刘晴

摘 要：在当前信息化时代，大数据技术得到了极大的发展，但是主要是被使用在以互联网为代表的第三产业内部，至于当前的航空工业领域，该技术似乎没有将其价值完美的体现出来。但是实际上，大数据技术在航空领域的应用还是比较广泛的，主要就是使用在飞行器设计、故障检测和设备维修保养等方面，这是值得相关人员花费精力与资源进行深入探讨的。文章以大数据的内涵理念为切入点，将研究对象设定为飞机维修大数据的应用情况，剖析了其实际存在的问题，同时得出了相应的解决方案。

关键词：航空工业；大数据；系统级故障预测；应用展望

中图分类号：V267 文献标识码：A 文章编号：1671-2064（2018）09-0014-01

1 大数据的定义

在上世纪九十年代中期，知名学者John Mashey在“Big Data and the Next Wave of InfraStress”学术演讲中首次引入“大数据”理念。下面我们对大数据进行解析，其指的是数据量庞大，已经超越了当前数据管理工具管理范围的数据。在学术角度一般使用4V（Volume，Velocity，Variety，Value）概念对其描述：即有着大容量、高速率、多样式以及高价值。在当前，大数据已经不仅仅局限于以往狭隘的定了，其已经发展成了一种广义的概念，不仅是一种简单的数据形式，而且还涵盖了诸如采集、处理、分析等一系列相关技术手段，已经变成了一种统一的理念。

2 大数据与航空器维修

在航空时代来临之初，航空器维修一般都是限制在某个零件，又或者是某一特定的系统，某一确定的时间，定期对航空器展开维修检测，使得航空器能够随时安全稳定的飞行。在这里我们引入一个定时预防性的概念，它的提出是考虑到设备使用会随着时间而日益磨损的实际情况，在部件安全隐患还没有爆发之前，就做好相应的预防工作，轻者进行简单的修理，严重的就要进行必要的更换了，这才是预防性维修的真谛。不过，这样的预防性定时维修也有很大的缺陷，因为这难免会产生很多不必要的修理，比如一个零件，其被检测出存在安全隐患需要被更换处理，但是其使用期限并未达到，其价值就根本没有充分的发挥出来。大量飞机设备是经不起高频率的维修的，故而飞机整体的维修成本就会变得异常之高。

在当前，各种航空器都在实现设备上的更新换代，以此来实现飞机安全性能的提升。举例而言，航空界大佬ARINC公司就研发出了一种用于飞机状态分析和管理的系统（外界称之为ACAMS），该系统的功能就是，尽可能的采集多种设备的信息数据，然后汇总加以处理，找出可能存在问题的零件，并评估出它对飞机正常运营会带来多大的影响，然后将所有信息传输到地面站，这样地面的维修人员就能够事先有所准备，不论是在器材上还是在技术上都可以做好预演工作，只要飞机降落到地面，便可以在第一时间进行维护，最大限度的减少对运营的影响。但是，波音公司最新研发的飞机状况管理系统（下文直接简称为AHM）就能够对飞行过程中的数据进行处理，然后传送到航空公司地面站，与此同时，也能够找出故障地点，同时制定针对性的修理方案。根据波音公司相关分析人员的评估，自从使用了AHM，航空公司大概节省了四分之一的无端消耗，以往这种费用都被用于因故障导致的延期或航班的取消。再从飞机日常维护的层面来分析，当前民航用的最多的就是SAP数据软件系统，该系统已经服役超过了十五个年头。其能够根据不同的实际情况制定相应的解决方案，我们相信随着时间的推移，该技术必将不断的取得新的突破，达到更加精细化的水平。

对运营方而言，该产业的核心在于飞机的飞行线路以及对客户的管理情况，但是反观维修行业，只有具有快速反应、专业技能高超的维修团队才是后勤保障的关键。SAP航空维修处理方案主要包括三大部分，它们分别是基地维修、外场维修以及部件维修，以及包含财政、备用件、采购等多项业务。在进行一项工程的维修时，借助批次和序列号两种途径进行管控，能够清楚的记录下飞机上每个部件的维修及更换情况，将出现故障的概率尽可能的降到最低。据SAP负责人表示，飞机自身也在向着智能化迈进，能够自主的采集数据信息。下面我们将波音787飞机作为研究对象，对其客舱压力、高度、油料消耗等数据进行记录，发现其总量能达到0.5TB以上，如此庞大数据的处理方法也成了研究人员頭疼的一个问题。在很多行业内部，预测系统的研发一直都是核心技术难题，究其原因在于，预测结果基本不具有可信性。所以业界对SAP的使用充满了期待，他们关注的重点都在该系统能否可靠地预测飞机故障。SAP是可以便捷的储存这些数据信息的，而且还可以随时调出想要的数据。简而言之，就是能够搭建故障分析模型，然后据此推测出飞机上已经存在的或者是即将出现的问题，这也正是预测性的体现。在成本数据上来看，保守估计较之以往维修模式，预测性维修大概能够省下百分之十八的费用。

3 航空大数据分析技术在系统级故障预测领域的应用

3.1 飞行器系统级故障的特点

当前，在航空领域大数据技术是十分有前景的，而后者的核心在于系统的故障预测分析。飞行器发展至今已经成为了各项技术的集合体，某一个环节出现问题可能就会导致相邻系统发生故障，然后带来整个飞行器的报废，故而，当前航空界的焦点之一就是对飞行器系统的故障预测技术。对此分析大概有三点难题急需处理：其一，就是两个个体之间的相互影响，或者也可以理解成一种博弈关系；其二，就是飞行器自身和外界环境的相互影响，这种关系也可以称之为反馈；其三，总结起来就是涌现性。在整个科学体系中，诸多部分按照一定的规律或者是内在联系集合为一个系统，这将是一个全新的整体，这种体系的价值是单个部分，乃至于各部分集合都难以达到的，系统科学将之称为整体涌现性（英文意为Whole Emergence）。此外，飞行器内部的系统会和上述三点相互作用，进而产生一种复杂模式（Pattern）。

我们先介绍以往的故障预测方法，他们是借助于故障物理模型，还有一部分是在专家知识库的基础上展开的，这种方法有一个特点，那就是极其注重先验知识以及整个系统的内在逻辑，而且，基本上是不能解决其常见的高维度、非线性以及涌现性问题的。但是随着时代的进步，航空装备技术开始取得不断地突破，人们又开始兴起了机器学习的方法，这为问题的处理带来了一种全新的思路。我们再重新对大数据基础上的飞行器系统级故障预测进行一个定义，就是在各方因素产生的大量数据的基础上，使用统计分析等多种措施对故障数据库进行剖析，然后据此预测出故障的演变情况，以一个客观的角度进行问题的探究。

3.2 美国大数据分析技术在航空故障预测领域的应用现状

在世界各国中，最早将大数据分析技术用在航空航天领域的就是美国，由于探索时间较早，其理论与工程实践结合的程度最为密切，最近几年，美国科研人员还在致力于将最新科研成果融入其中。在上世纪七十年代，NASA官方就提出了基于传感器数据的航天器综合健康管理概念，而且在这个理论的基础上，技术人员还研发出了飞机状态监测系统、发动机监测系统以及综合诊断预测系统。上世纪末，随着军方F-35战机项目的开启，该方案完成了从理论过渡到实践的重大转变。步入本世纪之后，互联网技术和计算机信息技术迅猛发展，在航空航天领域，西方各国纷纷将关注点放在了机器学习方面，他们想借助该方法实现高维海量工业数据的整理，进而找到各种复杂设备系统内部故障的规律所在。对此，美国各大官方科学研究团体，或者是各个大型航空企业的科研团队都在进行该方面的技术攻关，其中多数进展及成果都属于保密阶段，就当前已知信息来看，被公布在公共视野内的少之又少，比如数据驱动的方法、基于深度学习的故障预测等。

4 结语

当前，我们正身处于互联网时代，同时也是大数据时代，不管是哪个行业都必须要考虑如何借助大数据技术实现自身的价值，飞机维修工作也不例外，我们要做的就是在剖析飞机维修和大数据之间的关联之后，辨识出具体的维修事件与整个飞机维修活动的关系，进而实现飞机维修工作效率的进一步提升。

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.