விமான நிறுவனங்கள் எரிபொருள் செலவைக் குறைக்க AI-ஐ எவ்வாறு பயன்படுத்துகின்றன: IndiGo-வின் புதிய சோதனை

உலகளாவிய எரிபொருள் விலைகள் நிலையற்றதாக இருக்கும் நிலையில், விமானப் போக்குவரத்துத் துறை தனது செயல்பாடுகளை மேம்படுத்தவும் லாபத்தைப் பாதுகாக்கவும் அதிநவீன செயற்கை நுண்ணறிவை (Artificial Intelligence) நோக்கித் திரும்புகிறது. இந்தியாவின் முன்னணி விமான நிறுவனமான IndiGo, விமானங்களின் டேக்-ஆஃப் (take-off) முறையை எரிபொருள் சிக்கனத்துடன் மேற்கொள்ளும் நோக்கில் சிறப்பு AI சோதனைகளைத் தொடங்குவதன் மூலம் இந்தத் தொழில்நுட்ப மாற்றத்திற்குத் தலைமை தாங்கி வருகிறது.

IndiGo-வின் AI சார்ந்த விமானப் பயண மேம்படுத்தல்

விமானப் பயணத்தின் அதிக எரிபொருளைப் பயன்படுத்தும் கட்டமான 'டேக்-ஆஃப்' முறையை மேம்படுத்துவதற்காக வடிவமைக்கப்பட்ட AI சார்ந்த தீர்வுகளைச் செயல்படுத்த, IndiGo இன்று முதல் தொடர்ச்சியான சோதனைகளைத் தொடங்கியுள்ளது. மெஷின் லேர்னிங் (machine learning) வழிமுறைகளைப் பயன்படுத்துவதன் மூலம், நிகழ்நேர மாறிகளின் அடிப்படையில் மிகவும் திறமையானத் தூண்டுதல் அமைப்புகள் (thrust settings) மற்றும் ஏறுதல் முறைகளை (climb profiles) கணக்கிடுவதை இந்த விமான நிறுவனம் நோக்கமாகக் கொண்டுள்ளது.

இந்தச் சோதனைகளின் முதன்மை நோக்கமே ஆரம்பக்கட்ட ஏறுதலின் போது நுகரப்படும் எரிபொருளின் அளவைக் குறைப்பதாகும். ஒரு விமானப் பயணத்தின் போது எரிபொருள் பயன்பாட்டில் ஏற்படும் மிகச்சிறிய சதவீதக் குறைப்பு கூட, தினமும் நூற்றுக்கணக்கான முறைப் பறக்கும் மிகப்பெரிய விமானக் கூட்டத்தைக் கொண்ட ஒரு நிறுவனத்திற்குப் பெரும் செலவுச் சேமிப்பைத் தரும்.

எரிபொருள் சிக்கனத்தில் நிகழ்நேரத் தரவுகளின் பங்கு

பாரம்பரிய விமானப் பாதைகள் மற்றும் டேக்-ஆஃப் நடைமுறைகள் பெரும்பாலும் தரப்படுத்தப்பட்ட மாதிரிகளையே (standardized models) நம்பியுள்ளன. இருப்பினும், AI பின்வரும் பல்வேறு மாறும் தரவுப் புள்ளிகளை (dynamic data points) ஆய்வு செய்வதன் மூலம் மிகவும் நுணுக்கமான அணுகுமுறையை அனுமதிக்கிறது:

• நிகழ்நேர வானிலை முறைகள்: காற்றின் வேகம், திசை மற்றும் வளிமண்டல அடர்த்தியை மதிப்பிடுதல்.
• விமானத்தின் எடை மற்றும் சமநிலை: பயணிகளின் எண்ணிக்கை மற்றும் சரக்கு விநியோகத்தின் துல்லியத்தைக் கணக்கில் கொள்ளுதல்.
• விமான ஓடுதள நிலைமைகள்: வெப்பநிலை மற்றும் மேற்பரப்பு உராய்விற்கேற்ப மாற்றங்களைச் செய்தல்.

இந்த மாறிகளை ஒரே நேரத்தில் பகுப்பாய்வு செய்வதன் மூலம், தேவையற்ற இயந்திர அழுத்தத்தைக் குறைத்து, ஏரோடைனமிக் திறனை (aerodynamic efficiency) அதிகப்படுத்தும் "சிக்கனமான" டேக்-ஆஃப் பாதைகளை AI மாதிரிகளால் பரிந்துரைக்க முடியும். நிலையான செயல்பாட்டுத் திட்டமிடலில் இருந்து மாறும் தன்மை கொண்ட திட்டமிடலுக்கு மாறுவது இந்திய விமானப் போக்குவரத்துத் துறைக்கு ஒரு குறிப்பிடத்தக்க முன்னேற்றமாகும்.

எரிபொருள் சிக்கனம் ஏன் ஒரு மூலோபாயத் தேவையாகும்?

இந்திய விமான நிறுவனங்களைப் பொறுத்தவரை, எரிபொருள் செலவுகள் பொதுவாக மொத்தச் செயல்பாட்டுச் செலவுகளில் ஒரு குறிப்பிடத்தக்கப் பகுதியை (பெரும்பாலும் 30% முதல் 40% வரை) ஆக்கிரமித்துள்ளன. இத்துறை கடுமையான போட்டி மற்றும் ஏற்ற இறக்கமான கச்சா எண்ணெய் விலைகளை எதிர்கொள்வதால், "ஒரு இருக்கைக்கு ஒரு கிலோமீட்டர்" எரிபொருள் பயன்பாட்டைக் குறைக்கும் எந்தவொரு தொழில்நுட்பத் தலையீடும் ஒரு முக்கியமான போட்டிச் சாதகத்தை வழங்குகிறது.

நேரடி நிதி நன்மைகளைத் தாண்டி, இந்த AI சோதனைகள் நிலைத்தன்மை (sustainability) நோக்கிய பரந்த தொழில்துறைப் போக்கோடு ஒத்துப்போகின்றன. எரிபொருள் நுகர்வைக் குறைப்பது நேரடியாக கார்பன் வெளியேற்றத்தைக் குறைக்க வழிவகுக்கிறது, இது விமான நிறுவனங்கள் கடுமையான சுற்றுச்சூழல் விதிமுறைகள் மற்றும் ESG (சுற்றுச்சூழல், சமூகம் மற்றும் நிர்வாகம்) இலக்குகளை அடைய உதவுகிறது.

விமானப் போக்குவரத்துச் சூழலில் ஏற்படும் பரந்த தாக்கம்

முக்கிய விமான நிறுவனங்கள் தங்களது Flight Management Systems (FMS)-இல் AI-ஐ ஒருங்கிணைக்கும் உலகளாவிய போக்கின் ஒரு பகுதியே IndiGo-வின் இந்த நடவடிக்கையாகும். இந்தச் சோதனைகள் முன்னேறும்போது, வெற்றிகரமான அமலாக்கம் ஒட்டுமொத்தத் தொழில்துறையிலும் தரப்படுத்தப்பட்ட AI-உதவி பெறும் விமானச் செயல்பாடுகளுக்கு வழிவகுக்கும். இந்த மாற்றம் விமான நிறுவனங்களுக்குச் சிறந்த லாபத்தை உறுதி செய்வது மட்டுமல்லாமல், விமானப் போக்குவரத்து கட்டுப்பாட்டாளர்களுக்கு (air traffic controllers) மிகவும் கணிக்கக்கூடிய மற்றும் திறமையான வான்வெளி மேலாண்மையையும் வழங்கும்.

முக்கியக் குறிப்புகள்

• IndiGo-வின் கண்டுபிடிப்பு: எரிபொருள் சேமிப்பை இலக்காகக் கொண்டு, டேக்-ஆஃப் நடைமுறைகளை மேம்படுத்த AI-ஐப் பயன்படுத்த இந்த விமான நிறுவனம் சோதனைகளைத் தொடங்கியுள்ளது.
• தரவு மைய அணுகுமுறை: வானிலை, விமான எடை மற்றும் ஓடுதள நிலைமைகள் போன்ற நிகழ்நேர மாறிகளைப் பயன்படுத்தி துல்லியமான விமானப் பயணத் திட்டங்களை இந்தத் தொழில்நுட்பம் உருவாக்குகிறது.
• பொருளாதார மற்றும் பசுமைத் தாக்கம்: எரிபொருள் நுகர்வைக் குறைப்பது, எண்ணெய் விலையின் ஏற்ற இறக்கங்களிலிருந்து விமான நிறுவனங்களின் லாபத்தைப் பாதுகாப்பதற்கும் மற்றும் கார்பன் தடயத்தைக் (carbon footprint) குறைப்பதற்கும் இரட்டை நோக்கத்துடன் செயல்படுகிறது.