Saving Jet Fuel es una entrada de blog que se convirtió en una visita guiada por la ingeniería aeroespacial, sistemas distribuidos y software de código abierto. La autora de la entrada, una investigadora llamada Junzi Sun, quiere encontrar una forma más económica de cruzar el Atlántico — y en el camino, muestra un máquina virtual de Python, modelos de vuelo de una universidad holandesa y una base de datos meteorológica de NOAA.
El problema es simple de enunciar pero difícil de resolver. Un Boeing 787-9 Dreamliner volando sin escalas desde el Aeropuerto Internacional Newark Liberty (EWR) hasta el Aeropuerto Leonardo da Vinci-Fiumicino (FCO) podría necesitar $68,000 en combustible para aviones durante un vuelo de 8.5 horas. Las condiciones del viento cambian constantemente, y ajustar la ruta de vuelo para esos cambios podría reducir el consumo de combustible y posiblemente ahorrar unos pocos miles de dólares.
Las Herramientas Detrás de la Entrada
La configuración de Sun se lee como una hoja de especificaciones de hardware para una estación de trabajo de alta gama. Él ejecuta una CPU AMD Ryzen 9 9950X a 5.7 GHz con 16 núcleos y 32 hilos, 96 GB de RAM DDR5 a 4,800 MT/s, y un SSD NVMe Crucial T700 de 4 TB que lee hasta 12,400 MB/s. El sistema es enfriado por un refrigerador líquido y se encuentra en un gabinete Cooler Master HAF 700, alimentado por una fuente de alimentación Corsair de 1,200 vatios y una placa base ASRock X870E Nova 90.
El sistema operativo es Ubuntu 24 LTS ejecutándose a través de Ubuntu para Windows de Microsoft en Windows 11 Pro. Sun explica que se queda en Windows porque su GPU Nvidia GTX 1080 tiene un mejor soporte de controladores allí, y ArcGIS Pro solo funciona en esa plataforma.
De OpenAP a Scikit-Decide
El núcleo de la entrada es una comparación entre dos rutas de vuelo, ambas voladas usando el Airbus A320 y el modelo de consumo de combustible de OpenAP. OpenAP es un modelo de rendimiento de aeronaves y un conjunto de herramientas desarrollado por Sun mismo. Él tiene un doctorado en gestión del tráfico aéreo y enseña la materia como profesor asistente titular en la TU Delft en los Países Bajos.
Scikit-decide es el marco de planificación que está haciendo el trabajo real. Ha estado en desarrollo durante seis años y es un marco para el aprendizaje por refuerzo, la planificación automatizada y la programación. Puede optimizar las rutas de vuelo, re-organizar los horarios de la fuerza laboral de las aerolíneas y calcular las rutas de enjambres de drones. El proyecto se puede configurar para usar diferentes modelos de consumo de combustible.
The installation process is thorough. Sun sets up a Python Virtual Environment with python3 -m venv ~/.flight_planning and source ~/.flight_planning/bin/activate, then installs scikit-decide, OpenAP and OpenTop. OpenTop is another flight trajectory toolkit developed by Sun.
Los Datos que Ejecutan el Solucionador
El modelo de OpenAP se basa en una gran cantidad de conjuntos de datos empaquetados con su código base. Los conjuntos de datos cubren una amplia variedad de aeronaves, y Sun proporciona un recuento de fabricantes:
- Boeing: 17 entradas
- Airbus: 13 entradas
- Embraer: 5 entradas
- Gulfstream: 1 entrada
- Cessna: 1 entrada
Él también abre los archivos mismos. La entrada del Airbus A380-800 enumera el peso máximo de despegue, el peso máximo de aterrizaje, el peso vacío, la capacidad máxima de combustible, límites de velocidad y más. El archivo de polar de arrastre agrega sus propios coeficientes, y un archivo de texto separado contiene datos de envolvente adicionales.
Sun utiliza DuckDB para manejar los datos, cargando sus extensiones H3, JSON, Lindel, Parquet y Spatial. Él configura un archivo de configuración para que cada extensión se cargue automáticamente al inicio.
Lo que muestra la Comparación
La publicación no publica el ahorro exacto de sus dos rutas de vuelo. En cambio, guía a los lectores a través de las herramientas y los datos que hicieron posible la comparación. La comparación en sí misma es el método, no el resultado.
El punto más amplio es que existen herramientas de código abierto para este tipo de trabajo. Empresas como Jeppesen ofrecen soluciones comerciales, pero Scikit-decide, los modelos de la Delft University of Technology y los datos de viento de la NOAA ofrecen una alternativa gratuita. La publicación de Sun demuestra que un investigador puede ensamblar una canalización de trabajo a partir de componentes disponibles de forma gratuita.
La publicación está densa con detalles técnicos, y asume un lector que conoce Python y scripting de shell. Pero la idea subyacente es fácil de comprender: la trayectoria de un vuelo no está fija, y pequeños ajustes pueden reducir costos.
Números Clave
- Vuelo: Boeing 787-9 Dreamliner de EWR a FCO, 8.5 horas
- Costo estimado de combustible: $68K
- Ahorro potencial: unos pocos miles de dólares
- Tipos de aeronaves OpenAP: 3,369 líneas de Python, 17 Boeing, 13 Airbus, 5 Embraer, 1 Gulfstream, 1 Cessna
- Paquetes instalados: 26 en total, incluyendo scikit-decide 1.1.1 y OpenAP
- Estación de trabajo: 5.7 GHz Ryzen 9 9950X, 96 GB DDR5, 4 TB Crucial T700 SSD
- Sistema operativo: Ubuntu 24 LTS a través de Ubuntu para Windows en Windows 11 Pro
Cronograma de pasos de instalación
| Paso | Comando |
|---|---|
| Agregar repositorio de Python | sudo add-apt-repository ppa:deadsnakes/ppa |
| Actualizar paquetes. | sudo apt update |
| Instalar prerrequisitos. | sudo apt install jq python3-pip python3.12-venv |
| Configurar un entorno virtual. | python3 -m venv ~/.flight_planning; source ~/.flight_planning/bin/activate |
| Instalar librerías. | pip install 'scikit-decide[all]' 'openap[all]' opentop |
| Cargar extensiones de DuckDB. | INSTALL h3 FROM community; INSTALL lindel FROM community; INSTALL json; INSTALL parquet; INSTALL spatial |
La publicación es una demostración útil de lo que las herramientas de código abierto pueden hacer en la investigación aeroespacial. Muestra cómo un investigador puede construir una canalización de planificación de vuelo personalizada a partir de modelos y datos disponibles de forma gratuita, sin depender de software propietario.
La comparación en sí es una declaración metodológica. Sun no está publicando un número final, pero está demostrando que la cuestión de la eficiencia del combustible es abordable con las herramientas adecuadas. Ese es el valor del ejercicio.
El detalle del hardware es entretenido por su especificidad. Un procesador de 5.7 GHz, una fuente de alimentación de 1,200 vatios, una GTX 1080: este no es un equipo de laboratorio modesto. La decisión de Sun de seguir usando Windows debido a ArcGIS Pro es un detalle pequeño pero revelador sobre cómo los requisitos de software institucional moldean los flujos de trabajo personales.
La publicación es un recordatorio de que las herramientas de la ciencia ahora están ampliamente disponibles, incluso si el conocimiento detrás de ellas no siempre es fácil de acceder. El trabajo de Sun es un puente entre ambos, y su disposición a documentarlo paso a paso es generosa.
Recibe El Cuaderno.
Las mejores historias del día y cada veredicto nuevo, en español claro, en tu correo a las siete. Un correo al día, nada más.