமானத்தின் ஒட்டுமொத்த கார்பன் தடத்தையும் (carbon footprint) குறைக்க உதவுகிறது, இது உலகளாவிய விமானத் துறை நிலைத்தன்மை இலக்குகளுடன் ஒத்துப்போகிறது.

இந்திய விமானத் துறைக்கான பொருளாதார மற்றும் சுற்றுச்சூழல் தாக்கம்

இந்திய விமான நிறுவனங்களைப் பொறுத்தவரை, விமானத் எரிபொருள் (Aviation Turbine Fuel - ATF) என்பது மொத்த செயல்பாட்டுச் செலவுகளில் ஒரு பெரும் பகுதியை வகிக்கிறது; எனவே, எரிபொருள் நுகர்வைக் குறைப்பதில் ஏற்படும் சிறிய முன்னேற்றம் கூட மிகப்பெரிய சேமிப்பிற்கு வழிவகுக்கும். இந்தியாவின் உள்நாட்டு விமானத் சந்தை வேகமாக விரிவடைந்து வரும் நிலையில், ஆயிரக்கணக்கான விமானங்களில் AI மூலம் மேம்படுத்தப்பட்ட விமானம் புறக்கலைச் செயல்பாடுகளின் ஒட்டுமொத்த விளைவு, விமான நிறுவனங்களின் லாப வரம்பை (margins) கணிசமாக மேம்படுத்தக்கூடும்.

நிதிநிலை அறிக்கையைத் தாண்டி, இந்த நடவடிக்கை CO2 வெளியேற்றத்தைக் குறைக்க விமானத் துறையின் மீது அதிகரித்து வரும் அழுத்தத்தையும் கையாள்கிறது. இந்தத் துறை கடுமையான சுற்றுச்சூழல் விதிமுறைகளை எதிர்கொள்ளும் நிலையில், விமானத்தின் முக்கிய செயல்பாடுகளில் AI-ஐ ஒருங்கிணைப்பது ஒரு போட்டிச் சாதகமாக மட்டுமல்லாமல், நிலையான வளர்ச்சிக்கு ஒரு அவசியமாகவும் மாறுகிறது. அதிகரித்து வரும் செலவுகள் மற்றும் சுற்றுச்சூழல் பொறுப்புணர்வு ஆகிய இரட்டை சவால்களை எதிர்கொள்ள இந்திய விமான நிறுவனங்கள் எவ்வாறு 'டீப் டெக்' (deep tech) தொழில்நுட்பத்தைப் பயன்படுத்துகின்றன என்பதில் இந்தச் சோதனை ஒரு முக்கியத் திருப்புமுனையாகும்.

முக்கியக் குறிப்புகள்

• AI சார்ந்த செயல்திறன்: விமானப் பயணத்தின் அதிக ஆற்றல் தேவைப்படும் கட்டத்தில் எரிபொருள் நுகர்வைக் குறைப்பதை இலக்காகக் கொண்டு, விமானம் புறப்படும் உந்துவிசை மற்றும் ஏறுவரிசைத் தரவுகளை (climb profiles) மேம்படுத்த IndiGo AI அல்காரிதம்களைச் சோதனை செய்கிறது.
• சிக்கலான தரவு ஒருங்கிணைப்பு: காற்று அடர்த்தி, எடை மற்றும் வானிலை போன்ற நிகழ்நேர மாறிகளைச் செயலாக்கி, தனிப்பயனாக்கப்பட்ட, உயர் துல்லியமான விமானம் புறக்கலை அளவுருக்களை இந்தத் தொழில்நுட்பம் வழங்குகிறது.
• நிலைத்தன்மை மற்றும் சேமிப்பு: இந்தச் ஸ்மார்ட் தொழில்நுட்பங்களைச் செயல்படுத்துவது, வேகமாக வளர்ந்து வரும் சந்தையில் விமான நிறுவனங்கள் அதிகப்படியான ATF செலவுகளைக் குறைக்கவும், கார்பன் வெளியேற்றத்தைக் குறைக்கவும் உதவுகிறது.