எரிபொருள் செலவைக் குறைக்கவும், விமானம் புறப்படுவதை மேம்படுத்தவும் IndiGo எவ்வாறு AI-ஐப் பயன்படுத்துகிறது

விமான நிறுவனங்களின் லாபத்தில் எரிபொருள் விலைகள் ஒரு நிலையற்ற காரணியாக இருப்பதால், ஒவ்வொரு சொட்டு மண்ணெண்ணெயையும் (kerosene) சிக்கனமாகப் பயன்படுத்த ஏர்லைன்கள் மேம்பட்ட தொழில்நுட்பத்தை நோக்கித் திரும்புகின்றன. இதில் முன்னணியில் இருக்கும் IndiGo, விமானம் புறப்படும் முறைகளை (take-off procedures) செம்மைப்படுத்தவும், எரிபொருள் நுகர்வைக் கணிசமாகக் குறைக்கவும் செயற்கை நுண்ணறிவை (Artificial Intelligence) பயன்படுத்தி, இன்று முதல் நிஜ உலகச் சோதனைகளைத் தொடங்க உள்ளது.

விமானப் பயணத் திறனில் AI புரட்சி

விமான நிறுவனங்களுக்கு, எரிபொருள் என்பது பொதுவாக மிகப்பெரிய செயல்பாட்டுச் செலவுகளில் ஒன்றாகும். இதைச் சமாளிக்க, சிக்கலான விமானப் பயணத் தரவுகளைப் பகுப்பாய்வு செய்யவும், விமானம் புறப்படும் திறனை மேம்படுத்தவும் வடிவமைக்கப்பட்ட AI சார்ந்த தீர்வுகளை IndiGo செயல்படுத்தி வருகிறது. பாதுகாப்பு அல்லது பயணிகளின் வசதியைக் குறைக்காமல், என்ஜின்கள் உச்சக்கட்டத் திறனுடன் பயன்படுத்தப்படுவதை உறுதி செய்து, "சிக்கனமான" விமானப் புறக்கடல்களை (take-offs) அடைவதே இதன் முக்கிய நோக்கமாகும்.

மெஷின் லேர்னிங் (machine learning) அல்காரிதம்களை ஒருங்கிணைப்பதன் மூலம், வானிலை நிலைகள், விமானத்தின் எடை, சுற்றுப்புற வெப்பநிலை மற்றும் ஓடுதளத்தின் (runway) பண்புகள் உள்ளிட்ட மிகப்பெரிய தரவுத் தொகுப்புகளைப் பகுப்பாய்வு செய்து, மிகவும் எரிபொருள் சிக்கனமான ஏறுதல் முறையை (climb profile) இந்த விமான நிறுவனம் தீர்மானிக்க முடியும். இந்த நடவடிக்கை, பாரம்பரியமான மற்றும் தரப்படுத்தப்பட்ட விமானப் புறக்கடல் முறைகளிலிருந்து, தரவு சார்ந்த மிகவும் தனிப்பயனாக்கப்பட்ட செயல்பாடுகளுக்கு மாறுவதைக் குறிக்கிறது.

குறைந்த உமிழ்விற்கான துல்லியமான பொறியியல்

விமானச் செயல்பாடுகளில் AI-ஐப் பயன்படுத்துவது என்பது செலவு சேமிப்பைப் பற்றியது மட்டுமல்ல; இது விமானத் துறையின் நிலைத்தன்மை (sustainability) இலக்குகளின் ஒரு முக்கிய அங்கமாகும். அதிக ஆற்றல் தேவைப்படும் விமானப் புறக்கடல் நிலையில், எரிபொருள் திறனில் ஏற்படும் சிறிய முன்னேற்றங்கள் கூட, ஆயிரக்கணக்கான விமானப் பயணச் சுழற்சிகளின் போது கார்பன் உமிழ்வில் குறிப்பிடத்தக்கக் கூட்டுத் தள்ளுபடியை ஏற்படுத்தும்.

IndiGo-வின் சோதனைகள்,த் தூண்டுதல் அமைப்புகள் (thrust settings) மற்றும் ஏறுதல் சரிவுகளை (climb gradients) நுணுக்கமாகச் சரிசெய்வதில் கவனம் செலுத்துகின்றன. பாரம்பரிய விமானப் புறக்கடல்கள் பெரும்பாலும் பாதுகாப்பிற்காகப் பயன்படுத்தப்படும் கூடுதல் இடைவெளிகளை (safety buffers) நம்பியிருக்கின்றன, இது அதிக எரிபொருள் எரிதலுக்கு வழிவகுக்கலாம். AI ஒரு துல்லியமான அணுகுமுறையை அனுமதிக்கிறது; இது விரைவான ஏறுதலின் அவசியத்தையும், தேவையற்ற எரிபொருள் செலவைக் குறைக்கும் இலக்கையும் சமநிலைப்படுத்தும் மேம்படுத்தப்பட்ட அளவுருக்களை (parameters) விமானிகளுக்கு வழங்குகிறது.

பரந்த துறைப் போக்குகள்: லாபத்தைப் பாதுகாக்கும் கருவியாக AI

இந்த முயற்சியில் IndiGo மட்டும் தனியாக இல்லை. உலகளாவிய விமானத் துறை, முன்கணிப்பு பகுப்பாய்வு (predictive analytics) மற்றும் AI சார்ந்த செயல்பாட்டு கருவிகளில் பெரும் முதலீடுகளைக் கண்டு வருகிறது. விமானப் புறக்கடலை மேம்படுத்துவதைத் தாண்டி, விமான நிறுவனங்கள் AI-ஐப் பின்வருவனவற்றிற்குப் பயன்படுத்துகின்றன:

• முன்கணிப்புப் பராமரிப்பு (Predictive Maintenance): திட்டமிடப்படாத விமான நிறுத்தங்களைக் குறைக்க, பாகங்கள் பழுதடைவதற்கு முன்பே அவற்றைக் கண்டறிதல்.
• இயக்கவியல் வழித்தட மேம்படுத்தல் (Dynamic Route Optimization): காற்றழுத்த மாற்றங்களைத் தவிர்க்கவும், சாதகமான காற்று ஓட்டங்களைப் பயன்படுத்திக் கொள்ளவும் விமானப் பாதைகளை நிகழ்நேரத்தில் (real-time) மாற்றுதல்.
• எடை மற்றும் சமநிலை மேலாண்மை (Weight and Balance Management): சரக்கு மற்றும் பயணிகள் விநியோகத்தை மேம்படுத்தத் தரவைப் பயன்படுத்துதல், இது எரிபொருள் இழுவிசையில் (fuel drag) நேரடித் தாக்கத்தை ஏற்படுத்துகிறது.

அதிகப் போட்டி மற்றும் விலையைச் சார்ந்திருக்கும் சந்தையில் இயங்கும் இந்திய விமான நிறுவனங்களுக்கு, லாப வரம்புகளைப் பாதுகாக்கவும், கச்சா எண்ணெய் விலையில் ஏற்படும் மாற்றங்களுக்கு எதிராகச் செயல்பாட்டுத் திறனைத் தக்கவைக்கவும் இந்தத் தொழில்நுட்ப முன்னேற்றங்கள் அவசியமாகி வருகின்றன.

முக்கியக் குறிப்புகள்

• தரவு சார்ந்த விமானப் புறக்கடல்கள்: விமானப் பயணத்தின் அதிக ஆற்றல் தேவைப்படும் நிலையில் எரிபொருள் வீணாவதைக் குறைக்க, என்ஜின்த் தூண்டுதல் மற்றும் ஏறுதல் முறைகளை மேம்படுத்த IndiGo AI சோதனைகளைத் தொடங்கியுள்ளது.
• செலவு மற்றும் கார்பன் குறைப்பு: இந்த முயற்சி இரட்டை நோக்கத்திற்காகச் செயல்படுகிறது: எரிபொருளின் மிகப்பெரிய செயல்பாட்டுச் செலவைக் குறைத்தல் மற்றும் விமான நிறுவனத்தின் ஒட்டுமொத்த கார்பன் தடயத்தைக் (carbon footprint) குறைத்தல்.
• தொழில்நுட்பச் சிறப்பு: AI ஒருங்கிணைந்த செயல்பாடுகளுக்கு மாறுவது என்பது ஒரு பரந்தத் துறைப் போக்கைக் குறிக்கிறது; இதில் எரிபொருள் விலையில் ஏற்படும் ஏற்ற இறக்கங்கள் மற்றும் சுற்றுச்சூழல் விதிமுறைகளை நிர்வகிக்க மெஷின் லேர்னிங் பயன்படுத்தப்படுகிறது.