Nye løsninger i al-elektrisk luftmobilitetstjeneste

Genudgivet af Platon

Abonnenter: 0

Forfatter: Ajay Kumar Lohany, Delivery Sr. Director- Aero & Rail, Cyient

Med fremskrivninger, der indikerer en fordobling af antallet af flypassagerer til 8.2 millioner inden 2037, udvikler fremskridtet inden for al-elektrisk og hybrid-elektrisk fremdrift til at drive Advanced Air Mobility (AAM) sig til en milliard-dollar industri. Nylige vurderinger fra Rolls Royce tyder på, at cirka 15,000 elektriske lodrette start og landing (eVTOL) køretøjer vil være uundværlige i 30 større byer i 2035 udelukkende for at imødekomme efterspørgslen efter rejser inden for byerne. I 2030 kan topspillere i sektoren for passagerer Advanced Air Mobility (AAM) prale af større flåder og betydeligt flere daglige flyvninger end verdens største flyselskaber. Disse flyvninger, der i gennemsnit kun varer 18 minutter hver, vil typisk have færre passagerer (fra én til seks plus en pilot).

Kilde: Cirium; investorpræsentationer; US Bureau of Transportation Statistics; McKinsey analyse

Den stigende urbanisering, voksende befolkning, aldrende infrastruktur og stigningen i e-handel og logistik understreger behovet for en moderne, sikker og omkostningseffektiv transportløsning for både mennesker og varer. Urban Air Mobility (UAM) præsenterer en problemfri, pålidelig og hurtig transportform, der adresserer nuværende og fremtidige bymæssige udfordringer. Med kapaciteten til at transformere transport inden for og mellem byer tilbyder UAM et hurtigere og mere effektivt alternativ til konventionelle jordbaserede transportmetoder. Indførelsen af Urban Air Mobility afhænger af fem primære faktorer:

Stigende efterspørgsel efter alternative transportformer i bymobilitet
Behov for bekvem, effektiv og sidste mile levering
Nul emission og støjfri mandater
Fremskridt inden for teknologier (energilagring, autonom, tilsluttet, strømelektronik)
Sikkerhed

På trods af den voksende Urban Air Mobility-sektor (UAM) står den over for betydelige udfordringer, som skal tages op for fremtidig vækst og succes. Disse udfordringer spænder fra udvikling af pålidelige elektriske fremdriftssystemer til at opnå autonome flyveevner og etablering af nødvendig infrastruktur såsom vertiporte og ladestationer. At overvinde disse forhindringer er afgørende for at frigøre UAMs transformative potentiale inden for bytransport.

Brug af AI til forudsigelig vedligeholdelse muliggør analyse af sensordata og indbyggede kilder for at forudsige vedligeholdelsesbehov, hvilket reducerer nedetid og øger flyets tilgængelighed. AI-aktiverede vedligeholdelsesinspektioner giver mulighed for hurtig problemidentifikation gennem billedanalyse af eVTOL'er og UAV'er, hvilket minimerer fejl og forglemmelser. AI hjælper med at træffe bedre beslutninger om flyvedligeholdelsesstøtte ved grundigt at analysere forskellige overvejelser, hvilket sandsynligvis fører til forbedrede resultater. Derudover kan robotsystemer udstyret med AI-algoritmer selvstændigt reparere eller udskifte mindre dele, hvilket øger sikkerheden for vedligeholdelsesteams. Desuden letter AI bedre diagnostik og målrettet fejlfinding, hvilket fremskynder problemidentifikation og reparationsforslag. I sidste ende loves proaktiv vedligeholdelse, dataintegration og forbedret sikkerhed af AI i UAM, hvilket sikrer, at fly vedligeholdes effektivt fra start til landing.

Det intelligente kabinestyringssystem (ICMS), der bruges i luftfarts- og jernbaneindustrien, gennemgår kontinuerlige fremskridt drevet af nye teknologier. Forbedrede ansigtsgenkendelsesalgoritmer, drevet af kunstig intelligens (AI), forbedrer effektiviteten og pålideligheden væsentligt inden for brugergodkendelse, adfærdsanalyse, sikkerhed, trusselsdetektion og objektsporing. Desuden prioriterer ICMS overvågning af passagerers vitale tegn ombord for sundhedssikkerhed.

Denne løsning sikrer kabinedrift med fokus på passagersikkerhed, tryghed og sundhed, velegnet til forskellige passagerkabiner i fly og jernbane, og især ideel til UAM-applikationer. Den letter adgang til kabinen for autoriseret besætning og passagerer, vejleder siddearrangementer, håndhæver reglerne om bagageplacering, sikrer overholdelse af flyrejserådgivning, overvåger passagerernes adfærd for forebyggende indgreb, identificerer tilladte og potentielt truende genstande, markerer efterladt bagage og registrerer vitale sundhedsparametre for overvågning og kontrol i realtid.

AI-drevet forudsigelig vedligeholdelse involverer analyse af sensordata og indbyggede kilder for at forudse UAM-vedligeholdelsesbehov, hvilket hjælper med proaktiv planlægning og minimerer nedetid. Tilsvarende bruger AI-baserede inspektioner billedanalyse til hurtigt at identificere potentielle problemer under regelmæssige kontroller, hvilket øger nøjagtigheden og reducerer fejl. Derudover understøtter AI beslutningstagning ved vedligeholdelse ved at analysere forskellige faktorer som reparationsomkostninger og reservedelstilgængelighed og give informerede anbefalinger. Fremtidige fremskridt kan se autonome vedligeholdelsessystemer, drevet af AI, udføre rutineopgaver såsom inspektioner og mindre reparationer, forbedre effektiviteten og sikkerheden. Ydermere hjælper AI teknikere med diagnostik og fejlfinding ved at analysere data og historiske optegnelser for at lokalisere problemer og foreslå passende løsninger, strømline vedligeholdelsesprocesser og sikre UAM-driftssikkerhed.

Integrationen af AI i UAM-vedligeholdelse giver adskillige fordele, der markant forbedrer effektiviteten, sikkerheden og pålideligheden af UAM-operationer. Gennem proaktiv vedligeholdelse aktiveret af AI's forudsigende egenskaber kan vedligeholdelsesteams forudse og adressere potentielle fejl, før de opstår, hvilket reducerer uplanlagt nedetid og forbedrer driftssikkerheden. Ydermere øger AI-understøttet vedligeholdelse flyets tilgængelighed, hvilket sikrer, at køretøjer er konsekvent sikre og pålidelige, hvilket bidrager til højere kundetilfredshed og overordnet operationel ydeevne.

Desuden fører AI-drevet vedligeholdelsesoptimering til omkostningsreduktion ved præcist at forudsige vedligeholdelsesbehov og minimere unødvendige inspektioner og komponentudskiftninger, og derved reducere arbejds- og materialeomkostninger. Derudover øger AI's kontinuerlige overvågning af UAM-køretøjsforhold sikkerheden ved at opdage uregelmæssigheder eller sikkerhedsrisici i realtid, forebygge ulykker og sikre rettidig vedligeholdelse. Samlet set repræsenterer anvendelsen af AI i UAM-vedligeholdelse et transformerende skridt hen imod et mere effektivt, sikkert og pålideligt bylufttransportsystem.