क्या एआई और स्मार्ट सेंसर एयरोस्पेस रखरखाव लागत को कम कर सकते हैं?

एक विमान के सुरक्षित और सफल उड़ान के लिए, हजारों घटकों को अत्यधिक गर्मी, कंपन और तनाव के तहत अपना काम करना पड़ता है। यह कोई आसान या सस्ता कार्य नहीं है।

वास्तव में, निरीक्षण, विघटन और अनियोजित मरम्मत शामिल करने वाली विमान रखरखाव एयरलाइन और एयरोस्पेस कंपनियों के लिए सबसे अधिक संचालन लागतों में से एक है। एक ही प्रारंभिक चेतावनी संकेत चूक जाना पूरी बेड़े को जमीन पर उतार सकता है, या उससे भी बुरा।

इस महंगे लेकिन आवश्यक कार्य का समाधान अधिक स्मार्ट सामग्री को अधिक स्मार्ट डेटा के साथ मिलाकर आ सकता है: नैनोस्केल पायज़ोइलेक्ट्रिक सेंसर सामग्री और कृत्रिम बुद्धिमत्ता (AI)।

नैनो-पायज़ोइलेक्ट्रिक सेंसर विमान को अधिक निरंतर संरचनात्मक जागरूकता प्रदान करते हैं, जबकि AI और डिजिटल ट्विन उन सेंसर संकेतों को रखरखाव निर्णयों में बदलते हैं। साथ मिलकर, ये दो तकनीकें इंजीनियरों को यह पहले और स्पष्ट रूप से दिखा सकती हैं कि कब कोई भाग विफल होने वाला है, बजाय निर्धारित विघटन या उड़ान के दौरान दोष की प्रतीक्षा करने के, जिससे रखरखाव लागत कम होती है, विमान का डाउनटाइम घटता है, घटकों का जीवनकाल बढ़ता है, और सुरक्षा में सुधार होता है।

परम्परागत विमान रखरखाव की सीमाएँ

एयरोस्पेस उद्योग वैश्विक अर्थव्यवस्था का एक महत्वपूर्ण स्तंभ है, जो न केवल वाणिज्यिक विमानन और अंतरिक्ष अन्वेषण बल्कि माल परिवहन, रक्षा और उन्नत विनिर्माण का भी समर्थन करता है।

एक सामान्य उपभोक्ता उत्पाद के विपरीत, यहाँ दोष और विफलताओं की कोई गुंजाइश नहीं है, क्योंकि यह आसानी से बड़े पैमाने पर जीवन-धमकी बन सकता है।

आधुनिक विमान अत्यधिक परिष्कृत इंजीनियरिंग सिस्टम हैं, जो लाखों व्यक्तिगत भागों से बने होते हैं जो कठोर और विविध यांत्रिक, थर्मल और पर्यावरणीय स्थितियों में कार्य करते हैं। एक बार जब विमान वायुमंडल से बाहर निकलता है, तो उसे विकिरण और वैक्यूम का भी सामना करना पड़ता है। इन स्थितियों के लिए घटकों को दशकों के थकान चक्रों को सहन करने के लिए पर्याप्त मजबूत, ईंधन लागत कम रखने के लिए हल्का, और भुगतान करने वाले यात्रियों को ले जाने के लिए विश्वसनीय होना आवश्यक है।

विमानों की सुरक्षा और विश्वसनीयता सुनिश्चित करने के लिए, उन्हें अपने संचालन जीवनकाल में कठोर निरीक्षण और रखरखाव से गुजरना पड़ता है। हालांकि, रखरखाव उद्योग की सबसे बड़ी चुनौतियों में से एक बना रहता है। क्योंकि विमान अक्सर उनकी वास्तविक संरचनात्मक स्थिति की परवाह किए बिना निर्धारित निरीक्षणों से गुजरते हैं, जिससे श्रम लागत बढ़ती है। पारंपरिक निरीक्षण प्रक्रियाएँ भी बाहरी निदान उपकरणों पर बहुत अधिक निर्भर करती हैं, जिसका अर्थ है कि अगली जांच से पहले क्षति का पता नहीं चल सकता।

योजना बनाकर किए जाने वाले जांच आवश्यक हैं, क्योंकि अप्रत्याशित विफलताएँ अनियोजित रखरखाव घटनाओं, संचालन व्यवधानों और उड़ान देरी जैसी अधिक महंगी घटनाओं का कारण बन सकती हैं। कभी-कभी, स्वस्थ घटकों को जल्दी बदल दिया जाता है केवल इसलिए कि पहनाव की सटीक स्थिति ज्ञात नहीं होती, जिससे विमान का डाउनटाइम बढ़ जाता है।

फिर आपूर्ति श्रृंखला की बाधाएँ आती हैं, जैसे विशेष भागों, सामग्रियों और कुशल श्रमिकों की कमी, जो मरम्मत समय को लंबा करके और अनावश्यक विमान ग्राउंडिंग करके रखरखाव प्रदाताओं पर अतिरिक्त दबाव डालती हैं।

अस्थिर ईंधन कीमतों और कड़े उत्सर्जन अपेक्षाओं को जोड़ें, तो यह समझ में आता है कि एयरोस्पेस उद्योग सक्रिय रूप से ऐसी तकनीकों की तलाश में है जो निर्धारित रखरखाव और विमान की वास्तविक स्थिति के बीच अंतर को कम कर सकें।

इसका मतलब है ऐसी तकनीक जो वास्तविक समय में लगातार विमान स्वास्थ्य की निगरानी कर सके, न कि केवल निश्चित रखरखाव अंतरालों पर निर्भर रहे। लेकिन एयरोस्पेस रखरखाव में अगला वास्तविक लाभ एक ही नवाचार सामग्री या एक ही AI मॉडल से नहीं, बल्कि दोनों को मिलाकर आएगा। यहीं पर स्मार्ट पायज़ोइलेक्ट्रिक सामग्री और AI-चालित डेटा एनालिटिक्स का महत्व सामने आता है।

स्मार्ट सेंसर और AI के साथ बुद्धिमान विमान निर्माण

लगभग एक सदी पहले, अधिकांश विमान शरीर धातु मिश्रधातुओं, विशेष रूप से एल्यूमीनियम मिश्रधातुओं से बने होते थे, क्योंकि वे हल्के, लोचदार और रूपांतरित करने योग्य होते थे, साथ ही उच्च थर्मल प्रतिरोध, उच्च पिघलने बिंदु और जंग प्रतिरोधी होते थे। लेकिन तकनीकी प्रगति ने उन्हें नैनोटेक्नोलॉजी और स्मार्ट सामग्री से बदल दिया, जिससे विमान की संरचनात्मक डिजाइन और संचालन घटकों में सुधार हुआ।

नैनोपार्टिकल्स की ओर बदलाव ने वजन कम करने और ताकत बढ़ाने में मदद की, जिससे ईंधन उपयोग की कुल लागत घट गई। इसी बीच, स्मार्ट सामग्री ने पारंपरिक संरचनात्मक सामग्रियों की तुलना में बेहतर गुण प्रदान किए, जैसे स्व-सेन्सिंग, मेमोरी स्टोरेज, और व्यापक स्व-अनुकूलन क्षमताएँ।

स्मार्ट सामग्री ऐसी सामग्री हैं जिन्हें नियंत्रित तरीके से पर्यावरण के प्रति अपनी प्रतिक्रिया को अनुकूलित करने के लिए इंजीनियर किया जाता है, बाहरी उत्तेजनाओं के जवाब में अपनी संरचनात्मक गुणों को बदलती हैं।

पायज़ोइलेक्ट्रिक सामग्री एक प्रकार की स्मार्ट सामग्री है जो यांत्रिक तनाव के अधीन होने पर विद्युत चार्ज उत्पन्न करती है और जब विद्युत वोल्टेज लागू किया जाता है तो भौतिक रूप से विकृत होती है। इन सामग्रियों में कम ऊर्जा खपत, विस्तृत बैंडविड्थ और उच्च बल उत्पन्न करने जैसी उल्लेखनीय विशेषताएँ भी होती हैं, जिससे कंप्यूटर, ऑप्टिकल डिवाइस, सेंसर, ट्रांसड्यूसर, ऑटोमोटिव सिस्टम, मेडिकल डिवाइस, एयरोस्पेस और ईंधन इंजेक्टर सहित कई क्षेत्रों में उपयोग होते हैं।

लीड मैग्नीशियम नियोबेट, लीड जिरकोनेट टाइटेनेट (PZT), और पॉलीविनाइलिडीन फ्लोराइड पॉलिमर सबसे अधिक उपयोग की जाने वाली पायज़ोइलेक्ट्रिक सामग्री हैं।

रोचक बात यह है कि इन सामग्रियों को नैनोस्केल तक छोटा करने से उनकी संवेदनशीलता और बढ़ जाती है। उदाहरण के लिए, नैनोवायर और पतली नैनो-परत पायज़ोइलेक्ट्रिक संरचनाएँ छोटे तनाव, कंपन और प्रभावों को पकड़ सकती हैं, क्योंकि उनके परमाणुओं का बड़ा हिस्सा सतह पर स्थित होता है और विद्युत प्रतिक्रिया में योगदान देता है।

नैनो-पायज़ोइलेक्ट्रिक सेंसर विमान संरचनाओं को प्रभावी रूप से स्वयं की निगरानी करने की अनुमति देने के कारण बढ़ती रुचि आकर्षित कर रहे हैं। नियमित दृश्य निरीक्षणों पर निर्भर रहने के बजाय, ये एम्बेडेड सेंसर सामान्य संचालन के दौरान निरंतर तनाव, कंपन, थकान, दरार की शुरुआत और अन्य संरचनात्मक परिवर्तन का पता लगा सकते हैं।

इन्हें विमान की स्किन, पंखों और कंपोजिट लैमिनेट्स में एम्बेड किया जा सकता है, जहाँ वे एयरफ़्रेम के लिए एक तंत्रिका तंत्र के रूप में कार्य करते हैं, लगातार प्रभाव घटनाओं को विद्युत संकेतों में बदलते हैं, बिना बाहरी पावर स्रोत की आवश्यकता के।

जब इन्हें AI एल्गोरिदम के साथ जोड़ा जाता है, तो इन सेंसरों से प्राप्त उच्च-आवृत्ति, कम-आम्प्लिट्यूड और अक्सर शोरयुक्त डेटा की बड़ी मात्रा को वास्तविक समय में विश्लेषित किया जा सकता है, जिससे सामान्य संचालन व्यवहार को क्षति के प्रारंभिक संकेतों से अलग किया जा सके।

मशीन लर्निंग मॉडल को ऐसे विशिष्ट कंपन या प्रतिरोध सिग्नेचर पहचानने के लिए प्रशिक्षित किया जा सकता है जो दरार, डेलैमिनेशन, जंग या थकान से जुड़े हों, और यह ऑन-बोर्ड उपयोग के लिए पर्याप्त तेज़ है।

साथ मिलकर, ये तकनीकें संरचनात्मक स्वास्थ्य निगरानी प्रदान करती हैं जो केवल निर्धारित ग्राउंड चेक के दौरान नहीं, बल्कि पृष्ठभूमि में निरंतर चल सकती हैं, जिससे रखरखाव टीमें छोटे दोषों को बड़े मरम्मत में बदलने से पहले हस्तक्षेप कर सकें।

एज कंप्यूटिंग, हाइब्रिड CNN-LSTM मॉडल, और डिजिटल ट्विन एयरोस्पेस में संरचनात्मक स्वास्थ्य निगरानी में AI के वास्तविक समय प्रदर्शन और सटीकता की निगरानी के लिए उपयोग की जाने वाली तकनीकों में शामिल हैं।

इस प्रकार की निरंतर संरचनात्मक जागरूकता न केवल अनावश्यक निरीक्षण और रखरखाव लागत को कम करती है, बल्कि विमान की उपलब्धता में सुधार करती है और उद्योग को भविष्यवाणी आधारित रखरखाव और डिजिटल विमान स्वास्थ्य प्रबंधन की ओर बदलाव का समर्थन करती है।

अनुसंधान उपलब्धियों से वास्तविक विश्व विमानन तक

एक समीक्षा पत्र जिसका शीर्षक “Advancement of nano-based piezoelectric material with integration of artificial intelligence in aerospace” है, ने यह जांचा कि नैनो-पायज़ोइलेक्ट्रिक सामग्री और AI भविष्य के एयरोस्पेस सिस्टम को कैसे पुनः आकार दे सकते हैं, और इस एकीकरण को विस्तार से प्रस्तुत किया।

लेखकों ने प्रमुख नैनो-पायज़ोइलेक्ट्रिक सामग्री, उनके निर्माण विधियों, एयरोस्पेस अनुप्रयोगों, और AI-आधारित विश्लेषणात्मक तकनीकों के साथ एकीकरण की समीक्षा की।

पत्र में बताया गया है कि कैसे सिरेमिक, पॉलीमर और कंपोजिट से निर्मित नैनो-पायज़ोइलेक्ट्रिक सामग्री, जहाँ क्वांटम और सतह प्रभाव महत्वपूर्ण हो जाते हैं, बड़े पैमाने की सामग्रियों की तुलना में बहुत अधिक पायज़ोइलेक्ट्रिक गुणांक प्रदान कर सकती हैं, क्योंकि निचले स्तर से उगाने पर सतह-से-आयतन अनुपात अधिक और क्रिस्टल संरेखण बेहतर होता है, जबकि ऊपर से मशीनिंग करने पर यह कम होता है।

बॉटम-अप तकनीक नैनो सामग्री में वांछित डिज़ाइन और संरचनाएँ प्राप्त करने की अत्याधुनिक निर्माण विधि है।

मुख्यतः रासायनिक वेट विधि और वाष्प जमाव से बनी बॉटम-अप संश्लेषण c-धुरी अभिविन्यास को बढ़ाता है, जो उच्च पायज़ोइलेक्ट्रिक गुणांक और वोल्टेज आउटपुट के सीधे अनुपात में है। टॉप-डाउन दृष्टिकोण, जो भौतिक विधियों से नैनोपार्टिकल्स बनाते हैं, लीकेज करंट और डिपोलराइज़ेशन के कारण 20%-30% प्रदर्शन में कमी लाने वाले दोष प्रस्तुत करते हैं।

अध्ययन के अनुसार, ये सामग्री पारंपरिक पायज़ोइलेक्ट्रिक सामग्री की सेंसर क्षमताओं को नैनो सामग्री की यांत्रिक शक्ति, जंग प्रतिरोध और हल्केपन के साथ मिलाती हैं।

इन गुणों के कारण नैनो-पायज़ोइलेक्ट्रिक सामग्री विमान घटकों में सीधे एम्बेडेड संरचनात्मक स्वास्थ्य निगरानी प्रणालियों के लिए आकर्षक उम्मीदवार बनती हैं।

स्वतंत्र सेंसर के रूप में कार्य करने के बजाय, ये सामग्री बुद्धिमान विमान संरचनाओं का हिस्सा बन सकती हैं, जो विमान के सेवा जीवन के दौरान निरंतर परिचालन डेटा उत्पन्न करने में सक्षम हैं।

पत्र में इन सेंसरों से प्राप्त संकेतों की व्याख्या में AI की भूमिका को भी उजागर किया गया है।

“हालांकि नैनो-पायज़ोइलेक्ट्रिक सामग्री स्व-शक्तिसेन्सिंग, कंपन पहचान, और एयरोस्पेस संरचनाओं की ऊर्जा संग्रहण के संदर्भ में बड़ी संभावनाएँ प्रस्तुत करती है, स्मार्ट सामग्री की वास्तविक सफलता स्मार्ट डेटा हैंडलिंग पर अत्यधिक निर्भर करती है,” अध्ययन ने कहा। “यह अंतर कृत्रिम बुद्धिमत्ता (AI) के माध्यम से भरा जा सकता है, जो पायज़ोइलेक्ट्रिक सेंसरों द्वारा उत्पन्न उच्च-आवृत्ति, कम-आम्प्लिट्यूड संकेतों को वास्तविक समय में प्रोसेस करती है।”

एयरोस्पेस में, AI एक बुद्धिमान सहायक के रूप में कार्य करता है जो मानव निर्णय लेने में सुधार करता है और प्रतिकूल परिस्थितियों में मानव निर्णय को प्रतिस्थापित करता है।

विशेष रूप से, मशीन लर्निंग मॉडल अनुकूलित ऊर्जा संग्रहण, अनुकूली कंपन नियंत्रण, और बदलते एयरोडायनामिक लोड और अत्यधिक पर्यावरणीय स्थितियों के दौरान स्वचालित क्षति पहचान में मदद कर सकते हैं।

लेखकों का तर्क है कि AI एयरोस्पेस डिजाइन अनुकूलन, कम्प्यूटेशनल मॉडलिंग, रिड्यूस्ड-ऑर्डर मॉडलिंग (ROM), और संरचनात्मक निगरानी को भी सुधार सकता है, जटिल डेटा सेट से कार्यात्मक अंतर्दृष्टि प्राप्त करके, जिन्हें मैन्युअल रूप से मूल्यांकन करना कठिन होगा।

“यह संयोजन कच्चे पायज़ोइलेक्ट्रिक डेटा को कार्यात्मक बनाता है, जिससे विमान की विश्वसनीयता में सुधार, रखरखाव लागत में कमी, और स्वायत्त निर्णय लेने की अनुमति मिलती है,” अध्ययन ने कहा।

यह आगे नोट करता है कि AI उन क्षय और शोर चुनौतियों को संभालने के लिए उपयुक्त है जो इन सामग्रियों को एयरोस्पेस सेवा में कठोर परिस्थितियों के कारण उत्पन्न होती हैं। इसमें अत्यधिक तापमान परिवर्तन, विकिरण एक्सपोजर, और वैक्यूम साइक्लिंग शामिल हैं, जो समय के साथ इन सामग्रियों की पायज़ोइलेक्ट्रिक प्रतिक्रिया को घटा सकते हैं।

इन स्थितियों के कारण निरंतर थर्मल या विकिरण तनाव के तहत प्रदर्शन में गिरावट और लीकेज करंट में वृद्धि होती है।

AI यहाँ कैसे मदद करता है, इस बारे में लेखक ऐसे अनुप्रयोगों का वर्णन करते हैं जैसे कि कंपोजिट लैमिनेट्स में पायज़ोइलेक्ट्रिक सेंसर को सीधे एम्बेड करना ताकि वास्तविक समय संरचनात्मक स्वास्थ्य निगरानी हो सके, और AI मॉडल का उपयोग करके गाइडेड-वेव या इम्पीडेंस संकेतों को क्षति प्रकार और गंभीरता के अनुसार वर्गीकृत किया जा सके। भविष्यवाणी रखरखाव एल्गोरिदम, जो संचित उड़ान और सेंसर डेटा से सीखते हैं, विकसित समस्याओं को सुरक्षा मुद्दों बनने से पहले चिन्हित करने के लिए लागू किए जाते हैं।

अध्ययन नोट करता है कि AI-आधारित इंजीनियरिंग सिस्टम कुछ वर्षों से एयरोस्पेस में उपयोग किए जा रहे हैं, लेकिन अधिक जटिल नियंत्रण प्रणालियों के साथ चुनौतियों का सामना कर रहे हैं।

जब AI मौजूदा तकनीकों जैसे फ्लाई-बाय-वाईर नियंत्रण को बढ़ाता है, तो उड़ान प्रणाली में सुधार होता है, लेकिन प्रदर्शन, अनुपालन और आश्वासन में आगे की वृद्धि की आवश्यकता है ताकि पायलट प्रतिक्रिया समयसीमा और संरचनात्मक सटीकता में परिणामों को अनुकूलित किया जा सके।

जब किसी सिस्टम में नया AI एल्गोरिद्म पेश किया जाता है, तो इसे प्रारंभ से ही सुपरवाइज़्ड इंटीग्रेशन की आवश्यकता होती है।

उन्नत विमान संचालन के लिए AI के कार्यान्वयन को प्रारंभिक चरणों से निरंतर इंजीनियरिंग निगरानी की आवश्यकता होती है। अतिरिक्त रूप से, डेटा को सुपरवाइज़्ड लर्निंग के लिए क्लस्टरिंग की आवश्यकता होती है। अध्ययन निष्कर्ष निकालता है:

“एयरोस्पेस डिजाइन में एल्गोरिद्म के कार्यान्वयन की नवीनता यह संकेत देती है कि अधिकांश जानकारी उपलब्ध नहीं हो सकती। इसलिए, AI का एकीकरण तब तक कुछ सहायता की आवश्यकता रखता है जब तक इन एल्गोरिद्म की एयरोस्पेस उद्योग में पूर्ण विश्वसनीयता स्थापित न हो जाए। इन लर्निंग एल्गोरिद्मों को उनके असाधारण प्रशिक्षण, सत्यापन, साथ ही डेटा के प्रमाणन और वैधता के साथ सम्मिलित करने के लिए इंजीनियरिंग सिस्टम में कुछ विकसित तकनीकों की आवश्यकता होती है।”

व्यापक अपनाने की चुनौतियों में निर्माण स्केलेबिलिटी, दीर्घकालिक टिकाऊपन, और व्यावहारिक कार्यान्वयन शामिल हैं।

साथ ही बड़े, उच्च-गुणवत्ता वाले डेटा सेट की कमी है जो संयुक्त थर्मल, विकिरण और कंपन की चरम स्थितियों को कैप्चर करते हैं, और शोरयुक्त, उच्च-आवृत्ति संकेतों पर AI इनफ़रेंस को उड़ान के दौरान उपयोग के लिए पर्याप्त तेज़ी से चलाने में कठिनाई है। एयरोस्पेस गुणवत्ता मानकों की गति नई, AI-ऑप्टिमाइज़्ड सामग्री प्रणालियों को अपनाने में भी बहुत धीमी है।

इन चुनौतियों के बावजूद, नैनो-पायज़ोइलेक्ट्रिक सेंसरिंग को AI के साथ मिलाना भविष्य के भविष्यवाणी रखरखाव और अधिक स्मार्ट एयरोस्पेस सिस्टम के लिए एक आशाजनक दिशा दर्शाता है, अध्ययन ने कहा।

AI-संचालित एयरोस्पेस भविष्यवाणी रखरखाव में निवेश: GE Aerospace

GE Aerospace (GE ) नैनो-पायज़ोइलेक्ट्रिक सामग्री में शुद्ध-खेल नहीं है, लेकिन यह एक व्यावसायिक रूप से सिद्ध डाउनस्ट्रीम प्लेटफ़ॉर्म संचालित करता है, जिसमें उन्नत एम्बेडेड सेंसर डेटा प्रदान करेंगे: विमान डेटा सिस्टम, AI-सहायता प्राप्त निरीक्षण, भविष्यवाणी रखरखाव विश्लेषण, डिजिटल ट्विन, और MRO वर्कफ़्लो।

कंपनी पहले से ही डिजिटल टूल्स का उपयोग करके इंजन प्रदर्शन संकेतकों की निगरानी करती है, जिसमें कंपन, ईंधन प्रवाह, रोटर गति, गैस तापमान और तेल उपयोग शामिल हैं, और सिस्टम संभावित समस्याओं का पता लगाकर बेड़े ऑपरेटरों के लिए रखरखाव कार्यों की सिफारिश करता है।

इसके AI और मशीन लर्निंग मॉडल भी स्थितियों की निगरानी का विस्तार करने और अधिक सुसंगत इंजन-ब्लेड निरीक्षणों को मार्गदर्शन करने के लिए उपयोग किए जाते हैं।

सिर्फ कुछ महीने पहले, कंपनी ने एक AI-संचालित ऐप के सफल प्रदर्शन की घोषणा की, जिसने सेकंडों में एक एयर-ब्रीदिंग रैमजेट इंजन के लिए प्रारंभिक डिजाइन लेआउट उत्पन्न किया।

“जनरेटिव AI टूल्स का उपयोग करके हम डिजाइन साइकिल समय को काफी कम कर सकते हैं, जिससे हम परीक्षण में तेज़ और अंततः सबसे बेहतर, सबसे सिद्ध अंतिम उत्पाद को व्यावसायिक बनाने में तेज़ हो सकते हैं। जनरेटिव AI का उपयोग करके हाइपरसोनिक रैमजेट के इंजीनियरिंग डिजाइन अध्ययन एक उल्लेखनीय प्रमाण बिंदु है जो AI की डिजाइन प्रक्रिया में क्रांति लाने की क्षमता को दर्शाता है।”

– Joe Vinciquerra, जनरल मैनेजर और सीनियर एक्जीक्यूटिव डायरेक्टर, GE Aerospace Research

यह ऐप इंजीनियरों को शुरुआती डिजाइन अध्ययन कार्य को हफ्तों या महीनों से घटाकर केवल सेकंडों में पूरा करने की अनुमति देता है। कंपनी अपने जनरेटिव AI डिजाइन ऐप के उपयोग को RISE कार्यक्रम के माध्यम से जेट इंजन तकनीकों को तेज़ करने के लिए भी विस्तारित करने की योजना बना रही है, जो अगली पीढ़ी के नॅरोबॉडी इंजनों के लिए ओपन फैन आर्किटेक्चर जैसी तकनीकों को आगे बढ़ाता है।

“GE Aerospace AI में पूरी तरह से निवेशित है,” विन्सिक्वेरा ने निष्कर्ष निकाला। “हाइपरसोनिक गति वाले रैमजेट को डिजाइन करने के लिए जनरेटिव AI का उपयोग यह दर्शाता है कि हम AI विज्ञान को दशकों के एम्बेडेड ज्ञान के साथ कैसे जोड़ रहे हैं ताकि वाणिज्यिक और सैन्य जेट इंजन तकनीकों का भविष्य आकार दिया जा सके।”

इसी समय के आसपास, कंपनी ने Palantir Technologies (PLTR ) के साथ अपनी बहु-वर्षीय साझेदारी का विस्तार किया, ताकि अपने सैन्य विमानन रखरखाव और व्यापक उत्पादन प्रणालियों में एजेंटिक AI को लागू किया जा सके, जिससे विफलताओं की भविष्यवाणी, आपूर्ति श्रृंखला की दृश्यता में सुधार, और US Air Force बेड़ों को मिशन-रेडी बनाए रखा जा सके।

हालांकि इस साझेदारी से बहुत पहले, GE Aerospace ने अपने इंजन बेड़े में AI-चालित भविष्यवाणी रखरखाव लागू किया था, जिसमें वास्तविक समय सेंसर डेटा को डिजिटल ट्विन मॉडलों के साथ मिलाकर इंजन की उम्र बढ़ने का सिमुलेशन किया गया। इस दृष्टिकोण ने GE को उभरते इंजन मुद्दों का लगभग 60% पहले पता लगाने, अनियोजित इंजन हटाने को कम करने, और स्पेयर पार्ट्स की भविष्यवाणी की सटीकता में सुधार करने में सक्षम बनाया।

बाजार प्रदर्शन की बात करें तो, GE Aerospace एक वैश्विक एयरोस्पेस प्रोपल्शन, सेवाओं और सिस्टम्स कंपनी है, जिसके पास 50,000 से अधिक वाणिज्यिक और 30,000 सैन्य विमान इंजन स्थापित हैं। इसका स्टॉक इस महीने की शुरुआत में लगभग $383 पर नई सर्वकालिक उच्च (ATH) पर पहुंचा। वर्तमान में यह लगभग $350 पर ट्रेड हो रहा है, YTD में 17% और पिछले वर्ष में 35.38% बढ़ा है।

GE, जिसका मार्केट कैप $375 बिलियन है, का EPS (TTM) 8.06 और P/E (TTM) 44.70 है। यह 0.52% का डिविडेंड यील्ड देता है।

कंपनी के वित्तीय आंकड़ों के बारे में, GE ने 2026 की पहली तिमाही में मजबूत प्रदर्शन रिपोर्ट किया, जिसमें “ऑर्डर 87% बढ़े और राजस्व 29% बढ़ा, जिससे आय और फ्री कैश फ्लो में दो-अंकीय वृद्धि का समर्थन हुआ,” साथ ही $170 बिलियन का वाणिज्यिक सेवाओं का बैकलॉग भी था।

हाल ही में, CEO लॉरेंस कल्प ने साझा किया कि उच्च ईंधन कीमतों और कम उड़ान प्रस्थान के बावजूद, “वृद्धि तुलनात्मक रूप से स्थिर” है, कंपनी ने एयरलाइन ग्राहकों से कोई संचालन प्रभाव या व्यवहार में बदलाव नहीं देखा है। “हम दूसरे तिमाही के बारे में बहुत अच्छा महसूस कर रहे हैं,” कल्प ने कहा।

गुरुवार को, GE ने 2026 की दूसरी तिमाही के परिणाम जारी किए, जिसमें कुल राजस्व $13.3 बिलियन और समायोजित राजस्व $12.6 बिलियन बताया गया, क्रमशः 21% और 24% बढ़े, जबकि कुल कंपनी ऑर्डर 17% बढ़कर $16.5 बिलियन हो गए।

इस अवधि के लिए, GE ने $2.8 बिलियन GAAP लाभ और $2.7 बिलियन ऑपरेटिंग लाभ दर्ज किया। GAAP EPS $2.30 था, जो 23% बढ़ा, जबकि समायोजित EPS $2.02 था, जो 22% बढ़ा। ऑपरेटिंग गतिविधियों से नकदी 39% बढ़कर $3.3 बिलियन हुई, जबकि फ्री कैश फ्लो 43% बढ़कर $3 बिलियन हो गया। बैकलॉग $210 बिलियन पर रहा।

इसे फिर एक “मजबूत” तिमाही कहते हुए, कल्प ने कहा कि उनका स्वामित्व वाला लीन ऑपरेटिंग मॉडल, FLIGHT DECK, संचालन सुधारों को “इस तिमाही में रिकॉर्ड आंतरिक शॉप विज़िट आउटपुट” के साथ जारी रखता है।

GE Aerospace ने वर्ष के पहले आधे में कुल इंजन डिलीवरी में 31% की वृद्धि भी दर्ज की। कल्प ने जोड़ा:

“हमारे असाधारण वर्ष-से-आज तक के प्रदर्शन और वर्ष के शेष हिस्से के लिए दृश्यता को देखते हुए, हम पूरे वर्ष के मार्गदर्शन को सभी क्षेत्रों में बढ़ा रहे हैं।”

निष्कर्ष

जैसे AI वित्त, साइबर सुरक्षा, स्वास्थ्य देखभाल और विनिर्माण में क्रांति ला रहा है, यह तकनीक एयरोस्पेस रखरखाव को भी धीरे-धीरे बदल रही है। AI, स्मार्ट सेंसरिंग तकनीकों के साथ, प्रतिक्रियात्मक और अनुसूचित प्रक्रिया से भविष्यवाणी-आधारित अभ्यास की ओर बदलाव को प्रेरित कर रहा है।

एयरोस्पेस रखरखाव को हमेशा सुरक्षा, वजन और लागत के बीच संतुलन बनाना पड़ता है, जैसा कि अन्य कई उद्योग नहीं कर पाते, और दशकों तक यह मुख्यतः निर्धारित निरीक्षणों और रूढ़िवादी भाग-प्रतिस्थापन अंतरालों के माध्यम से प्रबंधित किया गया।

लेकिन नैनो-पायज़ोइलेक्ट्रिक सेंसर, जो विमान संरचनाओं की निरंतर निगरानी की संभावना प्रदान करते हैं, और AI, जो उनके वास्तविक समय डेटा को स्वचालित क्षति पहचान, अनुकूलित ऊर्जा संग्रहण, और भविष्यवाणी संरचनात्मक स्वास्थ्य निगरानी के लिए कार्यात्मक रखरखाव अंतर्दृष्टियों में बदल सकता है, का संयोजन विमान की विश्वसनीयता को सुधारता है, रखरखाव लागत को कम करता है, सुरक्षा को मजबूत करता है, और स्वायत्त निर्णय लेने की अनुमति देता है।

शीर्ष एयरोस्पेस और रक्षा स्टॉक्स की सूची के लिए यहाँ क्लिक करें।

संदर्भ

1. Awan, M. S. U. D., Elahi, H., Ali, A., Wael, A. A., Noori, M. & Kouritem, S. A. एवांसमेंट ऑफ़ नैनो-आधारित पायज़ोइलेक्ट्रिक सामग्री विद इंटीग्रेशन ऑफ़ आर्टिफिशियल इंटेलिजेंस इन एयरोस्पेस. Materials Today Sustainability, 101371 (2026). https://www.geaerospace.com/news/press-releases/ge-aerospace-completes-design-studies-hypersonic-ramjet-generative-ai