飛機(jī)技術(shù)派遣智能決策支持系統(tǒng)框架研究—基于大數(shù)據(jù)視角

吳興旺，羅曉莉，陳可嘉

(1.廈門(mén)航空有限公司，福建 廈門(mén) 361006；2.福州大學(xué) 經(jīng)濟(jì)與管理學(xué)院，福建 福州 350108)

飛機(jī)技術(shù)派遣智能決策支持系統(tǒng)框架研究—基于大數(shù)據(jù)視角

吳興旺1，羅曉莉2，陳可嘉2

(1.廈門(mén)航空有限公司，福建 廈門(mén) 361006；2.福州大學(xué) 經(jīng)濟(jì)與管理學(xué)院，福建 福州 350108)

隨著航空公司日常運(yùn)行過(guò)程中重要和復(fù)雜航班的大幅增加，有效提升了飛機(jī)技術(shù)派遣的決策效率與精準(zhǔn)性，對(duì)于保障航班安全性和正常性具有重要意義。飛機(jī)長(zhǎng)期運(yùn)行及維護(hù)過(guò)程中積累了海量的健康狀況數(shù)據(jù)，對(duì)于飛機(jī)技術(shù)派遣決策具有重要價(jià)值。由于這些數(shù)據(jù)體量巨大、結(jié)構(gòu)復(fù)雜、增長(zhǎng)快，引入大數(shù)據(jù)技術(shù)，提出飛機(jī)技術(shù)派遣智能決策支持系統(tǒng)(ATD-IDSS)的基本框架。文中重點(diǎn)探討了ATD-IDSS的總體框架結(jié)構(gòu)以及基于該系統(tǒng)的飛機(jī)技術(shù)派遣決策過(guò)程。其中，系統(tǒng)總體框架由數(shù)據(jù)采集處理、數(shù)據(jù)管理、模型管理、知識(shí)管理、飛機(jī)健康評(píng)估和派遣決策控制六個(gè)子系統(tǒng)組成。詳細(xì)闡述了各個(gè)子系統(tǒng)的組成、核心功能及運(yùn)行機(jī)理。在此基礎(chǔ)上，對(duì)系統(tǒng)實(shí)現(xiàn)涉及的關(guān)鍵技術(shù)進(jìn)行了一一介紹。借助數(shù)據(jù)倉(cāng)庫(kù)相關(guān)技術(shù)，實(shí)現(xiàn)了飛機(jī)健康狀況大數(shù)據(jù)的處理和分析，利用關(guān)聯(lián)規(guī)則和聚類分析方法，進(jìn)行飛機(jī)技術(shù)參數(shù)評(píng)估。采用人工神經(jīng)網(wǎng)絡(luò)和案例推理結(jié)合的智能推理策略，挖掘飛機(jī)健康狀況相關(guān)規(guī)則和知識(shí)，結(jié)合云計(jì)算技術(shù)，提高資源利用率和運(yùn)算效率。通過(guò)ATS-IDSS的框架研究，為進(jìn)一步開(kāi)發(fā)智能飛機(jī)派遣系統(tǒng)、實(shí)現(xiàn)飛機(jī)派遣的智能化和精準(zhǔn)化及提升飛機(jī)健康管理水平提供重要指導(dǎo)。

大數(shù)據(jù)；飛機(jī)技術(shù)派遣；智能決策支持系統(tǒng)；系統(tǒng)框架

1 概 述

保證航班安全和準(zhǔn)點(diǎn)是航空公司提升服務(wù)質(zhì)量、獲得生存和發(fā)展的重要基礎(chǔ)[1]。航班安全性和正常性除了受天氣等不可控環(huán)境因素的影響，主要由執(zhí)飛飛機(jī)的健康狀態(tài)決定，包括飛機(jī)系統(tǒng)、子系統(tǒng)及附件等在執(zhí)行飛行任務(wù)時(shí)的性能水平。因此，飛機(jī)健康狀態(tài)是飛機(jī)技術(shù)派遣的重要依據(jù)[2]。當(dāng)前，國(guó)內(nèi)多數(shù)航空公司在進(jìn)行飛機(jī)技術(shù)派遣時(shí)，主要通過(guò)相關(guān)工程師在分散、獨(dú)立的信息系統(tǒng)中查詢大量飛機(jī)技術(shù)狀況數(shù)據(jù)，根據(jù)主觀經(jīng)驗(yàn)甄別和判斷，缺乏統(tǒng)一標(biāo)準(zhǔn)、沒(méi)有準(zhǔn)確量化的評(píng)估，對(duì)于航班安全性和正常性沒(méi)有可靠保障，并且較為費(fèi)時(shí)費(fèi)力。隨著航空公司日常運(yùn)行過(guò)程中重要和復(fù)雜航班的大幅增加，以及航空公司機(jī)隊(duì)規(guī)模的不斷擴(kuò)大，實(shí)現(xiàn)快速高效地對(duì)龐大繁雜的飛機(jī)運(yùn)行及維護(hù)數(shù)據(jù)展開(kāi)分析，精準(zhǔn)地量化評(píng)估每架飛機(jī)的健康狀態(tài)，為飛機(jī)技術(shù)派遣提供決策依據(jù)，對(duì)于保證飛行安全、提高航班正常性、滿足重要航班的保障要求，以及降低航空公司運(yùn)營(yíng)成本具有重要意義。

由于飛機(jī)系統(tǒng)或部件故障導(dǎo)致航班延誤甚至發(fā)生不安全事件等情況時(shí)有發(fā)生，國(guó)內(nèi)外眾多航空公司正在或計(jì)劃使用飛機(jī)健康管理決策支持工具實(shí)現(xiàn)科學(xué)的飛機(jī)派遣，提高航班安全性和正點(diǎn)率[3]。飛機(jī)技術(shù)派遣是航空公司運(yùn)輸生產(chǎn)中一項(xiàng)重要的控制性工作，歐美許多大型航空公司從20世紀(jì)80年代起就廣泛使用專門(mén)的飛機(jī)調(diào)度管理系統(tǒng)；全球超過(guò)60家航空公司使用波音公司的飛機(jī)健康管理(Aircraft Health Management，AHM)系統(tǒng)[4]。AHM是一個(gè)自動(dòng)化的維護(hù)-決策支持系統(tǒng)，收集整合飛機(jī)運(yùn)行數(shù)據(jù)，對(duì)系統(tǒng)健康狀態(tài)進(jìn)行統(tǒng)計(jì)分析，有效提升飛機(jī)運(yùn)行效率、合理安排航班飛機(jī)派遣等；還有許多航空公司自主研發(fā)相關(guān)支持工具，輔助航班運(yùn)營(yíng)和飛機(jī)技術(shù)派遣，如巴西航空推出基于網(wǎng)絡(luò)的飛機(jī)健康分析和診斷排故軟件，顯著提高了飛機(jī)的技術(shù)簽派可靠率。在國(guó)內(nèi)，由于早期航空公司規(guī)模普遍偏小，對(duì)科學(xué)的飛機(jī)派遣工作缺乏重視，有關(guān)飛機(jī)技術(shù)派遣的研究應(yīng)用正處于起步階段，各航空公司主要通過(guò)引進(jìn)國(guó)外先進(jìn)的管理系統(tǒng)，如國(guó)航在航班運(yùn)行中應(yīng)用AHM，實(shí)現(xiàn)飛機(jī)的健康管理和科學(xué)派遣；也有少數(shù)航空公司成功開(kāi)發(fā)了相關(guān)支持系統(tǒng)[5]，如春秋航空的飛機(jī)優(yōu)選系統(tǒng)，根據(jù)服務(wù)類和故障類要求，對(duì)滿足要求的飛機(jī)健康狀況進(jìn)行評(píng)分和排序，評(píng)價(jià)飛機(jī)的安全性、故障發(fā)生幾率，據(jù)此實(shí)現(xiàn)飛機(jī)派遣的優(yōu)化；東航的飛機(jī)技術(shù)資料數(shù)據(jù)化管理系統(tǒng)(TDMS)中也設(shè)置了飛機(jī)健康狀況的評(píng)分模塊，通過(guò)單機(jī)技術(shù)狀況的展示制定派遣決策。

航空公司長(zhǎng)期運(yùn)營(yíng)中積累了海量的飛機(jī)運(yùn)行及維護(hù)數(shù)據(jù)，蘊(yùn)藏著大量有關(guān)飛機(jī)健康狀態(tài)變化規(guī)律和趨勢(shì)的信息，對(duì)于飛機(jī)技術(shù)派遣決策具有重要意義。但這些數(shù)據(jù)的數(shù)量巨大、結(jié)構(gòu)復(fù)雜、增長(zhǎng)快，傳統(tǒng)的數(shù)據(jù)分析方法無(wú)法有效獲取數(shù)據(jù)信息，大數(shù)據(jù)技術(shù)為發(fā)掘海量數(shù)據(jù)價(jià)值提供了方法[6]。大數(shù)據(jù)技術(shù)的應(yīng)用領(lǐng)域已經(jīng)拓展到民航業(yè)，國(guó)內(nèi)外眾多航空公司運(yùn)用大數(shù)據(jù)技術(shù)充分挖掘航空客戶、飛機(jī)運(yùn)行等海量數(shù)據(jù)價(jià)值。國(guó)際航空公司的大數(shù)據(jù)應(yīng)用相對(duì)成熟，如美聯(lián)航引入了精細(xì)化的大數(shù)據(jù)應(yīng)用，涵蓋個(gè)性化服務(wù)、業(yè)務(wù)流程優(yōu)化等領(lǐng)域，達(dá)美航空應(yīng)用大數(shù)據(jù)實(shí)現(xiàn)行李自主追蹤等；國(guó)內(nèi)航空公司在應(yīng)用大數(shù)據(jù)上還未系統(tǒng)化，僅在客戶管理、飛機(jī)運(yùn)行管理等部分業(yè)務(wù)領(lǐng)域?qū)崿F(xiàn)大數(shù)據(jù)應(yīng)用，如南航的飛行數(shù)據(jù)分析及客戶分析等，還有許多航空公司利用大數(shù)據(jù)技術(shù)開(kāi)發(fā)了一些分析系統(tǒng)或平臺(tái)[7]，進(jìn)行故障診斷、健康狀況預(yù)測(cè)等應(yīng)用，如國(guó)航的運(yùn)行管理信息系統(tǒng)，綜合航班數(shù)據(jù)、飛行數(shù)據(jù)、報(bào)文等對(duì)飛機(jī)狀況進(jìn)行綜合分析。

綜上所述，目前國(guó)內(nèi)有關(guān)飛機(jī)派遣支持工具的研究尚不夠深入，主要應(yīng)用國(guó)外先進(jìn)的管理系統(tǒng)，尚未自主研發(fā)一套科學(xué)完整的飛機(jī)技術(shù)派遣決策支持系統(tǒng)；部分航空公司應(yīng)用大數(shù)據(jù)技術(shù)實(shí)現(xiàn)飛機(jī)運(yùn)行數(shù)據(jù)的分析處理，但并未有效挖掘其中有關(guān)飛機(jī)健康狀況的規(guī)律信息，并據(jù)此進(jìn)行精準(zhǔn)化的飛機(jī)技術(shù)派遣。

基于此，文中以飛機(jī)技術(shù)派遣為任務(wù)，應(yīng)用大數(shù)據(jù)和人工智能相關(guān)技術(shù)，對(duì)飛機(jī)運(yùn)行及維護(hù)大數(shù)據(jù)進(jìn)行分析挖掘，構(gòu)建飛機(jī)健康狀況評(píng)估模型，輔助飛機(jī)派遣決策，提出基于大數(shù)據(jù)技術(shù)的飛機(jī)技術(shù)派遣智能決策支持系統(tǒng)(Aircraft Technical Dispatching-Intelligent Decision Support System，ATD-IDSS)框架。明確系統(tǒng)預(yù)實(shí)現(xiàn)的功能及所采用的核心技術(shù)，對(duì)大數(shù)據(jù)技術(shù)在飛機(jī)技術(shù)派遣中的應(yīng)用進(jìn)行探究。

2 系統(tǒng)框架結(jié)構(gòu)設(shè)計(jì)

2.1系統(tǒng)總體框架

智能決策支持系統(tǒng)(IDSS)是集成人工智能技術(shù)、通過(guò)邏輯推理輔助決策的決策支持系統(tǒng)[8]。ATD-IDSS(見(jiàn)圖1)將大數(shù)據(jù)技術(shù)和IDSS應(yīng)用于飛機(jī)技術(shù)派遣中，借助數(shù)據(jù)倉(cāng)庫(kù)技術(shù)[9]，集成來(lái)自分散數(shù)據(jù)庫(kù)的飛機(jī)健康大數(shù)據(jù)，通過(guò)數(shù)據(jù)選擇、清洗、轉(zhuǎn)換等處理過(guò)程，構(gòu)建由多維數(shù)據(jù)庫(kù)構(gòu)成的數(shù)據(jù)倉(cāng)庫(kù)；應(yīng)用聯(lián)機(jī)分析處理(On-Line Analytical Processing，OLAP)技術(shù)，依據(jù)不同派遣任務(wù)，對(duì)飛機(jī)健康大數(shù)據(jù)進(jìn)行不同維度的上卷、下鉆、旋轉(zhuǎn)等操作，實(shí)現(xiàn)ATD-IDSS的多維數(shù)據(jù)分析，同時(shí)將分析結(jié)果以直觀形式返回給管理決策人員；根據(jù)歷史技術(shù)派遣經(jīng)驗(yàn)，應(yīng)用基于神經(jīng)網(wǎng)絡(luò)和案例推理的推理機(jī)模型[10]，建立知識(shí)庫(kù)；借助大數(shù)據(jù)技術(shù)中數(shù)據(jù)挖掘相關(guān)算法和建模技術(shù)，挖掘隱藏關(guān)系模式、提取數(shù)據(jù)特征，構(gòu)建飛機(jī)健康評(píng)估模型，結(jié)合云計(jì)算技術(shù)[11]，對(duì)飛機(jī)健康狀況及故障概率進(jìn)行快速高效運(yùn)算，實(shí)現(xiàn)對(duì)飛機(jī)健康狀態(tài)的監(jiān)控和管理；通過(guò)各個(gè)子系統(tǒng)的分布協(xié)作，結(jié)合航班需求和飛機(jī)健康評(píng)分排序，得到精準(zhǔn)化的派遣方案，同時(shí)利用云計(jì)算平臺(tái)，合理協(xié)調(diào)資源分配，實(shí)現(xiàn)多航班派遣任務(wù)的科學(xué)高效調(diào)度；根據(jù)決策運(yùn)行情況進(jìn)一步對(duì)數(shù)據(jù)倉(cāng)庫(kù)、知識(shí)庫(kù)進(jìn)行更新，不斷積累飛機(jī)健康管理和技術(shù)派遣經(jīng)驗(yàn)。

圖1 ATD-IDSS框架結(jié)構(gòu)

(1)數(shù)據(jù)采集處理子系統(tǒng)。

數(shù)據(jù)采集處理子系統(tǒng)包含數(shù)據(jù)采集、處理及分析三項(xiàng)功能。智能決策的基礎(chǔ)就是從大量的歷史數(shù)據(jù)中獲取有效信息及知識(shí)，飛機(jī)技術(shù)派遣所需的決策信息涵蓋了飛機(jī)運(yùn)行及維護(hù)過(guò)程中積累的大量飛機(jī)健康基礎(chǔ)數(shù)據(jù)。隨著信息技術(shù)在航空公司中的普及應(yīng)用，出現(xiàn)了大量不同業(yè)務(wù)類型的數(shù)據(jù)源，包括飛機(jī)維修可靠性管理信息系統(tǒng)、飛機(jī)運(yùn)行控制系統(tǒng)、飛機(jī)機(jī)載數(shù)據(jù)記錄及譯碼系統(tǒng)等諸多相關(guān)系統(tǒng)中存儲(chǔ)的飛機(jī)運(yùn)行及維護(hù)歷史數(shù)據(jù)與實(shí)時(shí)采集數(shù)據(jù)。飛機(jī)健康大數(shù)據(jù)的采集面向飛機(jī)技術(shù)派遣決策，根據(jù)派遣需求，分析確定采集數(shù)據(jù)范圍，實(shí)現(xiàn)數(shù)據(jù)的增加、刪除、修改及導(dǎo)入導(dǎo)出等基本功能。采集的數(shù)據(jù)包括飛機(jī)可靠性管理分析數(shù)據(jù)、故障報(bào)告、維修記錄、發(fā)動(dòng)機(jī)性能監(jiān)控?cái)?shù)據(jù)、工程管理數(shù)據(jù)、實(shí)時(shí)告警等，全方位反映飛機(jī)的飛行歷史、維護(hù)情況、故障缺陷、當(dāng)前健康狀況等；從不同類型數(shù)據(jù)源采集的數(shù)據(jù)包含不同的數(shù)據(jù)結(jié)構(gòu)類型，同時(shí)可能存在錯(cuò)誤、缺失數(shù)據(jù)等，因此需要對(duì)采集的由飛機(jī)運(yùn)行及維護(hù)產(chǎn)生的海量、高維、復(fù)雜結(jié)構(gòu)數(shù)據(jù)進(jìn)行數(shù)據(jù)抽取、清洗、轉(zhuǎn)換、校正等預(yù)處理步驟，檢驗(yàn)數(shù)據(jù)的完整性、一致性、準(zhǔn)確性及數(shù)據(jù)項(xiàng)之間的相關(guān)性等，對(duì)缺失數(shù)據(jù)采用單一填補(bǔ)和多重填補(bǔ)方法補(bǔ)充，對(duì)異常分布數(shù)據(jù)進(jìn)行剔除與校正，對(duì)數(shù)據(jù)類型進(jìn)行轉(zhuǎn)換和統(tǒng)一，將轉(zhuǎn)化后的結(jié)構(gòu)化數(shù)據(jù)存入數(shù)據(jù)庫(kù)，為構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)做好數(shù)據(jù)準(zhǔn)備；在此基礎(chǔ)上對(duì)數(shù)據(jù)進(jìn)行基礎(chǔ)的統(tǒng)計(jì)分析、特征提取等，對(duì)數(shù)據(jù)整體及各個(gè)參數(shù)維度分布有初步認(rèn)知。

(2)數(shù)據(jù)管理子系統(tǒng)。

數(shù)據(jù)管理子系統(tǒng)包含元數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)及其管理系統(tǒng)，通過(guò)數(shù)據(jù)提取、信息提取、數(shù)據(jù)集成等實(shí)現(xiàn)飛機(jī)健康大數(shù)據(jù)的存儲(chǔ)和管理。數(shù)據(jù)倉(cāng)庫(kù)是面向主題、集成的數(shù)據(jù)集合[9]，是IDSS的先決基礎(chǔ)。采集的原始數(shù)據(jù)經(jīng)過(guò)清洗加工后需要存放在數(shù)據(jù)倉(cāng)庫(kù)中，以直接面向數(shù)據(jù)分析挖掘，支持高層決策分析制定，提高數(shù)據(jù)挖掘發(fā)現(xiàn)知識(shí)的能力及系統(tǒng)的決策支持能力。飛機(jī)運(yùn)行及維護(hù)產(chǎn)生的數(shù)據(jù)集規(guī)模巨大，達(dá)到100 G到數(shù)TB，數(shù)據(jù)類型多樣，包含結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，價(jià)值密度低，每個(gè)航段中數(shù)小時(shí)的發(fā)動(dòng)機(jī)性能參數(shù)記錄可能僅有一兩秒有價(jià)值，考慮到飛機(jī)健康狀況數(shù)據(jù)的大數(shù)據(jù)特征，將其集成到結(jié)構(gòu)化的數(shù)據(jù)倉(cāng)庫(kù)中。對(duì)數(shù)據(jù)采集處理子系統(tǒng)獲取的存儲(chǔ)于各分散數(shù)據(jù)庫(kù)中的飛機(jī)健康大數(shù)據(jù)進(jìn)行提取、清洗、轉(zhuǎn)換、加載等，構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)，同時(shí)創(chuàng)建元數(shù)據(jù)以便更好地利用數(shù)據(jù)倉(cāng)庫(kù)。

數(shù)據(jù)倉(cāng)庫(kù)中的一項(xiàng)關(guān)鍵工作是元數(shù)據(jù)管理，貫穿于數(shù)據(jù)倉(cāng)庫(kù)整個(gè)建立過(guò)程。在構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)前，選用關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)建立一個(gè)用于描述數(shù)據(jù)、應(yīng)用集成的元數(shù)據(jù)庫(kù)。元數(shù)據(jù)是數(shù)據(jù)的數(shù)據(jù)，用于建立、管理、維護(hù)和使用數(shù)據(jù)倉(cāng)庫(kù)，分為技術(shù)元數(shù)據(jù)和業(yè)務(wù)元數(shù)據(jù)。技術(shù)元數(shù)據(jù)描述數(shù)據(jù)倉(cāng)庫(kù)技術(shù)細(xì)節(jié)，應(yīng)用于開(kāi)發(fā)、管理和維護(hù)數(shù)據(jù)倉(cāng)庫(kù)；業(yè)務(wù)元數(shù)據(jù)從業(yè)務(wù)角度描述數(shù)據(jù)，提供語(yǔ)義層定義，使業(yè)務(wù)人員能更好地理解數(shù)據(jù)倉(cāng)庫(kù)分析結(jié)果，同時(shí)元數(shù)據(jù)庫(kù)還包含數(shù)據(jù)庫(kù)結(jié)構(gòu)邏輯層次圖，使決策者對(duì)數(shù)據(jù)庫(kù)中的信息范圍有深入了解。元數(shù)據(jù)提供了統(tǒng)一的關(guān)鍵數(shù)據(jù)結(jié)構(gòu)和業(yè)務(wù)規(guī)則，有利于將多個(gè)數(shù)據(jù)集進(jìn)行集成，便于后續(xù)數(shù)據(jù)挖掘工作的進(jìn)行，同時(shí)使用戶能掌握數(shù)據(jù)的歷史情況。

根據(jù)元數(shù)據(jù)中的主題表定義、數(shù)據(jù)源定義、數(shù)據(jù)抽取規(guī)則定義，對(duì)異地異構(gòu)數(shù)據(jù)源(包括各數(shù)據(jù)庫(kù)系統(tǒng)、報(bào)文工作單、傳感器等)進(jìn)行清洗、轉(zhuǎn)換，對(duì)數(shù)據(jù)進(jìn)行重新組織和加工，將不同格式的數(shù)據(jù)轉(zhuǎn)換成計(jì)算機(jī)可識(shí)別的通用模式XML，以實(shí)現(xiàn)數(shù)據(jù)的共享和二次分析，再將加工后的數(shù)據(jù)進(jìn)行融合，裝載到數(shù)據(jù)倉(cāng)庫(kù)的目標(biāo)庫(kù)中，提高數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)的質(zhì)量和可用性。數(shù)據(jù)倉(cāng)庫(kù)由多維數(shù)據(jù)庫(kù)構(gòu)成，各數(shù)據(jù)庫(kù)均采用統(tǒng)一接口，有利于進(jìn)行數(shù)據(jù)挖掘。對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行初步加工、提取后得到部分有價(jià)值的數(shù)據(jù)，在此基礎(chǔ)上運(yùn)用OLAP技術(shù)從數(shù)據(jù)中提取決策相關(guān)信息。OLAP是基于數(shù)據(jù)倉(cāng)庫(kù)的信息分析處理過(guò)程，面向用戶接口，將來(lái)自不同數(shù)據(jù)庫(kù)的信息進(jìn)行集成，從不同屬性、不同角度組織和存儲(chǔ)數(shù)據(jù)。

數(shù)據(jù)倉(cāng)庫(kù)管理系統(tǒng)支持?jǐn)?shù)據(jù)和信息的采集、抽取、檢驗(yàn)、更新及維護(hù)等，以實(shí)現(xiàn)數(shù)據(jù)倉(cāng)庫(kù)與模型庫(kù)、知識(shí)庫(kù)間的通信。

(3)模型管理子系統(tǒng)。

模型管理子系統(tǒng)包括模型庫(kù)及其管理系統(tǒng)，管理和實(shí)現(xiàn)具備不同功能的技術(shù)模型，為決策制定提供定量分析的輔助信息，使決策者具備綜合分析問(wèn)題的能力，是IDSS的基礎(chǔ)和核心。

模型庫(kù)用于存儲(chǔ)和管理數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘及決策支持的各種模型和工具，每種模型包含具體的實(shí)現(xiàn)算法。如數(shù)據(jù)挖掘模型包含聚類、關(guān)聯(lián)分析、可視化等技術(shù)，并按一定組織結(jié)構(gòu)形式進(jìn)行存儲(chǔ)。ATD-IDSS的模型庫(kù)包含數(shù)據(jù)規(guī)范模型、數(shù)據(jù)處理模型、數(shù)據(jù)挖掘算法模型、知識(shí)學(xué)習(xí)中運(yùn)用的推理模型、健康評(píng)估使用的各種數(shù)學(xué)模型等以及利用模型進(jìn)行計(jì)算時(shí)所使用的方法。模型庫(kù)由模型文件字典庫(kù)和文件庫(kù)組成，通過(guò)模型字典實(shí)現(xiàn)對(duì)模型文件的調(diào)用。考慮到飛機(jī)技術(shù)派遣決策環(huán)境可能發(fā)生變化，將模型庫(kù)中的模型設(shè)計(jì)為可修改和評(píng)價(jià)的，包含可選參數(shù)庫(kù)，通過(guò)定義標(biāo)準(zhǔn)接口可以選擇使用模型庫(kù)中的模型、方法及參數(shù)，使決策者能夠根據(jù)環(huán)境變化調(diào)整模型，形成不同解決方案，制定適應(yīng)性決策。

模型庫(kù)管理系統(tǒng)支持模型的開(kāi)發(fā)、分析、修改、重構(gòu)、評(píng)價(jià)、維護(hù)等各種操作，以及在現(xiàn)有模型基礎(chǔ)上進(jìn)行模型的檢索、組合、選擇、檢驗(yàn)及運(yùn)行等。同時(shí)，模型庫(kù)管理系統(tǒng)還支持交互式動(dòng)態(tài)建模，利用可視化技術(shù)模擬專家推理過(guò)程，使用戶能依據(jù)專家經(jīng)驗(yàn)知識(shí)創(chuàng)建所需模型。

(4)知識(shí)管理子系統(tǒng)。

知識(shí)管理子系統(tǒng)是IDSS的智能化體現(xiàn)，包含知識(shí)庫(kù)、推理機(jī)以及知識(shí)庫(kù)管理系統(tǒng)，對(duì)專業(yè)知識(shí)進(jìn)行系統(tǒng)化組織和管理，實(shí)現(xiàn)對(duì)飛機(jī)技術(shù)派遣的決策支持功能。

知識(shí)庫(kù)的知識(shí)主要通過(guò)人工或者數(shù)據(jù)挖掘過(guò)程生成。為使系統(tǒng)盡可能涵蓋飛機(jī)技術(shù)派遣決策中可能出現(xiàn)的各種情況，采集、總結(jié)民航專家對(duì)健康評(píng)估、故障預(yù)測(cè)、維修計(jì)劃、環(huán)境控制、技術(shù)派遣決策等的研究成果和經(jīng)驗(yàn)，形成系統(tǒng)的飛機(jī)技術(shù)派遣知識(shí)。利用機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)挖掘理論與方法對(duì)數(shù)據(jù)倉(cāng)庫(kù)中存儲(chǔ)的海量飛機(jī)運(yùn)行及維護(hù)數(shù)據(jù)進(jìn)行綜合和系統(tǒng)分析，從中挖掘與飛機(jī)技術(shù)派遣決策相關(guān)的知識(shí)模式形成知識(shí)庫(kù)，支持飛機(jī)健康評(píng)估和技術(shù)派遣，為管理決策人員提供智能決策支持信息。在將數(shù)據(jù)挖掘發(fā)現(xiàn)的知識(shí)模式存入知識(shí)庫(kù)前，需要對(duì)模式進(jìn)行評(píng)估，剔除冗余和無(wú)關(guān)的模式，若模式不符合派遣任務(wù)需求，則需重新選取算法、設(shè)定參數(shù)等進(jìn)行數(shù)據(jù)挖掘。同時(shí)，還將定期對(duì)知識(shí)庫(kù)中的知識(shí)進(jìn)行評(píng)價(jià)，剔除失效的、失去價(jià)值的知識(shí)。知識(shí)庫(kù)中還包含自學(xué)習(xí)機(jī)制，利用數(shù)據(jù)挖掘技術(shù)進(jìn)一步對(duì)知識(shí)庫(kù)進(jìn)行分析挖掘，不斷更新完善系統(tǒng)知識(shí)。知識(shí)庫(kù)存儲(chǔ)的規(guī)則集分為兩類，一類是模型管理規(guī)則集，儲(chǔ)存可靠性管理專業(yè)知識(shí)、相關(guān)工程技術(shù)知識(shí)以及從故障數(shù)據(jù)、維修數(shù)據(jù)、健康狀況數(shù)據(jù)中提取的規(guī)則和知識(shí)；另一類是專家經(jīng)驗(yàn)規(guī)則集，包括民航專家和管理決策人員的決策經(jīng)驗(yàn)知識(shí)，以及系統(tǒng)運(yùn)行中積累的決策經(jīng)驗(yàn)等，ATD-IDSS將這些知識(shí)傳遞給各個(gè)子系統(tǒng)及相關(guān)信息系統(tǒng)，以實(shí)現(xiàn)輔助支持決策的功能。

推理機(jī)的主要功能是完成對(duì)知識(shí)庫(kù)中存儲(chǔ)規(guī)則的搜索，是系統(tǒng)的控制中心。ATD-IDSS采用基于人工神經(jīng)網(wǎng)絡(luò)的案例推理模式[10]，利用知識(shí)庫(kù)、模型庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)中的各種信息，依據(jù)輸入的故障案例信息及一定的推理策略，對(duì)故障案例進(jìn)行推理、檢索和修正。

知識(shí)庫(kù)管理系統(tǒng)對(duì)知識(shí)庫(kù)進(jìn)行管理和控制，實(shí)現(xiàn)知識(shí)的輸入、刪除、更新和查詢等，同時(shí)對(duì)知識(shí)進(jìn)行一致性和完整性檢驗(yàn)，維護(hù)知識(shí)庫(kù)中的知識(shí)模式。

(5)飛機(jī)健康評(píng)估子系統(tǒng)。

飛機(jī)健康評(píng)估子系統(tǒng)包含健康知識(shí)挖掘、健康評(píng)估與健康預(yù)警三個(gè)流程，主要功能是對(duì)飛機(jī)健康狀況進(jìn)行量化評(píng)估，為飛機(jī)技術(shù)派遣提供決策依據(jù)。

健康知識(shí)挖掘流程針對(duì)數(shù)據(jù)倉(cāng)庫(kù)中存儲(chǔ)的飛機(jī)運(yùn)行及維護(hù)海量數(shù)據(jù)，調(diào)用模型庫(kù)中的關(guān)聯(lián)規(guī)則和聚類分析方法，分析各項(xiàng)技術(shù)參數(shù)之間的相關(guān)關(guān)系，對(duì)參數(shù)進(jìn)行分類；采用基于人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)和案例推理(Case-Based Reasoning，CBR)的綜合推理方法[10]，對(duì)機(jī)齡、故障報(bào)告、發(fā)動(dòng)機(jī)性能、附件壽命等飛機(jī)技術(shù)參數(shù)與飛機(jī)故障、健康狀況的關(guān)系進(jìn)行推理挖掘。健康評(píng)估流程根據(jù)健康知識(shí)挖掘所獲取的飛機(jī)健康狀況變化的規(guī)律及相關(guān)規(guī)則，甄選飛機(jī)健康狀況的評(píng)估參數(shù)，構(gòu)建評(píng)估模型，定期或不定期地對(duì)飛機(jī)整體及各子系統(tǒng)的健康水平進(jìn)行評(píng)估，構(gòu)建飛機(jī)健康狀況評(píng)分?jǐn)?shù)據(jù)庫(kù)，在各部門(mén)間實(shí)時(shí)共享；同時(shí)利用可視化技術(shù)從各個(gè)維度直觀展示飛機(jī)健康狀態(tài)，為飛機(jī)技術(shù)派遣提供決策支持。針對(duì)飛機(jī)健康評(píng)估模型的檢驗(yàn)，利用神經(jīng)網(wǎng)絡(luò)、遺傳算法等數(shù)據(jù)挖掘工具進(jìn)行偏差分析。當(dāng)某一飛機(jī)發(fā)生故障時(shí)，可以通過(guò)查詢飛機(jī)歷史健康評(píng)分，校驗(yàn)計(jì)算模型邏輯是否正確或是否遺漏參數(shù)，對(duì)模型庫(kù)進(jìn)行更新與維護(hù)。考慮到機(jī)隊(duì)規(guī)模及積累的飛機(jī)運(yùn)行及維護(hù)數(shù)據(jù)量巨大，搭建Hadoop集群，實(shí)現(xiàn)飛機(jī)健康大數(shù)據(jù)的分布式存儲(chǔ)和并行處理；為提高飛機(jī)健康評(píng)估的計(jì)算效率及多個(gè)飛機(jī)派遣任務(wù)的并發(fā)訪問(wèn)能力，使用云計(jì)算服務(wù)，分解決策任務(wù)分配到相應(yīng)的資源模塊中執(zhí)行[12]。健康預(yù)警流程應(yīng)用大數(shù)據(jù)技術(shù)中的可視化工具檢測(cè)飛機(jī)性能及健康狀態(tài)的變化趨勢(shì)，預(yù)測(cè)飛機(jī)故障的發(fā)生概率，為飛機(jī)技術(shù)派遣提供過(guò)程監(jiān)控，當(dāng)飛機(jī)性能顯著下降、故障率明顯升高時(shí)，向相應(yīng)的管理決策人員發(fā)出分級(jí)預(yù)警。

(6)派遣決策控制子系統(tǒng)。

派遣決策控制子系統(tǒng)包含環(huán)境控制、綜合排序和派遣決策協(xié)調(diào)三個(gè)流程，依據(jù)飛機(jī)健康評(píng)分情況，實(shí)現(xiàn)精準(zhǔn)化的飛機(jī)派遣，有效配置機(jī)隊(duì)資源，達(dá)到提高航班安全性和正常性、降低航班運(yùn)營(yíng)成本的目的。

環(huán)境控制流程依據(jù)航班限制信息，獲取派遣飛機(jī)的機(jī)型、構(gòu)型范圍，確定評(píng)分的排序標(biāo)準(zhǔn)，同時(shí)監(jiān)測(cè)飛機(jī)狀態(tài)是否發(fā)生變化。綜合排序流程依據(jù)評(píng)分的排序標(biāo)準(zhǔn)，在對(duì)應(yīng)機(jī)型、構(gòu)型范圍對(duì)飛機(jī)健康狀況評(píng)分進(jìn)行排序，據(jù)此決策者可做出迎合航班需求的精準(zhǔn)派遣決策。派遣決策協(xié)調(diào)流程對(duì)飛機(jī)健康評(píng)分、航班限制信息等進(jìn)行有效融合，根據(jù)健康評(píng)估流程獲得的可選飛機(jī)的健康評(píng)分排序結(jié)果，確定派遣決策的順序方案，針對(duì)一定時(shí)間段內(nèi)需要派遣的航班，按照航班飛行時(shí)間、環(huán)境及各方面要求進(jìn)行飛機(jī)資源的合理調(diào)配，最終確定航班的飛機(jī)技術(shù)派遣方案。航班運(yùn)行后，實(shí)時(shí)記錄飛機(jī)運(yùn)行狀態(tài)，并對(duì)數(shù)據(jù)倉(cāng)庫(kù)、知識(shí)庫(kù)等進(jìn)行更新。

2.2系統(tǒng)決策過(guò)程

傳統(tǒng)的飛機(jī)派遣程序僅依靠人工主觀經(jīng)驗(yàn)甄別判斷，決策過(guò)程缺乏科學(xué)性、智能化，對(duì)航班運(yùn)行的安全性和正點(diǎn)率沒(méi)有保障。ATD-IDSS應(yīng)用大數(shù)據(jù)技術(shù)采集、處理、存儲(chǔ)、管理、挖掘飛機(jī)運(yùn)行及維護(hù)海量數(shù)據(jù)，實(shí)現(xiàn)對(duì)飛機(jī)健康狀態(tài)的量化評(píng)估，據(jù)此進(jìn)行精準(zhǔn)化的智能飛機(jī)技術(shù)派遣。

基于ATD-IDSS的派遣決策過(guò)程(見(jiàn)圖2)首先由管理決策人員提交航班派遣任務(wù)，融合航班限制信息，形成確切的航班派遣需求；根據(jù)派遣需求得到派遣等級(jí)、飛機(jī)機(jī)型、構(gòu)型需求，訪問(wèn)數(shù)據(jù)倉(cāng)庫(kù)獲取目標(biāo)飛機(jī)的健康大數(shù)據(jù)；啟動(dòng)推理模塊，調(diào)用知識(shí)庫(kù)和模型庫(kù)，根據(jù)技術(shù)派遣決策需求，確定評(píng)估模型，同時(shí)調(diào)用云計(jì)算服務(wù)，快速計(jì)算飛機(jī)健康狀況評(píng)分；結(jié)合航班要求，對(duì)飛機(jī)健康評(píng)分進(jìn)行排序，并通過(guò)可視化界面展示給決策相關(guān)人員；檢測(cè)飛機(jī)狀態(tài)是否發(fā)生變化，如若變化則更新數(shù)據(jù)倉(cāng)庫(kù)重新進(jìn)行飛機(jī)健康狀態(tài)評(píng)估并排序，否則，綜合分析評(píng)分情況和航班限制信息，生成各航班的飛機(jī)技術(shù)派遣方案，當(dāng)存在多個(gè)航班派遣任務(wù)時(shí)，調(diào)用云計(jì)算服務(wù)提高系統(tǒng)的并發(fā)訪問(wèn)能力；檢驗(yàn)派遣方案的有效性，若各航班的飛機(jī)派遣存在沖突，則依據(jù)航班條件進(jìn)行協(xié)調(diào)，調(diào)整派遣方案；確定派遣方案后，將決策過(guò)程及方案完整地提供給決策人員，準(zhǔn)備實(shí)施航班飛機(jī)技術(shù)派遣工作。

圖2 基于ATD-IDSS的飛機(jī)技術(shù)派遣智能決策過(guò)程

3 關(guān)鍵實(shí)現(xiàn)技術(shù)分析

3.1數(shù)據(jù)倉(cāng)庫(kù)技術(shù)

針對(duì)數(shù)據(jù)來(lái)源不同、數(shù)據(jù)類型多樣、數(shù)據(jù)量巨大的飛機(jī)健康大數(shù)據(jù)，采取分布式存儲(chǔ)架構(gòu)，將其整合到由若干多維數(shù)據(jù)庫(kù)構(gòu)成的數(shù)據(jù)倉(cāng)庫(kù)，提高數(shù)據(jù)分析的效率。在將數(shù)據(jù)整合到數(shù)據(jù)倉(cāng)庫(kù)的過(guò)程中，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，為數(shù)據(jù)挖掘過(guò)程做好數(shù)據(jù)準(zhǔn)備，采用統(tǒng)一的數(shù)據(jù)庫(kù)接口，方便進(jìn)行數(shù)據(jù)管理和調(diào)用。由于系統(tǒng)故障、人為失誤等原因，飛機(jī)運(yùn)行及維護(hù)數(shù)據(jù)中可能存在大量噪聲數(shù)據(jù)、缺失數(shù)據(jù)和異常數(shù)據(jù)等，填補(bǔ)和清理缺失數(shù)據(jù)，平滑噪聲數(shù)據(jù)，識(shí)別、剔除異常分布數(shù)據(jù)，提升數(shù)據(jù)質(zhì)量。

針對(duì)飛機(jī)技術(shù)派遣任務(wù)對(duì)于數(shù)據(jù)倉(cāng)庫(kù)的訪問(wèn)需求，運(yùn)用OLAP技術(shù)進(jìn)行描述性分析。為滿足管理決策人員對(duì)飛機(jī)健康大數(shù)據(jù)進(jìn)行多維數(shù)據(jù)分析的需要，采取ROLAP綜合數(shù)據(jù)組織模式，提取數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)進(jìn)行集成、轉(zhuǎn)化和綜合分析，利用關(guān)系數(shù)據(jù)庫(kù)中的二維表組織數(shù)據(jù)，為ATD-IDSS提供數(shù)據(jù)組織和存儲(chǔ)的基礎(chǔ)。根據(jù)不同的功能需求，組成面向全局的多維數(shù)據(jù)視圖，使用戶能從多視角、多屬性進(jìn)行數(shù)據(jù)分析，從不同維度對(duì)飛機(jī)健康數(shù)據(jù)進(jìn)行上卷、下鉆、旋轉(zhuǎn)、切片等操作，同時(shí)以直觀形式顯示數(shù)據(jù)多維分析結(jié)果，更好地輔助決策制定。

3.2數(shù)據(jù)挖掘技術(shù)

大數(shù)據(jù)的價(jià)值產(chǎn)生于數(shù)據(jù)挖掘過(guò)程，數(shù)據(jù)挖掘又稱為數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，屬于數(shù)據(jù)庫(kù)、人工智能與機(jī)器學(xué)習(xí)等領(lǐng)域的交叉學(xué)科，基于各種統(tǒng)計(jì)分析和算法模型，提取隱含在海量數(shù)據(jù)中有用的關(guān)系和模式，達(dá)到關(guān)聯(lián)分析、聚類、自動(dòng)預(yù)測(cè)趨勢(shì)等目的。飛機(jī)運(yùn)行及維護(hù)海量數(shù)據(jù)包含了與飛機(jī)健康狀況相關(guān)的信息集合，隨著數(shù)據(jù)量不斷積累，數(shù)據(jù)變得越來(lái)越不具有代表性，很難找到有意義的模式，而數(shù)據(jù)挖掘提供了能有效挖掘參數(shù)關(guān)系等規(guī)律和知識(shí)的數(shù)據(jù)分析手段。在ATD-IDSS中，根據(jù)各子系統(tǒng)的功能定義，采用特征提取、神經(jīng)網(wǎng)絡(luò)、基于案例推理[10]、關(guān)聯(lián)規(guī)則、聚類等數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)相應(yīng)的系統(tǒng)功能。

3.2.1 基于關(guān)聯(lián)規(guī)則和聚類的飛機(jī)技術(shù)參數(shù)評(píng)估

目前，針對(duì)飛機(jī)健康評(píng)估模型中有關(guān)參數(shù)設(shè)置、權(quán)重確定、關(guān)鍵附件甄選等主要通過(guò)專業(yè)人員的主觀經(jīng)驗(yàn)確定，缺乏理論支持和可靠性。文中利用關(guān)聯(lián)規(guī)則分析方法，挖掘飛機(jī)各項(xiàng)技術(shù)參數(shù)之間的潛在關(guān)聯(lián)及其與飛機(jī)故障、健康狀況的關(guān)聯(lián)模式，作為構(gòu)建飛機(jī)健康評(píng)估模型的基礎(chǔ)。

基于關(guān)聯(lián)規(guī)則的飛機(jī)技術(shù)參數(shù)評(píng)估，基本思想是從數(shù)據(jù)倉(cāng)庫(kù)中提取各項(xiàng)參數(shù)及對(duì)應(yīng)故障征兆數(shù)據(jù)，利用Apriori算法[13]，將各項(xiàng)參數(shù)和故障征兆作為單獨(dú)項(xiàng)，它們的組合看作項(xiàng)集；連接由參數(shù)和故障征兆組合的頻繁k項(xiàng)集中的項(xiàng)，生成出現(xiàn)概率不小于最小支持度的頻繁項(xiàng)集；根據(jù)一個(gè)頻繁項(xiàng)集的任意子集都應(yīng)該是頻繁的，對(duì)連接后的項(xiàng)集進(jìn)行篩選，生成不小于最小置信度的強(qiáng)關(guān)聯(lián)規(guī)則。由此得到ATD-IDSS數(shù)據(jù)倉(cāng)庫(kù)中存在的關(guān)聯(lián)規(guī)則及其置信度，根據(jù)置信度高低對(duì)規(guī)則進(jìn)行排序，獲得飛機(jī)技術(shù)參數(shù)和故障類型之間的對(duì)應(yīng)概率關(guān)系，即技術(shù)參數(shù)對(duì)故障發(fā)生可能性的影響關(guān)系。

由于飛機(jī)系統(tǒng)的復(fù)雜性，飛機(jī)運(yùn)行相關(guān)的技術(shù)參數(shù)數(shù)量龐大，隨著飛行時(shí)間增長(zhǎng)，數(shù)據(jù)規(guī)模也不斷擴(kuò)大，ATD-IDSS需要高效地完成量化評(píng)估任務(wù)，分析所有參數(shù)的影響顯然是不切實(shí)際的。利用聚類分析方法，根據(jù)飛機(jī)運(yùn)行的技術(shù)參數(shù)數(shù)據(jù)和故障信息，對(duì)技術(shù)參數(shù)進(jìn)行劃分，在評(píng)估參數(shù)對(duì)飛機(jī)健康狀況的影響時(shí)，可以按照參數(shù)類別進(jìn)行確定，簡(jiǎn)化評(píng)估模型的構(gòu)建難度。

基本思想是利用k均值算法確定初始聚類中心個(gè)數(shù)，根據(jù)技術(shù)參數(shù)的數(shù)據(jù)特征，劃分為不同的參數(shù)類，選取每個(gè)類的中心成為特征參數(shù)，作為類的一個(gè)索引，在進(jìn)行參數(shù)甄選時(shí)參與檢索匹配。

3.2.2 基于人工神經(jīng)網(wǎng)絡(luò)和案例推理的飛機(jī)健康知識(shí)挖掘

飛機(jī)運(yùn)行的健康狀態(tài)受大量復(fù)雜因素影響，故障發(fā)生具有很大隨機(jī)性。一個(gè)故障征兆可能與多個(gè)參數(shù)相關(guān)，偶然事件對(duì)飛機(jī)健康狀況的影響沒(méi)有規(guī)律性，同時(shí)飛機(jī)各子系統(tǒng)之間也存在相互關(guān)聯(lián)和影響，種種因素決定了飛機(jī)健康評(píng)估的復(fù)雜性。

采用人工神經(jīng)網(wǎng)絡(luò)和基于案例推理結(jié)合的智能推理策略(見(jiàn)圖3)，對(duì)飛機(jī)健康狀況相關(guān)的規(guī)則和知識(shí)進(jìn)行挖掘。核心思想是，根據(jù)以往不正常航班的故障信息構(gòu)建案例庫(kù)，采用特征提取技術(shù)分析各案例的屬性特征，應(yīng)用CBR推理挖掘技術(shù)參數(shù)與飛機(jī)故障的關(guān)系，形成健康知識(shí)庫(kù)，同時(shí)利用ANN的智能學(xué)習(xí)和自適應(yīng)機(jī)制，通過(guò)學(xué)習(xí)訓(xùn)練構(gòu)建不同索引；在進(jìn)行飛機(jī)技術(shù)派遣評(píng)估飛機(jī)健康狀況時(shí)，依據(jù)飛機(jī)技術(shù)參數(shù)特征，利用索引信息發(fā)現(xiàn)相似的故障案例，有效預(yù)測(cè)飛機(jī)的故障概率。

圖3 基于人工神經(jīng)網(wǎng)絡(luò)和案例推 理的推理機(jī)模型設(shè)計(jì)

3.3云計(jì)算技術(shù)

基于航空公司對(duì)飛機(jī)健康大數(shù)據(jù)的管理需求，運(yùn)用云計(jì)算技術(shù)解決ATD-IDSS存儲(chǔ)數(shù)據(jù)的容量限制問(wèn)題，實(shí)現(xiàn)同步快速高效的數(shù)據(jù)處理與分析。

伴隨第三次互聯(lián)網(wǎng)浪潮，云計(jì)算成為資源共享、數(shù)據(jù)高效處理、大規(guī)模計(jì)算的發(fā)展趨勢(shì)，其強(qiáng)大的存儲(chǔ)能力、計(jì)算能力以及分布式處理方式為實(shí)現(xiàn)IDSS的大數(shù)據(jù)分析及高性能計(jì)算提供了解決方案。云計(jì)算平臺(tái)分布在大規(guī)模數(shù)據(jù)中心，實(shí)現(xiàn)計(jì)算資源的集成和優(yōu)化、數(shù)據(jù)中心的分布式管理，具有大規(guī)模并行計(jì)算與海量數(shù)據(jù)操作處理能力[14]，非常切合大數(shù)據(jù)背景下ATD-IDSS構(gòu)建的基本要求。

ATD-IDSS承擔(dān)了大數(shù)據(jù)量的傳輸任務(wù)，云計(jì)算將任務(wù)分布在由大量計(jì)算機(jī)構(gòu)成的資源池上，各應(yīng)用系統(tǒng)可以依據(jù)不同的航班運(yùn)行要求和決策需求獲取所需的計(jì)算資源、數(shù)據(jù)資源和存儲(chǔ)資源等，通過(guò)任務(wù)分解進(jìn)行資源池上的并行計(jì)算，實(shí)現(xiàn)高性能計(jì)算，從而提高ATD-IDSS處理海量數(shù)據(jù)的能力。

當(dāng)ATD-IDSS執(zhí)行多個(gè)航班的飛機(jī)派遣任務(wù)時(shí)，在大數(shù)據(jù)背景下，需要建立基于云計(jì)算環(huán)境的任務(wù)調(diào)度模型，實(shí)現(xiàn)任務(wù)的高效調(diào)度及云資源的合理分配。可以通過(guò)各航班的限制信息，預(yù)計(jì)飛機(jī)健康評(píng)估的數(shù)據(jù)量和計(jì)算時(shí)間，合理安排派遣任務(wù)的科學(xué)調(diào)度，通過(guò)分配虛擬機(jī)決定任務(wù)執(zhí)行次序。同時(shí)針對(duì)可能由于天氣等不可控因素致使航班的飛機(jī)派遣需求發(fā)生變化，云計(jì)算可根據(jù)需求變化動(dòng)態(tài)劃分資源池，提供高效、彈性的決策服務(wù)。

4 結(jié)束語(yǔ)

隨著航空公司日常運(yùn)行過(guò)程中的重要和復(fù)雜航班大幅增加、航空公司機(jī)隊(duì)規(guī)模持續(xù)擴(kuò)大、飛機(jī)運(yùn)行及維護(hù)數(shù)據(jù)量快速增長(zhǎng)，構(gòu)建智能化的飛機(jī)技術(shù)派遣決策支持系統(tǒng)成為當(dāng)務(wù)之急。考慮到飛機(jī)技術(shù)參數(shù)的復(fù)雜性、飛機(jī)運(yùn)行及維護(hù)數(shù)據(jù)的大數(shù)據(jù)特征，利用大數(shù)據(jù)相關(guān)技術(shù)，充分挖掘潛在的飛機(jī)健康狀況相關(guān)的規(guī)律知識(shí)，為航空公司管理決策人員提供數(shù)據(jù)處理分析、健康評(píng)估、決策控制等多種功能支持，為進(jìn)一步開(kāi)發(fā)智能決策支持系統(tǒng)提供基礎(chǔ)性研究思路，對(duì)實(shí)現(xiàn)飛機(jī)技術(shù)派遣決策的高效性、精準(zhǔn)化及智能化具有重要意義。

[1] Zhang X Y,Chen J S.Decision model of flight safety based on flight event[J].Physics Procedia,2012,33:462-469.

[2] 景 博,湯 巍,黃以鋒,等.故障預(yù)測(cè)與健康管理系統(tǒng)相關(guān)標(biāo)準(zhǔn)綜述[J].電子測(cè)量與儀器學(xué)報(bào),2014,28(12):1301-1307.

[3] 劉 敏,周桂林.決策支持系統(tǒng)在航空公司的應(yīng)用[J].計(jì)算機(jī)工程,2005,31:33-35.

[4] Wen Z,Liu Y P.Applications of prognostics and health management in aviation industry[C]//Prognostics and system health management conference.[s.l.]:IEEE,2011:503-514.

[5] 譚雪花,王華偉.飛機(jī)維修方案優(yōu)化支持系統(tǒng)框架研究[J].計(jì)算機(jī)技術(shù)與發(fā)展,2008,18(11):183-186.

[6] 孟小峰，慈 祥.大數(shù)據(jù)管理：概念、技術(shù)與挑戰(zhàn)[J].計(jì)算機(jī)研究與發(fā)展,2013,50(1):146-149.

[7] 袁炳南,霍朝暉,白效賢.飛行試驗(yàn)大數(shù)據(jù)技術(shù)發(fā)展及展望[J].計(jì)算機(jī)測(cè)量與控制,2015,23(6):1844-1847.

[8] 曾德華,鄭曉齊.智能決策支持系統(tǒng)框架研究[J].中國(guó)電化教育,2011(6):113-117.

[9] 郭宏寧,南建國(guó),萬(wàn) 明.飛行參數(shù)數(shù)據(jù)倉(cāng)庫(kù)建模研究[J].現(xiàn)代電子技術(shù),2010,33(8):130-133.

[10] 吳麗娟,張健宇,高立新.基于神經(jīng)網(wǎng)絡(luò)和案例推理的智能診斷系統(tǒng)綜述[J].機(jī)械設(shè)計(jì)與制造,2009(3):261-263.

[11] Miah S J,Ahamed R.A cloud-based DSS model for driver safety and monitoring on Australian roads[J].International Journal of Emerging Sciences,2011,1(4):634-648.

[12] 羅 賀,楊善林,丁 帥.云計(jì)算環(huán)境下的智能決策研究綜述[J].系統(tǒng)工程學(xué)報(bào),2013,28(1):134-142.

[13] 高宏賓,張小彬,楊海振.一種實(shí)時(shí)挖掘數(shù)據(jù)流近似頻繁項(xiàng)的算法[J].計(jì)算機(jī)應(yīng)用,2008,28:219-222.

[14] 崔 曼,薛惠鋒.基于云計(jì)算的智能決策支持系統(tǒng)研究[J].管理現(xiàn)代化,2014(2):72-74.

ResearchonFrameofAircraftTechnicalDispatching-IntelligentDecisionSupportSystemfromPerspectiveofBigData

WU Xing-wang1，LUO Xiao-li2，CHEN Ke-jia2

(1.Xiamen Airlines，Xiamen 361006，China;2.School of Economics & Management，F(xiàn)uzhou University，F(xiàn)uzhou 350108，China)

With the sharp increase of the important and complex flights in the daily operation of the airlines,it is of great significance to effectively enhance the efficiency and accuracy of the aircraft technical dispatch decision-making to ensure the safety and regularity of the flight.Massive aircraft health data accumulated during the long-term operation and maintenance is of great value to the decision-making of aircraft technical dispatch.Due to huge volume,complex structure and rapid growth of these data,the basic framework of Aircraft Technical Dispatching - Intelligent Decision Support System (ATD-IDSS) is presented by introduction of big data technology.It is discussed with focuses on the overall structure of ATD-IDSS and the process of aircraft technical dispatch decision-making based on the system.The overall structure of ATD-IDSS is composed of six subsystems,which include data acquisition and processing,data management,model management,knowledge management,aircraft health assessment and dispatch decision control,and the composition,core functions and operating mechanism of each subsystem are described in detail.On this basis,the key technologies involved in the system are introduced.With the help of data warehouse technology,processing and analysis of massive aircraft data with health status is realized.Using association rules mining and cluster analysis to evaluate aircraft technical parameters.The intelligent reasoning strategy combing artificial neural network and case-based reasoning are used to explore the rules and knowledge of aircraft health status.Combined with the use of cloud computing technology,resource utilization and operational efficiency are improved.Through this research,it can provide important guidance for the further development of intelligent aircraft dispatching system,the realization of intelligent and accurate aircraft dispatch and the promotion of aircraft health management level.

big data;aircraft technical dispatching;intelligent decision support system;system framework

2016-12-07

2017-04-13 < class="emphasis_bold">網(wǎng)絡(luò)出版時(shí)間

時(shí)間：2017-08-01

教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃(NCET-11-0903)；民航局科技計(jì)劃項(xiàng)目(MHRD20150211)

吳興旺(1967-)，男，碩士，高級(jí)工程師，研究方向?yàn)轱w機(jī)可靠性管理；羅曉莉(1991-)，女，碩士研究生，研究方向?yàn)樯虅?wù)智能與數(shù)據(jù)挖掘。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170801.1556.064.html

TP311

A

1673-629X(2017)11-0159-07

10.3969/j.issn.1673-629X.2017.11.035