Оказывается, «небо — это не предел» для ИИ в аэрокосмической отрасли

В самом сердце Монреаля на конференции AI «ALL IN» группа лидеров аэрокосмического сектора Канады собралась, чтобы обсудить преобразующий потенциал искусственного интеллекта (ИИ) в их отрасли. Последовавший за этим разговор представлял собой смесь проблем, инноваций и видения будущего.

Панельная дискуссия была больше, чем просто обмен идеями; это был взгляд в будущее – будущее, в котором ИИ не просто помогает, но и преобразует аэрокосмический сектор.

Трансформация и видение будущего не являются новой территорией для этого сектора. Чтобы перейти от чертежной доски к производству ее продукции, требуются годы и годы планирования. Как заявил один из участников дискуссии Нивин Каллаб, вице-президент по программам обслуживания клиентов Pratt & Whitney Canada: «Мы живем в 2035 году». Вот как далеко вперед им приходится думать.

Несмотря на необходимость оставаться дальновидным, группа выявила некоторые ключевые проблемы, для решения которых они хотели использовать ИИ.

Проблемы с данными и инновационные решения:

Дэвид Мюррей из Bombardier выделил серьезную проблему, которую могут признать многие компании, — работу с огромными объемами данных в режиме реального времени. Но объем данных, которые производит самолет, невообразим с точки зрения его размера; все инструменты, устройства и датчики создают терабайты данных за считанные минуты. Еще больше усложняет задачу то, что самолеты могут передавать эти данные только по беспроводной сети. Даже при использовании лучших беспроводных средств связи эти данные не могут быть переданы по воздуху в режиме реального времени каким-либо значимым способом.

Но там, где есть вызов, есть и возможности. Bombardier разработала инновационное решение, создав панель управления здоровьем, которая анализировала и обобщала данные в режиме реального времени. Это не только решило проблему сбора данных, но и создало новую услугу для своих клиентов.

Брюс Стамм из Air Canada рассказал об аналогичной проблеме, с которой столкнулась его авиакомпания. Компания хотела найти лучший способ улучшить своевременные прибытия и отправления, что является основной проблемой удовлетворенности пассажиров.

До внедрения искусственного интеллекта данные о расписании рейсов собирались с помощью таких инструментов, как Excel и PowerPoint. Эти подходы не только требовали большого количества ручного труда, но и не позволяли учитывать ряд параметров, которые необходимо было учитывать для решения этих проблем.

Air Canada приходится выполнять около 270 рейсов в день. Существует 60 факторов, которые могут повлиять на своевременность выполнения каждого из этих рейсов. Только 30 из них находятся под контролем авиакомпании.

Несмотря на эти проблемы, авиакомпания разработала передовые инструменты, позволяющие составлять сложные сценарии «что, если», рисуя гораздо более четкую картину будущего. Преимущество ИИ в том, что он может учитывать огромное количество различных элементов данных и анализировать их в режиме реального времени. Кроме того, можно создавать сценарии, основанные на различных предположениях, в отличие от сценариев «наилучшего случая» ручного планирования.

От обучения к компетентности в эпоху искусственного интеллекта:

Филипп Куйар из CAE отметил, что, хотя CAE известна во всем мире благодаря своим авиасимуляторам, ее истинная роль — это обучающая компания. ИИ обещает использовать ИИ и «цифровых двойников» для обеспечения полностью захватывающей среды обучения.

Использование ИИ позволяет компании выйти за рамки простого тестирования и использовать иммерсивные ситуации, чтобы обеспечить новый уровень «оценки компетенций» пилотов.

Управление изменениями и масштабирование ИИ в существующих компаниях:

Нивин Каллаб из Pratt & Whitney рассказала о проблемах масштабирования приложений искусственного интеллекта в существующих компаниях. Каллаб подчеркнул необходимость «начинать с малого» и развивать успех. Тогда и только тогда вам следует переходить к сложным корпоративным проектам.

Для Pratt & Whitney переход от небольших проектов с низким уровнем риска к профилактическому обслуживанию действительно был сопряжен с серьезными трудностями. Но самая большая проблема, по словам Каллаба, была не техническая. Это было по-человечески. Внедрение ИИ заключалось не только в кодировании или анализе данных; Речь шла о преобразовании сотрудников и процессов компании – трудной задаче для любой компании. Это было то, что мы называем управлением изменениями.

Управление изменениями и внесение изменений в зрелую компанию, «старое поле», — это огромная задача. Однако без изменений в отношениях и поведении людей, а также изменений в процессах преимущества ИИ не могут быть реализованы.

Будущий ландшафт аэрокосмической отрасли:

Джон Градек из Университета Макгилла нарисовал картину будущего, в котором люди и искусственный интеллект будут гармонично сосуществовать. Он представил такие концепции, как «Нейронные сети производственного снабжения» и «Генераторный дизайн», подчеркнув необходимость в адаптивных роботах, способных выполнять разнообразные задачи.

Еще раз: это не академическое упражнение. Эльза Брунель-Юнг из Bombardier рассказала о реальных конкурентных преимуществах, которые предлагает ИИ. Клиент Bombardier, владеющий одним самолетом, по-прежнему будет иметь доступ ко всему парку данных Bombardier для анализа и прогнозирования с помощью искусственного интеллекта моделей оперативного и прогнозного технического обслуживания одного самолета этой компании.

И вам не нужен анализ ИИ, чтобы предсказать, что это будет хорошей новостью для Канады.