姚明 黄粤 贾宝惠 黄旭

摘要：针对目前国内航空公司存在的信息孤岛、营销与运行分离、航班编排与其他业务脱节等问题，本文以南航为典型企业，研究飞机航班编排与维修调度智能优化方法，建立基于大数据分析技术的飞机航班编排与维修调度智能系统实现方案，重构飞机排班系统，实现航班精细化控制，并对其中的关键技术、主要功能、实现方法等进行了分析和论证，提出了具体的实现方案，可为国内航空公司的航班编排等运行职能提供实用的技术方法，有效提升航空公司的运营管理水平。

关键词：航班编排；精细化管理；排班系统

Keywords：flight schedule； delicacy management； flight schedule system

0引言

近些年來，随着我国民航业的快速发展，各航空公司的机队规模迅速增大，但限于当前我国民航管理水平相对较低，飞机排班及维修调度水平已成为制约航空公司发展的一个瓶颈问题。飞机排班调度是航空公司生产计划的一项控制性工作，一直被认为是最困难的调度优化问题之一，由于认识到飞机调度工作在航空运输生产中的重要性和复杂性，发达国家的航空业早在20世纪70年代就开始这方面的研究[1-2]，到90年代初期许多大型航空公司已完成了基于计算机的飞机调度系统开发，并随着科学技术的发展，相关的调度功能不断完善。

相比之下，我国民航业生产过程的整体调度水平还落后于航空发达国家。在我国的民航企业中，虽然近年来不少企业的生产过程管理具有一定的信息化管理水平，但对于飞机排班调度这一难题，绝大部分采用人工或半人工为主的方式，生产过程的调度反应滞后，影响生产效率，调度人员仍无法摆脱繁重的工作，且未达到排班调度的动态优化。

从国内来看，由于航空公司以前规模普遍不大，对飞机排班调度工作缺乏重视，计划方式简单、粗放，随着运营规模的扩大，航空运输市场的开放，市场竞争不断加剧，航空公司逐渐意识到加强飞机排班调度工作的重要性和急迫性。但总体来说，关于飞机排班与调度管理方面的研究与工程应用还处于起步阶段[3-6]。通过国外航空发达国家航空公司的实践可知，在民航企业中应用先进的调度方法，可大大提高企业的整体生产效益。针对我国民航业的实际需求和航空公司发展迫切需要解决的关键技术问题，深入系统地研究飞机排班优化调度方法并进行应用研究，可提高民航企业运营能力和经济效益，提高民航企业的国际竞争力。同时，随着各航空公司机队规模的扩大，航班量的增长，特别是航线网的日益大型化和复杂化，人工或半人工排班的方式已难以满足运营管理工作的要求，因此实现飞机排班调度工作的自动化已是大势所趋。

以国内大型航空公司南航为例，2021年9月南航工程技术分公司（简称“技术分公司”）成立，标志着南航机务维修改革迈出了实质性步伐，南航生产计划与维修调度开启了市场化运作和自负盈亏模式。为了在市场中谋生存、求发展，将维修产业转变为新的利润增长点，技术分公司以实现飞机排班及维修智能化、机务系统数字化作为动力引擎，推动机务改革发展，打造具有全球竞争力的机务维修品牌。

本文以构建飞机排班系统、实现航班精细化编排作为机务系统数字化、智能化转型的着力点，通过分析国内航空公司（以南航为例）飞机航班编排业务的现状与问题，对维修工作与航班运行深度融合开展探讨研究，并提出优化方案。

1我国民航飞机排班现状分析

2020年之前，中国民航业快速发展，机队规模迅速增大，航空市场的竞争非常激烈。然而自疫情以来，航空业遭受重创，客运市场严重萎缩，而此消彼长的局部疫情，又使得为数不多的客运航班稳定性极差。为了适应市场变化，航空公司间打破了原有的“势力范围”，投入了大量人力、物力去分析市场、发掘市场。因此市场的竞争并没有因为疫情的影响而减弱，反而更加考验运营人对运行管控规律的理解、对市场规律的掌握以及对市场变化的响应速度。

在目前的形势下，对于航空公司的运营来说，飞机航班编排与维修调度的重要性愈加凸显。外部运行环境的变化导致航班结构不断调整，也促使运力调配和航班机型变更频繁发生，飞机长期异地运行成为了常态。同时，像南航等大型航空公司机队机型多、发动机型号多、客舱布局繁杂，也导致机型之间的航班兼容性差。这些情况都对飞机航班编排和维修计划的制定有着极大的影响。另外，现有的“排班系统”因功能不完善，使得计划员在评估处理航班调配和制定航班计划时效率低下。

综合以上情况，当前包括南航在内的国内大型航空公司飞机航班编排业务面临的主要问题如下：

1）维修计划与航班计划脱节

生产计划人员因为缺少对航班运行的了解，导致制定的维修计划脱离实际。而航班编排人员则因为对维修工作信息掌握不全面，制定航班计划时无法准确评估维修工作对运力的影响，导致航班计划临时变更的情况频发，影响航班运行。

2）各系统之间存在信息孤岛

随着航空公司的发展壮大，信息系统建设呈现出局部区块化的特征。业务系统各自独立，很多与飞机航班编排相关的信息是存储在各业务单元的源头产品中，产品与产品之间没有做到数据互通，如飞机限制信息、注册区域、飞行时间/循环数等基础数据仍需要手工重复维护，导致数据的及时性、准确性、完整性都不能得到有效的保障。信息孤岛导致现有排班系统的部分业务功能受到信息获取的影响而无法正常运转。

3）营销与运行分离

因为缺少关键技术和信息系统支撑，目前的决策机制仍处于业务单位之间通过不断地人工沟通协商形成共识，沟通成本高、工作效率低。因此重构的排班系统除了考虑维修工作之外，也需要能够结合收益、成本、安全等因素，实现对航班调配和航班编排的评估与决策。

2基于大数据分析技术的飞机航班编排与维修调度智能系统解决方案

为了解决上述问题，本文以飞机航班编排与维修调度为核心设计基于大数据分析技术的飞机航班编排与维修调度智能系统，通过信息系统实现飞机排班工作的一体化运行，其设计体系结构如图1所示，采取三层架构设计。

1）信息层：作为整个体系结构的基础数据服务平台，信息层包含了运行、维修、航班网络、航线航路信息等航班编排基础信息，并与运控系统、机务维修平台、营销系统等其他业务系统对接，获取维修调度所需的相关的信息，实现所有信息的一体化管理和分析。同时，信息层包含大数据分析技术工具包、航班编排及维修调度的知识信息仓库，为智能系统进行计划编制、智能决策提供信息和技术支持。

2）功能层：作为实现航班编排与维修智能调度的关键环节，功能层基于数据分析技术实现飞机航班编排、维修计划编制与优化、维修调度、资源优化配置、航班一键恢复、航班编排经济性分析、防鸟击模式、疫情模式等各项功能，从而实现飞机航班编排与维修调度智能化功能。

3）服务层：服务层作为用户与软件系统平台之间的接口，提供基于B/S结构的用户使用服务功能，并有效管理用户的应用设置以及功能使用，实现良好的人机交互。

为了解决航班编排信息孤岛问题，实现飞机排班调度一体化运行，系统解决方案以南航为例，采用系统与其他业务系统互联的方式实现信息一体化管理和应用，主要包括：

1）对接NPS及汉莎信息系统，实现与营销业务的整合

将重构的排班系统与南航NPS营销系统和汉莎系统数据对接，提取历史收益数据及历史成本数据，综合评估不同因素对飞机排班以及维修计划的影响，为计划员在评估航班调整方案及制定航班編排计划时提供多种组合方式以供决策。

2）对接FOMS，实现与运控业务的整合

将智能排班系统与南航航班运营管理系统（FOMS）的数据对接，使两个系统间能够实时传递航班计划动态、维修计划安排、航班调整草案等数据，实现便捷、高效的信息共享，提高决策效率。

3）对接南航云机务平台（leAPS），实现机务维修业务的整合

通过对接云机务平台，实现了包括生产计划、维修资源、工程技术等维修相关信息共享，消除了以往需要同时在RCP客户端、网页版等多个不同业务平台间来回切换的烦琐操作。同时，内嵌的共同数据库，可使信息得到最大限度的实时同步与处理，避免了重复性的数据维护，使大量原本受数据同步影响难而以实现的功能获得开发的可行性。

3飞机航班编排与维修调度智能系统实现方案及关键技术

3.1 飞机航班编排与维修调度智能系统实现方案

飞机排班调度作为航空公司生产计划中的一项控制性工作，其实质就是根据航空公司拥有的航班计划、航线网络、每架飞机的技术状况以及飞机调度指令等，为每个航班指定一架具体执行的飞机。在排班计划编制中，理论模型方法主要包括飞机维修计划编制、机型指派、航班串编制、飞机指派等优化问题，每一个优化问题都要考虑多种约束，而且这些优化问题之间互有联系和制约，形成了一个大规模多约束的复杂组合优化问题。为了实现飞机排班调度的全局优化，需要综合考虑所有条件，建立相应的飞机排班调度模型方法，以此为核心建立飞机排班调度流程方法，并实施应用。具体研究方案如图2所示。

3.2 关键技术应用

1）应用大数据、人工智能技术进行数据采集与分析

通过与营销、运控、机务各业务的对接，相关信息数据的获取变得十分便捷。借助NPS系统获取结构化的收益数据，采用机器学习的理念，引入XGBoost、GBDT、时间序列等机器学习算法进行历史大数据分析，计算未来每个航班对应机型的边际贡献效益，作为飞机航班编排的辅助决策信息。

在运控方面，借助FOMS系统，在实时共享航班动态及飞机地面准备进度的同时，引入运控的航延、机场、情报等数据，使用PCA法建立回归模型，通过历史数据学习航班延误成本，作为飞机航班编排的另一项辅助决策信息，实现快速寻找运力，及时将航班计划和维修计划从失常状态下恢复。通过与机务云平台的整合，可以充分调动平台的所有资源进行共享，打通数据间的壁垒。通过上述项目的经验积累，后续还可以根据业务的实际需要，在更广的范围内引入新技术解决业务问题。

2）引入数字孪生技术，打造多方案对比决策优势

引入数字孪生技术，通过实际与虚拟并行的双通道甚至多通道智能算法，打造了多方案对比决策功能。通过该功能，可以在不改变现有实际运行方案的基础上，对未来的飞机编排方案可能性进行探索，根据不同的条件（如收益最大化、航班及维修计划变更最小化等）观测不同目标下的方案可行性，并对多个方案进行横向比对，以便各业务单位进行参考，迅速做出最优决策。同时，该功能还可作为历史回顾与问题分析的工具，在任意历史时刻点，通过设定不同目标，观测可能存在的方案，进行总结归纳，制定后续同类事件发生时的处理方案。

3）“云+边”计算技术，根据需求动态分配算力

使用了云计算与边计算结合，打造了强大的综合优化算法。将云计算与边计算技术结合，在面对并发要求高的场景下，充分利用云平台计算的优势；而在面对算力要求高（尤其是智能优化算法方面）时，则主要使用边计算技术，利用单体运算能力强大的算法服务集中优势力量，快速给出解决方案。将两种技术优缺点互补，让所有的业务场景都能在最优的性能下得到处理，扬长避短。

4飞机航班编排与维修调度智能系统核心功能

1）航班一键恢复

本方案提供航班一键恢复功能，当飞机出现故障时，可以一键对飞机的航班编排及维修计划方案进行调整，通过换机/调机、延误/取消等手段，利用KSP、SPPRC、遗传算法等智能优化算法快速生成综合考虑政策、效益、旅客服务等各方面因素的调整方案。同时，系统生成的方案能推送给各个相关业务部门进行协同决策，能起到节约运营成本、提高工作效率的效果。

2）航班编排的经济性分析

在初期，通过与NPS营销系统及汉莎系统进行了对接，将两个系统的历史收益数据及历史成本数据利用XGBoost、GBDT、时间序列等机器学习算法进行模型训练。用训练好的模型对未来航班计划中每个航班的收入和成本进行预测，进而得到未来航班对应不同机型的边际贡献。在后期，将建立更加全面的数学模型，将维修工作中各环节的成本数据融入到边际贡献率指标中，增强了航班计划编排的经济属性。系统可以通过成本分析，将优化的方案反馈至航班规划部门，形成“航班规划-航班运行反馈-航班规划”的信息闭环，促使航班结构制定和运力布局更加符合市场需求。

3）防鸟击模式

南航机队装配了12种型号的发动机，不同飞机在遭受发动机鸟击后，需要采取的处理措施也各有不同。为减少鸟击后导致的航班不正常事件，实际航班编排排班过程中要尽可能安排鸟击裕度高的飞机（如配装CFM56/LEAP等发动机的飞机）执行鸟击高发地的航班。在本方案中，算法可针对不同发动机型号以及飞行循环数等“鸟击风险因子”，将业务专家的经验整合到算法的经验规则中，通过排班尽可能降低鸟击事件对航班正常性的影响。

4）航班精细化编排

航班精细化编排是系统建立的目标之一。通过云机务平台，系统接入维修工作信息，并基于航班结构和航班计划制定维修计划，将维修工作与航班计划深度融合，提升维修工作间隔利用率。对于例行工作，要求执行间隔大于90%以上（目标值可以自行设定）。而对于AOG、MEL等排故工作则要求系统尽快寻找合适的地面空挡安排执行。以广州182架飞机，A检平均工时170H进行测算，如果A检的维修间隔利用率提高从90%提升至95%，2021年全年可以节省工时990H，折合人力约8人，折合工时费25万。可以说通过航班精细化编排不仅降低了维修成本，同时提高了航线的劳动效率。

5）疫情模式

为落实政府和局方关于加强机上防控工作要求，南航制定了国内航班和国际航班分开执行的运行措施，避免国内、国际航班混飞。系统可以结合不同机型的地面消杀时间，统筹安排固定飞机执行国际航班或是疫情中高风险地区航站航班，在最大限度满足运行要求的同时，有效阻断新冠疫情的传播途径，还可以为后期的疫情溯源流调工作提供积极帮助。

5结论

本文针对国内民航企业飞机航班编排及维修调度现状及存在问题，并结合新冠疫情对运营的影响，进行了深入分析。以南方航空公司为典型企业对问题进行了剖析，提出了飞机航班编排与维修调度智能系统实现方案，并针对其中的关键技术、主要功能、实现方法等进行了分析，提出具体实现方法。在本文研究成果进一步完善和扩展功能后，可以将排班系统打造成航班运行保障分析评估的决策系统，并可推广应用于国内航空公司，有效提高我国民航维修生产调度水平，提升我国航空公司的国际竞争力。

参考文献

[1] Sana Ikli， Catherine Mancel， Marcel Mongeau， etc. The aircraft runway scheduling problem： A survey[J]. Computers and Operations Research， 2021，132：105336.

[2] Shuang Zheng， Zhen Yang， Zhengwen He， etc. Hybrid simulated annealing and reduced variable neighbourhood search for an aircraft scheduling and parking problem[J]. International Journal of Production Research， 2020，58（9）：2626–2646.

[3] 賈宝惠，张恩翼，李耀华.飞机排班机型指派管理优化问题研究[J].计算机仿真， 2016，33（12）：42-46.

[4] 李耀华，谭娜.基于遗传算法的飞机一体化排班优化方法[J]. 控制工程， 2017，24（2）：435-440.

[5] 王磊.基于遗传算法的飞机排班优化方法研究[D].中国民航大学，2016.

[6] 于焯，樊玮.基于均衡条件的成本最小化航线调配问题研究[J].计算机技术与发展， 2017，27（8）：145-148.