预测性维修技术的发展障碍

王美慧/北京航空航天大学可靠性与系统工程学院

随着数据采集和数据分析技术的发展与成熟，预测性维修正在成为OEM、航空公司、维修企业等各类机构期望从MRO 领域获益的新“抓手”，而且目前已有部分预测性维修项目已经获得了可见的收益。但业内人士认为，这项技术距离最大效能的发挥还甚远，中间还存在着诸多发展障碍，如数据控制、数据共享、流程规划等问题，可谓任重而道远。

随着大数据、物联网、数字孪生与机器学习等技术的兴起，相关词汇已经成为了航空业和许多其他行业的“流行语”。然而，对于飞机维修而言，这些“流行语”必须要转化为新的、直接让人受益的预测性维修方式，才能显现其实用价值。

在当前的飞机维修项目中，已经有部分实现了预测性维修。例如,发动机健康监控一直是一种稳定的发动机保障手段，它可以缩减维修成本、延长发动机寿命。对于非发动机组件，在达到一定的使用时长或周期后，利用可靠性分析能够估计可能的故障率，维修计划人员可以在此基础上设定检查或更换频率。而近年来，非发动机组件也开始使用更多的传感器和其他数据流进行预测维修，以期取得更加准确的预测结果，其模型精度也越来越接近发动机的预测模型。

技术应用程度

然而，多家飞机制造商、航空公司、相关技术开发商和维修企业的调研结果显示，对预测性维修相关新技术的开发和应用在很大程度上仍处于初级阶段。

波音公司观察到，市场上对数据专家、人工智能和机器学习相关的预测工具的需求不断增长，同时这些工具的高级用户只占所有航空公司的一小部分。据空客公司称，目前空客A320 系列中约仅有10%的产品加入了其预测性维修计划。据法荷航维修工程公司(AFI KLM E&M) 估 计， 在全球400 强航空公司中，真正在预测性维修项目中取得进展的公司数量不足5%，而在那些公开声称正在开展预测性维修工作的航空公司中，大多数都在与第三方进行合作开发。ICF 公司也认为，实施预测性维修的运营商数量仍然十分有限，并且大多数航空公司都不具备实施预测性维修技术所需的新流程条件。法国Revima 公司指出，大多数欧洲的航空公司并没有将预测性维修提升至很高的水平，积极使用新工具的运营商主要分布在亚洲和中东。该公司认为，亚洲是一个非常活跃的市场，对预测性维修和其他形式的数字化保持着开放的态度。中东地区对于预测技术的强烈兴趣主要源于飞机运行环境太过恶劣，酷热和沙尘暴等对飞机健康监控非常不利，出现故障的时间点经常会提前，所以这一地区的航空公司渴望通过预测性维修减少非计划性维修。

尽管当前预测性维修技术的全球普及率处于较低水平，但汉莎技术（LHT）的调研结果表明，得益于应用相关技术所带来的丰厚收益，全球使用最新的大数据技术对非发动机组件进行预测性维修的航空公司数量增长十分迅速。

来源于：法荷航维修工程公司法荷航维修工程公司预计，针对每个包含在ATA 章节中的组件，Prognos工具每年能够预防一次因其故障而造成的航班取消。

美国达美航空公司使用空客的Skywise 对空客A320 与A330 机型进行维修预测，大幅减少了因维修导致的航班取消次数。与此同时，其失误率或未发现故障（NFF）的概率也仅为5%。目前，空客和达美正在组建数字联盟，研发新的维修预测解决方案用以向其他航空公司提供服务。空客公司称，根据组件的不同，空客预测性维修能够将空调、增压系统、电力单元、起落架、刹车及气动系统的非计划事件发生概率降低10%～50%。

波音公司预计，每拆除一个濒临故障的组件就能够避免一次非计划维修，进而节省数十万美元的收入损失。同时，在组件故障前提早维修也能够节约部分成本。波音公司及其航空公司通常会选择那些最能引发计划中断的组件作为开展预测性维修的目标，而不是选择一些简单的、容易开展预测维修的部件。

国泰航空对其空客A330 飞机的辅助动力装置（APU）采取了霍尼韦尔的Forge 预测性解决方案。据霍尼韦尔预计，Forge 方案能够预防约35%的故障发生。Forge 同时覆盖了10 个其他ATA章节。例如，该系统能够减少与气动组件相关的30%的航班延误与航班取消，同时将未发现故障（NFF）率控制在2%。对于液压系统，其监测结果更为有效，可消除80%的延误事件与40%最小设备清单事件。霍尼韦尔报告称，该系统误报率低于5%。

法荷航维修工程公司预计，对于应用了该公司Prognos 工具的每个ATA 章节中的组件，每年能够预防一次由该组件造成的航班取消，这其中还不包括能够避免的航班延误。

汉莎技术的Aviatar 平台不仅能够预测组件，而且能够将预测结果与实际维修操作活动相关联。用户采用预测性维修技术的潜在收益取决于组件的运行环境和航空公司所使用的维修服务。对某些组件而言，可以将计划外拆卸次数减少80%，而对于另外一些组件而言，减少量可能为30%～40%，甚至仅为10%。

数据采集

维修预测结果随着机型机龄的不同而变化。例如，波音777 能够发出的警报是波音737 NG 的4 倍，波音777 X与波音777 机型之间的对比情况亦是如此。但波音正在努力为老式机型提供预测服务，并表示还有许多运营数据可用于预测维修，并非一定要增加传感器才能够从一架波音737 中获得更多的数据。

Revima 公 司 认 为， 对 于 老 式空 客A300 与 波 音747 飞 机 而 言，Flightwatching 监控系统往往必须在飞机上才能获取数据。但安装了飞行数据采集单元后，航空公司就能够使用ACARS 远程查询和获取数据。机龄较大的波音737 引气系统的传感器改装同样能够改善对这些组件的预测性能。

法荷航维修工程公司指出，在最新一代的飞机上可以增加用于监控的传感器数量，这意味着系统能够获得更多的反馈数据，从而能够定义更高效的预测性维护算法。当然，在老式飞机上加装传感器也有其重要意义。此外，某些非传感器数据也非常重要，如来自维修企业的维修数据。

空客公司认为，预测性维修过程的最佳实践对于不同代际的飞机来说是相似的，因其价值是来自于对组件全寿命周期的监控，而非对飞机本身。空客可以为老式喷气式飞机加装FOMAX 机载数据采集和传输模块，能够将A320 收集到的数据提高60 倍。

既然采用预测性维修技术潜在收益颇丰，那么为什么其应用进展却如此缓慢？ICF 公司给出的答案是：预测性维修发展的最大障碍是缺乏工程专业知识，行业中具备有效实施预测性维修专业能力的企业为数不多。例如，拥有大型自有机队或第三方合约，以及掌握了数十年的维修专业知识的企业很少。此外，数据共享、性能更优成本更低的机载连通性以及行业内对于二手件拆换的意愿等因素是否成熟，这些都在影响预测性维修技术的普及之路。

数据控制

数据控制对于预测性维修技术的推广影响很大。预测性维修极大地改变了航空公司与OEM 以及MRO 的合作方式。然而，越来越多的OEM 被限制访问航空公司、MRO 和其他参与者的运营数据。

航空公司内部缺少数据接口同样会妨碍维修预测工作，法荷航维修工程公司设计Aviatar 平台的初衷就是要解决这一问题。另外，飞行员工会和劳资委员会也会限制数据的使用，某些政府机构也会阻碍数据共享。因此，航空法规也需要进一步发展，监管者必须找到适应这种新的飞机维护方式的监管方法。

预测性维修发展还存在另一个障碍，就是航空公司往往想要快速得到结果，而预测维修方案往往需要耗费3 ～4个月的时间才能出来，难以满足其需求。

除此以外，数据连通与传输问题也可能是影响预测性维修技术普及率的又一个因素。对于航空公司而言，数据并不总是享有最高优先级，假如航空公司的日程安排很紧凑，维修企业很难从飞机上进行数据迁移。

对此，波音公司所采取的预测性维修策略是与拥有运营数据的航空公司进行合作。例如，首先确定要实现的目标，然后返回到需要分析的问题上，确定需要获取哪些数据，进而逐步开展工作完成维修性预测。

波音公司倡议航空公司应相信运营数据能够使其获益，并愿意与维修企业共享这些数据。同时，航空公司应该充分相信预测结果，并据此调整计划性维修或提前主动规划部件的维修活动。而维修企业应将NFF 率或假阳性率降至最低水平，以获得航空公司的信赖。

但空客公司认为，航空公司在预测性维修技术的推广中扮演着至关重要的角色。航空公司应当深入了解这项技术并对其进行投资，在公司环境中融入数据管理工作，并对公司的维修流程和分析工具进行相应的调整。在此过程中，需将工作价值标准与NFF 策略转换至预测性方法上，以避免组件在使用中性能发生退化，从而有效推动这项技术的发展和应用。

总之，未来在推广预测性维修工作的过程中，仍有许多问题需要逐步解决。相信随着实践经验的不断累积，原有的障碍会逐渐被克服。当前尽管仍存在数据共享、利益冲突等一系列问题，但总体上预测性维修工作仍在稳步前进中。