Sfruttare l’intelligenza artificiale per ridurre al minimo l’impatto ambientale dell’aviazione
Anche quando gli aeroplani stanno invecchiando, i produttori, i sistemi di gestione di volo e i fornitori di software per la preparazione del volo continuano a usare gli stessi modelli di produzione, che non si adattano alla variazione delle prestazioni. Ciò può ridurre la precisione e influire negativamente sull’efficienza, incrementando l consumo di combustibile e le emissioni di CO2. Il progetto PERF-AI, finanziato dall’UE, ha applicato le tecnologie basate sull’apprendimento automatico per i dati di volo al fine di individuare i cambiamenti nelle prestazioni di ogni singolo aeromobile e di fornire alle compagnie aeree dati aggiornati che permettano loro di operare in modo più efficiente. Il progetto si è concentrato sulla selezione di algoritmi adeguati di apprendimento automatico e sulla verifica della loro accuratezza e potenzialità nell’eseguire analisi statistiche dei dati di volo. Inoltre, PERF-AI ha sviluppato modelli matematici per ottimizzare le traiettorie di volo reali in relazione alle prestazioni attuali del velivolo, riducendo così al minimo il consumo di combustibile durante il volo.
Superare le limitazioni delle banche dati relative alle prestazioni dei sistemi attuali
Il team di PERF-AI ha utilizzato l’apprendimento automatico sui parametri registrati di velivoli provenienti dai registratori ad accesso rapido e dalle scatole nere che sono raccolti per ciascun volo in modo da aggiornare i dati sulle prestazioni degli aeromobili. «L’obiettivo finale consisteva nell’utilizzare i modelli di funzionamento ottenuti tramite l’apprendimento automatico per ottimizzare i voli, poiché i dati disponibili sono più accurati e mutevoli», ha spiegato Pierre Jouniaux, amministratore delegato e fondatore del progetto Safety Line, una start-up con sede a Parigi che offre soluzioni innovative per la sicurezza e l’efficienza dell’attività aeronautica. «Di conseguenza, possiamo individuare le migliori condizioni operative per i piloti affinché possano volare in modo più efficiente». I partner del progetto hanno ricreato un modello completo di funzionamento del velivolo esclusivamente basato sui dati dell’aeromobile che corrispondevano a un comportamento fisico del velivolo stesso. In seguito, hanno sperimentato il modello in un computer ingegneristico per la gestione del volo. I risultati hanno confermato che era possibile aggiornare qualsiasi modello di funzionamento del velivolo e fornire ai piloti informazioni più accurate. Un beneficio importante è rappresentato dal fatto che i piloti possono caricare una quantità inferiore di combustibile per i voli. I risultati sono stati usati per creare diversi algoritmi di ottimizzazione che hanno richiesto risorse di calcolo inferiori per funzionare su dispositivi quali i tablet.
Affrontare l’impronta di carbonio aeronautica
Il consorzio, insieme alla compagnia aerea Transavia France, ha condotto diversi test su correzioni possibili che possono essere incorporate all’altitudine di crociera. Inoltre, ha individuato una potenziale riduzione del consumo di combustibile, che in alcuni casi ha raggiunto i 150 kg/h per un Boeing 737-800 di nuova generazione da 189 posti. I produttori di apparecchiature originali che hanno bisogno di usare dati più accurati per valutare le prestazioni del velivolo trarranno i maggiori benefici, ma anche le compagnie aeree che desiderano migliorare il funzionamento degli aeromobili riducendo il consumo di combustibile e le emissioni di CO2 risulteranno avvantaggiate. A dicembre 2020 Safety Line, in parte grazie a PERF-AI, ha vinto un premio nella categoria «Azione per il clima» del concorso sugli obiettivi di sviluppo sostenibile delle start-up globali, organizzato dall’Organizzazione mondiale del turismo. Tale organizzazione è un’agenzia delle Nazioni Unite che promuove il turismo sostenibile, accessibile e inclusivo. Il suo concorso inaugurale incentiva l’ecosistema di innovazione e di imprenditorialità in tutto il mondo per adottare la sostenibilità.
Parole chiave
PERF-AI, aeromobile, volo, compagnia aerea, consumo di combustibile, apprendimento automatico, aviazione, modello di funzionamento