大數據技術在飛機維修中的應用

劉晴

摘 要：在當前信息化時代，大數據技術得到了極大的發展，但是主要是被使用在以互聯網為代表的第三產業內部，至于當前的航空工業領域，該技術似乎沒有將其價值完美的體現出來。但是實際上，大數據技術在航空領域的應用還是比較廣泛的，主要就是使用在飛行器設計、故障檢測和設備維修保養等方面，這是值得相關人員花費精力與資源進行深入探討的。文章以大數據的內涵理念為切入點，將研究對象設定為飛機維修大數據的應用情況，剖析了其實際存在的問題，同時得出了相應的解決方案。

關鍵詞：航空工業；大數據；系統級故障預測；應用展望

中圖分類號：V267 文獻標識碼：A 文章編號：1671-2064（2018）09-0014-01

1 大數據的定義

在上世紀九十年代中期，知名學者John Mashey在“Big Data and the Next Wave of InfraStress”學術演講中首次引入“大數據”理念。下面我們對大數據進行解析，其指的是數據量龐大，已經超越了當前數據管理工具管理范圍的數據。在學術角度一般使用4V（Volume，Velocity，Variety，Value）概念對其描述：即有著大容量、高速率、多樣式以及高價值。在當前，大數據已經不僅僅局限于以往狹隘的定了，其已經發展成了一種廣義的概念，不僅是一種簡單的數據形式，而且還涵蓋了諸如采集、處理、分析等一系列相關技術手段，已經變成了一種統一的理念。

2 大數據與航空器維修

在航空時代來臨之初，航空器維修一般都是限制在某個零件，又或者是某一特定的系統，某一確定的時間，定期對航空器展開維修檢測，使得航空器能夠隨時安全穩定的飛行。在這里我們引入一個定時預防性的概念，它的提出是考慮到設備使用會隨著時間而日益磨損的實際情況，在部件安全隱患還沒有爆發之前，就做好相應的預防工作，輕者進行簡單的修理，嚴重的就要進行必要的更換了，這才是預防性維修的真諦。不過，這樣的預防性定時維修也有很大的缺陷，因為這難免會產生很多不必要的修理，比如一個零件，其被檢測出存在安全隱患需要被更換處理，但是其使用期限并未達到，其價值就根本沒有充分的發揮出來。大量飛機設備是經不起高頻率的維修的，故而飛機整體的維修成本就會變得異常之高。

在當前，各種航空器都在實現設備上的更新換代，以此來實現飛機安全性能的提升。舉例而言，航空界大佬ARINC公司就研發出了一種用于飛機狀態分析和管理的系統（外界稱之為ACAMS），該系統的功能就是，盡可能的采集多種設備的信息數據，然后匯總加以處理，找出可能存在問題的零件，并評估出它對飛機正常運營會帶來多大的影響，然后將所有信息傳輸到地面站，這樣地面的維修人員就能夠事先有所準備，不論是在器材上還是在技術上都可以做好預演工作，只要飛機降落到地面，便可以在第一時間進行維護，最大限度的減少對運營的影響。但是，波音公司最新研發的飛機狀況管理系統（下文直接簡稱為AHM）就能夠對飛行過程中的數據進行處理，然后傳送到航空公司地面站，與此同時，也能夠找出故障地點，同時制定針對性的修理方案。根據波音公司相關分析人員的評估，自從使用了AHM，航空公司大概節省了四分之一的無端消耗，以往這種費用都被用于因故障導致的延期或航班的取消。再從飛機日常維護的層面來分析，當前民航用的最多的就是SAP數據軟件系統，該系統已經服役超過了十五個年頭。其能夠根據不同的實際情況制定相應的解決方案，我們相信隨著時間的推移，該技術必將不斷的取得新的突破，達到更加精細化的水平。

對運營方而言，該產業的核心在于飛機的飛行線路以及對客戶的管理情況，但是反觀維修行業，只有具有快速反應、專業技能高超的維修團隊才是后勤保障的關鍵。SAP航空維修處理方案主要包括三大部分，它們分別是基地維修、外場維修以及部件維修，以及包含財政、備用件、采購等多項業務。在進行一項工程的維修時，借助批次和序列號兩種途徑進行管控，能夠清楚的記錄下飛機上每個部件的維修及更換情況，將出現故障的概率盡可能的降到最低。據SAP負責人表示，飛機自身也在向著智能化邁進，能夠自主的采集數據信息。下面我們將波音787飛機作為研究對象，對其客艙壓力、高度、油料消耗等數據進行記錄，發現其總量能達到0.5TB以上，如此龐大數據的處理方法也成了研究人員頭疼的一個問題。在很多行業內部，預測系統的研發一直都是核心技術難題，究其原因在于，預測結果基本不具有可信性。所以業界對SAP的使用充滿了期待，他們關注的重點都在該系統能否可靠地預測飛機故障。SAP是可以便捷的儲存這些數據信息的，而且還可以隨時調出想要的數據。簡而言之，就是能夠搭建故障分析模型，然后據此推測出飛機上已經存在的或者是即將出現的問題，這也正是預測性的體現。在成本數據上來看，保守估計較之以往維修模式，預測性維修大概能夠省下百分之十八的費用。

3 航空大數據分析技術在系統級故障預測領域的應用

3.1 飛行器系統級故障的特點

當前，在航空領域大數據技術是十分有前景的，而后者的核心在于系統的故障預測分析。飛行器發展至今已經成為了各項技術的集合體，某一個環節出現問題可能就會導致相鄰系統發生故障，然后帶來整個飛行器的報廢，故而，當前航空界的焦點之一就是對飛行器系統的故障預測技術。對此分析大概有三點難題急需處理：其一，就是兩個個體之間的相互影響，或者也可以理解成一種博弈關系；其二，就是飛行器自身和外界環境的相互影響，這種關系也可以稱之為反饋；其三，總結起來就是涌現性。在整個科學體系中，諸多部分按照一定的規律或者是內在聯系集合為一個系統，這將是一個全新的整體，這種體系的價值是單個部分，乃至于各部分集合都難以達到的，系統科學將之稱為整體涌現性（英文意為Whole Emergence）。此外，飛行器內部的系統會和上述三點相互作用，進而產生一種復雜模式（Pattern）。

我們先介紹以往的故障預測方法，他們是借助于故障物理模型，還有一部分是在專家知識庫的基礎上展開的，這種方法有一個特點，那就是極其注重先驗知識以及整個系統的內在邏輯，而且，基本上是不能解決其常見的高維度、非線性以及涌現性問題的。但是隨著時代的進步，航空裝備技術開始取得不斷地突破，人們又開始興起了機器學習的方法，這為問題的處理帶來了一種全新的思路。我們再重新對大數據基礎上的飛行器系統級故障預測進行一個定義，就是在各方因素產生的大量數據的基礎上，使用統計分析等多種措施對故障數據庫進行剖析，然后據此預測出故障的演變情況，以一個客觀的角度進行問題的探究。

3.2 美國大數據分析技術在航空故障預測領域的應用現狀

在世界各國中，最早將大數據分析技術用在航空航天領域的就是美國，由于探索時間較早，其理論與工程實踐結合的程度最為密切，最近幾年，美國科研人員還在致力于將最新科研成果融入其中。在上世紀七十年代，NASA官方就提出了基于傳感器數據的航天器綜合健康管理概念，而且在這個理論的基礎上，技術人員還研發出了飛機狀態監測系統、發動機監測系統以及綜合診斷預測系統。上世紀末，隨著軍方F-35戰機項目的開啟，該方案完成了從理論過渡到實踐的重大轉變。步入本世紀之后，互聯網技術和計算機信息技術迅猛發展，在航空航天領域，西方各國紛紛將關注點放在了機器學習方面，他們想借助該方法實現高維海量工業數據的整理，進而找到各種復雜設備系統內部故障的規律所在。對此，美國各大官方科學研究團體，或者是各個大型航空企業的科研團隊都在進行該方面的技術攻關，其中多數進展及成果都屬于保密階段，就當前已知信息來看，被公布在公共視野內的少之又少，比如數據驅動的方法、基于深度學習的故障預測等。

4 結語

當前，我們正身處于互聯網時代，同時也是大數據時代，不管是哪個行業都必須要考慮如何借助大數據技術實現自身的價值，飛機維修工作也不例外，我們要做的就是在剖析飛機維修和大數據之間的關聯之后，辨識出具體的維修事件與整個飛機維修活動的關系，進而實現飛機維修工作效率的進一步提升。

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.