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

விமான நிறுவனங்களின் லாபத்தில் எரிபொருள் விலைகள் ஒரு நிலையற்ற காரணியாக இருப்பதால், செயல்பாடுகளை மேம்படுத்த விமான போக்குவரத்துத் துறை பெருகிய முறையில் செயற்கை நுண்ணறிவை (Artificial Intelligence) நோக்கித் திரும்புகிறது. இந்தத் தொழில்நுட்ப மாற்றத்திற்கு முன்னணியில் இருக்கும் IndiGo, AI மூலம் துல்லியமான முறையில் விமானங்களின் டேக்-ஆஃப் (take-off) செயல்பாடுகளை எரிபொருள் சிக்கனத்துடன் மேற்கொள்ளும் நோக்கில், இன்று ஒரு முன்னோடிச் சோதனையைத் தொடங்க உள்ளது.

AI சார்ந்த எரிபொருள் சிக்கனத்தை நோக்கிய மாற்றம்

பெரிய விமான நிறுவனங்களுக்கு, எரிபொருள் என்பது பெரும்பாலும் மிகப்பெரிய செயல்பாட்டுச் செலவாகும், இது மொத்தச் செலவில் கணிசமான பகுதியை வகிக்கிறது. பாரம்பரிய விமானப் பயண முறைகள் மற்றும் கைமுறை டேக்-ஆஃப் நடைமுறைகள், மாறிவரும் வளிமண்டல மாறிகளுக்கு ஏற்ப, மனித விமானிகள் தங்களின் நிபுணத்துவம் இருந்தபோதிலும், நிகழ்நேரத்தில் (real-time) கணக்கிட முடியாத பல மேம்படுத்த வேண்டிய வாய்ப்புகளைக் கொண்டுள்ளன.

செயற்கை நுண்ணறிவை ஒருங்கிணைப்பதன் மூலம், விமான நிறுவனங்கள் "துல்லியமான விமானப் போக்குவரத்து" (precision aviation) என்ற மாதிரியை நோக்கி நகர்ந்து வருகின்றன. இந்த AI கருவிகள் காற்றின் வேகம், காற்றின் அடர்த்தி, வெப்பநிலை மற்றும் விமானத்தின் எடை உள்ளிட்ட பரந்த தரவுத் தொகுப்புகளைப் பகுப்பாய்வு செய்து, மிகவும் திறமையானத் தூண்டுதல் (thrust) மற்றும் ஏறுதல் முறைகளைக் (climb profiles) கணக்கிடுகின்றன. இந்த மாற்றம் வெறும் செலவு சேமிப்பு பற்றியது மட்டுமல்ல; இது ஒட்டுமொத்த விமான போக்குவரத்துச் சூழலின் செயல்பாட்டுத் தன்மையை (operational sustainability) மேம்படுத்துவதைப் பற்றியதுமாகும்.

சிக்கனமான டேக்-ஆஃப்களுக்கான IndiGo-வின் மூலோபாய நடவடிக்கை

இந்தியாவின் மிகப்பெரிய பயணிகள் விமான நிறுவனமான IndiGo, இன்று முதல் தனது AI சார்ந்த எரிபொருள் மேம்பாட்டுச் சோதனைகளைத் தொடங்குவதன் மூலம் இந்த இயக்கத்திற்குத் தலைமை தாங்குகிறது. இந்தச் சோதனைகளின் முதன்மை நோக்கம், எந்தவொரு விமானப் பயணத்திலும் அதிக எரிபொருளைப் பயன்படுத்தும் ஒரு பகுதியான டேக்-ஆஃப் (take-off) கட்டத்தை மேம்படுத்துவதாகும்.

இந்தத் தொழில்நுட்பம், பாதுகாப்பிற்குப் பாதிப்பு ஏற்படாமல், விமானம் குறைந்தபட்ச எரிபொருளைப் பயன்படுத்தி அதன் உயரத்தை (cruising altitude) அடைவதை உறுதி செய்வதற்காக, இன்ஜின்த் தூண்டுதல் (engine thrust) மற்றும் சுழற்சி வேகங்களுக்கான (rotation speeds) சரியான அளவைக் (sweet spot) கண்டறிவதை நோக்கமாகக் கொண்டுள்ளது. மெஷின் லேர்னிங் (machine learning) மாதிரிகள் மூலம் இந்த அளவுருக்களைச் சீரமைப்பதன் மூலம், உலகளாவிய ஜெட் எரிபொருள் விலையின் ஏற்ற இறக்கங்களிலிருந்து தனது லாபத்தைப் பாதுகாப்பதோடு மட்டுமல்லாமல், தனது கார்பன் தடத்தையும் (carbon footprint) குறைக்க IndiGo முயல்கிறது.

பரந்த பொருளாதார மற்றும் சுற்றுச்சூழல் தாக்கம்

விமானச் செயல்பாடுகளில் AI-ஐப் பயன்படுத்துவது, தனிப்பட்ட விமான நிறுவனங்களின் நிதிநிலை அறிக்கைகளைத் தாண்டி பல தாக்கங்களை ஏற்படுத்துகிறது. மேக்ரோ-எகனாமிக் (macro-economic) கண்ணோட்டத்தில், எரிபொருள் சிக்கனம் என்பது எண்ணெய் விலை ஏற்ற இறக்கங்களின் தாக்கத்தைக் குறைப்பதன் மூலம் விமானக் கட்டணங்களை நிலைப்படுத்த உதவுகிறது. உள்நாட்டு விமானப் பயணத்தில் முன்னெப்போதும் இல்லாத வளர்ச்சியைச் சந்தித்து வரும் இந்தியப் பொருளாதாரத்திற்கு, இத்தகைய செயல்திறன்கள் விரிவாக்கக்கூடிய மற்றும் மலிவான விமானப் போக்குவரத்துத் துறையைப் பராமரிக்க மிகவும் அவசியமானவை.

சுற்றுச்சூழல் ரீதியாக, எரிபொருள் நுகர்வைக் குறைப்பது நேரடியாக CO2 வெளியேற்றத்தைக் குறைக்கிறது. சுற்றுச்சூழல் தாக்கம் குறித்த உலகளாவிய விமானப் போக்குவரத்து விதிமுறைகள் கடுமையாக்கப்பட்டு வரும் நிலையில், AI சார்ந்த மேம்படுத்தல் என்பது விமான நிறுவனங்கள் தங்களின் நிலைத்தன்மை இலக்குகளை (sustainability targets) அடைய ஒரு தொழில்நுட்பப் பாதையை வழங்குகிறது. இந்த நடவடிக்கை, தரவு சார்ந்த முடிவெடுத்தல் செயல்பாட்டுச் சிறப்பிற்கு முதன்மை காரணியாக மாறும் உலகளாவிய போக்கின் முன்னணியில் இந்திய விமான நிறுவனங்களை நிலைநிறுத்துகிறது.

முக்கியக் குறிப்புகள்

• துல்லியமான டேக்-ஆஃப்கள்: அதிக எரிபொருளைப் பயன்படுத்தும் டேக்-ஆஃப் கட்டத்தை இலக்காகக் கொண்டு, இன்ஜின்த் தூண்டுதல் மற்றும் ஏறுதல் முறைகளை மேம்படுத்த AI-ஐப் பயன்படுத்தும் சோதனைகளை IndiGo தொடங்கியுள்ளது.
• செலவு மற்றும் கார்பன் குறைப்பு: நிகழ்நேர வளிமண்டலத் தரவுகளைப் பகுப்பாய்வு செய்ய மெஷின் லேர்னிங் தொழில்நுட்பத்தைப் பயன்படுத்துவதன் மூலம், எரிபொருள் செலவு மற்றும் கார்பன் வெளியேற்றம் ஆகிய இரண்டையும் ஒரே நேரத்தில் குறைக்க விமான நிறுவனங்கள் இலக்கு வைத்துள்ளன.
• செயல்பாட்டுத் தன்மை (Operational Sustainability): AI-ன் ஒருங்கிணைப்பு, நிலையற்ற உலகளாவிய எரிபொருள் விலைகளுக்கு எதிரான ஒரு மூலோபாயப் பாதுகாப்பாகச் செயல்படுகிறது, இது வளர்ந்து வரும் இந்திய விமானப் போக்குவரத்து சந்தைக்கு அதிக நிலையான செயல்பாடுகளை உறுதி செய்கிறது.