مدیرعامل ایران ایر گفت: تشخیص چهره در فرودگاه‌ها برای تسریع فرآیند سوار شدن به هواپیما و کاهش زمان انتظار می تواند از دیگر دستاوردهای تحول دیجیتال در صنعت هوانوردی باشد.
بازار؛ گروه راه و مسکن: حسین خانلری، مدیرعامل شرکت هواپیمایی جمهوری اسلامی ایران”هما” با اشاره به اینکه کاهش هزینه‌های عملیاتی صنعت هوانوردی با تکیه بر هوش مصنوعی و یادگیری ماشین دو فناوری پیشرفته، ظرفیت بالایی برای تحول در صنعت هوانوردی ایران دارند گفت: صنعت هوانوردی از پرهزینه‌ترین صنایع جهان به‌شمار می‌رود. هزینه‌های عملیاتی، از جمله مصرف سوخت، تعمیر و نگهداری، تأخیرهای پروازی و مدیریت ترافیک هوایی، تأثیر مستقیمی بر سودآوری و بهره‌وری شرکت‌های هواپیمایی دارند.
وی ادامه داد: با پیشرفت فناوری، استفاده از هوش مصنوعی (AI) و یادگیری ماشین (ML) به‌عنوان راهکاری نوآورانه برای بهینه‌سازی فرآیندها و کاهش هزینه‌ها در این صنعت مطرح شده است که باید به آنها توجه ویژه داشت و در مسیر توسعه با تکیه بر این ظرفیت های نوین حرکت کرد.
بهینه‌سازی مسیرهای پروازی و کاهش مصرف سوخت یکی از مهم‌ترین هزینه‌های عملیاتی شرکت‌های هواپیمایی، مصرف سوخت است که به‌طور مستقیم تحت تأثیر مسیرهای پروازی قرار دارد
او در پاسخ به این پرسش که آیا از هوش مصنوعی می توان برای کاهش مصرف سوخت نیز بهره برد تاکید کرد: بهینه‌سازی مسیرهای پروازی و کاهش مصرف سوخت یکی از مهم‌ترین هزینه‌های عملیاتی شرکت‌های هواپیمایی، مصرف سوخت است که به‌طور مستقیم تحت تأثیر مسیرهای پروازی قرار دارد. با استفاده از هوش مصنوعی، می‌توان مسیرهای پروازی را بهینه‌سازی کرد تا مصرف سوخت به حداقل برسد.
خانلری با اشاره به اینکه در دنیای امروز الگوریتم‌های یادگیری ماشین با تحلیل داده‌های جوی، ترافیک هوایی و عملکرد هواپیما، بهترین مسیرها را پیشنهاد می‌دهند اظهار داشت: این سیستم ها افق هایی جدید در صنعت هوانوردی ترسیم می کنند. از دیگر کاربردهای سیستم‌های هوشمند می توان به توانایی هایی اشاره کرد که با بررسی شرایط آنی، مسیرهای جایگزین را برای کاهش مقاومت هوا و کاهش مصرف سوخت پیشنهاد دهند. این می تواند صرفه جویی قابل توجهی در هزینه های هوانوردی به همراه داشته باشد.
با بهره‌گیری از یادگیری ماشین، می‌توان نقص‌های احتمالی را پیش از وقوع شناسایی کرده و از خرابی‌های ناگهانی جلوگیری کرد
مدیرعامل شرکت هواپیمایی جمهوری اسلامی ایران”هما” ادامه داد: نگهداری پیش‌بینانه و کاهش هزینه‌های تعمیرات هزینه‌های نگهداری و تعمیرات هواپیما سهم قابل‌توجهی از هزینه‌های عملیاتی را تشکیل می‌دهند. با بهره‌گیری از یادگیری ماشین، می‌توان نقص‌های احتمالی را پیش از وقوع شناسایی کرده و از خرابی‌های ناگهانی جلوگیری کرد.
وی افزود: تحلیل داده های بزرگ در کنار هوش مصنوعی دستاوردهای عظیمی را رقم خواهد زد. کاهش خرابی‌های ناگهانی که منجر به تأخیر پروازها و هزینه‌های اضافی می‌شود، برنامه‌ریزی بهتر برای تعمیرات و استفاده کارآمد از قطعات جایگزین و افزایش طول عمر هواپیماها از طریق تشخیص زودهنگام فرسودگی قطعات را می توان به عنوان مثالی از این دستاوردها دانست و حتی جا دارد گروه های تحقیق و توسعه کاربردهای عملیاتی ارزشمند متعدد برای این حوزه تعریف کنند.
خانلری بهبود تجربه مسافران و افزایش درآمد را یکی از عوامل موفقیت شرکت‌های هواپیمایی و رضایت مسافران ئانست و تصریح کرد: هوش مصنوعی می‌تواند تجربه سفر را از طریق شخصی‌سازی خدمات بهبود ببخشد. وقتی صحبت از تجربه مشتری می شود به کلیه تعاملات و ادراکاتی که یک مشتری در طول فرآیند خرید و استفاده از خدمات دارد اشاره می کنیم. در صنعت هوانوردی، این تجربه شامل مراحل مختلفی از خرید بلیت تا دریافت خدمات در فرودگاه و داخل هواپیما می‌شود.
وی ادامه داد: رضایت مشتری نتیجه ارزیابی کلی مشتری از خدمات دریافت شده در مقایسه با انتظارات او است. زمانی که تجربه سفر با انتظارات مشتری مطابقت داشته یا از آن فراتر رود، میزان رضایت او افزایش می‌یابد. در مقابل، هرگونه نقص یا تأخیر در ارائه خدمات ممکن است به نارضایتی مسافر منجر شود که مدیران ارشد صنعت هوانوردی این مهم را همیشه مد نظر دارند.
او گفت: هوش مصنوعی با توسعه چت‌بات‌هایی که به سؤالات مسافران پاسخ می‌دهند و خدمات سفارشی ارائه می‌کنند. و یا فراهم آوردن پیشنهادهای سفارشی‌شده بر اساس ترجیحات مسافران، مانند انتخاب صندلی و امکانات داخل کابین می تواند این تجربه را بهبود دهد. تشخیص چهره در فرودگاه‌ها برای تسریع فرآیند سوار شدن به هواپیما و کاهش زمان انتظار می تواند از دیگر دستاوردهای تحول دیجیتال در صنعت هوانوردی باشد.
خانلری خاطر نشان کرد: مدیریت ترافیک هوایی و کاهش تأخیرهایکی دیگر از چالش‌های بزرگ در هوانوردی، مدیریت ترافیک هوایی است که تأثیر مستقیم بر تأخیرهای پروازی و هزینه‌های عملیاتی دارد. با استفاده از هوش مصنوعی، می‌توان ترافیک هوایی را بهینه‌سازی کرد. پیش‌بینی الگوهای ترافیکی برای جلوگیری از تأخیرهای غیرضروری، هماهنگی بهتر بین برج‌های مراقبت و خطوط هوایی از طریق تحلیل داده‌های جاری و کاهش مصرف سوخت با جلوگیری از معطلی در هوا و زمین نیز از نقاط مورد توجه صنعت هوانوردی است که امید است با ظهور هوش مصنوعی مرتفع شود.
او در پاسخ به این پرسش که هوش مصنوعی می تواند در تنظیم قیمت بلیط هواپیما نیز موثر باشد؟ گفت: تحلیل داده‌های تقاضای بازار و تنظیم قیمت بلیت‌ها به‌صورت پویا نیز می تواند با هوش مصنوعی منجر به مدل های جدید تعیین قیمت شود. تحلیل داده‌های گذشته و الگوهای سفر برای پیش‌بینی تقاضای آتی، تنظیم قیمت‌ها به‌صورت آنی برای بهینه‌سازی ظرفیت پروازها و افزایش درآمد و ارائه تخفیف‌های هوشمند برای جذب مسافران در زمان‌های کم‌تقاضا نیز دستاوردهای مالی برای مشتریان و خطوط هوایی در پی خواهد داشت.
خانلری افزود: بهینه‌سازی بارگیری و حمل‌ونقل بارمدیریت بارگیری و توزیع وزن در هواپیما تأثیر زیادی بر بهره‌وری و مصرف سوخت دارد. با استفاده از الگوریتم‌های هوش مصنوعی، می‌توان بار را به‌گونه‌ای توزیع کرد که فشار بر ساختار هواپیما کاهش یابد و پروازها کارآمدتر باشند.
او تاکید کرد: هوش مصنوعی و یادگیری ماشین، به عنوان دو فناوری پیشرفته، ظرفیت بالایی برای تحول صنعت هوانوردی ایران دارند. از بهینه‌سازی مسیرهای پروازی و کاهش مصرف سوخت گرفته تا نگهداری پیش‌بینانه و بهبود تجربه مسافران، این فناوری‌ها می‌توانند به شرکت‌های هواپیمایی کمک کنند تا هزینه‌های خود را کاهش داده، بهره‌وری را افزایش داده و رضایت مشتریان را بهبود بخشند.
به گفته وی، با توجه به اهمیت روزافزون این فناوری‌ها، سرمایه‌گذاری در تحقیق و توسعه و پیاده‌سازی آنها در صنعت هوانوردی، امری ضروری برای حفظ رقابت‌پذیری و دستیابی به رشد پایدار است. سرمایه‌گذاری در این فناوری‌ها می‌تواند به رقابت‌پذیری بیشتر شرکت‌های هواپیمایی و کاهش تاثیرات زیست‌محیطی منجر شود.
- نویسنده: تحلیل بازار
