航空业基于大数据的预测维修发展现状

飞机从设计诞生到运营维护全生命周期内会生成大量的数据，尤其是新一代飞机，产生的数据量很大。各类制造商和数据运营商都在打数据的主意，希望通过数据采集、机器学习、模型分析、加装传感器等手段丰富各自的预测维修系统，实现更好地健康监控。在此过程中，行业对于基于大数据的预测维修的理解和感悟也在变得越来越深入，越来越贴合实际需要。

建立基于结果生成（results-generating）的航空公司维修预测分析系统非常像织蜘蛛网。系统从松散但是相连的结构开始，建设者不断添加元素，最终填充成密集的网络。随着网的密度的增加，捕获的结果越来越多，蜘蛛捕获的食物与可指导飞机运营商实践的数据相类同。

航空业多年的运营积累了大量的数据，但是一直以来并未将其有机联系起 来形成连接所有节点的模型。从飞行员报告到维修日志再到飞机通信寻址与报告系统（ACARS）等各种信息通常都孤立地分布在网络上。而现在出现的一种新思路是，将所有数据串联起来并通过算法、分析和机器学习技术捕捉模型。尽管这其中需要完成很多工作，但大数据分析的确能够增强飞机的可用性、缩短周转时间、减小维修延迟、节约运营成本。

飞机从设计诞生到运营维护全生命周期内会生成大量的数据，而且越是新 一代飞机产生的数据量越大。当然，即使是老一代飞机和发动机的关键系统生成的数据被收集、分析和利用，也能推动维修项目向前发展。

预测故障

当前，达美技术运营公司除了在与原始制造商合作研发分析工具，其内部 也有一个由18人组成的团队在监测不同的数据源，用来预测部件何时接近故 障，机型从老式的波音757到最新型空客A350均有涵盖。该公司表示，每个部件或系统都有鲜明的特征，可能表现为电流、电阻等电学特征，也可能是运转中的频率等其他特征。为了帮助监测某些部件，达美技术还在这些部件上增加了电学、机械学或声学方面的传感器，通过收集传感器数据观察部件的细微变化，而且还与空客合作创建了A320飞行试车台。

在过去两年内，达美技术通过这些工作已经预防了3000次航班取消或延迟。更为重要的是，根据测试结果显示， 曾经悬而未决的故障的预测准确率已经 达到了95%，这表明达美技术完全不会无故换件。

目前，达美公司正在将空客的Skywise平台融入其日常业务之中，跟踪和分析其空客A320和A330机队的运营和性能数据，同时寻求与传感器技术公司以及空客、波音建立合资企业或伙伴关系，以持续推动预测技术的长远发展，并最终找出飞机维修的新方法。

相比之下，位于法国图卢兹的FlightWatching公司成立于2013年，该公司秉持的是“不对飞机进行改装， 而是利用现有数据资源发挥机队最大效能”的理念，其使用的主要数据源是ARINC通信协议和几百家航空公司使用的实时空对地通信系统ACARS。FlightWatching这家新兴公司专注于数据分析、可视化和预测维修，其软件平台能够通过简化使用方法加强ACARS协议的应用，如能够将原来较为复杂的ACARS A620标准变得非常简单。

Flightwatching 监测系统的设计原理是通过探测磨损和早期腐蚀降低维修成本

尽管2019年初FlightWatching被Revima公司收购，但FlightWatching对 空客A300机队监测已有5年之久，使用机载航电系统监测了多种与维修相关的ATA 章节，包括液压、发动机、辅助动力装置和飞行控制系统等。

数据孤岛

众所周知，从数据中获益必须来自于数据对比和数据分析，但是首先要做 好的是很好地收集数据。汉莎技术公司认为，数据质量是预测分析的关键因素，‘无用输入，无用输出’的现象在过去的数据分析领域非常常见。因此从不同来源收集数据本身就有很大的挑战。

美国航空公司对传感器数据的存储环境与对航班延迟、取消和逾期维修等 运营数据的存储环境有所不同，与维修计划数据或手册数据也不同。美国航空公司表示，美国航空多年来一直将运营数据单独存储，为了纠正这一问题，形成可利用的数据源即便是不便移动或存储在数据库的数据，美国航空也会利用新的工具实现数据的混合和可视化，完全做到与终端客户的无缝衔接。

美国航空公司自启动数据分析以来获得了很多益处，除预测维修和预防延 误之外，在解决故检长期积累的问题、 识别整个机队的运营趋势，以及更好地 制定运营决策方面均有一定成就。

目前美国航空公司正在扩大工作范围，改进维修流程。例如，使用文本挖掘法缩短数据分析师人工评估数据的时间，识别重复的或长期存在的故障问题，进而帮助飞机实施故障检测。通过整合不同的数据源，美国航空公司已经开发出了未来部件级的故障识别指标， 助力维修控制与计划团队更好地做出实时决策。

汉莎技术对此非常认同，认为可控的维修并非只来自于工具，也可以通过 掌握整个数据收集、处理、评估等数据流程和运用链而获得，接下来进行精确分析，更重要的是将预测转变为可指导实践的能力。为达到这一目的，汉莎技术必须在数据流程中找到适合不同任务的工具，将这些工具整合成一体，便可按照 7×24小时的原则保证顺畅运转。

汉莎技术建立的开放平台Aviatar包含的“分析模块”，就是供工程师、 数据分析师和开发人员使用，进而实现可控维修。预测整体传动发电机（IDG）的故障状态是其中一个范例。汉莎技术通过不断分析某一传感器的数据，不仅能够提前预测故障，而且还能够为简单的维修任务提出建议，如通过更换机油便可避免部件的拆卸。

阿提哈德航空公司也非常关注大数据和预测维修领域。该公司从卫星通 信、甚高频电台、快速存取记录仪、飞机状态监测系统（ACMS）、飞行计划、维修日志和返厂维修等各种渠道收集数据。到目前为止该公司通过原始制造商的监测工具已经可以控制非计划维修和签派延误。但是该公司也在开发自己的平台，同时也希望与大型OEM合作开发特定部件的预测维修工具。

与达美技术类似的还有英国易捷航空公司（EasyJet）。2018年3月易捷航 空与空客签订了为期5年的预测维修合作协议，因此其全部机队都在使用空客 Skywise 系统。通过使用Skywise 平台，易捷航空的工程师可实现故障前主动换 件，因技术问题带来的延误也从2010年的千分之十下降到现在的千分之三，但 易捷航空的目标是将这一数字控制到0。

接下来，易捷航空计划在今年夏季为其机队安装柯林斯航宇的飞行运营与 维修交换系统（FOMAX），这样便可使数据采集量达到现有系统的60倍。安装系统之后，易捷航空期望每年能够从24000个参数中收集到800G数据。

亚洲航空也在使用空客Skywise系统进行预测维修，以减少运营中断次数。同时该公司也有直接向CEO汇报的数字化改革团队，在研究利用区块链技术缩短飞机紧急停场的时间。

核心分析

作为大型飞机重要航电部件和通信服务的主要供应商，柯林斯也在像其他公司一样讨论如何满足运营商对数据的需求问题。2018年，柯林斯推出了 Ascentia 预测与健康监测项目，运用基于物理学的监测、统计学分析和机器学 习3种核心技术的数据分析方法改善可靠性。

柯林斯数字化项目负责人表示，Ascentia的使用与平台无关，目前主要关注是波音787、777以及空客A320和A380的数据分析，因为这些机型都大量使用了柯林斯生产的部件。去年，罗克韦尔·柯林斯与联合技术公司合并，并成立了下属的柯林斯宇航公司，这使得 合并后的柯林斯宇航在带有传感器的部件设计、与飞机直接传输数据进而对其分析等方面更为专业。Ascentia的早期利润使柯林斯得到了回报，柯林斯通过性能数据汇总，使航班延误和航班取消减少了30%，接受这项服务的机队的非计划维修也减少了20%。

在大多数情况下，成功需要循序渐进。起初，柯林斯的预测模型通过识别 波音787客舱空气压缩机送风口止回阀的性能退化，向运营商提出报警，并主动提出了维修建议，避免了运营中断。后来，通过波音787的整体传动发电机 磨损数据又发现了飞机左右IDG之间的不匀磨损，帮助运营商修正飞机滑行程序。甚至通过IDG的温度差异跟踪燃料再循环系统，避免了不必要的维修。

柯林斯认为，预测模型只是整个预测维修的一部分，除此之外更好的客户 支持也非常重要。例如，柯林斯经常为客户派出外场数据分析专家，使其切实融入客户的实际运营之中，为客户提出明确的提前换件建议等，这些都已产生了实际的收效。

振动与发动机残余分析

位于加拿大卡尔加里的飞行数据评价公司Flyht利用自身开发的自动飞行信息报告系统（AFIRS）硬件与FlyhtHealth软件服务，监测机体和发动机数据，以减少非计划维修次数。其中最常见的任务是发动机实时振动和性能超限的实时监测。

据一家已经使用Flyht服务11年之久的运营商介绍，多年来一直使用AFIRS 分析数据，识别发动机的性能衰退，完全能够帮助他们在出现在翼问题之前预测到发动机的更换时机。这家运营商的机队包括多种波音宽体飞机，其动力系统也既有GE发动机又有普惠发动机。多年来，曾有几台发动机出现N1风扇转速超限，当出现时AFIRS系统均能向其报警，并提示更换风扇叶片润滑油或对风扇做动平衡检查的维修建议。

Flyht的触发报警能够马上提供数据片段，包括标志性事件前后的时间区 间。每部发动机的基础监测涵盖了大量参数，包括发动机排气温度裕度、N1和 N2风扇转速、轴转速等常用的各种性能指标。例如，即时报警提供21秒的数据，那么就包括触发事件前后各10秒的简报数据。此外，客户还在使用Flyht的服务监测飞机的离开、起飞、着 陆和进入登机门（OOOI），或者说是飞机推出登机门、起飞、着陆和进入登机门时的状态。

Flyht拥有14种记录主要飞行阶段的方法，例如有些客户使用推出登机门至进入登机门来计算时间，而有些希望从舱门关闭开始计时。总之，可依据客户的要求订制方案。通常，航空公司在签订OOOI的使用合同后，OOOI数据会自动传输到Flyht支持的通用软件系统，包括飞行运营和维修系统。随后航空维修系统使用OOOI数据监测部件磨损时间等关键指标。

Flyht的AFIRS系统目前已经应用于约90家航空公司，其中在中国有20多家。系统通过卫星通信装置在4分钟之内将飞机与运营中心相连，同时便会被强制使用。AFIRS使用专用软件收集数据并向地面实时传送，通过UpTime服务网络处理并向运营商传输数据。除 了健康监测之外，系统还支持实时飞行跟踪和飞行记录数据流，以达到国际民航组织的Annex 6新标准。此外AFIRS还具备快速存取记录仪的功能。

连通性是Flyht的名片，目前Flyht公司仍在不断扩展实时监测服务，其中该公司为其一家庞巴迪CRJ运营商用户开发了高度定制化的维修报警服务，提供了 80多个参数的报警服务， 涵盖了从发动机燃油消耗量到客舱门异常等多种参数。

此外， 位于加拿大渥太华的Gastops公司是在另一个关键领域帮助客户发现健康趋势：在故障发生之前探测发动机和其他机械部件的磨损情况。作为老牌的传感器供应商，Gastops的润滑油碎片探测仪是普惠F119和PW1000G齿轮传动 涡扇发动机的标配，Gastops可实施发动机在役翻新并提供分析。其最新产品 ChipCheck 是一种便携式液体样本分析仪，能够快速识别发动机润滑油里碎片 的尺寸、数量和金属成分，发现故障前的主要征兆。在过去，这种精确的分析只能在实验室进行，而且准确程度还难以保证。

ChipCheck 是一种外场工具，它能够在几分钟之内分析出发动 机内部的金属碎屑

据Gastops介绍，其客户在某次发动机磁力屑末探测中发现了一个金属颗粒，根据ChipCheck的识别，颗粒是52100号轴承材料发生了磨损。但分析认为，一般情况下这种故障模式可能会产生大量碎屑件，因此必须立即停飞拆卸发动机进行检修。

当时客户的第二选择是将样本送往实验室进行研判，但两天之后实验室表 示无法将其分类。最后，样本被送往发动机制造商，制造商确认了Chipcheck的识别结果，颗粒的确来自52100轴承材料。拆卸发动机之后发现，发生金属脱落的部件已经失效。

另一家运营安装GE发动机的宽体客机的航空公司在一次横跨大西洋的飞行中收到了发动机碎屑报警。飞机转而降落在巴黎戴高乐机场，经航空公司与GE 磋商使用了ChipCheck设备进行检测，随后报告得出：发动机没有故障， 飞机可以继续安全飞行。试想一下当时如果机场没有ChipCheck，运营商就必须将碎片送往实验室进行研判，而且等待结果也需要几天时间，对于运营影响严重。

尽管即时、精确的分析非常有用， 但系统的长期价值在于随时监控发动机 状况。ChipCheck 能存储样本的序列号，便于运营商定期测试和跟踪，最终为每一款飞机开发出自有的预测维修分析项目。美国空军作为该产品的热衷者，已 经订购了75套ChipCheck，以支持其列装的GE F110发动机机队。

总而言之，新机型的综合运用需要以数据分析为支撑，老机型也需要不断 更新数据服务，以便更多的运营商更好地运用维修数据。达美技术公司认为， 在未来10年内，机体和结构维修仍将耗费大量的时间，但是部件和系统将因预测维修和机器学习很大程度地将转为视情维修，MSG-3将会逐渐被淘汰。

（ 淦 家 杭， 译 自 AW&ST Inside MRO 2019-4-5）