大數據在預測性維修中的應用

原標題:大數據在預測性維修中的應用

大量來自於發動機和其他一些關鍵部件的監控數據，使得預測性維修具備了可行性。越來越多的數據的收集和分析工具正在被開發或者投入運用。大數據在航空維修業的應用仍處於初始階段，為了有效地處理這些來自飛機的數據，還要有思維及工作方式的轉變。

普惠加拿大公司鼓勵更多的客戶加入其滑油分析技術的驗證。

利用感測器數據進行發動機的狀態監控已有較長的一段時間了。現在，這一技術正快速地應用到飛機的其他部件。隨著應用範圍的擴大，數據分析的方式也在化繁為簡。目前，航空維修業對於大數據的應用還處於起步階段，人們的思維方式和工作方式應做相應的轉變。

滑油分析與狀態監控相結合

普惠加拿大公司的基於飛機聯通性的FAST解決方案，是用無線方式採集和傳送飛行過程中的飛機和發動機數據。FAST將分析數百個與性能相關的數據，如速度、溫度、壓力，以提供接近實時的發動機健康、使用和性能趨勢的監控。

現在，普惠加拿大公司正針對PT6A發動機開展「滑油分析技術」研究。這項技術的開發並不是要取代發動機的感測器監控，而是要將滑油分析與感測器監控結合在一起，作為對發動機狀態監控的有效補充。滑油分析技術主要關注的是滑油中的微粒，分析這些微粒的來源、大小和形狀，可以對潤滑部件（如軸承和齒輪等）的健康狀況進行監控。

將感測器監控與滑油分析技術結合起來的目的，也是為了提前做好維修計劃，避免航班的延誤或取消。

普惠公司已於2016年春季開展了滑油分析技術的驗證。到2017年年初，共計有380個客戶為普惠公司提供3500台發動機的滑油樣本。普惠公司將依據所採集到的滑油樣本，開展為期18～24個月的驗證試驗。截至目前，監測的結果與預測的趨勢基本一致。滑油分析技術的研究目前正處於收尾階段，普惠加拿大公司鼓勵更多的客戶參與到該項技術的驗證中來。

更高效地獲取數據

隨著技術的發展，有越來越多的感測器被安裝到飛機上。如何採集、分析和下載這些數據，則需要費一些功夫，對一些相對較老的機型更是如此。

現在，有不少製造商都在此領域開展工作，提出相應的解決方案。例如，霍尼韋爾公司的JetWave高速通信系統，除了為客艙提供高速Wi-Fi，也可以將飛機運行數據實時傳送到地面，提高飛行效率和安全。而聯合技術航空系統（UTAS）公司的飛機介面裝置（AID），也可以收集和利用來自飛機的各種數據。AID在波音717、MD-11､737NG、747-400、767、777和空客的A320等飛機上的應用已獲得適航認證，而在A330、A340的應用也將會在今年上半年取證。該裝置已安裝在300餘架飛機上，還有數百架飛機等待安裝。

根據診斷結果進行預測性維修會改變原先的工作計劃。

起初，UTAS設計AID的目的是向電子飛行包（EFB）傳輸數據，所以配有Wi-Fi天線。現在該裝置作為預測飛機健康的數據中心，通過對收集到的數據進行分析，可以幫助航空公司減少航班延誤或取消。

AID除了給飛行員實時提供航電數據及上傳氣象數據，還可用2.4GHz的帶寬或者乙太網收集來自於飛機外場可更換件（LRU）的數據，並進行視情診斷。無論是在飛行過程中或是在地面，AID可以通過多種方法將數據傳送給飛行員或者工程技術人員，診斷數據或結果也可以下載至地面設備。

AID不僅增強了新型飛機上的中央維修計算機的功能，也可以用行動電話、Wi-Fi和衛星網路等方式從較老的飛機下載數據。AID的結構小巧，不需要進行主動冷卻。

除了AID，UTAS還在開發新的系統，用于飛機內部的感測器、作動器和數據處理網點之間的無線通信。其中的一個目標是可以收集更多的數據進行故障診斷。用無線方式傳遞數據可以不用打開飛機機艙面板，適宜在老齡飛機上安裝。

UTAS正針對現有的2.4GHz帶寬和剛獲批准的4.2GHz帶寬開發無線系統。2.4GHz系統的飛行測試工作將於2017年展開，而4.2GHz系統的相關條例正在制定中，將於2019年定稿。相較於開放的2.4GHz帶寬，新的4.2GHz帶寬是專用的，可靠性更高。

有效地進行預測性維修

現在，關於預測性維修的探討非常熱烈。那麼除了複雜的演算法之外，應當怎麼做才能使之更為有效呢？

第一，能方便地獲取數據，不給工程技術人員增加負擔。為了在採集數據時不增加額外的工作負擔，技術人員宜用移動設備以電子化的方式輸入數據，應儘可能多地利用無線射頻識別電子標籤（RFID）和條碼。無論是航線維護或是基地維修，工程技術人員都能方便地利用移動設備查詢預測維修的結果、工卡、維修手冊等。

第二，充分信任預測結果。在數字化時代的機械師必須充分信任診斷的結論，而不是憑經驗做出判斷。

第三，對診斷系統進行閉環管理。所有的維修行為和核心步驟都必須被跟蹤：技術人員、客艙乘務員或者駕駛員的報告；工作指令；航材；執行結果等。

第四，維修計劃更為智能化。在制訂維修計劃時，需要利用數據確定何時進行計劃外的部件拆換。而在飛機仍在飛行的過程中做出這些決定，需要確保維修人員和航材準時到位。

第五，供應鏈管理應為診斷提供支持。整個供應鏈必須像技術人員或者工程師那樣，對預測性維修建議做出敏捷響應，確保在合適的時間、地點，有合適的人和備件進行飛機維修。