ดับลิน, ไอร์แลนด์, Sept. 28, 2023 (GLOBE NEWSWIRE) — การใช้ AI ในด้านการบินมีอะไรที่มากกว่าแช็ตบ็อตสำหรับฝ่ายสนับสนุนลูกค้าและเครื่องมือเปรียบเทียบราคาสำหรับนักเดินทาง แม้ว่าแอปพลิเคชันเหล่านี้จะคงอยู่และแพร่หลายอย่างแน่นอน แต่การหยุดชะงักที่แท้จริงจะมาจากการปรับประสิทธิภาพของธุรกิจการบินในด้านที่ “ยาก” ให้เหมาะสม ตั้งแต่การจัดการรายได้ไปจนถึงการประเมินความเป็นไปได้ที่จะมีการนัดหยุดงาน Gediminas Ziemelis ประธาน Avia Solutions Group กล่าวถึงการคาดการณ์ของตนเกี่ยวกับด้านต่าง ๆ ที่ AI ในธุรกิจการบินจะสร้างความแตกต่างได้อย่างมหาศาล

1. การปลดล็อกการกำหนดราคาแบบพลวัตที่แท้จริง การจัดการรายได้ในธุรกิจการบินไม่เคยเป็นเกมที่ง่าย แต่เดิมพันจะยิ่งสูงขึ้นในโลกหลังโควิด จากข้อมูลของ IATA อัตรากำไรโดยเฉลี่ยต่อผู้โดยสารในปัจจุบันคือ 2.25 ดอลลาร์เท่านั้น ซึ่งถือว่าน้อยมากจริง ๆ เมื่อเทียบกับปี 2562 ที่อัตรากำไรเป็นตัวเลขสองหลัก AI สามารถช่วยให้ทำงานยาก ๆ ในการวิเคราะห์ข้อมูลในอดีตและคำนวณราคาที่เหมาะสมได้ดีขึ้น โดยคำนึงถึงสถานที่ตั้งของลูกค้าและปัจจัยอื่น ๆ อีกมากมาย แม้ว่าสายการบินขนาดใหญ่อาจเลือกที่จะสร้างโซลูชันของตนเองภายในองค์กร แต่ก็มีผู้ให้บริการด้านการบินเพิ่มมากขึ้นเรื่อย ๆ ที่เป็นพันธมิตรกับองค์กรที่มีโซลูชันคล้ายกับ AirGain ซึ่งเป็นโซลูชันการคาดการณ์ที่ขับเคลื่อนด้วย AI พร้อมมี Data Lake ที่ครอบคลุมถึง 6 พันล้านจุดราคา
2. การบำรุงรักษาสภาพเครื่องยนต์ การบำรุงรักษาเชิงคาดการณ์เป็นส่วนหนึ่งที่สำคัญของ MRO มาเป็นระยะเวลาหนึ่งแล้ว โดยมีเซนเซอร์ที่ช่วยให้สายการบินกำหนดเวลาและสิ่งที่ต้องซ่อมแซมหรือเปลี่ยนใหม่ได้ ปัญญาประดิษฐ์สามารถใช้ทั้งข้อมูลเซนเซอร์แบบเรียลไทม์และรูปแบบข้อมูลที่คาดการณ์จากข้อผิดพลาดในอดีต เพื่อลดเวลาหยุดทำงานและต้นทุนโดยรวมในการบำรุงรักษา การศึกษาล่าสุดที่จัดทำโดย University of Maryland’s Center for Advanced Aviation System Development (CAASD) พบว่า การบำรุงรักษาเชิงคาดการณ์สามารถลดต้นทุนการปฏิบัติงานของเครื่องบินได้สูงสุดถึง 20% AI กำลังเข้ามาปั่นป่วนวงการนี้แล้ว ตัวอย่างเช่น Lufthansa Technik ได้ยกระดับการบำรุงรักษาเครื่องบินด้วยระบบการบำรุงรักษาเชิงคาดการณ์ที่ขับเคลื่อนด้วย AI โซลูชันการวิเคราะห์สภาพของบริษัทนี้ใช้อัลกอริธึมการเรียนรู้ของเครื่องเพื่อวิเคราะห์ข้อมูลเซนเซอร์จากส่วนประกอบต่าง ๆ ของเครื่องบิน ทำให้คาดการณ์ความต้องการเกี่ยวกับการบำรุงรักษาได้ด้วยความแม่นยำอย่างสูง การสร้างสิ่งที่เรียกว่า “ฝาแฝดดิจิทัล” ซึ่งเป็นโมเดลเสมือนสมบูรณ์แบบที่จะเปลี่ยนพารามิเตอร์ตามการสึกหรอขององค์ประกอบทางกายภาพ ช่างเทคนิค MRO ใช้ฝาแฝดดิจิทัลในการบำรุงรักษาเชิงคาดการณ์และตรวจจับสิ่งผิดปกติโดยการเปรียบเทียบข้อมูลเซนเซอร์ในโลกแห่งความเป็นจริงกับข้อมูลที่สร้างโดยฝาแฝดดิจิทัล
3. การวางแผนเส้นทางการบินที่มีประสิทธิภาพสูงสุด จากข้อมูลของ IATA สายการบินต่าง ๆ จะใช้จ่าย 215,000 ล้านดอลลาร์ในปีนี้ ซึ่งคิดเป็นประมาณ 28% ของค่าใช้จ่ายในการดำเนินงานที่สามารถลดลงได้ด้วยการวางแผนเส้นทางการบินอย่างมีประสิทธิภาพมากขึ้น ตัวแปรมากมาย (ได้แก่ การจราจรทางอากาศที่หนาแน่น รูปแบบข้อมูลของสภาพอากาศที่เปลี่ยนแปลงอย่างรวดเร็ว และต้นทุนเชื้อเพลิงที่ผันผวน) ทำให้การวางแผนเส้นทางการบินเป็นงานที่ซับซ้อนและมีความต้องการสูง ซึ่งสามารถทำให้ผู้ให้บริการด้านการบินมีกำไรหรือขาดทุนได้ ทั้งนี้ขึ้นอยู่กับประสิทธิภาพในการดำเนินการ แพลตฟอร์มที่ใช้งาน AI สามารถช่วยให้ผู้ปฏิบัติงานตัดสินใจได้อย่างรวดเร็วยิ่งขึ้น โดยไม่เพียงช่วยให้ผู้ปฏิบัติงานควบคุมประสิทธิภาพของข้อมูลในอดีตได้เท่านั้น แต่ยังรวมไปถึงกลไกการคาดการณ์ที่เมื่อรวมกันแล้ว จะสร้างภาพข้อมูลที่ชัดเจนและนำไปดำเนินการได้ ตัวอย่างหนึ่งของแพลตฟอร์มดังกล่าวคือ Flyways ซึ่งใช้ข้อมูลเที่ยวบินที่มีการกำหนดเวลาไว้และทำงานอยู่ตลอดเวลา เพื่อกำหนดเส้นทางการบินที่ผ่านพื้นที่ที่มีการจราจรหนาแน่นน้อยกว่า และเลี่ยงพื้นที่ทางผ่านที่มีสภาพอากาศไม่เอื้ออำนวย โซลูชันดังกล่าวได้รับการทดสอบจาก Alaska Airlines แล้ว ว่าช่วยประหยัดเชื้อเพลิงของบริษัทได้ 480,000 แกลลอน และส่งผลให้ปล่อยก๊าซคาร์บอนน้อยลง 4,600 ตันภายในระยะเวลา 6 เดือน ผลของการทำงานร่วมกันระหว่างผู้ปฏิบัติงานที่เป็น AI ไม่เพียงแต่สะท้อนให้เห็นถึงการลดต้นทุน แต่ยังช่วยให้ธุรกิจมีความยั่งยืนมากขึ้นอีกด้วย เมื่อโซลูชันดังกล่าวกลายเป็นเรื่องธรรมดา ซึ่งไม่เฉพาะกับสายการบินเท่านั้น แต่ยังรวมถึงหน่วยงานที่มีอำนาจดูแลการบินทั่วโลกด้วย เราจะมองย้อนกลับมาในวันนี้และรู้สึกแปลกใจที่เราทุกคนไม่มีประสิทธิภาพในการวางแผนเส้นทางการบินเลย
4. การคาดการณ์การนัดหยุดงาน แม้ว่าการนัดหยุดงานในธุรกิจการบินมักจะเป็นพาดหัวข่าวเนื่องจากทำให้แผนการเดินทางของนักเดินทางหยุดชะงัก (โดยเฉพาะช่วงวันหยุดสำคัญ) แต่ความจริงที่ว่า สายการบินต่างๆ อาจสูญเสียเงินหลายสิบหรือหลายร้อยล้านต่อการนัดหยุดงานแต่ละครั้งก็มักถูกมองข้ามไป ตัวอย่างเช่น ในปี 2565 SAS สูญเสียเงิน 145 ล้านดอลลาร์จากการนัดหยุดงานของนักบิน 15 วัน เนื่องจาก AI ไม่เพียงสามารถวิเคราะห์ข้อมูลทางเทคนิคเท่านั้น แต่ยังรวมถึงข้อมูลทางสังคมวิทยาด้วย AI จึงสามารถออกแบบโมเดลมาเพื่อช่วยให้สายการบินคาดการณ์การนัดหยุดงานที่อาจเกิดขึ้น และเตรียมความพร้อมสำหรับการเจรจาที่อาจเกิดขึ้นได้ดีขึ้น โมเดลเช่นนี้ซึ่งสามารถคาดการณ์ความเป็นไปได้ที่พนักงานแต่ละรายจะลาออกจากงาน ได้รับการพัฒนาโดย IBM ซึ่งให้ความแม่นยำ 95%
5. การปรับปรุงขั้นตอนการทำงานระหว่างเที่ยวบิน AI สามารถทำหน้าที่เป็นผู้ช่วยได้ ไม่เฉพาะสำหรับพนักงานภาคพื้นดินเท่านั้น แต่ยังรวมถึงลูกเรือด้วย นี่ไม่ใช่เพียงการทำให้งานประจำง่ายขึ้นเท่านั้น เครื่องมือที่ได้รับการฝึกอย่างเหมาะสม จะสามารถให้คำแนะนำอย่างผู้เชี่ยวชาญในเรื่องการจัดการเครื่องบินและการตัดสินใจที่รวดเร็วโดยมีข้อมูลประกอบ โดยเฉพาะอย่างยิ่งเมื่ออยู่ภายใต้ความกดดันและการตัดสินใจอย่างรวดเร็วเป็นเรื่องสำคัญ การดำเนินการนี้กำลังเดินหน้าต่อไปเพื่อทำให้วิสัยทัศน์นี้เป็นจริง โดยแอปพลิเคชัน AI ระดับ 1 ใกล้จะผ่านการรับรองแล้ว ซึ่งต้องขอบคุณแนวทางความน่าเชื่อถือของระบบที่ใช้การเรียนรู้ของเครื่องของ EASA ที่จัดทำขึ้นในเดือนเมษายน 2565
6. การช่วยดูแลสุขภาพจิตของนักบินและลูกเรือ โมเดล AI สามารถป้องกันหายนะจากการฆ่าตัวตายของนักบินของ Germanwings เที่ยวบิน 9525 ที่ทำให้ 150 คนเสียชีวิตไปได้หรือไม่ แม้ว่านี่จะเป็นประเด็นที่มีการสงสัยกันมาก แต่การคัดกรองพนักงานประจำที่ออกแบบมาเป็นพิเศษนี้ จะสามารถช่วยคาดการณ์แนวโน้มของปัญหาทางจิตที่จะรุนแรงขึ้นจากการประสบเหตุการณ์ที่ตึงเครียด เช่น นาฬิกาชีวภาพทำงานผิดปกติ เหตุการณ์สภาพอากาศแปรปรวน และเหตุฉุกเฉินบนเครื่องบิน แอปพลิเคชันที่มีอนาคตสดใสอีกอันหนึ่ง ซึ่งบริษัทสตาร์ตอัป Blueskeye AI ในสหราชอาณาจักรกำลังทดสอบอยู่ คือการใช้เทคโนโลยีการตรวจจับใบหน้าเพื่อระบุความเหนื่อยล้าของนักบิน ปัจจุบันนี้ความเหนื่อยล้าจะถูกคำนวณตามจำนวนชั่วโมงการบินของนักบิน แต่ในอนาคตตัวชี้วัดนี้จะถูกปรับให้เหมาะกับแต่ละบุคคลมากขึ้น
7. การคาดการณ์ความเป็นไปได้ของคำสั่งความสมควรเดินอากาศ คำสั่งความสมควรเดินอากาศ (AD) สำหรับส่วนโครงหรือส่วนเครื่องยนต์สามารถระงับการขึ้นบินของฝูงบินจำนวนหนึ่งในสายการบินได้ โดยเฉพาะฝูงบินที่มีรุ่นไม่หลากหลาย การทราบถึงความเป็นไปได้ของความเสี่ยงดังกล่าวสามารถช่วยในขั้นตอนต่างๆ ของการจัดการฝูงบินได้อย่างมหาศาล ตั้งแต่การสร้างไปจนถึงการบำรุงรักษาฝูงบิน เช่นเดียวกับซอฟต์แวร์การจัดการความเสี่ยงที่ขับเคลื่อนด้วย AI ในธนาคารและสถาบันการเงิน โซลูชันที่คล้ายกันนี้สามารถนำไปใช้เพื่อคำนวณและลดความเสี่ยง AD ได้
8. การปรับปรุงกระบวนการจัดการคุณภาพภายในองค์กร ปัญหาด้านการประกันคุณภาพอาจยังคงทำให้บริษัทล้มละลายได้ แม้ว่าจะไม่มีการทำงานผิดพลาดแบบใดที่เทียบเคียงได้กับการเรียกเก็บเงิน 2 หมื่นล้านดอลลาร์ที่ Boeing ต้องชำระอันเนื่องมาจากการขัดข้องซึ่งส่งผลให้ 737 MAX ถูกระงับการบินในเวลาต่อมา แม้ว่ามาตรฐานการประกันคุณภาพในการบินจะสูงกว่าในอุตสาหกรรมอื่น ๆ อยู่แล้ว เนื่องจากมีการกำกับดูแลทุกอย่างที่เกี่ยวข้องกับความปลอดภัยและการรักษาความปลอดภัยอย่างเข้มงวด แต่ AI ก็สามารถยกระดับระเบียบขั้นตอนการประกันคุณภาพในองค์กรในด้านการผลิตเครื่องบินและการจัดการสายการบินได้ ในขั้นตอนการผลิต ระบบคอมพิวเตอร์วิทัศน์ที่ซับซ้อนและได้รับการปรับปรุงด้วยการตรวจสอบโดยมนุษย์ จะสามารถบ่งชี้ข้อบกพร่องในส่วนประกอบต่าง ๆ ได้ดีขึ้น สำหรับสายการบิน ระบบการจัดการความปลอดภัย (SMS) ที่เสริมประสิทธิภาพด้วย AI สามารถพิจารณาข้อมูลมากมายจากแหล่งข้อมูลต่าง ๆ รวมถึงข้อมูลประสิทธิภาพ พันธมิตรด้านสภาพอากาศ และการบำรุงรักษา
9. การค้นหาโซลูชันโลจิสติกส์ที่ดีที่สุดสำหรับสถานการณ์ AOG แม้ว่าสถานการณ์การระงับการบินของเครื่องบิน (AOG) ทุกครั้งจะมีความเฉพาะตัว แต่ก็อาจทำให้สายการบินต้องเสียค่าใช้จ่ายตั้งแต่ 10,000 ถึง 150,000 ดอลลาร์ ซึ่งนี่ยังไม่ได้กล่าวถึงความเสียหายต่อชื่อเสียง การไขปริศนาทั้งการค้นหาชิ้นส่วนอะไหล่ที่จำเป็นและการส่งมอบภายในไม่กี่ชั่วโมง ไม่ใช่หลายวัน อาจเป็นเรื่องยุ่งยาก โดยเฉพาะอย่างยิ่งหากสถานการณ์ AOG เกิดขึ้นห่างไกลจากศูนย์กลางหลัก โซลูชัน AI สามารถช่วยให้บริษัทระบุตำแหน่งและจัดส่งชิ้นส่วนไปยังเครื่องบินได้อย่างรวดเร็ว ในขณะเดียวกันโซลูชันการบำรุงรักษาเชิงคาดการณ์ก็สามารถช่วยเตรียมความพร้อมสำหรับเหตุการณ์ AOG ที่อาจเกิดขึ้น และทำให้แน่ใจว่ามีชิ้นส่วนที่สำคัญเพียงพอในสต็อกเสมอ
10. การกำหนดราคาประกันภัย ในโลกหลังเหตุการณ์ 9/11 ผู้ซื้อประกันภัยการบินทั่วโลกยังคงเผชิญกับราคาที่สูงขึ้นและความพร้อมในการให้บริการที่ลดลงเมื่อเป็นเรื่องความคุ้มครองความเสี่ยงจากสงคราม โมเดล AI สามารถช่วยให้สายการบินคำนวณความเสี่ยงที่กำลังเผชิญได้แม่นยำยิ่งขึ้น จึงช่วยให้สายการบินเข้าใจการประสบกับ “ความเสี่ยงจากสงคราม” ของตนได้เมื่อตัดสินใจเกี่ยวกับการประกันภัย

เกี่ยวกับ Gediminas Ziemelis

Gediminas Ziemelis (เกิดเมื่อ 4 เมษายน 2520) เป็นผู้ประกอบการและที่ปรึกษาทางธุรกิจชาวลิทัวเนียที่ประสบความสำเร็จ อีกทั้งยังเป็นผู้ก่อตั้งและประธานคณะกรรมการคนปัจจุบันของ Avia Solutions Group ซึ่งเป็นหนึ่งในผู้ให้บริการ ACMI (เครื่องบิน ลูกเรือ การบำรุงรักษา และการประกันภัย) ที่ใหญ่ที่สุดในระดับโลก โดยดำเนินการบริหารฝูงบินจำนวน 196 ลำ เขาได้รับเลือกให้เป็นหนึ่งในผู้นำอุตสาหกรรมรุ่นเยาว์ 40 คนที่มีความสามารถสูงสุดโดย Aviation Week & Space Technology ถึงสองครั้ง

Gediminas เป็นที่รู้จักในด้านความคิดที่เป็นสากลและทักษะการจัดการที่ยอดเยี่ยม ซึ่งมีส่วนทำให้เขาประสบความสำเร็จในธุรกิจสาขาต่าง ๆ ตลอดระยะเวลาการทำงาน 26 ปีของเขา Gediminas ได้ก่อตั้งบริษัทสตาร์ทอัพมากกว่า 100 แห่ง โดยบริษัทดังกล่าวจำนวน 50% ยังคงเปิดดำเนินการอยู่ นำบริษัทผ่านกระบวนการจดทะเบียนในตลาดหลักทรัพย์ (IPO/SPO) ที่ประสบความสำเร็จ 4 กระบวนการ และระดมเงินทุนในตลาดทุนสาธารณะและตลาดตราสารหนี้ทั่วโลกได้มากกว่า 800 ล้านยูโร

ในเดือนธันวาคม 2565 Gediminas Ziemelis ได้รับการจัดอันดับให้เป็นชาวลิทัวเนียที่ร่ำรวยที่สุดโดยนิตยสาร TOP โดยมีมูลค่าทรัพย์สินประมาณ 1,680 ล้านยูโร

Gediminas เป็นผู้บริจาครายใหญ่ที่สุดของ Rimantas Kaukenas Support Group ซึ่งเป็นองค์กรการกุศลและกองทุนสนับสนุนที่ให้ความช่วยเหลือเด็กที่เป็นโรคมะเร็งและครอบครัวของเด็กเหล่านั้น เขายังเป็นผู้ถือหุ้นรายใหญ่ที่สุดในสโมสรบาสเก็ตบอลชั้นนำอย่าง Wolves อีกด้วย

ติดต่อด้านสื่อ:
Silvija Jakiene
หัวหน้าเจ้าหน้าที่สื่อสาร
Avia Solutions Group
silvija.jakiene@aviasg.com
+370 671 22697

GlobeNewswire Distribution ID 1000841676