비행기가 계속 노화됨에도 불구하고 제조업체, 비행 관리 시스템 및 비행준비 소프트웨어 제공 업체는 실제 성능과 불일치하는 초기 제조 모델을 계속 사용하고 있다. 이는 정확도를 낮추고 연료 소비 및 이산화탄소(CO2) 배출과 같은 효율성에 부정적인 영향을 미칠 수 있다.
EU의 지원을 받는 PERF-AI 프로젝트는 개별 항공기의 성능 변화를 식별하기 위해 기계 학습 기술을 비행 데이터에 적용하였으며, 항공사에 좀 더 효율적인 운영을 위해 업데이트된 데이터를 제공하고 있다. 이 프로젝트는 적절한 기계 학습 알고리즘을 확인하고, 이의 비행 데이터 통계 분석능력과 그 정확성을 테스트하는 데 중점을 두고 있다. 또한, 이 프로젝트는 실제 항공기 성능과 관련하여 실제 비행 궤적을 최적화하는 수학적 모델을 개발하여 비행 중 연료 소비를 최소화하고 있다.
현재 시스템 성능 데이터베이스의 한계 해결
PERF-AI 팀은 항공기 성능 데이터를 업데이트하기 위해 각 비행에 대해 수집되는 빠른 접근 녹취기(quick access recorders) 및 블랙박스에서 기록된 항공기 매개 변수에 기계 학습을 사용하였다. 파리에 본사를 둔 신생 기업인 프로젝트 Safety Line의 CEO이자 창립자인 피에르 주니오(Pierre Jouniaux)는 “최종 목표는 사용 가능한 데이터가 더 정확하고 변동이 심해서 기계 학습으로 얻은 성능 모델을 사용하여 비행을 최적화하는 것이었다”고 말한다. 그는 신생기업 Safety Line이 항공 운항의 안전과 효율성을 위한 혁신적인 솔루션을 제공한다고 밝혔다. 이 솔루션을 통해 조종사는 최상의 운영 상황들을 구별하여 좀 더 효율적으로 비행할 수 있다
프로젝트 파트너는 항공기의 물리적 동작과 일치하는 항공기 데이터만을 기반으로 완전한 항공기 성능 모델을 재창조했다. 그런 다음 엔지니어링 비행 관리 컴퓨터에서 모델을 테스트했다. 그 결과, 모든 항공기 성능 모델을 업데이트하고 조종사에게 더 정확한 정보를 제공할 수 있음을 확인했다. 이 모델의 가장 큰 장점은 조종사가 비행을 위해 적은 연료를 적재할 수 있다는 것이었다. 또한 그 결과는 태블릿과 같은 장치에서 실행하기 위해 낮은 계산 리소스가 필요한 여러 최적화 알고리즘을 만드는 데 사용되었다.
항공의 탄소 발자국 해결
* 탄소 발자국은 개인 또는 단체가 직접 간접적으로 발생시키는 온실 기체의 총량을 의미한다. 여기에는 이들이 일상생활에서 사용하는 연료, 전기, 용품 등이 모두 포함된다. 대기로 방출된 이산화탄소 등 온실가스 물질이 지구의 기후변화에 미치는 영향을 알 수 있는 지표이다.
Transavia France 항공사와 함께 컨소시엄은 순항 고도를 조정할 수 있는 몇 가지 테스트를 수행했다. 또한 최대 189명의 승객을 수용할 수 있는 차세대 보잉(Boeing) 737-800기의 경우 최대 시간당 150kg의 연료 연소 감소 가능성도 확인했다.
항공기 성능을 평가하기 위해 좀 더 정확한 데이터를 사용해야 하는 주문자 상표 부착 생산(OEM)은 이 솔루션으로부터 가장 큰 혜택을 누릴 수 있다. 연료 소비와 CO2 배출량을 줄이면서 항공기 운영을 개선하려는 항공사도 얻을 수 있는 것이 많다.
PERF-AI 덕분에 Safety Line은 2020년 12월 세계 관광기구의 지속 가능한 개발 목표 글로벌 창업 대회의 ‘기후 행동' 부문에서 수상했다. 세계 관광기구는 UN의 기관으로서 지속 가능하고 접근 가능하며 포괄적인 관광을 장려하고 있다. 이는 첫 번째 창업 대회에서 전 세계의 혁신가 및 기업들의 생태계 내 지속가능성의 가치 제고를 장려하였다.
