עשרה תחומים בתעשיית התעופה והחלל שיושפעו מכלי AI

השימוש בבינה מלאכותית בתעופה חורג מצ'אטבוטים לתמיכה בלקוחות וכלי השוואת מחירים לנוסעים. יישומים אלה יהיו נפוצים בכל מקום, אבל השינוי האמיתי יגיע מאופטימיזציה של תחומי התעופה "הקשים", מניהול הכנסות ועד הערכת הסבירות לשביתה. גדימינאס צימליס (Gediminas Ziemelis), יו"ר Avia Solutions Group, חולק את תחזיותיו לגבי התחומים שבהם AI בתעופה תייצר הבדל עצום.

1. פתיחת תמחור דינמי אמיתי:

בעסקי התעופה, ניהול הכנסות מעולם לא היה משחק קל, אבל ההימור גבוה עוד יותר בעולם שאחרי הקורונה. לפי יאט"א, שולי הרווח הממוצעים לנוסע כיום דקים כתער - 2.25 דולר בלבד, לעומת מספרים דו-ספרתיים ב-2019. AI יכולה לעזור לשפר את המשימה הקשה של ניתוח נתונים היסטוריים וחישוב המחיר הנכון, תוך התחשבות במיקום הלקוח ובמספר עצום של גורמים אחרים. חברות תעופה גדולות יותר יבחרו כנראה לבנות פתרונות משלהן בתוך החברה, ולעומתן יש כבר מספר גדל והולך של חברות תעופה שמשתפות פעולה עם חברות כגון AirGain - פתרון חיזוי מבוסס בינה מלאכותית עם אגם נתונים המכסה 6 מיליארד נקודות מחיר.

2. שמירה על בריאות המנוע:

תחזוקה חזויה היא חלק בלתי נפרד מ-MRO כבר די הרבה זמן, עם חיישנים שעוזרים לחברות תעופה לקבוע מתי ומה צריך לתקן או להחליף. בינה מלאכותית יכולה להשתמש הן בנתוני חיישנים בזמן אמת והן בדפוסי תקלות היסטוריים חזויים כדי להפחית את זמן ההשבתה ואת עלויות התחזוקה הכוללות.

מחקר שנעשה לאחרונה על ידי המרכז לפיתוח מערכות תעופה מתקדמות באוניברסיטת מרילנד (CAASD) מצא, כי תחזוקה חזויה יכולה להפחית את עלויות התפעול של המטוסים בשיעור של עד 20%. הבינה המלאכותית כבר משבשת את התחום הזה. לדוגמה, לופטהנזה טכניק שיפרה את תחזוקת המטוסים באמצעות מערכות תחזוקה-חיזוי מונעות בינה מלאכותית. פתרון ניתוח המצב שלה משתמש באלגוריתמים של למידת מכונה כדי לנתח נתוני חיישנים מרכיבי מטוסים, ולחזות את צרכי התחזוקה בדיוק יוצא דופן. טכנאי MRO משתמשים בתאומים דיגיטליים - העתקים וירטואליים מושלמים שמשנים את הפרמטרים שלהם לפי שחיקת הרכיב הפיזי - לתחזוקה חזויה ולזיהוי חריגות על ידי השוואת נתוני חיישנים בעולם האמיתי לנתונים שמפיקים התאומים הדיגיטליים.

3. תכנון המסלול היעיל ביותר:

לפי יאט"א, חברות התעופה יוציאו השנה 215 מיליארד דולר - כ-28% מהוצאות התפעול - שאפשר לצמצם באמצעות תכנון מסלול יעיל יותר. משתנים רבים (בהם עומסי תנועה אווירית, דפוסי מזג אוויר המשתנים במהירות ועלויות דלק משתנות) הופכים את תכנון המסלול למשימה מורכבת ותובענית, שיכולה לשפר את השורה התחתונה של המוביל או לפגוע בה, בהתאם ליעילות הביצוע.

פלטפורמות מבוססות בינה מלאכותית עשויות להאיץ את קבלת ההחלטות של המפעילים, ולעזור להם לרתום את כוחם לא רק של נתונים היסטוריים אלא גם של מנגנוני חיזוי, שיחד יוצרים תמונה ישימה וברורה. דוגמה אחת לפלטפורמה כזו היא Flyways, המשתמשת בנתוני טיסות סדירות ופעילות כדי למפות נתיבי טיסה שעוברים באזורים פחות עמוסים ולעקוף אזורים עם תנאי מזג אוויר קשים. הפתרון כבר נבדק על ידי אלסקה איירליינס, חסך לחברה 480,000 גלונים של דלק, והביא לפליטת פחמן מופחתת ב-4,600 טונות בשישה חודשים.

התוצאות של שיתוף פעולה כזה בין מפעילי AI משתקפות לא רק בחיסכון בעלויות, אלא גם בסיוע לעסקים להיהפך לבני-קיימה יותר. ברגע שפתרונות כאלה ייהפכו לדבר שבשגרה, לא רק בקרב חברות תעופה אלא גם בקרב רשויות תעופה ברחבי העולם, נסתכל אחורה על היום ונופתע לגלות עד כמה כולנו היינו לא יעילים בתכנון מסלולים.

4. חיזוי שביתות:

שביתות בתעופה עולות לכותרות בדרך כלל בגלל השיבושים שהן מייצרות בתוכניות הנוסעים (במיוחד סביב חגים גדולים). מהאפשרות שחברות תעופה יפסידו עשרות אם לא מאות מיליונים בכל שביתה, מתעלמים לעיתים קרובות. למשל, SAS הפסידה ב-2022 145 מיליון דולר בעקבות שביתת טייסים שנמשכה 15 יום.

מכיוון שבינה מלאכותית יכולה לנתח לא רק נתונים טכניים אלא גם נתונים סוציולוגיים, מודל יכול לעזור לחברות תעופה לחזות שביתה פוטנציאלית ולהיות מוכנות טוב יותר למשא ומתן פוטנציאלי. מודלים כאלה, שיכולים לחזות את ההסתברות של עובדים יחידים לעזוב את עבודתם, כבר פותחו על ידי IBM ומייצרים דיוק של 95%.

5. שיפור זרימות העבודה תוך כדי טיסה:

AI יכולה לסייע לא רק לצוות על הקרקע אלא גם לצוות התא. לא מדובר רק בהפיכת משימות שגרתיות לקלות יותר - כלי מאומן כראוי יכול להציע ייעוץ מומחה לניהול המטוס וקבלת החלטות מהירות ומושכלות, במיוחד כאשר הלחץ מופעל והחלטות מהירות חיוניות. הגלגלים כבר נמצאים בתנועה כדי להפיח חיים בחזון זה. יישומי AI ברמה 1 קרובים להסמכה הודות להנחיות אמינות של מערכות מבוססות למידת מכונה של EASA שנקבעו באפריל 2022.

6. סיוע לטייסים ולצוות לשמור על בריאותם הנפשית:

האם מודל בינה מלאכותית היה יכול למנוע את אסון התאבדות הטייס בטיסה 9525 של Germanwings, שהביא למותם של 150 בני אדם? זה תחום של ספקולציות רבות. הקרנות צוות קבועות שתוכננו במיוחד עשויות לעזור לחזות את הסבירות לבעיות נפשיות, המוחמרות על ידי חשיפה לאירועים מלחיצים, כגון הפרעות בשעון הביולוגי, מקרים של מערבולות ומקרי חירום על הסיפון.

יישום מבטיח נוסף, שכבר נבדק על ידי הסטארט-אפ הבריטי Blueskeye AI, הוא שימוש בטכנולוגיית חישת פנים לזיהוי עייפות אצל טייסים. כיום, עייפות מחושבת על בסיס מספר השעות שהטייס טס, אך בעתיד מדד זה יהיה אינדיבידואלי מאוד.

7. חיזוי ההסתברות להוראות כשירות אווירית:

הוראת כשירות אווירית (AD) לחלק מהמסגרת או המנוע, עשויה לקרקע נתח ניכר מהצי של חברת תעופה, במיוחד כזה שאינו מגוון בדגמים. ידיעת הסבירות לסיכון כזה עשויה לסייע מאוד בשלבים למיניהם של ניהול הצי, מהקמת הצי ועד לתחזוקה. בדומה לתוכנת ניהול סיכונים מבוססת בינה מלאכותית בבנקים ובמוסדות פיננסיים, אפשר לפרוס פתרון דומה כדי לחשב ולהפחית סיכוני AD.

8. שיפור תהליכים פנימיים של ניהול איכות:

אין תקלה שתתחרה ב-20 מיליארד דולר שבואינג נאלצה לשלם בגלל ההתרסקויות של MAX 737 והקרקוע שלו לאחר מכן. בעיית QA עדיין יכולה להביא לפשיטת רגל של חברה. תקני אבטחת האיכות בתעופה כבר גבוהים יותר מאשר בכל ענף אחר בשל רגולציה קפדנית של כל מה שקשור לבטיחות ואבטחה, ו-AI יכולה להגביר פרוטוקולים של אבטחת איכות פנימיים בתחומים ייצור תעופה וניהול חברות תעופה. בשלב הייצור, מערכת ראייה ממוחשבת מתוחכמת המשופרת על ידי בדיקות ידניות יכולה לאתר טוב יותר פגמים ברכיבים. בעבור חברות תעופה, מערכת ניהול בטיחות משופרת AI (SMS) יכולה להביא בחשבון כמויות עצומות של נתונים מכמה מקורות, בכלל זה ביצועים, שותפי מזג אוויר ומידע תחזוקה.

9. מציאת הפתרון הלוגיסטי הטוב ביותר למצבי AOG:

כל מטוס על הקרקע (AOG) עלול לעלות לחברת התעופה בין 10,000 ל -150,000 דולר, שלא לדבר על נזק למוניטין. פתרון החידה של חלק החילוף הדרוש ואספקתו תוך שעות, ולא ימים, עלול להיות מסובך, במיוחד אם המצב של AOG מתרחש הרחק מאזורים מרכזיים. פתרון AI עשוי לעזור לחברה לאתר ולשלוח במהירות את החלק למטוס. בד בבד פתרון תחזוקה חזויה עשוי לעזור להתכונן לאירועי AOG פוטנציאליים ולוודא שתמיד יש מספיק חלקים קריטיים במלאי.

10. קביעת תמחור הביטוח:

בעולם שלאחר 9/11, רוכשי ביטוח תעופה ברחבי העולם עדיין נתקלים במחירים מאמירים ובזמינות פחותה בכל הנוגע לכיסוי "סיכוני מלחמה". מודל AI עשוי לעזור לחברות תעופה לחשב את הסיכונים העומדים בפניהן באופן מדויק יותר, ולעזור להן להבין את החשיפה שלהן ל"סיכוני מלחמה" כאשר הן מקבלות החלטות הקשורות לביטוח.

גדימינאס צימליס הוא יזם ויועץ עסקי ליטאי, המייסד והיו"ר הנוכחי של מועצת המנהלים של Avia Solutions Group, ספקית ACMI (מטוסים, צוות, תחזוקה וביטוח) מהגדולות בעולם, המפעילה צי של 196 מטוסים.