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

Med prognoser som tyder på en fördubbling av antalet flygpassagerare till 8.2 miljoner till 2037, utvecklas utvecklingen av helelektrisk och hybridelektrisk framdrivning för att driva Advanced Air Mobility (AAM) till en miljardindustri. Nya bedömningar av Rolls Royce tyder på att cirka 15,000 30 elektriska vertikala start- och landningsfordon (eVTOL) kommer att vara oumbärliga i 2035 större städer till 2030 enbart för att möta efterfrågan på resor inom städer. År 18 skulle toppaktörer inom passagerarsektorn Advanced Air Mobility (AAM) kunna skryta med större flottor och betydligt fler dagliga flyg än världens största flygbolag. Dessa flygningar, i genomsnitt bara XNUMX minuter vardera, tar vanligtvis färre passagerare (från en till sex, plus en pilot).

Den ökande urbaniseringen, växande befolkningen, åldrande infrastruktur och ökningen av e-handel och logistik understryker behovet av en modern, säker och kostnadseffektiv transportlösning för både människor och varor. Urban Air Mobility (UAM) presenterar ett sömlöst, pålitligt och snabbt transportsätt som tar itu med nuvarande och framtida urbana utmaningar. Med kapaciteten att omvandla transporter inom och mellan städer erbjuder UAM ett snabbare och effektivare alternativ till konventionella markbaserade transportmetoder. Antagandet av Urban Air Mobility beror på fem primära faktorer:

• Ökande efterfrågan på alternativa transportsätt i stadsmobilitet
• Behov av bekväm, effektiv och sista mil leverans
• Nollutsläpp och bullerfria mandat
• Framsteg inom teknik (energilagring, autonom, uppkopplad, kraftelektronik)
• Säkerhet

Trots den växande sektorn Urban Air Mobility (UAM) står den inför betydande utmaningar som måste åtgärdas för framtida tillväxt och framgång. Dessa utmaningar sträcker sig från att utveckla pålitliga elektriska framdrivningssystem till att uppnå autonoma flygförmåga och att etablera nödvändig infrastruktur som vertiportar och laddstationer. Att övervinna dessa hinder är avgörande för att låsa upp UAM:s transformativa potential inom stadstransporter.

Att använda AI för förutsägande underhåll möjliggör analys av sensordata och källor ombord för att förutsäga underhållsbehov, vilket minskar stilleståndstiden och ökar flygplanens tillgänglighet. AI-aktiverade underhållsinspektioner möjliggör snabb problemidentifiering genom bildanalys av eVTOL och UAV, vilket minimerar fel och förbiser. AI hjälper till att fatta bättre beslut för underhåll av flygplan genom att noggrant analysera olika överväganden, vilket sannolikt leder till förbättrade resultat. Dessutom kan robotsystem utrustade med AI-algoritmer självständigt reparera eller byta ut mindre delar, vilket ökar säkerheten för underhållsteam. Dessutom underlättar AI bättre diagnostik och riktad felsökning, vilket påskyndar problemidentifiering och reparationsförslag. I slutändan utlovas proaktivt underhåll, dataintegration och förbättrad säkerhet av AI i UAM, vilket säkerställer att flygplanen underhålls effektivt från start till landning.

Intelligent Cabin Management System (ICMS), som används inom flyg- och järnvägsindustrin, genomgår ständiga framsteg som drivs av framväxande teknologier. Förbättrade ansiktsigenkänningsalgoritmer, drivna av artificiell intelligens (AI), förbättrar avsevärt effektiviteten och tillförlitligheten i användarautentisering, beteendeanalys, säkerhet, hotdetektion och objektspårning. Dessutom prioriterar ICMS att övervaka passagerarnas vitala tecken ombord för hälsosäkerhet.

Denna lösning säkerställer kabindrift med fokus på passagerarnas säkerhet, säkerhet och hälsa, lämplig för olika passagerarkabiner i flygplan och järnväg, och särskilt idealisk för UAM-applikationer. Den underlättar tillträde till kabinen för auktoriserad besättning och passagerare, guidar platsarrangemang, upprätthåller bestämmelser om bagageplacering, säkerställer efterlevnad av råd om flygresor, övervakar passagerarnas beteende för förebyggande ingrepp, identifierar tillåtna och potentiellt hotande föremål, flaggar lämnat bagage och upptäcker viktiga hälsoparametrar för övervakning och kontroll i realtid.

AI-drivet prediktivt underhåll innebär att analysera sensordata och inbyggda källor för att förutse UAM-underhållsbehov, vilket hjälper till med proaktiv schemaläggning och minimerar stilleståndstid. På samma sätt använder AI-baserade inspektioner bildanalys för att snabbt identifiera potentiella problem under regelbundna kontroller, vilket förbättrar noggrannheten och minskar fel. Dessutom stöder AI beslutsfattande om underhåll genom att analysera olika faktorer som reparationskostnader och reservdelstillgänglighet, vilket ger välgrundade rekommendationer. Framtida framsteg kan se att autonoma underhållssystem, drivna av AI, utför rutinuppgifter som inspektioner och mindre reparationer, förbättrar effektiviteten och säkerheten. Dessutom hjälper AI tekniker med diagnostik och felsökning genom att analysera data och historiska register för att lokalisera problem och föreslå lämpliga lösningar, effektivisera underhållsprocesser och säkerställa driftsäkerhet för UAM.

Integreringen av AI i UAM-underhåll erbjuder många fördelar som avsevärt förbättrar effektiviteten, säkerheten och tillförlitligheten för UAM-operationer. Genom proaktivt underhåll som möjliggörs av AI:s prediktiva kapacitet kan underhållsteam förutse och åtgärda potentiella fel innan de inträffar, vilket minskar oplanerade driftstopp och förbättrar driftsäkerheten. Dessutom ökar AI-stödt underhåll flygplanens tillgänglighet, vilket säkerställer att fordonen är konsekvent säkra och pålitliga, vilket bidrar till högre kundnöjdhet och övergripande operativ prestanda.

Dessutom leder AI-driven underhållsoptimering till kostnadsminskningar genom att noggrant förutsäga underhållsbehov och minimera onödiga inspektioner och komponentbyten, och därigenom minska arbets- och materialkostnader. Dessutom ökar AI:s kontinuerliga övervakning av UAM-fordonsförhållanden säkerheten genom att upptäcka avvikelser eller säkerhetsrisker i realtid, förebygga olyckor och säkerställa underhåll i rätt tid. Sammantaget representerar tillämpningen av AI i UAM-underhåll ett transformativt steg mot ett mer effektivt, säkert och tillförlitligt stadsflygsystem.

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
• PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
• Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
• PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
• Källa: https://www.eletimes.com/emerging-solutions-in-all-electric-air-mobility-service