預測性維修技術的發展障礙

王美慧/北京航空航天大學可靠性與系統工程學院

隨著數據采集和數據分析技術的發展與成熟，預測性維修正在成為OEM、航空公司、維修企業等各類機構期望從MRO 領域獲益的新“抓手”，而且目前已有部分預測性維修項目已經獲得了可見的收益。但業內人士認為，這項技術距離最大效能的發揮還甚遠，中間還存在著諸多發展障礙，如數據控制、數據共享、流程規劃等問題，可謂任重而道遠。

隨著大數據、物聯網、數字孿生與機器學習等技術的興起，相關詞匯已經成為了航空業和許多其他行業的“流行語”。然而，對于飛機維修而言，這些“流行語”必須要轉化為新的、直接讓人受益的預測性維修方式，才能顯現其實用價值。

在當前的飛機維修項目中，已經有部分實現了預測性維修。例如,發動機健康監控一直是一種穩定的發動機保障手段，它可以縮減維修成本、延長發動機壽命。對于非發動機組件，在達到一定的使用時長或周期后，利用可靠性分析能夠估計可能的故障率，維修計劃人員可以在此基礎上設定檢查或更換頻率。而近年來，非發動機組件也開始使用更多的傳感器和其他數據流進行預測維修，以期取得更加準確的預測結果，其模型精度也越來越接近發動機的預測模型。

技術應用程度

然而，多家飛機制造商、航空公司、相關技術開發商和維修企業的調研結果顯示，對預測性維修相關新技術的開發和應用在很大程度上仍處于初級階段。

波音公司觀察到，市場上對數據專家、人工智能和機器學習相關的預測工具的需求不斷增長，同時這些工具的高級用戶只占所有航空公司的一小部分。據空客公司稱，目前空客A320 系列中約僅有10%的產品加入了其預測性維修計劃。據法荷航維修工程公司(AFI KLM E&M) 估 計， 在全球400 強航空公司中，真正在預測性維修項目中取得進展的公司數量不足5%，而在那些公開聲稱正在開展預測性維修工作的航空公司中，大多數都在與第三方進行合作開發。ICF 公司也認為，實施預測性維修的運營商數量仍然十分有限，并且大多數航空公司都不具備實施預測性維修技術所需的新流程條件。法國Revima 公司指出，大多數歐洲的航空公司并沒有將預測性維修提升至很高的水平，積極使用新工具的運營商主要分布在亞洲和中東。該公司認為，亞洲是一個非常活躍的市場，對預測性維修和其他形式的數字化保持著開放的態度。中東地區對于預測技術的強烈興趣主要源于飛機運行環境太過惡劣，酷熱和沙塵暴等對飛機健康監控非常不利，出現故障的時間點經常會提前，所以這一地區的航空公司渴望通過預測性維修減少非計劃性維修。

盡管當前預測性維修技術的全球普及率處于較低水平，但漢莎技術（LHT）的調研結果表明，得益于應用相關技術所帶來的豐厚收益，全球使用最新的大數據技術對非發動機組件進行預測性維修的航空公司數量增長十分迅速。

來源于：法荷航維修工程公司法荷航維修工程公司預計，針對每個包含在ATA 章節中的組件，Prognos工具每年能夠預防一次因其故障而造成的航班取消。

美國達美航空公司使用空客的Skywise 對空客A320 與A330 機型進行維修預測，大幅減少了因維修導致的航班取消次數。與此同時，其失誤率或未發現故障（NFF）的概率也僅為5%。目前，空客和達美正在組建數字聯盟，研發新的維修預測解決方案用以向其他航空公司提供服務。空客公司稱，根據組件的不同，空客預測性維修能夠將空調、增壓系統、電力單元、起落架、剎車及氣動系統的非計劃事件發生概率降低10%～50%。

波音公司預計，每拆除一個瀕臨故障的組件就能夠避免一次非計劃維修，進而節省數十萬美元的收入損失。同時，在組件故障前提早維修也能夠節約部分成本。波音公司及其航空公司通常會選擇那些最能引發計劃中斷的組件作為開展預測性維修的目標，而不是選擇一些簡單的、容易開展預測維修的部件。

國泰航空對其空客A330 飛機的輔助動力裝置（APU）采取了霍尼韋爾的Forge 預測性解決方案。據霍尼韋爾預計，Forge 方案能夠預防約35%的故障發生。Forge 同時覆蓋了10 個其他ATA章節。例如，該系統能夠減少與氣動組件相關的30%的航班延誤與航班取消，同時將未發現故障（NFF）率控制在2%。對于液壓系統，其監測結果更為有效，可消除80%的延誤事件與40%最小設備清單事件。霍尼韋爾報告稱，該系統誤報率低于5%。

法荷航維修工程公司預計，對于應用了該公司Prognos 工具的每個ATA 章節中的組件，每年能夠預防一次由該組件造成的航班取消，這其中還不包括能夠避免的航班延誤。

漢莎技術的Aviatar 平臺不僅能夠預測組件，而且能夠將預測結果與實際維修操作活動相關聯。用戶采用預測性維修技術的潛在收益取決于組件的運行環境和航空公司所使用的維修服務。對某些組件而言，可以將計劃外拆卸次數減少80%，而對于另外一些組件而言，減少量可能為30%～40%，甚至僅為10%。

數據采集

維修預測結果隨著機型機齡的不同而變化。例如，波音777 能夠發出的警報是波音737 NG 的4 倍，波音777 X與波音777 機型之間的對比情況亦是如此。但波音正在努力為老式機型提供預測服務，并表示還有許多運營數據可用于預測維修，并非一定要增加傳感器才能夠從一架波音737 中獲得更多的數據。

Revima 公 司 認 為， 對 于 老 式空 客A300 與 波 音747 飛 機 而 言，Flightwatching 監控系統往往必須在飛機上才能獲取數據。但安裝了飛行數據采集單元后，航空公司就能夠使用ACARS 遠程查詢和獲取數據。機齡較大的波音737 引氣系統的傳感器改裝同樣能夠改善對這些組件的預測性能。

法荷航維修工程公司指出，在最新一代的飛機上可以增加用于監控的傳感器數量，這意味著系統能夠獲得更多的反饋數據，從而能夠定義更高效的預測性維護算法。當然，在老式飛機上加裝傳感器也有其重要意義。此外，某些非傳感器數據也非常重要，如來自維修企業的維修數據。

空客公司認為，預測性維修過程的最佳實踐對于不同代際的飛機來說是相似的，因其價值是來自于對組件全壽命周期的監控，而非對飛機本身。空客可以為老式噴氣式飛機加裝FOMAX 機載數據采集和傳輸模塊，能夠將A320 收集到的數據提高60 倍。

既然采用預測性維修技術潛在收益頗豐，那么為什么其應用進展卻如此緩慢？ICF 公司給出的答案是：預測性維修發展的最大障礙是缺乏工程專業知識，行業中具備有效實施預測性維修專業能力的企業為數不多。例如，擁有大型自有機隊或第三方合約，以及掌握了數十年的維修專業知識的企業很少。此外，數據共享、性能更優成本更低的機載連通性以及行業內對于二手件拆換的意愿等因素是否成熟，這些都在影響預測性維修技術的普及之路。

數據控制

數據控制對于預測性維修技術的推廣影響很大。預測性維修極大地改變了航空公司與OEM 以及MRO 的合作方式。然而，越來越多的OEM 被限制訪問航空公司、MRO 和其他參與者的運營數據。

航空公司內部缺少數據接口同樣會妨礙維修預測工作，法荷航維修工程公司設計Aviatar 平臺的初衷就是要解決這一問題。另外，飛行員工會和勞資委員會也會限制數據的使用，某些政府機構也會阻礙數據共享。因此，航空法規也需要進一步發展，監管者必須找到適應這種新的飛機維護方式的監管方法。

預測性維修發展還存在另一個障礙，就是航空公司往往想要快速得到結果，而預測維修方案往往需要耗費3 ～4個月的時間才能出來，難以滿足其需求。

除此以外，數據連通與傳輸問題也可能是影響預測性維修技術普及率的又一個因素。對于航空公司而言，數據并不總是享有最高優先級，假如航空公司的日程安排很緊湊，維修企業很難從飛機上進行數據遷移。

對此，波音公司所采取的預測性維修策略是與擁有運營數據的航空公司進行合作。例如，首先確定要實現的目標，然后返回到需要分析的問題上，確定需要獲取哪些數據，進而逐步開展工作完成維修性預測。

波音公司倡議航空公司應相信運營數據能夠使其獲益，并愿意與維修企業共享這些數據。同時，航空公司應該充分相信預測結果，并據此調整計劃性維修或提前主動規劃部件的維修活動。而維修企業應將NFF 率或假陽性率降至最低水平，以獲得航空公司的信賴。

但空客公司認為，航空公司在預測性維修技術的推廣中扮演著至關重要的角色。航空公司應當深入了解這項技術并對其進行投資，在公司環境中融入數據管理工作，并對公司的維修流程和分析工具進行相應的調整。在此過程中，需將工作價值標準與NFF 策略轉換至預測性方法上，以避免組件在使用中性能發生退化，從而有效推動這項技術的發展和應用。

總之，未來在推廣預測性維修工作的過程中，仍有許多問題需要逐步解決。相信隨著實踐經驗的不斷累積，原有的障礙會逐漸被克服。當前盡管仍存在數據共享、利益沖突等一系列問題，但總體上預測性維修工作仍在穩步前進中。