论文部分内容阅读
摘 要：随着物联网、机器学习、AR等技术的兴起，航空维修技术不断升级。维修理念也正在从以定期检查、提前更换为主要维修手段的预防性维修向基于数据分析和趋势分析的预测性维修转变。国内外OEM厂商、MRO和航空公司都在努力开发预测性维修技术，提高维修效率，降低维修成本，提高飞机的运行质量和安全水平。从技术发展、技术应用、发展障碍与挑战、发展模式等方面论述了预测维修对航空维修业的影响。希望能对国内OEM厂商、航空公司、MRO等开发预测性维修项目或开展预测性维修研究提供一定的借鉴和启示。
关键词：航空维修;项目;借鉴;影响
1 预测性维修的发展
作为当前最新的飞机健康管理理念，预测性维修是指通过获取飞机上每个部件实时的健康数据，对数据流进行管理并且持续整合最新的维护记录，通过算法对数据分类、分析、整合，以预测单个或多个部件的故障，实时管控整个机队的状况，从而降低维修成本，提升安全性。
基于 AI 的预测性维修在大数据的推动下，可以预测故障并提供相应的维修措施，大大提升维修的效果和效率，降低不必要的成本浪费。目前，部分企业已经意识到预测性维修的价值，率先开发了预测性维修平台，如空客的 SKYWISE、汉莎技术的Aviatar、法荷航工程的 PROGNOS 等。
2 对现有维修理念和体系的影响
预测性维修的发展将对现有航空维修理念和维修体系造成重大的变革，无论是计划性维修还是非计划性维修维修模式都将会发生改变，维修效率也将有较大的提升，航空器的持续运行品质和安全性也将显著提高。发动机作为整架飞机价值最高的部件，业内对发动机的趋势监控研究已持续了数十年。各大发动机厂商也都开发出了性能优异的趋势监控软件，帮助客户提升发动机机队管理能力，避免发动机突发故障造成不安全事件，做到“早发现，早排查”。近几年非发动机部件方面的研究也开始兴起，伴随着波音787、空客 A350 等具有 E 化（数字化）能力飞机的出现，飞机传感器数量上升到百万级，数据采集能力大大提升，使之对飞机机上各部件进行监控和预测性分析成为了可能。据空客介绍曾有一家地区性航空公司，希望提升客舱运行品质。但他们面临的问题是维护数据、客舱报告和故障信息难以整合，无法精确地掌握客舱维修状况。而使用 SKYWISE 后，该公司将各类信息整合在了一起，识别出了长期存在问题的座椅，建立了优先级不同的维修计划。另外，还建立了每个座位上航电、娱乐系统的健康监控趋势。据悉，每年减少客舱维护成本200～ 400 万美元。
3 发展障碍和挑战
预测性维修对整个航空维修体系、航空器的运行安全有着明显的促进作用，但也面临着许多障碍和挑战。其中包括传统飞机数据缺乏、工程技术能力不足、数据使用限制等。有报告指出，预测性维修发展的最大障碍是缺乏工程专业知识，行业中具备有效实施预测性维修能力的公司为数不多，即拥有大型自有机队或第三方数据且掌握了数十年的维修经验的公司很少。此外，缺乏数据共享、性能更优、成本更低的机载通信服务，这些都在影响预测性维修技术的普及。
（1）数据缺乏预测性维修的基础是数据，而数据的主要来源是传感器。传统飞机的傳感器数量明显少于最新的机型。例如，波音 777 能够发出的警告数据是波音 737NG 的 4 倍。 装 备 FOMAX（Flight Ops& MAintenance eXchange）系统的 A320飞机可利用参数为 24 000 项，每个航段可存储约 12GB 的数据。数据量是未安装 FOMAX 飞 机 的 数 倍。 因 此， 如 果要对传统机型进行预测性维修，需要增加相应的传感器或者其他运行数据。增设传感器又可能涉及物理限制和法规限制，这都对预测性维修的开展形成了很大的障碍。此外，尽管航空公司、 MRO对传统飞机拥有更多的维护经验，但是由于缺少数据采集能力而导致维修数据缺乏;相比之下，新型飞机数据量大，且新飞机可靠性较高，能解决关键故障的预测，但是维护实践经验较少。
（2）数据使用限制数据控制对于预测性维修技术的推广影响很大。预测性维修极大地改变了航空公司与 OEM 厂商以及 MRO 的合作方式。然而，越来越多的 OEM 厂商因为数据保护等原因被限制访问航空公司、 MRO 和其他参与者的运营数据。航空公司内部系统的整合，数据接口问题同样会妨碍预测性维修开展。另外，法规方面的限制也会阻碍了数据共享。因此发展新技术的同时，航空法规也需要进一步跟进，监管者必须找到适应新飞机维修方式的监管方法。
4 有效开展预测性维修的途径
目前，业内关于预测性维修的讨论非常热烈。那么，除了加强收集数据、研究先进算法之外，应当如何才能有效开展预测性维修呢？笔者认为需要从理念、方法、技术三个层面去分析。
4.1 理念层面
公司自上而下需要形成数字化转型的理念，思维模式要向数据驱动、数据决策转变。将自身的实际情况、已有的维修经验、维修能力与预测性维修、大数据分析等技术结合，对公司管理流程进行再造，将运行数据尽可能地数字化，再与技术应用进行深度融合。据悉，国内航空公司已着手尝试各种方式开发预测性维修应用，以点带面推动着数字化转型。例如，厦门航空举办了维修数据算法大赛，通过竞赛的形式激发员工开发数字化应用。参赛选手利用发生故障前后 15 天的 QAR 作为训练数据，利用 Python 建立算法模型锁定故障，预测故障。又如，春秋航空与空客合作开发 SKYWISE 应用;山东航空建立监控软件对波音 737 电子流量活门进行监控等等。
4.2 方法层面
（1）自动化获取数据。为了在采集数据时不给工程师增加额外负担。数据采集方式应尽可能地自动化，如工作单卡中的检查结果应能自动提取形成结构化数据，或利用无线射频识别电子标签（RFID）和 3D 扫描技术等。目前，国内外都有公司开始尝试使用无人机巡检收集检测图像和数据，工程师则在后台进行图像分析，并逐步利用机器学习工具进行图像识别，确认缺陷和失效。无论是航线维修或定检维修，工程师都能方便地利用移动设备查询预测维修的结果、工卡、维修手册等。
（2）增加算法的可解释性，充分信任预测结果。在数字化时代的工程师必须充分信任诊断的结论，而不仅仅是凭经验做出判断。此外，算法工程师应尽可能增加算法的可解释性使工程师更相信预测结果。
（3）维修计划智能化匹配。在制订维修计划时，需要利用数据确定何时进行计划外的部件拆换;结合实际的运行环境和航班情况调整计划性维修的实施时间。
5 结论与展望
相信在未来很长一段时间，预测性维修都会持续蓬勃发展， OEM 厂商、MRO 和航空公司对数据的争夺也会进一步升温，行业的竞争格局也将从目前群雄逐鹿的状态发展成多寡头垄断的格局。合则利，预测性维修要取得最佳的效果，必需融合设计数据、运行数据和维修数据。所以多方合作，加强数据整合是取得跃进式发展的必由之路。相信在底层框架，传感器、算法等技术的不断发展下，预测性维修将在航空维修中扮演越来越重要的角色，持续保证航空器的运行安全和运行品质。
参考文献：
[1]ISI 46.26.00016 FOMAX standards-description and roadmap.
[2]ISI 47.00.00036 IGGS–ACMS report 035.
[3]IP 180 AHM INTEGRATIONIN MSG-3.
关键词：航空维修;项目;借鉴;影响
1 预测性维修的发展
作为当前最新的飞机健康管理理念，预测性维修是指通过获取飞机上每个部件实时的健康数据，对数据流进行管理并且持续整合最新的维护记录，通过算法对数据分类、分析、整合，以预测单个或多个部件的故障，实时管控整个机队的状况，从而降低维修成本，提升安全性。
基于 AI 的预测性维修在大数据的推动下，可以预测故障并提供相应的维修措施，大大提升维修的效果和效率，降低不必要的成本浪费。目前，部分企业已经意识到预测性维修的价值，率先开发了预测性维修平台，如空客的 SKYWISE、汉莎技术的Aviatar、法荷航工程的 PROGNOS 等。
2 对现有维修理念和体系的影响
预测性维修的发展将对现有航空维修理念和维修体系造成重大的变革，无论是计划性维修还是非计划性维修维修模式都将会发生改变，维修效率也将有较大的提升，航空器的持续运行品质和安全性也将显著提高。发动机作为整架飞机价值最高的部件，业内对发动机的趋势监控研究已持续了数十年。各大发动机厂商也都开发出了性能优异的趋势监控软件，帮助客户提升发动机机队管理能力，避免发动机突发故障造成不安全事件，做到“早发现，早排查”。近几年非发动机部件方面的研究也开始兴起，伴随着波音787、空客 A350 等具有 E 化（数字化）能力飞机的出现，飞机传感器数量上升到百万级，数据采集能力大大提升，使之对飞机机上各部件进行监控和预测性分析成为了可能。据空客介绍曾有一家地区性航空公司，希望提升客舱运行品质。但他们面临的问题是维护数据、客舱报告和故障信息难以整合，无法精确地掌握客舱维修状况。而使用 SKYWISE 后，该公司将各类信息整合在了一起，识别出了长期存在问题的座椅，建立了优先级不同的维修计划。另外，还建立了每个座位上航电、娱乐系统的健康监控趋势。据悉，每年减少客舱维护成本200～ 400 万美元。
3 发展障碍和挑战
预测性维修对整个航空维修体系、航空器的运行安全有着明显的促进作用，但也面临着许多障碍和挑战。其中包括传统飞机数据缺乏、工程技术能力不足、数据使用限制等。有报告指出，预测性维修发展的最大障碍是缺乏工程专业知识，行业中具备有效实施预测性维修能力的公司为数不多，即拥有大型自有机队或第三方数据且掌握了数十年的维修经验的公司很少。此外，缺乏数据共享、性能更优、成本更低的机载通信服务，这些都在影响预测性维修技术的普及。
（1）数据缺乏预测性维修的基础是数据，而数据的主要来源是传感器。传统飞机的傳感器数量明显少于最新的机型。例如，波音 777 能够发出的警告数据是波音 737NG 的 4 倍。 装 备 FOMAX（Flight Ops& MAintenance eXchange）系统的 A320飞机可利用参数为 24 000 项，每个航段可存储约 12GB 的数据。数据量是未安装 FOMAX 飞 机 的 数 倍。 因 此， 如 果要对传统机型进行预测性维修，需要增加相应的传感器或者其他运行数据。增设传感器又可能涉及物理限制和法规限制，这都对预测性维修的开展形成了很大的障碍。此外，尽管航空公司、 MRO对传统飞机拥有更多的维护经验，但是由于缺少数据采集能力而导致维修数据缺乏;相比之下，新型飞机数据量大，且新飞机可靠性较高，能解决关键故障的预测，但是维护实践经验较少。
（2）数据使用限制数据控制对于预测性维修技术的推广影响很大。预测性维修极大地改变了航空公司与 OEM 厂商以及 MRO 的合作方式。然而，越来越多的 OEM 厂商因为数据保护等原因被限制访问航空公司、 MRO 和其他参与者的运营数据。航空公司内部系统的整合，数据接口问题同样会妨碍预测性维修开展。另外，法规方面的限制也会阻碍了数据共享。因此发展新技术的同时，航空法规也需要进一步跟进，监管者必须找到适应新飞机维修方式的监管方法。
4 有效开展预测性维修的途径
目前，业内关于预测性维修的讨论非常热烈。那么，除了加强收集数据、研究先进算法之外，应当如何才能有效开展预测性维修呢？笔者认为需要从理念、方法、技术三个层面去分析。
4.1 理念层面
公司自上而下需要形成数字化转型的理念，思维模式要向数据驱动、数据决策转变。将自身的实际情况、已有的维修经验、维修能力与预测性维修、大数据分析等技术结合，对公司管理流程进行再造，将运行数据尽可能地数字化，再与技术应用进行深度融合。据悉，国内航空公司已着手尝试各种方式开发预测性维修应用，以点带面推动着数字化转型。例如，厦门航空举办了维修数据算法大赛，通过竞赛的形式激发员工开发数字化应用。参赛选手利用发生故障前后 15 天的 QAR 作为训练数据，利用 Python 建立算法模型锁定故障，预测故障。又如，春秋航空与空客合作开发 SKYWISE 应用;山东航空建立监控软件对波音 737 电子流量活门进行监控等等。
4.2 方法层面
（1）自动化获取数据。为了在采集数据时不给工程师增加额外负担。数据采集方式应尽可能地自动化，如工作单卡中的检查结果应能自动提取形成结构化数据，或利用无线射频识别电子标签（RFID）和 3D 扫描技术等。目前，国内外都有公司开始尝试使用无人机巡检收集检测图像和数据，工程师则在后台进行图像分析，并逐步利用机器学习工具进行图像识别，确认缺陷和失效。无论是航线维修或定检维修，工程师都能方便地利用移动设备查询预测维修的结果、工卡、维修手册等。
（2）增加算法的可解释性，充分信任预测结果。在数字化时代的工程师必须充分信任诊断的结论，而不仅仅是凭经验做出判断。此外，算法工程师应尽可能增加算法的可解释性使工程师更相信预测结果。
（3）维修计划智能化匹配。在制订维修计划时，需要利用数据确定何时进行计划外的部件拆换;结合实际的运行环境和航班情况调整计划性维修的实施时间。
5 结论与展望
相信在未来很长一段时间，预测性维修都会持续蓬勃发展， OEM 厂商、MRO 和航空公司对数据的争夺也会进一步升温，行业的竞争格局也将从目前群雄逐鹿的状态发展成多寡头垄断的格局。合则利，预测性维修要取得最佳的效果，必需融合设计数据、运行数据和维修数据。所以多方合作，加强数据整合是取得跃进式发展的必由之路。相信在底层框架，传感器、算法等技术的不断发展下，预测性维修将在航空维修中扮演越来越重要的角色，持续保证航空器的运行安全和运行品质。
参考文献：
[1]ISI 46.26.00016 FOMAX standards-description and roadmap.
[2]ISI 47.00.00036 IGGS–ACMS report 035.
[3]IP 180 AHM INTEGRATIONIN MSG-3.