摘 要：在当今信息时代，大数据技术得到了极大的发展，但主要应用于以互联网为代表的第三产业。至于目前的航空业，这项技术似乎并没有完美地反映出它的价值。但事实上，大数据技术仍在航空领域广泛应用。它主要用于飞机设计、故障检测和设备维护，值得相关人员投入精力和资源进行深入探讨。本文以大数据的内涵概念为切入点，将研究对象设定为大数据在飞机维修中的应用，分析其实际问题，并提出相应的解决方案。

关键词：航空工业；大数据；系统级故障预测；应用展望

1 大数据概念

大数据是指庞大的数据量，已经超过了现有数据管理工具的数据量。从学术的角度来看，4V （Volume，Velocity，Variety，Value）的概念通常被用来描述它：它具有大容量，高速，多样性和高价值。目前，大数据不仅局限于过去的狭义定义，而且已经发展成為一个广义的概念。它不仅是一种简单的数据形式，还涵盖了采集、处理、分析等一系列相关的技术手段。它已经成为一个统一的概念。

2 大数据与航空器维修

在航空时代之初，飞机的维修一般局限于某一部分，或某一特定系统，某一时刻，定期对飞机进行维修和检查，使飞机能够在任何时候安全平稳地飞行。这里我们引入了定时预防的概念，它是考虑到设备随时间的磨损的实际情况而提出的。在未发生部件安全隐患前，要做好相应的预防工作。较轻的是进行简单的修理，较严重的是进行必要的更换。预防性维修的本质。然而，这种预防性定时维护也有很多缺陷，因为它不可避免地会产生许多不必要的维修，如零件，检测到有潜在的安全隐患需要更换，但其使用寿命尚未达到，其价值尚未充分发挥。大量的飞机设备无法承担高频维修，因此飞机的整体维修成本会变得异常高。

目前，各种飞机都在更新设备，以提高飞机的安全性能。例如，ARINC开发了一个用于飞机状态分析和管理的系统（ACAMS）。该系统的功能是尽可能多地从各种设备中收集信息，然后对其进行汇总和处理，识别可能存在问题的部件，并评估其对飞机的正确性。常规的操作会造成多大的影响，然后所有的信息将传送到地面站，以便地面维修人员能事先做好准备，在设备或技术能否做好彩排工作，只要飞机降落在地面上，它可以保持在第一次对的数量降到最低。操作的影响。然而，波音公司新开发的飞机状态管理系统（以下简称AHM0可以在飞行过程中对数据进行处理，然后将其传输到航空地面站。同时，还可以发现故障位置，制定有针对性的维修计划。波音（Boeing）分析师表示，自从使用AHM以来，航空公司节省了约四分之一的不合理消费，而这些消费过去曾被用来推迟或取消因故障导致的航班。从飞机日常维护方面来看，SAP数据软件系统是民用航空中应用最广泛的一个系统，已经服役超过15年。我们相信，随着时间的推移，该技术将会不断取得新的突破，达到一个更加精细的水平。

对于运营商来说，行业的核心在于飞机的航线和客户的管理。然而，在维修行业，只有快速反应和高技能的维修团队才是后勤保障的关键。SAP航空维修加工项目主要包括基础维修、现场维修、零部件维修三部分，以及财务、备件、采购等业务。在一个项目的维修中，批号和序列号是两种控制方式，可以清楚的记录飞机上各个部件的维修和更换情况，尽可能的减少故障发生的概率。据SAP负责人表示，飞机本身也在朝着智能化发展，可以独立收集数据和信息。接下来，我们以波音787飞机为研究对象，记录其座舱压力、高度、油耗等数据。我们发现其总量可以达到0.5TB以上。如此庞大的数据处理方法已经成为研究人员头疼的问题。在许多行业中，预测系统的研发一直是一个核心技术问题。原因是预测结果基本不可信。因此业界对使用SAP充满了期待，他们的焦点是系统能否可靠地预测飞机故障。SAP可以方便地存储这些数据，并且可以随时传输所需的数据。总之，它能够建立一个故障分析模型，然后推断飞机上存在或即将出现的问题，这也是可预测性的体现。在成本数据方面，与以前的维护模型相比，保守估计可以节省18%的预测维护成本。

3 大数据技术应用

3.1飞机系统级故障特征

目前，大数据技术在航空领域很有前景，大数据技术的核心是系统故障预测和分析。飞机的发展已经成为各种技术的集合体。一个链路的问题可能导致相邻系统的故障，从而导致整个飞机的报废。因此，飞机系统故障预测技术是当前航空业研究的热点之一。有三个问题亟待解决：一是两个个体之间的互动，或者也可以理解为一种博弈关系；二是飞机本身与外部环境的相互作用，也可以称为反馈；第三是出现。在整个科学系统中，许多部分按照一定的规则或内部关系组装成一个系统，这将是一个全新的整体。本系统的价值是一个单一的部分，即使是部分的集合也是难以实现的。系统科学称之为“整体涌现”。此外，飞机内部系统将与上述三点相互作用，形成复杂的格局。

首先介绍了以往的故障预测方法。它们基于故障物理模型，其中一些是在专家知识库的基础上开发的。该方法有一个特点：它注重先验知识和整个系统的内部逻辑，基本上不能解决其共同的高维问题。非线性和紧急问题。然而，随着时代的进步，航空装备技术开始不断取得突破，人们也开始采用机器学习的方法，这为解决这一问题带来了新的思路。然后我们重新定义系统级故障预测基于大数据的飞机，这是分析故障数据库的统计分析和其他措施的基础上，大量的数据产生的各种因素，然后预测故障的发展，以便从一个客观的角度解决问题。

3.2 美国大数据分析技术应用

美国是理论与工程实践结合最紧密的国家。近年来，美国研究人员仍在努力将最新的科学研究成果融入其中。20世纪70年代，NASA正式提出了基于传感器数据的航天器综合健康管理的概念。在此基础上，技术人员开发了飞机状态监测系统、发动机监测系统和综合诊断预报系统。上世纪末，随着F-35战斗机项目的启动，该项目完成了从理论到实践的重大转变。进入本世纪后，互联网技术的迅速发展和计算机信息技术，在航空航天领域，西方国家专注于机器学习，他们想用这种方法来实现高维和大规模工业数据排序，然后找到法律的内部各种复杂的设备系统的失败。在这方面，美国主要的官方科研小组或各大航空企业的研究团队都在从事这方面的技术研究。大部分的进展和成果都处于保密阶段。根据目前已知的信息，它们很少发表在公共视野中，例如基于数据驱动的方法。深度学习故障预测等。

4 结语

目前，我们正处于互联网和大数据时代。无论哪个行业，我们都必须考虑如何借助大数据技术实现自身价值。飞机维修也不例外。在分析了飞机维修与大数据的关系之后，我们需要做的是确定具体的维度。维修事件与飞机维修活动的关系可以进一步提高飞机维修效率。

参考文献 ：

[1]丛登志.大数据技术在飞机维修中的应用[J].航空维修与工程，2015，（11）：82-84.

[2]李宗杰.大数据技术在飞机维修中的应用[J].科研，2016，（10）：32.

[3]刘丰恺，李茜.航空大数据技术的发展与应用[J].电讯技术，2017，57（7）：849-854.

作者简介：

谷正宝，出生年月：1983.12，性别：男，民族：汉，籍贯（精确到市）：安徽省马鞍山市含山县，当前职务：工程师，当前职称：工程师，学历：本科，研究方向：飞机维修.