இந்தியாவின் முன்னணி விமான நிறுவனமான IndiGo, விமானம் புறப்படும்போது எரிபொருள் செலவைக் குறைப்பதற்காக, 'OptiClimb' என்ற செயற்கை நுண்ணறிவு (AI) கருவியை சோதனை செய்து வருகிறது. இதன் மூலம் ஒரு டேக்-ஆஃப்க்கு **60-65 கிலோ** வரை எரிபொருளை சேமிக்க முடியும்.
என்ன நடந்தது?
இந்தியாவின் மிகப்பெரிய விமான நிறுவனமான IndiGo, விமானங்களின் ஏறும் கட்டத்தில் (Climb Phase) எரிபொருள் சிக்கனத்தை மேம்படுத்துவதற்காக 'OptiClimb' என்ற செயற்கை நுண்ணறிவு (AI) தீர்வை சோதனை செய்ய தொடங்கியுள்ளது. விமானப் போக்குவரத்து தொழில்நுட்ப சேவை நிறுவனமான SITA உடன் இணைந்து உருவாக்கப்பட்ட இந்த சிஸ்டம், விமானத்தின் செயல்திறன், எடை மற்றும் வானிலை போன்ற தரவுகளை ஆய்வு செய்து, சிறந்த ஏறும் வேகத்தை பரிந்துரைக்கும். இதன் மூலம் ஒரு டேக்-ஆஃப்க்கு 60-65 கிலோ எரிபொருளை சேமிக்க IndiGo இலக்கு வைத்துள்ளது. தற்போது இந்த சோதனை அதன் Airbus விமானங்களில் கவனம் செலுத்தி வருகிறது, இதுதான் அந்நிறுவனத்தின் பெரும்பாலான செயல்பாடுகளை கொண்டுள்ளது.
முதலீட்டாளர்களுக்கு எரிபொருள் சிக்கனம் ஏன் முக்கியம்?
இந்திய விமான நிறுவனங்களுக்கு, விமான டர்பைன் எரிபொருள் (ATF) செலவுகள் பொதுவாக மொத்த இயக்க செலவுகளில் 35% முதல் 40% வரை இருக்கும். ஆயிரக்கணக்கான தினசரி விமானங்களில், சிறிய சதவீத எரிபொருள் நுகர்வு குறைப்பு கூட, கணிசமான சேமிப்பாக மாறும். முதலீட்டாளர்கள் பெரும்பாலும் எரிபொருள் சிக்கனத்தை ஒரு முக்கிய செயல்பாட்டு ஒழுக்கத்தின் குறிகாட்டியாக கருதுகின்றனர். அதிக ஆற்றல் தேவைப்படும் ஏறும் கட்டத்தை மேம்படுத்துவதன் மூலம், நிறுவனம் தனது மிகப்பெரிய மற்றும் நிலையற்ற செலவினங்களில் ஒன்றை நிர்வகிக்க முயற்சிக்கிறது. இந்த சிஸ்டம் பரவலாக பயன்படுத்தப்பட்டால், குறிப்பாக கச்சா எண்ணெய் விலை அதிகமாக இருக்கும் காலங்களில், நிறுவனத்தின் break-even புள்ளியை குறைக்க உதவும்.
மூலோபாய செயல்பாட்டு கவனம்
IndiGo தனது குறைந்த கட்டண வணிக மாதிரியை, செயல்பாட்டுத் திறன்கள் மற்றும் விமான தொகுப்பு தரப்படுத்தல் (Fleet Standardization) ஆகியவற்றில் கவனம் செலுத்தி வரலாற்று ரீதியாக பராமரித்து வருகிறது. இந்த சோதனை அந்த மூலோபாயத்துடன் ஒத்துப்போகிறது. அதிக செலவுகளை பயணிகளுக்கு கடத்துவதை மட்டும் நம்பாமல், இது தேவையை பாதிக்கலாம். மாறாக, செலவுகளை உள்நாட்டில் நிர்வகிக்க தொழில்நுட்ப அடிப்படையிலான தீர்வுகளை நிறுவனம் தேடுகிறது. இந்த முயற்சியின் வெற்றி, பாதுகாப்பு அல்லது விமானம் திரும்பும் நேரத்தை (Turnaround Times) சமரசம் செய்யாமல், பல்வேறு பாதைகள், வானிலை முறைகள் மற்றும் விமான சுமைகள் முழுவதும் இந்த சேமிப்புகளை சீராக வழங்குவதில் சிஸ்டத்தின் திறனைப் பொறுத்தது.
சாத்தியமான அபாயங்கள் மற்றும் சவால்கள்
இந்த தொழில்நுட்பம் லாப வரம்புகளுக்கு (Margins) ஒரு சாத்தியமான ஊக்கத்தை அளித்தாலும், உள்ளார்ந்த அபாயங்களும் உள்ளன. செயல்திறன் ஆதாயங்கள், விமானிகள் AI-உருவாக்கிய பரிந்துரைகளை தொடர்ந்து பின்பற்றுவதை சார்ந்துள்ளது. மேலும், விமானத் துறை உலகளாவிய கச்சா எண்ணெய் விலைகளின் ஏற்ற இறக்கம் போன்ற குறிப்பிடத்தக்க வெளிப்புற அழுத்தங்களை எதிர்கொள்கிறது, இது செயல்பாட்டுத் திறனைப் பொருட்படுத்தாமல் எரிபொருள் சேமிப்பு முயற்சிகளை negate செய்யலாம். ஒரு பெரிய விமான தொகுப்பில் புதிய மென்பொருளை ஒருங்கிணைக்கும் சிக்கலையும் நிறுவனம் கையாள வேண்டும். மேலும், இந்தியாவில் விமானப் போக்குவரத்துத் துறை மிகவும் போட்டித்தன்மை வாய்ந்தது, போட்டியாளர்களும் செலவுகளைக் கட்டுப்படுத்த இதே போன்ற தொழில்நுட்ப மேம்படுத்தல்களில் முதலீடு செய்கின்றனர், இது எந்தவொரு தனி விமான நிறுவனத்தின் ஒப்பீட்டு போட்டி நன்மையையும் குறைக்கலாம்.
முதலீட்டாளர்கள் என்ன கண்காணிக்க வேண்டும்?
முதலீட்டாளர்கள் சோதனையின் நிறைவு பற்றிய புதுப்பிப்புகளையும், முழு விமான தொகுப்பிற்கும் இந்த சிஸ்டத்தை செயல்படுத்துவதற்கான முடிவையும் எதிர்பார்க்கலாம். பங்குதாரர்களுக்கான மிகவும் நேரடி தாக்கம், நிறுவனத்தின் எதிர்கால காலாண்டு நிதி முடிவுகளில் உள்ள 'எரிபொருள் செலவுகள்' என்ற வரியில் தெரியும். கூடுதலாக, நிர்வாகத்தின் நிலைத்தன்மை இலக்குகள் மற்றும் செலவு குறைப்பு முயற்சிகள் பற்றிய கருத்துக்கள், போட்டியாளர்களுடன் ஒப்பிடும்போது நிறுவனம் தனது செயல்திறன் மூலோபாயத்தை எவ்வளவு திறம்பட செயல்படுத்துகிறது என்பதை மதிப்பிடுவதற்கு முக்கியமான கண்காணிப்புகளாக இருக்கும்.