A4853大數據技術在飛機維修中的應用

摘 要：在當今信息時代，大數據技術得到了極大的發展，但主要應用于以互聯網為代表的第三產業。至于目前的航空業，這項技術似乎并沒有完美地反映出它的價值。但事實上，大數據技術仍在航空領域廣泛應用。它主要用于飛機設計、故障檢測和設備維護，值得相關人員投入精力和資源進行深入探討。本文以大數據的內涵概念為切入點，將研究對象設定為大數據在飛機維修中的應用，分析其實際問題，并提出相應的解決方案。

關鍵詞：航空工業；大數據；系統級故障預測；應用展望

1 大數據概念

大數據是指龐大的數據量，已經超過了現有數據管理工具的數據量。從學術的角度來看，4V （Volume，Velocity，Variety，Value）的概念通常被用來描述它：它具有大容量，高速，多樣性和高價值。目前，大數據不僅局限于過去的狹義定義，而且已經發展成為一個廣義的概念。它不僅是一種簡單的數據形式，還涵蓋了采集、處理、分析等一系列相關的技術手段。它已經成為一個統一的概念。

2 大數據與航空器維修

在航空時代之初，飛機的維修一般局限于某一部分，或某一特定系統，某一時刻，定期對飛機進行維修和檢查，使飛機能夠在任何時候安全平穩地飛行。這里我們引入了定時預防的概念，它是考慮到設備隨時間的磨損的實際情況而提出的。在未發生部件安全隱患前，要做好相應的預防工作。較輕的是進行簡單的修理，較嚴重的是進行必要的更換。預防性維修的本質。然而，這種預防性定時維護也有很多缺陷，因為它不可避免地會產生許多不必要的維修，如零件，檢測到有潛在的安全隱患需要更換，但其使用壽命尚未達到，其價值尚未充分發揮。大量的飛機設備無法承擔高頻維修，因此飛機的整體維修成本會變得異常高。

目前，各種飛機都在更新設備，以提高飛機的安全性能。例如，ARINC開發了一個用于飛機狀態分析和管理的系統（ACAMS）。該系統的功能是盡可能多地從各種設備中收集信息，然后對其進行匯總和處理，識別可能存在問題的部件，并評估其對飛機的正確性。常規的操作會造成多大的影響，然后所有的信息將傳送到地面站，以便地面維修人員能事先做好準備，在設備或技術能否做好彩排工作，只要飛機降落在地面上，它可以保持在第一次對的數量降到最低。操作的影響。然而，波音公司新開發的飛機狀態管理系統（以下簡稱AHM0可以在飛行過程中對數據進行處理，然后將其傳輸到航空地面站。同時，還可以發現故障位置，制定有針對性的維修計劃。波音（Boeing）分析師表示，自從使用AHM以來，航空公司節省了約四分之一的不合理消費，而這些消費過去曾被用來推遲或取消因故障導致的航班。從飛機日常維護方面來看，SAP數據軟件系統是民用航空中應用最廣泛的一個系統，已經服役超過15年。我們相信，隨著時間的推移，該技術將會不斷取得新的突破，達到一個更加精細的水平。

對于運營商來說，行業的核心在于飛機的航線和客戶的管理。然而，在維修行業，只有快速反應和高技能的維修團隊才是后勤保障的關鍵。SAP航空維修加工項目主要包括基礎維修、現場維修、零部件維修三部分，以及財務、備件、采購等業務。在一個項目的維修中，批號和序列號是兩種控制方式，可以清楚的記錄飛機上各個部件的維修和更換情況，盡可能的減少故障發生的概率。據SAP負責人表示，飛機本身也在朝著智能化發展，可以獨立收集數據和信息。接下來，我們以波音787飛機為研究對象，記錄其座艙壓力、高度、油耗等數據。我們發現其總量可以達到0.5TB以上。如此龐大的數據處理方法已經成為研究人員頭疼的問題。在許多行業中，預測系統的研發一直是一個核心技術問題。原因是預測結果基本不可信。因此業界對使用SAP充滿了期待，他們的焦點是系統能否可靠地預測飛機故障。SAP可以方便地存儲這些數據，并且可以隨時傳輸所需的數據。總之，它能夠建立一個故障分析模型，然后推斷飛機上存在或即將出現的問題，這也是可預測性的體現。在成本數據方面，與以前的維護模型相比，保守估計可以節省18%的預測維護成本。

3 大數據技術應用

3.1飛機系統級故障特征

目前，大數據技術在航空領域很有前景，大數據技術的核心是系統故障預測和分析。飛機的發展已經成為各種技術的集合體。一個鏈路的問題可能導致相鄰系統的故障，從而導致整個飛機的報廢。因此，飛機系統故障預測技術是當前航空業研究的熱點之一。有三個問題亟待解決：一是兩個個體之間的互動，或者也可以理解為一種博弈關系；二是飛機本身與外部環境的相互作用，也可以稱為反饋；第三是出現。在整個科學系統中，許多部分按照一定的規則或內部關系組裝成一個系統，這將是一個全新的整體。本系統的價值是一個單一的部分，即使是部分的集合也是難以實現的。系統科學稱之為“整體涌現”。此外，飛機內部系統將與上述三點相互作用，形成復雜的格局。

首先介紹了以往的故障預測方法。它們基于故障物理模型，其中一些是在專家知識庫的基礎上開發的。該方法有一個特點：它注重先驗知識和整個系統的內部邏輯，基本上不能解決其共同的高維問題。非線性和緊急問題。然而，隨著時代的進步，航空裝備技術開始不斷取得突破，人們也開始采用機器學習的方法，這為解決這一問題帶來了新的思路。然后我們重新定義系統級故障預測基于大數據的飛機，這是分析故障數據庫的統計分析和其他措施的基礎上，大量的數據產生的各種因素，然后預測故障的發展，以便從一個客觀的角度解決問題。

3.2 美國大數據分析技術應用

美國是理論與工程實踐結合最緊密的國家。近年來，美國研究人員仍在努力將最新的科學研究成果融入其中。20世紀70年代，NASA正式提出了基于傳感器數據的航天器綜合健康管理的概念。在此基礎上，技術人員開發了飛機狀態監測系統、發動機監測系統和綜合診斷預報系統。上世紀末，隨著F-35戰斗機項目的啟動，該項目完成了從理論到實踐的重大轉變。進入本世紀后，互聯網技術的迅速發展和計算機信息技術，在航空航天領域，西方國家專注于機器學習，他們想用這種方法來實現高維和大規模工業數據排序，然后找到法律的內部各種復雜的設備系統的失敗。在這方面，美國主要的官方科研小組或各大航空企業的研究團隊都在從事這方面的技術研究。大部分的進展和成果都處于保密階段。根據目前已知的信息，它們很少發表在公共視野中，例如基于數據驅動的方法。深度學習故障預測等。

4 結語

目前，我們正處于互聯網和大數據時代。無論哪個行業，我們都必須考慮如何借助大數據技術實現自身價值。飛機維修也不例外。在分析了飛機維修與大數據的關系之后，我們需要做的是確定具體的維度。維修事件與飛機維修活動的關系可以進一步提高飛機維修效率。

參考文獻 ：

[1]叢登志.大數據技術在飛機維修中的應用[J].航空維修與工程，2015，（11）：82-84.

[2]李宗杰.大數據技術在飛機維修中的應用[J].科研，2016，（10）：32.

[3]劉豐愷，李茜.航空大數據技術的發展與應用[J].電訊技術，2017，57（7）：849-854.

作者簡介：

谷正寶，出生年月：1983.12，性別：男，民族：漢，籍貫（精確到市）：安徽省馬鞍山市含山縣，當前職務：工程師，當前職稱：工程師，學歷：本科，研究方向：飛機維修.