DUBLIN, Irlandia, Sept. 28, 2023 (GLOBE NEWSWIRE) -- Penggunaan AI di bidang penerbangan lebih dari sekadar chatbot dukungan pelanggan dan alat pembandingan harga untuk penumpang. Sekalipun aplikasi-aplikasi ini jelas akan bertahan dan menjadi tersebar merata, gangguan sebenarnya akan berasal dari pengoptimalan bidang-bidang “sulit” di sektor penerbangan – mulai dari pengelolaan pendapatan hingga evaluasi kemungkinan mogok kerja. Ketua Dewan Avia Solutions Group Gediminas Ziemelis mengungkapkan prediksinya terkait area yang mengalami perbedaan besar dengan kehadiran AI di sektor penerbangan.
- Mengungkap dinamika harga yang sesungguhnya. Dalam bisnis maskapai, pengelolaan pendapatan bukanlah hal yang mudah diurus, bahkan risikonya untuk melakukannya dengan benar semakin tinggi di kondisi pasca-COVID. Menurut IATA, rata-rata margin laba per penumpang saat ini sangatlah tipis – hanya $2,25, dibandingkan dengan angka dua digit pada tahun 2019. AI dapat membantu meringankan tugas berat dari menganalisis data historis serta menghitung harga tepat, dengan memperhitungkan lokasi klien dan berbagai faktor lainnya. Meskipun beberapa maskapai besar mungkin akan memilih untuk mengembangkan solusi internalnya sendiri, saat ini semakin banyak maskapai yang bermitra dengan penyedia solusi seperti AirGain – solusi prediktif berbasis AI dengan data lake yang mencakup 6 miliar titik harga.
- Menjaga performa mesin agar tetap prima Pemeliharaan prediktif menjadi bagian yang tidak terpisahkan dari perawatan dan perbaikan pesawat (MRO) sejak lama, dengan sensor yang membantu maskapai menentukan kapan dan apa bagian yang perlu diperbaiki atau diganti. Kecerdasan buatan (AI) dapat menggunakan baik data sensor real-time maupun pola gangguan historis prediktif guna mengurangi periode nonaktif dan keseluruhan biaya pemeliharaan. Penelitian terbaru yang dilakukan oleh Center for Advanced Aviation System Development (CAASD) di University of Maryland mendapati bahwa pemeliharaan prediktif dapat mengurangi biaya operasional pesawat hingga sebesar 20%. AI sudah mendisrupsi bidang ini. Misalnya, Lufthansa Technik telah meningkatkan keahlian pemeliharaan pesawat dengan sistem pemeliharaan prediktifnya yang berbasis AI. Solusi Condition Analytics-nya menerapkan algoritma machine learning (ML) untuk menganalisis data sensor dari berbagai komponen pesawat, yang memprediksi kebutuhan pemeliharaan dengan tingkat presisi yang sangat tinggi. Pembuatan “digital twin” – replika virtual sempurna yang mengubah parameternya menurut tingkat keausan komponen fisik – digunakan teknisi MRO untuk keperluan pemeliharaan prediktif serta mendeteksi anomali dengan membandingkan data sensor real time dengan data buatan digital twin.
- Merencanakan rute yang paling efisienMenurut IATA, maskapai akan mengeluarkan dana sekitar $215 miliar tahun ini, yang setara dengan sekitar 28% biaya operasional, yang dapat dikurangi dengan perencanaan rute yang lebih efisien. Berbagai variabel (termasuk kepadatan lalu lintas penerbangan, perubahan pola cuaca yang cepat, serta fluktuasi biaya bahan bakar) menjadikan perencanaan rute sebagai tugas yang kompleks dan mendesak untuk diselesaikan. Hal ini dapat berujung pada meningkatkan atau mengurangi laba perusahaaan, tergantung pada seberapa efisien tugas ini dijalankan. Platform yang berkemampuan AI dapat mempercepat proses pengambilan keputusan bagi operator, yang membantu mereka untuk memanfaatkan bukan hanya keunggulan data historis, tetapi juga mekanisme prediktif yang, bersama-sama, menghasilkan gambaran jelas yang dapat ditindaklanjuti. Salah satu contoh dari platform tersebut adalah Flyways, yang menggunakan data penerbangan terjadwal dan aktif untuk memetakan rute penerbangan yang melalui area dengan tingkat lalu lintas penerbangan yang kurang padat serta menghindari area dengan kondisi cuaca yang buruk. Solusi ini telah diujicobakan oleh Alaska Airlines, yang membuat perusahaan tersebut berhasil menghemat 480.000 galon bahan bakar serta menghasilkan 4.600 ton emisi karbon lebih sedikit dalam periode enam bulan. Hasil dari kolaborasi operator AI tersebut tercermin bukan hanya dalam penghematan biaya, tetapi juga dalam membantu perusahaan untuk menjadi lebih ramah lingkungan. Begitu solusi tersebut menjadi lazim digunakan bukan hanya di kalangan maskapai, tetapi juga otoritas penerbangan di seluruh dunia, kita akan melihat kembali kondisi saat ini dan terkejut dengan betapa tidak efisiennya kita selama ini saat merencanakan rute.
- Memprediksi mogok kerja. Saat mogok kerja di sektor penerbangan menjadi pemberitaan di mana-mana karena gangguan yang ditimbulkannya pada rencana penumpang (terutama saat hari libur besar), fakta bahwa maskapai dapat merugi puluhan bahkan sampai ratusan juta dolar per mogok kerja sering kali diabaikan. Sebagai contoh, pada tahun 2022, SAS merugi sebesar $145 juta selama mogok kerja pilot dalam jangka 15 hari. Karena AI tidak hanya dapat menganalisis data teknis, tetapi juga sosiologis, suatu model dapat didesain untuk membantu maskapai memprediksi potensi mogok kerja dan bersiap dengan lebih baik mengantisipasi kemungkinan negosiasi. Model seperti ini yang dapat memprediksi tingkat kemungkinan karyawan perorangan keluar dari perusahaan juga telah dikembangkan oleh IBM, menghasilkan tingkat akurasi hingga 95%.
- Meningkatkan alur kerja dalam pesawat. AI dapat sangat membantu tidak hanya staf di lapangan, tetapi juga awak kabin pesawat. AI tidak hanya sekadar memudahkan pelaksanaan tugas rutin– alat yang terlatih dengan tepat ini dapat memberikan saran ahli terkait pengelolaan pesawat serta pengambilan keputusan matang yang cepat, terutama saat timbul tekanan yang menuntut pengambilan keputusan cepat. Proses untuk mewujudkan hal ini telah dimulai, dengan adanya aplikasi AI Level 1 yang akan mencapai tahap sertifikasi, berkat panduan Kredibilitas Sistem Berbasis Machine Learning dari EASA yang ditetapkan pada April 2022.
- Membantu pilot dan awak menjaga kesehatan mental mereka. Bisakah suatu model AI mencegah kasus bunuh diri oleh pilot seperti yang terjadi pada Penerbangan Germanwings 9525 yang menewaskan 150 orang? Meskipun hal ini masih menjadi spekulasi, penyaringan staf reguler yang dirancang khusus dapat membantu memprediksi kemungkinan masalah mental yang diperparah dengan eksposur pada peristiwa yang membuat stres, seperti gangguan ritme sirkadian, kasus turbulensi, dan situasi darurat di pesawat. Penerapan lainnya yang menjanjikan, yang sudah diuji oleh startup Inggris Blueskeye AI, adalah penggunaan teknologi pengindraan wajah untuk mendeteksi kelelahan pada pilot. Saat ini, kelelahan dihitung berdasarkan jumlah jam terbang pilot, tetapi ke depannya, metrik ini akan sangat disesuaikan secara individual.
- Memprediksi kemungkinan Perintah Kelaikudaraan. Perintah Kelaikudaraan (Airworthiness Directive/AD) untuk bagian dari rangka atau mesin dapat menyediakan informasi dasar tentang bagian penting dari armada pesawat, terutama untuk bagian yang tidak didiversifikasi di berbagai model. Dengan mengetahui kemungkinan dari risiko tersebut dapat sangat membantu berbagai tahapan dalam pengelolaan armada, mulai dari formasi hingga pemeliharaan armada. Mirip seperti perangkat lunak pengelolaan risiko berbasis AI yang digunakan di bank dan lembaga keuangan, solusi serupa juga diterapkan untuk menghitung dan memitigasi risiko AD.
- Meningkatkan proses pengelolaan mutu internal. Meskipun sejauh ini belum ada kasus malafungsi pesawat yang akan mampu menandingi tagihan $20 miliar yang harus dibayar Boeing akibat kecelakaan dan pengandangan pesawat 737 MAX setelahnya, masalah QA masih dapat membuat bangkrut suatu perusahaan. Sekalipun standar jaminan mutu dalam penerbangan lebih tinggi daripada industri lainnya karena peraturan ketat pada segala hal terkait keselamatan dan keamanan, AI dapat meningkatkan protokol jaminan mutu internal dalam ranah manufaktur pesawat dan pengelolaan maskapai. Di tahap manufaktur, sistem visi komputer yang canggih yang diperkuat dengan pemeriksaan manual dapat lebih baik dalam menunjukkan cacat pada komponen. Bagi maskapai, Safety Management System (SMS) yang disempurnakan dengan AI, dapat memperhitungkan banyak data dari berbagai sumber, termasuk performa, pola cuaca, dan informasi pemeliharaan.
- Menemukan solusi logistik terbaik untuk situasi AOG. Meskipun setiap kasus tidak terbangnya pesawat akibat masalah serius (Aircraft on Ground/AOG) berbeda-beda, kasus AOG dapat membuat maskapai merugi mulai dari $10.000 hingga $150.000, belum lagi mengalami kerusakan reputasi. Mencari tahu bagian suku cadang yang dibutuhkan dan mengirimkannya dalam hitungan jam, dan bukan harian, bisa jadi tugas sulit, terutama jika kasus AOG terjadi jauh dari hub-hub besar. Solusi AI dapat membantu perusahaan untuk dengan cepat menemukan dan mengirimkan komponen ke pesawat. Secara bersamaan, solusi pemeliharaan prediktif dapat membantu mengantisipasi kemungkinan peristiwa AOG serta memastikan ketersediaan suku cadang penting dalam jumlah yang selalu memadai.
- Menentukan harga asuransi. Di era pasca-serangan 11 September, pembeli asuransi penerbangan di seluruh dunia masih menghadapi kasus naiknya harga dan kurangnya ketersediaan polis perlindungan dari risiko perang. Suatu model AI dapat membantu maskapai menghitung risiko yang mereka hadapi dengan lebih tepat, yang membantu mereka untuk memahami eksposur "risiko perang" saat mereka mengambil keputusan terkait asuransi.
Tentang Gediminas Ziemelis
Gediminas Ziemelis (lahir pada tanggal 4 April 1977) adalah seorang pengusaha Lithuania yang berbakat, konsultan bisnis, serta pendiri dan Ketua Dewan Avia Solutions Group saat ini, salah satu penyedia layanan ACMI (Aircraft, Crew, Maintenance, and Insurance/Pesawat, Kru, Pemeliharaan, dan Asuransi) terbesar di dunia, yang mengoperasikan 196 armada pesawat. Beliau terpilih dua kali di antara 40 pemimpin industri muda paling berbakat oleh Aviation Week & Space Technology.
Gediminas dikenal karena pola pikirnya yang kosmopolitan dan kemampuan manajemennya yang luar biasa, yang telah berkontribusi pada kesuksesannya di berbagai bidang bisnis. Selama 26 tahun karirnya, Gediminas telah mendirikan lebih dari 100 perusahaan rintisan, 50% di antaranya masih beroperasi, memimpin perusahaan-perusahaan melalui 4 proses IPO/SPO yang sukses, dan menggalang dana lebih dari 800 juta euro di pasar modal dan pasar obligasi global.
Pada bulan Desember 2022, Gediminas Ziemelis terdaftar sebagai orang Lithuania terkaya oleh Majalah TOP, dengan estimasi aset senilai 1,68 miliar euro.
Gediminas adalah donatur terbesar untuk Rimantas Kaukenas Support Group, sebuah badan amal dan dana bantuan, yang memberikan bantuan kepada anak-anak dengan penyakit onkologi dan keluarganya. Beliau juga merupakan pemegang saham terbesar di klub bola basket terkemuka, Wolves.
