AI எவ்வாறு விமான நிறுவனங்களின் எரிபொருள் செலவைக் குறைக்க உதவுகிறது: IndiGo சோதனைகளைத் தொடங்குகிறது

விமான நிறுவனங்களின் செயல்பாட்டுச் செலவுகளில் எரிபொருள் விலை ஒரு நிலையற்ற காரணியாக இருப்பதால், விமானத் துறை செயல்திறனை அதிகரிக்க அதிநவீன செயற்கை நுண்ணறிவை (AI) நோக்கித் திரும்புகிறது. இந்தியாவின் முன்னணி விமான நிறுவனமான IndiGo, விமானங்களின் டேக்-ஆஃப் (take-offs) செயல்பாடுகளை மேம்படுத்தவும், எரிபொருள் நுகர்வைக் கணிசமாகக் குறைக்கவும் இன்று முதல் நிஜ உலகச் சோதனைகளைத் தொடங்கி, இந்தத் தொழில்நுட்ப மாற்றத்திற்குத் தலைமை தாங்குகிறது.

AI-அடிப்படையிலான விமானப் பயண மேம்படுத்தலை நோக்கிய மாற்றம்

எந்தவொரு விமான நிறுவனத்திற்கும் எரிபொருள் என்பது மிகப்பெரிய செலவினங்களில் ஒன்றாகும், இது லாபம் மற்றும் சுற்றுச்சூழல் பாதிப்புகளை நேரடியாகப் பாதிக்கிறது. இதனைத் தவிர்க்க, விமான நிறுவனங்கள் தங்களது விமானப் பயணச் செயல்பாடுகளில் செயற்கை நுண்ணறிவு (AI) மற்றும் மெஷின் லேர்னிங் (machine learning) ஆகியவற்றை அதிகளவில் ஒருங்கிணைத்து வருகின்றன. பாரம்பரிய கையேடு கணக்கீடுகளைப் போலன்றி, AI அல்காரிதம்கள் வானிலை முறைகள், காற்றின் அடர்த்தி, விமானத்தின் எடை மற்றும் என்ஜின் செயல்திறன் உள்ளிட்ட பெருமளவிலான நிகழ்நேரத் தரவுகளைப் பகுப்பாய்வு செய்து, ஒரு விமானத்தை இயக்குவதற்கான மிகவும் எரிபொருள் சிக்கனமான வழியைக் கண்டறிய முடியும்.

IndiGo-வின் சமீபத்திய முயற்சி விமானப் பயணத்தின் ஒரு குறிப்பிட்ட, அதிக ஆற்றல் தேவைப்படும் கட்டமான 'டேக்-ஆஃப்' (take-off) மீது கவனம் செலுத்துகிறது. விமானம் மேலே எழும்பும் (climb) போது அதன் அளவுருக்களை (parameters) நுணுக்கமாகச் சரிசெய்ய AI-ஐப் பயன்படுத்துவதன் மூலம், குறைந்த உந்துவிசை (thrust) மற்றும் அதன் விளைவாகக் குறைந்த மண்ணெண்ணெய் தேவைப்படும் "சிக்கனமான" டேக்-ஆஃப் செயல்பாடுகளை அடைய இந்த நிறுவனம் இலக்கு வைத்துள்ளது.

எரிபொருள் சிக்கனத்திற்காக IndiGo மேற்கொண்டுள்ள மூலோபாயச் சோதனைகள்

இன்று முதல், AI மூலம் மேம்படுத்தப்பட்ட விமானப் பயண முறைகள் (flight profiles) நிஜ உலகச் சூழலில் எவ்வாறு செயல்படுகின்றன என்பதைச் சோதிக்கும் வகையில் IndiGo சோதனைகளைத் தொடங்கியுள்ளது. பாதுகாப்பிலோ அல்லது கடுமையான விமானப் பயண அட்டவணைகளிலோ சமரசம் செய்யாமல், எரிபொருள் பயன்பாட்டைக் குறைக்கும் வகையில் என்ஜின் செயல்திறன் மற்றும் ஏறு கோணங்களில் (climb angles) உள்ள சரியான சமநிலையைக் (sweet spot) கண்டறிவதே இதன் முக்கிய நோக்கமாகும்.

இந்தச் சோதனைகள் வெறும் பணத்தைச் சேமிப்பதற்கானது மட்டுமல்ல; இவை செயல்பாட்டுத் துல்லியத்தைப் பற்றியதுமாகும். டேக்-ஆஃப் கட்டத்தை மேம்படுத்துவதன் மூலம், ஒவ்வொரு விமானப் புறக்கoutப்பிலும் ஏற்படும் கார்பன் வெளியேற்றத்தைக் குறைக்க IndiGo-வால் முடியும். ஒரு அடர்த்தியான உள்நாட்டுப் போக்குவரத்து வலையமைப்பில் மிகப்பெரிய விமானப் படையை நிர்வகிக்கும் நிறுவனத்திற்கு, ஒரு விமானத்திற்குத் தேவைப்படும் எரிபொருளில் மிகச் சிறிய சதவீதத்தைக் குறைத்தாலும் கூட, அது ஆண்டுதோறும் மில்லியன் கணக்கான டாலர்களைச் சேமிக்கவும், நிறுவனத்தின் ஒட்டுமொத்த கார்பன் தடயத்தைக் (carbon footprint) கணிசமாகக் குறைக்கவும் உதவும்.

பரந்த அளவிலான தொழில் தாக்கங்கள் மற்றும் நிலைத்தன்மை

IndiGo மட்டும் தனியாகச் செயல்படவில்லை; நிலைத்தன்மை இலக்குகளை அடையவும், அதிகரித்து வரும் செயல்பாட்டுச் செலவுகளை நிர்வகிக்கவும் உலகளாவிய விமானத் துறை பெரும் அழுத்தத்தில் உள்ளது. விமானப் பயண மேலாண்மை அமைப்புகளில் AI-ஐ ஒருங்கிணைப்பது, பாரம்பரிய முறைகளுக்குப் பதிலாக தரவு சார்ந்த முடிவெடுத்தல் (data-driven decision-making) முன்னிலை பெறும் ஒரு பரந்த போக்கைக் குறிக்கிறது.

டேக்-ஆஃப் தவிர, வானிலை மாற்றங்களால் ஏற்படும் அதிர்வுகளைத் (turbulence) தவிர்க்கவும், காற்றின் வேகத்தைப் (tailwinds) பயன்படுத்தவும், விமானம் தரையில் காத்திருக்கும் நேரத்தைக் (idling time) குறைக்க தரைவழிச் செயல்பாடுகளை நிர்வகிக்கவும் மற்றும் செலவு மிகுந்த தாமதங்களைத் தவிர்க்க பராமரிப்புத் தேவைகளைக் கணிக்கவும் உலகளவில் AI பயன்படுத்தப்பட்டு வருகிறது. இந்தத் தொழில்நுட்பங்கள் முதிர்ச்சியடையும் போது, தரவு அறிவியல் (data science) மற்றும் விமானப் போக்குவரத்துத் துறை (aeronautics) ஆகியவற்றிற்கு இடையிலான ஒருங்கிணைப்பு, விலை உணர்திறன் மற்றும் சுற்றுச்சூழல் விழிப்புணர்வு அதிகம் கொண்ட சந்தையில் போட்டியிட விரும்பும் எந்தவொரு விமான நிறுவனத்திற்கும் ஒரு தரநிலையாக மாறும்.

முக்கியக் குறிப்புகள்

• இலக்கு வைக்கப்பட்ட செயல்திறன்: ஆரம்பக்கட்ட ஏறுதலின் போது வழக்கமாகத் தேவைப்படும் அதிக எரிபொருள் நுகர்வைக் குறைக்க, டேக்-ஆஃப் கட்டத்தை மேம்படுத்த IndiGo குறிப்பாக AI-ஐச் சோதித்து வருகிறது.
• செலவு மற்றும் கார்பன் குறைப்பு: மெஷின் லேர்னிங் மூலம் என்ஜின் செயல்திறனைச் செம்மைப்படுத்துவதன் மூலம், தனது மிகப்பெரிய செயல்பாட்டுச் செலவைக் குறைப்பதோடு மட்டுமல்லாமல், CO2 வெளியேற்றத்தையும் குறைக்க இந்த நிறுவனம் முயல்கிறது.
• தரவு சார்ந்த விமானப் போக்குவரத்து: வானிலை மற்றும் விமானத்தின் எடை போன்ற நிகழ்நேரத் தரவுகளைப் பயன்படுத்தி, விமானப் பயண முறைகளில் துல்லியமான, தானியங்கி மாற்றங்களைச் செய்வதை நோக்கிய ஒரு பெரிய தொழில் மாற்றத்தை இந்த நடவடிக்கை உணர்த்துகிறது.