數據可視化在航空裝備維修保障中的應用探析

彭 暉 朱 濤 凌海風 張 峰 楊陳山 呂婷婷

（1.中國人民解放軍陸軍工程大學 野戰工程學院，南京 210007；2.中國人民解放軍94778部隊，上海 200433）

利用數據可視化技術可以展示已有數據間的規律。同時，通過認知數據可能會有新發現，挖掘數據所反映的實質。在現代航空維修保障領域，為了確保飛機的質量安全，一般都會記錄較多的數據信息，但是這些資源有待進一步開發和挖掘。利用先進的數據可視化技術可以有效發揮“保障有力”的作用。

1 數據可視化技術概述

1.1 數據可視化的基本概念

廣義的數據可視化涉及信息技術、自然科學及統計分析等多種學科，主要包含科學可視化、信息可視化和可視分析學等[1]。狹義的數據可視化是指將數據用統計圖表方式呈現，即根據數據的特性如時間信息和空間信息等找到合適的可視化方式，如圖表、簡圖和地圖等，將數據直觀展現出來[2]。

數據可視化不是簡單的視覺映射，而是一個以數據流向為主線的完整流程，一般包括數據采集、數據處理、可視化映射、用戶交互及用戶感知5個步驟。其中，可視化映射是整個數據可視化流程的核心，是指將處理后的數據信息映射成可視化元素的過程。可視化的目的是反映數據的數值、特征和模式，以更加直觀和易于理解的方式將數據信息呈現給用戶，輔助其做出正確的決策。可視化的結果只有被用戶感知，才可能轉化為知識和靈感[3]。

1.2 數據可視化的實用工具

數據可視化運用的場景很多，主要包括數據地圖、商業智能、智慧城市以及其他專業領域的數據展現等。對于數據展現而言，為了動態實現與用戶友好交互的效果，一些前端繪圖技術應運而生，同時成熟的數據可視化技術工具越來越多。這里主要將數據可視化技術工具分為設計類工具、開發類工具和語言類工具。

1.2.1 設計類工具

國內外典型的可視化設計工具有微軟公司的Excel與PowerBI[4]、帆軟公司的FineReport和FineBI以及基于云平臺的數據可視化工具等[5-6]。其中，國內的帆軟公司推出了FineReport和FineBI兩款經典的數據可視化軟件。FineReport是一款純Java編寫的報表軟件，可以建立復雜的中國式報表和數據決策分析系統，主要由設計器設計，通過瀏覽器展示數據。FineBI則是國內市場占有率最大的商業智能（Business Intelligence，BI）工具之一，主要用來制作可視化儀表板或大屏。它有一套數據連接、數據處理、數據分析與可視化的完整流程。常規的拖拽操作即可自動生成圖表，并帶有智能圖表推薦功能。

1.2.2 開發類工具

數據可視化的開發類工具大多是基于JS代碼的開源平臺。相關常見工具主要包括螞蟻的AntV、Highsoft的Highcharts以及百度開源的ECharts。其中，ECharts的縮寫為Enterprise Charts，表示企業級圖表。該開源項目來自百度數據可視化團隊，是一個純JavaScript的圖表庫，可以流暢地運行在個人計算機（Personal Computer，PC）和移動設備上，同時可兼容當前絕大部分瀏覽器。底層則依賴另一個自主研發的輕量級Canvas類庫ZRender，提供直觀、生動、可交互、可高度個性化定制的數據可視化圖表。

1.2.3 語言類工具

若想實現高水平定制的數據可視化，需要更高階的語言，其中Python是一個典型代表。它是一個高層次的結合解釋性、編譯性、互動性和面向對象的腳本語言。Python開源靈活、功能強大且易于使用，最重要的特性是擁有數據處理和分析任務的豐富實用程序和各類開源庫集。它的可視化庫大致可以分為基于Matplotlib的可視化庫和基于JS的可視化庫兩大類。基于Matplotlib的可視化庫主要包括Pandas和Seaborn等。它可以繪制絕大多數常用的圖，同時支持豐富的配置，但是在實時交互、圖形快速更新等方面性能較差。基于JS的可視化庫具有交互可視化的優勢。常見的交互式可視化庫主要包括Bokeh、HoloViews和Folium等。

2 航空維修保障的數據可視化應用場景

現代飛機具有機電構造復雜和系統相互交聯等特點。它的使用和維護過程通常需要持續記錄并保存相關信息，由此誕生了持續適航管理等相關概念理論。另外，在持續航空維修保障工作中，相關數據一般會輸入機務部門的維修保障信息系統。信息系統的本質主要表現為錄入和展示，而數據可視化根據不同需求采集處理不同屬性的信息。因此，對于航空維修保障工作而言，綜合信息管理系統需要重點開發可視化功能，以便較好地輸出和展示維修保障信息。

一方面，維修保障數據的可視化工作可以大大提高數據分析結果的直觀性，有利于用戶理解與使用；另一方面，維修保障數據的可視化工作能夠發現大量業務數據中隱含的規律性信息，有利于用戶決策與管理。為了充分利用航空維修保障的數據資源，可以運用統計對比和多維分析等方法進行處理挖掘。例如：對于維修保障的局部信息，需要選擇合理的統計圖表進行展示分析；為了全面了解維修保障的整體情況，需要進行大屏化設計。下面對上述兩種應用場景的開展進行進一步探究。

3 維修信息的可視化圖表設計

航空機務維修工作的相關信息主要包括人員情況、裝備動用情況（主要為使用時間或起落情況）以及故障情況等。

3.1 數據可視化設計的圖表選擇

數據可視化設計的基礎在于圖表，因此設計人員面臨圖表選擇的問題。ABELA將圖表展示的關系分為比較、分布、構成和聯系4類，再根據分類和數據狀況提出對應的圖表類型建議，如圖1所示[7]。

在選用圖表前先要想清楚“你要表達什么關系”，可以從以下幾個方面具體考慮。

（1）是否需要比較數據。圖表很適合多個數據集的對比，例如通過柱狀圖、條形圖、百分比圖、線形圖、散點圖以及子彈圖等，可以輕易看到數據的高低及其變化情況。

（2）是否需要了解數據的分布。直方圖、正態分布圖、散點圖以及曲面圖等圖表類型能夠幫助人們清晰理解正常趨勢、正常范圍和異常值。

（3）是否需要展示數據的構成。餅狀圖、堆疊條形圖、堆疊柱形圖、面積圖以及瀑布圖等圖表類型主要用于展示數據的所有組成部分。

（4）是否需要了解更多數據集之間的聯系。散點圖、氣泡圖和線形圖是最常見的關系圖形，適合顯示一個變量與單個或多個不同變量之間的關系。

3.2 維修保障信息的統計圖表

對于維修保障的基礎信息而言，常見的分析場景涉及靜態資源分析、動態業務分析以及故障統計分析等。以下分別給出相關的典型圖表案例，其中圖2～圖4的數據為虛擬值。

3.2.1 餅圖

餅圖一般用來反映構成情況，顯示每一數值相對于總數值的大小，有時也可用環形圖或玫瑰圖來表示。圖2顯示的是以環形圖表示的某單位維修保障技術人員的年齡分布情況。

3.2.2 柱狀圖

柱狀圖可以用來反映分類項目之間的比較，也可以用來反映時間趨勢，能夠顯示一段時間內的數據變化或顯示各項之間的比較情況。柱狀圖非常適合用來顯示在連續間隔或特定時間段的數據分布，有助于估計數值集中位置、上下限值以及確定是否存在差距或異常值，有時也可粗略顯示概率分布。圖3的柱狀圖展現了某單位3種型號的裝備近6年的動用情況。

3.2.3 散點圖

散點圖主要用于反映相關性或分布關系。某單位對1 000臺裝機的某型設備進行長期質量跟蹤，統計其每使用100 h的故障臺次，得到其散點圖如圖4所示。由圖4可知，該型設備的初期故障較多，技術狀況穩定區域時間為100～1 000 h，隨后故障臺次幾乎呈現線性增長趨勢。

4 裝備保障的可視化大屏設計

現代航空機務的維修保障工作一般都會配套使用相關的信息支持系統。作為信息系統數據輸出的主要方式，基于頁面信息的可視化大屏可以根據需求展現實時情況或趨勢，是管理人員進行輔助決策的有效手段。

4.1 可視化大屏設計的基本要求

大屏數據可視化是以大屏為主要展示載體的數據可視化設計。利用面積大和可展示信息多的特點，通過關鍵信息大屏共享的方式能夠方便團隊討論和決策。目前，大屏數據可視化主要包括信息展示、監控預警和數據分析3類功能。常見大屏類型包括16∶9屏、超寬屏、折疊屏、三面屏以及T字屏等，幾乎都是拼接屏。

可視化大屏設計的基本要求[8]：以業務為中心，合理展現業務指標和數據；合理布局，使內容更有層次；合理配色，使整體感官更加舒適；增加點綴和動效，提升觀感。

4.2 維修保障情況的數據大屏

以數據分析型大屏為例，針對航空裝備使用中的幾個常見指標，簡單介紹維修保障情況的可視化大屏設計方法。需要說明的是，這里采用的數據同樣為虛擬值。

假設某單位共有A、B、C共3類裝備，各類裝備的總數量分別為361臺、178臺和172臺。某中心需要構建可視化大屏，以全面掌握該單位裝備的完好率、工作動態、使用時間統計及服役年限分布等情況。維修保障情況的可視化大屏設計過程如下。

4.2.1 合理布局

可視化大屏布局可以選擇一種平衡結構，即采用2×2的頁面布局方式，分別用于顯示裝備完好率、實時工作動態、累計使用時間和服役年限分布等重要信息。

4.2.2 選擇適用圖形

裝備完好率變化是一種趨勢，可用曲線表示。不同的工作動態需要分類對比，可以選擇柱狀圖。裝備使用時間需要累計情況，可以選擇折線圖。裝備服役年限一般需要區間劃分，可以選擇區域分布圖。

4.2.3 修改參考模板

數據可視化工具一般會提供豐富的參考模板，使得開發人員可以根據數據的展示要求選擇不同的圖表類型。裝備工作動態顯示時，考慮到4種工作狀態的裝備數量可能不均衡，選擇垂直膠囊柱狀圖。統計裝備使用情況時，需要累計2022年以來的使用時間，因此選擇折線圖清晰展現。同時，為了全面掌握3類裝備的服役年限情況，這里選擇區域圖分別顯示服役小于4年、4～8年、8～12年、12～16年及大于16年的各類裝備數量。通過區域面積可以對各服役年限階段的裝備占比情況有簡單的感性認識。可視化大屏基本情況如圖5所示。

4.2.4 完善顯示細節

上述步驟實現的大屏在設計細節上有時很難滿足相關定制要求。例如，由圖5“裝備完好率情況”曲線可知，圖例和圖表應該有一定距離，且縱坐標的數據顯示應該進一步縮小圖例與圖表之間的范圍等，因此圖表的設計可能不盡如人意。為了獲得滿意的設計效果，可以考慮更細化的代碼設計方法或者引入ECharts等開源插件來完善。

5 相關發展趨勢分析

近年來，隨著5G、大數據、AIoT（即AI+IoT）等技術的不斷進步，無論是航空MRO（Maintenance Repair Operations）行業還是數據可視化領域，都呈現信息化疊加智能化的進化趨勢，各類新型的航空維修保障信息系統也應運而生，最終目標是完成數字化轉型[9]，以實現數據智能決策。下面分別簡要分析航空維修保障和數據可視化技術的發展趨勢。

5.1 航空維修保障的發展趨勢

當前，航空維修保障的一個重要趨勢是智慧維修。智慧維修的實現是從信息化到數字化再到智能化的過程，其中信息化和數字化是基礎，智能化是目標。信息化和數字化的實現需要各種數據的識別、獲取和存儲，而智能化的實現需要整理、分析和計算結構化的數據。因此，管理人員可以重組和再造生產組織和管理方式[10]。

另外，現代航空維修保障依然適用于裝備管理的“三化”精神，即需要持續遵循“科學化”“法制化”“精細化”的基本原則。為了實現這一目標，管理人員需要充分借鑒先進技術，繼續開發完善相關的綜合信息管理系統。該方法可以高效實現航空維修保障的信息自動統計、態勢多維匯總、故障智能分析、措施有效落實以及輔助決策支持等全流程的科學管控。

5.2 數據可視化技術發展趨勢

數據可視化工作主要包括文本可視化、時空數據可視化以及多維數據可視化等[11]。雖然數據可視化的顯示空間通常為二維，如計算機屏幕、大屏顯示器等，但是在大數據時代，人們采集的數據往往具有5V特征，即Volume（大量）、Variety（多樣）、Velocity（高速）、Value（價值）及 Veracity（真實）。如何從高維、海量、多樣化的數據中獲取有價值的信息來支持決策，需要更深入的數據挖掘技術。

數據挖掘的常見思路主要包括分類分析、回歸分析、關聯分析、特征分析、偏差分析以及演變分析等。相關的統計學習方法包括各種分析、聚類和學習算法等。對于基于大數據的維修保障可視化而言，它的重要趨勢在于智能管理決策。例如：一方面，它可以進行故障診斷預測，包括故障關聯分析、文本聚類分析、健康度評估與預測等；另一方面，它可以構建知識服務平臺，主要體現為專家級自主分析咨詢和網頁式資料搜索引擎等。

6 結語

數據可視化不僅屬于數據科學家，而且其相關技術工具應用已經大眾化。它是數據驅動的可視化，可為航空維修保障工作提供有力支撐，提升裝備管理決策水平。