GHCL மற்றும் Manipal Academy of Higher Education (MAHE) இணைந்து, ரியல் டைம்-இல் எரிபொருள் தரத்தை சோதிக்கும் ஒரு AI- அடிப்படையிலான தொழில்நுட்பத்தை உருவாக்க ஒப்பந்தம் மேற்கொண்டுள்ளன. இந்த முயற்சி, GHCL-ன் ஆற்றல் நிர்வாகத்தை மேம்படுத்தவும், மெதுவான மேனுவல் சோதனைகளை குறைக்கவும் உதவும். ஆகஸ்ட் 7, 2026 அன்று, நிறுவனத்தின் செயல்பாட்டு திறனை மேம்படுத்துவதில் கவனம் செலுத்திய நிலையில், பங்குகள் ₹436.05 இல் வர்த்தகமானது.
GHCL-ன் புதிய முயற்சி
GHCL லிமிடெட் மற்றும் மணிப்பால் அகாடமி ஆஃப் ஹையர் எஜுகேஷன் (MAHE) ஆகியவை தொழிற்சாலைகளில் பயன்படுத்தப்படும் எரிபொருட்களின் தரத்தை கண்காணிப்பதற்கான ஒரு புதிய தொழில்நுட்பத்தை உருவாக்க ஒரு கூட்டாண்மையை மேற்கொண்டுள்ளன. ஆகஸ்ட் 7, 2026 அன்று கையெழுத்தான இந்த புரிந்துணர்வு ஒப்பந்தத்தின் (MoU) படி, கார்பன் அடிப்படையிலான எரிபொருட்களின் ஆற்றல் உள்ளடக்கத்தை (Gross Calorific Value) ரியல் டைம்-இல் அளவிடும் ஒரு தானியங்கி அமைப்பை உருவாக்கும் பணியில் இவர்கள் ஈடுபட்டுள்ளனர்.
AI மற்றும் லேசர் தொழில்நுட்பத்தின் சிறப்பு
இந்த அமைப்பு, லேசர்-இன்டியூஸ்டு பிரேக் டவுன் ஸ்பெக்ட்ரோஸ்கோபி (LIBS) என்ற முறையைப் பயன்படுத்தி, செயற்கை நுண்ணறிவு (AI) மற்றும் மெஷின் லேர்னிங் (ML) உடன் இணைந்து செயல்படும். தற்போது, GHCL போன்ற நிறுவனங்களின் தொழிற்சாலைகளில், எரிபொருள் தரத்தை சரிபார்க்க பாரம்பரிய ஆய்வக சோதனைகளையே நம்பியுள்ளனர். இந்த முறையில், மாதிரிகளை ஆய்வகத்திற்கு அனுப்ப வேண்டும், இது நேரத்தை எடுத்துக்கொள்வதோடு, உடனடி செயல்பாட்டு முடிவுகளை தாமதப்படுத்தும். புதிய ஆன்-சைட், தானியங்கி அமைப்பு மூலம், உடனடி முடிவுகளைப் பெற்று, கொதிகலன் செயல்பாடுகளை திறமையாக சரிசெய்ய முடியும்.
நிதிநிலை மற்றும் சந்தையின் பார்வை
GHCL-க்கு, இந்த முயற்சி அதன் செயல்முறை திறனை மேம்படுத்தவும், செலவுகளை நிர்வகிக்கவும் ஒரு பகுதியாகும். சமீபத்திய ஜூன் 2026 காலாண்டில், நிறுவனம் ₹191 கோடி நிகர லாபத்தை பதிவு செய்தது. இது கடந்த ஆண்டின் இதே காலகட்டத்துடன் ஒப்பிடும்போது 32% அதிகமாகும். இருப்பினும், அதன் வருவாய் சுமார் ₹798 கோடியாக இருந்தது, இது ஆண்டுக்கு சுமார் 3.1% குறைந்துள்ளது. இத்தகைய சூழலில், வருவாய் வளர்ச்சி சவால்களை சந்திக்கும் போது, லாப வரம்புகளைப் பாதுகாக்க தொழில்நுட்பம் மற்றும் செயல்முறை மேம்பாடுகள் உதவுகின்றன.
முதலீட்டாளர்களுக்கான முக்கிய குறிப்புகள்
இந்த புதிய AI மற்றும் லேசர் அடிப்படையிலான தொழில்நுட்பங்களை கனரக தொழிற்சாலை அமைப்பில் செயல்படுத்துவதில் சில சவால்கள் உள்ளன. ஆய்வக அளவில் இருந்து தொழிற்சாலை பயன்பாட்டிற்கு இந்த அமைப்பை மேம்படுத்துவது, அதன் நீடித்துழைப்பு, கடுமையான சூழல்களில் துல்லியம் மற்றும் பல்வேறு எரிபொருள் வகைகளை கையாளும் மெஷின் லேர்னிங் மாடல்களின் நம்பகத்தன்மை போன்ற சவால்களை எதிர்கொள்ளலாம்.
மேலும், GHCL இயங்கும் துறைகள் எரிபொருள் மற்றும் ஆற்றல் செலவுகளை பெரிதும் சார்ந்துள்ளன. இந்த புதிய தொழில்நுட்பம் எரிபொருள் பயன்பாட்டை மேம்படுத்தினாலும், உலகளாவிய எரிபொருள் விலை ஏற்ற இறக்கங்கள் மற்றும் இறக்குமதிகளின் போட்டி அழுத்தம் ஆகியவை நிறுவனத்தின் லாப வரம்புகளை பாதிக்கக்கூடும். இந்த திட்டத்தின் மேம்பாட்டு காலக்கெடு, பைலட் சோதனை முடிவுகள் மற்றும் இந்த தொழில்நுட்பம் இறுதியில் நிறுவனத்தின் செயல்பாட்டு செலவுகள் அல்லது ஆற்றல் நுகர்வு முறைகளில் அளவிடக்கூடிய முன்னேற்றங்களுக்கு வழிவகுக்குமா என்பது போன்ற தகவல்களுக்காக முதலீட்டாளர்கள் காத்திருப்பார்கள்.